DISTRIBUSI PROBABILITAS

Aida Nur Ramadhani, M.T. – Dr. Margono

Tika Paramitha, M.T. – Mujtahid Kaavessina, Ph.D

Program Studi Teknik Kimia

Fakultas Teknik Universitas Sebelas Maret 2019
 Random variables &
probability distribution concept

2
Distribusi probabilitas

 Distribusi probabilitas adalah sebuah daftar dari keseluruhan hasil suatu

percobaan kejadian yang disertai dengan nilai probabilitas masing-masing
hasil (event).

 Distribusi probabilitas menunjukan hasil yang diharapkan terjadi dari suatu

kegiatan dengan nilai probabilitas masing-masing hasil tersebut

3
Grafik

 Histogram probabilitas: sumbu vertikal

menunjukkan probabilitas.

 Pada histogram di samping, sumbu x

memiliki nilai 0, 1, 2, 3,…, 14, yang
setiap unit bernilai 1. Sehingga, area
setiap persegi panjang sama dengan
nilai probabilitasnya, yaitu 0,000, 0,001,
0,006, dan seterusnya.

4
Ada tiga orang mahasiswa yang akan memilih mata kuliah pada semester genap
angkatan 2017. Mata kuliah tersebut Stasistika dan Matematika. Ketiga mahasiswa
tersebut bebas memilih mata kuliah mana yang akan diikuti.

5
Dari tabel distribusi probabilitas kita dapat
dengan mudah menentukan berapa
probabilitas ketiga mahasiswa akan
memilih mata kuliah Statistik yaitu 0,125.

Jumlah STK di pilihan mahasiswa

6
Variabel Acak

 Variabel acak didefenisikan sebagai sebuah ukuran atau besaran yang merupakan
hasil suatu percobaan atau kejadian yang terjadi secara acak dan mempunyai nilai
yang berbeda-beda.
 Contoh:
 Petani menimbang berat setiap semangka yang telah dipanen. Dari lima
semangka beratnya berturut-turut 3.56; 3.80; 2.79; 3.60 dan 4.05 kg. Maka
penimbangan berat adalah percobaan acak dan nilai berat setiap semangka
adalah variabel acak.

7
 Persyaratan Distribusi Probabilitas

1. ∑P(x) = 1 menunjukkan keseluruhan nilai

2. 0 < P(x) < 1 untuk nilai setiap x

Contoh 1

Apakah Tabel 4-2 mendeskripsikan distirbusi

probabilitas?

8
Jawab:
Distribusi probabilitas harus memenuhi dua persyaratan yang telah dijelaskan
sebelumnya.
∑P(x) = P(0) + P(1) + P(2) + P(3)
∑P(x) = 0,2 + 0,5 + 0,4 + 0,3 = 1,4
∑P(x) tidak bernilai 1, sehingga Tabel 4-2 bukan termasuk distribusi probabilitas.

9
Contoh 3

Apakah P(x) = x/3 ( dimana x = 0, 1, dan 2) merupakan distribusi probabilitas?

Jawab:
P(0) = 0/3
P(1) = 1/3
P(2) = 2/3

0 1 2 3
1.  P(x)     1
3 3 3 3
2. Setiap P(x) bernilai antara 0 dan 1
Kedua persyaratan memenuhi bahwa P(x) merupakan distribusi probabilitas.

10
Mean, varian, dan standar deviasi

   x.P( x) Mean untuk distribusi probabilitas


 2   x    .P( x)
2
 Varian untuk distribusi probabilitas

 
 2   x 2 .P ( x )   2 Varian untuk distribusi probabilitas

  x .P( x) 
2 2
Standar deviasi untuk distribusi probabilitas

11
 Nilai Rata-rata Hitung (mean)

 Nilai rata-rata hitung merupakan nilai harapan (expected value) yang dilambangkan
dengan μ.
 Rumus nilai rata-rata hitung:

   x.P( x)

μ : Nilai rata-rata hitung distribusi pobabilitas

X
: Kejadian
P(x)
: Probabilitas suatu kejadian

12
 Varians dan Standar deviasi

 Varian dan standar deviasi merupakan ukuran penyebaran yaitu mengukur

seberapa besar data menyebar dari nilai tengahnya.
 Semakin kecil sebaran data, maka semakin baik, karena menunjukkan data
mengelompok pada nilai rata-rata hitung.
 Varian dan standar deviasi dirumuskan sebagai berikut:

  x    .P( x)

2 2



 2   x 2 .P( x)   2 

13
Varians dan Standar deviasi

   x .P( x) 
2 2

μ : Nilai rata-rata hitung distribusi pobabilitas

X
: Kejadian
P(x)
: Probabilitas suatu kejadian x

: varian

: Standar deviasi

14
Round-off Rule untuk µ, σ, dan σ2

Bulatkan hasil dengan satu desimal lebih banyak daripada jumlah desimal
yang digunakan untuk variabel acak x. Jika nilai x adalah bilangan bulat,
bulatkan µ, σ, dan σ2 ke satu desimal.

Contoh:

Jumlah rata-rata mesin jet yang sukses di seluruh penerbangan adalah

3,999714286, yang menjadi 4,0 ketika dibulatkan daripada data asli.

4,0 akan memberikan pengertian yang salah karena menunjukkan bahwa semua
mesin jet sukses dalam penerbangan. Presisi diperlukan untuk mencerminkan nilai
mean yang sebenarnya, seperti 3,999714.
15
 Identifikasi hasil yang tidak biasa dengan “the range rule of thumb”

Nilai-nilai yang "tidak biasa/unusual" dapat diidentifikasi dengan menentukan bahwa

nilai tersebut berada di luar batas-batas ini:

Nilai maksimum = µ + 2σ

Nilai minimum = µ - 2σ

16
Contoh

Tabel 4 menunjukkan distribusi probabilitas untuk

jumlah anak perempuan di antara 14 bayi yang baru lahir
secara acak. Dengan asumsi bahwa penelitian diulangi
secara acak yang memisahkan 14 bayi baru lahir dan
menghitung jumlah anak perempuan, tentukan jumlah
rata-rata anak perempuan (di antara 14), varian, dan
standar deviasi.

Tentukan nilai maksimum dan nilai minimum yang tidak

biasa menggunakan “the range rule of thumb”.

17
18
19
Identifikasi hasil yang tidak biasa dengan probabilitas

Berdasarkan asumsi tertentu (seperti asumsi bahwa anak laki-laki dan perempuan
memiliki kemungkinan yang sama), kemungkinan kejadian tertentu (seperti 13 anak
perempuan dalam 14 kelahiran) sangat kecil, dapat disimpulkan bahwa asumsi itu
mungkin tidak benar.

Using Probabilities to Determine When Results Are Unusual

 Unusually high : x successes among n trials is an unusually high number of

successes if P (x or more) is very small (such as 0.05 or less)

 Unusually low : x successes among n trials is an unusually low number of

successes if P (x or fewer) is very small (such as 0.05 or less)

20
Dengan menggunakan dua kriteria sebelumnya, apakah tidak biasa untuk
mendapatkan 13 anak perempuan dari 14 kelahiran?

Jawab:

13 anak perempuan dari 14 kelahiran adalah ketidakbiasaan yang tinggi

(unusually high) jika P(13 atau lebih anak perempuan) bernilai kecil.

P(13 atau lebih anak perempuan) = P(13) + P(14)

= 0,001 + 0,000

= 0,001

Dikarenakan probabilitas 0,001 sangat rendah kita menyimpulkan bahwa

tidak biasa untuk mendapatkan 13 anak perempuan dari 14 kelahiran.

21
Binomial probability distribution

22
Binomial probability distribution

 Data yang dihasilkan oleh suatu percobaan yang dinamakan Bernoulli.

 Yang memenuhi persyaratan berikut :

 Prosedur memiliki jumlah percobaan (trial) yang pasti

 Percobaan bersifat independen dengan percobaan lainnya

 Setiap percobaan memiliki dua kemungkinan (gagal / berhasil, diterima /

ditolak, dst.)

 Peluang konstan untuk setiap percobaan

23
 P(S) = p (p = probability of a success)
P(F) = 1- p = q (q = probability of a failure)
  n = fixed number of trials
x = number of successes in n trials, so x can be any integer from 0 to n
p = probability of success in 1 of the n trials
q = probability of failure in 1 of the n trials
P(x) = probability of getting exactly x successes from n trials

24
Binomial Probability Formula

• Mathematically, the binomial probability distribution is represented by the

following function:
𝑛!
𝑃 ( 𝑥 )= ∙ 𝑝 𝑥 ∙ 𝑞 𝑛− 𝑥
(𝑛− 𝑥 )! 𝑥 !
for x = 0.1,2,...,n

n = number of trials

x = number of successes among n trials

p = probability of success in any 1 trial

q = probability of failure in any 1 trial (q = 1 – p)

25
 Contoh 1

Seorang siswa yang tidak siap menghadapi kuis pilihan ganda 4 pertanyaan,
akhirnya membuat tebakan secara acak. Setiap pertanyaan memiliki 5
kemungkinan jawaban (a, b, c, d, e), salah satunya benar. Probabilitas siswa
menjawab dengan benar 3 dari 4 pertanyaan akan dihitung.

1. Apakah proses ini menghasilkan distribusi binomial?

2. Jika demikian, identifikasi nilai-nilai n, x, p, dan q?

3. Berapakah probabilitas siswa menjawab dengan benar 3 dari 4 pertanyaan?

26
 Penyelesaian Contoh 1

1.

 Jumlah uji coba sebanyak 4 pertanyaan

 Empat pertanyaan besifat independen, karena hasil yang benar atau salah
untuk setiap pertanyaan tidak mempengaruhi hasil dari pertanyaan lain

 Masing-masing dari 4 pertanyaan memiliki 2 hasil yang mungkin: benar/salah

 Probabilitas jawaban yang benar adalah sama untuk semua uji coba = 1/5 =
0,2

Oleh karena itu, proses ini menghasilkan distribusi binomial.

27
 Penyelesaian Contoh 1

2.

 Karena jumlah percobaan (= jumlah pertanyaan kuis) adalah 4, n = 4

 Probabilitas jawaban yang tepat adalah 3 tanggapan yang benar, jadi x = 3

 Probabilitas jawaban yang benar untuk 1 pertanyaan adalah 1/5 = 0,2, jadi p
= 0,2

 Probabilitas jawaban salah adalah 4/5 = 0,8, jadi q = 0,8

28
 Penyelesaian Contoh 1

3.

Jadi probabilitas siswa menjawab dengan benar 3 dari 4 pertanyaan sebesar

0,0256.

29
 Contoh 2

Setiap sampel air memiliki kemungkinan 10% mengandung polutan organik tertentu.
Asumsikan bahwa setiap sampel independen dengan keberadaan polutan. Tentukan
probabilitas bahwa dalam 18 sampel berikutnya, terdapat 2 sampel yang
mengandung polutan!

x jumlah sampel yang mengandung polutan dalam 18 sampel dianalisis. x adalah

variabel acak binomial dengan p 0,1 dan n 18. Oleh karena itu,

30
 Penyelesaian Contoh 2

Probabilitas untuk setidaknya empat sampel yang mengandung polutan.

Atau,

31
 Penyelesaian Contoh 2

Probabilitas untuk sampel yang mengandung polutan.

32
Mean, varian, dan standar deviasi

Mean

Varian

Standar deviasi

33
 Contoh 3

Masing-masing dari 100 pasangan akan memiliki 1 bayi. Asumsikan bahwa

hasilnya adalah 68 anak perempuan di antara 100 bayi. Tentukan mean dan
standar deviasi?

Mean :

Standar deviasi :

Dari 100 pasangan yang memiliki seorang bayi, rata-rata jumlah bayi
perempuan adalah 50 dan standar deviasi 5.

34
 Penyelesaian Contoh 3

Dari 100 pasangan yang memiliki seorang bayi, rata-rata jumlah bayi
perempuan adalah 50 dan standar deviasi 5. The range rule of thumb :

Maximum usual value : µ + 2σ = 50 + 2 (5) = 60

Minimum usual value : µ - 2σ = 50 - 2 (5) = 40

Sehingga, 68 bukan hasil yang biasa (unusual) karena tidak diantara 40 dan 60.

35