Ada 25 = 32 urutan yang mungkin sebagai output dari mesin A dan B (sukses dan gagal)
yang membentuk ruang sample percobaan. Diantara hasil tersebut, ada 10 hasil yang
memuat tepat 2 produk dari mesin A (X=2):
AABBB ABABB ABBAB ABBBA BAABB BABAB BABBA BBAAB BBABA BBBAA
Probabilitas 2 produk dari mesin A dari 5 produk yang diambil adalah p2q3 =
(1/2)2(1/2)3=(1/32), probabilitas dari 10 hasil tersebut adalah :
P(X = 2) = 10 * (1/32) = (10/32) = 0.3125
10 (1/32)
Jumlah hasil dimana 2 Probabilitas bahwa sebuah hasil
dihasilkan dari mesin A memiliki 2 produk dari mesin A
Distribusi Binomial (3)
P(X=2) = 10 * (1/32) = (10/32) = .3125
Perhatikan bahwa probabilitas tersebut dihasilkan dari:
10 (1/32)
Jumlah hasil dimana 2 Probabilitas bahwa
dihasilkan dari mesin A memil
Secara umum:
1. Probabilitas dari x 2. Jumlah urutan dari n percobaan
sukses dari n percobaan yang menghasilkan tepat x sukses
dengan probabilitas adalah jumlah pilihan x elemen
sukses p dan probabili- dari total n elemen:
tas gagal q adalah: n n!
nCx = =
pxq(n-x) x
Distribusi Binomial (4)
Jumlah Probabilitas P(x)
Distribusi probabilitas binomial :
sukses x
n!
n n! 0 p 0q (n−0)
P(x) = p x q ( n−x) = p x q ( n−x) 0!(n − 0)!
x x!(n − x)! n!
dimana : 1 p 1 q ( n −1)
1!(n − 1 ) !
p probabilitas sukses sebuah percobaan, n!
q = 1-p, 2 p 2 q (n−2)
2!(n − 2)!
n jumlah percobaan, dan n!
x jumlah sukses. 3 p 3q (n−3)
3! ( n − 3 ) !
⁝ ⁝
n!
n p n q (n − n )
n!(n − n)!
1 .0 0
Distribusi Binomial (5)
n=5
p
x 0.01 0.05 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 0.95 0.99
0 .951 .774 .590 .328 .168 .078 .031 .010 .002 .000 .000 .000 .000
1 .999 .977 .919 .737 .528 .337 .187 .087 .031 .007 .000 .000 .000
2 1.000 .999 .991 .942 .837 .683 .500 .317 .163 .058 .009 .001 .000
3 1.000 1.000 1.000 .993 .969 .913 .813 .663 .472 .263 .081 .023 .001
4 1.000 1.000 1.000 1.000 .998 .990 .969 .922 .832 .672 .410 .226 .049
a F(h) P(h)
Distribusi probabilitas Penentuan nilai probabilitas dari
kumulatif binomial dan 0 0.031 0.031
probabilitas kumulatif
distribusi probabilitas variabel 1 0.187 0.156
random binomial A, jumlah 2 0.500 0.313
F (x) = P ( X x) = P (i )
a ll i x
P(x)
P(x)
P(x)
0.4 0.4 0.4
Binomial Probability: n=10 p=0.1 Binomial Probability: n=10 p=0.3 Binom ial Probability: n=10 p=0.5
0.4
n = 10
0.4 0.4
P(x)
P(x)
0.2 0.2 0.2
Binomial Probability: n=20 p=0.1 Binomial Probability: n=20 p=0.3 Binomial Probability: n=20 p=0.5
P(x)
P(x)
0.1 0.1 0.1
14
Distribusi Hipergeometrik (1)
• Distribusi binomial digunakan pada populasi yang tidak terbatas, sehingga proporsi sukses diasumsikan
diketahui.
• Distribusi probabilitas hipergeometrik digunakan untuk menentukan probabilitas kemunculan sukses jika
sampling dilakukan tanpa pengembalian.
• Variabel random hipergeometrik adalah jumlah sukses (x) dalam n pilihan, tanpa pengembalian, dari sebuah
populasi terbatas N , dimana D diantaranya adalah sukses dan (N-D) adalah gagal.
Distribusi Hipergeometrik (2)
Penurunan fungsi distribusi hipergeometrik diturunkan dengan menghitung kombinasi-kombinasi yang
terjadi.
Kombinasi yang dapat dibentuk dari populasi berukuran N untuk sampel berukuran n adalah kombinasi
C(N,n).
Jika sebuah variabel random (diskrit) X menyatakan jumlah sukses, selanjutnya dapat dihitung kombinasi
diperoleh x sukses dari sejumlah D sukses dalam populasi yang diketahui yaitu C(D,x), dan demikian pula
halnya dapat dicari (n-x) kombinasi gagal dari sisanya (N-D), yaitu kombinasi C((N-D),(n-x)).
Distribusi Hipergeometrik (3)
• Dengan demikian:
• sukses C(D,x). C((N-D),(n-x)) atau
D N − D
x n − x
D N − D
n−x
p( x) =
x
, x=
N
n
() ()
menerima lot berukuran 10 P(1) = = =
1! 1! 4 ! 4 !
= = 0.556
dimana hanya 5 diantaranya yang 10 10 10 ! 9
mendapat pemeriksaan 5 5
() ( ) ()()
( )
5! 5!
kelengkapan. 5 kendaraan 2 10 − 2
2 8 2! 8!
diambil secara random. Diketahui 1 5− 2 1 3
() ()
1! 1! 3 ! 5! 2
ada 2 kendaraan dari lot P(2) = = = =
9
= 0.222
Berapa kemungkinan
5 5
5! 5!
sekurangnya ada 1 kendaraan Sehingga, P(1) + P(2) =
dari 5 kendaraan yang diperiksa
ternyata tidak lengkap? 0.556 + 0.222 = 0.778.
Distribusi Hipergeometrik (6)
X = jumlah kendaraan dalam sample berukuran 5 yang ternyata tidak le ngkap
Probability
4 0 1 0.4
5 0 1 0.3
0.2
0.1
0
1 2 3 4 5 6
# kendaraan tidak lengkap
Proses & Distribusi Poisson
• Percobaan bernoulli menghasilkan variabel random X yang bernilai numerik, yaitu jumlah sukses yang
terjadi.
• Jika pengamatan dilakukan pada pada suatu rentang interval waktu, maka dapat diamati bahwa variabel
random X adalah terjadinya sukses selama waktu tertentu.
• Jika perhatian ditujukan pada kejadian sukses yang muncul (lahir) pada suatu rentang yang kecil, maka
terjadi sebuah proses kelahiran (birth atau arrival process) atau dikenal sebagai proses Poisson (Poisson
process).
Proses & Distribusi Poisson
Sifat-sifat Proses Poisson:
Jumlah sukses yang terjadi dalam suatu selang waktu (atau daerah tertentu) tidak
dipengaruhi (independent) terhadap kejadian pada selang waktu atau daerah yang lain.
Kemungkinan terjadinya suatu sukses (tunggal) dalam interval waktu yang pendek (t
mendekati nol) sebanding dengan panjang interval dan tidak tergantung pada banyaknya
sukses yang terjadi di luar interval tersebut.
Kemungkinan terjadinya lebih dari satu sukses dalam interval waktu yang pendek dapat
diabaikan.
Distribusi Probabilitas Poisson (1)
Probability
0.6
4 0.000055 0.999998
5 0.000002 1 0.5
6 0 1 0.4
0.3
0.2
0.1
0
1 2 3 4 5 6 7
# jumlah karyawan yang memilih
pesawat telpon tertentu
Distribusi Probabilitas Poisson (6)
= 1.0 = 1.5
0.4 0.4
0.3 0.3
P(x
0.2 0.2
P(
x)
)
0.1 0.1
0.0 0.0
0 1 2 3 4 0 1 2 3 4 5 6 7
X X
=4 = 10
0.2 0.15
0.10
P (x)
P(x)
0.1
0.05
0.0 0.00
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 1011121314151617181920
X X