Anda di halaman 1dari 28

DISTRIBUSI PELUANG

Distribusi Farik : Distribusi yang diturunkan dari hasil suatu percobaan


dengan ruang sampelnya farik.
Distribusi Malar : Distribusi yang diturunkan dari hasil suatu percobaan
dengan ruang sampelnya malar.

A. Peubah Acak
* Jika sebuah mata uang dengan sisi muka ( M ) dan belakang ( B )
dilemparkan 3 kali memberikan ruang sampel :
S =  MMM, MMB, MBM, BMM, MBB, BMB, BBM, BBB 
* Bila yang diperhatikan banyaknya sisi muka yang muncul, maka
hasil numerik : 0, 1, 2, dan 3.
* Transformasi yang memasangkan titik sampel di S kesuatu hasil
numerik disebut peubah acak ( random variabel )
* Jika x menyatakan banyaknya sisi muka yang muncul :
x = 0 untuk  BBB 
x = 1 untuk  MBB, BMB, BBM 
x = 2 untuk  MMB, MBM, BMM 
x = 3 untuk  MMM 
Karena n ( S ) = 8, maka :
P(x=0) = 1
8
3
P(x=1) =
8
3
P(x=2) =
8
1
P(x=3) =
8
Nilai-nilai peluang ini disebut Fungsi Distribusi Peluang Farik ( Fungsi massa
peluang dari peubah acak x
Dalam tabel.
x P(X=x) = p(x)
1
0 8
3
1 8
3
2
8
1
3 8
Sifat :
1. p ( x )  0 untuk x = 0, 1, 2, 3
3
2. 
X=0
p(x)=1

Secara umum :
1. pi  0 untuk i = 1, 2, 3,... n
n
2. 
i=1
pi = 1

Sifat ini dapat diperluas lagi untuk peubah acak yang memiliki tak hingga
banyaknya nilai, dan masih dapat dipadankan satu-satu dengan bilangan
asli A =  1, 2, 3, ... 
1. pi  0 untuk i = 1, 2, 3, ...

2. 
i=1
pi = 1
Ada dua momen penting dari peubah acak :
* Nilai harapan ( expected value )

 = E ( X ) =  xi.pi
i=1

* Variansi ( Variance )

 2 = E(X - )2 =  (x1 - i)2.pi
i=1
atau : 
2 = E(X2) - 2, dengan E(X2) = xi2 .pi
i=1
Untuk peubah acak farik X yang nilainya terhingga banyaknya ( n ).
n
 = E(X) =  xi.pi
i=1
n
 2 = E(X - )2 =  (x1 - i)2.pi
i=1
Untuk peubah acak malar X memiliki fungsi padat peluang (x).
1. (x)  0, x  R
+
2.
 (x) dx dx = 1
- b
3. P(a  X  b) =
 (x) dx,
a

Nilai harapan
+
 = E(X) = - x.(x)dx
b
 = E(X) = a x.(x)dx
Variansi :
+ +
2 =  (x-)2. (x) dx =  x2. (x) dx - 2
- -

b b
2 =  (x-)2. (x) dx =  x2. (x) dx - 2
a a

B. Distribusi Peluang Farik


1. Distribusi seragam farik
Jika X adalah sebuah peubah acak seragam, fungsi massa peluang
dari X adalah : p (x) = 1/n, x = 1, 2, 3, ... n,
n = banyaknya keadaan atau hasil yang dapat terjadi
( n+1 )
Nilai harapan  =
2
( n2 - 1 )
Variansi  =
2
12
Contoh :
Jika sebuah dadu dilemperkan, dan peubah acak X menyatakan bilangan
mata dadu yang muncul, tentukanlah :
a. Fungsi massa peluang dari X,
b. Nilai harapan dan variansinya.

Penyelesaian :
a. Fungsi massa peuang X adalah :
p(x) = 1/6 untuk x = 1, 2, 3, 4, 5, 6

2 35
b. Nilai harapan  = 6+1 = 3,5 dan Variansi : 2 = 6 -1 = = 2,92
2 12 12

2. Distribusi Hipergeometris
Distribusi Hipergeometris adalah penarikan sampel ( sampling ) dimana
objek yang diambil tidak dikembalikan lagi ke populasinya. Jika X adalah
sebuah peubah acak hipergeometris yang menggambarkan pengambilan n
objek dari populasi yang berukuran N, fungsi massa peluang dari x adalah :
N1 N2
x n-x
p(x) = ,x = 1, 2, 3, ...,n
N
n

N1 = Ukuran sub populasi sukses


N2 = Ukuran sub populasi gagal
N = Ukuran populasi = N1 + N2
n = Ukuran sampel
x = Banyaknya gejala sukses diantara n objek yang terambil
N1
Nilai harapan adalah :  = n.
N

Nilai variasinya adalah : 2 = n. (


N1
N
N
)( 1 - 1 )(
N
N-n
N-1
).
Contoh :

Sebuah populasi terdiri dari 10 produk, 4 diantaranya rusak, 3 buah produk


diambil secara acak sebagai sampel.
a. Tentukan fungsi massa peluang yang sesuai peristiwa ini.
b. Berapa peluang bahwa terdapat sebuah produk yang rusak di dalam
sampel tersebut ?
c. Berapa peluang untuk 2 buah produk yang rusak didalam sampel tsb ?
d. Tentukan nilai harapan dan variansinya.

Penyelesaian : N = 10
N1 = 4
N2 = 10 – 4 = 6
n = 3

N1 N2 4 6
x n-x x 3-x
a. p(x) = = untuk x = 0, 1, 2, dan 3
N 10
n 3
b. Peluang mendapatkan 1 produk yang rusak dalam sampel.
4 6 4! 6!
1 2 1!.3! 2!.4! 4.15
p(1) = = = 120
= 0,5
10 10!
3 3!.7!

c. Peluang mendapatkan dua produk yang rusak dalam sampel :


4 6 4! 6!
2 1 2!.2! 5! .
P(2) = = = 0,3
10 10!
3 3!.7!

4 = 12 = 1,2
d. Nilai harapan :  = 3 .
10 10

Variansinya 2 = n N1 1 - N1 N-n
N N N-1
504
2 = 3 4 1- 4 10 - 3
= = 0,56
10 10 10 - 1 900
3. Distribusi Rumpun Binomial
Model distribusi ini diterapkan pada kasus percobaan bernoulli dengan
ciri sebagai berikut :
a. Tiap-tiap percobaan hanya memiliki dua kemugkinan hasil, yakni
sukses dan gagal.
b. Peluang sukses selalu sama pada setip percobaan, akan tetapi
peluang sukses tidak harus sama dengan peluang gagal.
c. Percobaan diulangi sebanyak n kali dan bersifat bebas.

Jika x adalah sebuah peubah acak binomial, maka fungsi massa


peluang dari x adalah :
n x
p(x) = p (1 – p)n-x, x = 0, 1, 2, ... n
x
p = Peluang percobaan yang sukses
n = Banyaknya percobaan
x = Banyaknya gejala sukses yang terjadi
Nilai harapan  = np
Vriansinya 2 = np (1-p)
Contoh :
1. Seseorang peneliti ingin mengetahui kesukaan konsumen terhadap
produk yang dihasilkan oleh sebuah perusahaan. Peneliti tersebut
mengirimkan angket melalui pos kepada 5 orang responden,
kemungkinan setiap responden akan mengembalikan angket yang
telah diisi adalah 20% = 0,2 . Berapakah peluang peneliti tadi akan :
a. Memperoleh dua angket yang kembali ?
b. Memperoleh setidak-tidaknya 4 angket yang kembali
c. Tidak ada angket yang kembali.

Penyelesaian :
Banyaknya responden = 5
Peluang setiap responden mengembalikan angket adalah p = 0,2
Fungsi massa peluang x (banyaknya angket yang ekmbali adalah :
5
P(x) = (0,2)x(0,8)5-x, untuk x = 0, 1, 2, 3, 4, 5
x
a. Peluang mendapatkan dua angket yang kembali
5
p(2) = (0,2)2(0,8)5-2 = 10 (0,04)(0,512) = 2048
x
b. Peluang mendapatkan setidak-tidaknya empat angket yang kembali
(berarti 4 atau 5 ) adalah :

p(x4) = p(4) + p(5)


5 5
= (0,2)4(0,8) + (0,2)5
4 5
= 0,0064 + 0,0003 = 0,0067
c. Peluang tidak ada angket yang kembali adalah :
5
P(0) = (0,8)5 = 1 (0,3277) = 0,3277
0

2. Seseorang melemparkan tiga mata uang sekaligus


a. Tentukan peluang orang tersebut mendapatkan semuanya sisi
belakang sebanyak dua kali pada lemparan kelima ?
b. Berapa peluang pelemparan tiga mata uang itu dilakukan sampai
mendapatkan ketiganya sisi muka untuk yang pertama kali pada
lemparan ke empat ?
Penyelesaian :
a. Percobaan akan menghasilkan distribusi binomal negatif dengan
y = 5, k = 2 dan p = ¼. A =  MMM, BBB ; n(A) = 2
S =  MMM, MMB, MBM, BMM, MBB, BMB, BBM, BBB 
n(S) = 8
n(A) 2 1
p(A) = = =
n(S) 8 4
y-1 k
Rumus : p(y) = p (1-p)y-k
k-1

Untuk y = k, k+1, k+2, ...


2 5-2
5-1 1 3
P(5) =
2-1 5 4
4 33 33 = 27
= = 4. = 0,105
1 45 45 256
b. Peluang mendapatkan tiga sisi muka adalah : 1/8, dan y = 4
Rumus : p(y) = p(1-p)y-1
p(4) = 1/8 ( 1 – 1/8 )4-1
= 1/8. ( 7/8 )3 = 73/84 = 0,084

4. Distribusi Multinomial
Fungsi massa peluang distribusi multinomial dinyatakan dengan :
n
p( x1, x2, ...xk ) = p1x1 p2x2 ....pkxk
x1 x2 ...xk

dengan : x1 + x2 + ... xk
0  pi  1, i = 1, 2, 3, ... k
P1 + p2 + p3 + ... pk = 1
Contoh :
Sebuah kotak berisi 3 kelereng merah ( M ) 4 kelereng hijau ( H ) dan 5
kelereng kuning ( K ). Sebuah kelereng diambil secara acak dari kotak
itu, warnanya dicatat lalu dikembalikan ke dalam kotak. Jika percobaan
ini dilakukan 6 kali, berapa peluang diantara 6 kali pengambilan itu
diperoleh 1 warna merah, 2 warna hijau, dan 3 warna kuning ?

Penyelesaian :
p (M) = 3/12, p(H) = 4/12, p(K) = 5/12

Peluang mendapatkan 1 merah, 2 hijau, dan 3 kuning adalah


1 2 3
6 3 4 5
P(1,2,3) =
123 12 12 12
2 3
6! 3 4 5
= = 0,1206
1! 2! 3! 12 12 12
5. Distribusi Poisson
Jika x adalah sebuah peubah acak poisson dengan rata-rata = , maka
fungsi massa peluang dari x adalah :
e- x
p(x) = x! , untuk x = 0, 1, 2, ...

dengan bilangan Eluer e = 2,718281828....

Contoh :
Seorang operator telepon rata-rata menerima satu permintaan
sambung setip menit, dengan kecenderungan distibusi poisson.
a. Berapa peluang ia tidak menerima satu permintaan sambungan
dalam satu menit ?
b. Berapa peluang ia menerima kurang dari empat permintaan
sambungan dalam satu menit ?
Penyelesaian :
Distribusi Poisson dengan rata-rata  = 1
e-. x e-1. 1x
p(x) = =
x! x!

a. Peluang tidak menerima telepon dalam semenit adalah :


e-1. 10 1 1
p(x) = = = = 0,3679
x! e 2,7182
b. Peluang menerima telepon kurang dari empat kali
P(x  4) = p (x  3)
= p (0) + p (1) + P (2) + p (3)
e-1 e-1 e-1 e-1
= + + +
0! 1! 2! 3!
= 0,3679 + 0,3679 + 0,1839 + 0,0613
= 0,9810
C. Distribusi Peluang Malar
- Distribusi Normal
- Distribusi Student t
- Distribusi Chi-kuadrat
- Distriiibusi Snedecor F

1. Distribusi Normal
Distribusi normal banyak digunakan dalam pengujian hipotesis, teori
penaksiran parameter dan distribusi penyampelan.
Distribusi normal dengan rata-rata  dan simpanga baku  sebagai
berikut :
F(x) = 1 e -1/2(x-) /  , untuk -  x  
2 2

 2
Dimana :
 = Nilai konstanta, dimana  = 3,1416
e =Bilangan euler

Peubah acak x dengan daerah nilai -  x  , berdistribusi normal,


jika fungsi padat peluangnya seperti f(x) diatas.
Daftar luas dibawah Distrbusi Normal Baku

z 1 2 ... 5v ... 8 9

0,0
0.1
...
v v
...
2.1 4842
...

3.9

Karena luas seluruh daerah di bawah kurva sama dengan satu dan kurva
simetris terhadap  = 0, maka luas dari garis tegak pada titik nol ke kiri
ataupun ke kanan adalah 0,5.
Contoh :
a. Luas antara z = 0 dan z = 21,5
Dari baris 2,1 menuju ke kanan dan dari
kolom 5 menurun maka didapat 4842. luas
daerah yang dicari = 0,4842
Dengan notasi peluang : P(0  Z  2,15)
= 0,4842

b. Luas antara z = 0 dan z = -1,86


karena z bertanda negatif maka pada garis
grafiknya diletakkan di sebelah kiri 0.
Dari baris 1,8 menuju ke kanan dan dari
kolom 6 menurun maka didapat 4686. Luas
daerah yang dibayangi = 0,4686 atau
P(-1,86  Z  0) = P(0  Z  1,86) =
0,4684
c. Luas antara z = -1,50 dan z = 1,82
Bahwa kita harus mencari luas dua kali. Untuk z = 1,82 = 0,4656
dan z = -1,50 = 0,4332, maka nilaia adalah = 0,4656 + 0,4332 =
0,8988, dengan notasi peluang :
P(-1,50  Z  1,82) = P(-1,50  Z  0) + P(0  Z  1,82)
= 0,4656 + 0,4332
= 0,8988
2. Distribusi Student t

z t 0,995 t 0,99 t 0,95 ...v ... ... t 0,55

v v
...
12 1,78
...
Contoh :
a. Untuk n = 13, jadi dk = 12 dan p = 0,95 maka t = 1,78.
dapat dilihat dari baris 12 menuju ke kanan dan dari kolom t0,95
akan mendapat = 1,78.

3. Distribusi che-kuadrat
Distribusi chi-kuadrat adalah Distribusi peubah acak malar yang
mempunyai fungsi padat peluang.
1 - 1 x
f(x) = v/2 1  2
V-1
e 2 , x0
2 (v/2)

Dengan v = derajat kebebasan



Bahwa 
-
f(x) dx = 1
Daftar Tabel luas kurva chi-kuadrat
Nilai persentil untuk Distribusi x2, dk = v
( Bilangan dalam badan daftar menyatakan x2p

v ...
2
x0,95 v ... 2
x0,005

1
2
v v

14 23.7
...

Contoh :
a. Untuk mencari x2 dengan p = 0,95 dan dk = 14, maka lihat tabel
diatas. Di kolom kiri cari 14 dan dibaris atas x0,95. dari 14 menuju
kekanan dan dari x0,95 menurun di dapat = 23,7
4. Distribusi Snedecor F
Distribusi F adalah :
v1 + v 2 v1
( ) v1
v1 v + v2
2 v1 2 ( -1 ) -( 1 )
f(x) = x 2
(1+ x) 2
v v v v2
( 1) ( 2 ) 2
2 2

untuk x  0 dengan v1 = dk pembilang dan v2 = dk penyebut

v2 = dk
v1 = dk pembilang
penyebut
24 v 

v v

3,12
8
5,28
Contoh :

Untuk pasangan derajat kebebasan v1 = 24 dan v2 = 8, ditulis juga ( v1v2 )


= ( 24,8 ), maka untuk p = 0,05 di dapat F = 3,12, sedangkan untuk p = 0,01
di dapat F = 5,28 ( lihat tabel diatas ).
Notasi lengkap untuk nilai F dari tabel distribusi F dengan peluang p dan dk
= (v1 v2 ) adalah Fp (v1v2) .
F0,05(24,8) = 3,12 dan F0,01(24,8) = 5,28

Anda mungkin juga menyukai