DISTRIBUSI

PROBABILITAS
KHUSUS
Assalamualaikum wr.wb
Perkenalkan
Nama : Epifani Diliati Ndraha
Npm :19051045

2
Distribusi Probabilitas Khusus dibagi
menjadi 6 jenis Probabiilitas
1) Distribusi Uniform
2) Distribusi Binomial
3) Distribusi Multinomial
4) Distribusi giometrik
5) Distribusi Hipergiometrik
6) Distribusi Poisson

3
 1. Distribusi Uniform
Distribusi uniform atau seragam adalah disribusi diskrit yang paling sederhana yang
variabel randomnya mempunyai nilai peluang sama dalam suatu percobaan. Ciri-ciri
Setiap nilai variabel acak mempunyai probabilitas terjadi yang sama.
Jika variabel random X bisa memiliki nilai x1,x2, …, xk dan masing masing bisa
muncul dengan probabilitas yg sama maka distribusi probabilitasnya
diberikan oleh :
f(x;k)=1/k untuk x= x1,x2, …, xk
Notasi f(x;k) menyatakan nilai fungsi f tergantung pada k!

4
1 . Sebuah kotak berisi 4 buah lampu masing-masing 40watt, 60watt, 100watt dan 500watt.
Jika x menyatakan daya lampunya, dan diambil secara acak 1 lampu, Tentukan distribusi
probabilitasnya
Jawab
Tiap bola lampu memiliki peluang yang sama ¼
Maka distribusinya adalah distribusi uniform adalah
f(x;4)=1/4 x=40,60,100,5000

5
 

6
×  

7
 2.Distribusi Binomial
Distribusi Binomial digunakan apabila sebuah proses sampling
dilaksanakan sesusai dengan proses Bernoulli, yang memiliki ciri-ciri
sebagai berikut:
1. Ada dua kejadian yang dapat terjadi dan saling asing pada setiap
percobaan. Untuk mudahnya, dua kejadian itu disebut sukses dan gagal
2. Urutan dari percobaan tersebut merupakan kejadian independen.
3. Probabilitas sukses dinyatakan sebagai p, dimana nilai p ini tetap dari
satu percobaan ke percobaan berikutnya atau dari satu kejadian ke
kejadian lainnya.

8
×  

9
×  

10
 3.Distribusi Binomial
Adalah sebuah percobaan memiliki lebih dari dua kemungkinan hasil percobaan tersebut
Bila setiap ulangan menghasilkan salah satu dari k hasil percobaan  E1,E2,E3,…..Ek dengan peluang
p1,p2,p3,…Pkmaka sebaran peluang bagi peubah acak   yang menyatakan berapa kali E1,E2,E3,…..Ek
terjadi dalam n ulangan yang bebas adalah

Dengan dan

11
 

12
2. Seorang manager kedai kopi menemukan bahwa probalitas pengunjung membeli 0,1,2
atau 3 cangkir kopi masing masing adalah 0,3 , 0,5 , 0,15 , dan 0,05. Jika ada 8 pengunjung
yang masuk kedai, maka tentukan probalitas bahwa 2 pengunjung akan memesan minuman
lain, 4 pengunjung akan memesan 1 cangkir kopi, 1 pengunjung akan memesan 2 cangkir, dan
1 pengunjung akan memesan 3 cangkir kopi.
Misalkan X adalah banyaknya pengunjung yang memesan cangkir kopi dengan x1 = 2, x2 = 4,
x3 = 1, dan x4 = 1; dengan p1 = 0,3 , p2 = 0,5 , p3 = 0,15 , p4 = 0,05 , dan n = 8 , maka
probalitas bahwa 2 pengunjung akan memesan minuman lain, 4 pengunjung akan memesan 1
cangkir kopi, 1 pengunjung akan memesan 2 cangkir, dan 1 pengunjung akan memesan 3
cangkir kopi adalah

13
 4 . DISTRIBUSI GEOMETRIK
Distribusi geometrik adalah kasus khusus dari distribusi binomial
negatif untuk k=1, yaitu distribusi peluang banyaknya usaha yang
diperlukan untuk mendapatkan sukses pertama. Dengan kata lain
distribusi ini mewakili suatu kejadian random hingga sukses yang
pertama kali terjadi. diberikan Fungsi distribusi probabilitas geometrik :

14
Distribusi geometrik adalah model yang sesuai jika asumsi berikut ini benar.
• Fenomena yang dimodelkan adalah serangkaian uji coba independen.
• Hanya ada dua hasil yang mungkin untuk setiap percobaan, sering kali
dinyatakan berhasil atau gagal.
• Probabilitas keberhasilan, p, sama untuk setiap percobaan.

Jika kondisi ini benar, maka variabel acak geometrik Y adalah jumlah dari
jumlah kegagalan sebelum keberhasilan pertama. Jumlah kemungkinan
kegagalan sebelum kesuksesan pertama adalah 0, 1, 2, 3, dan seterusnya. Dalam
grafik di atas, formulasi ini ditunjukkan di sebelah kanan .

15
 

16
 5 . Distribusi hipergiometrik
Distribusi hipergeometrik adalah distribusi probabilitas diskrit dari sekelompok obyek
yang dipilih tanpa pengembalian.
Distribusi Hipergeometrik sangat serupa dengan distribusi binomial
Persamaannya:
Keduanya menyatakan probabilitas sejumlah tertentu percobaan masuk dalam Kategori
tertentu.
Perbedaannya:
• Binomial mengharuskan ketidakbergantungan dari satu percobaan (trial) ke
percobaan berikutnya.
• Jadi sampling harus dilakukan dengan dikembalikan (replaced)
• Hipergeometrik tidak mengharuskan ketidakbergantungan, jadi sampling dilakukan
tanpa mengembalikan outcome yg sudah keluar.

17
Distribusi Hipergeometrik dari variabel random X yang menyatakan banyaknya outcome
yang “sukses” dari sampel random sebanyak n yg diambil dari populasi sebanyak N,
dimana dari N tsb sebanyak k buah adalah “sukses” dan sisanya “N k” adalah “gagal”
Suku pembagi (denominator) menyatakan banyak kombinasi yg terjadi jika dari N obyek
diambil n tiap kali.
Faktor pertama suku terbagi (numerator) menyatakan banyaknya kombinasi dari obyek
berjenis “sukses” yg berjumlah k jika tiap kali diambil sebanyak x buah.
Faktor kedua suku terbagi (numerator) menyatakan banyaknya kombinasi dari obyek
berjenis “gagal” sebanyak N-k jika tiap kali diambil sebanyak (n-x) buah.

18
 

19
CONTOH DISTRIBUSI HIPERGIOMETRIK
Suatu panitia pemilihan dibentuk berdasarkan 6 orang yang diambil secara acak dari 15
orang yang mendaftar. Enam puluh persen diantaranya adalah wanita, maka dihitung
probalitas tepat 2 wanita dalam panitia tersebut.
Penyelesaian
Misalkan X adalah banyaknya wanita yang terpilih dalam kepanitiaan, maka x= 2, n = 6, N =
15, dan m = 60% dari N =(0,60)(15) = 9, sehingga probalitas tepat 2 wanita dalam panitia
tersebut adalah

20
 6.Distribusi Poisson
Distribusi probabilitas Poisson bermanfaat dalam penentuan probabilitas dari sejumlah
kemunculan pada rentang waktu atau luas/volume tertentu.
Distribusi probabilitas dari variabel random Poisson X yg menyatakan banyaknya
outcome dalam interval waktu tertentu t (atau daerah tertentu) dengan λ menyatakan
laju terjadinya outcome persatuan waktu atau per satuan daerah diberikan oleh (tidak
diturunkan!)
Sifat Distribusi Poisson
• Tidak punya memori atau ingatan, yaitu banyaknya outcome dalamsatu interval
waktu (atau daerah) tidak bergantung pada banyaknya outcome pada waktu atau
daerah yg lain.
• Probabilitas terjadinya 1 outcome dalam interval waktu (atau daerah) yg sangat
pendek (kecil) sebanding dengan lama waktu interval waktu tsb (atau luas
daerahnya). Dan tidak bergantung pada kejadian atau outcome di luar interval ini.

21
×  

22
 

23
Kesimpulan Peluang
acak dapat diklasifikasikan ke dalam
peluang khusus.
.Peluang khusus berhubungan dengan
hasil sebuah peristiwa yang ruang
sampelnya terhingga dan terhitung.
Sedangkan distribusi peluangnya
disebut distribusi peluang
khusus(diskrit)
. Umumnya peluang diskrit
berhubungan dengan pencacahan
terhadap suatu objek atau individu
24
 Saran
Diharapkan PPT ini dapat
menjadikan para pembaca
menjadi memahami tentang
apa itu distribusi probabilitas
khusus.
PROBABILITAS
PPT ini masih banyak
kekurangan semoga dapat
membantu dan bermanfaat
untuk kedepannya.

25
Terimakasih
Semoga Bermanfaat

26