Distribusi Khusus

Diskret

- Erni D. Sumaryatie -
Materi

1. Proses Bernoulli

2. Distribusi Binomial

3. Distribusi Hipergeometrik

4. Proses & Distribusi Poisson

5. Latihan Soal

5
 Proses Bernoulli

Percobaan Bernoulli adalah percobaan yang memenuhi

kondisi-kondisi berikut:
1.Antara eksperimen yang satu dengan eksperimen yang lain
saling independen. Artinya, sebuah hasil tidak mempengaruhi
muncul atau tidak munculnya hasil yang lain.

2.Setiap eksperimen hanya memberikan dua hasil yang

mungkin, yaitu sukses dan gagal. Kedua hasil tersebut bersifat
mutually exclusive dan exhaustive event

3.Probabilitas sukses, dilambangkan dengan p, dimana

peluangnya tetap atau konstan. Probabilitas gagal,
dinyatakan dengan q, dimana q = 1-p.
 Proses Bernoulli

Beberapa distribusi yang dilandasi oleh proses Bernoulli adalah :

Distribusi binomial,
Distribusi geometrik, dan
Distribusi hipergeometrik

(termasuk kategori tersebut adalah distribusi multinomial dan

negatif binomial).
Distribusi Probabilitas

Distribusi
Probabilitas

Distribusi Distribusi
Probabilitas Probabilitas
Diskret Kontinyu

Binomial Normal

Poisson Uniform

Hypergeometrik Exponential
Distribusi Bernoulli
Definisi :
Variabel acak X dikatakan berdistribusi Bernoulli dengan
parameter p, dan ditulis dalam bentuk : X ~ BIN (1, p)
X 1 0

P(X=x) p 1-p

Probability mass function (pmf) untuk distribusi Bernoulli

berdasarkan tabel di atas adalah

p ; untuk x 1

P ( X x) p( x) 1 p ; untuk x 0
0 ; untuk lainnya

 Distribusi Bernoulli
Karakteristik distribusi Bernoulli :

Notasi : X ~ BIN (1, p)

Rata-rata : = p
Varians : 2 = p (1 p)
Distribusi Bernoulli
Contoh :
Sebuah dadu diundi. Jika diketahui munculnya angka 2
atau 4 dikatakan sukses, tentukan fungsi peluang, rata-
rata, dan varians-nya.
Penyelesaian :
p = P(sukses) = P(muncul angka 2 atau 4) = 2/6 = 1/3
1/ 3 ; jika x 1

p( x) 2 / 3 ; jika x 0
0 ; lainnya

Rata-rata : = p = 1/3
Varians : 2 = p (1 p) = 1/3 (2/3) = 2/9
Distribusi Binomial

Ilustrasi :
Sebuah sistem produksi dapat menghasilkan produk yang cacat atau tidak
cacat. Diambil 3 produk secara acak dari hasil produksi.
Jika X menyatakan jumlah produk yang dihasilkan cacat, berapa peluang
dari 3 produk tersebut terdapat tepat 2 produk yang cacat?

Misal : C = produk cacat B = produk baik (tidak cacat)

3 produk diambil secara acak

= {CCC, CCB, CBC, CBB, BCC, BCB, BBC, BBB} ; n() = 8

2 dari 3 produk yang diambil secara acak adalah cacat

A = {CCB, CBC, BCC} ; n(A) = 3C2 = 3
Jika P(cacat) = p, maka
P(2 produk cacat dari 3 produk yang diambil) = p2q1 = (1/2)2(1/2)1=(1/8),
probabilitas dari 3 kemungkinan hasil tersebut adalah :
P(X = 2) = 3 * (1/8) = (3/8) = 0.375
Distribusi Binomial

P(2 produk cacat dari 3 produk yang diambil) = p2q1 = (1/2)2(1/2)1=(1/8),

probabilitas dari 3 kemungkinan hasil tersebut adalah :
P(X = 2) = 3 * (1/8) = (3/8) = 0.375

Distribusi Binomial merupakan proses Bernoulli yang dilakukan

sebanyak n kali
Distribusi Binomial

Probability mass function (pmf) untuk distribusi Binomial

adalah
n x
p (1 p ) n x ; x 0,1, ..., n
P( X x) p( x) x
0 ; lainnya

dimana
n n!

x x!(n x)!
Karakteristik :
E(X) np

2 np(1 - p)
Aplikasi Distribusi Binomial

Hasil produksi dari proses manufakturing : cacat atau tidak

Pada saat tender : memenangkan tender atau kalah tender
Dalam peluncuran produk baru : sukses atau gagal
Pada saat melamar pekerjaan : diterima atau tidak diterima
Contoh: Distribusi Binomial

Pada perusahaan A, 10 persen karyawannya dikategorikan

sebagai karyawan teladan. Jika dipilih 5 karyawan secara acak,
berapakah peluang :
a. 4 orang karyawan berkategori karyawan teladan
b. Paling sedikit 2 orang berkategori karyawan teladan
c. Tidak lebih dari 1 orang berkategori karyawan teladan
Solusi : n = 5 ; P(karyawan teladan) = p = 10% = 0.1
a. 4 orang karyawan berkategori karyawan teladan X = 4
n x
P ( X x) p (1 p ) n x
x
5
P ( X 4) 0.1 4 0.9 1 5(0.0001)(0.9) 0.00045
4
Contoh Distribusi Binomial
b. Paling sedikit 2 orang berkategori teladan X > 2
P( X 2 ) 1 P( X 2 ) 1 [ P( X 0 ) P( X 1 )]
5
P( X 0 ) 0.1 0 0.9 5 1.1.0.9 5 0.59049
0
5
P( X 1 ) 0.1 1 0.9 4 5( 0.1 )( 0.9 4 ) 0.32805
1

P( X 2 ) 1 ( 0.59049 0.32805 ) 0.08145

c. Tidak lebih dari 1 orang berkategori teladan X < 1

P( X < 1) = P(X = 0) + P(X=1)
= 0.59049 + 0.32805 = 0.91854
Distribusi Binomial

Bentuk dari distribusi binomial tergantung pada nilai p dan n

n = 5 p = 0.1
P(X)
.6Mean
.4
.2
0 X
0 1 2 3 4 5 n = 5 p = 0.5
P(X)
.6
.4
.2
0 X
0 1 2 3 4 5
Penggunaan Tabel Binomial

n = 10
X p=.20 p=.25 p=.30 p=.35 p=.40 p=.45 p=.50
0 0.1074 0.0563 0.0282 0.0135 0.0060 0.0025 0.0010 10
1 0.2684 0.1877 0.1211 0.0725 0.0403 0.0207 0.0098 9
2 0.3020 0.2816 0.2335 0.1757 0.1209 0.0763 0.0439 8
3 0.2013 0.2503 0.2668 0.2522 0.2150 0.1665 0.1172 7
4 0.0881 0.1460 0.2001 0.2377 0.2508 0.2384 0.2051 6
5 0.0264 0.0584 0.1029 0.1536 0.2007 0.2340 0.2461 5
6 0.0055 0.0162 0.0368 0.0689 0.1115 0.1596 0.2051 4
7 0.0008 0.0031 0.0090 0.0212 0.0425 0.0746 0.1172 3
8 0.0001 0.0004 0.0014 0.0043 0.0106 0.0229 0.0439 2
9 0.0000 0.0000 0.0001 0.0005 0.0016 0.0042 0.0098 1
10 0.0000 0.0000 0.0000 0.0000 0.0001 0.0003 0.0010 0

p=.80 p=.75 p=.70 p=.65 p=.60 p=.55 p=.50 x

Contoh:
n = 10, p = 0.35, X = 3: P(X = 3|n =10, p = 0.35) = 0.2522
n = 10, p = 0.75, X = 2: P(X = 2|n =10, p = 0.75) = 0.0004
Distribusi Probabilitas

Distribusi
Probabilitas

Distribusi
Probabilitas
Diskrit

Binomial

Poisson

Hypergeometrik
Distribusi Poisson

Distribusi probabilitas dari variabel random X menyatakan

banyaknya outcome dalam interval waktu tertentu t (atau daerah
tertentu) dengan menyatakan laju terjadinya outcome persatuan
waktu atau per satuan daerah diberikan oleh (tidak diturunkan!) :

e x
P( X x) p ( x) ; x 0,1, ...
x!
dimana:
x = banyaknya outcome selama percobaan
= rata-rata banyak outcome = t dimana t adalah lama

intervalnya dan adalah laju terjadinya outcome

e = Bilangan natural (2.71828...)
Karakteristik Distribusi Poisson

Mean

Variansi dan Standard Deviasi

Dimana = rata-rata event

Penggunaan Tabel Poisson

X 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90

0 0.9048 0.8187 0.7408 0.6703 0.6065 0.5488 0.4966 0.4493 0.4066

1 0.0905 0.1637 0.2222 0.2681 0.3033 0.3293 0.3476 0.3595 0.3659
2 0.0045 0.0164 0.0333 0.0536 0.0758 0.0988 0.1217 0.1438 0.1647
3 0.0002 0.0011 0.0033 0.0072 0.0126 0.0198 0.0284 0.0383 0.0494
4 0.0000 0.0001 0.0003 0.0007 0.0016 0.0030 0.0050 0.0077 0.0111
5 0.0000 0.0000 0.0000 0.0001 0.0002 0.0004 0.0007 0.0012 0.0020
6 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0001 0.0002 0.0003
7 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000

Contoh: Tentukan P(X = 2) jika = 0.50

e x e 0.50 (0.50)2
P(X 2) 0.0758
x! 2!
Grafik peluang dari distribusi Poisson

Grafik

= 0.50
=
X 0.50
0 0.6065
1 0.3033
2 0.0758
3 0.0126
4 0.0016
5 0.0002
6 0.0000
7 0.0000 P(X = 2) = 0.0758
 Bentuk Distribusi Poisson

Bentuk dari distribusi Poisson tergantung pada parameter

= 0.50 = 3.00
 Sifat Proses Poisson

1. Tidak punya memori atau ingatan, yaitu banyaknya outcome

dalam satu interval waktu (atau daerah) tidak bergantung pada
banyaknya outcome pada waktu atau daerah yang lain.

2. Probabilitas terjadinya 1 outcome dalam interval waktu (atau

daerah) yang sangat pendek (kecil) sebanding dengan lama
waktu interval waktu tersebut (atau luas daerahnya). Dan tidak
bergantung pada kejadian atau outcome di luar interval ini.

3. Probabilitas terjadinya lebih dari 1 outcome dalam interval

waktu yg sangat pendek di (2) tersebut sangat kecil atau bisa
diabaikan.
Tabel Distribusi Poisson Kumulatif

= t = mean out come

3
P ( x 3; 0.4) p ( x 3; 0.4) 0.9992
x 0
 Distribusi Poisson
Contoh :
Dalam tabel aktuaria perusahaan asuransi T ditentukan
bahwa peluang seorang pria berumur 25 tahun akan
meninggal tahun depan adalah 0.0002. Jika perusahaan
asuransi T tahun ini menjual 4000 polis terhadap pria
berumur 25 tahun, berapa peluang mereka akan membayar
tepat 1 polis?

Jawab :

= 4000 (0.0002) = 0.8

x e ( 0.8 ) 1 e 0.8
P( X 1 ) 0.3595
x! 1!
Hubungan Distribusi Poisson
dan Binomial
Jika X ~ b(x;n,p), untuk n dan p 0, serta = np maka
distribusi binomial bisa diaproksimasi dengan distribusi
Poisson.

Contoh.
Probabilitas terjadinya kecelakaan di suatu hari di sebuah pabrik
adalah 0.005.
(a)Berapakah probabilitasnya selama 400 hari tidak terjadi
kecelakaan sama sekali?
(b)Berapakah probabilitasnya paling banyak 3 hari dengan
dengan kecelakaan selama 400 hari tsb?
Hubungan Distribusi Poisson
dan Binomial
Jawab:
X adalah variabel random binomial yg menyatakan banyak hari dengan
kecelakaan (sukses) dengan probabilitas terjadinya kecelakaan dalam
satu hari p = 0.005

a) Dalam 400 hari hanya 1 kecelakaan, berarti banyak percobaan n=400.

Jadi ingin dihitung b(x=1;n=400,p=0.005). Karena n besar dan p kecil
maka dapat dipergunakan aproksimasi distribusi Poisson dengan : rata-
rata (mean) = np = 400*0.005= 2 kecelakaan dalam 400 hari, dan ingin
diketahui probabilitasnya terjadi 1 kecelakaan dalam 400 hari (X=1):

b(x=1;n=400,p=0.005) p(x=1; =2)

e ( ) x e 2 (2)1
p ( x 1; 2) 0.271
x! 1!
Hubungan Distribusi Poisson
dan Binomial
Jawab:
b) Karena paling banyak jumlah hari dengan kecelakaan adalah 3 hari.
Berarti ingin dihitung P(x3), yaitu (dengan Tabel D. Poisson)

P (x = 3; = 2) = 0.857

Jadi terdapat probabilitas 86% dalam 400 hari, akan terjadi kecelakaan 0,
atau 1, 2 atau 3 paling banyak.
Distribusi Probabilitas

Probability
Distributions

Discrete
Probability
Distributions

Binomial

Poisson

Hypergeometric
 Distribusi Hipergeometrik

Distribusi Hipergeometrik sangat serupa dengan distribusi

binomial,

Persamaannya:
Keduanya menyatakan probabilitas sejumlah tertentu percobaan
masuk dalam kategori tertentu.

Perbedaannya:
Binomial mengharuskan ketidakbergantungan dari satu

percobaan (trial) ke percobaan berikutnya. Jadi sampling harus

dilakukan dengan pengembalian (replaced)
Hipergeometrik tidak mengharuskan ketidakbergantungan, jadi
sampling dilakukan tanpa mengembalikan outcome yg sudah
 Distribusi Hipergeometrik
Misalkan dalam suatu populasi yang berukuran N terdapat D item
cacat dan N-D item tidak cacat. Sebuah sampel diambil dengan
ukuran sampel n, ternyata x diantaranya merupakan item cacat,
maka peluang cacat pada sampel akan berdistribusi
Hypergeometrik ( X ~ HYP( n, N, D )) dengan fungsi peluang :

D N D

P( X x) x nx
N

n

Dimana :
N = ukuran populasi D = jumlah sukses dalam populasi
N D = jumlah gagal dalam populasi n = ukuran sampel
x = jumlah sukses dalam sampel n x = jumlah gagal dalam sampel
Karakteristik Disribusi Hipergeometrik
Rata-rata dari distribusi Hipergeometrik:

nD
E(X)
N

Standard Deviasi
nD(N - D) N - n
2

N N -1

N-n
dimana N -1 adalah faktor koreksi populasi terbatas
Distribusi Hipergeometrik

Contoh :
3 komputer diperiksa dari 10 koputer di sebuah departemen. 4
dari 10 komputer tersebut terdapat aplikasi software yang ilegal.
Berapa peluang 2 dari 3 komputer yang dipilih secara acak
terdapat aplikasi software ilegal?
N = 10 n=3
D=4 x=2

D N D 4 6

X n X 2 1 (6)(6) 0.3
P(X 2)
N 10 120

n 3
 Distribusi Hipergeometrik vs
Binomial
Jika ukuran sampel diambil n jauh lebih kecil dari ukuran
populasinya N (n < N) maka distribusi hipergeometrik akan
sangat mirip dengan distribusi binomial dengan peluang sukses
p = D/N, sehingga mean dan variansinya mengikuti distribusi
binomial yaitu:
D D D
n
N
n* p 1* n * p * q n 1
2
N N

Sebagai pedoman praktis, seringkali diterapkan jika n/N < 5%

maka digunakan distribusi binomial sebagai pengganti distribusi
hipergeometrik.
 Distribusi Hipergeometrik vs
Binomial
Contoh.
Sebuah pabrik ban menyatakan dari 5000 ban yang dikirim ke distributor
sebanyak 1000 warnanya sedikit pudar. Seorang pelanggan membeli 10 ban
dari distributor secara acak saja. Berapa probabilitasnya bahwa ada 3 buah
ban yg warnanya sedikit pudar?

Jawab:
Diketahui : N = 5000, n = 10 (n/N < 5%), bisa memakai distribusi binomial
P(warna sedikit pudar) = p =D/N = 1000/5000 = 0.2, q = 1- p =0.8.

P x 3 , n 10 , p 0.2 B x 3 B x 2
0.879 0.6778 0.2013 20%

Periksalah, jika digunakan distribusi hipergeometrik hasilnya = 0.2015

 Latihan Soal

1. Berdasarkan data masa lalu, probabilitas sesorang lulus dari

mata kuliah statistika = 0,45. Jika diambil sampel sebanyak 5
mahasiswa.
a. Hitung probabilitas tepat 3 orang mahasiswa yang tidak lulus
b. Hitung probabilitas paling sedikit 4 mahasiswa yang lulus
c. Hitung probabilitas paling banyak ada 5 mahasiswa yang
lulus
 Latihan Soal

2. Sebuah percobaan dilakukan untuk mencari katalis yang

sesuai untuk produksi ethylenediaine. Bila seorang insinyur
kimia memilih 3 katalis dari 10 katalis yang terdiri dari 6
katalis yang mempunyai low adicity dan 4 high acidity.
Hitung probabilitas
a. Tidak ada katalis highly acidity yang dipilih
b. Tepat satu katalis yang high acidity
 Latihan Soal

3. Jika X adalah variabel random yang menyatakan jumlah retak

yang terjadi per spesimen untuk campuran semen. Rata-rata
retak per spesimen = 2,5. Hitung probabilitas :
a. Terjadi 5 retak dalam satu spesimen
b. Ada 2 atau lebih retak yang terjadi
Tim Dosen Statistika