Slow and Steady, …

Get Me Ready…
As Us So…
huooko
• Distribusi probabilitas yg paling sederhana
adalah jikalau tiap nilai variabel random
memiliki probabilitas yg sama untuk
terpilih.
• Distribusi probabilitas spt ini diberi nama
Distribusi Probabilitas Uniform Diskrit
• Jika variabel random X bisa memiliki nilai x1,x2, …, x dan
masingmasing bisa muncul dengan probabilitas yg sama
maka distribusi probabilitasnya diberikan oleh:
• f(x;k)=1/k untuk x= x1,x2, …, x
• Notasi f(x;k) menyatakan nilai fungsi f tergantung pada k!

• Contoh 2.
• Sebuah dadu ideal memiliki muka : 1,2,3,4,5,6. Jika x
menyatakan mata dadu yg muncul, maka x= 1,2,3,4,5,6 dan
distribusi probabilitasnya
• f(x;6)=1/6 x=1,2,3,4,5,6
• Proses Bernoulli adalah, sebuah proses eksperimen statistik yg
memiliki ciri-ciri:
• Eksperimen terdiri dari n kali pengulangan
• Tiap kali, outcome hanya dua macam, dilabeli “sukses” dan “gagal”
• Probabilitas “sukses” di tiap percobaan, p, besarnya tetap dari satu
percobaan ke berikutnya.
• Satu percobaan dan yg berikutnya bersifat independen
• Kasus distribusi binomial umum:
• dilakukan eksperimen sebanyak n kali pengambilan
• dari n tsb, sebanyak x dikategorikan “sukses”, jadi sebanyak n-x
adalah “gagal”
• probabilitas “sukses” di tiap percobaan = p, berarti probabilitas
“gagal “, q=1-p.
Distribusi Probabilitas
Diskret

1. Random Variabel
2. Distribusi Probabilitas Variabel
Random Diskret.
1. Definisi Random
Variabel
Variabel random adalah suatu
fungsi yang memetakan setiap
anggota ruang sample S ke
bilangan real.
Simbol : huruf kapital (X, Y, Z, dll)
 Example

Pada pelemparan 2 mata uang logam.

Misalkan X menyatakan banyaknya kemunculan

gambar.

S = {AA, AG, GA, GG}

Variabel
Percobaan Nilai Variabel
Random

Pelemparan 2 Banyaknya
0, 1, 2
mata uang logam muncul gambar
Remember!!
Variabel
Random

Variabel Random Variabel Random

Diskret Kontinu

Dinyatakan dalam bentuk

Dapat dihitung bilangan real (hasil
Contoh: Banyaknya karyawan pengukuran)
STIE yang tidak masuk Contoh: Berat sebuah paket
(kg)
2. Distribusi Probabilitas
Variabel Random Diskret
 Menggambarkan bagaimana suatu
probabilitas didistribusikan terhadap nilai-nilai
dari variabel acak tersebut.
 Untuk variabel diskret X, distribusi probabilitas
didefinisikan dengan fungsi probabilitas.
 Dinotasikan f(x) = P (X=x) = probabilitas
bahwa variabel X mengambil nilai x.
 Misalkan X adalah variabel random diskret
maka fungsi kepadatan probabilitas (PDF)
didefinisikan:
f(x) = P (X=x)
PDF dari variabel random diskret,
harus memenuhi:

0  f (x)  1
n
f (x)  1

f (x)  P (X  x)
 ilustrasi
Hasil penjualan mobil selama 300 hari pada PT.
Indah Caraka Motor.
Jumlah mobil yang terjual
Jumlah hari
dalam sehari
0 54
1 117
2 72
3 42
4 12
5 3
Total 300
Jika X menyatakan jumlah mobil yang terjual
dalam sehari, maka f(0) menyatakan
probabilitas 0 mobil terjual per hari.

Distribusi Probabilitas Jumlah Mobil Terjual dalam sehari

x f(x)
0 0,18
1 0,39
2 0,24
3 0,14
4 0,04
5 0,01
Total 1
Fungsi Probabilitas Kumulatif (CDF)
variabel random diskret
Digunakan untuk menyatakan
jumlah dari seluruh nilai fungsi
probabilitas yang lebih kecil atau
sama dengan nilai yang
ditetapkan.
F (x)  P ( X  x)
 Example
Pada pelemparan 2 mata uang logam.
Misalkan X adalah banyaknya muncul angka,
kemudian PDF dari X didefinisikan sebagai
berikut: 1
 4 , x  0, x  2

1
f ( x)   , x  1
2
 0, yang lain



Tentukan :
a) Nilai variabel random
b) PDF
c) CDF
a) Nilai variabel random = 0, 1, 2
b) PDF:
f(0) = ¼
f(1) = ½
f(2) = ¼

c) CDF:
F(0) = ¼
F(1) = f(0) + f(1) = 1/4 + ½ = ¾
F(2) = f(0) + f(1) + f(2) = 1

x 0 1 2

f(x) 1/4 1/2 1/4

F(x) 1/4 3/4 1

Distribusi Khusus
Diskret

1. Binomial
2. Hipergeometrik
3. Poisson.
1. Distribusi Hipergeometrik

Sebuah eksperimen dikatakan mengikuti distribusi

hipergeometrik, jika eksperimen itu memenuhi sifat-
sifat sebagai berikut:

1. Percobaan tidak saling independen.

2. Percobaan diambil dari suatu populasi yang
terbatas, dan percobaan dilakukan tanpa
pengembalian.
1. Distribusi Hipergeometrik
Penulisan notasi:
H(x; N, n, k)
Artinya:
Variabel random X berdistribusi hipergeometrik
dengan banyak barang baik dari sampel acak
sebanyak x, banyak barang dari populasi sebanyak
N, banyak barang dari sampel acak sebanyak n dan
banyak barang baik dari populasi sebanyak k.
1. Distribusi Hipergeometrik
Definisi: Fungsi Peluang Hipergeometrik
Variabel random X dikatakan berdistribusi hipergeometrik, jika
dan hanya jika fungsi peluangnya berbentuk:
k  N  k 
  
x nx
f (x)  P ( X  x)      , x  0,1, ..., n
N 
 
n 
Keterangan:
k k!
  
x x !( k  x ) !
n : banyaknya barang di sampel acak
k : banyak barang baik dari populasi.
x : banyaknya barang baik pada sampel.
N : Banyak barang pada populasi.
 Example
8 bola merah dan 12 bola putih dimasukkan ke dalam
sebuah peti. Bila 5 bola dipilih secara random dari
dalam peti tersebut, berapakah probabilitas 3 dari bola
tersebut adalah bola merah.
Solusi:
N = 20, n = 5, k = 8, x = 3

 8   20  8 
  
3 5  3
f (3)       0, 23
 20 
 
5 
 1. Distribusi Poisson
Sebuah eksperimen dikatakan mengikuti distribusi
hipergeometrik, jika eksperimen itu memenuhi sifat-
sifat sebagai berikut:
1. Banyaknya pengulangan eksperimennya sangat
besar.
2. Peluang terjadinya peristiwa yang diperhatikan
mendekati nol.

Contoh peristiwa poisson:

Banyaknya kecelakaan yang terjadi pada jam 8-12
malam.
 Ciri proses Poisson
• Tingkat kedatangan rata-rata dapat diduga
berdasarkan data masa lalu
• Tingkat rata-rata persatuan waktu adalah
konstan.
• Banyaknya kedatangan dalam suatu selang
waktu tidak dipengaruhi oleh apa yang terjadi
dalam selang waktu sebelumnya.
• Probabilitas suatu kedatangan dalam selang
waktu yang sangat pendek adalah sangat kecil
sehingga probabilitas lebih dari satu kedatangan
dalam selang waktu yang pendek mendekati nol
1. Distribusi Poisson
•  
1. Distribusi Poisson
•  

 xe
f ( x)  P ( X  x)  , x  0,1, 2, 3, ...
x!
 Example
•  

e 3 30
f (0)   0, 05
0!
 Example
• Probabilitas sebuah komponen mobil tidak rusak ketika
dijatuhkan adalah ¾. Berapakah probabilitasnya ada 2
dari 4 komponen yg dijatuhkan akan tidak rusak.
 Example
• Probabilitas seorang pasien yg sakit suatu penyakit flu
sembuh adalah 40%. Jikalau 15 orang diketahui telah
tertular penyakit ini, berapakah probabilitasnya bahwa
(a) paling tidak 10 orang sembuh, (b) antara 3 hingga 8
orang sembuh (c)tepat 5 orang sembuh?
FIN for today 