KONSEP PENTING:
Variabel Acak (Random Variables)
Tipe Distribusi Peluang (Diskrit & Kontinu)
Nilai harapan (Expected Value) dan Varian (Variance)
Berbagai Jenis Distribusi Peluang Diskrit
Uniform Poisson
Binomial Hypergeometrik
Berbagai Jenis Distribusi Peluang Kontinu
Uniform
Normal
Eksponensial
1
KONSEP PENTING
Variabel Acak (Random Variables)
Anderson (2002):
Variabel acak merupakan gambaran secara
numerik mengenai hasil dari suatu percobaan
Walpole (1982):
Variabel acak merupakan suatu fungsi yang
nilainya berupa bilangan nyata yang ditentukan
oleh setiap unsur dalam ruang contoh.
2
Variabel Acak
Pada saat melakukan percobaan acak biasanya kita tertarik untuk
mengkuantifikasi hasil percobaan.
Misal: percobaan tentang rata-rata berat badan, maka kita akan
menimbang berat badan seseorang untuk mengetahui kilogram berat
badan orang tersebut.
Contoh-contoh tersebut menunjukkan adanya konsep variabel acak
Peubah acak X adalah suatu fungsi yang memetakan setiap hasil
eksperimen didalam ruang sampel ke bilangan riil X()
keacakannilai yang diamati adalah akibat dari keacakan
argumen dari fungsi X, yang disebut hasil eksperimen .
Variabel acak dapat berupa:
Variabel diskret: nilai yang keluar pada pelemparan dadu
Varibel kontinyu: berat badan seseorang
KONSEP PENTING (L)
Variabel acak dapat dibagi dalam 2 jenis:
Diskret, yaitu bila suatu ruang contoh mengandung
jumlah titik contoh yang terhingga atau suatu barisan
unsur yang tidak pernah berakhir tetapi yang sama
banyaknya dengan bilangan cacah (bilangan bulat
yang tidak negatif: 0, 1, 2, 3, …).
Contoh: Jumlah produk yang terjual pada suatu hari
tertentu
Kontinyu, yaitu bila suatu ruang contoh mengandung
takhingga banyaknya titik contoh yang sama dengan
banyaknya titik pada sebuah ruas garis
Contoh: Pendapatan seseorang dalam perbulan
4
Konsep Dasar
Variabel
Variabel Diskret versus Variabel Kontinyu
Sama dengan variabel Kategori versus Variabel Dimensional
Terminologi Dasar
Data Kuantitatif
Data Dimensional/Data Pengukuran versus Data Kategori/Data
Frekuensi Penghitungan
Dimensional
Ketika kuantitas sesuatu hal diukur dan dinyatakan dalam bentuk bilangan /
angka (data kontinum / rangkaian)
2. Kontinyu
8
DISTRIBUSI PELUANG
DISKRET
Distribusi peluang diskret, yaitu apabila random
variabel yang digunakan diskret.
Syarat:
a. f(x) ≥ 0
b. f(x) = 1
9
CONTOH
Contoh distribusi peluang diskret
Menggunakan data penjualan TV di Toko JSL,
distribusi peluang adalah sebagai berikut:
Jumlah TV Terjual Jumlah hari x f(x)
0 80 0 0,40
1 50 1 0,25
2 40 2 0,20
3 10 3 0,05
4 20 4 0,10
200 1,00
10
CONTOH
Contoh: Toko JSL
Representasi distribusi peluang data penjualan TV di
Toko JSL secara grafik adalah sebagai berikut:
.50
.40
Peluang
.30
.20
.10
0 1 2 3 4
Nilai variabel acak x (penjualan TV) 11
PENGGOLONGAN DISTRIBUSI
PELUANG DISKRET
1. Seragam (Uniform)
12
PENGGOLONGAN DISTRIBUSI
PELUANG DISKRET
2. Binomial
Sifat percobaan Binomial
x ! ( n x )!
Varian
Var(x) = 2 = np(1 - p)
Perhatikan bahwa:
Pada kasus ini, p = 0.1 n=3 x=1
16
CONTOH
2. Binomial (Lanjutan)
CONTOH: PERUSAHAAN ASURANSI
3!
f (1) (0.1)1 (0.9) 2
1!(3 1)!
= (3)(0.1)(0.81) = 0.243
17
CONTOH
2. Binomial (Lanjutan)
p
n x .10 .15 .20 .25 .30 .35 .40 .45 .50
3 0 .7290 .6141 .5120 .4219 .3430 .2746 .2160 .1664 .1250
1 .2430 .3251 .3840 .4219 .4410 .4436 .4320 .4084 .3750
2 .0270 .0574 .0960 .1406 .1890 .2389 .2880 .3341 .3750
3 .0010 .0034 .0080 .0156 .0270 .0429 .0640 .0911 .1250
18
PENGGOLONGAN DISTRIBUSI
PELUANG DISKRET
3. Poisson
Sifat percobaan Poisson
Varian
Var(x) = 2 = np(1 - p)
= 3 pasien perjam, x = 4
34 (2.71828) 3
f ( 4) 0.1680
4!
PENGGOLONGAN DISTRIBUSI
PELUANG DISKRET
3. Poisson (Lanjutan)
N1
E ( x) n.
N
V ( x)
N n N1 N1
n. .1
N 1 N N
26
CONTOH
4. Hipergeometrik (Lanjutan)
SEKIAN &
SEE YOU NEXT SESSION