P. 1
Distribusi_Diskrit

Distribusi_Diskrit

|Views: 41|Likes:
Published by Delvia Anne
Distribusi Diskrit
Distribusi Diskrit

More info:

Published by: Delvia Anne on Mar 10, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PPT, PDF, TXT or read online from Scribd
See more
See less

10/01/2014

pdf

text

original

BEBERAPA DISTRIBUSI PROBABLITAS DISKRET

(SSTS 2305 / 3 sks)

Dra. Noeryanti, M.Si

1

Pengantar:
Penyajian distribusi probabilitas dalam bentuk grafis, tabel atau melalui rumusan tidak masalah, yang ingin dilukiskan adalah perilaku (kelakuan) perubah acak tersebut. Sering kita menjumpai, pengamatan yang dihasilkan melalui percobaan statistik yang berbeda mempunyai bentuk kelakuan umum yang sama. Oleh karena itu perubah acak diskret yang berkenaan dengan percobaan tersebut dapat dilukiskan dengan distribusi probabilitas yang sama, dan dapat dinyatakan dengan rumus yang sama. Dalam banyak praktek yang sering kita jumpai, hanya memerlukan beberapa distribusi probailitas yang penting untuk menyatakan banyak perubah acak diskret.
2

Kompetensi:
Setelah mempelajari materi pokok bahasan disini, mahasiswa diharapkan: 1. Mampu menggunakan konsep-konsep dasar teori distribusi probabilitas disket secara benar. 2. Mampu dan terampil dalam melakukan hitungan-hitungan yang berkaitan dengan distribusi Seragam Diskret, distribusi Binomial dan Multinomial, distribusi Hhipergeometrik, dan distribusi Poisson 3. Terampil dalam mengerjakan soal-soal tugas dan latihan.

3

Daftar Isi Materi: • • • • Distribusi Seragam Diskret Distribusi Binomial dan Multinomial Distribusi Hipergeometrik Distribusi Poisson 4 .

. x 2 . Definisi (5.5. untuk x = x1. Distribusi ini disebut distribusi probabilitas seragam diskret..1) Jika perubah acak X mendapat nilai x1.. Distribusi proabilitas X x 1 2 3 F(x...xk k Lambang f(x. Distribusi Seragam Diskret Distribusi probabilitas yang paling sederhana adalah yang semua perubah acaknya mempunyai probabilitas yang sama.k)=f(x) 1 6 1 6 1 6 4 1 6 5 1 6 6 1 6 5 ..x 2 ...... yang menunjukan bahwa distribusi seragam tersebut bergantung pada parameter x Tabel 5.1. maka distribusi probabilitas diskret diberikan 1 oleh: f(x.k) = ..xk dengan probabilitas yang sama .1.k) sebagai pengganti f(x).

Contoh (5.k) adalah Mean(X).1) Sebuah dadu seimbang dilemparkan satu kali.1) Nilai rata-rata (mean) dan variansi distribusi seragam diskret f(x. Muncul dengan probabilitas 1/6.6)=1/6. 5. 6}. 3. k i=1 i=1 k ∑ xi k Bukti sbb: 6 . 6 Teorema (5. untuk x = 1.3 4. 4. 2. µ= 1 k σ 2 = 1 ∑ (xi − µ )2 atau σ 2 = E(X2 ) − µ 2 Varian(X). maka X terdistribusi peluang seragam (uniform) yakni f(x. 5. maka tiap unsur dalam ruang sampel S={1. 2. Jadi jika X menyatakan mata dadu yang muncul.

5) + ( 4 − 3.2) Cari mean dan variansi dari contoh (5.5) σ 1+ 2 + 3 + 4 + 5 + 6 µ= = 3.5 6 6 = 35 12 7 .Menurut definisi.5) + ( 6 − 3.5) + (3 − 3.k) = ∑ (xi − µ )2 ( k ) i=1 k i=1 k ∑ xi k ∑ Contoh (5.k) = ∑ i=1 k k i=1 xi ( 1 ) = 1 k k dan σ 2 = E(X − µ )2 = i=1 k 1 = (xi − µ )2 k i=1 1 ∑ (xi − µ )2 f(x.5) + ( 2 − 3.1) Jawab: 2 2 2 2 2 2 2 = (1 − 3.5) + (5 − 3. µ = E(X) = ∑ xif(x.

Tiap-tiap usaha memberikan hasil yang dapat dikelompokan menjadi 2-kategori. tiap-tiap usaha. Distribusi Binomial dan Multinomial Suatu percobaan yang terdiri atas beberapa usaha. tidak berubah dari satu usaha ke usaha berikutnya. Jadi proses Bernoulli harus memenuhi persyaratan berikut: 1.5. 8 . 4. Peluang kesuksesan dinyatakan dengan p. dan tiap-tiap ulangan percobaan bebas satu sama lainnya. Probabilitas kesuksesan tidak berubah dari percobaan satu ke percobaan lainnya.2. Tiap usaha bebas dengan usaha lainnya. sukses atau gagal 3. memberikan hasil yang dapat dikelompokan menjadi 2kategori yaitu sukses atau gagal. Percobaan terdiri atas n-usaha yang berulang 2. Proses ini disebut proses Bernoulli.

2.3) Tiga barang diambil secara acak dari hasil produksi pabrik. Hasil TTT TCT TTC CTT TCC CTC CCT CCC X 0 1 1 1 2 2 2 3 C=cacat . T=tidak cacat (baik) Karena barang diambil secara acak. Tabel 5. diperiksa. 9 .Contoh (5. Maka banyaknya kesuksesan mer upakan perubah acak X dengan nilai nol sampai 3. dan misalkan dianggap menghasilkan 25% barang cacat. dan yang cacat dipisahkan dari yang tidak cacat. maka P(TCT) = P(T)P(C)P(T) = ( 3 )( 1 )( 3 ) = 9 4 4 4 64 Probabilitas untuk hasil kemunkinan yang lain dilakukan dengan jalan ang sama. Misalkan yang cacat disebut cacat.

1 ) = 9 4 64 Selanjutnya menentukan rumus yang memberikan proailitas x sukses dalam n-usaha suatu pecobaan binomial b(x.n. dan distribusi dari perubah acak ini disebut “distribusi Binomial”.n. Karena nilainya bergantung pada banyaknya usaha (n) Misalnya: X= banyaknya barang yang cacat. P(X = 2) = f( 2) = b( 2. 3.3 Distribusi probabilitas X x 0 1 2 f(x) 27 64 27 64 9 64 3 1 64 Percobaan Binomial Banyaknya X yang sukses dalam n-usaha Bernoulli disebut “perubah acak binomial”. maka distribusi perubah acak X ini dinyatakan dengan b(x. Jika p menyatakan probabilitas kesuksesan dalam suatu usaha.p) 10 .tabel 5.p).

x = 0.1.p) =   p q x .. maka distribusi probabilitas perubah acak binomial X yaitu banyaknya kesuksesan dalam n-usaha bebas adalah  n  x n− x b(x.Probabilitas x kesuksesan dan n-x kegagalan dalam urutan tertentu.n.... 2. Banyaknya cara untuk memisahkan n-hasil menjadi dua kelompok. sehingga x hasil ada pada kelompok pertama dan sisanya n-x pada kelompok kedua..n 11 . Tiap kesuksesan dengan probabilitas p dan tiap kegagalan dengan probabilitas q=1-p . jumlah ini n dinyatakan sebagai  x Karena pembagian tersebut saling terpisah    n  x n− x (bebas) maka probabilitasnya adalah   p q x Suatu usaha bernoulli dapat menghasilkan kesuksesan dengan probabilitas p dan kegagalan dengan probabilitas q=1-p.

4. 2.1.2 : n=3 dan 4  3 b(x. 1 ) =   p x q3− x .4) Suatu suku cadang dapat menahan uji guncangan tertentu dengan probabilitas 0.n. 3 4 x Contoh (5.75.  2 4 4 4 2! 2! 42 128   Catatan: x =0 ∑ b(x. Jawab: Misal tiap pengujian saling bebas 3 ) =  4  ( 3 )2 ( 1 ) = 4 ! 32 = 27 b( 2. Hitung probabilitas bahwa tepat 2 dari 4 suku cadang yang diuji tidak akan rusak.x = 0. 3.p) = 1 12 n .p=1 Suatu cara penyajian yang lain dari tabel 5.

5) Probabilitas seseorang sembuh dari penyakit jantung setelah operasi adalah 0.Contoh (5.9662 = 0.4) ← lihat tabel = 1 − 0. 0.4.0338 13 .4 n = 15 a). sekurang-kurangnya 10 orang dpt sembuh b).0338 Jadi probabilitas sekurang-kurangnya 10 orang sembuh = 0. Bila diketahui 15 orang menderita penyakit ini. P(X ≥ 10) = 1 − P(X < 10) = 1 − [ P(X = 0) + P(X = 1) + P(X = 9)] =1− 9 x =0 ∑ b(x. berapa peluang: a).15. tepat 5 orang yg sembuh Jawab: Mis: X = menyatakan banyaknya orang yg sembuh Diket : p = 0. ada 3 sampai 8 orang yg sembuh c).

15.15.4) ← lihat tabel x =0 5 4 = 0.1859 14 .0. 0.1859 Jadi probabititas tepat 5 orang yang sembuh = 0.15.15.4) ← lihat tabel x =0 8 2 = 0.2173 = 0.15.8779 Jadi probabilitas terdapat 3 sampai 8 orang yg sembuh = 0.4) − ∑ b(x.9050 − 0. 0. 0.4) = P(X ≤ 5) − P(X ≤ 4) = x =0 ∑ b(x.0271 = 0.b) P(3 ≤ X ≤ 8) = P(X ≤ 8) − P(X ≤ 2) = x =0 ∑ b(x. 0.4032 . 0.4) − ∑ b(x.8779 c) P(X = 5) = b(5.

9050 0.4 → x =0 x =0 15 2 ∑ ∑ x =0 ∑ b(x..4) = 0.4) = 0. 0..4 Cara menggunakan tabel binomial n r 0..15...9050 Untuk : n=15. p 0.01 15 1 2 : : : 8 9 0...15....4 . 0...4) = 0.Tabel 5.. 9 8 : b(x.0271 ..0271 15 .9662 .9662 0. 0.15. b(x. p=0.

2) Distribusi Binomial b(x.4) [1] 0.9049526 > pbinom(2.p) mempunyai rata-rata dan variansi sbb: µ = np dan σ 2 = npq 16 .15.4) [1] 0.n.4) [1] 0.4) [1] 0.15.4032156 > pbinom(4.0.2172777 Teorema(5.15.0.Cara lain mencari nilai distribusi Binomial: Gunakan software R .027114 > pbinom(5.0.4) [1] 0.9661667 > pbinom(8.0.15.0.15. langkahnya sbb: > pbinom(9.

6) Tentukan mean dan variansi dari contoh (5.5) kemudikan gunakan teorema chebyshev untuk menafsirkanselang µ ± 2σ Jawab: Dari contoh 5.4) = 6 2 dan σ = (15)(0.4)( 0.794 dan µ − 2σ = 2.206 sampai 9.794 17 .Contoh (5.206 Jadi.4 Diperoleh: µ = (15)(0.897 Menggunakan teorema Chebyshev µ ± 2σ adalah µ + 2σ = 9.6) = 3.6 diketahui n=15 dan p=0. selang yang ditanakan adalah dari 2.6 σ = 1.

...p2 .........p2 . cacat....E2 .E2 . X2 ..Ek Dengan probabilitasnya p1..p k  x1....pk .xk  Dengan ∑ xi = n i=1 k dan ∑ pi = 1 i=1 18 k . dan masih bisa diperbaiki.n) =   p1 p2 ..p1.xk...pk maka distribusi perubah acak X1. Xk yang menyatakan banyaknya kejadian E1....Ek Dalam n-usaha bebas adalah n   x1 x 2 xk f(x1...x 2 .x 2 . Misalnya hasil produksi pabrik dapat dikelompokan menjadi barang baik.....Percobaan Multinomial Percobaan binomial akan menjadi percobaan multinomial jika tiap usaha dapat memberikan lebih dari 2 hasil yang mungkin. Bila suatu usaha dapat menghasilkan k macam hasil E1....

3  9 6! 4 1 113 = 2 !1! 3! 81 6 183 ( ) ( )( ) = 0. 3. 2 . 11 . sepasang bilangan yang sama satu kali. 1 .1. berapa probabilitas akan mendapatkan jumlah 7 atau 11 muncul dua kali. Menggunakan distribusi multinomial dengan x1=2. 6) =   9 6 18 6 18  2. dan kominasi lainnya 3 kali? Jawab: Misal: E1= muncul jumlah 7 atau 11 → p(E1)=2/9 E2= muncul pasangan bilangan yang sama → p(E2)=1/6 E3= muncul selain E1 maupun E2 → p(E3)=11/18 Nilai initidak berubah dari ke6-usaha.1.Contoh(5. x2=1 dan x3=3 diperoleh:  6  2 2 1 1 11 3 f( 2.1127 19 .7) Dua buah dadu dilantunkan 6 kali.

Distribusi hipergeometrik mempunyai sifat: 1. Penggunaan distribusi ini hampir sama dengan distribusi binomial. Sebanyak k-benda dapat diberi nama sukses dan sisanya N-k 20 . Misalnya distribusi binomial diterapkan pada sampling dari sejumlah barang (sekotak kartu. Sebaliknya distribusi hipergeometrik tidak memerlukan kebebasan dan didasarkan pada sampling tanpa pengembalian. sejumlah hasil produksi) sampling harus dikerjakan dengan pengembalian setiap barang setelah diamati. Distribusi Hipergeometrik Perbedaan distribusi binomial dengan distribusi multinomial terletak pada cara pengambilan sampelnya.3.5. 2. Sampel acak berukuran n yang diambil tanpa pengembalian dari N benda.

n h(x.n..8) Suatu panitia 5 orang dipilih secara acak dari 3 kimiawan dan 5 fisikawan.... 2. x = 0..k) =   N n   Contoh (5.. Jawab: 21 ..N.1. Hitung distribusi probabilitas banyknya kimiawan yang duduk dalam panitia.Distribusi Hipergeometrik Distribusi probabilitas perubah acak hipergeometrik X yang menyatakan banyaknya kesuksesan dalam sampel acak dengan ukuran n yang diambil dari N-obyek yang memuat k sukses dan N-k gagal dinyatakan sebagai:  k  N−k   x  n − x   .

3) = ( 8) 5 . 3 3 5 0 5 x = 0 → h( 0. x = 0. 3) = 3 2 = 10 56 8 5 ( )( ) () ( )( ) () Tabel 5. 5. 8.3} Distribusi probabilitasnya dinyatakan dengan rumus 3 5 ( x )( 5−x ) h(x. 8.Misalkan: X= menyatakan banyaknya kimiawan dalam panitia. 5.8. 2. x = 3 → h(3. 8.5. 8.2.3) 0 1 56 1 15 56 2 30 56 3 10 56 22 .1. 5. 5. 5. 3) = = 15 56 8 5 ( )( ) () ( )( ) () 3 5 2 3 x = 2 → h( 2. 56 8 5 3 5 .6 Distribusi hipergeometrik x h(x. 3) = = 1 56 8 5 3 5 1 4 x = 1 → h(1. 3) = = 30 . 8.1. X={0.

8) kemudikan gunakan teorema chebyshev untuk menafsirkanselang µ ± 2σ Jawab: Dari contoh 5.741 sampai 1. 741 Jadi. 3113 ( ) ( )( ) Menggunakan teorema Chebyshev µ ± 2σ adalah µ + 2σ = 1.9) Tentukan mean dan variansi dari contoh (5.k) mempunyai rata-rata dan variansi sbb: 2 N−n (n)( k )(1 − k ) µ = nk dan σ = N N−1 n n Contoh (5.N. 491 dan µ − 2σ = −0.4 (5)(3) 3 2 40 −5 3 3 Diperoleh µ = 40 = 8 = 0.3) Distribusi hipergeometrik h(x. selang yang ditanakan adalah dari -0.8 diketahui n=15 dan p=0.Teorema(5.491 23 .n. 375 dan σ = 39 (5) 40 1 − 40 = 0.

2013 . 0. 0.10.1000) = b(3.10. 8791 − 0.2 adalah probailitas mendapat satu ban. 5000.Contoh (5.10. Jawab: Karena n=10 cukup kecil dibandingkan N=5000.2) = x =0 ∑ b(x. 0.10) Suatu pabrik ban mempunyai data bahwa dari pengiriman sebanyak 5000 ban ke sebuah toko tertentu terdapat 1000 cacat. maka probabilitasnya dihampiri dengan binomial dengan p= 10/5000= 0. Jika ada seseorang membeli 10 ban ini secara acak dari toko tersebut.10. 6778 = 0.2) x =0 24 3 2 = 0.2) − ∑ b(x. berapa probabilitasnya memuat tepat 3 yang cacat. Jadi probabilitas mendapat h(3 3 ban cacat: tepat.

2) [1] 0.5000. 0.8791261 > pbinom(2. 5000.10.0.10.1000) = b(3.6777995 Jadi probabilitas mendapat tepat 3 ban cacat adalah h(3.10. 8791261 − 0.10. 2013266 25 .0.Jika dihitung dengan software R > phyper(3.10.2) [1] 0.1000) # tidak bisa menghitung [1] 0 Dihitung dengan pendekatan distribusi binomial > pbinom(3. 6777995 = 0.2) = 0.

Peluang terjadinya lebih dari satu sukses dalam daerah yang sempit diabaikan. 2. Banyaknya kesuksesan yang terjadi dalam suatu daerah (selang) waktu tertentu independen dengan daerah lainya. λ t) . Probabilitas sukses dalam daerah/selang yang kecil tidak tergantung banyaknya sukses yang terjadi diluar selang. Proses poisson memiliki sifat-sifat berikut: 1.5. Jika X perubah acak poisson maka distribusi poisson ini dinyatakan dengan p(x. Distribusi Poisson Percobaan yang menghasilkan prubah acak X ynag menyatakan banyaknya hasil selama dalam selang waktu/daerah tertentu disebut “distribusi poisson”.4. dimana λ t adalah rata-rata hasil 26 . 3.

27 . 2.1 sampai 18 diberikan pada tabel Poisson. Misalkan µ = λ t ...1.11) Rata-rata banyaknya Tanker minyak yang tiba tiap hari di suatu pelabuhan adalah 10.x = 0. Atau dengan bantuan software R Contoh (5.. x! dimana: e=2...71828 dan λ t menyatakan rata-rata banyaknya sukses yang terjadi per satuan waktu. Pelabuhan tersebut hanya mampu menampung paling banyak 15 Tanker perhari. untuk beberapa nilai tertentu dari 0. dinatakan: e−λ t ( λ t)x p(x. λ t) = . Berapa probabilitas pada suatu hari tertentu Tanker terpaksa pergi karena pelabuhan penuh dan tidak mampu melayani.Distribusi perubah acak Poisson X yang menyatakan banyaknya kesuksesan yang terjadi dalam suatu selang waktu/daerah tertentu t.

Jawab: Misalkan: X = banyaknya Tanker minyak yg tiba tiap hari X = {1. 2.9513 = 0.0487 • Cara lain.9512596 15 x =0 Artinya: ∑ p(x. 15} Maka P(X > 15) = 1 − P(X ≤ 15) = 1 − x =0 ∑ p(x.9512596 28 . .10) = 0. . langkahnya sbb: > ppois(15. 3.10) [1] 0. jika tidak menggunakan tabel. . gunakan program R.10) ← tabel 15 = 1 − 0. . .0487 Jadi peluang pd suatu hari tertentu Tanker terpaksa pergi = 0. .

8893 − 0. 7851 = 0.12) Rata-rata banyaknya partikel radio atif yang meleati suatu penghiung selama 1 milidtik dalam suatu percobaan di laoratoium adalah 4. λ t) mempunyai rata-rata dan variansi µ = λ t dan σ 2 = λ t sbb Contoh (5. 4) = 0.Teorema(5. p(x. tabel = p(x.1042 6! x =0 x =0 µ + 2σ = 8 dan µ − 2σ = 0 µ = λ t = 4 dan σ 2 = 4 x = 6. Kemudikan gunakan teorema chebyshev untuk menafsirkanselang Jawab: 6 5 e−4 ( 4)6 dari 4) = poisson dengan4) − diperoleh p(6.4) Distribusi poisson p(x. berapa probabilitas 6 partikel melewati penhtung it dalam 1 milidetik µ ± 2σ tertentu. µ = λ t = 4 ∑ ∑ dari diperoleh 29 .

4) = 0..8893 x =0 ∑ p(x.4.0 . Cara menggunakan tabel Poisson r 0.. 4) = 0..889326 > ppois(5....7.8893 .4) [1] 0.7851304 → x =0 ∑ p(x.. p=0.4) [1] 0.7851 30 .. menggunakan tabel diperoleh: 16 5 6 0.... Meggunakan R: > ppois(6..Tabel 5.. µ 4..7851 0. 1 0 1 : : : 5 6 : : Untuk n=15.

p=0.Teorema(5. Jika diketahui rata-rata 1 dari 1000 barang yang dihasilkan mempunyai satu atau lebih gelembung. µ ) Contoh (5.12) Dalam suatu proses produksi yang menghasilkan barang dari gelas.p) → p(x. Berapa probailiasnya bahwa dalam sampel acak sebesar 8000 barang akan erisi kurang dari 7 yang bergelembung? Jawab: n=8000.5) Misalkan X perubah acak binomial dengan distribusi probabilitas b(x. 001) = 8 diperoleh menggunakan tabel: 31 .n. p → 0 dan µ = np tetap sama maka b(x.001 dihampiri dengan distribusi poisson dengan µ = (8000)(0.n. terjadi gelembung(cacat) yang kadang menyebabkan sulit dipasarkan.p). Jika n→ ∞ .

8000. langkahnya > pbinom(6. 0.3133743 x =0 32 .001) [1] 0.8000. gunakan R.3132521 ∑ p(x.0.8) = 0.8) [1] 0.8000.3132521 > ppois(6.P(X < 7) = x =0 ∑ b(x.001) = ∑ p(x.001) = 0. cara lain.3133743 Diperoleh: 6 Dan x =0 6 ∑ b(x.8) = 0. 3134 x =0 6 6 Jika tidak menggunakan tabel. 0.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->