DISTRIBUSI SAMPLING
DISTRIBUSI PROBABILITAS
Contoh:
Dalam pelemparan mata uang, ada dua kejadian yg mungkin: gambar (G) dan
Angka (A). percobaan dilakukan dengan melempar 3 mata uang. Misal didefinisikan
variabel randomnya adalah banyak G dalam pelemparan mata uang tersebut. Maka
ruang sampelnya: S = {GGG,GGA,GAG,GAA, AGG,AGA,AAG,AAA}
x P(x) 0.5
0.375 0.375
0.4
0 0
Probabilitas
0.3
1 3/8 0.2
0.125
0.1
2 3/8 0
0
0 1 2 3
3 1/8 X (banyak G)
RATA-RATA DISTRIBUSI PROBABILITAS
µ = ∑{x.P(x)}
Dimana x : variabel randomnya
p(x) : probabilitas dari nilai x
Contoh
• Hasil survey dari 40 petani yang akan menanam padi pada musim tanam ini :
- 10 petani menyatakan tanaman padi akan aman terhadap serangan hama wereng
dan perkiraan keuntungan yang akan diperoleh mencapai 6 juta rupiah.
- 20 petani menyatakan serangan hama wereng pada tanaman padi dalam kategori
sedang dan perkiraan keuntungan yang akan diperoleh 5 juta rupiah
- Sisanya menyatakan serangan hama wereng akan tinggi dan keuntungan yang
akan diperoleh hanya 4 juta rupiah.
Berapa perkiraan rata2 keuntungan petani yang akan diperoleh dalam musim
tanam ini?
kondisi penyerangan
Laba (000) Pendapat Peluang Terjadi
hama wereng pada
(x) Subjektif P(x)
padi
Aman 6000 10 10/40 = 0,25
Sedang 5000 20 20/40 = 0,50
Tinggi 4000 10 10/40 = 0,25
Jumlah 40 1,00
Jawab :
kondisi penyerangan
Laba (000) Pendapat Peluang Terjadi
hama wereng pada
(x) Subjektif P(x)
padi
Aman 6000 10 10/40 = 0,25
Sedang 5000 20 20/40 = 0,50
Tinggi 4000 10 10/40 = 0,25
Jumlah 40 1,00
kondisi
Laba (000) Peluang Terjadi Laba x peluang
penyerangan hama
x P(x) x . p(x)
wereng pada padi
• Jadi rata-rata /perkiraan laba yang akan diperoleh petani adalah Rp.5.000.000,-
VARIANSI, STANDAR DEVIASI DAN
KOEFISIEN VARIASI DISTRIBUSI
PROBABILITAS
• merupakan suatu nilai yang digunakan untuk
menggambarkan jumlah sebaran dalam
distribusi probabilitas
{(x - µ) P(x)}
2 2
2
CV
Dimana x : variabel randomnya
p(x) : probabilitas dari nilai x
kondisi Peluang Laba x (laba - rata2)2 x
Laba laba - rata2 (laba - rata2)2
penyerangan Terjadi peluang peluang
hama wereng
pada padi
x P(x) x.p(x) (x-µ) (x-µ)2 (x-µ)2 .P(x)
Aman 6.000.000 0,25 1.500.000 1.000.000 1.000.000.000.000 250.000.000.000
Sedang 5.000.000 0,50 2.500.000 0 0 0
Tinggi 4.000.000 0,25 1.000.000 -1.000.000 1.000.000.000.000 250.000.000.000
Jumlah 1 5.000.000 500.000.000.000
DISTRIBUSI PROBABILITAS
HIPERGEOMETRIS
n x n!
p( x) n C x p (1 p) x
n Cx
x!(n x)!
np np(1 p)
2
n jumlah percobaan
x variabel random yang diartikan jumlah keberhasil an
p probabilit as keberhasil an pada setiap percobaan
Untuk Distribusi Probabilitas Binomial kumulatif adalah :
c
p ( x c) {n C x p (1 p) x n x
}
x 0
Nilai P(x)
akan
muncul
pada baris
Formula
result atau
tanda (=)
P( x)
s C x N s Cn x
N Cn
Rata rata dan variansi distribusi hipergeometrik:
s s N s N n
n n
2
N N N N 1
N jumlah populasi
n jumlah sampel atau percobaan
x jumlah keberhasil an pada sampel
S jumlah keberhasil an pada populasi
Contoh :
Seorang sales pupuk harus menyinggahi distributor/kelompok tani
di enam kecamatan secara acak dari 10 kecamatan di kabupaten
Gresik selama perjalanannya. Enam dari kecamatan-kecamatan
tersebut mampu menjual produk nya diatas target yang
direncanakan, sedangkan empat kecamatan lainnya tidak mampu
menjual produk nya diatas target yang direncanakan. Berapa
probabilitas bahwa empat kota yang disinggahinya mampu menjual
produknya diatas target yang direncanakan?
Jawab : P( x)
s C x N s Cn x
n=6 N Cn
N=10 C
6 4 10 6 6 4
C
S=6
x=4
10 C6
C C
6 4 4 2
10 C6
156
0,43
210
MENGGUNAKAN MS EXCEL UNTUK
DISTRIBUSI HIPERGEOMETRIK
• Buka ms.excel
• klik icon formula
• Lalu klik icon fx atau insert function
• pilih menu statistical pada function category
• Pilih menu HYPGEOMDIST pada function name, tekan OK
• Setelah tekan OK, maka akan keluar kotak dialog seperti
berikut: HYPGEOMDIST
Sampel_s : ………… (masukkan nilai r)
Number_sampel : ……….. (masukkan nilai n)
Population_s : ………… (masukkan nilai S)
Number_pop : ………… (masukkan nilai N)
x
Rumus :
P( x)
e
x!
rata rata dari kejadian berhasil pada suatu rentang
e konstanta 2,71828 (basis dari sistem logaritma Napier)
x jumlah kejadian berhasil
Rata rata dan variansi distribusi poisson:
np 2
x
P( x)
c
e
x 0 x!
Jawab :
p = 0,0005
n= 4000
P(3) =…..?
x
P( x)
e
x!
np
P(3)
2 3
2,71828 2
(4000)(0,0005) 3!
2 0,1804
MENGGUNAKAN MS EXCEL UNTUK
DISTRIBUSI POISSON
• Buka ms.excel
• klik icon formula
• Lalu klik icon fx atau insert function
• pilih menu statistical pada function category
• Pilih menu POISSON pada function name, tekan OK
• Setelah tekan OK, maka akan keluar kotak dialog seperti
berikut:
POISSON
X : ………… (masukkan nilai x)
Mean : ……….. (masukkan nilai )
Cumulative : ………… (tulis FALSE)
Disebabkan 2 hal :
1. Mempunyai beberapa sifat yang
memungkinkan untuk dipergunakan
dalam pengambilan kesimpulan dari
hasil sampel.
2. Sangat sesuai dengan distribusi
frekuensi empiris. semua peristiwa
dalam alam akan membentuk distribusi
ini, sehingga disebut distribusi normal
DISTRIBUSI PROBABILITAS
NORMAL
Karakteristik distribusi probabilitas normal :
1. Kurva berbentuk genta/lonceng (µ= Md= Mo)
2. Luas daerah di bawah kurva adalah 1; ½ di sisi kanan,
nilai tengah dan ½ di sisi kiri.
3. Kurva berbentuk simetris dan asymptotic
simetris : jika kurva normal dipotong secara tegak pada nilai
tengahnya kedua bagian akan menjadi bayangan cermin.
asymptotic : kurva semakin mendekati sumbu x tetapi tidak
menyinggungnya, ekor kurva memanjang dengan tak terbatas pada
kedua arahnya
4. Kurva mencapai puncak/maksimum pada saat X= µ
5. Letak distribusi normal ditentukan µ. Sebaran distribus
ditentukan
Bentuk distribusi normal ditentukan oleh µ dan
Bila X suatu pengubah acak normal
dengan nilai tengah , dan standar
deviasi , maka persamaan kurva
normalnya adalah:
( x )2
2
1
P( x) e 2
2
Untuk -<X<
di mana = 3,14159
e = 2,71828
DISTRIBUSI PROBABILITAS NORMAL BAKU
Transformasi dari X
ke Z
68%
95 %
Hampir semua
• Jawab:
µ = 350
σ = 50
P(x<250) =….?
250 350 Jadi probabilitas di bawah 250 gram
z 2 adalah 0,0228 (2,28%). Dengan kata
50 lain probabilitas konsumen protes
karena berat buah mangga kurang
P(x<250) = P(z<-2)
dari 250 gram adalah 2,28%.
lihat tabel P(z<-2,00)=0,4772
Maka nilai P(x<250)= 0,5 - 0,4772=0,0228.
PENDEKATAN NORMAL TERHADAP
BINOMIAL
• Distribusi normal dapat digunakan sebagai pengganti
distribusi binomial pada nilai n yang besar.
• semakin besarnya nilai n pada distribusi binomial, maka
semakin mendekati nilai distribusi normal
0.6
0.5
0.4
0.3
0.2
0.1
0
0 1 r 0 1 2 3 r 0 2 4 6 8 10 12 14 16 18 20 r
X np
z
npq
di mana n dan nilai p mendekati 0,5
Jawab :
= np = 300 x 0,80 = 240
n = 300
= Npq = 300 x 0,80 x 0,20 = 6,93
P = 0,8 X = 250, dan dikurangi faktor koreksi 0,5 sehingga
q = 0,2 X = 250 – 0,5 = 249,5
P(x<250)=…..? Z = (249,5 – 240) / 6,93 = 1,37
P (Z=1,37) = 0.4147