Distribusi probabilitas

Susmiati
 Dalam teori peluang dan statistika, sebaran probabilitas, distribusi
probabilitas, atau sebaran peluang menunjukkan besarnya
probabilitas dari setiap hasil yg muncul dlm suatu percobaan acak.

 Berdasarkan pembentukannya, sebaran probabilitas dapat bersifat

empirik atau teoritik
 Distribusi probabilitas: Suatu distribusi yg menggambarkan peluang
dari sekumpulan variat sebagai pengganti frekuensinya.

 Probabilitas kumulatif: probabilitas dari suatu variabel acak yg

mempunyai nilai sama atau kurang dari suatu nilai tertentu.
Fungsi distribusi probabilitas:

 Distribusi peluang diskrit

 Distribusi peluang kontinyu

Distribusi peluang=distribusi matematik

 Yg menghubungkan semua nilai variabel random dengan peluang

terjadinya nilai tersebut dalam ruang sampel.

 Distribusi peluang dapat direpresentasikan dalam bentuk fungsi,

tabel, atau grafik.

 Distribusi peluang dapat dianggap sebagai frekuensi relatif jangka

panjang
Contoh:

 Variabel random X adalah fungsi dari S ruang sampel ke bilangan

real. Ditulis X;SR. Misal untuk menjawab persoalan pilihan dua
kali terhadap pilihan Benar (B) atau salah (S), di tulis ruang sampel
S= ( SS,SB,BS,BB). Jika X merupakan Variabel Random banyaknya
jawaban benar, maka X=( 0,1,2)

 Variabel random X adalah fungsi dari S ruang sampel ke bilang real

R
Secara grafik dpt di gambarkan sbb:
Variabel diskrit:

 Variabel yg nilainya dat diperoleh dengan cara membilang ataupun

menghitung. Variabel dari sampel yg diambil dari populasi ini
bertujuan untuk mempermudah pemahaman terori sampel dan
pembahasan hipotesis pd pengujian selanjutnya.

 Variabel diskrit X menentukan distribusi peluang untuk nilai

X=x1,x2,x3,…dst,xn terdapat peluang p(xi)=P(X=xi) ditulis:
Lanjutan…
Distribusi Binomial/bernoulli

 Ditemukan oleh james Bernoulli

 Suatu distribusi probabilitas teoritis yg menggunakan variabel

random diskrit yg terdiri dari dua kejadian yg berkomplemen, seperti
sukses-gagal, ya-tdk, baik-cacat, kepala-ekor, dst
Ciri-ciri:

 Setiap percobaan hny memiliki dua peristiwa

 Probbilitas suatu peristiwa adalah tetap, tdk berubah untuk setiap

percobaan

 Percobaannya bersifat independent, artinya peristiwa dari suatu

percobaan tdk mempengaruhi atau dipengaruhi peristiwa dlm
percobaan lainnya

 Jumlah atau banyaknya percobaan yg merupakan komponen

percobaan binomial harus tertentu
Rumus Binomial suatu peristiwa:

 Probabilitas suatu peristiwadpt dihitung dgn mengalikan kombinasi

susunan dgn probabilitas salah satu susunan.
Probabilitas Binomila kumulatif

 Probabilitas binomial kumulatif adalah probabilitas dari peristiwa

binomial lebih dari satu sukses.
Distribusi Bernoulli/Binomial

 Eksperimen Bernoulli dgn hanya dua hasil yang mungkin

 Contoh:

1. Melempar mata uang logam satu kali

2. Mengamati telur ayam, apakah anak ayam itu jantan atau betina

3. Mengamati kedelai yg ditanam, tumbuh atau tidak

4. Reaksi obat pd tikus, positif atau negatif

Sifat eksperimen bernoulli:

 Tiap usaha (trial) menghasilkan satu dari dua hasil yg mungkin,

dinamakan sukses (S) dan gagal (G)

 Peluang sukses, P(S)=p dan peluang gagal P(G)=1-p, atau P(G)=q;

 Usaha-usaha tersebut independen

Rumus:
Distribusi poisson

 Merupakan distribusi probabilitas untuk variabel diskrit acakyg

mempunyai nilai 0,1,2,3, dst.

 Distribusi Poisson adalah distribusi nilai bagi suatu variabel random

X (X diskrit), yaitu banyaknya hasil percobaan yg terjadi dlm suatu
interval waktu tertentu atau disuatu daerah tertentu.

 Fungsi: dapat menjelasakan dgn sangat memuasakan terhadap

probabilitas binomial b(X |n.p) untuk X=1,2,3…n.
Ciri-ciri distribusi poison

 Hasil percobaan pd suatu selang waktu dan tempat tdk tergantung

dari hasil percobaan di suatu waktu dan tempat yg lain yg terpisah.

 Peluang terjadinya suatu hasil percobaan sebanding dengan panjang

selang waktu dan luas tempat percobaan terjadi. Hal ini berlaku
hanya untuk selang waktu yg singkat dan luas daerah yg sempit.
Peluang bahwa lebih dari satu hasil percobaan akan terjadi pd selang
waktu dan luasan yg sama diabaikan.
Penggunaan distribusi poison

 Menghitung probabilitas terjadinya peristiwa menurut satuan waktu,

ruang atau isi, luas, panjang tertentu, spt:

1. Menghitung probabilitas dari kemungkinan kesalahan pemasukan

data

2. Jumlah pelanggan yg harus antri pd pelayanan rumah sakit

3. Banyaknya bakteri dalam satu tetes atau 1 liter air

4. Jumlah salah cetak dalam suatu halaman ketik

Lanjutan…

 Menghitung distribusi binomial apabila nilai n besar (n>=30) dan p kecil

(p<0,1). Jika kita menghitung sejumlah benda acak dlm suatu daerah
tertentu T, maka proses penghitungan ini dilakukan sbb:

1. Jumlah rata2 benda di daerah S adalah sebanding terhadap ukuran S,

yaitu Ecount (S)=λS. Disini melambangkan ukuran S, yaitu panjang,
luas, volume, dan lain-lain. Parameter λ>0 menggambarkan intensitas
proses.

2. Menghitung di daerah terpisah adalah bebas

3. Kesempatan untuk mengamati lebih dari satu benda di dalam suatu

daerah kecil adalah sangat kecil
Rumus Probabilitas poisson suatu peristiwa
Distribusi Multinomial

 Merupakan perluasan dari distribusi binomial, jika pd distribusi

binomial hny tertekan pd 2 pilihan atau 2 kemungkinan yg mungkin
terjadi dari sebuah peristiwa maka pd distribusi multinomial adalah
banyak kemungkinan yg mungkin terjadi dari sebuah peristiwa.
Distribusi hipergeometrik

 Eksperimen hipergeometrik: dlm populasi berukuran N sebanyak k

dinamakan sukses, sedangkan sisanya N-k dinamakan gagal, sampel
berukuran n diambil dari N benda, Cara pengambilan sampel tanpa
pengembalian.
Semangat belajar….