DISTRIBUSI PROBABLISTIK

DISKRIT DAN DISTRIBUSI

NORMAL
Kelompok 4
Dinal Khairi (11651101510)
Dzakwan Harist Mahendra (11751101312)
Rahmat Budiman (11651103704)
Resma Amalia (11651203558)
Ridho Anugrah Jaya P (11751102057)
Riska Amalia Anjela (11751202026)
Rizqi Maulana (11751100059)
Wahyu Mahesa (11751101286)
DISTRIBUSI GEOMETRI
 Distribusi binomial negative dapat didefenisikan
menjadi distribusi geomertik, bilangan x yang
menyatakan banyaknya ulangan yang diperlukan telah
mencapai satu keberhasilan ( x = 1 ).
 Bila usaha yang saling bebas dan dilakukan berulang kali
menghasilkan sukses dengan peluang p, gagal dengan
peluang q = 1 – p, maka distribusi peluang peubah acak
X, yaitu banyaknya usaha sampai saat terjadi sukses yang
pertama, diberikan oleh:
g(x; p) = pqx-1, x = 1,2,3, ...
 Rata-rata dan variansi peubah acak geometrik adalah:
μ = 1/p
σ2 = (1-p)/p2
DISTRIBUSI GEOMETRI
 Contoh :
 Untuk setiap pernyataan pada pilihan ganda, ada lima
kemungkinan, jawaban yang manakah yang benar. Jika
seorang siswa memilih jawaban secarah acak, berikan
probabilitas bahwa pernyataan pertama dijawab dengan
benar
 Jawab:
DISTRIBUSI
HYPERGEOMETRIK
 Perbedaan antara distribusi binomial dan distribusi
hipergeometrik terletak pada cara pengambilan sampelnya
 Dalam binomial proses pengambilan sampel dilakukan dengan
pengembalian (tiap kejadian saling bebas), Sedang pengamatan
pada hipergeometrik pengambilan sampel dilakukan tanpa
pengembalian
 Aplikasi banyak terdapat pada penerimaan sampel, pengujian
elektronik dan pengendalian mutu
 Dalam pengujian biasanya barang yang diuji menjadi rusak, jadi
tidak bisa dikembalikan
 Jika terdapat N benda, k benda adalah banyaknya sukses dan N
– k adalah gagal
 Bila sampel acak ukuran n diambil dari N benda, yang ingin
dicari adalah peluang memilih x sukses dari sebanyak k yang
tersedia dan n–x yang gagal dari sebanyak N-k yang tersedia.
DISTRIBUSI
HYPERGEOMETRIK
Percobaan Hipergeometrik mempunyai sifat :
1. Sampel acak ukuran n diambil tanpa
pengembalian dari N benda
2. Sebanyak k benda dapat diberi nama sukses
sedangkan sisanya , N-k diberi nama gagal
DISTRIBUSI
HYPERGEOMETRIK
 Distribusi peluang peubah acak hipergeometrik X, yaitu
banyaknya sukses dalam sampel acak ukuran n yang
diambil dari N benda yang mengandung k bernama sukses
dan N-k bernama gagal

Keterangan :
N = Populasi
k = sample
n = jumlah sample yg akan diambil
x = jumlah sample yg diharapkan
DISTRIBUSI
HYPERGEOMETRIK
 Rataan dan variansi distribusi hipergeometrik h(x;N,n,k)
adalah
DISTRIBUSI
HYPERGEOMETRIK
Contoh:
 Sebuah kotak berisi 40 suku cadang dikatakan memenuhi syarat
penerimaan bila berisi tidak lebih dari 3 yang cacat. Cara sampling
kotak ialah dengan memilih 5 suku cadang secara acak dari
dalamnya dan menolak kotak tersebut bila diantaranya ada yang cacat.
Berapakah peluang mendapatkan tepat satu yang cacat dalam
sampel berukuran 5 bila kotak tersebut berisi 3 yang cacat?
Jawab:
Diketahui : n=5
N=40
k=3
x=1
Ditanya : h ?
 DISTRIBUSI
HYPERGEOMETRIK
Dijawab :
k N−k
h(x;N,n k) = 𝑥 n−x

N
𝑛

3 40−3
h(1; 40, 5, 3) = 1 5−1

40
5

3 37
= 1 4

40
5
= 3! . 37!
1! (3-1)! 4! (37-4)!
40!
5! (40-5)!
 DISTRIBUSI
HYPERGEOMETRIK
= 3! . 37!
1! 2! 4! 33!
40!
5! 35!
= 3 x 2! . 37 x 36 x 35 x 34 x 33!
1! 2! 24 x 33!
40 x 39 x 38 x 37 x 36 x 35!
120 x 35! (utk 33! Dan 35! Dicoret karena sama)
= 3 . 1585080
24
78960960
120
= 3 . 66045
658008
= 198135
658008
= 0,3011
NILAI RATA-RATA DAN RAGAM
DISTRIBUSI HYPERGEOMETRIK
 Nilai rata-rata distribusi hipergeometrik merupakan
hasil kali contoh brukuran n dengan k keberhasilan
dibagi dengan N populasinya.
 Rasio k/N pada persamaan 8/10 setara nilainya
dengan probabilitas keberhasilan p, sehingga nilai
rata-rata bagi distribusi hipergeometrik dinyatakan
dalam persamaan berikut :
𝑛𝑘
 μ=
𝑁
 dan ragam bagi distribusi hipergeometrik h(x:N:n:k)
adalah:
2 𝑁−𝑛 𝑘 𝑘
 𝜎 = 𝑛 1−
𝑁−1 𝑁 𝑁
NILAI RATA-RATA DAN RAGAM
DISTRIBUSI HYPERGEOMETRIK
 Sebuah kantong plastik berisi 5 kelereng merah dan 4
kelereng biru kemudian diambil 3 kelereng tanpa
pemilihan. Bila X menyatakan banyaknya kelereng
merah yang diambil, susunlah fungsi dan dirtribusi
probabilitas hipergeometriknya.
Jawab ;
 Diketahui N = 9, N-k = 4, n = 3, dan k = 5. Dengan
menggunakan persamaan (8-11) diperoleh:
5 4
𝑥 3−𝑥
 Fungsi hipergeometrik h(x:9:4:5) = 9 untuk x =
3
0, 1, 2, 3
5 4
0 3−0 4
 Pada (x=0) h(0:9:4:5) = 9 =
84
3
NILAI RATA-RATA DAN RAGAM
DISTRIBUSI HYPERGEOMETRIK
5 4
1 3−1 40
 Pada (x=1) -> h(1:9:4:5) = 9 =
84
3
5 4
2 3−2 30
 Pada (x=2) -> h(2:9:4:5) = 9 =
84
3
5 4
3 3−3 10
 Pada (x=3) -> h(3:9:4:5) = 9 =
84
3
 Semua kemungkinan perubahan acak X probabilitasnya
dapat disusun dalam table berikut:
x 0 1 2 3

P(X=x) 4 40 30 10
84 84 84 84
DISTRIBUSI HYPERGEOMETRIK
PEUBAH GANDA
 Distribusi hipergeometrik dapat di diperluas
lagi dengan apa yang disebut distribusi
hipergeometrik peubah ganda yaitu bila suatu
populasi yang beranggotakan N disekat
menjadi sel A1, A2, …, Ak dengan anggota
masing-masing a1, a2, …, ak, maka distribusi
probabilitas bagi peubah acak X1, X2, …, Xk
adalah :
a1 a2 … ak
x1 x2 xk
 h(x1, x2, …, xk:N:n: a1, a2, …, ak) = N
n
DISTRIBUSI HYPERGEOMETRIK
PEUBAH GANDA
 sebuah kantong berisi 9 kaleng yang terdiri dari 4 merah, 2
biru dan 3 kuning. Tentukan fungsi probabilitas
hipergeometrik terpilihnya 1 kaleng merah dan 1 kaleng
biru. Dengan menggunakan distribusi hipergeometrik
peubah ganda x=1, y=1, N=9, n=5, a1 = 4, a2 = 2, maka
fungsi probabilitas terpilihnya kelereng merah(X) dan
kelereng biru(Y) dapat dinyatakan dalam probabilitas
bersama yaitu;
DISTRIBUSI POISSON
 Distribusi poisson merupakan limit dari distribusi binomial
dengan mengambil banyaknya n percobaan relative besar.
Distribusi poission digunakan untuk memodelkan sejumlah
kejadian yang terjadi pada interval atau selang waktu tertentu.
 Percobaan yg menghasilkan peubah acak X yang bernilai
numerik
 Banyaknya hasil selama selang waktu tertentu (menit, hari,
minggu, bulan atau tahun)
 Contoh:
- banyak hubungan telepon per jam yang diterima
sebuah kantor
- banyak pasien yang antri perjam
- banyak hari sekolah yg ditutup karena banjir
DISTRIBUSI POISSON
 Percobaan poisson memiliki sifat:
1. Tidak dipengaruhi kejadian lain
2. Peluang terjadinya hasil tunggal dalam
waktu pendek atau daerah kecil sebanding
dengan selang waktu atau besar daerah
3. Peluang terjadinya lebih dari satu hasil
dalam selang waktu yang pendek atau
daerah yg sempit tersebut dapat diabaikan
DISTRIBUSI POISSON
 Distribusi peluang peubah acak Poisson X, yang
menyatakan banyaknya sukses yang terjadi dalam suatu
selang waktu atau daerah tertentu dinyatakan dengan t,
diberikan oleh:
 e  t (  t ) x
p ( x; t )  , x  0,1,2,...
 x!
λt menyatakan rata-rata benyaknya sukses yang terjadi
per satuan waktu atau daerah tersebut dan e =
2,71828….
 dengan E(X) = t ,  2 = t
 Bila  = t =rata-rata banyak sukses yang terjadi per
selang waktu atau dalam daerah tersebut maka dapat
ditulis

DISTRIBUSI POISSON
 Dalam 2 bulan rata-rata mahasiswa tidak
masuk kuliah adalah 4 hari. Bila diasumsikan
jumlah hari tidak masuk kuliah mengikuti
distribusi passion, hitunglah pelunag
mahasiswa tidak masuk kuliah 3 hari dalam 1
bulan.
 Jawab:
4
 Dalam satu bulan μ = = 2 ℎ𝑎𝑟𝑖
2
𝑒 −2 23
 Dinyatakan x=3, P=(x=3)=p(3,2)= =
3!
0,180
DISTRIBUSI NORMAL
Distribusi normal (gussian) adalah salah satu distribusi terpenting
karena banyak aplikasi dalam berbagai kasus atau persoalan, serta
yang mendasari munculnya beberapa distribusi normal. penting
lainya. Sekurang kurangnya ada 4 alasan mengapa distribusi
normal menjadi yang paling penting:
 Distribusi normal terjadi secarah alamiah
 Beberapa variable acak yang tidak terdistribusi secara normal
dapat dengan mudah ditrnsformasikan menjadi suatu distribusi
variable acak yang normal.
 Banyak hasil dan teknik analisis yang burguna dalam pekerjaan
statistik hanya bisa berfungsi dengan benar jika model
distribusinya merupakan distribusi normal.
 Ada bebrrapa variable acak yang tidak menuntukan distribusi
normal pada populasinya, namun distribusi dari rata-rata sample
yang diambil secara random dari populasi tersebut ternyata
menujukkan ditribusi normal.
DISTRIBUSI NORMAL
Karakteriskrik yang ada pada distribusi
normal :
 Mempunyai sebuah puncak (unimodal)
dengan bentuk seperti lonceng.
 Mempunyai bentuk simestris karena
memiliki nilai mean yang sama dengan
median dan modus.
 Mempunyai kurva asymtotik karena ujung-
ujung dari kurva distribusi normal tidak
perna menyentuh sumbu mendatar.
DISTRIBUSI NORMAL
 Bila X suatu variabel random normal dengan nilai tengah
, dan standar deviasi , maka fungsi padat peluangnya
adalah:

  = 3,14159 e = 2,71828
DISTRIBUSI NORMAL
10

0
m

Mesokurtic Platykurtic Leptokurtic

Distribusi kurva normal dengan  dan  berbeda

DISTRIBUSI NORMAL
10

0 150 300 450

m

Mesokurtic Platykurtic Leptokurtic

Distribusi kurva normal dengan  berbeda dan  sama

DISTRIBUSI NORMAL

85 850

Distribusi kurva normal dengan  dan  berbeda

SIFAT - SIFAT PENTING
DISTRIBUSI NORMAL
Adapun sifat-sifat distribusi normal adalah:
 Grafiknya selalu ada di atas sumbu datar X
 Menjadikan bentuknya simestris terhadap μx
 Mempunyai 1 modus
 Grafiknya mendekati sumbu datar x dimulai
dari x = μ + 30 σ ke kanan dan x = μ - 30 σ
ke kiri
 σ makin besar kurva makin rendah (B)
 σ makin kecil, kurva makin tinggi (A)
DISTRIBUSI NORMAL
 Contoh variabel random yg memiliki distribusi
normal misalnya:
 distribusi error dalam pengukuran
 pengukuran dalam meteorologi
 pengukuran curah hujan
 sebagai pendekatan bagi distribusi binomial dan distribusi
hipergeometrik, dan lainnya
Mean µ

Varians

Deviasi Standar

Koefisien momen kemiringan

Koefisien momen kurtois

Deviasi mean
PROBABILITAS P ( a < X < b )
 P(a<x<b) = probabilitas variabel random x
memiliki nilai antara a dan b
 x1 μ x2
 P(a<x<b) = luas di bawah kurva normal
antara x=a dan x=b
PROBABILITAS P ( a < X < b )
Distribusi normal standard adalah distribusi normal
dengan mean μ=0 dan standard deviasi σ=1.
Transformasi memetakan distribusi normal menjadi
distribusi normal standard, sebab distribusi normal
dengan variabel z ini memiliki mean =0 dan standard
deviasi = 1. Transformasi ini juga mempertahankan
luas dibawah kurvanya, artinya: Luas dibawah kurva
distribusi normal standard antara z1 dan z2 Sama
dengan Luas dibawah kurva distribusi normal antara
x1 dan x2 dengan z1 = (x1-μ)/σ dan z2 = (x2-μ)/σ.
Sehingga cukup dibuat tabel distribusi normal
standard kumulatif saja! Luas kurva normal antara
x=a dan x=b sama dengan probabilitas x terletak
antara a dan b
PROBABILITAS P ( a < X < b )

𝑏
 P(a≤x≤b) = ‫𝑥𝑑 𝑥 𝑓 𝑎׬‬
 Tranformasi nilai x ke z

 Dimana nilai z =
PROBABILITAS P ( a < X < b )
 Z > 0 jika x > 
 Z < 0 jika x < 
 Simestris :
PROBABILITAS P ( a < X < b )
Contoh :
Diketahui data berdistribusi normal dengan mean  = 55
dan deviasi standar = 15 carilah transformasi z apabila
diketahui :
a. hitunglah probabilitas X nya bila b nya 65
diket : x1 = 65
 = 55
𝜎 = 15
 Ditanya : probabilitas x?
PROBABILITAS P ( a < X < b )
Jawab :

Atau =
PROBABILITAS P ( a < X < b )

Gambar kurvanya :
15
 PROBABILITAS P ( a < X < b )
Rumus nilai antara = A-B

b. hitunglah probabilitas bahwa X mengambil sebuah

nilai antara 60 dan 80

diket :
z1 (B) = 60
z2 (A) = 80
 = 55
𝜎 = 15

Ditanya : hitunglah probabilitas bahwa X mengambil

sebuah nilai antara 60 dan 80?
PROBABILITAS P ( a < X < b )
Jawab :
PROBABILITAS P ( a < X < b )
Bentuk kurva

15

μ=55 z1=60 z2=80 Z

THANK YOU