Variabel Acak
Lempar DADU 2 x
Jika X adalah jumlah berapa kali 4 muncul
(maka X adalah 0, 1, or 2 kali)
Lempar KOIN 5 x.
Jika X adalah jumlah muka
(maka X = 0, 1, 2, 3, 4, or 5)
Distribusi Probabilitas Diskrit
.50
.25
M M
0 1 2 X
Variabel Acak Diskrit
Ringkasan Pengukuran
Nilai harapan (or mean) dari distribusi diskrit
(Weighted Average)
N
E(X) Xi P( Xi )
i1
N
σ σ2 i
[X
i1
E(X)]2
P(Xi )
dimana:
E(X) = Nilai harapan dari variabel acak diskrit X
Xi = hasil ke-I dari X
P(Xi) = Probabilitas kejadian ke- I dari X
Variabel Acak Diskrit
Ringkasan Pengukuran
(lanjutan)
σ [X i
E(X)] P(X2
i )
Var(X Y) σ 2X Y σ 2X σ 2Y 2σ XY
Standar deviasi dari jumlah dari 2 variabel
acak:
σ X Y σ 2X Y
Distribusi Probabilitas
Distribusi
Probabilitas
Binomial Normal
Hypergeometric Uniform
Poisson Exponential
Distribusi Binomial
Distribusi
Probabilitas
Distribusi
Probabilitas
DISKRIT
Binomial
Hypergeometric
Poisson
Distribusi Probabilitas Binomial
Dua kategori yang saling eksklusif dan ekshaus kolektif
e.g., muka atau belakang pada setiap lemparan koin
Umumnya disebut sukses atau gagal
Probabilitas sukses adalah p, probabilitas gagal adalah 1 – p
Probabilitas yang konstan untuk setiap pengamatan
e.g., Probabilitas mendapatkan belakang adalah sama pada
setiap kita melempar koin
Observasi/pengamatan adalah bebas/independen
Hasil dari suatu pengamatan tidak mempengaruhi hasil dari
yang lainnya
Aturan Kombinasi
n n!
X X! (n X)!
dimana:
n! =n(n - 1)(n - 2) . . . (2)(1)
X! = X(X - 1)(X - 2) . . . (2)(1)
0! = 1 (dari definisi)
Rumus Distribusi Binomial
n! X nX
P(X) p (1-p)
X ! (n X)!
n!
P( X 1) p X (1 p)n X
X! (n X)!
5!
(.1)1(1 .1)51
1! (5 1)!
P(X) n = 5 p = 0.5
Contoh, n = 5 and p = .5 .6
.4
.2
0 X
0 1 2 3 4 5
Karakteristik Distribusi Binomial
Mean
μ E(x) np
Varians dan Standard Deviasi
σ np(1 - p)
2
σ np(1 - p)
Dimana n = ukuran/jumlah sampel
p = probabilitas berhasil/sukses
(1 – p) = probabilitas gagal
Karakteristik Binomial
Contoh
μ np (5)(.1) 0.5
Mean P(X) n = 5 p = 0.1
.6
.4
σ np(1 - p) (5)(.1)(1 .1) .2
0 X
0.6708
0 1 2 3 4 5
Contoh:
n = 10, p = .35, x = 3: P(x = 3|n =10, p = .35) = .2522
n = 10, p = .75, x = 2: P(x = 2|n =10, p = .75) = .0004
Distribusi Hypergeometric
Distribusi
Probabilitas
Distribusi
Probabilitas
Diskrit
Binomial
Hypergeometric
Poisson
Rumus Distribusi Hypergeometrik
A N A
X n X
P( X)
N
n
Dimana
N = Ukuran populasi
A = Jumlah sukses dalam populasi
N – A = Jumlah gagal dalam populasi
n = Ukuran sampel
X = Jumlah sukses dalam sampel
n – X = Jumlah gagal dalam sampel
Karakter
Distribusi Hypergeometrik
A N A 4 6
X n X 2 1 (6)(6)
P(X 2) 0.3
N 10 120
n 3
Probabilitas 2 dari 3 komputer terpilih mempunyai software
ilegal is .30, atau 30%.
Distribusi Poisson
Distribusi
Probabilitas
Distribusi
Probabilitas
Diskrit
Binomial
Hypergeometric
Poisson
Distribusi Poisson
x
e
P( X)
X!
dimana:
X = jumlah yang sukses per unit
= jumlah sukses yang diharapkan per unit
e = berdasarkan sistem logaritma natural (2.71828...)
Karakteristik
Distribusi Poisson
Mean
μλ
Varians dan Standard Deviasi
σ λ
2
σ λ
dimana = jumlah sukses yang diharapkan per unit
Menggunakan Tabel Poisson
e X e 0.50 (0.50) 2
P( X 2) .0758
X! 2!
Grafik Distribusi Poisson
0.70
Grafik: 0.60
= .50 0.50
= P(x) 0.40
X 0.50
0.30
0 0.6065
0.20
1 0.3033
2 0.0758 0.10
3 0.0126 0.00
0 1 2 3 4 5 6 7
4 0.0016
5 0.0002 x
6 0.0000
P(X = 2) = .0758
7 0.0000
Bentuk Distribusi Poisson
0.70
= 0.50 0.25
= 3.00
0.60
0.20
0.50
0.15
0.40
P(x)
P(x)
0.30 0.10
0.20
0.05
0.10
0.00 0.00
0 1 2 3 4 5 6 7 1 2 3 4 5 6 7 8 9 10 11 12
x x
Ringkasan Pembahasan