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

p(x) ≥ 0 untuk x = 0. ……n untuk sebaang bilangan asli n.n 2. 3…}. Misalkan nilai-nilai i . …. harus memenuhi sifat-sifat fungsi massa peluang berikut: 1. Peubah acak ditulis dengan huruf capital. kita tulis p (x) untuk x = 0. 1. 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. Sifat ini dapat diperluas lagi untuk peubah acak yang memiliki tak hingga banyaknya nilai. 2. 3. 1. Sifat-sifat diatas dapat dinyatakan secara umum. 2. dan masih dapat dipadankan satusatu dengan bilangan asli A = {1. x3. pi ≥ 0 untuk i = 1. dan distribusi peluangnya disebut distribusi peluang farik. 2. 3 memiliki sifat-sifat sebagai berikut: 1.3. …….xn dengan peluang p(xi) = pi untuk i = 1. maka peubah acak X yang diturunkan dari S juga disebut peubah acak farik. 2. 2. Untuk penyerderhanaan. misalnya X dan symbol nilai pengamatannya dengan huruf kecil x.1. x2.. Untuk setiap peubah acak farik X yang mempunyai terhingga banyaknya nilai x1. 3. 3 2.

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

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

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

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

Distribusi Rumpun Binomial distribusi peluang untuk menunjukkan peubah aack yang farik. 3.3.. Model distribusi ini diterapkan pada kasus percobaan Bernoulli dengan ciri sebagai berikut: a. Tiap-tiap percobaan hanya memiliki dua kemungkinan hasil. Jika X adalah sebuah peubah acak hipergeometris yang menggambarkan pengambilan n objek dari populasi yang berukuran N.menunjukkan adanya dua kategori hasil yang berbeda. 2. fungsi massa peluang dari X adalah:  N1  N 2      x  n − x  . x =1. yakni sukses dan gagal (tidak selalu sama maknanya dengan pengertian sukses dan gagal dalam pembicaraan sehari-hari) i ..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.

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

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

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

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

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

2. Fisher pada tahun 1926. 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. disingkat S. n = 1. antara lain sebagai berikut: Γ (n) = (n-1) Γ (n-1). kita akan mencari luas daerah kurva normal dengan menggunakan tabel lampiran C. Informasi tentang hal ini dapat dilihat pada Snedecor (1982).9 Karena luas seluruh daerah di bawah kurva sama dengan satu dan kurva simetris terhadap µ = 0. 3 …… i .5.1 … 3.2. Distribusi Student t Distribusi distribusi t student t yang oleh biasa W. n>1 Γ (n) = (n-1) !. 2. Sebagai contoh.) menyatakan fungsi gamma yang didefinisikan dengan Γ(v) = ∫ x v −1dx 0 ∞ Beberapa sifat dasar fungsi gamma. A. maka luas dari garis tegak pada titik nol ke kiri ataupun ke kanan adalah 0. Fungsi padat peluang distribusi t diberikan oleh. nu) adalah parameter distribusi dan Γ (. Distribusi ini merupakan revolusi statitik untuk sampel kecil.

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

yaitu miring ke kanan. f (x) = 2 v/2 1 v −1 1 x 1 x 2 e2 . yaitu berekor panjang ke kanan. x > 0 Γ(v / 2) dengan v = derajat. Kemiringan ini semakin berkurang jika derajat kebebasan makin besar.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.9 1. 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. … 3. Distribusi Chi Kuadrat Distribusi chi kuadrat adalah distribusi peubah acak malar yang mempunyai fungsi padat peluang.1 … 12 …. Untuk menjelaskan cara penggunaan i . kebebasan dan dapat dibuktikan secara ∞ matematis bahwa −∞ ∫ f (x)dx = 1 .

untuk keperluan perhitungan dengan distribusi F. Seperti juga disediakan distribusi lainya.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 > 0.01 dan 0. X20. sedangkan dk = v1 ada pada baris paling atas dan dk = v2 pada kolom paling kiri. dengan v1 = dk pembilang dan v2 = dk penyebut.95 …… 4. Tabel Daftar luas di bawah kurva chi kuadrat v 1 2 23. Peluang ini sama dengan luas daerah ujung kanan yang dibayang-bayangi.05 dengan derajat kebebasan v1 dan v2. tabel distribusi F telah nilai F untuk peluang 0. Grafik distribusi F tidak simetris dan umumnya sedikit miring positif. terdapat pada baris paling atas terdiri kebebasan n ada pada kolom paling kiri. Distribusi F memiliki dua buah derajat kebebasa.005 X2 0.7 14 … …. i .

Fungsi distribusi terletak pada peubah acak. Demikian juga kalau ruang sampelnya malar.28 BAB III PENUTUP A.01 dan 0. Kesimpulan Distribusi yang diturunkan dari hasil suatu percobaan dapat dibedakan atas : 1.05. v1 dn v2 tabel berisikan nilai-nilai F dengan kedua luas daerah yaitu 0. Distribusi farik Distribusi malar Jadi. Peubah acak (random variable) yaitu transformasi yang memasangkan titik sampel di semesta ke suatu hasil numeric.Untuk tiap pasang dk. v2). 2. tabel sebagai berikut: v2 = dk penyebut 8 v1 = dk pembilang 24 3. distribusinya disebut distribusi malar. Untuk setiap dk (v1. Ruang sampel yang memuat takhingga banyaknya titik sampel dan tidak dapat dipadankan satu-satu dengan bilangan asli disebut ruang sampel i . kalau ruang sampelnya farik.12 5. distribusinya juga disebut distribusi farik.

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

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

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

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

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

Master your semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master your semester with Scribd & The New York Times

Cancel anytime.