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

2.3. 2.1. Sifat ini dapat diperluas lagi untuk peubah acak yang memiliki tak hingga banyaknya nilai. 3 2. Peubah acak ditulis dengan huruf capital. 1. …. maka peubah acak X yang diturunkan dari S juga disebut peubah acak farik. harus memenuhi sifat-sifat fungsi massa peluang berikut: 1. 3 memiliki sifat-sifat sebagai berikut: 1. 2. 1..n 2. pi ≥ 0 untuk i = 1. Misalkan nilai-nilai i . kita tulis p (x) untuk x = 0. 3. p(x) ≥ 0 untuk x = 0. ……n untuk sebaang bilangan asli n. 2. x2. 3…}. 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. misalnya X dan symbol nilai pengamatannya dengan huruf kecil x. 2. dan distribusi peluangnya disebut distribusi peluang farik.xn dengan peluang p(xi) = pi untuk i = 1. Sifat-sifat diatas dapat dinyatakan secara umum. ……. dan masih dapat dipadankan satusatu dengan bilangan asli A = {1. 3. Untuk penyerderhanaan. Untuk setiap peubah acak farik X yang mempunyai terhingga banyaknya nilai x1. x3.

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

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

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

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

menunjukkan adanya dua kategori hasil yang berbeda. Distribusi Rumpun Binomial distribusi peluang untuk menunjukkan peubah aack yang farik.. Model distribusi ini diterapkan pada kasus percobaan Bernoulli dengan ciri sebagai berikut: a. 2.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.. Koefisien timbulnya diharapkan (gejala sukses) dari sejumlah n peristiwa.. yakni sukses dan gagal (tidak selalu sama maknanya dengan pengertian sukses dan gagal dalam pembicaraan sehari-hari) i . Tiap-tiap percobaan hanya memiliki dua kemungkinan hasil. x =1..3. 3. Jika X adalah sebuah peubah acak hipergeometris yang menggambarkan pengambilan n objek dari populasi yang berukuran N. fungsi massa peluang dari X adalah:  N1  N 2      x  n − x  .

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

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

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

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

Untuk memudakan. Dengan daftar ini bagian-bagian luas dari distribusi normal baku dapat dicari.xxxx (bentuk empat desimal) Tabel daftar luas di bawah distribusi normal baku z 0. lalu tarik garis Luas yang tertera dalam daftar adalah luas daerah Dalam daftar di lampiran C. 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. maka di dapat bilangan yang merupakan luas yang dicari.Setelah kita memiliki distribusi normal baku yang didapat dari distribusi normal umum dengan transformasi tersebut di atas. kita perhatikan bentuk tabel distribusi normal baku pada lampiran C yang cuplikannya pada tabel berikut. dan decimal kedua dicari pada baris paling atas. 8 i .0 0.1 … … 1 9 4842 2 …… 5 ……. • Dari z di kolom kiri maju ke kanan dan dari z dibaris atas turun ke bawah. Cara menggunakan tabel tersebut adalah sebagai berikut: • • • • • Hitung nilai z sampai dua decimal Gambarkan kurvanya Letakkan nilai z pada sumbu datar. Bilangan yang didapat harus ditulis dalam bentuk 0. maka daftar distribusi normal baku (lampiran C) dapat digunakan.

Informasi tentang hal ini dapat dilihat pada Snedecor (1982). A. Distribusi ini merupakan revolusi statitik untuk sampel kecil. antara lain sebagai berikut: Γ (n) = (n-1) Γ (n-1). kita akan mencari luas daerah kurva normal dengan menggunakan tabel lampiran C. Sebagai contoh. nu) adalah parameter distribusi dan Γ (.5. 2. 2.9 Karena luas seluruh daerah di bawah kurva sama dengan satu dan kurva simetris terhadap µ = 0.2. n = 1. Distribusi Student t Distribusi distribusi t student t yang oleh biasa W.  v +1  Γ  t 2 v+1 2  1 f (t) =  (1 + ) 2 untuk − ∞ < t < ∞ v v vπ Γ  2 Dengan v (baca. 3 …… i . Gossett dengan (yang dipublikasikan menggunakan nama samara Student) pada tahun 1908 dan disempurnakan oleh R. Fungsi padat peluang distribusi t diberikan oleh.) menyatakan fungsi gamma yang didefinisikan dengan Γ(v) = ∫ x v −1dx 0 ∞ Beberapa sifat dasar fungsi gamma. Fisher pada tahun 1926. n>1 Γ (n) = (n-1) !. maka luas dari garis tegak pada titik nol ke kiri ataupun ke kanan adalah 0. disingkat S.1 … 3.

1415…….99 t0. Jika sebuah populasi mempunyai model dengan fungsi padat peluang sama dengan f(t) maka populasi itu dapat dianggap berdistribusi t dengan dk = n – 1. kolom v = dk. baris teratas berisikan peluang.Γ (1/2) = π Dimana π = 3.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. distribusi t mendeteksi distribusi normal baku. Kolom paling kiri. biasanya n ≥ 30. Dalam praktek. Tabel daftar luas di bawah kurva distribusi t V t0. Untuk perhitungan daftar distribusi t telah disediakan (lampiran D). atau dk = v = n – 1. berisikan derajat kebebasan. Untuk nilai-nilai n yang besar.55 t0.995 t0. tabel tersebut berisikan nilai-nilai t untuk dk dan peluang tertentu. i .95 …… …… ……. Pada fungsi distribusi ini adalah bilangan v yang disebut derajat kebebasan (dk). derajat kebebasan itu sama dengan ukuran sampel dikurang satu.

Untuk menjelaskan cara penggunaan i . yaitu miring ke kanan. Distribusi Chi Kuadrat Distribusi chi kuadrat adalah distribusi peubah acak malar yang mempunyai fungsi padat peluang. … 3.78 3. Selanjutnya grafik distribusi chi kuadrat umumnya merupakan kurva positif. Untuk nilai dengan pasangan dk = v dan peluang p yang besarnya tertentu dapat dilihat pada tabel khusus distribusi chi kuadrat. f (x) = 2 v/2 1 v −1 1 x 1 x 2 e2 . kebebasan dan dapat dibuktikan secara ∞ matematis bahwa −∞ ∫ f (x)dx = 1 . yaitu berekor panjang ke kanan.9 1.1 … 12 …. Kemiringan ini semakin berkurang jika derajat kebebasan makin besar. x > 0 Γ(v / 2) dengan v = derajat. 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. Grafik distribusi chi kuadrat secara umum dengan derajat kebebasan dk = v.

X20.7 14 … ….. terdapat pada baris paling atas terdiri kebebasan n ada pada kolom paling kiri. tabel distribusi F telah nilai F untuk peluang 0.95 …… 4.005 X2 0. Distribusi F memiliki dua buah derajat kebebasa. 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 Daftar luas di bawah kurva chi kuadrat v 1 2 23.01 dan 0. Grafik distribusi F tidak simetris dan umumnya sedikit miring positif. sedangkan dk = v1 ada pada baris paling atas dan dk = v2 pada kolom paling kiri. Peluang ini sama dengan luas daerah ujung kanan yang dibayang-bayangi. i .tabel khusus ini.05 dengan derajat kebebasan v1 dan v2. untuk keperluan perhitungan dengan distribusi F. Seperti juga disediakan distribusi lainya. dengan v1 = dk pembilang dan v2 = dk penyebut.

Ruang sampel yang memuat takhingga banyaknya titik sampel dan tidak dapat dipadankan satu-satu dengan bilangan asli disebut ruang sampel i .01 dan 0. Untuk setiap dk (v1.Untuk tiap pasang dk. Peubah acak (random variable) yaitu transformasi yang memasangkan titik sampel di semesta ke suatu hasil numeric. v1 dn v2 tabel berisikan nilai-nilai F dengan kedua luas daerah yaitu 0. tabel sebagai berikut: v2 = dk penyebut 8 v1 = dk pembilang 24 3.12 5. kalau ruang sampelnya farik. Fungsi distribusi terletak pada peubah acak. Demikian juga kalau ruang sampelnya malar. 2. Kesimpulan Distribusi yang diturunkan dari hasil suatu percobaan dapat dibedakan atas : 1.28 BAB III PENUTUP A. distribusinya disebut distribusi malar. Distribusi farik Distribusi malar Jadi. distribusinya juga disebut distribusi farik.05. v2).

i . 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. B. Wasalam.

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

KATA PENGANTAR Segala puji bagi Allah swt yang dengan segala kasih sayang dan menyeru hamba-Nya mengikuti petunjuk yang benar. begitu juga dengan penulisan makalah ini. Makassar. Tiada gading yang tak retak. maupun kritik yang membangun untuk kelanjutan penulisan makalah kedepan. 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. 22 Januari 2009 Penulis Kelompok III i . Shalawat dan salam atas Nabi Muhammad saw Rasul Allah yang telah mencucurkan keringat jihad sebanyak-banyaknya dalam menyebarkan kebenaran dan mengamalkan kebajikan. ide. sehingga kami sebagai penulis mengharapkan sumbangsi saran.

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

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

Sign up to vote on this title
UsefulNot useful