Definisi: Bernoulli

Percobaan Bernoulli: Hanya terdapat satu kali percobaan dengan peluang sukses p dan peluang gagal 1-p
Peluang Sukse: Peluang Gagal:
P( X = 1) = p1 (1 p)11 = p 1
1

Perilaku Distribusi Bernoulli

E(X) = p Var (X) = p(1-p)

Var (Y ) = E (Y 2 ) E (Y ) 2 = [12 p + 0 2 (1 p)] [1 p + 0(1 p )]2 = p p2 = p (1 p )

1 P( X = 0) = p 0 (1 p)1 0 = 1 p 0

Contoh Binomial
Melempar koin sebanyak 5 kali. Berapa peluang mendapatkan tepat 3 kepala?
Catatan: - Percobaan Diskrit - Mempunyai keluaran biner (ya dan tidak atau 1 dan 0) - mempunyai peluang yang sama tiap kali lemparan

Contoh Binomial
Penyelesaian: Satu cara mendapat tepat 3 kepala: HHHTT Peluangnya adalah: P(heads)xP(heads) xP(heads)xP(tails)xP(tails) =(1/2)3 x (1/2)2 Cara lain mendapatkan tepat 3 kepala: THHHT Peluangnya = (1/2)1 x (1/2)3 x (1/2)1 = (1/2)3 x (1/2)2

Contoh Binomial
Jadi, (1/2)3 x (1/2)2 merupakan peluang untuk mendapatkan tepat 3 kepala dan 2 ekor Sehingga, peluang untuk mendapat 3 kepala dan 2 ekor (sejauh yang kita dapat sekarang) adalah: 1/2)3 x (1/2)2 + (1/2)3 x (1/2)2 + (1/2)3 x (1/2)2 + .. Namun, terdapat lebih dari satu pengaturan 3 kepala dan 2 ekor. Ada berapa cara untuk mengaturnya?
5C 3

Contoh Binomial
Keluaran Peluang THHHT (1/2)3 x (1/2)2 HHHTT (1/2)3 x (1/2)2 TTHHH (1/2)3 x (1/2)2 HTTHH (1/2)3 x (1/2)2 HHTTH (1/2)3 x (1/2)2 HTHHT (1/2)3 x (1/2)2 THTHH (1/2)3 x (1/2)2 HTHTH (1/2)3 x (1/2)2 HHTHT (1/2)3 x (1/2)2 THHTH (1/2)3 x (1/2)2 HTHHT (1/2)3 x (1/2)2 10 pengaturan x (1/2)3 x (1/2)2

5 untuk mengatur 3 3 kepala

dalam 5 percobaan

cara

Peluang dari tiap pengaturan yang unik Cat: peluangnya sama

= 5!/3!2! = 10

Binomial distribution function:

P(3 kepala dan 2 ekor) = 3 x P(heads)3 x P(tails)2 =
5

X= banyaknya keluar kepala dari 5 kali percobaan

p(x)

10 x

()5=31.25%

Atau lihat tabel Binomial

0 1 2 3 4 5

banyaknya kepala

Distribusi Peluang Binomial

Banyak yang tepat dari sejumlah observasi (percobaan), n Contoh: koin dilempar 15 kali, 20 pasien, 1000 orang yang ikut survei Peubah Acak Biner Contoh: kepala atau ekor, rusak atau baik, laki atau perempuan Secara umum disebut sukses atau gagal Peluang sukses adalah p, peluang gagal adalah 1 p Untuk setiap observasi percobaan adalah konstan Contoh: pe;uang mendapatkan kepala adalah sama untuk tiap percobaan

Distribusi Binomial, secara umum

Bentuk umum dari distribusi Binomial adalah:

n = banyak percobaan

n X n X p (1 p) X
X = # banyak sukses dari n percobaan p = peluang sukses

1-p = peluang gagal

Definisi: Binomial
Binomial: Misal terdapat n percobaan yang saling bebas, dan tiap percobaan menghasilkan sebuah sukses dengan peluang p dan gagal dengan peluang 1-p. Jika total banyaknya sukses, X, merupakan peubah acak Binomial dengan parameter n dan p. Penulisannya adalah: X ~ Bin (n, p) {dibaca: X iberdistribusi binomial dengan parameter n dan p} Dan peluang bahwa X=r (i.e., terdapat tepat r sukses) adalah: n P ( X = r ) = p r (1 p ) n r r

Definisi: Binomial
Jika X mengikuti distribusi binomial dengan parameter n dan p: X ~ Bin (n, p) Maka: x= E(X) = np catatan: varians akan berada antara x2 =Var (X) = np(1-p) 0*N - 0.25 *N x =SD (X)= np (1 p ) p(1-p) mencapai maks
saat p=.5 P(1-p)=.25

Definisi: Binomial
For X~Bin (N,p)

Distribusi Geometric
Distribusi geometric biasanya diterjemahkan sebagai banyaknya percobaan sampai kejadian gagal terjadi. Banyaknya koin dilempar sampai keluar ekor untuk pertama kalinya. Peubah acak X adalah banyaknya lemparan samapi ekor muncul pertama kalinya Peluang muncul kepala (sukses) adalah p.
14

X=

Y
i =1

Bernouilli ;Var (Y )

= p (1 p)

= Var ( X ) = Var (

i =1

Y) =

Var (Y ) = np(1 p)
i =1

Distribusi Geometric
Fungsi peluang dari distribusi Geometric

Distribusi Geometric
Perhatikanbahwa tidak terdapat batas atas untuk X
Ingat penjumlahan semua peluang adalah 1:

PX (1) = (1 p )

PX (2 ) = p (1 p )
seterusnya. Jadi,

PX (3) = p ( p )(1 p ) = p 2 (1 p )

P (x ) = p (1 p ) = (1 p ) p
x 1 x =1 X x =1 x =1

x 1

PX ( x ) = p x 1 (1 p )

PX ( x ) = ?

= (1 p ) p x = (1 p )
(x bil. Bulat positif)
x =0

(1 p )

=1

Deret Geometric

16

Distribusi Geometric
p
x=0

Distribusi Geometric
lanjutan

1 1 p

(| p |< 1)
Turunkan kedua sisi terhadap p:

Expectation:

xPX (x ) = xp x1 (1 p ) = (1 p ) xp x1
x =1 x =1 x =1

xp
x=0

x 1

= 1

1 1 1 = (1 p ) 2 (1 p) 2

= (1 p )
17

1 1 = 2 (1 p ) 1 p

Distribusi Geometric
Lanjutan

Contoh: Geometric
Sebuah dadu dilempar sampai mata 6 didapatkan. Jika X adalah banyaknya percobaan sampai sukses didapatkan, maka tabel peluangnya adalah

Variance:

1
1 6

V (X ) =

p (1 p )2

P(X=x)

5 1 2 3 4 n1 5 1 5 1 5 1 5 1 6 6 6 6 6 6 6 6 6 6

Gunakan tabel diatas untuk mendapatkan mean dan varians. Apa hasilnya?

Distribusi Negative Binomial (Pascals)

Definisi (versi pertama): Negatif Binomial digunakan untuk memberikan r sukses dalam x percobaan, dimana sukses terakhir merupakan akhir percobaan. Peluang sukses adalah p, sedangkan peluang gagal adl q.

Distribusi Negative Binomial (Pascals)

Definisi (versi kedua): Negatif Binomial digunakan untuk memberikan r gagal dalam x percobaan sebelum sukses yang ke-r. Peluang sukses adalah p, sedangkan peluang gagal adl q.

Apa yang dimaksud Negatif?

Nama Negatif dimaksudkan sebagai aplikasi bentuk umum Teorema Binomial dengan Pangkat Negatif Mean

Negatif Binomial

Varians

Negatif Binomial (Contoh)

Sebuah dadu yang adil dilempar sampai mata 6 (enam) keluar 2 kali. Tentukan peluang bahwa 5 kali lemparan dibutuhkan untuk mendapatkan 2 kali angka 6.

Hypergeometric
Distribusi Hypergeometric terjadi ketika n sampel diambil tanpa pengembalian dari sebuah populasi (N). Banyaknya sukses pada populasi diberikan oleh r. Banyaknya sukses pada sampel diberikan oleh y.

Dimana max (0, n+r-N) k min (r,n)

Hypergeometric
Mean

Hypergeometric
Contoh: 10 kartu diambil dari satu paket kartu. Tentukan peluang terdapat tepat 1 ace dari 10 kartu.
N = 10, r = 4, k = 1, N = 52, p = 1/13

E(Y) = np = nr/N
Varians