Distribusi Probabilitas

Diskret
Vera Febiana Lestari ( 2002010083 )
Heni Zhodiah (2002010169)
Hesti Ayu Ningrum (2002010242)
Azka Yulian Revaldy (2002010296)
Mega Aprillia Permatasari (2002010391)
 Pengertian Distribusi Probabilitas
• Distribusi probabilitas adalah sebuah susunan distribusi yang
mempermudah mengetahui probabilitas sebuah peristiwa.
• Merupakan hasil dari setiap peluang peristiwa.
KONSEP PENTING
Variabel acak
Merupakan suatu fungsi yang nilainya berupa nilainya bilangan nyata yang ditentukan oleh setiap unsur
dalam ruang contoh.

Variabel acak dibagi menjadi 2 jenis:

Diskrit, yaitu bila suatu bruang contoh meengandung jumlah titik contoh yang tak pernah berakhir
tetapi yang sama banyaknya dengan bilangan cacah.
Contoh: jumlah produk yang terjual pada suatu hari tertentu.

Kontinu, yaitu bila suatu ruang contoh mengandung tak terhingga banyaknya titik contoh yang sama
dengan banyaknya titik pada sebuah ruas garis.
Contoh: pendapatan seseorang dalam perbulan
 Jenis-jenis DISTRIBUSI PROBABILItas diskrit
Probabilitas Binomial
Probabilitas Hipergeometri
Probabilitas Posion
 PROBABILITAS BINOMIAL
Karakteristik distribusi binomial:
Percobaan dilakukan dalam n kali pengulangan yang sama.
Kemungkinan yang terjadi pada tiap pengulangan hanya 2, yaitu “sukses” atau “gagal”.
Probabilitas “sukses” yang dinotasikan dengan p, besarnya tetap dari satu percobaan ke berikutnya.
Tiap percobaan saling bebas.

Fungsi probabilitas Binomial

X = banyaknya sukses yang terjadi dalam n kali pengulangan

p = probabilitas “sukses”
n = banyaknya pengulangan
 Binomial lanjutan
Nilai Harapan (Expected Value)
Contoh: perusahaan asuransi
Sebuah perusahaan asuransi mempunyai 3 calon pelanggan,
dan pimpinan perusahaan yakin bahwa probabilita dapat
menjual produknya adalah 0,1. berapa probabilita bahwa 1
pelanggan akan membeli produknya?

Jawab:
Varian p = 0,1 n=3 x=1

f(1)= [3!/1!(3-1)!] x (0,1)¹(0,9)²

= (3) (0,1) (0,81)
Simpangan baku = 0,243

Nilai Harapan: E(x) = = np = 3.(0,1) = 0,3

Varian: Var(x) = ² = np(1-p) = 3(0,1)(0,9) = 0,27
Simpangan baku:  = 0,52
 Binomial lanjutan

Contoh: Perusahaan Asuransi

Menggunakan Tabel Binomial
 DISTRIBUSI HIPERGEOMETRIK

• Dalam distribusi binomial diasumsikan bahwa peluang suatu kejadian tetap atau konstan atau antar-
kejadian saling lepas.
• Dalam dunia nyata, jarang terjadi hal demikian. Suatu kejadian sering terjadi tanpa pemulihan dan nilai
setiap kejadian adalah berbeda atau tidak konstan.
• Distribusi dengan tanpa pemulihan dan probabilitas berbeda adalah Distribusi Hipergeometrik.
 Hipergeometrik lanjutan

Fungsi probabilitas hipergeometrik Contoh : Baterai Bob

Bob berniat menggani 2 baterai yang mati,
namun ia tidak sengaja mencampurnya
dengan 2 baterai yang baru. Keempat baterai
terlihat identik. Berapa Probabilita Bob
mengambil 2 baterai yang masih baru?
Jawab:
x = banyaknya sukses dalam n kali pengulangan
n = banyaknya pengulangan
N = banyaknya elemen populasi
r = banyaknya sukses dalam populasi
 DISTRIBUSI POISSON
• Dikembangkan oleh Simon Poisson
• Poisson memperhatikan bahwa distribusi binomial sangat bermanfaat dan
dapat menjelaskan dengan baik, namun untuk n di atas 50 dan nilai P(p) sangat
kecil akan sulit mendapatkan nilai binomialnya.
• Rumus:
POISSON LANJUTAN

Fungsi distribusi poisson

x= banyaknya kejadian pada interval waktu tertentu

= rata-rata banyaknya kejadian pada interval waktu tertentu
e= 2.71828

Contoh: Rumah Sakit Mercy

Di RS Mercy, rata-rata pasien mendatangi UGD pada akhir minggu adalah 3 pasien per jam. Berapa
Probabilitas ada 4 pasien mendatangi UGD pada akhir minggu?

= 3 pasien per jam, x= 4

f(4)= [3⁴(2.71828)⁻³/4!] = 0,1680

POISSON LANJUTAN

Contoh: Rumah Sakit Mercy

Menggunakan Tabel Poisson
TERIMA KASIH