DISTRIBUSI PELUANG DISKRIT DAN KONTINU

PENGANTAR METODE STATISTIKA

TIM DOSEN
DISTRIBUSI PELUANG

DISTRIBUSI PELUANG
 Distribusi Peluang

Diskrit Kontinu

Bernoulli Binomial Poisson Uniform Eksponen Normal

 Suatu distribusi Bernoulli dibentuk oleh suatu percobaan Bernoulli,
dimana percobaan Bernoulli harus memenuhi syarat : hasil yang mungkin,
hanya salah satu dari “sukses” atau “gagal”

 Percobaan Bernoulli dapat menghasilkan sukses dengan probabilitas p

dan gagal dengan probabilitas q = 1 – p. Maka distribusi probabilitas
Bernoulli sebagai berikut :

p x 1

PB (x; p)  q  (1 - p) x  0 atau PB (x; p)  p x (1 - p)1- x ; x  0,1
0 x  0 atau 1

Di awal tahun ajaran baru, mahasiswa Teknik biasanya membeli rapido untuk
keperluan menggambar teknik. Di toko ATK hanya tersedia dua jenis rapido,
yaitu rapido yang tintanya dapat diisi ulang (refill) dan rapido yang tintanya
harus diganti bersama cartridgenya.
Data yang ada selama ini menunjukkan bahwa 30% mahasiswa membeli
rapido yang tintanya dapat diisi ulang. Jika variable acak X menyatakan
mahasiswa yang membeli rapido tinta refill, maka distribusi probabilitasnya
sebagai berikut :

1 mahasiswa membeli rapido yang tintanya dapat diisi ulang

X
0 mahasiswa membeli rapido yang tintanya harus diganti bersama cartridge
P(1) = P(X=1) = 30% = 0,3
P (0) = P (X=0) = 1-0,3 = 0,7
P (X≠0 atau 1) = P (X≠0 atau 1) = 0
atau
PB (x;0,3)  (0,3) (0,7) ; x  0,1
x 1- x
 Matematikawan
Anak Didik dan
Saudara dari
Jacob

Penggaga
s Var
Rand
Bernoulli
Umur 13 ambil
program Ph.D Fisikawan
Umur 14 dpt master Prinsip
hukum Bernoulli

Novelis,
Suami
Maria
Perencan
a Kota
Sumber: Wikipedia
 Mengacu pada proses Bernoulli :
- Percobaan dilakukan berulang
- Tiap percobaan hanya ada 2 kemungkinan hasil
- Percobaan bersifat bebas (independen)

 Percobaan berturut-turut dengan dua kemungkinan

hasil :
- Berhasil atau Gagal
- Yes atau No
- Success atau Failed

 Percobaan Bernoulli dapat menghasilkan sukses dengan

probabilitas p dan gagal dengan probabilitas q = 1 – p.
Maka distribusi probabilitas variabel acak binomial X :
dimana :
 n  x n -x p = peluang sukses
b (x; n, p)    p q , x  0, 1, 2, ... , n x = variabel acak

x
q = peluang gagal
n = banyaknya percobaan
Peluang distribusi binomial
n!
P (x)  p x (1 - p) n -x , x  0, 1, 2, ... , n
x ! (n - x) !
Ada kalanya perhitungan probabilitas distribusi binomial lebih mudah
dilakukan dengan menggunakan distribusi kumulatif. Bila pada n
percobaan terdapat paling tidak sebanyak r sukses, maka distribusi
binomial kumulatif dinyatakan sebagai berikut :

P (X  r)  b (r; n, p)  b (r  2; n, p)  ...  b (n; n, p)

n
  b (r; n, p)
xr
Di sebuah bagian kota, keperluan uang untuk membeli ganja dan sejenisnya
ternyata melatar belakangi 75% peristiwa pencurian yang terjadi. Berapa
probabilitas bahwa tepat 2 diantara 4 kasus pencurian berikutnya
dilatarbelakangi oleh keperluan uang untuk membeli ganja?

Jawab :
x = 2, n = 4, p = ¾ (75%), q = ¼

3  4  3   1 
2 2
4 ! 32 12 4 ! 32 27
b (2; 4, )         . .  .   0,2109  0,211
4  2  4   4  2 ! 2 ! 4 2 4 2 2 ! 2 ! 4 4 128
Peluang seseorang sembuh dari suatu penyakit darah adalah 0,4. Bila 15
orang diketahui menderita penyakit ini, berapa probabilitas bahwa
sekurang-kurangnya 10 orang dapat sembuh ?

Jawab :

Misalkan X adalah banyaknya orang yang sembuh, maka

P (X > 10) = 1 – P (X < 10)

9
 1 -  b (x; 15, 0,4)
x 0

= 1 – 0,9662
= 0,0338
 Distribusi probabilitas diskrit yang sering digunakan untuk
menggambarkan jumlah kejadian yang jarang dan akan terjadi dalam
periode waktu tertentu atau dalam daerah atau volume tertentu.

 Dinamakan berdasarkan nama ahli Fisika dan Matematika abad ke 18,

Simeon Poisson

 Contoh :
- Jumlah kecelakaan industri setiap bulan di pabrik manufaktur
- Jumlah kerusakan permukaan yang dapat terlihat (guratan,
kusam, dan sebagainya) yang ditemukan oleh pengawas kualitas
pada sebuah mobil baru).
- Bagian per sejuta (ppm) dari sejumlah racun yang ditemukan di
air atau emisi udara sebuah pabrik manufaktur.
- Jumlah klaim kematian yang diterima setiap hari oleh perusahaan
asuransi.
 -
 e
x
P (X)  (x  0,1,2,3,...)
x!
dimana :

e = 2,71828

λ = rata-rata jumlah kejadian

sepanjang satuan waktu, bidang,
volume tertentu, dan sebagainya
Rata-rata jumlah hari sekolah ditutup karena banjir di kota Surabaya
adalah 5 hari. Berapa probabilitas bahwa sekolah-sekolah di kota Surabaya
akan ditutup selama 9 hari ?

Jawab :
x = 9 dan λ = 5

x e -
P (X) 
x!
(59 ) 2,71828-5 1953125 x 0,0067
P (X)    0,0361
9! 362880
Jadi probabilitas sekolah di kota Surabaya akan ditutup selama 9 hari
adalah 3,61%
 Suatu random variabel dikatakan terdistribusi secara uniform
(seragam), apabila nilai probabilitasnya proporsional terhadap panjang
interval.

 Fungsi Densitas Probabilitas (Fungsi Kepadatan Peluang) :

 1
 untuk a  x  b
f ( x)   b  a

 0 untuk x lainnya
dimana :
a = batas bawah interval
b = batas atas interval
Sebuah toko kelontong menjual cabe rawit. Cabe rawit yang dibayar oleh para
pelanggannya menyebar secara uniform antara 5 ons sampai 15 ons. Hitung
fungsi kepadatan peluangnya.

Misal : x = berat cabe rawit yang dibeli oleh pelanggan

Batas atas = b = 15 ons

Batas bawah = a = 5 ons

Fungsi Kepadatan Peluang :

1
 untuk a  x  b
f ( x)  10

0 untuk x lainnya
 Peubah acak kontinu X mempunyai distribusi exponensial dengan
parameter β.

 Fungsi Densitas Probabilitas :

1  x/β
f(x; β)  e ; x  0; β  0
β
1. Dalam teori antrian, jarak antar kedatangan pelanggan di
fasilitas pelayanan (seperti bank, loket kereta api, tukang
cukur, dsb) memenuhi distribusi eksponensial.
2. Lama waktu mulai dipakai sampai rusaknya suatu suku cadang
dan alat listrik memenuhi distribusi eksponensial.
1. Misalkan jumlah karyawan perusahaan yang absen pada hari Senin (x)
sejumlah 150 orang, diperkirakan mempunyai distribusi probabilitas
Poisson. Rata-rata jumlah absensi pada hari Senin adalah 2,6. Hitung
probabilitas karyawan absen pada hari Senin.

2. Sebuah mesin yang memproduksi komponen untuk mesin mobil mengalami

kerusakan dan menghasilkan 10% produk rusak. Komponen yang rusak dan
tidak keluar dari mesin dengan cara yang acak. Jika lima komponen berikut
diuji, carilah probabilitas bahwa tiga dari komponen tersebut rusak.

3. Jika x adalah variabel acak binomial, hitung probabilitas P (X > 10), n = 15

dan p = 0,9

4. Departemen riset produsen baja meyakini bahwa salah satu mesin

penggulungnya menghasilkan lembaran baja dengan berbagai ketebalan.
Ketebalan merupakan variabel acak seragam dengan nilai Antara 150 dan
200 milimeter. Hitung fungsi kepadatan peluangnya.
 Distribusi Normal disebut juga sebagai Distribusi Gauss (Karl Friedrich
Gauss, 1777-1855)
 Kurva Distribusi Normal

 Distribusi Normal merupakan distribusi probabilitas yang paling penting.

Fungsi Distribusi Probabilitas dari Distribusi Normal X dengan Mean µ dan
Variansi σ2 adalah :

1  x 
2

1   
f ( x :  , )  e 2  
;  x  
 2
  3.14159
e  2.71828
Bila x adalah variabel acak kontinyu, maka fungsi densitas peluangnya adalah
fungsi f (x) sehingga :
b
P (a  x  b)   f (x) dx
a
f (x)
P (a < x < b)

x
a b
Bila x mengikuti distribusi normal dengan rata-rata μ dan standar deviasi σ,
maka :

x μ
Z
σ

Z : variabel acak normal dengan nilai rata-rata = 0 dan standar deviasi = 1

Suatu perusahaan generator menghitung berat salah satu komponennya. Berat
komponen tersebut berdistribusi normal dengan rata-rata 35 gram dan standar
deviasi 9 gram. Hitung probabilitas bahwa satu komponen yang diambil secara acak
akan memiliki berat antara 35 dan 40 gram ?

Jawab :
P (35 < x < 40)

X = 40 gram
x  μ 40 - 35
Z   0,56  P (Z < 0,56) = 0,7123
σ 9
X = 35 gram
x  μ 35 - 35
Z  0  P (Z < 0) = 0,5
σ 9
P (35 < x < 40) = P (0 < x < 0,56)
= 0,7123 – 0,5
= 0,2123
Nilai ujian statistika di sebuah kelas terdistribusi secara normal dengan
rata-rata 60 dan standar deviasi 10. Berapa probabilitas siswa yang
memperoleh nilai diatas 70 ?

Jawab :
P (x > 70)
x  μ 70 - 60
Z   1  P (Z < 1) = 0,8413
σ 10
P (x > 70) = 1 – P(1) = 1 – 0,8413 = 0,1587
1. Diberikan data yang berdistribusi normal, µ = 50 dan σ = 10. Hitung peluang
X terletak Antara 45 dan 62 ?

2. Sebuah produsen mobil memperkenalkan model baru yang mean jarak

tempuhnya 27 mil untuk berkendara di dalam kota. Jika standar deviasinya
adalah 3 mil, maka berapa probabilitas bahwa Anda akan membeli satu
mobil yang rata-rata jarak tempuhnya kurang dari 20 mil untuk berkendara
di dalam kota.