DISTRIBUSI

PROBABILITAS

Sesi 5 – Biostatistik Dasar

Distribusi Probabilitas
PDF CDF

*PDF = Probability Density Function

*CDF = Cumulative Distribution Function
Distribusi Probabilitas
Distribusi Probabilitas

Prob. rumah sakit menerima 5 kasus/hari = PDF(5) = 15%

Prob. rumah sakit menerima <= 5 kasus/hari = CDF(5)
Distribusi Probabilitas

Prob. RS menerima <=10 kasus/hari = CDF(10)

CDF(10) = PDF(1) + PDF(2) + PDF(3) + … + PDF(10)

Distribusi Probabilitas

Dist. Binomial
Data kategori/
numerik-
diskrit
Distribusi Dist. Poisson
probabilitas
Data numerik Dist. Normal
kontinu etc
Probabilitas Binomial
 Keadaan khusus  Hanya 2 kemungkinan keluaran
 Hidup vs Mati
 Sakit vs Sehat
 Contoh:
 Probabilitas pasien yg mengalami bedah jantung meninggal
5%
 Maka Prob(Hidup) = 100-5 = 95%
 2 Orang mengalami bedah jantung, berapa probabilitas
 0 orang meninggal
 1 orang meninggal
 2 orang meninggal
 Distribusi Binomial
 Outcome = Dikotomous (yes/no, positif/negatif
 Kedua outcome adalah independen
 p dan q selalu konstan
nr n! nr
p( r ,n )  n Cr * p * q
r
 r
* p *q
( n  r )! r!
 p (r,n) = probabilitas munculnya x sukses dari n percobaan
 p = probabilitas sukses dalam setiap percobaan
 q = 1 - p probabilitas tidak sukses
 Mean = n.p
 SD =  (n.p.q)
 CONTOH: Jika koin dilemparkan 3 kali. Berapa probabilitas untuk muncul tanda
gambar:
 nol kali
 1 kali
 paling sedikit 1 kali
n!
 paling banyak 1 kali p (r )  p n * (1  p) n  r *
(n  r )! r!
Diketahui p=0.5, n=3 
3 0 3!
p(0)  0.5 * 0.5 *
3
 0.125
(3  0)!3!
a. r=0 dan n=3 
3!
p (1)  0.53 * 0.531 *  0.375
(3  1)!1!
b. r=1 

c. Paling sedikit 1  p>1 =p(1)+p(2)+p(3)  masing-masing probabilitas dihitung dengan

menggunakan cara yang sama (perhitungan pada jawaban a dan b)lalu baru dijumlah
d. Paling banyak 1  p<1 = p(0) + p(1)  sama dengan diatas
 Distribusi Poisson
 Outcome = Jumlah kejadian per satuan waktu/keadaan
 Sebagai perkiraan (approximate) dari distribusi binomial pada
kejadian yang jarang (p < 0.1) dan n yang besar

P (r) = e- . r / r!
 P (r) = probabilitas munculnya x sukses dari n
percobaan
 e = 2.7183
 V =m = rata-rata terjadinya suatu peristiwa
 p = probabilitas sukses dalam setiap percobaan

Mean (m) = () = n.p

SD =  m
 CONTOH
Kematian akibat sakit gigi/th di populasi = 0.02
Dari 200 penderita sakit gigi, berapa probabilitasnya:
a. Tidak ada yang mati
b. Satu orang mati
c. Dua orang mati
d. Tiga orang mati
e. Paling sedikit 3 orang mati
f. Paling banyak 3 orang mati 
e *  2,7 4
* 4 0
 Contoh jawaban: p ( 0)    0,0188
r! 0!
a. r=0, λ=n.p=200*0.02=4

b. Cara yang sama bisa dikerjakan untuk soal yang lain

Distribusi Normal

0.45
0.40
0.35
0.30
0.25
0.20
0.15
0.10
0.05
0.00
    

Distribusi probabilitas untuk variabel kontinyu dengan puncak

distribusi berada pada mean dan bentuk distribusi simetris, yang
ditentukan oleh simpang bakunya
 Distribusi Normal Standar
0.45
0.40
0.35
0.30
0.25
0.20
0.15
0.10
0.05
0.00
    

Distribusi normal dengan mean=0 dan simpang baku=1

Dapat digunakan untuk berbagai ukuran  Menggunakan transformasi
Transformasi Z
 Misal: rata-rata tek. Darah sistolik orang dewasa
120 mmHg dan simpang baku 10 mmHg
 Prob. Seorang dari populasi tersebut memiliki tekanan
darah 100 – 140 mmHg
 Transformasi nilai ke distribusi normal standar

100  120
x x  100  z   2
Z 10
 x  140  z 
140  120
10
 2
Penggunaan Tabel Z

Probabilitas untuk z=2 atau z=-2  0,4772

 CONTOH
Tekanan darah sistolik (SBP) terdistribusi secara normal
dengan mean=120 mmHg dan SD=10 mmHg.
Hitunglah:
1. Luas kurva diatas 130 mmHg
2. Luas kurva diatas 140 mmHg
3. Luas kurva diantara 100 – 140 mmHg
Tentukan nilai SBP yang membagi kurva atas dua bagian
yaitu:
1. Nilai yang membagi kurva <95% dan > 5%
2. Nilai yang membagi kurva <97.5% dan > 2.5%