DISTRIBUSI PROBABILITAS

DISKRIT DAN KONTINUE

Dewi Maryam, SE., MM

DISTRIBUSI BINOMIAL

Dalam distribudi probability kita kenal dua macam variable random, yaitu variable
diskrit dan kontinue.
Pada distribusi probability dengan variable random diskrit adalah distribusi
probability poisson atau sering disingkat dengan distribusi – distribusi binomial dan
poisson .

Pada distribusi probability Binomial dapat diartikan sebagai suatu peristiwa akan
terjadi sebanyak X kali didalam percobaan sebanyak N kali. sukses sebanyak X kali
ini maka kegagalan dari percobaan ini akan (N – X)
Atas dasar tersebut maka dapatlah ditulis rumus binomial distribusi sebagai berikut :
𝑁
P (X,N) = 𝑋
. 𝑝 𝑋 . 𝑞𝑁 −𝑋

𝑁 𝑁!
Dimana : 𝑋
=
𝑋! 𝑁−𝑋 !
Dimana :
x = Banyaknya peristiwa sukses
n = Banyaknya percobaan
p = Probabilitas peristiwa sukses
q = 1 – p Probabilitas peristiwa gagal
 CONTOH SOAL
Hitunglah probability untuk mendapatkan 4 gambar burung dalam 10 kali lemparan dari
satu koin

= 10.9.8.7.6.5.4.3.2.1 x 0,0625 x 0,015625

(4.3.2.1) (6.5.4.3.2.1)
= 5040 x 0,0625 x 0,015625
24
= 210 x 0,0625 x 0,015625
= 0,205 = 0,2
PROBABILITAS BINOMIAL KUMULATIF

Probabilitas binomial kumulatif adalah probabilitas dari peristiwa binomial lebih

dari satu sukses
Probabilitas binomial kumulatif dapat dihitung dengan menggunakan rumus :

PBK = ෍ 𝑝 𝑛. 𝑥 . 𝑝 𝑥 . 𝑞 𝑛−𝑥
𝑥=0
𝑛
Dimana : ෍ 𝑝 𝑛. 𝑥 = 𝑝 𝑛. 𝑥1 + 𝑃(𝑛. 𝑥2 ) … … … 𝑑𝑠𝑡
𝑥=0
CONTOH SOAL

Sebanyak 5 mahasiswa akan mengikuti ujian sarjana dan diperkirakan probabilitas

kelulusannya adalah 0.7 Hitunglah probabilitas :
a. Paling banyak 2 orang lulus
b. Yang akan lulus antara 2 sampai 3 orang
 𝑛

PBK = ෍ 𝑝 𝑛. 𝑥 . 𝑝 𝑥 . 𝑞 𝑛−𝑥
𝑥=0

Dimana : ෍ 𝑝 𝑛. 𝑥 = 𝑝 𝑛. 𝑥1 + 𝑃(𝑛. 𝑥2 ) … … … 𝑑𝑠𝑡

𝑥=0

b. n = 5, p = 0,7, q = 0,3, x = 2 dan 3

P (2 dan 3) = 10. (0,7)2 . (0,3)3 +15. (0,7)3 . (0,3)2

= 0,13 + 0,46 = 0,59
RATA-RATA, VARIANS DAN SIMPANGAN BAKU DISTRIBUSI BINOMIAL

Contoh Soal :
 DISTRIBUSI NORMAL

Pengertian dan cirri-ciri Distribusi Normal

Distribusi Normal adalah : salah satu distribusi teoritis dari variable random kontinu.
Distribusi normal sering disebut distribusi Gauss, sesuai nama pengembangnya yaitu
Karl Gauss.
Distribusi Normal memiliki bentuk fungsi sebagai berikut :
DISTRIBUSI NORMAL STANDAR
Keluarga distribusi normal memiliki jumlah yang banyak sekali, akibat pengaruh
rata-rata dan simpangan baku. Akan tetapi untuk mencari probabilitas suatu interval
dari variable random kontinu dapat dipermudah dengan menggunakan bantuan
distribusi normal standar.
Distribusi Normal Standar adalah distribusi normal yang memiliki rata-rata (μ) = 0
dan simpangan baku (σ) = 1
Bentuk fungsinya adalah :
Untuk mengubah distribusi normal umum menjadi distribusi normal standar gunakan
nilai Z (standar unit) bentuk rumusnya adalah :
Nilai Z (standar units) adalah angka atau indeks yang menyatakan penyimpangan suatu nilai
variable random (X) dari rata-rata (μ) dihitung dalam satuan simpangan baku (σ)

Penggunaan Kurva Normal Standar

Untuk menentukan luas daerah dibawah kurva normal standar, telah dibuat daftar distribusi
normal standar, yaitu table luas kurva normal standar dengan nilai-nilai Z tertentu. Dengan
daftar tersebut bagian-bagian luas dari distribusi normal standar dapat dicari.
Karena seluruh luas kurva adalah 1 dan kurva simetris terhadap μ = 0 maka luas garis tegak
pada titik nol kekiri ataupun kekanan adalah 0.5 dan diartikan : P(Z> 0) = 0.5 luas daerah
dibawah kurva normal pada interval tertentu dapat dituliskan : P(0<Z<b)
CONTOH SOAL

Dengan menggunakan table, hitunglah nilai dari :

P(-1.75 < Z < 0)
P(1.32 < Z < 2.12)
P(-0.45 < Z < 0.65)
PENYELESAIAN :

a. Karena kurva simetris pada μ = 0, maka P(-1.75 < Z < 0) = P(0 < Z < 1.75) dari
table diperoleh nilai untuk P(0 < Z < 1.75) = 0.4599
Jadi , P(-1.75 < Z < 0) = 0.4599
b. P(1.32 < Z < 2.12) dapat diubah menjadi : P(0 < Z < 2.12) – P(0 < Z < 1.32)
= 0.4830 – 0.4066
= 0.0764
c. P(-0.45 < Z <0.65) dapat diubah menjadi : P(0 < Z < 0.45) + P(0 < Z < 0.65)
= 0.1736 + 0.2422
= 0.4158
Untuk mencari nilai Z, apabila luas kurva diketahui maka dilakukan langkah
sebaliknya.
Contoh Soal :
Hitunglah P(90 < X < 115) untuk μ = 105 dan σ = 10
Rata-rata, Varians, dan Simpangan Baku Distribusi Normal
SOAL LATIHAN
1. Sebuah perusahaan memproduksi bola lampu yang ketahanannya berdistribusi
normal dengan rata-rata 825 jam dan simpangan baku 45 jam.
a) Berapa persen lampu yang ketahananya antara 800 dan 860 jam ?
b) Berapa banyak lampu yang tahan lebih dari 950 jam, jika diproduksi
5000 lampu?