STATISTIK II

DISTRIBUSI BINOMIAL
Disebut juga distribusi Bernoulli (krn ditemukan James
Bernoulli) merupakan distribusi teoritis yang
menggunakan variabel random diskrit yang terdiri dari 2
kejadian yang berkomplemen, seperti sukses–gagal, ya–
tidak, hidup-mati, kepala-ekor. Ciri-ciri distribusi ini :
1.Setiap percobaan memiliki 2 peristiwa seperti ya-tidak
2.Probabilitas satu peristiwa adalah tetap, tidak berubah
untuk setiap percobaan
3.Percobaannya bersifat independen : peristiwa dari suatu
percobaan tidak mempengaruhi/di-pengaruhi peristiwa
dalam percobaan lainnya
4.Jumlah atau banyaknya percobaan merupakan
komponen percobaan binomial harus tertentu
PROBABILITAS BINOMIAL SUATU
PERISTIWA P(X=X) =n B(X;N,P) =
CX . P . Q
x

n-x

x = banyaknya peristiwa sukses

n = banyaknya percobaan
p = probabilitas
n peristiwa sukses
PBK = C xn . px . qn-x
q = 1 – x=0
pn = probabilitas peristiwa gagal
Σ
PBK = Σ P(X=x)
Probabilitas
x=0 binomial kumulatif

PBK = P(X=0) + P(X=1) + P(X=2) + .. + P(X=n)

RATA-
RATA : n
E(X)= µ = x=0 Σ x (C xn . px . qn-x)
Varians :
n
2 = Σx=0x2 (C xn . px . qn-x) - µ2
Simpangan Baku : 2
= Σ x (Cx . p . q ) - µ
n x n-x
2

Secara singkat nilai rata-rata, varians dan

simpangan baku dapat dihitung dengan rumus :
1. rata-rata ( µ ) = n .p
2. varians ( 2 ) = n . p . q
3. simpangan baku (  ) =  n . p . q
DISTRIBUSI HIPERGEOMETRIK
Juga termasuk distribusi teoritis yang menggunakan
varibel diskrit. Perbedaan utama dengan distribusi
Binomial adalah pengambilan sampelnya tanpa
N-k
pengembalian. Cx Cn-x
k
P(X=x) = h(x; N, n, k) =
C nN

Dimana :
N = ukuran populasi
n = ukuran sampel
k = banyaknya unsur yang sama pada
populasi x = banyaknya peristiwa sukses
 DISTRIBUSI POISSON
 Distribusi ini jarang terjadi, merupakan distribusi nilai- nilai bagi suatu
variabel random X (X diskrit), yaitu banyaknya hasil percobaan yang
terjadi dalam suatu interval waktu tertentu atau di daerah tertentu.
Ciri-ciri distribusi ini :

1. Banyaknya hasil percobaan yg terjadi dalam suatu interval waktu

atau suatu daerah tertentu tidak bergantung pada banyaknya hasil
percobaan yg terjadi pada interval waktu atau daerah lain yg terpisah
2. Probabilitas terjadinya hasil percobaan selama suatu interval waktu yg

singkat atau dalam suatu daerah yg kecil, sebanding dengan panjang

interval atau besarnya tersebut dan tidak bergantung pada banyaknya

percobaan yg terjadi pada interval waktu atau daerah lain yg terpisah

3. Probabilitas lebih dari satu hasil percobaan yg terjadi dalam interval waktu

yg singkat atau dalam daerah yg kecil dapat diabaikan

 CONTOH :
PERISTIWA DATANGNYA KENDARAAN YG LEWAT
DALAM SUATU INTERVAL WAKTU DI SUATU RUAS
JALAN. DARI PERISTIWA TERSEBUT DAPAT DIAMATI :

1. Tingkat kedatangan rata-rata kendaraan dapat dihitung

berdasarkan data masa lalu
2. Tingkat kedatangan rata-rata kendaraan per satuan waktu
adalah konstan
3. Banyaknya kedatangan kendaraan dalam suatu interval
waktu tertentu merupakan peristiwa independen (bebas)
4. Probabilitas kedatangan kendaraan-kendaraan itu dalam
suatu interval waktu adalah sangat kecil, dan dapat
dikatakan mendekati nol
 DISTRIBUSI POISSON DIGUNAKAN DALAM HAL
BERIKUT:

1. Menghitung probabilitas terjadinya perisiwa menurut satuan

waktu, ruang/isi, luas, panjang tertentu, seperti menghitung
probabilitas dari :
a) Banyaknya penggunaan telepon/menit, banyaknya
kendaraan yg lewat/10 menit di suatu ruas jalan
b) Banyaknya bakteri dalam setetes atau seliter cairan
c) Banyaknya kesalahan ketik perhalaman dari sebuah
buku
d) Banyaknya kecelakaan mobil di jalan tol untuk suatu
periode tertentu
2. Menghitung distribusi binomial apabila nilai n besar (n≥30)
dan p kecil (p<0,1)
RUMUS PROBABILITAS POISSON SUATU
PERISTIWA:
X E-
P(X=x) = x!
Dimana :
= rata-rata terjadinya suatu peristiwa
e = bilangan alam/natural = 2,71828
Probabilitas terjadinya suatu kedatangan yg mengikuti
proses Poisson dirumuskan :
e-t (t)x
P(X=x) =
x!
Dimana :
= tingkat kedatangan rata-rata per satuan waktu
t= banyaknya satuan waktu
X= banyaknya kedatangan dalam t satuan waktu
PROBABILITAS POISSON KUMULATIF = PROBABILITAS DARI
PERISTIWA POISSON YANG LEBIH DARI SATU.

n
P(X=x) = Σ x e-
x!
X=0

PPK = P(X=0) + P(X=1) + P(X=2) + … + P(X=n)

Distribusi Poisson sebagai pendekatan distribusi

binomial : (np)x . e-np
P(X=x) =
x!
Terima Kasih