Distribusi Probabilitas Teoritis

Prodip III Perbendaharaan

Politeknik Keuangan Negara - STAN

Pengantar
Kunci aplikasi probabilitas dalam statistik

adalah memperkirakan terjadinya

peluang/probabilitas yang dihubungkan
dengan terjadinya peristiwa tersebut
dalam beberapa keadaan.
Jika kita mengetahui keseluruhan
probabilitas dari kemungkinan
outcome/hasil yang terjadi, seluruh
probabilitas kejadian tersebut akan
membentuk suatu distribusi probabilitas.

Distribusi Probabilitas
Sebuah daftar dari keseluruhan hasil suatu

percobaan yang disertai dengan

probabilitas masing-masing hasil tersebut.
Contoh : Misal dalam Pelemparan satu
keping mata uang sebanyak empat kali. X
adalah banyaknya sisi muka yang muncul,
maka nilai X bisa ditentukan dengan cara
sebagai berikut :

Ruang Sampel

Distribusi Probabilitas Variable

Random
Variable random : variable yang diturunkan

dari pemetaan hasil percobaan atau kejadian

acak ke dalam bilangan nyata

Distribusi Peluang Variable Random

X
Daftar Nilai Variable Random X

disertai dengan peluangnya

Kategori Variabel Random

Variable Random Diskrit
Variable Random Kontinu

1.

Variabel Random diskrit

Variabel random yg tdk mengambil seluruh nilai yg
ada dlm sebuah interval/ variabel yg hanya
memiliki nilai tertentu

2. Variabel Random kontinu

Variabel random yg mengambil seluruh nilai yg ada
dlm sebuah interval/ variabel yg dpt memiliki nilai
tak terbatas pd suatu interval

Beberapa Distribusi Peluang

Distribusi Peluang Variable Random Diskrit
Distribusi Peluang Binomial
Distribusi Peluang Poisson
Dll

Distribusi Peluang Variable Random

Kontinu
Distrtibusi Peluang Normal
Distribusi t ,
Distribusi Chi-Square
Distribusi F
Dll

1. Distribusi Binomial
Merupakan distribusi probabilitas diskrit

yang paling banyak digunakan di segala

bidang.
Menggambarkan fenomena dengan dua

hasil atau outcome. Contoh: peluang

sukses atau gagal, hasil pengobatan
sembuh atau tidak, sehat atau sakit, dsb.
Ditemukan oleh ahli matematika dari

3 syarat yg harus dipenuhi untuk

menggunakan distribusi binomial :

1. Jumlah trial merupakan bilangan bulat. Contoh melambungkan

coin 2 kali, tidak mungkin 2 kali.
2. Setiap eksperimen diolah sedemikian hingga sehingga hanya
mempunyai dua outcome (hasil). Contoh: sukses/gagal,
laki/perempuan, sehat/sakit, setuju/tidaksetuju.
3. Peluang sukses sama setiap eksperimen.
Contoh: Jika lemparan dadu, yang diharapkan adalah keluar
mata lima, maka dikatakan peluang sukses adalah 1/6,
sedangkan peluang gagal adalah 5/6.
Untuk itu peluang sukses dilambangkan p, sedangkan peluang
gagal adalah (1-p) atau biasa juga dilambangkan q, di mana q =
1-p.

Rumus Binomial :

n!
p =
Pr qn-r
r!(n-r)!
Dimana :
p = probabilitas peristiwa sukses
q = 1 p (probabilitas peristiwa
gagal)
n = banyaknya peristiwa (trial)
r = banyaknya kejadian sukses

Rata-rata dan Variansi Distribusi

Binomial :

np

Rata-rata =

Variansi =

npq

13

Contoh
Kita ingin mengetahui besarnya peluang

kelahiran 2 bayi laki-laki dari 3 kelahiran.

p = 0,5 q = 1-p = 0,5
n=3
r=2
Dengan menggunakan rumus di atas :
p =

n!
r!(n-r)!

Pq
r

n-r

3x2x1
p =
(0,5)2 0,5
2x1x1
P = 0,375

Contoh soal
Sebuah dadu dilemparkan ke atas sebanyak 4
kali. Tentukan probabilitas dari peristiwa
berikut:
a. Mata dadu 5 muncul 1 kali
b. Mata dadu genap muncul 2 kali
c. Mata dadu 1 atau 4 muncul sebanyak 4 kali

Jawab
P= 1/6 ; q= 5/6; n= 4; r = 1 (muncul 1 kali)

P (r=1) =
= 4 .(1/6).(5/6)3
= 0.386
P = 3/6; q = ; n =4; r =2
P(r=2) =
= 6.(1/2)2.(1/2)2
= 0.375

Probabilitas binomial kumulatif

Probabilitas dr peristiwa binomial lebih dr satu

sukses

PBK C xn . p x q n x
x 0
n

P( X x)
x 0

P ( X 0) P ( x 1) P ( x 2) ... P ( x n)

Contoh soal

Sebanyak 5 mahasiswa akan mengikuti

ujian sarjana dan diperkirakan probabilitas
kelulusannya adalah 0,7. Hitunglah
probabilitas :

a.

Paling banyak 2 org lulus

b.

Yang akan lulus antara 2 sampai 3

c.

Paling sedikit 4 diantaranya lulus

Jawab
a) n =5 ; p =0.7 ; q =0.3; x = 0,1,dan 2

P(x <2 )= P(x=0)+P(x=1)+P(x=2)

b) n =5 ; p = 0.7; q=0.3; x = 2 dan 3
P(2<x<3) = P(x=2) + P(x=3)
c) n = 5; p = 0.7; q=0.3; x = 4 dan 5

P(X>4) = P(x=4) + P(x=5)

DISTRIBUSI POISSON
Biasa digunakan untuk menghitung peluang suatu

kejadian yang jarang terjadi dalam interval waktu

yang singkat atau ruang/luas tertentu.
Dikembangkan oleh Simon Poisson
Poisson memperhatikan bahwa distribusi binomial

sangat bermanfaat dan dapat menjelaskan dengan

baik, namun untuk n di atas 50 dan nilai P(p) sangat
kecil, akan sulit mendapatkan nilai binomialnya.

Ciri-ciri
Banyaknya hasil percobaan yang satu tidak

tergantung dari banyaknya hasil percobaan yang

terjadi pada selang waktu/daerah lain yg terpisah
Probabilitas hasil percobaan sebanding dengan

panjang interval waktu.

Probabilitas bahwa lebih dari satu hasil percobaan

akan terjadi dalam interval waktu yang singkat atau

dalam daerah yang kecil tersebut, dapat diabaikan

Distribusi Poisson byk digunakan dlm hal:

Menghitung probabilitas terjadinya peristiwa menurut
satuan waktu, ruang, luas, panjang tertentu seperti
menghitung probabilitas dari :
1.

Menghitung probabilitas terjadinya peristiwa menurut

satuan waktu, ruang atau isi, luas, panjang seperti:
banyaknya penggunaan telpon per menit, banyaknya
kesalahan ketik per halaman sebuah buku, banyaknya
mobil yang lewat selama 5 menit di suatu ruas jalan,
dsb.

2.

Menghitung distribusi binomial apabila n-besar (n > 30)

dan p relatif kecil (p < 0,1)

Rumus probabilitas poisson suatu peristiwa

e
P( X x)
x!
x

Keterangan :
rata rata terjadinya suatu peristiwa
e bilangan Euler 2,71828
x jumlah kejadian yang diharapkan sukses

k pendekatan poisson terhadap binomial, maka

= n.p

Contoh soal
Kebangkrutan bank di suatu negara akibat

krisis keuangan terjadi rata-rata 4 bank tiap

tahun. Hitunglah probabilitas :
a.

3 bank bangkrut dalam satu tahun!

b.

Setidaknya 2 bank bangkrut dalam setahun!

Diketahui

Contoh soal
Suatu mesin cetak dilakukan overhaul rata-

rata 2 kali dalam setahun. Overhaul lebih

dari 3 kali menyebabkan rencana produksi
tidak

tercapai.

Hitunglah

rencana produksi akan tercapai!

Diketahui

probabilitas

Probabilitas distribusi poisson

kumulatif
x

PPK
x!
x 0
n

P( X x)
x 0

P( X 0) P( X 1) P( X 2) .... P( X n)

Pendekatan Poisson terhadap Distribusi Binomial

Contoh Soal:
Seekor jomblo mengiklankan dirinya di kontak jodoh
Majalah Animal Planet. Pembaca majalah tersebut
ditaksir 100.000 orang dan peluang pembaca akan
memperhatikan iklan kontak jodoh adalah 0,00003.
a) Tentukan rata-rata orang membaca iklan tersebut!
b) Tentukan peluang satu orang akan membaca iklan
tersebut!

(Distribusi Probabilitas Kontinu)

Distribusi Normal

Kurva Normal dan Variabel Random

Normal
Distribusi probabilitas kontinu yang

terpenting adalah distribusi normal dan

grafiknya disebut kurva normal.
Variabel random X yang distribusinya
berbentuk seperti lonceng disebut
variabel random normal.

KARAKTERISTIK DISTRIBUSI KURVA NORMAL

1.
2.
3.
4.
5.
30

Kurva berbentuk genta (= Md= Mo)

Kurva berbentuk simetris
Kurva normal berbentuk asimptotis
Kurva mencapai puncak pada saat X=
Luas daerah di bawah kurva adalah 1; di sisi kanan
nilai tengah dan di sisi kiri.

Karakteristik lain distribusi normal.

1.

Distribusi

normal

memiliki

dua

parameter yaitu dan yang masingmasing

membentuk

lokasi

dan

distribusi.
2.

Titik

tertinggi

kurva

normal

berada

pada rata-rata.
3.

Distribusi normal adalah distribusi yang

simetris.

4.

Simpangan baku menentukan lebarnya

DISTRIBUSI NORMAL (2)

X ~ :N , 2

rumus distribusi normal

1 x 2
)

(
1
f ( x)
e 2
2

dengan = rata-rata distribusi normal

2 = variansi distribusi normal

Luas dibawah kurva normal =1

Luas dibawah kurva normal antara nilai x=x1 dan

x=x2 sama dengan probabilitas variabel acak X
mendapat nilai antara x=x1 dan x=x2.

CONTOH

Suatu perusahaan listrik menghasilkan bola

lampu yang umurnya berdistribusi normal
dengan rata-rata 800 jam dan standar
deviasi (simpangan baku) = 40 jam.
Hitunglah probabilitas suatu bola lampu
dapat menyala antara 778 dan 834 jam.

Kurva DIstribusi Normal Standard

Distribusi normal standard adalah distribusi normal dengan
mean =0 dan standard deviasi =1.
Transformasi

xmemetakan

distribusi normal
z

menjadi distribusi normal standard, sebab distribusi normal

dengan variabel z ini memiliki mean =0 dan standard deviasi = 1.

DISTRIBUSI NORMAL STANDAR

Rumus transformasi dari distribusi normal ke

normal standar :

dengan X = suatu nilai observasi

= rata-rata distribusi
= standar deviasi distribusi
Nilai Z yang didapat biasa disebut

Z-score.

DISTRIBUSI NORMAL STANDAR

Untuk distribusi Normal Standard

(Z-Distribution), probabilitas yang
berhubungan dengan nilai-nilai Z
dapat dicari menggunakan tabel
normal standar (tabel Z)

DISTRIBUSI NORMAL STANDAR

Beberapa sifat dari distribusi Z:

Luas daerah dibawah kurva Z = 1.

Luas dibawah kurva disebelah kiri nilai 0 = 0,5.
dikatakan probabilitas bahwa Z terletak dikiri 0
adalah 0,5
Dapat ditulis sebagai P ( Z < 0) = 0.5., begitu
pula sebaliknya.

0.5

0.5
0

Mencari Peluang dengan Tabel Z

McGraw-Hill/Irwin

Tentukan Peluang P(0 < Z < 1.96):

2007 The McGraw-Hill Companies, Inc. All rights reser

Standard Normal Distribution

McGraw-Hill/Irwin

2007 The McGraw-Hill Companies, Inc. All rights reser

DISTRIBUSI NORMAL STANDAR

Dapat dicari nilai probabilitas Z

disebelah kiri suatu nilai sembarang
menggunakan tabel Z.
P ( Z < 0.50) = ?

P ( Z < 1.25) = ?

Z
1.25

0.50

DISTRIBUSI NORMAL STANDAR

Contoh lain :

Pr ( Z < -3.75) = ?

Pr ( Z < -2.01) = ?

-2.01

-3.75

CONTOH

Suatu perusahaan listrik menghasilkan bola

lampu yang umurnya berdistribusi normal
dengan rata-rata 800 jam dan standar
deviasi (simpangan baku) = 40 jam.
Hitunglah probabilitas suatu bola lampu
dapat menyala antara 778 dan 834 jam.