Distribusi Peluang Diskrit

Variabel random ialah

Suatu fungsi yang mengaitkan suatu
bilangan real pada setiap unsur dalam
ruang sampel.

Variabel random dinyatakan dengan huruf

besar : X
Sedangkan nilainya dinyatakan dengan
huruf kecil : x
Contoh:

Sebuah kontraktor mempunyai 4 mesin yang

digunakan pada suatu proses produksi.
Diramalkan mesin mempunyai rata-rata usia
pakai 10 tahun. Namun diharapkan setelah 10
th mesin masih dapat berfungsi dengan baik.
Jika X menyatakan jumlah mesin dalam
keadaan baik, tentukan ruang sampel dari
variabel random x.
 Solusi:
X: jumlah mesin dalam keadaan baik setelah 10 th
S: {X|x = 0,1,2,3,4}

Kondisi mesin bil real (x)

BBBB 4
BBBR, BBRB, BRBB, RBBB 3
BBRR, BRRB, RRBB, RBRB, RBBR, BRBR 2
BRRR, RBRR, RRBR, RRRB 1
RRRR 0
 Contoh:
Dua bola diambil satu demi satu tanpa dikembalikan
dari suatu kantong berisi 4 bola merah dan 3 bola hitam.
Bila Y menyatakan jumlah bola merah yang diambil
maka nilai y yang mungkin dari variabel random Y
adalah:

Solusi:
Y = jumlah bola merah yang diambil
S = {Y|y = 0,1,2}
MM 2
MH, HM 1
HH 0
Variabel random dapat dibagi dalam 2 jenis:

1. Ruang sampel Diskrit

Jika suatu ruang sampel mengandung titik
yang berhingga banyaknya atau sederatan
anggota yang banyaknya sebanyaknya
bilangan bulat.

2. Ruang sampel Kontinou

Bila ruang sampel mengandung titik sampel
yang tak berhingga banyaknya dan
banyaknya sebanyak titik pada sepotong
garis.
Distribusi Peluang

Disribusi peluang suatu variabel random X

adalah himpunan nilai peluang variabel
random X yang ditampilkan dalam bentuk
tabel dan atau gambar.
Distribusi Peluang keadaan mesin baik setelah 10 tahun

X X1 X2 ……. Xk
Peluang f(x1) f(x2) ……. f(xk)
Distribusi peluang keadaan mesin baik setelah 10 tahun

RBRB RRBB BRRB

BBRR BRBR RBBR
RRBR RRRB
BRRR RBRR

BRBB RBBB
BBBR BBRB
RRRR

BBBB
X 0 1 2 3 4
P(X) 1/16 4/16 6/16 4/16 1/16
f(x) = fungsi padat peluang
= pdf = probability density function

F(X = x) = P(X ≤ x)
= cdf = cumulative distribution function

dF  x 
f  x 
dx
 Distribusi peluang variabel random

1. 0  f ( xi )  1
2. f ( xi )  P X  xi 


3.  f ( x )  1
i  
i Variabel random
4. F ( x)  P( X  x)   f (t ) Diskrit
tx

5.  f x  1
i  
i Variabel random
x
6. F ( x)  P( X  x)   f  t  dt Kontinu
x  
Contoh:

1. Peluang minimal 2 mesin yang baik dengan usia

lebih dari 10 tahun:
6 4 1 11
P( X  2)    
16 16 16 16
2. Peluang paling banyak 1 mesin baik dengan usia
lebih dari 10 tahun:
1 4 5
P ( X  1)   
16 16 16
3. Peluang antara 1 sampai 2 mesin baik dengan usia
lebih dari 10 tahun: 4 6 10
P(1  X  2)   
16 16 16
Beberapa distribusi peluang Diskrit a.l:

1. Distribusi Uniform
ialah suatu kejadian yang mempunyai probabilitas
yang sama.
1
f  x 
k
misal:
1
Probabilitas mata dadu keluar angka 5:
6

Probabilitas mata uang keluar muka: 1

2
2. Distribusi Binomial

- Peristiwa terjadi n kali percobaan/kejadian.

- Tiap peristiwa menghasilkan 2 kemungkinan,
‘sukses’ (p) or ‘gagal’ (q).
- Tiap peristiwa terjadi saling independen.

P  X  x   C P 1  P 
n x n x
x

x = 0, 1, 2, … , n
Contoh:

Peluang untuk sembuh seorang penderita penyakit darah

adalah 0.4. Bila diketahui ada 15 orang yang telah
mengidap penyakit tersebut, berapakah peluangnya:
a. Paling sedikit 10 akan sembuh
b. Antara 3 sampai 8 yang sembuh
c. Tepat 5 yang sembuh
Solusi:

X : Banyaknya penderita yang sembuh

a. P( X ≥ 10) = 1 – P( X ≤ 9)
9
 1   B ( x;15,0.4)
X 0

= 1 – 0.9662 = 0.0338

b. P(3 ≤ X ≤ 8) = P(X ≤ 8) – P(X ≤ 2)

 8 2
  B( x;15,0.4)   B( x;15,0.4)
X 0 X 0

= 0.9050 – 0.0271 = 0.8779

5 4
c. P(X = 5)   B( x;15,0.4)   B( x;15,0.4)
X 0 X 0

= 0.4032 – 0.2173 = 0.1859

3. Distribusi Geometrik

Sukses pertama pada kejadian ke-n

P X 1  n   pq n 1

Pada saat sibuk di suatu sentral telepon

mencapai batas daya sambungnya, sehingga
orang tidak mendapat sambungan. Andaikan
peluang mendapat sambungan selama waktu
sibuk adalah 0.05. Berapa peluang diperlukan
6 kali usaha agar sambungan berhasil.
X = kejadian sambungan berhasil
Diperlukan 6 kali usaha agar sambungan
berhasil: GGGGGS
P  X 1  6    0.05 0.95  0.036
5

Jadi peluang yang diperlukan agar 6 kali

usaha dalam melakukan sambungan akan
berhasil sebesar 3.6 %
4. Distribusi Poisson

Banyaknya sukses yang terjadi dalam suatu

selang waktu atau daerah tertentu.
e  x
f ( x) 
x!
x = 0, 1, 2, …
e = 2.71828
Sebagai pendekatan untuk distribusi binomial bila n
cukup besar dan p kecil (n > 20 dan p < 0.05)
Dari pengalaman masa lalu selama 20 tahun
terakhir, rata-rata terjadi hujan lebat 4 kali per
tahun. Berapa peluang tidak terjadi hujan lebat
tahun depan?

4 0 e 4
P ( X t  0)   0.018
0!
Distribusi Kontinou

1. Distribusi NORMAL
KARL FRIEDRICH GAUSS
1  x 
2

1   
f (x)  e 2  

2 - 2 < x < 

Simetris
Bell shape
X  N ( , 2 )
Contoh:

Pendapatan mingguan seorang karyawan di

industri kaca berdistribusi normal dengan mean
$ 1.000 dan standart deviasi $ 100.
1. Berapa probabilitas karyawan yang
berpendapatan paling banyak $ 900 per minggu.
2. Berapa probabilitas karyawan yang
berpendapatan paling sedikit $ 1.250 per
minggu.
3. Berapa probabilitas karyawan yang
berpendapatan antara $ 900 dan $ 1.250 per
minggu.
Solusi:

X = pendapatan mingguan,  = $ 1.000 dan  = $ 100

 x  1.000 900  1.000 
a. P( x < 900) = P  
 100 100 
  100 
P Z   = P Z  1 = 0.1587
 100 
 x  1.000 1.250  1.000 
b. P( x > 1.250) =  100 
P 
 100 
 250 
P Z   = P Z  2.5
 100 
= 1  P  Z  2.5 = 1  0.9938
= 0.0062 = 0.62 %
  900  1.000 x  1.000 1.100  1.000 
c. P(900 < x < 1.100) = P 100   
 100 100 

=
  100
P Z
100 
 = P  1  Z  1
 100 100 

= P  Z  1  P  Z  1
= 0.8413 - 0.1587
= 0.6826 = 68.26 %
Soal
1. Diketahui distribusi normal : dgn  = 40 dan
=5
Tentukan :
a. P(x < 35)
b. P(x > 45)
c. P(20 < x < 50)
d. P(x < k) = 0.05
e. P(x > k) = 0.2578
f. P(x > 35)
g. P(x < 45)
h. P(35 < x < 45)
2. Diberikan distribusi normal dengan  = 40 dan  = 6,
dapatkan luasan :
a). Di bawah 32
b). Di atas 27
c). Antara 42 dan 51
d). Cari suatu nilai k sedemikian hingga luasan di bawah
k = 45%
e). Cari suatu nilai k sedemikian hingga luasan di atas

k = 13%
3. Sebuah perusahaan alat listrik memproduksi
bolam yang umurnya berdistribusi normal
dengan mean 800 jam dan standart
deviasinya 40 jam. Hitung probabilitas sebuah
bolam hasil produksinya akan berumur antara
778 dan 834 jam.