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

xn dengan peluang p(xi) = pi untuk i = 1. 2. 1. …. misalnya X dan symbol nilai pengamatannya dengan huruf kecil x. p(x) ≥ 0 untuk x = 0. maka peubah acak X yang diturunkan dari S juga disebut peubah acak farik. Sifat-sifat diatas dapat dinyatakan secara umum. harus memenuhi sifat-sifat fungsi massa peluang berikut: 1. x3. 3 2. 2.n 2. ……n untuk sebaang bilangan asli n. 3 memiliki sifat-sifat sebagai berikut: 1. pi ≥ 0 untuk i = 1.3. Untuk penyerderhanaan. ……. Sifat ini dapat diperluas lagi untuk peubah acak yang memiliki tak hingga banyaknya nilai. 1. dan masih dapat dipadankan satusatu dengan bilangan asli A = {1. kita tulis p (x) untuk x = 0. Peubah acak ditulis dengan huruf capital. x2. 3…}. Misalkan nilai-nilai i . 2. Untuk setiap peubah acak farik X yang mempunyai terhingga banyaknya nilai x1. 2.1. dan distribusi peluangnya disebut distribusi peluang farik. 3. 2.. 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. 3.

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

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

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

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

. 3..3.. Model distribusi ini diterapkan pada kasus percobaan Bernoulli dengan ciri sebagai berikut: a. fungsi massa peluang dari X adalah:  N1  N 2      x  n − x  . 2. Distribusi Rumpun Binomial distribusi peluang untuk menunjukkan peubah aack yang farik. Koefisien timbulnya diharapkan (gejala sukses) dari sejumlah n peristiwa.menunjukkan adanya dua kategori hasil yang berbeda. 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. Jika X adalah sebuah peubah acak hipergeometris yang menggambarkan pengambilan n objek dari populasi yang berukuran N.. x =1.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.

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

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

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

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

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

A. kita akan mencari luas daerah kurva normal dengan menggunakan tabel lampiran C. 2. Informasi tentang hal ini dapat dilihat pada Snedecor (1982). Fungsi padat peluang distribusi t diberikan oleh.9 Karena luas seluruh daerah di bawah kurva sama dengan satu dan kurva simetris terhadap µ = 0. Distribusi ini merupakan revolusi statitik untuk sampel kecil.5. Gossett dengan (yang dipublikasikan menggunakan nama samara Student) pada tahun 1908 dan disempurnakan oleh R. disingkat S. n>1 Γ (n) = (n-1) !. maka luas dari garis tegak pada titik nol ke kiri ataupun ke kanan adalah 0. Sebagai contoh.2. antara lain sebagai berikut: Γ (n) = (n-1) Γ (n-1).) menyatakan fungsi gamma yang didefinisikan dengan Γ(v) = ∫ x v −1dx 0 ∞ Beberapa sifat dasar fungsi gamma. n = 1.1 … 3. 3 …… i . 2.  v +1  Γ  t 2 v+1 2  1 f (t) =  (1 + ) 2 untuk − ∞ < t < ∞ v v vπ Γ  2 Dengan v (baca. nu) adalah parameter distribusi dan Γ (. Fisher pada tahun 1926. Distribusi Student t Distribusi distribusi t student t yang oleh biasa W.

kolom v = dk.99 t0. Pada fungsi distribusi ini adalah bilangan v yang disebut derajat kebebasan (dk). tabel tersebut berisikan nilai-nilai t untuk dk dan peluang tertentu.1415……. baris teratas berisikan peluang.Γ (1/2) = π Dimana π = 3. Kolom paling kiri. 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. Tabel daftar luas di bawah kurva distribusi t V t0. atau dk = v = n – 1. derajat kebebasan itu sama dengan ukuran sampel dikurang satu.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. Untuk perhitungan daftar distribusi t telah disediakan (lampiran D). i . distribusi t mendeteksi distribusi normal baku.55 t0. biasanya n ≥ 30.995 t0. Dalam praktek.95 …… …… ……. Untuk nilai-nilai n yang besar.

… 3. f (x) = 2 v/2 1 v −1 1 x 1 x 2 e2 . Kemiringan ini semakin berkurang jika derajat kebebasan makin besar.9 1.78 3. Untuk nilai dengan pasangan dk = v dan peluang p yang besarnya tertentu dapat dilihat pada tabel khusus distribusi chi kuadrat. yaitu berekor panjang ke kanan. kebebasan dan dapat dibuktikan secara ∞ matematis bahwa −∞ ∫ f (x)dx = 1 . yaitu miring ke kanan. x > 0 Γ(v / 2) dengan v = derajat. Distribusi Chi Kuadrat Distribusi chi kuadrat adalah distribusi peubah acak malar yang mempunyai fungsi padat peluang.1 … 12 …. Selanjutnya grafik distribusi chi kuadrat umumnya merupakan kurva positif. 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. Untuk menjelaskan cara penggunaan i . Grafik distribusi chi kuadrat secara umum dengan derajat kebebasan dk = v.

Tabel Daftar luas di bawah kurva chi kuadrat v 1 2 23. Grafik distribusi F tidak simetris dan umumnya sedikit miring positif. terdapat pada baris paling atas terdiri kebebasan n ada pada kolom paling kiri.tabel khusus ini. sedangkan dk = v1 ada pada baris paling atas dan dk = v2 pada kolom paling kiri. untuk keperluan perhitungan dengan distribusi F.95 …… 4. dengan v1 = dk pembilang dan v2 = dk penyebut. X20.005 X2 0. tabel distribusi F telah nilai F untuk peluang 0. 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 > 0.7 14 … …. i . Distribusi F memiliki dua buah derajat kebebasa.01 dan 0.. Peluang ini sama dengan luas daerah ujung kanan yang dibayang-bayangi.05 dengan derajat kebebasan v1 dan v2. Seperti juga disediakan distribusi lainya.

Ruang sampel yang memuat takhingga banyaknya titik sampel dan tidak dapat dipadankan satu-satu dengan bilangan asli disebut ruang sampel i . v2). Demikian juga kalau ruang sampelnya malar. Untuk setiap dk (v1. kalau ruang sampelnya farik.12 5. Distribusi farik Distribusi malar Jadi. distribusinya juga disebut distribusi farik. distribusinya disebut distribusi malar.01 dan 0.28 BAB III PENUTUP A.05. v1 dn v2 tabel berisikan nilai-nilai F dengan kedua luas daerah yaitu 0.Untuk tiap pasang dk. Kesimpulan Distribusi yang diturunkan dari hasil suatu percobaan dapat dibedakan atas : 1. Fungsi distribusi terletak pada peubah acak. Peubah acak (random variable) yaitu transformasi yang memasangkan titik sampel di semesta ke suatu hasil numeric. 2. tabel sebagai berikut: v2 = dk penyebut 8 v1 = dk pembilang 24 3.

Wasalam. 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. i .

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

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

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

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

Sign up to vote on this title
UsefulNot useful