BAB I PENDAHULUAN A. Latar Belakang Distribusi peluang merupakan konsep yang menjadi dasar pengembangan makalah ini.

statistika Distribusi inferensial, yang khususnya dari penaksiran hasil suatu parameter dan pengujian hipotesis, menjadi topik utama dalam diturunkan percobaan dapat dibedakan atas: Distribusi farik Distribusi malar Sesuai dengan sifat yang sampelnya. Jadi, kalau ruang sampelnya farik, distribusinya juga disebut disebut distribusi malar. Namun distribusi farik. sebelum Demikian juga kalau ruang sampelnya malar, distribusinya demikian, membicarakan distribusi peluang, konsep peubah acak perlu dipahami, karena sesungguhnya peubah acak inilah yang memiliki fungsi distribusi. B. Tujuan Berdasarkan latar tujuan 1. Mahasiswa dapat menjelaskan apa yang dimaksud distribusi peluang? 2. Mahasiswa dapat membedakan distribusi farik dan distribusi malar? 3. Mahasiswa dapat memahami konsep peubah arah? belakang diatas makalah ini memiliki

i

BAB II PEMBAHASAN A. Peubah Acak Pada percobaan yang digunakan untuk menjelaskan setiap proses yang menghasilkan pengukuran, sering yang menarik perhatian kita bukan titik sampel itu sendiri melainkan gambaran numeriknya. Misalnya, sebuah mata uang dengan sisi muka (M) dan Belakang (B) yang dilemparkan tiga kali memberikan ruang sampel S = {MMM, MMB, MBM, BMM, MBB, BMB, BBM, BBB}. Bila yang diperhatikan banyaknya sisi muka yang muncul, maka hasil numerik, 0, 1, 2, atau 3 dikaitkan dengan titik sampel. Transformasi yang memasangkan titik sampel di S ke suatu hasil numeric disebut peubah acak (random variable). Jika X menyatakan banyaknya sisi muka yang muncul dalam tiga kali pelemparan mata uang itu, maka X = 0 merupakan gambaran numeric untuk {BBB} , X = 1 untuk {MBB, BMB, BBM}, X = 2 untuk {MMB, MBM, BMM}, dan X = 3 {MMM}. Karena bilangan cardinal n(S) = 8, diperoleh nilai-nilai peluang P (X = 3) = 1/8, sesuai ed bilangan cardinal masing-masing peristiwa yang berkaitan dengan nilai X tersebut. Nilai-nilai peluang inilah yang disebut fungsi distribusi peluang farik yang biasa disebut fungsi massa peluang dari peubah acak X, yang dapat dibuat dalam sebuah tabel sebagai berikut:

i

harus memenuhi sifat-sifat fungsi massa peluang berikut: 1. 1. x2. dan masih dapat dipadankan satusatu dengan bilangan asli A = {1. 3.xn dengan peluang p(xi) = pi untuk i = 1. 2. 2. Sifat ini dapat diperluas lagi untuk peubah acak yang memiliki tak hingga banyaknya nilai. Untuk penyerderhanaan. Untuk setiap peubah acak farik X yang mempunyai terhingga banyaknya nilai x1. maka peubah acak X yang diturunkan dari S juga disebut peubah acak farik. 3…}. x3. 3 memiliki sifat-sifat sebagai berikut: 1.n 2. 1. misalnya X dan symbol nilai pengamatannya dengan huruf kecil x. 2.1. p(x) ≥ 0 untuk x = 0.. ……n untuk sebaang bilangan asli n. 3 2. Sifat-sifat diatas dapat dinyatakan secara umum. Fungsi massa peluang munculnya sisi muka dalma tiga kali pelemparan mata uang x 0 1 2 3 P (X = x) = p (x) 1/8 3/8 3/8 1/8 Karena ruang sampel S adalah ruang sampel farik. Peubah acak ditulis dengan huruf capital. 2. Misalkan nilai-nilai i . 3. pi ≥ 0 untuk i = 1. dan distribusi peluangnya disebut distribusi peluang farik.3. kita tulis p (x) untuk x = 0. ……. …. 2.

penelitian mengenai jarak yang ditempuh sebuah mobil yang dijalankan dengan lima liter bensin.µ 2. Misalnya. Rumus kedua momen ini berturut-turut adalah: µ = E (X) = σ 2 ∞ ∑x i =1 i pi = E (X . Untuk peubah acak farik X yang nilainya terhingga banyaknya (n). x2. pi ≥ 0 untuk i = 1.µ ) = 2 ∑ (x i =1 ∞ i − µi ) pi Symbol E (X) dalam bahasa Inggris dibaca Expected value of X. 2.. Ada dua momen penting dari peubah acak yang disebut nilai harapan (expected value) dan variansi (variance). x3…. tetapi batas sigma yang berbeda sebagai berikut: µ = E (X) = σ 2 n ∑x i =1 i pi = E (X .µ )2 = ∑ (x i =1 n i − µi ) pi Hasil suatu percobaan mungkin saja tak hingga banyaknya dan tidak dapat dipadankan satu-satu dengan bilangan asli. dengan peluang masingmasing p1. harus memenuhi sifat-sifat berikut: 1. 3. ……. dengan ∑x i =1 ∞ 2 i p i . p3….peubah acak X adalah x1. kedua nomen tersebut dinyatakan oleh rumus yang sama. p2. 2. Jika X i .. rumus variansi dapat pula ditulis dengan σ E(X ) = 2 2 = E(X2) .

seperti A ≤ X ≤ B.f (x)dx − µ 2 2 Rumus-rumus ini dapat dimodifikasi untuk peubah acak malar X yang memiliki nilai terbatas. Perlu diperhatikan disini bahwa peubah acak X dapat didefinisikan langsung dari percobaan dan tidak melalui transformasi dari ruang sample S. P(a<X<b) = Nilai harapan dan variansi peubah acak malar dihitung dengan rumus +∞ µ = E(X) = σ2 = +∞ −∞ ∫ x. maka peubah acak ini memiliki nilai tak hingga banyaknya.f (x)dx = ∫ x . f(x) ≥ 0 untuk semua x ∈ R = {bilangan riil} +∞ malar X memiliki fungsi distribusi khusus yang disebut fungsi padat peluang f (x). dan harus memenuhi 2. untuk bilangan i .menyatakan jarak yang ditempuh oleh mobil itu sampai bensin itu habis.f (x)dx +∞ −∞ −∞ 2 ∫ (x − µ ) . Peubah acak sifat-sifat berikut: 1. b ∈ R a b 3. dan peubah acak yang diturunkannya disebut peubah acak malar. −∞ ∫ f (x)dx dx = 1 ∫ f (x) dx untuk a. karena ruang sample itu sendiri sudah dinyatakan dengan bilangan riil. Ruang sampel yang memuat takhingga banyaknya titik sampel dan tidak dapat dipadankan satu-satu dengan bilangan asli disebut ruang sampel malar.

Selanjutnya. Misalnya.f (x)dx A B σ = ∫ (x − µ ) . nilai rata-rata dan variansi dapat dihitung dari fungsi massa/pada peluang.f (x)dx − µ 2 2 2 A A B B Karakteristik yang paling mendasar untuk dikaji dalam mempelajari tingkah laku suatu distribusi adalah fungsi massa atau fungsi padat peluang. Distribusi Seragam Farik Distribusi Seragam Farik merupakan salah satu model distribusi peluang yang sering muncul dalam kenyataan. Kita akan membicarakan beberapa dari jenis yang pertama. Model i . DISTRIBUSI PELUANG FARIK Takhingga banyaknya distribusi peluang farik yang terjadi dalam kehidupan nyata. kedua momen tersebut dapat ditulis: µ = E(X) = ∫ x. baik yang mempunyai kecenderungan tertentu dan mudah dinyatakan dengan fungsi matematis maupun yang sangat khusus dan sulit dinyatakan dengan sebuah fungsi matematis. Dalam hal ini.riil A. khususnya yang sudah banyak digunakan dalam statistika terapan. 1. Dalam fungsi/padat peluang ini terkandung sifat-sifat mendasar yang menjadi ciri khas distribusi itu. Perhatikan bahwa kita distribusi menggunakan istilah fungsi massa peluang untuk peluang farik dan fungsi pada peluang untuk peluang malar. kita akan melihat beberapa fungsi peluang farik dan fungsi peluang malar.f (x)dx = ∫ x 2 . dan B tertentu. B.

3. n dimaksudkan bahwa p(x) = 0 untuk nilai x yang lain. Dalam model ini. populasi yang berisi sejumlah N sub-populasi sukses yang mempunyai anggota sebanyak N1 dan sub-populasi gagal dengan anggota sebanyak N – N1 = N2 yang sifatnya saling berlainan atau bahkan berlawanan... Dengan sedikit pekerjaan matematis diperoleh rumus nilai rumus nilai harapan µ = ( n + 1 )/2 dan variansi σ 2 = (n2 – 1)/12. Pengertian sukses dan gagal disini tidak selalu sama maknanya dengan istilah sukses dan gagal dalam pembicaraan sehari-hari. 2. .. tetapi sekedar i .ini sering di gunakan dalam teori pengambilan keputusan secara statistik. Jika X adalah sebuah peubah acak seragam. Cara ini akan digunakan untuk keefisienan penukisan. n. . 3. Perlu di jelaskan bahwa cara penukisan p(x) = 1/n untuk x = 1. Model distribusi seragam menganut asumsi bahwa peluang setiap keadaan atau hasil adalah sama dan tidak berubah sepanjang suatu rangkaian percobaan. 2. fungsi massa peluang dari X adalah: p( x )= 1/n . yakni dalam keadaan dimana kita tidak mengetahui secara pasti apa yang akan terjadi di antara kemungkinan-kemungkinan yang bakal terjadi.. x = 1. 2. Distribusi Hipergeometris Distribusi hipergeometris diterapkan pada kasus penarikan sampel (sampling) dimana objek yang telah diambil tidak dikembalikan lagi ke populasinya.. Dengan n menyatakan banyaknya keadaan atau hasil yang dapat terjadi.

Koefisien timbulnya diharapkan (gejala sukses) dari sejumlah n peristiwa.3. Tiap-tiap percobaan hanya memiliki dua kemungkinan hasil. Model distribusi ini diterapkan pada kasus percobaan Bernoulli dengan ciri sebagai berikut: a. yakni sukses dan gagal (tidak selalu sama maknanya dengan pengertian sukses dan gagal dalam pembicaraan sehari-hari) i . Jika X adalah sebuah peubah acak hipergeometris yang menggambarkan pengambilan n objek dari populasi yang berukuran N. 3. Distribusi Rumpun Binomial distribusi peluang untuk menunjukkan peubah aack yang farik.. 2... x =1..menunjukkan adanya dua kategori hasil yang berbeda. fungsi massa peluang dari X adalah:  N1  N 2      x  n − x  .n p(x) = N   n Dengan N1 = Ukuran sub populasi sukses N2 = Ukuran sub populasi gagal N = Ukuran populasi = N1 + N2 n = ukuran sampel x = banyaknya gejala sukses di antara n objek yang terambil Nilai harapan dan variansi masing-masing N1 N N N−n dan σ = n( 1 )(1 − 1 )( ) N N N N −1 Distribusi binomial binomial merupakan peluang salah satu gejala model yang µ = n.

n x Dengan p = Peluang percobaan sukses n = banyaknya percobaan x = banyaknya gejala sukses yang terjadi.1. 2. percobaan dilakukan sekali saja. akan tetapi peluang sukses tidak harus sama dengan peluang c. k + 1. kita peroleh peubah acak Bernoulli dengan fungsi massa peluang p x (1 − p) n − x . k + 2  k − 1 Nilai harapan µ = k/p dan variansi σ 2 = k (1-p)/ p2 i .. maka fungsi massa peluang X adalah: n p(x) =   p x (1 − p) n − x .1. Percobaan diulangi sebanyak n percobaan yang lain). Nilai harapan µ = p dan variansi σ Andaikan percobaan. percobaan. dan hasil ini diperoleh setelah y kali Dengan demikian. Fungsi masa peluangnya adalah:  y − 1 k y−k p(y) =   p (1 − p) . menyatakan percobaan 2 = p (1-p) diulang acak Y untuk yang Bernoulli peubah untuk mendapatkan k sukses.. banyaknya percobaan mendapatkan sukses yang ke-k disebut peubah acak binomial negatif... Jika X adalah sebuah peubah acak biomial. untuk x = 0. untuk y = k. yaitu n = 1. Nilai harapan µ = np dan variansi σ 2 kali dan bersifat bebas (hasil percobaan yang satu tidak mempengarui hasil = np (1-p) Dalam keadaan khusus. x = 0.b. Peluang sukses selalu sama pada setiap gagal.

. 3. x2 hasil h2.3. h2. pk = 1 5. Nilai harapan µ = l/p dan variansi σ 4. distribusi 2 = (1-p)/ p2 poisson sering digunakan untuk menentukan peluang sebuah peristiwa yang dalam daerah atau waktu tertentu diharapkan jarang terjadi. x2. maka peubah acak yang menyatakan bahwa kita akan mendapatkan x1 hasil h1. banyak orang yang lewat di depan pasar setiap hari. kita perhatikan keadaan khusus untuk k=1. xk = n. Distribusi Poisson Distribusi Poisson juga merupakan salah satu distribusi peluang untuk model peubah acak yang farik.…. 2.. 2. Misalkan.…. ……. n dan p1 + p2 + ……. sebuah percobaan memberikan hasil yang mungkin h1. 0 < pi < 1..xk hasil hk dengan x1 + x2 + ……+ xk = n disebut peubah acak multinomial.k dan p1 + p2 +…. Fungsi masa peluangnya dinyatakan dengan: p(y) = p(1-p)y-1 untuk y = 1. + pk = 1. dan ini disebut peubah acak geometris. Misalnya. ……xk) = dengan x1 + x2 +…. Distribusi Multinomial Perluasan distribusi binomial adalah distribusi multinomial. Andaikan percobaan ini diulangi secara bebas n kali..….. i= 1. yaitu peubah acak Y yang menyatakan banyaknya percobaan yang dilakukan untuk mendapatkan sukses yang pertama. Fungsi masa peluang distribusi multinomial dinyatakan dengan: p (x1. 3..Selanjutnya. tetapi sangat jarang terjadi seseorang yang menemukan barang hilang dan mengembalkan kepada i .

DISTRIBUSI PELUANG MALAR Distribusi dengan kuadrat. adalah konstanta yang dapat ditemukan pada hampir semua kalkulator. diharapkan jarang sekali terjadi salah sambung setiap menit.…. Sekarang kita akan tinjau mengenai fungsi padat peluang distribusi normal dengan rata-rata µ dan simpangan baku σ sebagai berikut f (x) = 2 2 1 e −1/ 2(x − µ ) / σ .718281828. kemudian distribusi student t. maka fungsi masa peluang dari X adalah: Dimana bilangan Euler e = 2. Menghitung nilai peluang yang menggunakan bilangan e maupun bilangan factorial dapat dilakukan dengan bantuan kalkulator. 1. Contoh lain. i . Distribusi Normal Distribusi normal yang biasa juga disebut distribusi Gauss banyak digunakan dalam pengujian hipotesis. operator telepon banyak menerima permintaan nomor untuk disambungkan. dan juga pada komputer. C. dan distribusi F. Nilai π juga terdapat hampir semua kalkultor. distribusi chi Dengan π adalah nilai konstanta yang bisa ditulis dengan π = 3. teori penaksiran parameter. untuk − ∞ < x < ∞ σ 2π peubah acak malar yang pertama kali kita bicarakan adalah distribusi normal.1416 dan e bilangan Euler yang sudah dijelaskan sebelumnya. dan distribusi penyampelan. Jika X adalah sebuah peubah acak Poisson dengan rata-rata = µ.pemilik-nya atau melaporkannya kepada polisi.

khususnya simbolnya mendalam. untuk − ∞ < z < ∞ σ 2π Teknik integral banyak dibicarakan dalam buku matematika. kalkulus. Fungsi padat peluang dari distribusi normal baku adalah : p(x) = e− µ µ x .. x! Grafik f(z) berbenuk simetris terhadap sumbu tegak (sumbu y) dan semuanya di atas sumbu datar (sumbu z). 2. untuk x = 0. transformasi X menjadi Z = X−µ σ akan membentuk peubah acak normal baku dengan rata-rata nol dan simpangan baku satu. Luas daerah dibawah kurva normal baku di atas sumbu z sama dengan satu. dan dinamai kurva distribusi normal baku seperti pada gambar berikut. berdistribusi normal.Peubah acak X dengan daerah nilai -∞ < x < ∞. Andaikan X adalah peubah acak normal dengan rata-rata µ dan simpangan baku σ . jika fungsi padat peluangnya seperti f(x) di atas... dan pada dan kita ini hanya tidak memperkenalkan dibicarakan lebih bagian i .1. Hal ini dapat dibuktikan dengan menggunakan hitung integral yaitu: f (x) = 1 z2 1 e 2 ..

Dengan daftar ini bagian-bagian luas dari distribusi normal baku dapat dicari. • Dari z di kolom kiri maju ke kanan dan dari z dibaris atas turun ke bawah.1 … … 1 9 4842 2 …… 5 ……. cari tempat nilai z pada vertical sampai memotong kurva antara garis ini dengan garis tegak di titik nol kolom paling kiri hanya sampai satu decimal. Untuk memudakan. kita perhatikan bentuk tabel distribusi normal baku pada lampiran C yang cuplikannya pada tabel berikut. maka daftar distribusi normal baku (lampiran C) dapat digunakan. dan decimal kedua dicari pada baris paling atas. lalu tarik garis Luas yang tertera dalam daftar adalah luas daerah Dalam daftar di lampiran C. 8 i .xxxx (bentuk empat desimal) Tabel daftar luas di bawah distribusi normal baku z 0. maka di dapat bilangan yang merupakan luas yang dicari. Cara menggunakan tabel tersebut adalah sebagai berikut: • • • • • Hitung nilai z sampai dua decimal Gambarkan kurvanya Letakkan nilai z pada sumbu datar.0 0. Bilangan yang didapat harus ditulis dalam bentuk 0.Setelah kita memiliki distribusi normal baku yang didapat dari distribusi normal umum dengan transformasi tersebut di atas.

Distribusi Student t Distribusi distribusi t student t yang oleh biasa W. nu) adalah parameter distribusi dan Γ (.2. Gossett dengan (yang dipublikasikan menggunakan nama samara Student) pada tahun 1908 dan disempurnakan oleh R.  v +1  Γ  t 2 v+1 2  1 f (t) =  (1 + ) 2 untuk − ∞ < t < ∞ v v vπ Γ  2 Dengan v (baca. maka luas dari garis tegak pada titik nol ke kiri ataupun ke kanan adalah 0. antara lain sebagai berikut: Γ (n) = (n-1) Γ (n-1).1 … 3.5. Fisher pada tahun 1926. n>1 Γ (n) = (n-1) !. Fungsi padat peluang distribusi t diberikan oleh. A. n = 1.) menyatakan fungsi gamma yang didefinisikan dengan Γ(v) = ∫ x v −1dx 0 ∞ Beberapa sifat dasar fungsi gamma. kita akan mencari luas daerah kurva normal dengan menggunakan tabel lampiran C. disingkat S. Distribusi ini merupakan revolusi statitik untuk sampel kecil.9 Karena luas seluruh daerah di bawah kurva sama dengan satu dan kurva simetris terhadap µ = 0. Informasi tentang hal ini dapat dilihat pada Snedecor (1982). 3 …… i . Sebagai contoh. 2. 2.

Tabel daftar luas di bawah kurva distribusi t V t0. Untuk nilai-nilai n yang besar. Pada fungsi distribusi ini adalah bilangan v yang disebut derajat kebebasan (dk). derajat kebebasan itu sama dengan ukuran sampel dikurang satu.Γ (1/2) = π Dimana π = 3. i . baris teratas berisikan peluang.99 t0.1415……. Untuk perhitungan daftar distribusi t telah disediakan (lampiran D).55 t0.995 t0. kolom v = dk. distribusi t mendeteksi distribusi normal baku. Kolom paling kiri. Dalam praktek. berisikan derajat kebebasan. Jika sebuah populasi mempunyai model dengan fungsi padat peluang sama dengan f(t) maka populasi itu dapat dianggap berdistribusi t dengan dk = n – 1.95 …… …… ……. biasanya n ≥ 30. tabel tersebut berisikan nilai-nilai t untuk dk dan peluang tertentu.Dengan sedikit pekerjaan matematis dapat dibuktikan bahwa fungsi padat peluang distribusi t memenuhi: ∞ −∞ ∫ f (t)dt = 1 f(t) menyerupai kurva distribusi normal sebagai Grafik berikut. atau dk = v = n – 1.

yaitu berekor panjang ke kanan. Distribusi Chi Kuadrat Distribusi chi kuadrat adalah distribusi peubah acak malar yang mempunyai fungsi padat peluang. kebebasan dan dapat dibuktikan secara ∞ matematis bahwa −∞ ∫ f (x)dx = 1 . … 3. Grafik distribusi chi kuadrat secara umum dengan derajat kebebasan dk = v.78 3. Selanjutnya grafik distribusi chi kuadrat umumnya merupakan kurva positif. f (x) = 2 v/2 1 v −1 1 x 1 x 2 e2 . yaitu miring ke kanan.1 … 12 …. Kemiringan ini semakin berkurang jika derajat kebebasan makin besar. x > 0 Γ(v / 2) dengan v = derajat. Untuk nilai dengan pasangan dk = v dan peluang p yang besarnya tertentu dapat dilihat pada tabel khusus distribusi chi kuadrat. dimana nilai peubah acak X ditulis dengan symbol X2 Luas daerah di bawah kurva yang dibayang-bayangi sama dengan nilai peluang p yaitu luas dari X2p ke sebelah.9 1. Untuk menjelaskan cara penggunaan i .

tabel khusus ini. Distribusi Snedecor F Fungsi padat peluang peubah acak yang berdistribusi Snedecor F atau dengan singkat distribusi F adalah  v + v2  v1 Γ 1 v +v   v  2 ( v1 −1) v1 ( 12 2 )  2  1 2 f (x) = (1 + x)   x v2  v1   v 2   v 2  Γ Γ  2  2  Untuk x > 0. tabel distribusi F telah nilai F untuk peluang 0. Peluang ini sama dengan luas daerah ujung kanan yang dibayang-bayangi. untuk keperluan perhitungan dengan distribusi F. Distribusi F memiliki dua buah derajat kebebasa. dengan v1 = dk pembilang dan v2 = dk penyebut. terdapat pada baris paling atas terdiri kebebasan n ada pada kolom paling kiri.005 X2 0.. i . X20.7 14 … ….05 dengan derajat kebebasan v1 dan v2.95 …… 4. Seperti juga disediakan distribusi lainya. Tabel Daftar luas di bawah kurva chi kuadrat v 1 2 23. sedangkan dk = v1 ada pada baris paling atas dan dk = v2 pada kolom paling kiri.01 dan 0. Grafik distribusi F tidak simetris dan umumnya sedikit miring positif.

Fungsi distribusi terletak pada peubah acak. 2. distribusinya juga disebut distribusi farik.28 BAB III PENUTUP A.12 5. Ruang sampel yang memuat takhingga banyaknya titik sampel dan tidak dapat dipadankan satu-satu dengan bilangan asli disebut ruang sampel i . Demikian juga kalau ruang sampelnya malar. kalau ruang sampelnya farik. Untuk setiap dk (v1. Peubah acak (random variable) yaitu transformasi yang memasangkan titik sampel di semesta ke suatu hasil numeric. v2). tabel sebagai berikut: v2 = dk penyebut 8 v1 = dk pembilang 24 3. distribusinya disebut distribusi malar.01 dan 0. v1 dn v2 tabel berisikan nilai-nilai F dengan kedua luas daerah yaitu 0. Kesimpulan Distribusi yang diturunkan dari hasil suatu percobaan dapat dibedakan atas : 1.Untuk tiap pasang dk. Distribusi farik Distribusi malar Jadi.05.

Saran Dalam penulisan makalah ini masih memiliki banyak kekurangan sehingga kami mengharapkan sumbangan kritik dan saran demi kesempurnaan makalah kami selanjutnya.malar dan peubah acak yang diturunkannya disebut peubah acak malar. i . B. Wasalam.

Edisi ke-3 Jakarta..statistika. Makassar: Makassar State University Press. Analisis Regresi dengan Data Kategori. Pengantar Statistika.DAFTAR PUSTAKA http://. A.com i .dasar. Ujung Pandang Hasanuddin University Press. Tiro. Walpole.dasar. A. Ujung Pandang Badan Penerbit UNM Ujung Pandang. 2000.com www.. 1999a. M.peluang. Tiro. 1999b. www.statistika. Gramedia Pustaka Utama.... M. Penerbit PT. M. Dasar-dasar Statistika. A. 1993. Analisis Data Frekusi dengan Chi Kuadrat. R.id Tiro. E.distribusi.

maupun kritik yang membangun untuk kelanjutan penulisan makalah kedepan. begitu juga dengan penulisan makalah ini. sehingga kami sebagai penulis mengharapkan sumbangsi saran.KATA PENGANTAR Segala puji bagi Allah swt yang dengan segala kasih sayang dan menyeru hamba-Nya mengikuti petunjuk yang benar. Makassar. Dalam penulisan makalah ini kami sangat bersyukur karena dengan kerjasama antara anggota kelompok sehingga makalah yang berjudul “Distribusi Peluang” ini dapat terselesaikan tepat pada waktunya. ide. Tiada gading yang tak retak. Shalawat dan salam atas Nabi Muhammad saw Rasul Allah yang telah mencucurkan keringat jihad sebanyak-banyaknya dalam menyebarkan kebenaran dan mengamalkan kebajikan. 22 Januari 2009 Penulis Kelompok III i .

...................................... 3................................................................................. Distribusi Hipergeometris .........Saran i .......................................................................................................... Distribusi chi kuadrat ..................................................................... Tujuan ......................................Distri C.... Distribusi Poisson ..................... Latar Belakang ................................................Kesim B................................ .................................................................................... Distribusi seragam farik ................................................. Distribusi Rumpun Bionomia....................................... 2............... 1........................................................................................................................... Distribusi Snedecor F ................................................................................................................................................................... pulan .......... B.................................. 3.................. Distribusi Normal ......................................... 2.......... i ii 1 1 1 2 2 6 6 7 8 10 10 11 11 14 15 17 18 18 18 A............. 4.................. DAFTAR ISI .............................. 4.......................................................................................... 1......................... h Acak ...................................... BAB II PEMBAHASAN ................................................... BAB III PENUTUP .. Distribusi Multinomial ................................. Distribusi student t ........ A.................................................................Distri busi Peluang Malar ........................................... 5................................................................... A...................................Peuba B.................................................................................................DAFTAR ISI KATA PENGANTAR ................. BAB I PENDAHULUAN ............... busi Peluang Farik ............................................

.......DAFTAR PUSTAKA ... 19 i ............................................................

Sign up to vote on this title
UsefulNot useful