KELOMPOK 10

“DISTRIBUSI PELUANG”
“beberapa peluang distribusi kontinue”

Disusun Oleh
ABDUL ALIM(2030401001)
ALDO JUNAIDI(2030401007)
 
 A. Pengertian Distribusi Peluang
diskrit
Distribusi peluang adalah sebuah daftar yang berisi seluruh hasil yang
mungkin dari suatu percobaan dan peluang yang berkaitan dengan
setiap hasil tersebut.
Berdasarkan karakteristik peubah acaknya, distribusi peluang diksrit
dapat dibedakan menjadi dua yaitu distribusi peluang diskrit dan
distribusi peluang kontinu.
 Distribusi peluang diskrit adalah distribusi peluang dimana semesta
peubah acaknya dapat dihitung atau berhingga. Macam-macam
distribusi peluang diskrit ada 6 yaitu distribusi bernoulli, Binomial,
distribusi Binomial Negatif, distribusi Multinomial, distribusi Geometrik,
distribusi Hipergeometrik, dan distribusi Poisson.
Distribusi peluang kontinu adalah distribusi peluang dimana semesta
peubah acaknya tak tehingga jumlahnya.
Macam-macam distribusi peluang kontinu ada 4 yaitu distribusi Normal,
distribusi Gamma, distribusi Eksponensial dan distribusi Chi-Square.
B. Beberapa Distribusi Peluang
Diskrit
Adapun macam-macam dari Peluang Distrik diantaranya :
1. Distribusi Bernoulli
 Percobaan Bernoulli adalah eksperimen acak yang di
dalamnya terdapat dua kemungkinan hasil yaitu ‘kegagalan’
(F) dan ‘sukses’ (S). Kita dapat mendefinisikan variabel acak
dari ruang sampel {S F, } ke dalam himpunan bilangan real
sebagai berikut : X (F)=0. X (S ) = 1
2. Distribusi Binomial
 Distribusi bimonal adalah distribusi probabilitas diskrit
dengan jumlah keberhasilan dalam n percobaan sukses atau
gagal yang saling bebas, dimana setiap hasil eksperimen
memiliki probabilitas p . Variabel acak X disebut variabel acak
binomial jika mewakili jumlah total keberhasilan dalam
percobaan Bernoulli independen.
3. Distribusi Geometri
Jika X mewakili jumlah total keberhasilan dalam n percobaan
Bernoulli independen, maka variabel acak X ~ BIN (n,p) di mana p
adalah probabilitas keberhasilan percobaan Bernoulli tunggal.
4. Distribusi Binomial Negatif
Misalkan X menunjukkan jumlah percobaan di mana keberhasilan
ke r terjadi. Di sini r adalah bilangan bulat positif lebih besar dari
atau sama dengan satu. Ini sama dengan mengatakan bahwa
variabel acak X menunjukkan jumlah percobaan yang diperlukan
untuk mengamati keberhasilan ke r . Misalkan kita ingin
menemukan probabilitas bahwa gambar kelima diamati pada
pelemparan independen ke-10 dari koin yang tidak bias. Ini adalah
kasus menemukan P( X=10 . ) Mari kita temukan kasus umum P(X
=x )
5. Distribusi Hipergeometri
Distribusi peluang peubah acak hipergeometrik adalah banyaknya
sukses xx dalam sampel acak ukuran nn yang diambil dari populasi
sebanyak NN yang mengandung jumlah sukses sebanyak kk.
6. Distribusi Poisson
PaPada bagian ini, kita mendefinisikan distribusi
diskrit yang banyak digunakan untuk
memodelkan banyak situasi kehidupan nyata.
Pertama, kita mendefinisikan distribusi ini dan
kemudian kita menyajikan beberapa sifat
pentingnya.
7. Distribusi Riemann Zetani
Distribusi zeta digunakan oleh ekonom Italia
Vilfredo Pareto (1848-1923) untuk mempelajari
distribusi pendapatan keluarga di negara tertentu.
 C. DISTRiBUSI PELUANG
KONTiNu
1.Distribusi Uniform (Seragam)
Misalkan variabel acak X menunjukkan hasil ketika sebuah titik
dipilih secara acak dari interval [a b, ]. Kita akan mencari
probabilitas kejadian X x ≤ , yaitu dengan menentukan probabilitas
bahwa titik yang dipilih dari [a b, ] akan kurang dari atau sama
dengan x . Untuk menghitung probabilitas ini dibutuhkan ukuran
probabilitas µ yang memenuhi tiga aksioma Kolmogorov (yaitu
nonnegativitas, normalisasi, dan aditif yang dapat dihitung). Untuk
variabel kontinu, kejadiannya adalah interval atau gabungan
interval. Panjang interval saat dinormalisasi memenuhi ketiga
aksioma dan dengan demikian dapat digunakan sebagai ukuran
probabilitas untuk variabel acak satu dimensi. demikian dapat
digunakan sebagai ukuran probabilitas untuk variabel acak satu
dimensi.
2. Distribusi Gamma
Distribusi Gamma adalah distribusi fungsi padat yang disebut luas dalam
bidang matematika. Fungsi gamma diintegralkan, bila α = n dengan n adalah
bilangan bulat positif, maka Γ(n) =(n-1)
3. Distribusi Beta
Distribusi beta adalah salah satu distribusi dasar dalam statistik. Distribusi ini
memiliki banyak aplikasi dalam statistik klasik maupun Bayesian. Distribusi
beta melibatkan pengertian fungsi beta. Pertama kita menjelaskan pengertian
integral beta dan beberapa sifat sederhananya.
4. Distribusi Lognormal
Distribusi ini dapat didefinisikan sebagai distribusi variabel acak yang
logaritmanya terdistribusi normal. Distribusi lognormal biasa digunakan
dalam biologi, astronomi, ekonomi, farmakologi dan teknik. Distribusi ini
terkadang dikenal sebagai distribusi Galton-McAlister. Di bidang ekonomi,
Distribusi lognormal disebut sebagai distribusi Cobb-Douglas.
5. Distribusi Normal
Distribusi normal merupakan sebuah fungsi probabilitas yang menunjukkan
distribusi atau penyebaran suatu variabel. Fungsi tersebut umumnya
dibuktikan oleh sebuah grafik simetris yang disebut kurva lonceng (bell
6. Distribusi Invers Gaussian
Distribusi Gaussian invers memiliki beberapa sifat yang
analog dengan distribusi Gaussian. Namanya bisa
menyesatkan: itu adalah “terbalik” hanya dalam hal itu,
sementara Gaussian menggambarkan tingkat gerakan Brown
pada waktu yang tetap, Gaussian terbalik menggambarkan
distribusi waktu yang dibutuhkan gerakan Brown dengan
penyimpangan positif untuk mencapai positif tetap. Tingkat.
7. Distribusi Logistik
Distribusi logistik sering dianggap sebagai alternatif
distribusi normal univariat. Distribusi logistik memiliki
bentuk yang sangat dekat dengan distribusi normal.
Distribusi logistik digunakan dalam pemodelan data
demografis.
Terima kasih