STATISTIK 1 x

DISTRIBUSI PROBABILITAS
 
 
 

OLEH:

ARIEF RACHMAN HAKIM, S.Si., M.Si 

 
 STATISTIK 1 x

Dist. Probabilitas Diskrit

Fungsi Probabilitas Diskit Seragam (Discrete Uniform)

Pengantar
Probabilitas fungsi probabilitas tersebut bisa di definisikan sebagai berikut :
f(x) = 1/n
Dimana n = jumlah kemungkinan hasil.
Dist.
Contoh peluang pelemparan dadu.
Probabilitas
diskrit Maka akan ada kemungkinan hasil , yaitu angka 1,2,3,4,5,6. Karena
ada enam kemungkinan hasil tersebut, fungsi probabilitas untuk
Dist. variabel Random hasil pelemparan dadu bisa didefinisikan sebagai :
Probabilitas f(x) = 1/6 untuk x =1,2,3,4,5,6
Kontinu
Nilai harapan dan varian n

x i
E ( x)    i 1

n
n

 (x i   )2
var   2  i 1

n
 STATISTIK 1 x
Distribusi Binomial
Suatu percobaan binomial adalah suatu percobaan yang memiliki
sifat-sifat berikut:
1. Percobaan terdiri atas n percobaan yang identik.
2. Setiap hasil percobaan dapat diklasifikasikan sebagai
Pengantar sukses atau gagal
Probabilitas 3. Probabilitas suskes, dinyatakan dengan p, dan
kegagalan dengan q = 1- p.
Dist. 4. Percobaan-percobaan yang dilakukan tidak saling
Probabilitas bergantung (independent).
diskrit

Dist.
Probabilitas
Kontinu

Dimana
n = jumlah kejadian Angka harapan dan Varian
E ( x)    n. p
x = kejadian yang akan diteliti
var   2  n. p.q
 STATISTIK 1 x

Pengantar
Probabilitas

Dist.
Probabilitas
diskrit

Dist.
Probabilitas
Kontinu
Latihan
1. PELUANG SESEORANG SEMBUH DARI SUATU
PENYAKIT DARAH ADALAH 0.4 . BILA DIKETAHUI
ADA 15 PASIEN YANG MENDERITA PENYAKIT INI
MAKA BERAPAKAH PELUANG.
• A. TEPAT 3 ORANG AKAN SEMBUH
• B. TEPAT 6 ORANG AKAN SEMBUH
• C. SEKURANG KURANG NYA 2 ORANG YANG
SEMBUH
 STATISTIK 1 x
Distribusi Probabilitas Poisson
Eksperimen Poisson adalah eksperimen yang menghasilkan nilai numerik
dari variabel acak X pada selang waktu yang tertentu atau daerah
tertentu.
Contoh:
Pengantar 1) jumlah panggilan telepon dalam waktu 1 jam yang diterima oleh
Probabilitas resepsionis.
2) banyaknya tikus dalams atu hektar sawah
Dist. 3) banyaknya salah ketik dalam satu halaman
Probabilitas
diskrit Distribusi Poisson
Sering digunakan untuk menggambarkan kedatangan sesuatu ( misalkan
Dist. kedatangan pembeli )
Probabilitas Dist. Probabilitas Poisson bisa dituliskan sebagai berikut:
Kontinu
 x e  Dengan :
f ( x)  f(x) = probabilitas x kali pemunculan dalam interval
x! tertentu
 = nilai yang diharapkan/ rata2 pemunculan dalam
interval tertentu
e = 2.718282
 STATISTIK 1 x
Fungsi Probabilitas Poisson

2. Secara rata-rata suatu persimpangan terjadi 3 kecelakaan

lalu lintas perbulan. Berapa peluang bahwa pada suatu bulan
tertentu di persimpangan ini terjadi
Pengantar
Probabilitas
a. Tepat 5 kecelakaan
b. Kurang dari tiga kecelakaan
Dist.
Probabilitas
diskrit

Dist.
Probabilitas
Kontinu
3. Diketahui kedatang jumlah pembeli selama lima hari dengan data
sebagai berikut: Hari Pembeli
1 11
2 10
3 9
4 12
5 8

A. Berapa probalitas besok ada 5 pelanggan ?

B. Berapa probabilitas paling sedikit ada 3 pelanggan?

4. Seorang sekretaris rata-rata melakukan 2

kesalahan ketik tiap halaman. Berapa peluang
bahwa pada halaman berikutnya ia membuat
• 4 atau lebih kesalahan
• Tidak ada satupun kesalahan
 STATISTIK 1 x
Distribusi Probabilitas seragam (uniform)

Misalkan seseorang melemparkan bola. Bola tersebut jatuh lima

sampai lima belas meter jaraknya dari tempat dia berdiri. Berapa
Pengantar probabilitas bola tersebut jatuh 10-12 meter dari tempat berdiri?
Probabilitas Persoalan di atas bisa digambarkan melalui bagan berikut ini.
f(x)

Dist.
Probabilitas
diskrit 1/10

Dist.
Probabilitas
Kontinu
5 10 12 15 Jarak meter

Bagan diatas merupakan fungsi densitas probabilitas

(probability density function) seragam.
Secara umum, fungsi densitas probabilitas bisa dirumuskan sebagai
berikut :
 STATISTIK 1 x
Distribusi Probabilitas seragam (uniform)

1/ (b  a) Untuk a <= x <= b

f ( x)  
 0 Diluar wilayah yang disebutkan
Pengantar E ( x )    (a  b) / 2
Probabilitas var   2  ( a  b) 2 / 12
Untuk contoh bola yang dilempar di atas, jarak maksimum
Dist.
adalah 15 meter, dan jarak minimum adalah 15 meter. Dengan
Probabilitas
diskrit
demikian b=15, a = 5. fungsi probabilitas bisa didefinisikan
sebagai berikut.
Dist. Untuk 5 <= x <= 15
Probabilitas 1/ (10)
Kontinu
f ( x)  
 0 Diluar wilayah yang disebutkan

Berapa probabilitas bola tersebut jatuh 10-12 meter dari

tempat berdiri? f (10)  1/10
1 1 1 3
f (11)  1/10 F (10  x  12)    
10 10 10 10
f (12)  1/10
 STATISTIK 1 x
Distribusi Normal dan normal Standar

Karakteristik distribusi normal

1. Nilai tertinggi dari puncak kurva adalah rata-rata. Nilai rata2
bisa berbentuk positif atau negativ bahkan nol.
Pengantar
Probabilitas
2. Kurva dist. Normal mempunyai bentuk simetris. Sisi kiri
meupakan cerminan sisi kanan. Sisi kanan dan kiri tidak memiliki
batas artinya tidak pernah menyentuh batas horizontal
Dist.
3. Standar deviasi mengukur penyimpangan distribusi normal.
Probabilitas
diskrit 4. Probabilitas variable random merupakan luas wilayah dibawah
kurva normal. Luas tersebut ditentukan oleh rata-rata dan
Dist. standart deviasi.
Probabilitas
Kontinu
 STATISTIK 1 x
Distribusi Normal dan normal Standar

Rumus fungsi distribusi probabilitas normal

   ( x  2)
2
1
Pengantar f ( x)  
n
 e 2
Probabilitas
 (2 ) 
 
x i
E ( x)    i 1

dengan n
Dist.  = mean / rata-rata
n

Probabilitas  (x i   )2
diskrit  = standard deviasi var   2  i 1
n
 = 3.14
Dist.
Probabilitas e = 2.7183
Kontinu
Distribusi normal bisa di standarisasi, sedemikian rupa sehingga
dengan rata2 = 0 dan std. deviasi = 1. perubahan tersebut
menggunakan trasformasi z
x
z

 STATISTIK 1 x
Distribusi Normal dan normal Standar

Kurva normal standar

Pengantar
Probabilitas

Dist.
Probabilitas
diskrit

Dist.
Probabilitas
Kontinu Contoh
jawab

Angka 0,4602
dan 0,1587 dari
table Z dislide
berikutnya atau
table lengkap
dalam pdf
dapat
didownload di
ms team
statistika dasar
 STATISTIK 1 x
Latihan

5. Misalkan diketahui sejumlah 30 orang mahasiswa dengan nilai

rata2 ujian sebesar 70 dan standar deviasi sebesar 11,14. Maka
tentukanlah brapa probabilitas seorang mahasiswa memperoleh
Pengantar
Probabilitas
nilai lebih dari 60?
brapa probabilitas seorang mahasiswa memperoleh nilai antara 60-
90?
Dist.
Probabilitas
diskrit 6. Bila diberikan sebuah sebaran normal dengan rata2 adalah 200
dan varian adalah 100 ( 2) maka tentukan
Dist. A. luas daerah dibawah 214
Probabilitas B. luas diatas 179
Kontinu
7. Untuk sebaran normal dengan rata rata adalah 50 dan standar
deviasi adalah 10, maka hitunglah peluang bahwa X memperoleh
sebuah nilai
a. Kurang dari 65
b. diantara 40 dan 65
 STATISTIK 1 x
Latihan

8. Untuk sebaran normal dengan rata rata adalah 40 dan standar

deviasi adalah 6, maka hitunglah nilai X yang (a). Luas daerahnya
dibawahnya ada 38%
Pengantar
Probabilitas
(b) dan luas diatasnya 5%

Dist.
9. Bila diberikan sebuah sebaran normal dengan rata2 adalah 200
Probabilitas
dan varian adalah 100 ( )maka tentukan
2
diskrit
A. nilai x yang luas daerah dibawah 80 %
Dist. B. nilai x luas daerah di atas 10 %
Probabilitas
Kontinu
 STATISTIK 1 x

Latihan

Pengantar
Probabilitas

Dist.
Probabilitas
diskrit

Dist.
Probabilitas
Kontinu
 STATISTIK 1 x

Distribusi (student - t)

Pengantar
Probabilitas

Dist.
Probabilitas
diskrit

Dist.
Probabilitas
Kontinu
 STATISTIK 1 x

Distribusi (student - t)

Contoh

Pengantar
Probabilitas
Suatu pabrik bola lampu yakin bahwa bola lampunya
Dist. akan tahan menyala rata – rata selama 500 jam.
Probabilitas Untuk mempertahankan nilai tersebut, tiap bulan
diskrit
diuji 25 bola lampu. Bila nilai t yang dihitung terletak
Dist. antara -t(0.05) dan t(0.05) maka pengusahan pabrik tadi
Probabilitas
Kontinu akan mempertahankan kenyakinannya. Kesimpulan
apa yang seharusnya dia ambil dari sampel dengan
rataan = 518 jam dan simpangan baku s = 40 jam?
Anggap bahwa distribusi waktu menyala, secara
hampiran, normal.