DISTRIBUSI

HIPERGEOMETRIK
Disusun oleh :
Winda Isnaini
Hanif Nur Khasanah
Fernanda Husni Nursani
Septi Lestari

ALLPPT.com _ Free PowerPoint Templates, Diagrams and Charts

 Definisi

Setiap percobaan statistik keluaran yang telah dihasilkan obye

knya selalu dikembalikan, sehingga probabilitas setiap percob
aan peluang seluruh obyek memiliki probabilitas yang sama. D
alam pengujian kualitas suatu produksi, maka obyek yang diuj
i tidak akan diikutkan lagi dalam pengujian selanjutnya, dapat
dikatakan obyek tersebut tidak dikembalikan. Probabilitas keja
dian suatu obyek dengan tanpa dikembalikan disebut sebagai
distribusi hipergeometik. Percobaan hipergeometrik memiliki s
ifat-sifat sebagai berikut:
– sebuah pengambilan acak dengan ukuran n dipilih tanp
a pengembalian dari N obyek
– k dari N obyek dapat diklasifikasikan sebagai sukses dan
N – k diklasifikasikan sebagai gagal.
Distribusi probabilitas dari variabel acak hipergeometrik X,
jumlah sukses dalam sebuah pengambilan acak berukuran
n yang dipilih dari N obyek, dimana k obyek sebagai
sukses dan N – k obyek sebagai gagal diberikan oleh:

 k  N  k 
  
x n  x
h x; N , n, k     
N
 
n
Ukuran Statistik Deskriptif Distribusi Hipergeometrik
Contoh soal
Contoh soal
Contoh soal
Sebaran Binomial Negatif da
n Sebaran Geometrik

OLEH :
Dian Herawati
Novita Khusnul Khotimah
Lustya Fifana Artha
Ryffa Amalia
 10

Sebaran Binomial Negatif

 Dalam teori probabilitas dan statistika, distribusi binomial

negatif termasuk distribusi probabilitas diskret jumlah

keberhasilan dalam n percobaan yang saling bebas

 Percobaan akan mengikuti distribusi binomial jika dalam

setiap percobaan selalu memiliki dua kejadian yang

mungkin, yakni ”Sukses” atau ”Gagal” dan memiliki nilai

probabilitas yang sama

Percobaan akan mengikuti distribu
si binomial negatif jika:
 Percobaan terdiri atas n usaha yang saling independen atau saling b
ebas, maksudnya hasil suatu percobaan tidak akan berpengaruh terh
adap hasil percobaan selanjutnya
 Tiap percobaan hanya terdiri dari dua kejadian yang mungkin, suks
es atau gagal
 Probabilitas sukses dan gagal untuk tiap percobaan adalah tetap, yai
tu p dan probabilitas gagal adalah 1-p

11
 12

Percobaan akan mengikuti distribusi binomial negatif

jika:

 Variabel random yang menyatakan banyaknya percoba

an agar terjadisukses ke- k merupakan variabel rando
m binomial negatif.
 13

Fungsi Peluang
✖ Secara umum jika X sebagai banyak
percobaan sehingga didapat sukses yang
ke- k, p menyatakan peluang sukses, da
n q menyatakan peluang gagal.Sehingga
diperoleh fungsi peluang dari X adalah

f(x) = (x= k, k+1, k+2, k+3,...)

 14

Rataan dan varian

 15

CONTOH SOAL
Dalam suatu turnamen bola voli pertandingan dinyatakan
berakhir jika salahsatu tim sudah memperoleh tiga kali
kemenangan. Missal tim A sedangberhadapan dengan tim
B. bedasarkan data yang diperoleh dari pertandingan-
pertandingan sebelumnya diperoleh bahwa P(A=menang)=
0.6, pada tiap pertemuan dan anggap merupakan kejadian
bebas. Berapakah peluang bahwapertandingan berakhir
dalam empat pertemuan?
 16

Sebaran Geometri
 17

Sebaran Geometri

✖
Distribusi geometrik adalah kasus khusus dari
distribusi binomial negatifuntuk k=1, yaitu di
stribusi peluang banyaknya percobaan yang d
iperlukanuntuk mendapatkan sukses pertama.

f (x)= p x=1,2,3,...
 18

Rataan dan vari

an
 19

CONTOH SOAL
Peluang seorang pemain basket memasukkan bola kedala
m keranjangadalah 0.7. karena dilanggar oleh pemain lawan
maka pemain tersebut mendapatkan hadiah “3 bola”. Jika ma
sing-masing kesempatan untukmemasukkan bola kita anggap
bebas, maka berapakah peluang bahwa pemaintadi pertama k
ali memasukkan bola pada kesempatan ketiga? Berapakah pel
uangpaling sedikit pemain tersebut memasukkan satu bola pa
da ketiga kesempatan?
Sebaran paisson

Istiqomah (171441000)
Hening Kurniawati (171441000)
Robertus Robianto (17144100069)
Regitanurvikasari (17144100071)
 CIRI-CIRI SEBARAN PAISSON
• Banyaknya hasil percobaan yang terjadi dalam suatu interval
waktu atau suatu daerah tertentu, tidak bergantung pada
banyaknya hasil percobaan yang terjadi pada interval waktu
atau daerah lain yang terpisah.
• Peluang terjadinya hasil percobaan selama suatu interval
waktu yang singkat atau dalam suatu daerah yang kecil,
sebanding dengan panjang interval waktu atau besarnya
daerah tersebut dan tidak bergantung pada banyaknya hasil
percobaan yang terjadi diluar interval waktu atau daerah
tersebut.
• Peluang lebih dari satu hasil percobaan yang terjadi dalam
interval waktu yang singkat atau dalam daerah yang kecil
dapat diabaikan.
 DEFINISI SEBARAN PAISSON
Sebaran peluang bagi peubah acak Paisson X yang dinyatakan
banyaknya hasil percobaan yang terjadi selama suatau selang
waktu atau daerah tertentu adalah
NILAI TENGAH SEBARAN PAISSON
VARIANSI SEBARAN PAISSON
 Khi-Kuadrat or
Chi-Square

 Vika Yuniana Putri

17144100070
 Retno Hajar Kurniasari
17144100075
 Mohamad Zukhruf
17144100087
 Amalia Rizkizulkardi
17144100080
 Pengertian Khi-Kuadrat

Distribusi khi-kuadrat (bahasa Inggris: Chi-

square distribution) atau distribusi χ² dengan
k derajat bebas adalah distribusi jumlah kuad
rat keperubah acak normal baku yang saling b
ebas.
Distribusi chi-kuadrat mempunyai rata-rata d
an variansi sebagai berikut :
Nilai Harapan :
μ = E(χ) = v
μ = E(χ2) = v2 + 2v
Variansi : σ2 = (E(χ2)- E(χ)) 2
= 2v
•
 UJI CHI-KUADRAT
Beberapa manfaat dari distribusi chi-kuadrat, yaitu antara lain :
1. Untuk menguji apakah frekuensi yang diamati berbeda seca
ra signifikan dengan frekuensi teoritis atau frekuensi yang di
harapkan.
2. Untuk menguji kebebasan (independensi antar faktor dari d
ata dalam daftar kontingensi
3. Untuk menguji apakah data sampel mempunyai distribusi ya
ng mendekati distribusi teoritis tertentu atau distribusi hipo
tesis tertentu (distribusi populasi), seperti distribusi binomia
l, distribusi poisson, dan distribusi normal.
1.Uji beda frekuensi yang diamati dan diharapka
n (Kecocokan)
Perbedaan antara frekuensi yang diobservasi
dengan yang diharapkan ditentukan
sebagai:
k 
χ2 =     Σ   (oi – ei)2
i=1    ei
Oi = frekuensi yang diperoleh/diamati
ei = frekuensi yang diharapkan
k = banyaknya frekuensi

Jika χ2 = 0, maka frekuensi yang diobservasi dengan frekuensi yang

diharapkan adalah tepat sama. Jika χ2 >0, maka frek observasi
berbeda dengan frek yang diharapkan. Makin besar nilai χ2 , makin
besar beda antara frek obsevasi dengan frek yang diharapkan.
2. Uji kebebasan ( independensi) dua faktor

Untuk menguji kebebasan dua faktor digunakan statistik hitung :

k
χ2 = Σ (f0 – fe)2
i=1 fe
f0 = frekuensi yang diperoleh/diamati
fe = frekuensi yang diharapkan
k = banyaknya frekuensi
Keterangan:
derajat kebebasan ө = (Jml baris – 1) (kolom – 1). fe frekuensi
harapan = jumlah menurut baris x jumlah menurut kolom/ jumlah
total. Jika nilai χ2h > χ2α, maka hipotesis nol (Ho) ditolak sedangkan
jika tidak, maka hipotesis nol (Ho) diterima
3. Uji Distribusi Populasi dengan
Distribusi Sampel
Uji ini digunakan untuk mengetahui sejauh mana kesesuaian ata
u tingkat kesesuaian antara distribusi sampel dengan distribusi po
pulasi, disebut juga uji kebaikan suai (test goodness of test).
Tahapan uji keselerasan apakah suatu distribusi mengikuti kurva n
ormal atau tidak adalah sebagai berikut :
1. Membuat distribusi frekuensi
2. Menentukan nilai rata-rata hitung X dan standar deviasi σ deng
an menggunakan data berkelompok.
3. Menentukan nilai Z setiap kelas, dimana Z = (X-μ)/ σ
4. Menentukan probabilitas tiap kelas dengan menggunakan nilai
Z.
5. Menentukan nilai harapan dengan mengalikan nilai probabilita
s dengan jumlah data.
6. Melakukan uji chi-kuadrat untuk menentukan apakah distribus
i bersifat normal atau tidak.
 Contoh soal
Banyak individu suku bangsa diduga mempunyai 4 macam g
olongan darah yaitu A,B, AB dan O. Berdasarkan pembagian
16%, 48%, 20% dan 16% pengamatan dilakukan terhadap 77
0 individu. Ternyata untuk 4 golongna darah itu berturut-tur
ut 179, 361, 130, dan 100. benarkah distribusi ke-4 golonga
n darah untuk suku bangsa itu? Gunakan α= 5%
 Contoh soal

peristiwa 1 2 3 4 5
Frekuensi observasi 6 7 8 9 10

Frekuensi 11 12 13 14 15
pengamatan

Apakah hubungan yang signifikan antara observasi dengan

pengamatan?
Contoh soal
SEBARAN NORMAL
Kelompok :
Kelas 4 A3
1.Devi Wulandari
(17144100074)
2.Laila Indah Fitrianingrum
(17144100083)
3.Karina Dias Rahmawati
(17144100086)
4.Sundap Priyatna
(17144100089)
 Definisi kurva normal 1

Distribusi Normal atau Kurva Normal adalah

salah satu alat statistik yang sangat penting
untuk menafsirkan arau meramalkan peristiwa
– peristiwa yang lebih luas. Dimana datanya
membentuk distribusi normal bila jumlah data di
atas dan di bawah mean nya sama.
Apabila X adalah suatu peubah acak normal
dengan nilai tengah µ dan ragam
Maka persamaan kurva normalnya adalah
 Sifat – sifat kurva normal 2

 Memiliki modus. Yaitu titik pada sumbu mendatar

yang membuat fungsi mencapai maksimum terjadi
pada x = µ

 Memiliki kurva yang setangkup terhadap suatu garis

tegak yang melalui nilai tengah

 Memiliki kurva yang mendekati sumbu mendatar

secara asimtotik dalam kedua arah bila semakin
menjauhi nilai tengahnya

 Memiliki luas daerah yang terletak di bawah kurva

tetapi di atas sumbu mendatar sama dengan 1
 bentuk kurva normal 3

Dapat dijuluki kurva lonceng (bell curve) karena grafik

fungsinya berbentuk lonceng. Bentuk kurva normal
adalah simetris, sehingga luas rata-rata (mean) ke
kanan dan ke kiri berada di tengah-tengah. Nilai
ordinatnya memuat nilai frekuensi dan absisnya
memuat nilai variabel.

- 0 +∞
∞
 daerah kurva normal 4

Daerah kurva normal adalah ruangan yang dibatasi oleh

daerah kurva dengan absisnya.
Luas derah kurva normal biasanya dinyatakan dalam persen
atau proporsi.
Jika dikatakan dalam satuana maka luasnya seratus persen,
dan jika dinyatakan dalam proporsi maka luasnya adalah 1
 sebaran normal baku 5

Sebaran Normal Baku adalah peubah acak yang memiliki

nilai tengah nol dan simpangan bakunya 1

Sebaran normal dapat diubah kedalam bentuk sebaran

normal baku dengan menggunakan rumus :

Dimana Z = nilai standar

X = nilai data ke – i dari suatu kelompok data
µ = rata – rata kelompok
 Nilai tengah & ragam 6

Nilai tengah dari sebaran Normal adalah nol

Karena

Sedangkan Ragam dari Sebaran Normal adalah 1

Karena
 Penerapan kurva normal 7
Contoh 1.

Suatu jenis aki mencapai umur rata-rata 3.0 tahun dengan

simpangan baku 0.5 tahun. Bila umur aki itu menyebar normal,
hitunglah peluang bahwa sebuah aki tertentu akan mencapai umur
kurang dari 2.3 tahun

Jawab :

Untuk menghitung P(X<2.3) maka harus mencari luas daerah

kurvanya terlebih dahulu

Dengan menggunakan tabel A4..maka diperoleh

P(x < 2.3) = P( z <1.4) = 0.0808
 Penerapan kurva normal 8
Contoh 2.

Nilai Mutu Rata-rata (NMR) pada 300 mahasiswa tingkat persiapan

mengikut sebaran normal dengan nilai tengah 2.1 dan simpangan baku
0.8. Berapa banyaknya mahasiswa tersebut mencapai NMR antara 2.5 dan
3.5 inklusif bila NMR itu dihitung sampai persepuluh terdekat

Jawab:
Karena dihitung pada persepuluh terdekat maka dihitung luas daerahnya
antara x1 = 2.45 dan x2 = 2.55

Jadi P (2.45 < X < 3.55) = P (0.44 < Z < 1.81)

= P (Z < 1.81) – P (Z < 0.44)
= 0.9649 – 0.6700 = 0.2949
shg banyaknya mahasiswa ada 29,49% atau 88 mahasiswa
 GAMMA DAN EKSPONENSIAL
Disusun Oleh :
1. Ayu restika syahputri (171441000)
2. Oktavianti (17144100081)
3. Afifah indah qur’ani (17144100081)
4. Adita (
 Distribusi Gamma
Tidak selamanya distribusi normal dapat
digunakan untuk memecahkan masalah teknik
dan sains. Contohnya dalam teori antrian dan
keandalan, kurang tepat bila digunakan
pendekatan dengan distribusi normal,
distribusi Gamma lebih tepat menjadi
solusinya. Distribusi eksponensial adalah
sebuah kasus distribusi Gamma.
 Distribusi Gamma
Definisi 1 :
• Distribusi Gamma adalah distribusi fungsi padat
• yang disebut luas dalam bidang matematika.
Definisi 2 :
• Fungsi gamma Fungsi Gamma r (α) adalah
Untuk α > 0
dengan e=2,71828
Fungsi gamma diintegralkan, bila α = n dengan n
adalah bilangan bulat positif, maka Γ(n) = (n-1)!
Sifat-sifat penting fungsi Gamma adalah :

• Untuk sebuah bilangan bulat positif n, (n) = (n

– 1) !
• Didefinisikan = (1/2) = π
 Distribusi Gamma
Definisi 3 :
Perubah acak kontinu X berdistribusi gamma dengan parameter
α dan β , jika fungsi padatnya berbentuk :
 1  1  x / 
 x e x0
   


f  x  
 0 lainnya



dimana dan . Dan mempunyai mean dan variansi dari di

stribusi Gamma masing-masing diberikan oleh
 Distribusi Eksponensial
• Distribusi eksponensial adalah salah satu kasu
s khusus dari distribusi gamma.
Distribusi Eksponensial