Binomial, Poisson, Normal

Muhlasah Novitasari Mara, M.
Si
novee_mara@yahoo.co.id
Copyright © 2005 D. Kusnandar edited by
novee_mara@2010 1
Distribusi uniform
Distribusi binomial
Distribusi hipergeometrik
Distribusi poisson

novee_mara@2010 2
Karakteristik: setiap outcome 1/6
mempunyai peluang yang sama
P(X)
P X  x  
1
b  a   1
0
0 1 2 3 4 5 6 7
X
dimana b = nilai terbesar dari variabel X

a = nilai terkecil dari variabel X
X = a, a + 1, a + 2, … , b

novee_mara@2010 3
ab
Nilai harapan:  X  EX  
2
Varians:  2

b  a   1
2
1
X
12
Simpangan baku:  X 
b  a   1 2
1
12

novee_mara@2010 4
 Terdiri atas n ulangan yang identik
 Dalam setiap ulangan hanya mungkin
dihasilkan dua kejadian, yaitu ‘berhasil’ atau
‘gagal’
 Peluang untuk ‘berhasil’ dalam setiap
ulangan adalah p, dan p bersifat konstan
 Setiap ulangan bersifat bebas dari ulangan
lainnya

novee_mara@2010 5
P X  x   p 1  p 
n! x nx
x! n  x !
n = jumlah ulangan
p = peluang ‘berhasil’ pada setiap ulangan
1–p = peluang ‘gagal’ pada setiap ulangan
x = 0, 1, 2, …, n
n! = n × (n - 1) × (n - 2) × … × 3 × 2 × 1

novee_mara@2010 6
Berapa peluang muncul warna merah paling n = 19;
sedikit 15 kali dari 19 putaran roda roulette? p = 18/38
Berapa peluang dari 20 sampel ban dengan tipe n = 20;

yang sama didapati 5 ban cacat , jika diketahui p = 0.08
8% dari semua ban yang diproduksi cacat?
Berapa peluang seorang siswa dapat menjawab n = 10;

10 soal (masing-masing terdiri dari 4 pilihan) p=¼
jika siswa tersebut hanya menebak untuk tiap
soal?

novee_mara@2010 7
p(x) p(x) p(x)
0.5 0.5 0.5
0.25 0.25 0.25
0 x 0 x 0 x
0 1 2 3 4 0 1 2 3 4 0 1 2 3 4
n = 4; p = 0,3 n = 4; p = 0,5 n = 4; p = 0,7
p < 0.5 p = 0.5 p > 0.5

Condong ke kanan Simetris Condong ke kiri
novee_mara@2010 8
Nilai harapan  X  E  X   np
Varians:   np1  p 
2
X
Simpangan baku  X  np1 p

novee_mara@2010 9
Jika dari satu set kartu
remi diambil empat
buah kartu, tentukan
peluang bahwa dua
diantaranya adalah
kartu hati ()

novee_mara@2010 10
First card Second card Third card Fourth card
Not Not
Heart Heart
13 39 39 13
p 1 p  1 p  p
52 52 52 52
 13 
p x 1  p 
n! n x
P X  2 | n  4, p   
 52  x!n  x !
2 4 2
4!  13   13 
   1    0.2109
2!4  2!  52   52 
novee_mara@2010 11
Not Not Not Not
Heart Heart Heart Heart
13 39 38 12 13 39 12 38
p1  1  p2  1  p3  p4  p1  1  p2  p3  1  p4 
52 51 50 49 52 51 50 49
 13  39  38  12   13  39  12  38 
P X  2       P X  2      
 52  51  50  49   52  51  50  49 
 0.0356  0.0356

novee_mara@2010 12
 A  N  A   N 
P  X  x | n, N, A       
 x  n  x   n 
 A!

N  A ! 
 
 x! A  x ! n  x ! N  A   n  x ! 

 N! 
 
 n! N  n ! 
dimana
n = ukuran sampel; x = jumlah ‘berhasil’ dlm sampel
N = ukuran populasi; A = jumlah ‘berhasil’ dlm populasi

novee_mara@2010 13
13 39 
  
P X  2 | n  4, N  52, A  13   2  2 
 52 
 
4
13! 39!

2!11! 2!37!
  0.1067
52!
4!48!

novee_mara@2010 14
 X  EX   n
A
Nilai harapan:
N
A A  N  n 
Varians:  2
 n 1   
N  N  1 
X
N
A A N n
Simpangan baku:  X  n 1   
N N N 1
novee_mara@2010 15
Pengamatan terhadap kejadian diskrit dalam
interval yang kontinyu (e.g. waktu, volume,
ruang), dimana
 Interval tsb dapat dibagi menjadi
subinterval sehingga peluang
‘berhasil’ dalam suatu subinterval
nilainya kecil dan konstan
 Peluang terjadinya lebih dari satu kali
‘berhasil’ dalam suatu subinterval
adalah nol
 Terjadi atau tidaknya ‘berhasil’ dalam
setiap subinterval bersifat bebas satu
dengan lainnya
novee_mara@2010 16
l
e l x
P X  x | l  
x!
dimana
l = nilai harapan dari Distribusi Poisson
e = bilangan natural (konstanta)  2.71828
Nilai harapan dan varians Distribusi Poisson

sama dengan parameter l
novee_mara@2010 17
Mean
Variansi
Karakteristik
Menghitung peluang kumulatif VR
berdistribusi normal

novee_mara@2010 18
Tiga alasan kenapa distribusi normal
penting dalam statistik:
 Banyak fenomena kontinu mengikuti
distribusi normal
 Dapat digunakan untuk pendekatan
berbagai macam distribusi peluang diskrit
 Dasar dari inferensia statistik

novee_mara@2010 19
X ~ N (,  2 )
f x  
1
e
 
 12
x 2

 2p
dimana
e = bilangan natural (konstanta)  2.71828
p = bilangan phi (konstanta)  3.14159
 = rata-rata populasi
 = simpangan baku populasi
x = nilai variabel acak, dimana - < x < +

novee_mara@2010 20
novee_mara@2010 21
novee_mara@2010 22
novee_mara@2010 23
novee_mara@2010 24
novee_mara@2010 25
novee_mara@2010 26
novee_mara@2010 27
Bentuk khusus dari distribusi normal yang sering digunakan
adalah distribusi normal standar. Normal standar adalah distribusi
normal dengan mean 0 dan variansi 1.
Z ~ N (0,1)
z2
1 
 ( z)  e 2
  z  
2p
x
z


novee_mara@2010 28

E ( Z )   z ( z )dz


   '( z )dz

  ( z ) 
  ()  [ ()]
karena distribusi normal standar simetris terhadap 0, maka  ( z )   ( z )    z  
sehingga:
E ( Z )   ( )   ( )  0

novee_mara@2010 29

E (Z )   z 2 ( z )dz
2


  [( z 2  1) ( z )   ( z )]dz


  [ ''( z )   ( z )]dz


  '( z ) 
    ( z )dz

 z ( z ) 
 1
 0 1
1
Sehingga
Var ( Z )  1  0  1

novee_mara@2010 30
X ~ N (. 2 )
 x 
2

 
 1 
E( X )   x e 2
dx

2p
x
Subtitusikan z sehingga x    z dan dz 
1
 
dx
z2
 1 
E ( X )   (   z) e 2
dz

2p
 
    ( z )dz    z ( z )dz dz
 

z2
 1 
E ( X )   (   z)
2 2
e 2
dz

2p
  
  2   ( z )dz  2  z ( z )dz   2  z 2 ( z )dz dz
  
  2 2
Sehingga
Var ( X )   2   2   2   2

novee_mara@2010 31
.

M X t    e f  x  dx
tx

  
x 2

1 
 e
tx 2
e dx
 2p
x x  z   dan dx   dz
subtitusikan dengan z sehingga

 
z2
1

( z   ) t
M X (t )   dz
2
e e
 2p
 
z2
1
 e t 
z t 2
e e dz
 2p
 e t M Z ( t )
( t )2
 e t e 2

novee_mara@2010 32
Luas kurva normal sampai batas b adalah:
( x )2
b 1 
L  P( X  b)   e 2 2 dx
 2p 2
33
Dapat dihitung menggunakan tabel normal standar
dengan terlebih dahulu mentransformasikan skala
X(,²) ke Z~N(0,1)
X  x b  x
L  P(  )
x x
b  x b  x
 P( Z  ) L  1  P( Z  )
x x
34
Contoh 1:
Diketahui X berdistribusi normal (0,1).
Hitunglah P(Z ≥ 1,5)

novee_mara@2010 35
z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.4960 0.4920 0.4880 0.4840 0.4801 0.4761 0.4721 0.4681 0.4641
0.1 0.4602 0.4562 0.4522 0.4483 0.4443 0.4404 0.4364 0.4325 0.4286 0.4247
0.2 0.4207 0.4168 0.4129 0.4090 0.4052 0.4013 0.3974 0.3936 0.3897 0.3859
0.3 0.3821 0.3783 0.3745 0.3707 0.3669 0.3632 0.3594 0.3557 0.3520 0.3483
0.4 0.3446 0.3409 0.3372 0.3336 0.3300 0.3264 0.3228 0.3192 0.3156 0.3121
0.5 0.3085 0.3050 0.3015 0.2981 0.2946 0.2912 0.2877 0.2843 0.2810 0.2776
0.6 0.2743 0.2709 0.2676 0.2643 0.2611 0.2578 0.2546 0.2514 0.2483 0.2451
0.7 0.2420 0.2389 0.2358 0.2327 0.2296 0.2266 0.2236 0.2206 0.2177 0.2148
0.8 0.2119 0.2090 0.2061 0.2033 0.2005 0.1977 0.1949 0.1922 0.1894 0.1867
0.9 0.1841 0.1814 0.1788 0.1762 0.1736 0.1711 0.1685 0.1660 0.1635 0.1611
1.0 0.1587 0.1562 0.1539 0.1515 0.1492 0.1469 0.1446 0.1423 0.1401 0.1379
1.1 0.1357 0.1335 0.1314 0.1292 0.1271 0.1251 0.1230 0.1210 0.1190 0.1170
1.2 0.1151 0.1131 0.1112 0.1093 0.1075 0.1056 0.1038 0.1020 0.1003 0.0985
1.3 0.0968 0.0951 0.0934 0.0918 0.0901 0.0885 0.0869 0.0853 0.0838 0.0823
1.4 0.0808 0.0793 0.0778 0.0764 0.0749 0.0735 0.0721 0.0708 0.0694 0.0681
1.5 0.0668 0.0655 0.0643 0.0630 0.0618 0.0606 0.0549 0.0582 0.0571 0.0559
Copyright © 2005 D. Kusnandar edited by novee_mara@2010

36
Contoh 2:
Distribusi normal dengan mean  = 60 dan standar
deviasi  = 12. Hitunglah P(X  76)

novee_mara@2010 37
Langkah 1:
Transformasikan x ke z
x  X
z
X
76  60

12 z=1,33
 1,33
38
Langkah 2:
Gunakan tabel normal baku untuk menghitung luasan
kurva normal
z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.4960 0.4920 0.4880 0.4840 0.4801 0.4761 0.4721 0.4681 0.4641
0.1 0.4602 0.4562 0.4522 0.4483 0.4443 0.4404 0.4364 0.4325 0.4286 0.4247
0.2 0.4207 0.4168 0.4129 0.4090 0.4052 0.4013 0.3974 0.3936 0.3897 0.3859
0.3 0.3821 0.3783 0.3745 0.3707 0.3669 0.3632 0.3594 0.3557 0.3520 0.3483
0.4 0.3446 0.3409 0.3372 0.3336 0.3300 0.3264 0.3228 0.3192 0.3156 0.3121
0.5 0.3085 0.3050 0.3015 0.2981 0.2946 0.2912 0.2877 0.2843 0.2810 0.2776
0.6 0.2743 0.2709 0.2676 0.2643 0.2611 0.2578 0.2546 0.2514 0.2483 0.2451
0.7 0.2420 0.2389 0.2358 0.2327 0.2296 0.2266 0.2236 0.2206 0.2177 0.2148
0.8 0.2119 0.2090 0.2061 0.2033 0.2005 0.1977 0.1949 0.1922 0.1894 0.1867
0.9 0.1841 0.1814 0.1788 0.1762 0.1736 0.1711 0.1685 0.1660 0.1635 0.1611
1.0 0.1587 0.1562 0.1539 0.1515 0.1492 0.1469 0.1446 0.1423 0.1401 0.1379
1.1 0.1357 0.1335 0.1314 0.1292 0.1271 0.1251 0.1230 0.1210 0.1190 0.1170
1.2 0.1151 0.1131 0.1112 0.1093 0.1075 0.1056 0.1038 0.1020 0.1003 0.0985
1.3 0.0968 0.0951 0.0934 0.0918 0.0901 0.0885 0.0869 0.0853 0.0838 0.0823
1.4 0.0808 0.0793 0.0778 0.0764 0.0749 0.0735 0.0721 0.0708 0.0694 0.0681
39
X  76) = 1 - P(Z ≥1,33)
= 1 - 0,0918
= 0,9082
40
Contoh 3:
deviasi  = 12. Hitunglah nilai X terletak antara 60
dan 76

novee_mara@2010 41
Langkah 1:
Transformasikan x=60 dan x=76 ke z
transforma si dari x  60 ke z transforma si dari x  60 ke z

x  X x  X
z z
X X
60  60 76  60
 
12 12
0  1,33
42
Langkah 2:
Gunakan tabel normal baku untuk menghitung luasan
kurva normal
L= P(60 X 76)
L1 = P(X 60) = 1-P(X≥60) =1-P(Z≥0) = 0,5 = L2 – L1
= 0,9082 – 0,5
= 0,4082
L2 = P(X 76) = 1-P(X≥76) =1-P(Z≥1,33) = 0,90832

43
Contoh 4:
deviasi  = 12. Hitunglah nilai X terletak antara 68
dan 84

novee_mara@2010 44
Langkah 1:
Transformasikan X=68 dan X=84 ke Z
transforma si dari x  68 ke z transforma si dari x  60 ke z

x  X x  X
z z
X X
68  60 84  60
 
12 12
 0,67 2
45
L1 = P(X 84) = 1-P(X ≥ 84) L= P(68 X 84)
=1-P(Z ≥ 2) = 1- 0,0228 = 0,9772 = L1 – L2
= 0,9772 – 0,7486
= 0,2286
L2 = P(X 68) = 1-P(X≥68)

=1-P(Z≥0,67) = 1- 0,2514 = 0,7486
46
Contoh 5:
Nilai-nilai ujian seleksi penerimaan cpns
secara nasional dianggap berdistribusi normal
dengan mean 45 dan standar deviasi 13.
jika hanya 32,5% pendaftar yang akan
diterima, berapakah nilai terendah peserta
tes masuk cpns yang diterima?

novee_mara@2010 47
Misal batas terendah nilai terendah calon
mahasiswa disimbolkan x, maka
P(X ≥x)=0,325
48
Langkah 1:
Gunakan tabel bilangan normal untuk
menentukan nilai z sedemikian sehingga luas di
bawah kurva normal sama dengan 0,325
49
z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.5000 0.4960 0.4920 0.4880 0.4840 0.4801 0.4761 0.4721 0.4681 0.4641
0.1 0.4602 0.4562 0.4522 0.4483 0.4443 0.4404 0.4364 0.4325 0.4286 0.4247
0.2 0.4207 0.4168 0.4129 0.4090 0.4052 0.4013 0.3974 0.3936 0.3897 0.3859
0.3 0.3821 0.3783 0.3745 0.3707 0.3669 0.3632 0.3594 0.3557 0.3520 0.3483
0.4 0.3446 0.3409 0.3372 0.3336 0.3300 0.3264 0.3228 0.3192 0.3156 0.3121
0.5 0.3085 0.3050 0.3015 0.2981 0.2946 0.2912 0.2877 0.2843 0.2810 0.2776
0.6 0.2743 0.2709 0.2676 0.2643 0.2611 0.2578 0.2546 0.2514 0.2483 0.2451
0.7 0.2420 0.2389 0.2358 0.2327 0.2296 0.2266 0.2236 0.2206 0.2177 0.2148
0.8 0.2119 0.2090 0.2061 0.2033 0.2005 0.1977 0.1949 0.1922 0.1894 0.1867
0.9 0.1841 0.1814 0.1788 0.1762 0.1736 0.1711 0.1685 0.1660 0.1635 0.1611
1.0 0.1587 0.1562 0.1539 0.1515 0.1492 0.1469 0.1446 0.1423 0.1401 0.1379
1.1 0.1357 0.1335 0.1314 0.1292 0.1271 0.1251 0.1230 0.1210 0.1190 0.1170
1.2 0.1151 0.1131 0.1112 0.1093 0.1075 0.1056 0.1038 0.1020 0.1003 0.0985
1.3 0.0968 0.0951 0.0934 0.0918 0.0901 0.0885 0.0869 0.0853 0.0838 0.0823
1.4 0.0808 0.0793 0.0778 0.0764 0.0749 0.0735 0.0721 0.0708 0.0694 0.0681
50
x  45
x  X o,45 
Z 
X 13
x  (0,45  13)  45
 50 ,85
Jadi nilai terendah cpns yang diterima adalah 50,85
51
Variabel random X berdistribusi normal dengan
rata-rata  = 60 dan standar deviasi  = 10.
1. Berapa probabilitas nilai X lebih dari 65?
2. Berapa probabilitas nilai X kurang dari 65?
3. Berapa probabilitas nilai X antara 50 dan
65?
52
Dari uji jalan yang telah dilakukan, sebuah
perusahaan ban menentukan rata-rata kemampuan
jarak tempuh ban produksinya adalah 50.000 mil
dengan standar deviasi 5000 mil dan data yang
terkumpul berdistribusi normal. Perusahaan
berencana untuk menawarkan garansi yaitu
mengganti secara cuma-cuma setiap ban baru
yang rusak sebelum melampaui jarak tempuh
garansi. Jika perusahaan berharap penggantian
ban tidak lebih dari 10%, berapa jarak tempuh
garansi yang seharusnya diberikan kepada
konsumen?
53

Binomial, Poisson, Normal

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Binomial, Poisson, Normal

Diunggah oleh

Hak Cipta:

Format Tersedia

Muhlasah Novitasari Mara, M.

Copyright © 2005 D. Kusnandar edited by

mempunyai peluang yang sama

dimana b = nilai terbesar dari variabel X

Copyright © 2005 D. Kusnandar edited by

Copyright © 2005 D. Kusnandar edited by

Copyright © 2005 D. Kusnandar edited by

Copyright © 2005 D. Kusnandar edited by

Berapa peluang dari 20 sampel ban dengan tipe n = 20;

Berapa peluang seorang siswa dapat menjawab n = 10;

Copyright © 2005 D. Kusnandar edited by

0.5 0.5 0.5

0.25 0.25 0.25

p < 0.5 p = 0.5 p > 0.5

Simpangan baku  X  np1 p

Copyright © 2005 D. Kusnandar edited by

Copyright © 2005 D. Kusnandar edited by

Copyright © 2005 D. Kusnandar edited by

Copyright © 2005 D. Kusnandar edited by

Nilai harapan dan varians Distribusi Poisson

Copyright © 2005 D. Kusnandar edited by

Copyright © 2005 D. Kusnandar edited by

Copyright © 2005 D. Kusnandar edited by

Copyright © 2005 D. Kusnandar edited by

Copyright © 2005 D. Kusnandar edited by

Copyright © 2005 D. Kusnandar edited by

Copyright © 2005 D. Kusnandar edited by

Copyright © 2005 D. Kusnandar edited by

Copyright © 2005 D. Kusnandar edited by

Copyright © 2005 D. Kusnandar edited by novee_mara@2010

Copyright © 2005 D. Kusnandar edited by

Copyright © 2005 D. Kusnandar edited by

transforma si dari x  60 ke z transforma si dari x  60 ke z

L2 = P(X 76) = 1-P(X≥76) =1-P(Z≥1,33) = 0,90832

Copyright © 2005 D. Kusnandar edited by

transforma si dari x  68 ke z transforma si dari x  60 ke z

L2 = P(X 68) = 1-P(X≥68)

Copyright © 2005 D. Kusnandar edited by

Jadi nilai terendah cpns yang diterima adalah 50,85

Anda mungkin juga menyukai