Mat Prob Pertemuan 2
Mat Prob Pertemuan 2
TEORITIS 1
MATEMATIKA PROBABILITAS
OUTLINE
Multinomial Distribution
Poisson Distribution
Hypergeometric Distribution
Normal Distribution
Exponential Distribution
Weibull Distribution
Distribusi Probabilitas Teoritis
Percobaan Bernoulli :
• 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.
• Contoh: Lempar Koin (gambar/angka)
Jenis kelamin bayi (Cowok/Cewek)
Binomial Distribution
Percobaan Bernoulli :
• Sebuah koin dilempar 2 kali
Tanpa
melihat
urutan
AA A2
AG AG
GA AG
GG G2
Binomial Distribution
Percobaan Bernoulli :
• Sebuah koin dilempar 3 kali Tanpa
melihat
urutan
A3
A2G
A2G
AG2
A2G
AG2
AG2
G3
Binomial Distribution
Percobaan Bernoulli :
Lempar Output
1 A G
2 A2 2 AG G2
3 A3 3 A2G 3 AG2 G5
4 A4 4 A3G 6 A2G2 4 AG3 G4
5 A5 5 A4G 10 A3G2 10 A2G3 5 AG4 G5
Segitiga Pascal
Binomial Distribution
Percobaan Bernoulli :
• Banyaknya X sukses dalam n pengulangan suatu
percobaan bernoulli disebut sebagai variabel
random Binomial.
• Distribusi probabilitasnya disebut distribusi Binomial
dan nilainya dinyatakan sebagai :
b(x,n,p) dimana x = 1, 2, …, n
n x nx
b( x; n, p ) p q
x
Binomial Distribution
i 0 i
• Expected
E ( x) np
Binomial Distribution
1. Gambarkan PMF untuk kemungkinan munculnya
“angka” dari sebuah koin yang dilempar 10 kali.
2. Gambarkan CDF untuk kemungkinan munculnya
“angka” dari sebuah koin yang dilempar 10 kali.
3. Berapa nilai rata-ratanya.
Binomial Distribution
10 0 100
b(0;10;0,5) 0,5 0,5 0,001
0
10 1 101
b(1;10;0,5) 0,5 0,5 0,010
1
●
●
●
10 10 1010
b(10;10;0,5) 0,5 0,5 0,001
10
Binomial Distribution
Gambarkan PMF untuk kemungkinan munculnya
“angka” dari sebuah koin yang dilempar 10 kali:
Binomial Distribution
Gambarkan PMF untuk kemungkinan munculnya
“angka” dari sebuah koin yang dilempar 10 kali:
Binomial Distribution
Gambarkan CDF untuk kemungkinan munculnya
“angka” dari sebuah koin yang dilempar 10 kali:
Binomial Distribution
Gambarkan CDF untuk kemungkinan munculnya
“angka” dari sebuah koin yang dilempar 10 kali:
Binomial Distribution
Berapa nilai rata-ratanya:
Binomial Distribution
Tugas 1:
Buatlah PMF dan CDF untuk kemungkinan
keluar angka enam untuk satu buah dadu
yang dilempar sebanyak 9 kali.
Binomial Distribution
Buatlah PMF dan CDF untuk kemungkinan keluar angka
enam untuk satu buah dadu dilempar sebanyak 9 kali.
Binomial Distribution
Buatlah PMF dan CDF untuk kemungkinan keluar angka
enam untuk satu buah dadu dilempar sebanyak 9 kali.
Binomial Distribution
0,170
0,147
0,092
0,081
0,035 0,001
0,031
0,012
0,005 0,003
Binomial Distribution
0,219
0,206 Tepat 5 orang yang selamat
P(x = 5) = ?
0,170
0,035 0,001
0,031
0,012
0,005 0,003
Binomial Distribution
0,219
0,206 3 sampai 8 orang selamat
P(3 ≥ x ≥ 8) = ?
0,170 P(3 ≥ x ≥ 8) = 0,170 +
0,147 0,219 +
Selamat
0,206 +
0,147 +
0,092
0,081
0,081 +
0,035
P(3 ≥ x ≥ 8) = 0,858
0,035 0,001
0,031
0,012
0,005 0,003
Binomial Distribution
i 0 i
• Expected
E ( x) np
MULTINOMIAL
DISTRIBUTION
DISTRIBUSI DISKRIT
Multinomial Distribution
n!
p = (P1r1) (P1r1) (P1r1)
x1!x2!x3!
P = 0,123 = 12,3%
6!
p = (1/3)2 (1/3)2(1/3)2
2! 2! 2!
Multinomial Distribution
Latihan:
Dikumpulkan barang yang dihasilkan
masing-masing mesin A, B dan C sebanyak
4, 6, dan 7 buah. Dari 17 barang diambil
sebuah dikembalikan lagi. Maka bila dari 6
barang yang diambil akan diperoleh 2 dari
mesin A, 3 dari mesin B, dan 1 dari mesin C.
Tentukan probabilitasnya!
POISSON DISTRIBUTION
DISTRIBUSI DISKRIT
Poisson Distribution
=1
=5
= 10
Poisson Distribution
0,195 0,195
x
x
0,156
f ( x; ) e
0,147 x!
0,104
0,073
0,060
0,030
0,018
0,013
0,005 0,002
0,001
Poisson Distribution
0,195 0,195
Tepat 5 orang yang terkena
P(x = 5) = ?
0,156
0,147 P(x = 5) = 0,156
0,104
0,073
0,060
0,030
0,018
0,013
0,005 0,002
0,001
Poisson Distribution
0,195 0,195
Paling sedikit 10 orang yang
terkenq
P(x ≥ 10) = ?
0,156
0,147 P(x ≥ 10) = 0,005 + 0,002 + 0,001
P(x ≥ 10) = 0,008
0,104
0,073
0,060
0,030
0,018
0,013
0,005 0,002
0,001
Poisson Distribution
0,195 0,195
3 sampai 8 orang terkena
P(3 ≥ x ≥ 8) = ?
P(3 ≥ x ≥ 8) = 0,195 +
0,156
0,147 0,195 +
0,156 +
0,104 +
0,104
0,060 +
0,073 0,030
0,060 P(3 ≥ x ≥ 8) = 0,74
0,030
0,018
0,013
0,005 0,002
0,001
HYPERGEOMETRIC
DISTRIBUTION
DISTRIBUSI DISKRIT
Hypergeometric Distribution
• Distribusi hipergeometrik, seperti distribusi
binomial, menggunakan variabel diskrit
dengan 2 kejadian yang berkomplemen,.
• Ciri dari Hipergeometrik :
terdapat populasi sebanyak N dan terdapat
sebanyak r kategori A. Dari populasi ini,
diambil sebuah sampel acak berukuran n.
Dari sampel berukuran n tsb akan diketahui
peluang bahwa terdapat sebanyak x buah
kategori A.
•
Terdapat populasi N, terdapat r kategori A. Diambil sampel
acak n. Peluang terdapat sebanyak x buah kategori A.
Hypergeometric Distribution
Perbedaan utama antara distribusi binomial
dan distribusi hipergeometrik adalah :
• Pada distribusi binomial pengambilan
sampel dilakukan dengan pengembalian.
• Pada distribusi hipergeometrik pengambilan
sampel dilakukan tanpa pengembalian.
• setiap hasil percobaan mempunyai probabilitas
terjadi kejadian sukses yang tidak sama (tetap)
• hasil probabilita kejadian sukses antar percobaan
adalah dependen atau saling mempengaruhi
Hypergeometric Distribution
• Persamaan distribusi Hypergeometric:
r N r
Cx Cn x
p( x) N
, dimana 0 x r
Cn
Hypergeometric Distribution
• Rata-rata:
n.r
N
• Varians:
n.r ( N r )( N n)
2
N 2 ( N 1)
• Standar deviasi:
n.r ( N r )( N n)
N 2 ( N 1)
Hypergeometric Distribution
• Contoh soal:
• Suatu produk makanan ringan dikirim
kepada agen dalam kotak berisi 20 unit.
Dari pemeriksaan kualitas terdapat paling
banyak 1 unit rusak. Pemeriksaan dilakukan
terhadap 5 unit barang secara acak diambil
dari tiap kotak. Jika kotak berisi 4 unit
barang, berapa peluang tidak terdapat
lebih dari 1 unit?
Hypergeometric Distribution
• Suatu produk makanan ringan dikirim kepada agen dalam kotak berisi 20 unit.
Dari pemeriksaan kualitas terdapat paling banyak 1 unit rusak. Pemeriksaan
dilakukan terhadap 5 unit barang secara acak diambil dari tiap kotak. Jika
kotak berisi 4 unit barang, berapa peluang tidak terdapat lebih dari 1 unit?
N= 20, r = 4, n = 5
Rusak 0 unit 4 20 4
C0 C50
x = 0 p( x 0) 20
0,2817
C5
Rusak 1 unit 4 20 4
C1 C51
x=1 p( x 1) 20
0,4696
C5
peluang tidak terdapat lebih dari 1 unit rusak adalah :
P(x=0)+P(x=1)
= 0,2817 + 0,4696 = 0,7513
UNIFORM DISTRIBUTION
DISTRIBUSI KONTINYU
Uniform Distribution
• Setiap nilai random variabel mempunyai
peluang kemunculan sama untuk nilai diantara
minimum (a) dan maksimum (b)
Uniform Distribution
• ‘a’ adalah parameter lokasi (location)
• ‘b-a’ adalah parameter skala (scale)
• Distribusi uniform tidak mempunyai parameter
bentuk (shape)
• Nilai expected:
E(x) = (b+a)/2
• Nilai standar deviasi:
σ = (b-a)2/12
UNIFORM DISTRIBUTION
x a
2
F x if a x c
b a c a
b x
2
F x 1 if c x b
b a b c
F x 1 if x b
NORMAL DISTRIBUTION
DISTRIBUSI KONTINYU
Normal Distribution
• Pada distribusi Binomial, saat trial n membesar:
Normal Distribution
P(x)
x
Normal Distribution
Kurva mencapai
maksimum pada Kurva pada
x=μ kedua sisi x = μ
adalah simetris
Sumbu x
merupakan asimtot
dari kurva normal
μ = 10; σ = 1
μ = 10; σ = 3
μ = 15; σ = 1
Normal Distribution
2
• Cummulatif Distribution Function
1 x
F ( x) 1 erf
2 2
• Expected
E (x )
LOG NORMAL DISTRIBUTION
DISTRIBUSI KONTINYU
Log Normal Distribution
• Plot probability dari suatu set data terlihat sbb:
Log Normal Distribution
• Bila axis x dinyatakan dalam natural logarithmic:
Log Normal Distribution
• Bila diplotkan kurva pada distribusi tersebut, didapat
kurva yang sesuai adalah Normal
P(x)
Ln x
Log Normal Distribution
• Sehingga dapat diformulasikan distribusi probabilitas
1 x ' '
2
1
2 '
f ( x' ) e
' 2
dimana:
x’ = ln (x), μ’ = mean ln (x), σ’ = standar deviasi ln (x)
μ' = 1; σ’ = 0,5
μ' = 1,5; σ’ = 1
μ‘= 1; σ’ = 1
Log Normal Distribution
x 2
• Cummulatif Distribution Function
1 1 ln x
F ( x) erf
2 2 2
• Expected
2 / 2
E( x) e
EXPONENTIAL DISTRIBUTION
DISTRIBUSI KONTINYU
Exponential Distribution
Pada distribusi Poisson, diformulasikan:
e x dimana
P( x) x = jumlah kejadian
x! = rata-rata kejadian per satuan waktu
λ = 0,1
λ = 0,5
λ = 1,0
Exponential Distribution
F ( x) 1 ex
• Expected
E ( x)
1
WEIBULL DISTRIBUTION
DISTRIBUSI KONTINYU
Weibull Distribution
• Dari proses Poisson, peluang dalam kurun t waktu
tidak terdapat kejadian , R(t)~Reliability, diberikan
P(T t ) P( x 0 t ) R(t ) et
• Sementara untuk distribusi Eksponensial, PDF
f (t ) e t
• Hazard rate (instantaneous failure rate) diformulasikan
f (t ) e t
h(t ) t
R(t ) e
• Hasil yang menunjukan nilai konstan h(t) = λ
Weibull Distribution
• Bila nilai Hazard rate konstan h(t) = λ diubah
menjadi bentuk polinomial h(t) = atb
1
t
• Untuk h(t ) , didapat distribusi Weibull.
• Nilai PDF untuk Weibull
Weibull Distribution
P(x)
t
0 5 10 15 20
Weibull Distribution
# 0 2 2 3 0 4 0 0 3 0 0 0 0 1 0
1. Rata-rata:
E(x) = (b+a)/2 = 14
# 0 2 2 3 0 4 0 0 3 0 0 0 0 1 0
1. Rata-rata:
E(x) = (a+b+c)/3 = 13,33
8 12 20
3. Maksimal t dengan CI 90%
F(x) = 0,90
x = 17,17
Contoh soal
t 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
# 0 2 2 3 0 4 0 0 3 0 0 0 0 1 0 15
T 0 16 18 30 0 48 0 0 45 0 0 0 0 20 0 177
x
F ( x) 1 e
# 0 2 2 3 0 4 0 0 3 0 0 0 0 1 0
1. Rata-rata:
E(x) = μ = 11,8
1 x
F ( x) 1 erf
2 2
THE STANDARD NORMAL DISTRIBUTION
The standard normal random variable, Z, is the normal random
variable with mean = 0 and standard deviation = 1: Z~N(0,12).
f(z)
z
P(0 ≤ z ≤ 1,25) = 0,3944
P( z ≤ 1,00 ) = 0,5 + 0,3413 = 0,8413
P( 1 ≤ z ≤ 1,55) = 0,4394 – 0,3413
= 0,0981
f(z)
z=(x–μ)/σ
f(z)
x=μ±(zσ)
Contoh soal
t 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
# 0 2 2 3 0 4 0 0 3 0 0 0 0 1 0
t’ 1,9 2,1 2,2 2,3 2,4 2,5 2,6 2,6 2,7 2,8 2,8 2,9 2,9 3,0 3,0
# 0 2 2 3 0 4 0 0 3 0 0 0 0 1 0
2 / 2
E( x) e
1. Rata-rata:
μ’ = 2,47 dan σ’ = 0,25
E(x) = 12,12
Contoh soal
t 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
t’ 1,9 2,1 2,2 2,3 2,4 2,5 2,6 2,6 2,7 2,8 2,8 2,9 2,9 3,0 3,0
# 0 2 2 3 0 4 0 0 3 0 0 0 0 1 0
# 0 2 2 3 0 4 0 0 3 0 0 0 0 1 0
E( x) 1 1/
x
F ( x) 1 e
1. Rata-rata:
β = 2,47 dan η = 0,25
E(x) = 11,18
2. Peluang t 10 sd 14 menit
P(10 ≤ x ≤ 14) = F(14) - F(10)
= 0,74 – 0,29 = 0,45
3. Maksimal t dengan CI 90%
F(x) = 0,90
x = 15,98
Contoh soal
t 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
# 0 2 2 3 0 4 0 0 3 0 0 0 0 1 0