DISTRIBUSI PROBABILITAS (DP)

SEBARAN DARI KELUARAN (OUTCOME)

SUATU EKSPERIMEN PROBABILITAS

DP DISKRIT

DP KONTINYU

(VARIABEL KELUARAN

(VARIABEL KELUARAN
EKSPERIMEN ADALAH
VARIABEL KONTINYU)

EKSPERIMEN
PROBABILITAS ADALAH
VARIABEL DISKRIT)

FUNGSI PROBABILITAS, p(x)

BILA DIDAFTARKAN SELURUH HASIL KELUARAN YANG
MUNGKIN DARI SUATU EKSPERIMEN PROBABILITAS
BERUPA VARIABEL DISKRIT X YAITU:
X={ x1, x2, x3, xn}
DAN NILAI PROBABILITASNYA DINOTASIKAN SEBAGAI:
P(X=x1)= p(x1) , P(X=x2)=p(x2), P(X= xn)= p(xn)
MAKA
TELAH
DIBENTUK
SUATU
PROBABILITAS DISKRIT DARI VARIABEL X

DISTRIBUSI

p(x)= FUNGSI PROBABILITAS (PF) DARI X

TERDAPAT DUA ATURAN YANG HARUS

DIPENUHI SUATU FUNGSI PROBABILITAS:
NILAI p(x) ==== 0 p(x) 1,0)
JUMLAH p(x)= p(x)= 1
CONTOH:
PADA
SEBUAH
EKSPERIMEN
UNTUK
MENGHITUNG PROBABILITAS DARI SATU KALI
MELEMPAR DUA DADU SECARA BERSAMAAN,
DAFTARKANLAH
DISTRIBUSI
PROBABILITAS
DARI JUMLAH MATA DADU YANG MUNGKIN
MUNCUL

FUNGSI DISTRIBUSI KUMULATIF

PROBABILITAS DISKRIT, dcf= F(x)

F(x)= P(X x)=

p ( )

DITAMPILKAN DALAM GRAFIK

TANGGA (STEP)

MEAN DISTRIBUSI KUMULATIF

PROBABILITAS DISKRIT, x
n

x xi p( xi )
i 1

VARIANS DISTRIBUSI KUMULATIF

PROBABILITAS DISKRIT, 2x
n

x2 ( xi x ) 2 p( xi )
i 1

DISTRIBUSI PROBABILITAS KONTINYU

FUNGSI KEPADATAN
PROBABILITAS, pdf= f(x)

f(x)

f(x)

PROBABILITAS X
TERLETAK ANTARA a
DAN b= P(a Xb)

P (a X b) f ( x).dx
a

AGAR FUNGSI f(x) DAPAT MENJADI

FUNGSI KEPADATAN
PROBABILITAS KUNTINYU, pdf= f(x)
b

P (a X b) f ( x).dx
a

FUNGSI pdf= f(x) 0

LUAS TOTAL DI BAWAH KURFA f(x)= 1

FUNGSI PROB. KONTINYU (pf)= f(x).dx

DIMANA 0 f(x).dx 1

CONTOH SOAL:
DALAM SUATU PROSES PRODUKSI OBAT, SUATU BAHAN KIMIA
HARUS DIPANASKAN DALAM OVEN LEBIH DULU SEBELUM
DAPAT DIPROSES SELANJUTNYA. OVEN DAPAT DIGUNAKAN
SETIAP SELANG WAKTU 5 MENIT. ADANYA VARIASI WAKTU
PERSIAPAN BAHAN TERSEBUT, BAHAN KIMIA TSB TIDAK
SELALU TERSEDIA BERSAMAAN DENGAN SAAT OVEN SIAP
PAKAI. JADI JIKA TERLAMBAT BAHAN KIMIA TSB HARUS
MENUNGGU
SAMPAI
WAKTU
OVEN
KEMBALI
SIAP
DIGUNAKAN. JIKA X VARIABEL ACAK KONTINYU YANG
MENYATAKAN WAKTU TUNGGU BAHAN KIMIA SAMPAI BISA
DIPANASKAN DALAM OVEN, MAKA NILAI X YANG MUNGKIN:
X= { 0 x 5 } MAKA FUNGSI pdf ADALAH:
1/5

0x5

f(x)=
0

UNTUK x YANG LAIN

 PROBABILITAS WAKTU TUNGGU BAHAN KIMIA 1

SAMPAI 3 MENIT ADALAH:
3

1
2
P(1 X 3) ( ) dx
5
5
1
PROBABILITAS WAKTU TUNGGU > 3,5 MENIT

1
3
P( X 3,5) ( ) dx
5
10
3, 5
f(x)

f(x)

1/5

1/5

FUNGSI DISTRIBUSI
KUMULATIF, cdf= F(x)= P(X x)
x

F ( x) P( X x) f (t ).dt

P (b x c) f (t ).dt f (t ).dt F (c) F (b)

f(x)

F(x)
1
F(c)
F(b)
F(a)

CONTOH SOAL:
MISALKAN pdf DARI BESARNYA BEBAN DINAMIS X PADA
SEBUAH JEMBATAN (DALAM Kn) DINYATAKAN SBB:
(1/8) + (3/8). x

0 x 2

f(x)=
0

x YANG LAIN

MAKA UNTUK SEMBARANG NILAI x ANTARA 0 DAN 2, cdf BEBAN

DINAMIK TERSEBUT ADALAH:
x

F ( x) ( x) dt
1
8

3
8

1
8

t t
3
16

2 x
0

18 x 163 x 2

0
F(x)=

x<0

(1/8)x + (3/16). x ; 0 x 2
1

x>2

MAKA PROBABILITAS BEBAN DINAMIK JEMBATAN ANTARA 1

SAMPAI 1,5 Kn ADALAH:

P(1 x 1,5) F (1,5) F (1)

19
(1,5) (1,5) (1) (1)
0,297
64
3
16

1
8

f(x)

1
8

3
16

F(x)

1/8

7/8
1
F(1,5)
F(1)

1/8
0

1,5

1,5

MEAN DARI DISTRIBUSI PROBABILITAS KONTINYU ( x)

x x. f ( x).dx
VARIANS DARI DISTRIBUSI PROBABILITAS KONTINYU (2x)

x ( x x ) . f ( x).dx
2

HISTOGRAM DISTRIBUSI
PROBABILITAS
TINGGI HISTOGRAM= h (xlb x xub )=

p ( xlb x xub )
xub xlb

xlb = BATAS BAWAH NYATA INTERVAL KELAS

xub = BATAS ATAS NYATA INTERVAL KELAS
CONTOH:
INTERVAL KELAS 1100 1199 DENGAN FREKUENSI 29 MAKA:
xlb = 1100 0,5= 1099,5
xub = 1199 + 0,5= 1199,5
xub xlb = 1199,5 1099,5= 100

p (1099,5 x 1199,5) 29 / 100 0,29

MAKA
TINGGI HISTOGRAM= h (xlb x xub )= 0,29/100=0,0029

CONTOH PENGGAMBARAN HISTOGRAM PROBABILITAS

BREAKING STRESS
BAJA

JUMLAH

PROBABILITAS

TINGGI HISTOGRAM

(kN/m2)

(f)

p(xlb x xub )

h(xlb x xub )

900 - 999

0.04

0.0004

1000 - 1099

19

0.19

0.0019

1100 - 1199

29

0.29

0.0029

1200 - 1299

28

0.28

0.0028

1300 - 1399

13

0.13

0.0013

1400 - 1499

0.07

0.0007

TOTAL (N)

100

1.0

DISTRIBUSI TEORITIS VARIABEL

ACAK DISKRIT
DISTRIBUSI TEORITIS VARIABEL
ACAK DISKRIT:
DISTRIBUSI BERNOULLI
DISTRIBUSI BINOMIAL
DISTRIBUSI BINOMIAL NEGATIF
DISTRIBUSI GEOMETRIK
DISTRIBUSI HIPERGEOMETRIK
DISTRIBUSI POISSON

DISTRIBUSI TEORITIS BERNOULLI

SYARAT DISTRIBUSI TEORITIS BERNOULLI:
KELUARAN (OUTCOME) YANG MUNGKIN ;
SUKSES (p) ATAU GAGAL (q)
PROBABILITAS SUKSES p MAKA
PROBABILITAS GAGAL (q)= 1 - p
DISTRIBUSI
PROBABILITAS
BERNOULLI

pB (x;p)=

p B x, p p 1 p
x

1 x

x=1

(1 p)

x=0

x0 ATAU 1
x= 0, 1
0p1

CONTOH:
DI AWAL TAHUN AJARAN BARU, MAHASISWA FAK. TEKNIK
BIASANYA
MEMBELI
RAPIDO
UNTUK
KEPERLUAN
MENGGAMBAR TEKNIK. DI KOPERASI TERSEDIA 2 JENIS
RAPIDO, YANG TINTANYA DAPAT DIISI ULANG DAN
TINTANYA HARUS DIGANTI BERSAMA CATRIDGENYA. DATA
YANG ADA SELAMA INI MENUNJUKKAN BAHWA 30%
MAHASISWA MEMBELI RAPIDO YANG TINTANYA DAPAT
DIISI ULANG. JIKA VARIABEL ACAK X MENYATAKAN
MAHASISWA YANG MEMBELI RAPIDO YANG TINTANYA
DAPAT DIISI ULANG, MAKA DAPAT DIBENTUK DISTRIBUSI
PROBABILITAS SEBAGAI BERIKUT:

X=

p(x=1)= 0,3

1 , JIKA MAHASISWA MEMELI RAPIDO

REFILL
0

,
JIKA
MAHASISWA
MEMBELI
RAPIDO YANG CATRIDGENYA HARUS
DIGANTI

p(x=0)= 1 0,3= 0,7

p(x0 ATAU 1)= 0

MAKA FUNGSI PROBABILITASNYA ADALAH:

pB (x;0,3)=

0,3)

x=1

0,7

x= 0

x0 ATAU 1

p(x ; 0,3)
1
0,7

0,3
0

STATISTIK DESKRIPTIF DISTRIBUSI

BERNOULLI
MEAN

x E X p
VARIANS

x2 p 1 p pq
KEMENCENGAN

1 32 1pp 1pp 2 qp qp 2
KERUNCINGAN

2 4 1 6p (p1.(1p)p ) 3 16pqpq 3

DISTRIBUSI BINOMIAL
SYARAT DISTRIBUSI TEORITIS BINOMIAL:
JUMLAH PERCOBAAN n ADALAH KONSTANTA
YANG DITENTUKAN LEBIH DAHULU
SETIAP PENGULANGAN PERCOBAAN HANYA
ADA DUA KELUARAN YANG MUNGKIN, SUKSES
ATAU GAGAL
PROB. SUKSES= p , GAGAL = q= 1 p
SETIAP PERCOBAAN SALING BEBAS
CONTOH:
SUATU KUIS ADA LIMASOAL PILIHAN GANDA DGN
EMPAT
BUAH
JAWABAN
ALTERNATIF.
JIKA
SESEORANG YG TDK MENGETAHUI JAWABAN PASTI
DARI SEMUA SOAL TSB. NAMUN TETAP MENJAWAB
DENGAN CARA MENERKA MAKA DIA TELAH
MELAKUKAN EKSPERIMEN BINOMIAL

DISTRIBUSI PROBABILITAS BINOMIAL

pb ( x; n; p ) n C x p x (1 p ) n x n C x p x q n x
DENGAN:
x

= 0, 1, 2, 3, .

= 1, 2 , 3, .

0p1

DISTRIBUSI KUMULATIF PROBABILITAS BINOMIAL

x

k 0

k 0

Fb x; n; p pb (k ; n; p ) n Ck p k (1 p) n k

STATISTIK DESKRIPTIF DISTRIBUSI

BINOMIAL
MEAN

x E ( X ) n. p
VARIANS

x2 np 1 p npq
KEMENCENGAN

p
1 32 1np
n 1p p n2 npq nqp n2

KERUNCINGAN
6 pq
2 4 1np6 p(1.(1p )p ) 3 1npq
3

DISTRIBUSI PROBABILITAS POISSON

SYARAT DISTRIBUSI TEORITIS POISSON:
PERISWTIWA TERJADI DALAM SETIAP SATUAN UNIT
SEPERTI WAKTU ATAU RUANG
PROBABILITAS UNTUK SETIAP PERISTIWA ADALAH
SAMA UNTUK SETIAP SATUAN UNIT
BANYAKNYA PERISTIWA YG TERJADI SALING BEBAS
TERHADAP PERISTIWA YANG LAINNYA

PROBABILITAS POISSON
x e
p P x;
x 0,1,2,3....
x!
= LAJU KEJADIAN (RATA RATA BANYAK KEJADIAN)
e = 2,71828

STATISTIK DESKRIPTIF DISTRIBUSI

POISSON
MEAN

x E( X )
VARIANS

x2

KEMENCENGAN

1
1

2
3

KERUNCINGAN

1
2 4 3

Problem Set 02
Distribusi Probabilitas Diskrit Teoritis

Soal 1.
Seorang ahli geologi mengumpulkan 10 benda uji batuan
basalt dan 10 benda uji batuan granit. Ahli Geologi tersebut
menginstruksikan asisten laboratoriumnya untuk secara
acak memilih 15 benda uji untuk dianalisis.
a.Tentukan Fungsi Probabilitas dari Benda Uji Granit yang
terpilih untuk dianalisis
b.Berapa probabilitas bahwa jumlah dari benda uji granit
yang terpilih untuk dianalisis berada dalam satu deviasi
standard dari nilai rata-ratanya

Problem Set 02
Distribusi Probabilitas Diskrit Teoritis
Soal 2
Pemantauan pencemaran udara di suatu kawasan industri
yang ditempati oleh 100 perusahaan telah menunjukkan
tingkat yang mengkuatirkan dan oleh sebab itu pemerintah
yang berwenang memutuskan untuk mengadakan inspeksi
guna mengetahui seberapa banyak perusahaan yang telah
melanggar peraturan tentang ambang batas polusi yang
diperbolehkan.
Seorang
inspektur
ditugasi
untuk
mendatangi 10 perusahaan yang dipilih secara acak untuk
diperiksa:
a.Jika
terdapat
15
perusahaan
yang
sesungguhnya
melanggar peraturan ambang batas polusi, tentukan fungsi
probabilitas dari jumlah perusahaan yang didatangi oleh
inspektur tersebut yang melakukan
pelanggaran
2

b.Untuk X= jumlah perusahaan di antara 10 yang dikunjungi

inspektur yang melanggar, Hitung E(x) dan

DISTRIBUSI TEORITIS VARIABEL ACAK

KONTINYU
DISTRIBUSI NORMAL (GAUSSIAN)
DISTRIBUSI CHI-KUADRAT

DISTRIBUSI NORMAL (GAUSSIAN)

SEBUAH VARIABEL ACAK KONTINYU X DIKATAKAN
MEMILIKI DISTRIBUSI NORMAL DENGAN PARAMETER
x DAN X DIMANA - < x < DAN X JIKA FUNGSI
KEPADATAN PROBABILITAS (PDF) DARI X ADALAH:

f N x; x ; x

x 2

( x x )2
( 2 x2 )

PDF DISTRIBUSI NORMAL (GAUSSIAN):

x

FN ( x; x ; x ) P ( X x ) f N (t; x; x )dt

x 2

( t x )2
( 2. x2)

dt

DISTRIBUSI NORMAL STANDARD

VARIABEL ACAK DARI DISTRIBUSI
STANDAR DINOTASIKAN DENGAN Z

NORMAL

Z 2
1
f N (Z;0;1)
e 2 x
2

CDF DISTRIBUSI NORMAL (GAUSSIAN):

z

FN ( z;0;1) P ( Z z ) ( z )

1
e
2

t 2
2

dt

MENSTANDARKAN DISTRIBUSI NORMAL

zx

x x

CONTOH:
WAKTU YG DIBUTUHKAN OLEH SEORANG PENGEMUDI UNTUK
BEREAKSI TERHADAP NYALA LAMPU REM DARI KENDARAAN
DI DEPANNYA YG SEDANG MEMPERLAMBAT LAJUNYA
MERUPAKAN HAL YG SANGAT PENTING UNTUK MENCEGAH
TERJADINYA KECELAKAAN. BILA WAKTU REAKSI PENGEMUDI
TERHADAP
NYALA
LAMPU
REM
STANDAR
DAPAT
DIMODELKAN DENGAN SUATU DISTRIBUSI NORMAL DENGAN
NILAI RATA RATA 1,25 DETIK DAN DEVIASI STANDAR 0,46
DETIK DIMANA X MENYATAKAN WAKTU REAKSI, MAKA
TENTUKANLAH PROBABILITAS DARI WAKTU REAKSI ANTARA
1,00 DETIK S/D 1,75 DETIK

JAWAB:

x 1,25

x 0,46 MAKA :

1,751,25
1,001,25
P
Z x
P 0,54 Z 1,09
0,46
0,46

P (1,00 X 1,75 ) (1,09) (0,54)

0,8621 0,2946 0,5675

-0,54

1,09

PROBLEM SET UNTUK DISTRIBUSI NORMAL

SOAL 1:
JIKA MASSA SEBUAH BANTALAN PELURU YG DIPRODUKSI
SUATU PABRIK MEMILIKI DISTRIBUSI NORMAL DENGAN
MEAN 0,614 KG DAN DEVIASI STANDARD 0,0025 KG. TENTUKAN
PERSENTASE BANYAKNYA BANTALAN PELURU YG MEMILIKI
MASSA:
A.ANTARA 0,610 KG SAMPAI 0,618 KG
B.LEBIH BERAT DARI 0,617 KG
SOAL 2:
MISALKAN BILANGAN KEKERASAN ROCKWELL SUATU LOGAM
TERDISTRIBUSI SECARA NORMAL DENGAN MEAN 70 DAN
DEVIASI STANDAR 3.
JIKA SPESIMEN LOGAM YANG BISA DIGUNAKAN MEMILKI
KEKERASAN ROCKWEL ANTARA 67 DAN 75, BERAPAKAH
PROBABILITAS SEBUAH LOGAM TERSEBUT YANG DIPILIH
SECARA ACAK AKAN DAPAT DIGUNAKAN