Distribusi Teoritis
Distribusi teoritis adalah distribusi yang frekuensinya diturunkan secara matematis.
Pada distribusi frekuensi, frekuensinya diperoleh berdasarkan hasil-hasil percobaan
atau hasil observasi. Perbedaan antara distribusi frekuensi dan ditribusi teoritis
Pengertian
sisi gambar atau H dengan sisi tulisan atau T akan sama, yakni 50% : 50%.
Dengan kata lain, kita dapat mengatakan bahwa distribusi teoritisnya, karena
secara teo- ritis sisi gambar (H) dan sisi tulisan (T) dari sebuah mata uang logam
mempunyai pro- babilita yang sama yaitu 1/2, sehingga hasil pelemparan mata
uang sebanyak 100 kali akan menghasilkan tabel berikut.
PowerPoint
Ada 3 macam dari distribusi teoritis yakni:
Presentation
H, T, H, T, T
H atau Head merupakan sisi gambar dan T atau Tail merupakan sisi tulisan. Apabila 0
menunjukkan peristiwa gagal atau sisi tulisan dan 1 menunjukkan peristiwa sukses atau sisi
gambar, maka hasil pelemparan 5 mata uang di atas dapat dinyatakan:
1,0, 1, 0, 0
Distribusi Binomial
arena probabilita sukses (p) dan gagal (q) adalah sama = 1/2, maka probabilita pelem- paran
1 mata uang sebanyak 5 kali dapat dinyatakanP (1, 0, 1, 0, 0) = pqpqq = p² q3Notasi di atas
dapat dibaca sebagai probabilita untuk 2 sukses dan 3 gagal. Apabila kita menghitung
seluruh kemungkinan untuk memperoleh 2 sukses dari 5 perco- baan atau 3 sisi gambar
pada pelemparan sebuah mata uang sebanyak 5 kali, maka kita dapat menghitung, Berapa
kombinasi sebanyak d dari 5 obyek atau atau 5C2?
Hasilnya sebagai berikut. Probabilita 2 sukses dari 5
percobaan dapat ditulis
=
P (2,5) =
=
= 10 x x
= 10
= 10/32 = 5/16
Distribusi Binomial
Secara umum dalam proses Bernoulli, apabila kita ingin
menghitung probabilita x sukses dari n percobaan,
maka dapat dijelaskan sebagai berikut. Apabila jumlah
sukses = x dari n percobaan, maka jumlah gagal
adalah n - x.
Probabilita untuk memperoleh x sukses dan n - x gagal dirumuskan.
P=
q dapat diganti (1-p)
P=
Distribusi Poisson
____________________
Distribusi Poisson ditemukan oleh seorang ahli matematika dari Perancis bernama S.D.
Poisson (1781-1840) yang dapat dipergunakan untuk menghitung distribusi binomial
apabila n sangat besar dan p kecil n besar apabila lebih dari 50 dan p kecil apabila
kurang dari 0,10.
Distribusi ini merupakan limit dari distribusi binomial dan sangat luas penggunaannya,
misalnya di dalam industri untuk pengendalian mutu (quality control).
1. Sifat-sifat dari suatu peristiwa yang menunjukkan distribusi probabilita dari Poisson
Guna menunjukkan suatu peristiwa yang merupakan suatu distribusi Poisson, kita
mengambil contoh pada peristiwa datangnya kendaraan yang melewati pintu
gerbang tol pada jalan raya tol, maka kita akan dapat mengamati hal-hal berikut ini.
Distribusi Poisson adalah merupakan suatu distribusi dari variabel random yang
bersifat diskrit (a discrete random variable). Probabilita dari peristiwa random yang
bersifat diskrit ini dinyatakan dengan x yang mempunyai nilai 0, 1, 2, dan seterusnya.
Probabilita suatu peristiwa yang berdistribusi Poisson dirumuskan sebagai berikut.
P =
Distribusi Poisson
____________________
2. Distribusi Poisson sebagai Pendekatan Distribusi Binomial
Kadang-kadang jika kita ingin menghindarkan perhitungan yang sulit/panjang dalam
perhitungan distribusi binomial kita dapat mempergunakan distribusi Poisson
sebagai pendekatan distribusi binomial, namun dengan memperhatikan beberapa
persyaratan. Persyaratan ini adalah jumlah percobaaan harus besar atau n besar
dan probabilita sukses kecil atau p kecil.
Banyak ahli statistik yang memberikan persyaratan distribusi Poisson dapat diper-
gunakan untuk mengadakan pendekatan pada distribusi binomial apabila n sama
atau lebih dari 20 dan p sama atau lebih kecil dari 0,05. Dalam hal demikian kita
dapat menggantikan rata-rata (mean) dengan mean binomial atau np, sehingga
rumusnya menjadi
P =
Distribusi Normal
Distribusi
lonceng dengan sebuah puncak (unimodal) A
Normal Nilai rata-rata (mean) pada distribusi normal akan
B
terletak di tengah-tengah dari kurve normal
A B C D E
z=
Kurve Normal dalam Bentuk Standar
Suatu distribusi normal dengan rata-rata = 50 Berdasarkan bagan disamping, maka konversi
dan deviasei standar = 25. Hal ini dapat skala x menjadi skala z adalah sebagai berikut.
digambarkan dalam diagram berikut.
a. x = 25 z=
= = -1
b. x=0 z=
= = -2
c. x = 75 z=
= = +1
Kurve Normal dalam Bentuk Standar
Di sebelah kiri nilai rata-rata, nilai z adalah negatif, sedang untuk nilai z yang terletak di
sebelah kanan nilai rata-rata z adalah positif.
Karena bentuk kurve normal adalah simetris, maka tabel untuk nilai z yang negatif
sama dengan z yang positif. Tabel z = -1 sama dengan tabel z = +1 (lihat Lampiran IV).
Selanjutnya penggunaan daerah kurve normal dapat dijelaskan berbagai kasus berikut.
Z1 = = -0,55
Z2 = = +2,90
Z2 = = +1,25
Distribusi Binomial dan Kurve Normal
Distribusi normal atau kurve normal dapat
dikatakan sebagai suatu distribusi yang
kontinyu yang merupakan distribusi binomial
apabila n atau jumlah percobaannya cukup
besar. Bagan 3.8 menunjukkan bentuk
distribusi binomial dengan p 1/2 dan n = 2, 5,
10, dan = 25.
Teori ini menjelaskan hubungan antara rata-rata, deviasi standar, dan jumlah probabilita
variabel x. Hubungan ini dirumuskan: P(/x/ k) 1/
Dimana:
x = x- akan positif bila x >
x = x- akan negatif bila x <
karena/x/, maka nilai+dan atau – dapat diabaikan