DISTRIBUSI PROBABILITAS

YANG UMUM

Pertemuan 6 dan 7
Distribusi Binomial
(Distribusi Probabilitas Diskrit)
Percobaan Bernoulli :
Sifat-sifat sebagai berikut :
 Percobaan itu terdiri dari n pengulangan
 Tiap pengulangan memberikan hasil yang dapat
diidentifikasi sukses atau gagal
 Probabilitas sukses dinyatakan dengan p, tetap
konstan (tidak berubah) dari satu pengulangan ke
pengulangan lainnya, sedangkan probabilitas gagal
adalah q = 1- p
 Tiap pengulangan dan pengulangan lainnya saling
bebas.
Distribusi Binomial
 Banyaknya X sukses dalam n pengulangan suatu
percobaan bernoulli disebut sebagai variabel
random Binomial, sedangkan distribusi
probabilitasnya disebut distribusi Binomial
dan nilainya dinyatakan sebagai :
b(x,n,p) dimana x = 1, 2, …, n

 n  x nx
b( x;n, p )   p q
 x
 
Rata-rata dan Variansi Distribusi
Binomial :
 Rata-rata =   np

2
 Variansi =   npq
Contoh
 Probabilitas bahwa seorang pasien
sembuh dari penyakit darah yang langka
adalah 0,4. Bila 15 orang diketahui telah
terkena penyakit ini, berapakah probabilitas :
 Paling sedikit 10 orang yang selamat
 Dari 3 sampai 8 orang yang selamat
 Tepat 5 orang yang selamat
 Hitung rata-rata dan variansinya
Distribusi Poisson
(Distribusi Probabilitas Diskrit)
Percobaan Poisson :
 Jika suatu percobaan menghasilkan
variabel random X yang menyatakan
banyak-nya sukses dalam daerah tertentu
atau selama interval waktu tertentu,
percobaan itu disebut percobaan Poisson.
Distribusi Poisson
 Jumlah X dari keluaran yang terjadi selama satu
percobaan Poisson disebut Variabel random
Poisson, dan distribusi probabilitasnya disebut
distribusi Poisson.
 Bila x menyatakan banyaknya sukses yang terjadi
,  adalah rata-rata banyaknya sukses yang
terjadi dalam interval waktu atau daerah
tertentu, dan e = 2,718 , maka rumus distribusi
Poisson adalah :
e   x
p( x;  )  , x  0,1,2,......
x!
 Rata-rata dan Variansi Distribusi
Poisson
 Mean (rata-rata) dan variansi dari distribusi
Poisson adalah .

Catatan :
 Distribusi Poisson sebagai suatu bentuk
pembatasan distribusi Binomial pada saat n besar ,
sedangkan p mendekati 0 , dan np konstan.
 Sehingga bila n besar dan p mendekati 0, distribusi
Poisson dapat digunakan untuk memperkirakan
probabilitas Binomial, dengan
  np
Contoh
 Di suatu simpang jalan rata-rata terjadi 6
kecelakaan sebulan, maka hitunglah
probabilitas :
◦ Pada suatu bulan tertentu di simpang jalan itu
terjadi 7 kecelakaan
◦ Pada suatu bulan tertentu di simpang jalan
terjadi minimal 4 kecelakaan
◦ Pada suatu minggu tertentu di simpang jalan
itu terjadi 4 kecelakaan
Hubungan Distribusi Poisson
dengan Distribusi Binomial
 Distribusi Poisson sebagai suatu bentuk
pembatasan distribusi Binomial pada saat
n besar , sedangkan p mendekati 0 , dan
np konstan.
 Sehingga bila n besar dan p mendekati 0,
distribusi Poisson dapat digunakan untuk
memperkirakan probabilitas Binomial,
dengan  = np
Contoh
 Dalam suatu proses produksi yang
menghasilkan barang dari gelas, terjadi
gelembung atau cacat yang menyebabkan
barang tersebut sukar dipasarkan. Rata-
rata 1 dari 1000 barang yang dihasilkan
mempunyai satu atau lebih gelembung.
Hitung probablitas dalam sampel random
sebesar 8000 barang akan berisi kurang
dari 7 yang bergelembung.
Distribusi Hipergeometrik
(Distribusi Probabilitas Diskrit)
Perbedaan diantara distribusi binomial
dan distribusi hipergeometrik
 adalah terletak pada cara penarikan sampel.
 Dalam distribusi binomial diperlukan sifat
pengulangan yang saling bebas, dan pengulangan
tersebut harus dikerjakan dengan pengembalian
(with replacement).
 Sedangkan untuk distribusi hipergeometrik tidak
diperlukan sifat pengulangan yang saling bebas
dan dikerjakan tanpa pengembalian (without
replacement).
Penerapan untuk distribusi
hipergeometrik
 Ditemukan dalam berbagai bidang, dan paling
sering digunakan dalam penarikan sampel
penerimaan barang, pengujian elektronik,
jaminan mutu, dsb.
 Dalam banyak bidang ini, pengujian dilakukan
terhadap barang yang diuji yang pada akhirnya
barang uji tersebut menjadi rusak, sehingga tidak
dapat dikembalikan. Jadi, pengambilan sampel
harus dikerjakan tanpa pengembalian
Contoh
 Suatu pabrik ban melaporkan bahwa dari
5 ban yang dikirimkan ke suatu toko ter-
dapat 2 ban yang cacat. Bila seseorang
membeli 3 ban, maka hitung:
◦ Probabilitas terdapat 1 ban cacat yang dibeli
◦ Probabilitas tidak ada ban cacat yang dibeli
Distribusi Normal
(Distribusi Probabilitas Kontinu)
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.

 

 x
Sifat kurva normal, yaitu :
 Kurva mencapai maksimum pada x  
 Kurva setangkup terhadap garis tegak yang
melalui x  
 Kurva mempunyai titik belok pada x    
 Sumbu x merupakan asimtot dari kurva
normal
 Seluruh luas di bawah kurva, di atas sumbu x
adalah 1
Distribusi Normal
 Variabel random X berdistribusi normal,
dengan mean dan variansi mempunyai
fungsi densitas
1  ( x   ) 2 ( 2 2 )
n( x; , )  e
 2
  x  
luas daerah di bawah kurva dinyatakan dengan :
 P(x1  X  x 2 )

x
X1  X2

x2 2 x
1  ( x   ) 2 ( 2 2 )
P( x1  X  x 2 )   n( x;, )dx   e dx
x
 2 x
1 1


1  ( x   ) 2 ( 2 2 )
P(   X   )  
 2  
e dx  1
Distribusi Normal Standar (1)
apabila variabel X ditransformasikan
dengan substitusi Z  x  

 maka :
z2 1 z2 1 z2
1  z2 1  z2
P(z1  Z  z 2 ) 
 2  e 2 dz 
2  
e 2 dz  n (z;0,1)dz
z1 z1 z1

x
ternyata substitusi Z 

menyebabkan distribusi normal n (z; , ) menjadi
n( z;0,1) , yang disebut distribusi normal standar.
 Distribusi Normal Standar (2):
 Karena transformasi ini, maka selanjutnya
nilai P(x  X  x )
1 2

ini dapat dihitung dengan menggunakan

tabel distribusi normal standar.
Contoh
 Rata-rata berat 500 mahasiswa STIKOM
adalah 55 kg dan deviasi standarnya 3.4 kg.
Berapakah banyaknya mahasiswa yang
mempunyai berat
◦ kurang dari 53 kg
◦ di antara 53 kg dan 57 kg
 Bila nilai ujian statistika mempunyai mean 74
dan deviasi standar 7.9, hitunglah
◦ Nilai lulus terendah, bila mahasiswa dengan nilai
10% terendah mendapat E.
◦ Nilai B tertinggi, bila probabilitas mahasiswa
dengan nilai 5% tertinggi men-dapat A .
Hubungan Distribusi Normal dan Distribusi
Binomial:

 Jika n besar dan p atau q menuju 0, maka

distribusi binomial dapat didekati oleh distribusi
normal, sehingga bila X adalah variabel random
yang berdistribusi Binomial dengan mean   np
dan variansi  2  npq

X  np
Z
maka npq berdistribusi normal standar
Contoh
 Suatu proses produksi menghasilkan
sejumlah barang yang cacat sebanyak 10%.
Bila 100 barang diambil secara random,
maka hitung probabilitas :
◦ Banyaknya cacat melebihi 13
◦ Antara 5 s/d 10 yang cacat
◦ Tepat 10 yang cacat