Peubah Acak Diskret Khusus

Statistika Dasar, 2013 Chap 4-1

 Peubah Acak Bernoulli
Misalkan sebuah percobaan yang outcome-nya dapat
diklasifikasikan sebagai sukses dan gagal. Jika X=1 bila
outcome-nya berhasil dan X=0 bila outcome-nya gagal,
maka fungsi masa peluang dari X adalah
P(0) = P(X=0) = 1-p
(2.1)
P(1) = P (X=1) = p
dimana 0≤p≤1 adalah peluang keberhasilan
Peubah acak X dikatakan peubah acak Bernoulli jika
fungsi massa peluangnya adalah persamaan (2.1)

Chap 4-2
 Peubah Acak Binomial
 Misalkan dilakukan n percobaan yang bebas,
 Masing – masing menghasilkan outcome
berhasil dengan peluang p dan gagal dengan
peluang 1-p.
 Jika X adalah banyaknya keberhasilan yang
terjadi dari n percobaan, maka X dikatakan
peubah acak Binomial dengan parameter (n,p)

Chap 4-3
 Peubah Acak Binomial
Contoh :
Lima koin yang setimbang dilemparkan. Jika outcome-nya
diasumsikan bebas, temukan fungsi massa peluang dari
banyaknya gambar yang muncul.
Suatu ujian terdiri atas 10 pertanyaan pilihan berganda,
masing – masing dengan 4 kemungkinan jawaban dan
hanya satu yang benar. Berapa peluang seorang yang
menjawab hanya secara menebak – nebak saja
memperoleh 10 jawaban yang benar?

Chap 4-4
 Peubah Acak Binomial

Fungsi massa peluang dari peubah acak

Binomial dengan parameter (n,p) adalah

n i n i
p(i )    p (1  p)
i

Chap 4-5
 Sebaran Poisson

Sebaran Poisson tidak berbeda banyak dari sebaran

Binomial kecuali bahwa peluang Poisson adalah sangat
kecil dan ukuran contoh belum tentu diketahui. Asumsi
sebaran Poisson adalah
 terdapat n tindakan bebas dimana n sangat besar
 hanya satu keluaran yang dipelajari pada tiap tindakan
 terdapat peluang yang konstan dari munculnya kejadian tiap
tindakan
 peluang lebih dari satu keluaran pada tiap tindakan sangat kecil
atau dapat diabaikan

6
 Teladan Peubah Poisson

 Banyaknya kecelakaan yang terjadi dalam

satu minggu di jalan tol
 Banyaknya nasabah yang datang ke BRI
Unit dalam interval waktu tertentu (misal
tiap menit atau tiap lima menit)
 Banyaknya pelanggan yang keluar dari
suatu sistem layanan

7
 Fungsi Peluang Poisson
Secara umum fungsi kepekatan peluang
Poisson dengan parameter m dapat dituliskan
sebagai berikut
 e  x
 , x  0,1,2,...;   0
f ( x;  )   x!
 0 , x selainnya

8
 Peubah Acak Poisson
Peubah acak Poisson dapat digunakan sebagai
pendekatan peubah acak binomial dengan
parameter (n,p) bila n besar dan p cukup kecil
sehingga np adalah ukuran yang sedang,
sehingga banyaknya sukses yang terjadi
dapat didekati dengan peubah acak Poisson
dengan parameter =np.

Chap 4-9
 Peubah Acak Poisson

Contoh :
Misalkan suatu mesin cetak membuat kesalahan
secara acak pada kertas cetak, rata – rata 2
kesalahan tiap kertas. Hitung peluang bahwa
dalam satu kertas yang dicetak, terdapat satu
kesalahan cetak

Chap 4-10
 Peubah Acak Geometrik
Misalkan percobaan yang bebas, masing – masing dengan
peluang sukses adalah p, 0<p<1, dilakukan sampai
suatu sukses terjadi. Jika X adalah banyaknya
percobaan yang diperlukan, maka

P ( X = n ) = (1-p)n-1p n = 1,2,…
Peubah acak X yang mempunyai fungsi massa peluang
seperti di atas dikatakan peubah acak geometrik
dengan parameter p

Chap 4-11
 Peubah Acak Geometrik
Hitunglah peluang bahwa seseorang yang
melemparkan sekeping uang logam yang
setimbang, memerlukan 4 lemparan sampai
diperoleh sisi gambar
Suatu keranjang yang terdiri dari N bola putih dan
M bola hitam. Bola diambil secara acak, sampai
bola hitam terambil. Diasumsikan setiap bola
yang terambil dikembalikan lagi sebelum
pengambilan berikutnya, berapa peluang bahwa
(1) tepat n pengambilan diperlukan

Chap 4-12
 Peubah Acak Binom Negatif
Misalkan percobaan bebas, masing – masing
dengan peluang sukses p, 0<p<1, dilakukan
sampai diperoleh r sukses. Jika X adalah
banyaknya percobaan yang diperlukan, maka
 n  1 r
P( X  n)    p (1  p) n  r
 r  1
Peubah acak yang fungsi massa peluangnya
mengikuti persamaan di atas dikatakan sebagai
peubah acak binom negatif dengan parameter
(r,p)

Chap 4-13
 Peubah Acak Binom Negatif

Hitunglah peluang seseorang yang

melemparkan tiga uang logam akan
mendapatkan semua sisi gambar atau semua
sisi angka untuk yang kedua kalinya pada
lemparan yang kelima

Chap 4-14
 Peubah Acak Binom Negatif
Seorang dokter anak ingin merekrut 5 pasang
suami istri yang mempunyai anak. Dia berharap
agar kelima pasangan tersebut bersedia
mengikutkan anak pertama mereka mengikuti
suatu program pengembangan intelegensia.
Jika peluang suatu pasangan bersedia
mengikutkan anaknya mengikuti program
tersebut adalah 0.2, berapa peluang bahwa
pasangan ke-15 yang ditanya adalah pasangan
kelima yang bersedia mengikutkan anaknya
mengikuti program tersebut

Chap 4-15
 Peubah Acak Hipergeometrik
Misalkan bahwa sebuah contoh berukuran n diambil secara acak
(tanpa pengembalian) dari suatu wadah yang berisi N bola, dimana
Np diantaranya berwarna putih dan N-Np berwarna hitam. Jika X
adalah banyaknya bola putih yang terambil maka fungsi massa
peluang dari X adalah
 Np   N  Np 
   
 k  n  k 
P(X  k) 
 N 
 
 n 
Peubah acak X yang mempunyai fungsi massa peluang seperti pada
Persamaan di atas untuk suatu nilai n,N,dan p dikatakan peubah
acak hipergeometrik

Chap 4-16
 Peubah Acak Hipergeometrik

Seseorang hendak menanami halaman belakang

dan depan rumahnya dengan tanaman bunga.
Dari sebuah kotak yang berisi 3 umbi tulip dan
4 umbi mawar, ia mengambil 3 umbi secara
acak untuk ditanam di halaman depan dan
sisanya ditanam di halaman belakang. Berapa
peluang ketika musim berbunga tiba di halaman
depan berbunga 1 tulip dan 2 mawar?

Chap 4-17
Suatu perusahaan mempunyai 20 doktor dengan
5 diantaranya adalah doktor terbaik di bidang
teknik. Suatu tim yang terdiri dari 10 orang
akan dibentuk untuk menyelesaikan suatu
permasalahn yang cukup berat. Berapa peluang
kelima doktor terbaik yang dimiliki oleh
perusahaan tersebut masuk dalam tim yang
akan dibentuk?

Chap 4-18
 Soal –soal
1. Tabel berikut menampilkan fungsi sebaran
kumulatif dari peubah acak diskret. Tentukan
fungsi massa peluangnya
k 0 1 2 3 4 5
F(k) 0 0.1 0.3 0.7 0.8 1.0
2. Dari dua percobaan berikut, mana yang lebih
besar peluangnya : (1) munculnya 9 Gambar
dalam pelemparan 10 koin yang seimbang (2)
munculnya 18 Gambar pada pelemparan 20
koin yang setimbang.

Chap 4-19
3. Disebuah bagian kota, keperluan uang untuk membeli
ganja dan sejenisnya ternyata melatarbelakangi 75%
peristiwa pencurian yang terjadi. Berapa peluang
bahwa tepat 2 diantara 4 kasus pencurian berikutnya
dilatarbelakangi oleh keperluan uang untuk membeli
ganja?
4. Sebuah panitia yang terdiri dari 5 orang diambil secara
acak dari 3 perempuan dan 5 laki – laki. Carilah
sebaran peluang bagi banyaknya perempuan dalam
panitia itu.

Chap 4-20
5. Hitunglah peluang bahwa seseorang yang
melemparkan sekeping uang logam yang
setimbang, memerlukan 4 lemparan sampai
diperoleh sisi gambar.
6. Rata – rata jumlah hari sekolah ditutup karena
salju selama musim dingin adalah 4. Berapa
peluang bahwa sekolah – sekolah di kota
tersebut akan tutup selama 6 hari dalam
suatu musim dingin.

Chap 4-21
7. Peluang penduduk di suatu kota mempunyai anjing
diduga sebesar 0.3. Hitunglah peluang bahwa orang
yang kesepuluh yang diambil secara acak untuk
diwawancarai dalam kota ini adalah orang kelima
yang mempunyai anjing.
8. Seorang ilmuwan menginokulasikan beberapa tikus,
satu demi satu dengan suatu bakteri penyakit sampai
ia memperoleh 2 tikus yang terkena penyakit itu. Bila
peluang terjangkiti penyakit itu adalah 1/6, berapa
peluang bahwa dalam percobaan itu diperlukan 8
tikus?

Chap 4-22
9. Peluang bahwa seseorang siswa berhasil lolos tes
scoliosis adalah 0.004. Diantara 1875 siswa yang
dites scoliosis, hitunglah peluang terdapat kurang dari
5 yang tidak berhasil lolos dari tes itu.
10. Misalkan bahwa secara rata – rata 1 diantara 1000
orang membuat kesalahan angka dalam melaporkan
pajak pendapatannya. Bila 10000 formulir diambil
secara acak dan diperiksa, berapa peluang terdapat 7
formulir yang mengandung kesalahan?

Chap 4-23
11. Misalkan bahwa mesin pesawat terbang bekerja tidak
tergantung satu dengan lainnya dan peluang mesin
itu rusak adalah 1/5. Seandainya pesawat terbang
selamat bila sekurang – kurangnya separuh dari
jumlah mesinnya bekerja dengan baik, tentukan
mana yang berpeluang selamat lebih besar pesawat
bermesin 4 atau pesawat bermesin 2?
12. Peluang seseorang sembuh dari suatu penyakit darah
adalah 0.4. Bila 15 orang diketahui menderita
penyakit ini, berapa peluang bahwa
 sekurang – kurangnya 10 orang dapat sembuh
 ada 3 sampai 8 orang yang sembuh
 tepat 5 orang yang sembuh

Chap 4-24
13. Suatu ujian terdiri atas 15 pertanyaan pilihan
berganda, masing – masing dengan 4 kemungkinan
jawaban dan hanya satu yang benar. Berapa peluang
seorang yang menjawab hanya secara menebak –
nebak saja memperoleh 5 sampai 10 jawaban yang
benar?
14. Perusahaan telpon melaporkan bahwa di antara 5000
pemasang telpon baru, 4000 menggunakan telpon ‘
tombol ‘. Bila 10 di antara pemasang baru tersebut
diambil secara acak, berapa peluang tepat ada 3
orang yang menggunakan tipe putar?

Chap 4-25
15. Dari 12 peluru kendali, 5 diambil secara acak dan
ditembakkan, bila diantara 12 peluru itu terdapat 3
peluru yang rusak sehingga macet bila ditembakkan,
berapa peluang bahwa
 kelima-limanya berhasil ditembakkan?
 Sebanyak-banyaknya 2 yang macet?
16. Misalkan peluangnya seseorang akan mempercayai
suatu cerita mengenai hidup setelah mati adalah 0.8.
Berapa peluang bahwa
 Orang keenam yang mendengar cerita itu adalah
yang keempat yang mempercayainya?
 Orang ketiga yang mendengar cerita itu adalah
yang pertama yang mempercayainya

Chap 4-26
 Beberapa Peluang Peubah Kontinu
Nama Peubah Notasi dan Parameter fX(x) dan x dimana fungsi X 2X
Kontinu terdefinisi*
Seragam X ~ SK(a,b) 1/(b-a) (a+b)/2 (b-a)2/12
a<b a<x<b
( x )2
Normal X ~ N(,2) 1 
2  
e
2 > 0 2 
Gamma 0<x 1
X ~ Gam(,) 
x  1e  x /   2
0< 0<  ( )
1 x /
Eksponensial X ~ Exp() 0<x e  2

0<
Eksponensial X ~ Exp(,) < x 1 ( x  ) /  + 2
e
2-Parameter 
1 | x |/ 
Eksponensial X ~ EG(,) e  22
2
Ganda

Weibul X ~ Wei(,) 0<x   1  x /   (1+1/ 2[(1+2/)-

x e
 ) 2(1+1/)]
Pareto X ~ Par(,) 0<x  /(-1) (2) /
>1 ((-2)(-1)2)
 1  x /  
 1
>2
( a  b) a 1 b 1
Beta X ~ Beta(a,b) 0<x<1 x (1 x )
0<a 0<b  ( a )  (b )

* bila tak dituliskan x terdefinisi untuk seluruh bilanga

27
Nilai Harapan / Nilai Ekspektasi
Nilai harapan atau nilai ekspektasi dari sebuah fungsi
peubah acak X, g(X) dilambangkan dengan E[g(X)]
dapat didefinisikan sebagai berikut


 g ( x ).P( X  x) jika X peubah acak diskrit

E[ g{ X }]   x
 g ( x) f X ( x)dx jika X peubah acak kontinu
 

28