Kuliah 3 Distribusi Probabilitas

Variabel Random Diskret & Kontinyu

Prodi Teknik Sipil Unsoed
Distribusi Probabilitas
Model Probabilitas suatu variabel random X adalah
suatu bentuk distribusi probabilitas tertentu yang
dianggap mencerminkan tingkah laku X.
Harga-harga probabilitas dinyatakan dalam bentuk
parameter yang tidak diketahui, yang berkaitan
dengan karakteristik populasi dan cara pengambilan
sampelnya
Variabel random: Diskret & Kontinyu
Distribusi Probabilitas
Variabel Random Diskret:
Probabilitas Geometri
Probabilitas Hipergeometrik
Probabilitas Poisson
Variabel Random Kontinyu:
Probabilitas Normal
Distribusi Geometri
Dalam sebuah seri percobaan
Bernoulli (percobaan bersifat
independen dengan peluang
keberhasilan konstan), variabel
acak X menyatakan jumlah
percobaan sampai didapatkan
sukses/keberhasilan yang
pertama. Lalu X adalah sebuah
variabel acak geometri dengan
parameter 0 < p < 1 dan

f(x) = (1-p)x-1p x=1,2,…

Contoh
Probabilitas bahwa sebuah sampel beton akan
terdapat retakan adalah 0,01. Jika diasumsikan
bahwa sampel beton adalah independen, berapakah
probabilitas bahwa tepat 125 sample perlu dianalisa
sebelum sebuah retakan ditemukan?
Jawab:
X menyatakan jumlah sampel yang dianalisa
sampai sebuah retakan ditemukan.
Sehingga X adalah sebuah variabel acak
geometrik dengan p = 0,01.
Probabilitas yang diminta adalah
P(X=125) = (0,99)124.0,01 = 0,0029
Rata-rata & variansi
variabel acak geometri
Jika X adalah sebuah variabel acak geometri dengan
parameter p,

 = E(X) = 1/p
2 = V(X) = (1-p)/p2
 Disribusi Binomial Negatif
Dalam sebuah seri percobaan
Bernoulli (percobaan bersifat
independen dengan peluang
keberhasilan konstan),
variabel acak X menyatakan
jumlah percobaan sampai
didapatkan r buah
sukses/keberhasilan. Lalu X
adalah sebuah variabel acak
binomial negatif dengan
parameter 0 < p < 1 dan r =
1,2,3,…, dan
Contoh
Misalkan bahwa probabilitas sebuah bit yang
ditransmisikan pada sebuah saluran digital akan
diterima dalam keadaan error adalah 0,1.
Asumsikan transmisi bit adalah kejadian
independen, dan variabel acak X menyatakan
jumlah bit yang ditransmisikan sampai dengan
error ke empat. P(X=10) adalah probabilitas akan
didapatkan empat error dalam 10 percobaan.

9
P ( X  10)   0,1 0,9   5,31.10
4 6 5

 3
Rata-rata dan variansi variabel
acak binomial negative
Jika X adalah sebuah variabel acak binomial
negative dengan parameter p dan r,

 = E(X) = r/p
2 = V(X) = r(1-p)/p2
 Distribusi Hypergeometri
Sekumpulan N buah objek meliputi:
 K buah objek dikelompokkan sebagai keberhasilan/sukses
 N-K buah objek dikelompokkan sebagai kegagalan
 Sebuah sampel berukuran n buah objek di pilih secara acak
(tanpa pengembalian) dari N buah objek, dimana K  N dan n
 N.
 Variabel X menyatakan jumlah keberhasilan dalam sampel.
Maka X adalah variabel acak hypergeometri
Contoh
Diantara 850 balok beton pracetak hasil produksi
terdapat 50 balok beton yang tidak memenuhi
syarat kuat tekan rencana. Dua buah balok dipilih
secara acak tanpa mengembalikan lagi, yaitu balok
yang telah dipilih tidak dikembalikan lagi sebelum
pemilihan berikutnya dilakukan. Kita misalkan A
dan B masing-masing adalah kejadian-kejadian
yang menyatakan bahwa balok pertama dan kedua
tidak memenuhi syarat kuat tekan. Maka
Kedua balok memenuhi syarat kuat tekan, adalah
Contoh
Balok pertama memenuhi syarat balok kedua tidak,
atau balok pertama tidak memenuhi balok kedua
memenuhi

Kedua balok tidak memenuhi syarat kuat tekan

Rata-rata dan variansi
variabel acak
hypergeometrik
Jika X adalah sebuah variabel acak hypergeometrik
dengan parameter N, K, dan n, maka
 = E(X) = np
2 = V(X) = np(1-p)(N-n)/(N-1)

dimana p=K/N
 Distribusi Poisson
Diberikan interval dari suatu bilangan real, asumsikan
kejadian acak sepanjang interval.
Jika interval dapat dibagi ke dalam subinterval-
subinterval pendek sehingga
1. probabilitas lebih dari satu kejadian dalam sebuah
interval = 0
2. probabilitas satu kejadian dalam sebuah subinterval
adalah sama untuk semua subinterval dan proporsional
terhadap panjang subinterval, dan
3. kejadian dalam setiap subinterval adalah independen
terhadap subinterval-subinterval yang lain, percobaan
acak tersebut disebut sebuah Proses Poisson.
Distribusi Poisson
Variabel acak X yang sama dengan jumlah kejadian
di dalam interval tersebut adalah sebuah variabel
acak Poisson dengan parameter 0 < , dan
probabilitas fungsi massa dari X adalah
Probability Density Function
Sebuah fungsi kepadatan probabilitas (probability
density function) f(x) dapat digunakan untuk
menggambarkan distribusi probabilitas dari sebuah
variable acak kontinu X.
 Contoh
Misalkan variable acak kontinu X melambangkan arus
yang diukur dalam sebuah kabel tembaga (miliamper).
Asumsikan rentang nilai X adalah [0, 20 mA], dan
asumsikan bahwa probability density function (pdf) dari
X adalah untuk
Berapakan probabilitas bahwa sebuah pengukuran
arus adalah kurang dari 10 mA.
Jawab:
Contoh 2
Misalkan variable acak kontinu X melambangkan diameter dari sebuah hasil
pengeboran lubang pada sebuah lempeng logam. Target diameter adalah 12,5
mm. Gangguan pada proses pengeboran menghasilkan lubang berdiameter lebih
besar. Data historis menunjukkan bahwa distribusi X dapat dimodelkan dengan a
fungsi kepadatan probabilitas (pdf)

Jika lempeng dengan diameter lubang lebih besar dari 12.60 dibuang, berapa
bagian yang dibuang?

Jawab:
Cumulative Distribution
Function

Untuk
 Contoh
Pada contoh sebelumnya untuk arus pada tembaga, fungsi distribusi kumulatif
untuk variable acak kontinu X terdiri dari tiga bagian:

Sehingga
 Contoh
Pada contoh sebelumnya untuk lubang pengeboran pada lempeng logam, fungsi
distribusi kumulatif untuk variable acak kontinu X terdiri dari dua bagian:

Sehingga
Hubungan antara probability density function dan
cumulative distribution function

Sehingga
Contoh
Waktu yang diperlukan untuk menyelesaikan sebuah reaksi kimia didekati dengan
sebuah fungsi distribusi kumulatif

Tentukan probability density function (pdf) dari X. Berapa bagian reaksi yang
selesai dalam waktu kurang dari 200 ms.

Jawab:
Pdf adalah turunan pertama dari CDF sehingga:

Probabilitas bahwa sebuah reaksi akan selesai kurang dari 200 milliseconds adalah
Rata-rata dan varians
variable acak kontinyu
Rata-rata:

Varians:

Standar deviasi:
 Contoh
Pada contoh sebelumnya untuk arus pada tembaga, harga-harga rata-rata dan
variansnya adalah:

Rata-rata:

Varians:
 Distribusi Seragam Kontinu
Sebuah variable acak kontinu X dengan fungsi kepadatan probabilitas

Adalah sebuah variable acak

seragam kontinu

Harga rata-ratanya

Harga variansnya
 Contoh
Misalkan variable acak kontinu X menyatakan arus yang diukur pada sebuah kawat
tembaga tipis dalam miliamper. Asumsikan rentang nilai X adalah [0, 20 mA], dan
asumsikan fungsi kepadatan probabilitasnya adalah

Berapakah probabilitas pengukuran adalah

antara 5 dan 10 miliampere?

Rumus-rumus harga rata-rata, varians, dan standar deviasi diterapkan pada a=0
dan b=20

Standar deviasinya adalah

Cumulatif Distribution Function
Variable acak Seragam Kontinu
Jika

CDF didapatkan dengan melakukan integrasi PDF

 Distribusi Normal

Adalah variable acak normal dengan parameter-

parameter
dimana
dan

Untuk menyatakan distribusi digunakan notasi

Contoh
Asumsikan bahwa pengukuran arus pada sepotong kabel mengikuti sebuah
distribusi normal dengan rata-rata 10 mA dan variansi 4 mA. Berapakah probabilitas
bahwa sebuah pengukuran melampaui 13 mA.

Probabilitas yg diminta dapat dinyatakan

Untuk menghitung integral dari pdf harus menggunakan cara numerik atau
bisa ditemukan dari tabel.
Tugas Kelompok
Satu kelompok 4-5 orang (maksimal 5 orang).
Buat resume tentang penggunaan distribusi
probabilitas , dan berikan masing-masing satu
contoh aplikasinya di bidang teknik sipil.
Geometri
Binomial negatif
Hipergeometri
Poisson
Normal
Tugas dikirim via email ke nikosiameva@yahoo.com
Date line : Besok, Pukul 00.00 30 Mei 2012