“peluang diskrit”
Kelompok 8 :
Dosen Pengampu :
Rieno Septra Nery, M.Pd.
Peluang
Peluang ___
___
Peluang atau yang sering disebut sebagai probabilitas dapat dipandang sebagai cara untuk mengungkapkan ukuran ketidakpastian/
ketidakyakinan/ kemungkinan suatu peristiwa terjadi atau tidak terjadi. Untuk menyatakan suatu ketidakpastian atau kepastian
diperlukan permodelan matematis yang secara teoritis dinyatakan dengan sebaran atau distribusi. Nilai probabilitas suatu kejadian
dalam suatu percobaan tersebar di antara 0 dan 1 atau antara 0% dan 100%. Jika probabilitas/peluang suatu kejadian A terjadi
dilambangkan dengan notasi P(A) maka, probabilitas [bukan A] atau komplemen A, atau probabilitas suatu kejadian A tidak akan
terjadi, adalah 1-P(A). Secara sederhana peluang suatu kejadian terjadi atau tidak dapat direpresentasikan pada tabel 1.1 berikut.
Progress:
Jenis
Jenis Distribusi
Distribusi peluang
peluang diskrit
diskrit
Distribusi
Seragam
(Uniform)
01
Distribusi
Diskrit 04 Hipergeometrik
Distribusi
Binomial 02
Distribusi
05 Poisson
Distribusi
Multinomial 03
01
Distribusi
Seragam
(Uniform)
Diskrit
Distribusi seragam (uniform) diskrit
Distribusi uniform diskrit merupakan distribusi variabel random diskrit
yang mengasumsikan bahwa semua nilai mempunyai kemungkinan yang
sama untuk muncul.
Definisi 1:
Bila peubah acak X mendapat harga , , ..., , dengan peluang yang sama,
maka distribusi seragam diskrit diberikan oleh :
𝑃(𝑥) =
Keterangan
Keterangan ::
p(𝑥)
p(𝑥) :: Peluang
Peluang terjadinya
terjadinya xx
xx :: harga variable
harga variable
𝑛𝑛 ∶∶ banyaknya
banyaknya data
data pengamatan
pengamatan // ukuran
ukuran
sampel
sampel Progress:
Contoh
Contoh ::
Untuk merencanakan persediaan suatu barang x, suatu toko serba ada (Toserba) perlu memperkirakan jumlah
permintaan harian terhadap barang x. Menurut catatan penjualan, diketahui bahwa permintaan harian terhadap barang x
adalah berkisar di antara 0-5 unit. Permintaan ini memiliki fluktuasi secara acak, sehingga tidak bisa ditentukan
peluang permintaannya. Dalam hal ini, maka permintaan terhadap barang x dapat dimodelkan mengikuti distribusi
uniform.
Untuk mempermudah penyelesaian contoh diatas, akan digunakan bantuan perhitungan seperti ditampilkan pada Tabel
1.2 berikut ini .
Probabilitas
∑ 𝑝𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛 𝑥 𝑥𝑃(𝑥) (𝑥 − 𝜇)² (𝑥 − 𝜇)² 𝑃(𝑥)
Permintaan 𝑃(𝑥)
0 1/6 0 6,25 1,04166
1 1/6 1/6 2,25 0,37500
2 1/6 2/6 0,25 0,04166
3 1/6 3/6 0,25 0,04166
4 1/6 4/6 2,25 0,37500
5 1/6 5/6 6,25 1,04166
Jumlah 15/6 17,5 2,9166
Lanjutan…
Lanjutan…
Berdasarkan hasil perhitungan
pada tabel 1.2 maka
ekspektasi rata-rata permintaan per hari terhadap barang
x, adalah sebagai berikut :
Progress:
Distribusi
02 Binomial
Distribusi
Distribusi binomial
binomial
Ciri-ciri atau karakteristik distribusi binomial :
Percobaan diulang sebanyak n kali
Hasil setiap ulangan dapat dikategorikan dalam 2 kelas. Misal : “berhasil”
atau “gagal”, “ya” atau “tidak”, “success” atau “failed”
Peluang berhasil atau sukses disimbolkan dengan p dan dalam setiap
ulangan nilai p tetap, dimana p = 1 – q sedangkan peluang gagal dinyatakan
dengan q dimana q = 1 – p
Banyaknya keberhasilan dalam peubah acak disimbolkan dengan X
Setiap ulangan bersifat bebas (independent) satu dengan lainnya.
Semakin banyak N maka peluang terjadinya suatu kejadian tertentu semakin
kecil. Perlu diingat bahwa kejadian yang menjadi pertanyaan ataupun
ditanyakan dari suatu permasalahan bisa dikategorikan sebagai kejadian
“sukses atau berhasil”.
Progress:
Distribusi
Distribusi binomial
binomial
Definisi 2 Sehingga didapatkan rumus :
Banyaknya sukses X dalam n usaha
suatu percobaan binomial disebut
suatu peubah acak binomial.
Untuk mencari peluang dengan
distribusi binomial digunakan rumus : Dengan 𝑋 = 0,1,2, … , 𝑁 ; 𝑁! = (𝑁 − 1)(𝑁− 2)… .
1;
dan 0! = 1 berdasarkan definisi, dalam
distribusi binom dikenal parameter rata-rata (𝜇)
Sedangkan koefisien binom dicari dan simpangan baku (𝜎)
dengan rumus: 𝑀𝑒𝑎𝑛 ∶ 𝜇 = 𝑁𝑝
𝑆𝑎𝑛𝑑𝑎𝑟 𝐷𝑒𝑣𝑖𝑎𝑠𝑖 ∶ 𝜎 =
𝑉𝑎𝑟𝑖𝑎𝑛𝑠 ∶ 𝜎2 = 𝑁𝑝𝑞
Progress:
Contoh
Contoh ::
Dalam pelambungan sebuah mata uang tiga kali, didefinisikan X = banyaknya
Angka yang muncul. Berapa peluangnya muncul 2 buah Angka?
Jawab :
𝑝 = Peluang muncul angka pada satu pelambungan =
𝑁 = 3 (Banyaknya pelambungan, banyaknya pengulangan)
𝑋 = 2 (Banyaknya Angka yang diharapkan muncul)
Jawab :
Progress:
Distribusi
Hipergeo 04
metrik
Distribusi
Distribusi Hipergeometrik
Hipergeometrik
Banyaknya sukses X dalam percobaan hipergeometrik disebut peubah acak hipergeometrik.
Distribusi hipergeometrik adalah distribusi dari eksperimen sampling tanpa pengambilan.
Jika sebuah variabel acak x menyatakan jumlah sukses dalam n percobaan / sampel dan total
jumlah sukses. D diambil dari sebuah populasi berukuran N, maka x dikatakan mengikuti
distribusi hipergeometrik dengan fungsi peluang dirumuskan sebagai berikut :
Keterangan :
P(x) : peluang x
D : pengambilan
N : populasi
n : banyaknya data pengambilan / sampel
Dengan 𝑥 = 0,1,2, … , 𝑛 dan faktor –faktor diruas kanan ditentukan oleh rumus :
Progress:
Distribusi
Distribusi Hipergeometrik
Hipergeometrik
Suatu percobaan hipergeometrik memiliki sifat berikut:
1. Sampel acak ukuran n diambil dari N benda.
2. Sebanyak k benda dapat diberi nama sukses sedangkan
sisanya, N – k diberi nama gagal. Rataan dan variansi
distribusi hipergeometrik ℎ(𝑥; 𝑁, 𝑛, 𝑘) adalah
Progress:
Contoh
Contoh ::
Suatu kotak memuat 100 bola dan 5 diantaranya merah. Jika 10 bola diambil tanpa
pengembalian, berapakah probabilitas mendapat paling sedikit 4 merah ?
Jawab :
Progress:
Distribusi
05 Poisson
distribusi
distribusi poisson
poisson
Distribusi poisson diberi nama sesuai dengan penemunya Dimana :
yaitu Siemon D. Poisson. Percobaan Poisson apabila e = 2.71828
menghasilkan peubah acak X yang menyatakan banyaknya = sebuah bilangan tetap untuk 𝑒−𝜆 dapat
hasil selama selang waktu, periode atau daerah tertentu. dilihat dalam tabel daftar D
Misalnya jumlah barang yang cacat setiap kali pengiriman, x = 1,2, 3, …..
banyaknya hubungan telepon yang diterima kantor per jam. p(x) = probabilitas kelas sukses
Budiyono, (2009 : 103) menyatakan jika pada distribusi
binomial b(x; n; 𝜃), parameter n cukup besar (secara teoritis 𝑛
→ ~) maka akan diperoleh distribusi poisson dangan Teorema 5
parameter = nθ. Rataan dan variansi distribusi poisson p(x; µ)
Sutanta (2005:80) menyatakan jika suatu variabel random x keduanya sama dengan µ. Distribusi Poisson
menyatakan rata- rata kedatangan pada suatu rentang waktu dapat diposisikan sebagai bentuk limit
yang kecil, maka x dikatakan mengikuti distribusi poisson, distribusi binomial bila n → ∞, p → 0, dan np
dengan formula : tetap tidak berubah. Jadi bila n besar dan p
dekat dengan nol, distribusi Poisson dapat
digunakan dengan µ = np , untuk
menghampiri peluang bimomial.
Contoh
Contoh ::
Jika peluang seseorang terkena penyakit demam adalah 0,005, berapa
peluang bahwa terdapat 18 orang yang terkena penyakit demam dari
3000 orang ?
Jawab :
Nilai k = ….
2. Suatu survei menunjukkan bahwa hanya 70% dari mahasiswa yang disurvei tidak menyetujui pencalonan
Agil sebagai presiden mahasiswa. Bila kemudian diambil secara acak 12 mahasiswa, berapa peluang
bahwa banyaknya yang tidak setuju Agil menjadi presiden mahasiswa sebanyak
a. Tidak kurang dari 8 orang
b. Semuanya setuju
3. Dua buah dadu dilempar enam kali, berapa peluang muncul bilangan yang hasil penjumlahannya adalah 7
atau 11 sebanyak dua kali, bilangan yang sama muncul sekali dan hasil yang lainnya muncul tiga kali?
Tha
nk
you!