Ditribusi Binomial
Ditribusi Binomial
Distribusi Binomial
Distribusi Binomial atau distribusi Bernoulli (ditemukan oleh James Bernoulli) adalah suatu
distribusi teoritis yang menggunakan variabel random diskrit yang terdiri dari dua kejadian yang
berkomplemen, seperti sukses-gagal, ya-tidak, baik-cacat, kepala- ekor dll.
1. Setiap percobaan hanya memiliki dua peristiwa, seperti ya-tidak, sukses-1. Setiap percobaan
hanya memiliki dua peristiwa, seperti ya-tidak, sukses-gagal.
2. Probabilitas suatu peristiwa adalah tetap, tidak berubah untuk setiap percobaan.
3. Percobaannya bersifat independen, artinya peristiwa dari suatu percobaan tidak mempengaruhi
atau dipengaruhi peristiwa dalam percobaan lainnya.
4. Jumlah atau banyaknya percobaan yang merupakan komponen percobaan binomial harus
tertentu.
Probabilitas suatu peristiwa dapat dihitung dengan mengalikan kombinasi susunan dengan
probabilitas salah satu susunan. Berdasarkan hal tersebut, secara umum rumus dari probabilitas
binomial suatu peristiwa dituliskan :
b). Probabilitas binomial kumulatif
Probabilitas binomial kumulatif adalah probabilitas dari peristiwa binomial lebih dari satu
sukses. Probabilitas binomial kumulatif dapat dihitung dengan menggunakan rumus :
Contoh :
peristiwa berikut :
Penyelesaian :
a). Karena dadu memiliki 6 sisi, yaitu 1, 2, 3, 4, 5, 6, sehingga setiap sisi memiliki probabilitas
1/6. Jadi, probabilitas untuk mata 1 adalah 1/6, sehigga :
Distribusi Normal adalah salah satu distribusi teoritis dari variable random kontinu. Distribusi
Normal sering disebut distribusi Gauss. Distribusi Normal memiliki bentuk fungsi sebagai
berikut :
Keterangan :
π = 3,14
e = 2,71828
σ = Simpangan baku
2. Simetris
3. Asimtotis
KARAKTERISTIK DISTRIBUSI KURVA NORMAL
Dist
ribusi kurva normal dengan µ dan σ berbeda
Grafik kurva normal :
P(x≤µ) = 0,5
Luas kurva normal antara x=a & x=b => probabilitas x terletak antara a dan b
Distribusi Poisson
Distribusi nilai-nilai bagi suatu variabel random X (X diskret), yaitu banyaknya hasil
percobaan yang terjadi dalam suatu interval waktu tertentu atau di suatu daerah tertentu.
Distribusi probabilitas diskret yang menyatakan peluang jumlah peristiwa yang terjadi
pada periode waktu tertentu apabila rata-rata kejadian tersebut diketahui dan dalam waktu
yang saling bebas sejak kejadian terakhir.
Banyaknya hasil percobaan yang terjadi dalam suatu interval waktu atau suatu daerah
tertentu tidak bergantung pada banyaknya hasil percobaan yang terjadi pada interval
waktu atau daerah lain yang terpisah.
Probabilitas terjadinya hasil percobaan selama suatu interval waktu yang singkat atau
dalam suatu daerah yang kecil, sebanding dengan panjang interval waktu atau besarnya
daerah tersebut dan tidak bergantung pada banyaknya hasil percobaan yang terjadi di luar
interval waktu atau daerah tersebut.
Probabilitas lebih dari satu hasil percobaan yang terjadi dalam interval waktu yang singkat atau
dalam daerah yang kecil dapat diabaikan. Selain itu, Distribusi poisson banyak digunakan dalam
hal berikut:
Menghitung probabilitas terjadinya peristiwa menurut satuan waktu, ruang atau isi, luas, panjang
tertentu, seperti menghitung probabilitas dari:
Banyaknya penggunaan telepon per menit atau banyaknya mobil yang lewat selama 5
menit di suatu ruas jalan,
Banyaknya kecelakaan mobil di jalan tol selama minggu pertama bulan Oktober.
Pendekatan Peluang Poisson untuk Peluang Binomial dilakukan untuk mendekatkan probabilitas
probabilitas dari kelas sukses (x) dari n percobaan Binomial dalam situasi dimana n sangat besar
dan probabilitas kelas sukses (p) sangat kecil. Aturan yang diikuti oleh kebanyakan ahli statistika
adalah bahwa n cukup besar dan p cukup kecil, jika n adalah 20 atau lebih dari 20 dan p adalah
0.05 atau kurang dari 0.05.
Rumus pendekatannya adalah :
P ( x ; μ ) = e –μ . μ X
X ! Dimana : e = 2.71828
μ = rata – ratakeberhasilan = n . p
Apabila nilai harapan kejadian pada suatu interval adalah \lambda, maka probabilitas terjadi
peristiwa sebanyak k kali (k adalah bilangan bulat non negatif, k = 0, 1, 2, …) maka sama
dengan
dimana
k adalah jumlah kejadian suatu peristiwa — peluang yang diberikan oleh fungsi ini
λ adalah bilangan riil positif, sama dengan nilai harapan peristiwa yang terjadi dalam interval
tertentu. Misalnya, peristiwa yang terjadi rata-rata 4 kali per menit, dan akan dicari probabilitas
terjadi peristiwa k kali dalam interval 10 menit, digunakan distribusi poisson sebagai model
dengan λ = 10×4 = 40.
Sebagai fungsi k, ini disebut fungsi massa probabilitas. The Distribusi poisson dapat diturunkan
sebagai kasus terbatas distribusi binomial. Distribusi poisson dapat diterapkan pada sistem
dengan kejadian berjumlah besar yang yang mungkin terjadi, yang mana kenyataannya cukup
jarang. Contoh klasik adalah peluruhan nuklir atom.
Sumbu aksis adalah indeks k. Fungsi ini
hanya didefinisikan untuk bilangan bulat k. Garis penghubung hanya ilustrasi untuk
memudahkan.
Dua ratus penumpang telah memesan tiket untuk sebuah penerbangan luar negeri. Jika
probabilitas penumpang yang telah mempunyai tiket tidak akan datang adalah 0.01 maka
berapakah peluang ada 3 orang yang tidak datang.
Jawaban:
P ( x ; μ ) = e –μ . μ X
X!
3!
Distribusi Sampling
donat dimakan, dan donat tidak tersisa, tidak ada yang dijual?
Pengacakan dapat dilakukan dengan : undian, tabel bilangan acak, program komputer.
Populasi terdiri dari beberapa kelas/kelompok. Dari setiap kelas diambil sampel secara acak.
Jumlah Sampel Acak yang dapat ditarik dari suatu populasi adalah sangat banyak.
Nilai setiap Statistik Sampel akan bervariasi/beragam antar sampel.
Suatu statistik dapat dianggap sebagai peubah acak yang besarnya sangat tergantung dari
sampel yang kita ambil.
Karena statistik sampel adalah peubah acak maka ia mempunyai distribusi yang kita
sebut sebagai : Distribusi peluang statistik sampel = Distribusi Sampling = Distribusi
Penarikan Sampel
Statistik Penduga
statistik sampel.
Penduga yang baik ialah penduga yang tak bias dan bervarians minimum
• Tak bias
Penaksir Ӧ dikatakan tak bias jika rata-rata harga dari Ӧ yang mungkin sama dengan
θ
• Bervarians minimum
Penduga Ӧ dikatakan bervarians minimum jika Ӧ mempunyai varians terkecil diantara
semua penduga yang mungkin untuk parameter yang sama θ
Cara Menduga
1. Penduga titik
2. Penduga interval
Misal : jika rata-rata sampel tinggi mahasiswa adalah 160 cm, maka rata-rat
sumber:
http://tety.staff.gunadarma.ac.id/Downloads/files/7551/Sampling.doc
http://pianhervian.files.wordpress.com/2010/12/distribusi-teoritis.pdf
http://www.informatika.unsyiah.ac.id/subianto/kuliah/INF201/distNormal.pdf
http://thomasyg.staff.gunadarma.ac.id/Downloads/files/8191/Distribusi+Sampling.pdf
http://baniadams.files.wordpress.com/2011/10/distribusi-probabilitas-diskrit-poisson.pptx
Sebaran Binom
Sebaran Binom atau Distribusi Binomial dinyatakan dengan rumus sebagai berikut :
P = Peluang sukses
n = Banyak percobaan
x = Muncul sukses
n-x = Muncul gagal
Contoh
Dalam ujian sepuluh soalan aneka pilihan, dengan 4 pilihan setiap soalan, kebarangkalian untuk
mendapatkan 5 dan hanya 5 jawapan betul jika jawapan yang diteka boleh dikira sebagai:
Maka, jika seseorang meneka 10 jawapan pada ujian aneka pilihan dengan 4 pilihan, mereka
mempunyai lebih kurang 5.8% peluang untuk memperoleh 5 dan hanya 5 jawapan yang betul.
Jika 5 atau lebih jawapan betul yang diperlukan untuk lulus, maka, kebarangkalian untuk lulus
boleh dikira dengan menambah kebarangkalian mendapat 5 (dan hanya 5) jawapan betul, 6 (dan
hanya 6) jawappan betul, dan seerusnya hinggal 10 jawapan betul. Jumlah kebarangkalian adalah
lebih kurang 7.8%.