DISTRIBUSI

TEORITIS
Variabel Random/ Acak
variabel yg nilai-nilainya ditentukan oleh
kesempatan/ variabel yang bernilai numerik yg
didefinisikan dlm suatu ruang sampel
1. Variabel Random diskrit
Variabel random yg tdk mengambil seluruh
nilai yg ada dlm sebuah interval/ variabel
yg hanya memiliki nilai tertentu
2. Variabel Random kontinu
Variabel random yg mengambil seluruh
nilai yg ada dlm sebuah interval/ variabel
yg dpt memiliki nilai-nilai pd suatu
interval tertentu
Pengertian Distribusi Teoritis

Distribusi teoritis :
suatu daftar yang disusun
berdasarkan probabilitas dari
peristiwa2 bersangkutan
 Distribusi Teoritis
 Distribusi teoritis merupakan alat bagi kita untuk menentukan apa yang dapat
kita harapkan, apabila asumsi -asumsi yang kita buat benar. 
 Distribusi teoritis memungkinkan para pembuat keputusan untuk memperoleh
dasar logika yang kuat di dalam keputusan, dan sangat berguna sebagai dasar
pembuatan ramalan berdasarkan informasi yang terbatas atau pertimbangan -
pertimbangan teoritis, dan berguna pula untuk menghitung probabilitas
terjadinya suatu kejadian.
 Setiap kejadian yang dapat dinyatakan sebagai perubahan nilai suatu
variabel,umumnya mengikuti suatu distribusi teoritis tertentu dan apabila
sudahketahuan jenis distribusinya, kita dengan mudah dapat mengetahui besa
rnya nilai probabilitas terjadinya kejadian tersebut.
Jenis-jenis distribusi teoretis
1. Distribusi teoretis diskrit
Suatu daftar/ distribusi dari semua nilai
variabel random diskrit dgn probabilitas
terjadinya masing-masing nilai tsb
Suatu fungsi f dikatakan mrp fungsi
probabilitas/ distribusi dr variabel random
diskrit jk memenuhi syarat:
a. f(x) ≥ 0, x Є R
b. f(x) = 1
c. P(X=x) = f(x)
Distribusi yg tergolong ke dlm
distribusi ini antara lain :
a. Distribusi binomial
b. Distribusi hipergeometrik
c. Distribusi Poisson
2. Distribusi teoretis kontinu
 Suatu daftar/ distribusi dr semua nilai
variabel random kontinu dgn probabilitas
terjadinya masing-masing nilai tsb
 Suatu fungsi f dikatakan mrp fungsi
probabilitas/ distribusi probabilitas variabel
random kontinu x, jk memenuhi syarat:
a. f(x) ≥ 0, x Є R
b.


 f ( x ) dx  1
c. 

b
P (a  X  b)   f ( x) dx
a
Distribusi yg tergolong distribusi
teoritis kontinu antara lain :
a. Distribusi normal
b. Distribusi 2
c. Distribusi F
d. Distribusi t
 DISTRIBUSI BINOMIAL
 Suatu distribusi teoretis yg
menggunakan variabel random diskrit
yg tdr dr dua kejadian yg
berkomplementer spt sukses-gagal,
ya-tidak, baik-buruk, kepala-ekor
dsb
 Pengambilan sampel dilakukan dgn
pengembalian
Ciri-ciri :
1. Setiap percobaan hanya memiliki dua
peristiwa spt ya-tidak, sukses-gagal
2. Probabilitas satu peristiwa adl tetap,
tidak berubah utk setiap percobaan
3. Percobaannya bersifat independent
artinya peristiwa dr suatu percobaan
tdk mempengaruhi/ dipengaruhi
peristiwa dlm percobaan lainnya
4. Jml/ banyaknya percobaan yg mrp
komponen percobaan binomial hrs
tertentu
Rumus binomial suatu peristiwa
 Probabilitas suatu peristiwa dpt dihitung dgn
mengalikan kombinasi susunan dgn
probabilitas salah satu susunan
n x n x
P( X  x)  b( x; n, p)  C . p .q
x

 Keterangan :
x = banyaknya peristiwa sukses
n = banyaknya percobaan
p = probabilitas peristiwa sukses
q = 1- p = probabilitas peristiwa gagal
 DISTRIBUSI HIPERGEOMETRIK
 Menggunakan variabel diskrit dgn 2 kejadian
yg berkomplementer
 Pengambilan sampel dilakukan tanpa
pengembalian
C xk C nNxk
P ( X  x)  h( x; N , n, k )  N
Cn
 Keterangan :
N = ukuran populasi
n = ukuran sampel
k = banyaknya unsur yg sama pd populasi
x = banyaknya peristiwa sukses
 DISTRIBUSI POISSON
 Distribusi nilai-nilai bagi suatu
variabel random X yi banyaknya hasil
percobaan yg tjd dlm suatu interval
wkt tertentu/ di suatu daerah
tertentu
Ciri-ciri
 Banyaknya hsl percobaan yg tjd dlm suatu
interval wkt/ suatu daerah tertentu tdk tgt
pd banyaknya hsl percobaan yg tjd pd interval
wkt/ daerah lain yg terpisah
 Probabilitas tjdnya hsl percobaan slm suatu
interval wkt yg singkat/ dlm suatu daerah
kecil, sebanding dgn panjang interval wkt/
besarnya daerah tsb dan tdk bergantung pd
banyaknya hsl percobaan yg tjd di luar interval
wkt/ daerah tsb
 Probabilitas lebih dr satu hsl percobaan yg tjd
dlm interval wkt yg singkat/ dlm daerah yg
kecil dpt diabaikan
Distribusi Poisson byk digunakan dlm hal:
 Menghitung probabilitas terjadinya peristiwa
mnrt satuan wkt, ruang, luas, panjang tertentu
spt menghitung probabilitas dr :
1. Banyaknya telepon per menit/ banyaknya
mobil yg lewat selama 5 menit di suatu ruas
jalan
2. Banyaknya bakteri dlm 1 tetes/ 1 L air
3. Banyaknya kesalahan ketik per halaman
4. Banyaknya kecelakaan mobil di jalan tol selama
seminggu