STATISTIKA
- DISTRIBUSI PROBABILITAS 2 -
FAMILA DWI WINATI, S.T., M.Sc.
TUJUAN PEMBELAJARAN
◦ Mahasiswa mampu menerapkan konsep distribusi Binomial
◦ Mahasiswa mampu menerapkan konsep distribusi Poisson
◦ Mahasiswa mampu menerapkan konsep distribusi Hipergeometrik
DISTRIBUSI
PROBABILITA
S
VARIABEL
RANDOM
DISTRIBUSI
1 BINOMIAL
Pendahuluan
◦ Beberapa percobaan sering kali dilakukan berulang kali dengan 2 kemungkinan kejadian,
berhasil atau gagal.
◦ Percobaan ini merupakan percobaan dengan pemulihan (with replacement), yaitu tiap
pengambilan pada tiap percobaan dimasukkan kembali ke dalam populasi semula.
◦ Hasil-hasil yang muncul dari percobaan ini akan menghasilkan kejadian yang memiliki
DISTRIBUSI BINOMIAL.
◦ Distribusi binomial adalah distribusi probabilitas peubah acak yang bersifat diskrit.
◦ Disebut juga distribusi/percobaan Bernoulli (Bernoulli trialsi) yang diambil dari nama
penemunya, yaitu James Bernoulli (1654 – 1705).
Sifat-sifat Distribusi Binomial
1. Percobaan diulang sebanyak n kali
2. Setiap hasil percobaan dibedakan menjadi dua macam kejadian, yaitu SUKSES (S) dan
GAGAL (G).
3. Probabilitas kejadian sukses (S) dinyatakan dengan huruf p P(sukses) = P(S) = p, dan
probabilitas kejadian gagal (G) dinyatakan dengan huruf q P(gagal) = P(G) = 1 – p,
dimana probabilitas selalu tetap pada tiap percobaan diulang.
4. Masing-masing percobaan merupakan peristiwa yang bersifat saling bebas dan tidak dapat
saling mempengaruhi hasil yang muncul.
Contoh Percobaan Binomial
1. Sebuah uang logam dilemparkan sebanyak 100 kali. Misalnya, munculnya sisi muka disebut kejadian
sukses (S) dan munculnya sisi belakang disebut kejadian gagal (G), maka:
P(Sukses) = P(S) = p = ½ dan P(Gagal) = P(G) = q = 1 – p = 1 – ½ = ½
*kejadian sukses dan gagal adalah bebas satu sama lain, karena berlaku P(S ∩ G) = P(S).P(G)
2. Sebuah dadu dilemparkan sebanyak 100 kali. Misalnya, munculnya sisi muka 6 adalah kejadian
sukses (S) dan munculnya sisi muka bukan 6 disebut kejadian gagal (G), maka:
P(Sukses) = P(S) = p = 1/6 dan P(Gagal) = P(G) = q = 1 – p = 1 – 1/6 = 5/6
Perumusan Distribusi Binomial
Suatu percobaan binomial diulang sebanyak n kali, dengan P(Sukses) = P(S) = p dan P(Gagal) = P(G) = q
adalah tetap pada setiap percobaan dan X menyatakan banyaknya sukses dalam percobaan binomial, maka
variabel acak X mempunyai distribusi binomial yang dirumuskan sebagai berikut
Jawab:
X merupakan variabel acak dengan distribusi binomial.
P(X=x) = pxqn-x
P(X=3) =
P(X=0) =
P(X=x) =
P(X=4) =
P(X=1) =
P(X=2) =
∑ 𝑃 ( 𝑋 )=1
𝑥
Latihan Soal (2)
Pengalaman menunjukkan bahwa pada setiap penstensilan kertas koran, terjadi kerusakan 150 lembar dari
1.500 lembar yang distensile. Bila distensil sebanyak 10 lembar, tentukan probabilitas dari variabel acak X,
bilamana X menyatakan banyaknya kertas yang rusak.
Jawab:
n = 10
X = banyak kertas yang rusak setiap kali penstensilan (0, 1, 2, … , 10)
P(Sukses)= P(kertas rusak) = = = p
P(gagal) = P(kertas tidak rusak) = 1 - = = q
Latihan Soal (2)
P(X=x) =
P(X=5) =
P(X=0) =
P(X=6) =
P(X=1) =
P(X=7) =
P(X=2) =
P(X=8) = 0,000
P(X=3) =
P(X=9) = 0,000
P(X=4) =
P(X=10) = 0,000
Distribusi Binomial Kumulatif
Bila pada n percobaan terdapat paling tidak sebanyak r sukses, maka distribusi binomial kumulatif ditulis
P(X ≥ r) yang dirumuskan sebagai berikut.
=
Contoh
Berdasarkan latihan 2, tentukanlah P(X ≥ 3)!
Jawab:
P(X ≥ 3) = P(X=3) + P(X=4) + P(X=5) + … + P(X=10)
= 0,0574 + 0,0112 + 0,0015 + 0,0001 + 0 + 0 + 0 + 0
= 0,0702
Berdasarkan tabel binomial kumulatif, dengan n = 10, p = 0,1, dan r = 3, P(X ≥ 3) = 1 – P(X = 2) = 1 –
0,9298 = 0,0702
Latihan Soal (3)
Maulana melakukan Latihan tendangan penalty sebanyak 3 kali. Peluang sukses melakukan tendangan
penalty adalah 4/5. tentukan peluang Maulana mencetak paling banyak 1 gol!
Jawab:
n = 3, p = 0,8 dan q = 1 – 0,8 = 0,2
P(X ≤ 1) = P(X = 0) + P(X = 1)
= 0,0080 + 0,0960
= 0,104
Distribusi Binomial
Distribusi binomial mempunyai nilai rata-rata variansi, simpangan baku, koefisien kemiringan, dan
koefisien keruncingan sebagai berikut.
Rata-rata µ = n.p
Variansi = npq
Simpangan baku =
Koefisien kemiringan =
Jawab:
µ = n.p = 15 (0,3) = 4,5
= npq = 15 (0,3)(0,7) = 3,15
= = = 1,77
= = = 0,23 distribusi miring ke kanan (karena positif)
= 3 + = 3 + = 2,9 distribusi platikurtis (karena <3)
Latihan Soal (5)
Seorang penjual mengatakan bahwa 25% dari seluruh barang dagangannya rusak akibat truk yang membawa
barang tersebut mengalami kecelakaan. Jika seseorang membeli barang dagangan itu sebanyak 10 buah, tentukan:
a. Probabilitas orang itu akan mendapat 5 barang yang cacat
b. Probabilitas orang itu memperoleh paling banyak 3 barang yang cacat
c. Rata-rata dan simpangan baku barang yang cacat
Jawab:
n = 10, p = 0,25 dan q = 0,75
X = banyaknya barang cacat
P(X=x) =
Latihan Soal (5)
a. Probabilitas orang itu mendapat 5 barang cacat adalah:
P(X=5) = = 0,0584
b. P(X ≤ 3) = P(X=0) + P(X=1) + P(x=2) + P(X=3)
= 0,0563 + 0,1877 + 0,2816 + 0,2503
= 0,7759
c. µ = n.p = 10 (0,25) = 2,5
= = = 1,37
DISTRIBUSI
2 POISSON
Distribusi Poisson
◦ Pada distribusi binomial, bila bilangan n kecil dan p besar, perhitungan probabiltas nilai variabel acak X
dapat dilakukan dengan mudah.
◦ Namun, jika bilangan n besar dan p kecil sekali, perhitungan probabilitas nilai X tidak bisa atau sulit
dilakukan, baik secara langsung maupun dengan tabel distribusi binomial.
◦ Untuk mengakomodir hal ini, perhitungan probabilitas distribusi binomial dilakukan dengan pendekatan
distribusi Poisson, dengan µ = np
f(x) = P(X = x) =
Jawab:
n = 100
p = 1/1000 orang = 0,001
= np = 100 (0,001) = 0,1
Latihan Soal (6)
P(X = x) = , x = 0, 1, 2, … , 100
P(X = 0) = =
P(X = 1) = =
P(X = 2) = =
P(X = 3) = =
P(X = 4) = =
P(X = 5) = =
Latihan Soal (7)
Bila 5 uang logam dilemparkan sebanyak 128 kali, hitunglah probabilitas munculnya 5 muka sebanyak 0,
1, 2, 3, 4, dan 5 dari seluruh pelemparan!
Jawab:
n = 128
Probabilitas munculnya satu muka = ½
Probabilitas munculnya 5 muka = p = ½ . ½. ½. ½. ½ = 1/32, karena munculnya muka saling bebas
Maka q = 1 – p = 1 – 1/32 = 31/32
Latihan Soal (7)
Dengan menggunakan distribusi binomial
P(X=x) = , x = 0, 1, 2, … , 128
Dengan menggunakan distribusi Poisson µ = np = 128 = 4
P(X = x) =
X P(X=x) = P(X = x) =
0 0,0172 0,0183
1 0,0711 0,0732 Nilai probabilitas yang diperoleh
2 0,1457 0,1464 dengan distribusi binomial dan
Poisson hampir sama. Semakin besar
3 0,1974 0,1952 n dan semakin kecil p, maka
4 0,1990 0,1952 pendekatan distribusi Poisson
terhadap distribusi binomial semakin
5 0,1592 0,1562 baik.
Distribusi Poisson
Distribusi Poisson mempunyai nilai rata-rata, variansi, simpangan baku, koefisien kemiringan, dan
koefisien keruncingan sebagai berikut.
Rata-rata µ = n.p
Variansi = np
Simpangan baku =
Koefisien kemiringan =
Jawab:
n = 100 dan p = 0,001
Maka,
µ = n.p = 100 (0,001) = 0,1
= = = 0,32
DISTRIBUSI
3 HIPERGEOMETRIK
Ilustrasi
Misalnya, kita mempunyai suatu populasi sebanyak N yang terdiri dari dua jenis, yaitu jenis merah
sebanyak N1 dan sisanya jenis putih sebanyak N – N1. Pada populasi itu diambil sampel secara acak
sebanyak n tanpa pengembalian.
k n-k
n Sampel
Misalkan X = k menyatakan banyaknya jenis merah yang terambil, maka dalam sampel sebanyak n itu
akan terdapat merah sebanyak k dan sampel jenis putih sebanyak n – k, dimana k = 0, 1, 2, … , n.
Ilustrasi
Dengan demikian:
◦ Banyaknya sampel yang diperoleh adalah kombinasi N yang diambil n, yaitu
◦ Banyak sampel jenis merah yang terambil adalah kombinasi N 1 yang diambil k, yaitu
◦ Banyak sampel jenis putih yang diperoleh adalah kombinasi N – N1 yang diambil (n – k) yaitu
◦ Banyaknya kombinasi semua sampel adalah
Sehingga, probabilitas untuk memperoleh sampel jenis merah sebanyak X = k adalah:
P(X=k) =
Distribusi Hipergeometrik
Berdasarkan ilustrasi sebelumnya, maka probabilitas P(X = k) untuk distribusi hipergeometrik adalah sebagai berikut.
P(X = x) =
Dengan rata-rata, variansi, dan simpangan baku dari distribusi geometric adalah sebagai berikut
Rata-rata µ =
Variansi =
Simpangan baku =
Contoh
Dalam suatu kantong terdapat 10 bola merah dan 5 bola putih. Bila diambil 3 bola secara acak, tentukanlah probabilitas
untuk memperoleh 0, 1, 2, dan 3 bola merah!
Jawab:
N1 = banyak bola merah = 10 Kombinasi bola merah
N2 = banyak bola putih = 5 Kombinasi bola putih
N = banyak bola = N1 + N2 = 10 + 5 = 15
Kombinasi semua sampel
n = banyak sampel = 3
X = banyaknya bola merah yang diperoleh
Maka probabilitas untuk memperoleh banyaknya bola merah X = k dalam sampel adalah:
P(X = k) = , k = 0, 1, 2, 3
Contoh
◦ P(X = 0) =
◦ P(X = 1) =
◦ P(X = 2) =
◦ P(X = 3) =
Jawab:
N = banyak kain = 50 • P(X = 0) = 0,64696
N1 = banyak kain rusak = 5 • P(X = 1) = 0,30808
N2 = banyak kain bagus = 45
• P(X = 2) = 0,04299
n =4
• P(X = 3) = 0,00195
X = k yang menyatakan banyak kain rusak yang diperoleh, maka k = 0,
1, 2, 3, 4 • P(X = 4) = 0,00002
Jawab:
N = banyak kelereng = 27
N1 = banyak kelereng merah = 5
N2 = banyak kelereng putih = 10
N3 = banyak kelereng biru = 12
n =3
Jawab:
N = banyak bola = 20
N1 = banyak bola putih = 9
N2 = banyak bola merah = 8
N3 = banyak bola biru = 3
n =3
b.
P(X1=0, X2=2, X3=1)
c.
P(X1=1, X2=1, X3=1)
TERIMA KASIH