NOTASI PENTING

Jumlah (sum)
n
D  X 1  X n  ...  X n   X i
i 1

Rata-rata (average)
X 1  X n  ...  X n n
Xi 1 n
X    Xi
n i 1 n n i 1

Hasil kali (product)

n
P  X 1  X n  ...  X n   X i
i 1
SIFAT-SIFAT NOTASI SIGMA
n n n

 kX
i 1
i k  X i
i 1
 k nk
i 1

n n n

 k X
i 1
1 i  k2Yi   k1  X i  k 2  Yi
i 1 i 1

n n
1 nn n


i 1
 i 1

X i  X Yi  Y   X iYi  n X Y   X iYi    X i  Yi 
i 1 n  i 1 i 1 
PELUANG DAN FREKUENSI RELATIF
P(A)= #(A)/#(S) dari teoritis

Fr(A)= n(A)/n(S) dari kejadian riil

Untuk n->  P(A)=Fr(A)

 Peluang dan Frekwensi Relatif

0.8
0.7
0.6
P dan Fr

0.5
0.4
0.3
0.2

0 200 400 600 800 1000 1200 1400

N-Sampel
JENIS DARI CARA PEGAMBILAN
Hasil pengukuran, bersifat kontinu. Data
metrik

Hasil pencacahan, bersifat diskrit:

banyaknya orang yang antri, data
enumeratif, banyaknya kecelakaan
JENIS DATA DARI SKALANYA
Nominal: Penggunaan angka hanya sebagai label, sama
sekali bukan menunjukkan bilangan (misalnya 1: untuk
Laki-laki, 0: untuk perempuan). Tidak bisa dibandingkan ,
tidak ada urutan superioritas. Contoh: faktor (jenis
kelamin, asal daerah)
Ordinal: Angka menunjukkan urutan (nilai 0-4), dapat
diurut, tidak dapat dibandingkan (rasio), jarak tidak sama,
belum ada skala 0.
Interval: Angka menunjukkan pengukuran dengan jarak
yang relatif sama, sudah ada nilai 0 (tetapi tidak mutlak),
belum bisa dibandingkan (rasio)
Rasio: Angka memiliki sifat bilangan secara sempurna.
Dapat dirasiokan 60=2x30. Sudah ada 0 mutlak. Contoh
berat badan, tingi badan
JENIS DATA
Diskrit: Pencacahan (jumlah orang yang antri,
jumlah kecelakaan pada suatu titik/waktu & tempat)
Percobaan Bernoulli
Antrian
Kontinu:Pengukuran (waktu dibutuhkan seseorang
dalam antrian)
Nilai ujian, tinggi badan
Produksi (nonnegatif)
DISTRIBUSI PELUANG
 DISTRIBUSI PELUANG
Distribusi Peluang Diskret: sebuah tabel atau
rumus yg memcantumkan semua kemungkinan
nilai suatu peubah acak diskret berikut
peluangnya
Distribusi Peluang Kontinu: Peubah acak kontinu
berpeluang nol untuk mengambil salah satu
nilainya sehingga distribusi peluangnya tidak dpt
diberikan dalam bentuk tabel, tapi menghitung
peluang bagi berbagai selang peubahn acak
kontinu seperti P(a<x<b)
Contoh:
Ad 1. Distribusi peluang bagi jumlah bilangan bila
sepasang dadu dilempar: dua buah dadu dapat
mendarat dalam 62 = 36 cara
Peubah acak diskret

x 2 3 4 5 6 7 8 9 10 11 12
P(X-x) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
Peluang

Ad 2. Misal distribusi normal  peluang harga x

antara a dan b:
2
b 1 x 
1   
P(a  x  b)   e 2  
dx
a  2n
Yang termasuk distribusi peluang diskret yaitu
distribusi binom, multinom, hipergeometrik dan
distribusi poisson.
Sedangkan peluang kontinu yaitu distribusi
normal, chi-square dan distribusi F
1. Distribusi Binom
Percobaan binom: dlm pelemparan sekeping uang
logam sebayak 5 kali, hasil tiap ulangan mungkin
muncul sisi G atau A, kita dapat menentukan salah
satu diantara keduanya sebagai “berhasil”.
Definisi Distribusi binom: bila suatu ulangan binom
mempunyai peluang keberhasilan p & kegagalan q =
1-p, maka dist peluang bagi acak binom x, yaitu
banyaknya keberhasilan dlm ulangan yang bebas
adalah:
 n  x n x N x N x
 
b( x; n, p)   p q  
atau P( X  x )    (1  )
x x
Untuk x = 0, 1, 2,…, n; 0 < π < 1 N N!
  
 x  x! (N  x )!
Dist. Binom mempunyai parameter, yaitu rata-rata μ
& simpangan baku σ
  N   np
atau
  N(1  )   npq

Contoh:
Tentukan peluang memdapatkan tepat tiga bilangan
2 bila sebuah dadu setimbang dilemparkan 5 kali?

Jawab:
3 2
 5  1   5  5! 5 2
P( x  3)         5  0,032
 3  6   6  3! 2! 6
Contoh:
Peluang seekor ikan sembuh dari penyakit adalah 0,4. Bila
15 ekor diketahui menderita penyakit, berapa peluang:
a. Sekurang2nya 10 ekor ikan dapat sembuh
b. Ada 3 sampai 8 ekor yang sembuh
c. Tepat 5 ekor yang sembuh

Jawab:
9
a. P( x  10)  1  P( x  10 )  1   b( x;15, 0.4
x 0

 1  0.9662  0.0338
8 8 2
b. P(3  x  8)   b( x;15, 0.4)   b( x;15, 0.4)   b( x;15, 0.4)
x 3 x 0 x 0

 0.9050  0.0271  0.8779

5 4
c. P( x  5 )   b( x;15, 0.4)   b( x;15, 0.4)
x 0 x 0

 0.4032  0.2173  0.1859

2. Distribusi Multinom
Seandainya dalam percobaan binom tersebut tiap
ulangan menghasilkan lebih dari dua kemungkinan
hasil disebut percobaan multinom
Misal – percobaan pelemparan dua dadu; muncul
bilangan yang sama, total kedua bilangan = 7 atau
11 atau bukan keduanya
Defenisi: bila tiap ulangan menghasilkan salah satu
dari k hasil percobaan E1,E2,…,Ek dengan peluang
p1,p2,..,pk, maka dist. peluang bagi peubah acak
x1,x2,…,xk yg menyatakan berapa kali E1,E2,…,Ek
terjadi dalam dan ulangan yang bebas adalah
 n  x1 x 2 x k
f ( x1, x 2 ,.., x k ; p1, p 2 ,..,pk , n)   p1 p 2 ...pk
 x1, x 2 ,.., x k 
k k
dengan  x i  n dan p i 1
i 1 i1
Contoh:
Dalam pelemparan sebuah dadu sebanyak 12 kali,
peluang munculnya mata 1, mata 2,…,mata 6
masing-masing tepat dua kali?

Jawab:
1 1 1 1 1 1
f (2, 2, 2, 2, 2, 2; , , , , , , 12) 
6 6 6 6 6 6
2 2 2 2 2 2
 12  1   1   1   1   1   1 
             
 2, 2, 2, 2, 2, 2  6   6   6   6   6   6 
6
12!  1  2

    0.0034
2! 2! 2! 2! 2! 2!  6  
3. Distribusi Hipergeometrik
Percob. Hipergeometrik yaitu peluang terambilnya x
keberhasilan dari k benda (berhasil) & n-x kegagalan
dari N-k benda (gagal), bila suatu contoh berukuran &
diambil dari sebuah populasi terhingga berukuran N
Distr. Hipergeometrik yaitu distribusi peluang dari
banyaknya keberhasilan x dalam percobaan di atas
disebut peubah acak hipergeometrik
 k  N  k 
   Nilai tengah ( ) dan ragam ( ) dist.
 x  n  x  Hipergeometrik
h( x; n, k ) 
 N nk Nn k  k 
   ;   n 1  
n N N 1 N  N
untuk x  0, 1, 2,..., k
Contoh:
Segerombolan ikan t.a. 50 ekor & 3 diantaranya ikan layang
sec. acak diambil 5 ekor. Brp peluang diantara 5 ekor tadi:
a. Tidak terdapat ikan layang
b. Terdapat tidak lebih dari seekor ikan layang

Jawab:
a. dik: n = 5; k = 3; N = 50; & x = 0 b. dik: x = 0,1 & P(0)=0,724
 3  47   3  47 
     
0 5 1  4 
P(0)  h(0;50,3)      0,724 P(1)  h(1;50,3)    0,253
 50   
50
   
5 5
Jadi peluang paling byk seekor ikan
layang diantara 5 ekor ikan yg diambil
adalah 0,724 + 0,253 = 0,977
Contoh:
Rata2 jmlh hari tutup krn salju selama musim dingin di suatu
kota di AS adalah 4. Brp peluang bhw sekolah2 di kota itu
akan tutup selama 6 hari dalam suatu musim dingin

Jawab:
a. dik: μ = 4 & x = 6

e 4 4 6
P(6 ; 4)   0,1042 atau
6!
6 5

 P( x;4)   P( x;4)  0,8893  0,7851  0,1042

x 0 x 0
4. Distribusi Poisson
Percob. Poisson: percob.yg menghslkan nilai2 yg terjd
selama selang wktu tertentu atau di daerah tertentu
Dist. Poisson: dist. peluang dr bil. x yg menyatakan
banyaknya hsil percob. dlm percob. Poisson.


e  x Untuk x = 1, 2, ….
P( x;  )  μ = rata-rata
x! e = 2,71828
5. Distribusi Normal
 Suatu peubah acak kontinu x yg memiliki
dist. berbentuk genta disebut peubah
acak normal, dengan persamaan kurva
normal yg bergantung pada parameter μ
dan σ adalah
2
1  x  
1  
2  

f ( x )  n( x, , )  e μ x
 2
Untuk -∞<x< ∞; π = 3,14159; e = 2,71828

Daftar F pada lampiran buku Sudjana medruapakan daftra distribusi

normal baku rata2 μ = 0 & simpangan baku σ =1
 Mengubah dist. Normal umum ke dist. normal baku dengan
transformasi:
μ=0

x 0,5 0,5 σ =1

z Luas seluruh kurva = 1
 -z 0 z

 Penggunaan daftar dist normal baku lihat buku Sudjana hal 140 –
141 & Walpole hal 182 - 188

Contoh:
Berat bayi yg baru lahir rata2 3.750 g dg simp. baku 325 g. Jika berat
bayi berdist. normal maka tentukan:
a. Brp % bayi yg beratnya lebih dari 4.500g
b. Brp bayi yang beratnya antara 3.500g & 4.500g jika semuanya ada
10.000 bayi
 0,4894
Jawab:
a. Dik: μ = 3.750g dan σ =325 ; x = 4.500
0,0104
x   4.500  3.750
z   2,31
 325 0 2,31

P(z>2,31) = 0,5 – P(z<2,31) = 0,5 – 0,4898 0,2794

= 0,0104 = 1,04% 0,4894

b. x1 = 3.500g & x2 = 4.500g

x   3.500  3.750
z   0,77 -0.77 0 2,31

 325
P(3.500<x<4.500) = P(-0.77<z<2,31) = 0,5 – 0,4898
= P(z>-0,77) + P(z<2,31) = 0,2794 – 0,4898
= 0,7690
Jadi banyaknya bayi antara 3.500g & 4.500g diduga ada
0,7690 x 10.000 = 7.690 bayi
Hubungan dist. binom dan dist. normal, jika untuk
fenomena yang berdistribusi binom berlaku:
N cukup besar
π = P(A) = tidak terlalu dekat dengan nol

maka   N &   N(1  ) serta transforma sin ya

x  N
z
N(1  )

Contoh: Lihat Buku Sudjana hal 144 – 145 & Walpole hal 196 - 202
6. Distribusi t-Student
k
Fungsi densitas dist t-Student : f ( t )  1
t
n
 t2  2
1  
0,5 0,5  n  1

0 t

• Bila ukuran n  ∞ ; semakin menyerupai kurva normal

baku
x 
• Bila n ≥ 30  s
masih menghampiri
n
dist. normal baku
• Bila n < 30, tidak lagi berdist. normal baku, oleh karena
itu berhadapan dgn dist t-Student yang nilai-nilainya
adalah: