Distribusi Variabel Acak

Diskrit
Pengantar
 Pengamatan yang dihasilkan melalui
percobaan yang berbeda seringkali
mempunyai bentuk umum yang sama.
 Oleh karena itu, peubah acak yang berkaitan

dengan percobaan itu dapat dinyatakan

dengan distribusi peluang yang sama atau
dengan rumus yang sama.
 Beberapa distribusi peluang yang banyak

ditemukan dalam praktek perlu diketahui.

Distribusi Probabilitas
Distribusi Probabilitas
Distribusi Probabilitas
Distribusi Seragam (Uniform)
 Distribusi seragam (uniform distribution) diskrit
adalah probabilitas distribusi diskrit yang paling
sederhana.
 Bila variabel acak X mengambil nilai-nilai x1, x2, … , xk
dengan probabilitas yang sama, maka probabilitas
distribusi diskrit diberikan oleh

 Mean dan variansi distribusi seragam diskrit f(x;k)

masing-masing diberikan oleh:
Distribusi Seragam (Uniform)
Contoh:
Jika sebuah dadu dilemparkan, setiap unsur ruang
sampel S = {1, 2, 3, 4, 5, 6} terjadi dengan
probabilitas 1/6. Sehingga kita mempunyai kita
mempunyai distribusi seragam:

Mean dan variansinya adalah:

BERNOULLI TRIALS :
Percobaan yang hanya mempunyai 2 hasil yang
mungkin (sukses - gagal)
Contoh :
Bernoulli Trials mempunyai 3 sifat :
1) Tiap trial menghasilkan 1 dari 2 hasil yang mungkin
S dan T
2) P(S) = p tetap dari trial ke trial  P(T) = 1–p
3) Trial-trial Independen 1 dengan yang lain

Contoh :
Peluang seorang petembak jika menembak
mengenai sasarannya 0,7. Jika dia menembak 4
kali, berapa peluang tembakannya kena sasaran
minimal 1 kali ?
Jawab :
P(K) = 0,7  P(T) = 0,3
A = kena sasaran minimal 1 kali
Ac = tidak kena sasaran sama sekali
= {TTTT}
P(Ac) = P(T). P(T). P(T). P(T) = (0,3)4
 P(A) = 1 - P(Ac) = 1 – (0,3)4
DISTRIBUSI BINOMIAL
Adalah Bernouli Trial yang diulang-ulang
sebanyak n kali
Ada 2 hasil yang mungkin

Jika variabel random :

X = banyak ‘sukses’ dalam n trial
P(S) = p dan P(T) = 1 – p = q
Distribusi probabilitas x :
Contoh :
Probabilitas bahwa seseorang pasien penderita
penyakit jantung akan sembuh adalah 0,4. Jika
10 orang diketahui terserang penyakit jantung,
berapa probabilitas :
a) 3 orang yang sembuh
b) Paling banyak 3 orang yang sembuh
c) Paling sedikit 3 orang yang sembuh
Jawab :
a) P(x=3) = atau

dengan Tabel I (Binomial) :

P(x=3) = P(x  3) – P(x  2)
= 0,382 – 0,167
= 0,215
b) Paling banyak 3 berarti : 0, 1, 2, 3.
= P(x=0) + P(x=1) + P(x=2) + P(x=3)
 atau dengan Tabel I
P(x ≤ 3) = b(3; 10; 0,4)
= 0,382
c) Paling sedikit 3 berarti : 3, 4, 5, …, 10 = A
= 0, 1, 2
P( ) = P(x=0) + P(x=1) + P(x=2)

= ...

P(A) = 1 – P( ) atau dengan Tabel I

P(x3) = 1 – P(x≤2)
= 1 – 0,167
= 0,833
Rata-rata = mean x :
 = n.p = 10.(0,4) = 4
Variansi x :
= n.p.q = n.p.(1-q)
= 10.(0,4).(0,6) = 2,4
Deviasi standar x :
= = = 1,55
Binomial Table C
Table C
Distribusi Hipergeometrik
 Distribusi binomial digunakan pada populasi yang
tidak terbatas, sehingga proporsi sukses
diasumsikan diketahui.
 Distribusi probabilitas hipergeometrik digunakan

untuk menentukan probabilitas kemunculan

sukses jika sampling dilakukan tanpa
pengembalian.
 Variabel random hipergeometrik adalah jumlah

sukses (x) dalam n pilihan, tanpa pengembalian,

dari sebuah populasi terbatas N , dimana D
diantaranya adalah sukses dan (N-D) adalah gagal.
 Distribusi Hipergeometrik

 Eksperimen hipergeometrik memiliki karakteristik

sebagai berikut:
1. sebuah sampel random berukuran n diambil tanpa
pengembalian dari N item (populasi)
2. D dari N item dapat diklasifikasikan sebagai
sukses dan N – D diklasifikasikan sebagai gagal
 Jumlah sukses yang terjadi dalam suatu eksperimen
hipergeometrik disebut dengan variabel random
hipergeometrik dan distribusi probabilitas dari
variabel random ini disebut dengan distribusi
hipergeometrik.
Distribusi Hipergeometrik
 Penurunan fungsi distribusi hipergeometrik
diturunkan dengan menghitung kombinasi-
kombinasi yang terjadi.
 Kombinasi yang dapat dibentuk dari populasi
berukuran N untuk sampel berukuran n adalah
kombinasi C(N,n).
 Jika sebuah variabel random (diskrit) X menyatakan

jumlah sukses, selanjutnya dapat dihitung kombinasi

diperoleh x sukses dari sejumlah D sukses dalam
populasi yang diketahui yaitu C(D,x), dan demikian
pula halnya dapat dicari (n-x) kombinasi gagal dari
sisanya (N-D), yaitu kombinasi C((N-D),(n-x)).
Distribusi Hipergeometrik
 Dengan demikian:
 sukses C(D,x). C((N-D),(n-x)) atau

 D  N  D 
  
 x  n  x 

 yang diperoleh dari total kombinasi yang

mungkin C(N,n) atau
N
 
n
Distribusi Hipergeometrik
 Sebuah variabel random (diskrit) X menyatakan
jumlah sukses dalam percobaan bernoulli dan total
jumlah sukses D diketahui dari sebuah populasi
berukuran N, maka dikatakan x mengikuti
distribusi hipergeometrik dengan fungsi
probabilitas:  D   N  D 
  
x n  x
P( X  x)      , x  0,1, 2,3,..., min(n, D)
N
 
n

 Distribusi probabilitas hipergeometrik sering pula

disimbolkan dengan h(x;N;n;D).
 Distribusi Hipergeometrik (Contoh)

 Sekelompok mahasiswa terdiri dari 50 orang

dan 3 diantaranya lahir pada tanggal 17
Agustus. Dari kelompok tersebut dipilih 5
orang secara acak. Berapakah peluang bahwa
diantara 5 orang tersebut :
◦ tidak terdapat yang lahir pada tanggal 17 Agustus
◦ terdapat tidak lebih dari 1 orang yang lahir pada
tanggal 17 Agustus
 Rataan dan Deviasi Standar Distribusi
Hipergeometrik

Rataan dan variansi dari distribusi

hipergeometrik h(x; N, n, D) adalah:

nD N n D  D 
  
2
.n. 1  
N N 1 N  N 
Pendekatan Distribusi Binomial atas
Distribusi Hipergeometrik

 Pada saat n cukup kecil dibandingkan N,

kondisi item-item dalam populasi akan kecil
perubahannya. Sehingga D/N dapat dianggap
konstan.
 Dalam hal ini D/N dapat dianggap sebagai

parameter p pada distribusi binomial.

 Secara rule of thumb, pendekatan ini dapat

digunakan jika n/N < 0,05

 Pendekatan Dist. Binomial atas Dist.
Hipergeometrik (Contoh)

Sebuah pabrik komponen menyatakan dari 5000

produk yang diproduksi dalam satu batch,
terdapat 1000 produk yang tidak sempurna. Jika
seseorang membeli 10 produk dari batch ini
secara random, berapakah probabilitas tepat 3
produk yang dibelinya tidak sempurna?
Distribusi Poisson
 Eksperimen Poisson adalah eksperimen yang
menghasilkan nilai numerik dari peubah acak X pada
selang waktu yang tertentu atau daerah tertentu.
Contoh:
 1) jumlah panggilan telepon dalam waktu 1 jam yang

diterima oleh resepsionis.

 2) banyaknya pertandingan tenis yang terpaksa

diundurkan karena terjadinya hujan selama musim

hujan
 3) banyaknya tikus dalams atu hektar sawah

 4) banyaknya salah ketik dalam satu halaman

 Eksperimen Poisson diturunkan dari proses Poisson.

Distribusi Poisson
Sifat-sifat proses Poisson:
 Jumlah hasil yang terjadi dalam satu selang waktu atau daerah

tertentu adalah independen terhadap hasil yang terjadi pada

selang atau daerah lain. Proses Poisson dikatakan tidak
mempunyai ingatan.

 Peluang terjadinya suatu hasil (tunggal) dalam selang waktu yang

sangat pendek atau daerah yang sangat waktu yang sangat
pendek atau daerah yang sangat kecil sebanding dengan panjang
selang waktu atau besarnya daerah dan tidak bergantung pada
banyaknya hasil yang terjadi di luar selang atau daerah tersebut

 Peluang terjadinya lebih dari satu hasil yang terjadi dalam selang
waktu yang pendek dapat diabaikan
 Distribusi Poisson

Distribusi probabilitas dari variabel random

Poisson X yang menggambarkan jumlah
outcome yang terjadi dalam sebuah selang
waktu atau daerah tertentu, adalah:
 
 x
e
p ( x;  ) 
x! , x = 0, 1, 2, …

di mana  adalah jumlah rata-rata outcome per

unit waktu atau daerah dan e = 2,718281828…
 Contoh distribusi Poisson

Rata-rata jumlah panggilan lewat telepon yang

masuk bagian pelayanan Telkom per menit adalah
5 buah. Berapa probabilitas dalam satu menit
tertentu tidak terdapat panggilan yang masuk dari
pelanggan? Berapa probabilitas dalam satu menit
lebih dari 5 panggilan masuk?
Contoh distribusi Poisson
 Di suatu simpang jalan rata-rata terjadi 6
kecelakaan sebulan, maka hitunglah
probabilitas :
◦ Pada suatu bulan tertentu di simpang jalan itu
terjadi 7 kecelakaan
◦ Pada suatu bulan tertentu di simpang jalan terjadi
minimal 4 kecelakaan
◦ Pada suatu minggu tertentu di simpang jalan itu
terjadi 4 kecelakaan

31
 Rataan dan Variansi Poisson

Mean dan variansi dari distribusi Poisson adalah

p(x; ) keduanya memiliki nilai 
 Pendekatan Distribusi Poisson terhadap Distribusi
Binomial

 Diberikan X adalah variabel random binomial dengan

distribusi probabilitas b(x;n, p).
 Ketika n  , p  0, dan  = np tetap konstan,

b(x; n, p)  p(x; )
Contoh:
Probabilitas sebuah pesawat mengalami gangguan mesin
dalam sebuah penerbangan adalah 0.001. Berapa
probabilitas sebuah pesawat mengalami 5 kali gangguan
mesin dalam 500 kali penerbangan berikutnya? Diketahui
masing-masing gangguan adalah independen.
Soal 1
 Probabilitasmenghasilkan produk cacat dari PT Idaman,
sebuah perusahaan yang menghasilkan lemari es,
adalah 0,2. Dalam rangka untuk mengendalikan kualitas
lemari es, maka bagian pengendali kualitas bermaksud
melakukan penelitian tentang probilitas kerusakan
lemari es. Sebagai langkah awal diambillah sampel
sebanyak 8 lemari es. Dari 8 lemari es tersebut
berapakah probabilitas diperoleh :
◦ Dua lemari es rusak
◦ Tiga lemari es baik
◦ Paling banyak 7 lemari es baik
◦ Antara 3 sampai 5 lemari es rusak
◦ Paling sedikit 2 lemari es baik
◦ Paling banyak 2 lemari es rusak

34
Soal 2
 Disketyang diproduksi oleh PT Akbar
ternyata sangat berkualitas. Hal ini terbukti
dari 100 buah disket ternyata hanya ada 2
disket yang tidak berfungsi. Apabila diambil
150 buah disket, maka probabilitas:
◦ Tiga diantaranya tidak berfungsi
◦ Maksimum 5 tidak berfungsi
◦ Antara 3 sampai 6 tidak berfungsi
◦ Minimum 145 berfungsi

35
Soal 3
 Rata-ratabanyaknya makanan kaleng yang
ada di gudang telah kadaluarsa adalah 5.
Diambil sampel random sebanyak 10 buah
makanan kaleng di gudang, hitung
probabilitas:
◦ Lima diantaranya kadaluarsa
◦ Maksimum 4 telah kadaluarsa
◦ Antara 5 sampai 8 telah kadaluarsa

36
Soal 4
 Dari 12 peluru kendali, 5 diambil secara acak
dan ditembakkan. Di antara 12 peluru
tersebut terdapat 3 peluru yang rusak
sehingga macet bila ditembakkan. Berapa
peluang bahwa:
◦ Kelima-limanya berhasil ditembakkan
◦ Sebanyaknya-banyaknya 2 yang macet
Soal 5
 Diduga 4000 dari 10000 pemilih tidak
menyetujui pajak penjualan yang baru. Bila
15 pemilih diambil secara acak dan ditanyai
pendapatnya, berapa peluang bahwa
sebanyaknya-banyaknya 7 orang menyetujui
pajak yang baru tersebut?
Soal 6
 Peluang bahwa seseorang meninggal akibat
infeksi pernafasan adalah 0,002. Hitunglah
peluang bahwa kurang dari 5 di antara 2000
orang yang terinfeksi akan meninggal.
 Hal 160 no. 3, 6, 9
 Hal 169 no. 5, 8, 9