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

3. pi ≥ 0 untuk i = 1. 2. Sifat-sifat diatas dapat dinyatakan secara umum. 2. 3 memiliki sifat-sifat sebagai berikut: 1. harus memenuhi sifat-sifat fungsi massa peluang berikut: 1. misalnya X dan symbol nilai pengamatannya dengan huruf kecil x. Misalkan nilai-nilai i . x2. 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. 2. ……n untuk sebaang bilangan asli n. 1.n 2.3. kita tulis p (x) untuk x = 0. ……. x3. 2. maka peubah acak X yang diturunkan dari S juga disebut peubah acak farik. Untuk penyerderhanaan. Sifat ini dapat diperluas lagi untuk peubah acak yang memiliki tak hingga banyaknya nilai. Peubah acak ditulis dengan huruf capital. 2. 3 2. 3…}. ….. Untuk setiap peubah acak farik X yang mempunyai terhingga banyaknya nilai x1. dan masih dapat dipadankan satusatu dengan bilangan asli A = {1.xn dengan peluang p(xi) = pi untuk i = 1. dan distribusi peluangnya disebut distribusi peluang farik. 3.1. p(x) ≥ 0 untuk x = 0.

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

−∞ ∫ f (x)dx dx = 1 ∫ f (x) dx untuk a. dan peubah acak yang diturunkannya disebut peubah acak malar.menyatakan jarak yang ditempuh oleh mobil itu sampai bensin itu habis. 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 − µ 2 2 Rumus-rumus ini dapat dimodifikasi untuk peubah acak malar X yang memiliki nilai terbatas. Peubah acak sifat-sifat berikut: 1. seperti A ≤ X ≤ B. dan harus memenuhi 2. P(a<X<b) = Nilai harapan dan variansi peubah acak malar dihitung dengan rumus +∞ µ = E(X) = σ2 = +∞ −∞ ∫ x.f (x)dx = ∫ x . Perlu diperhatikan disini bahwa peubah acak X dapat didefinisikan langsung dari percobaan dan tidak melalui transformasi dari ruang sample S. 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.f (x)dx +∞ −∞ −∞ 2 ∫ (x − µ ) . b ∈ R a b 3. untuk bilangan i .

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

Dalam model ini. n. x = 1. Model distribusi seragam menganut asumsi bahwa peluang setiap keadaan atau hasil adalah sama dan tidak berubah sepanjang suatu rangkaian percobaan. Jika X adalah sebuah peubah acak seragam. fungsi massa peluang dari X adalah: p( x )= 1/n . Dengan n menyatakan banyaknya keadaan atau hasil yang dapat terjadi.. 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.. 2. tetapi sekedar i .. Perlu di jelaskan bahwa cara penukisan p(x) = 1/n untuk x = 1. Pengertian sukses dan gagal disini tidak selalu sama maknanya dengan istilah sukses dan gagal dalam pembicaraan sehari-hari. 2. . n dimaksudkan bahwa p(x) = 0 untuk nilai x yang lain.. Dengan sedikit pekerjaan matematis diperoleh rumus nilai rumus nilai harapan µ = ( n + 1 )/2 dan variansi σ 2 = (n2 – 1)/12. 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. Cara ini akan digunakan untuk keefisienan penukisan. 2. 3.

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

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

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

untuk − ∞ < x < ∞ σ 2π peubah acak malar yang pertama kali kita bicarakan adalah distribusi normal. adalah konstanta yang dapat ditemukan pada hampir semua kalkulator. i . operator telepon banyak menerima permintaan nomor untuk disambungkan.…. distribusi chi Dengan π adalah nilai konstanta yang bisa ditulis dengan π = 3. Nilai π juga terdapat hampir semua kalkultor. DISTRIBUSI PELUANG MALAR Distribusi dengan kuadrat. C.pemilik-nya atau melaporkannya kepada polisi. 1. 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 . dan juga pada komputer. maka fungsi masa peluang dari X adalah: Dimana bilangan Euler e = 2.718281828.1416 dan e bilangan Euler yang sudah dijelaskan sebelumnya. dan distribusi F. teori penaksiran parameter. Jika X adalah sebuah peubah acak Poisson dengan rata-rata = µ. dan distribusi penyampelan. Contoh lain. diharapkan jarang sekali terjadi salah sambung setiap menit. Distribusi Normal Distribusi normal yang biasa juga disebut distribusi Gauss banyak digunakan dalam pengujian hipotesis. Menghitung nilai peluang yang menggunakan bilangan e maupun bilangan factorial dapat dilakukan dengan bantuan kalkulator. kemudian distribusi student t.

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

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

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

Tabel daftar luas di bawah kurva distribusi t V t0. Dalam praktek. tabel tersebut berisikan nilai-nilai t untuk dk dan peluang tertentu. distribusi t mendeteksi distribusi normal baku. i .95 …… …… …….Γ (1/2) = π Dimana π = 3. kolom v = dk. berisikan derajat kebebasan. atau dk = v = n – 1.99 t0. 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. Untuk perhitungan daftar distribusi t telah disediakan (lampiran D).995 t0.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.55 t0. Untuk nilai-nilai n yang besar.1415……. derajat kebebasan itu sama dengan ukuran sampel dikurang satu. Kolom paling kiri. Pada fungsi distribusi ini adalah bilangan v yang disebut derajat kebebasan (dk).

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

terdapat pada baris paling atas terdiri kebebasan n ada pada kolom paling kiri. Tabel Daftar luas di bawah kurva chi kuadrat v 1 2 23.tabel khusus ini. 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..01 dan 0. Seperti juga disediakan distribusi lainya. i .05 dengan derajat kebebasan v1 dan v2. 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. X20. untuk keperluan perhitungan dengan distribusi F.005 X2 0. dengan v1 = dk pembilang dan v2 = dk penyebut.7 14 … ….95 …… 4. tabel distribusi F telah nilai F untuk peluang 0. Peluang ini sama dengan luas daerah ujung kanan yang dibayang-bayangi. Distribusi F memiliki dua buah derajat kebebasa.

v1 dn v2 tabel berisikan nilai-nilai F dengan kedua luas daerah yaitu 0. distribusinya disebut distribusi malar.01 dan 0.05. Peubah acak (random variable) yaitu transformasi yang memasangkan titik sampel di semesta ke suatu hasil numeric. Untuk setiap dk (v1. Kesimpulan Distribusi yang diturunkan dari hasil suatu percobaan dapat dibedakan atas : 1. distribusinya juga disebut distribusi farik.12 5. Ruang sampel yang memuat takhingga banyaknya titik sampel dan tidak dapat dipadankan satu-satu dengan bilangan asli disebut ruang sampel i . v2).28 BAB III PENUTUP A. Distribusi farik Distribusi malar Jadi. tabel sebagai berikut: v2 = dk penyebut 8 v1 = dk pembilang 24 3. Fungsi distribusi terletak pada peubah acak. Demikian juga kalau ruang sampelnya malar.Untuk tiap pasang dk. kalau ruang sampelnya farik. 2.

Wasalam. B. 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.

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

begitu juga dengan penulisan makalah ini. maupun kritik yang membangun untuk kelanjutan penulisan makalah kedepan.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. Shalawat dan salam atas Nabi Muhammad saw Rasul Allah yang telah mencucurkan keringat jihad sebanyak-banyaknya dalam menyebarkan kebenaran dan mengamalkan kebajikan. sehingga kami sebagai penulis mengharapkan sumbangsi saran. 22 Januari 2009 Penulis Kelompok III i . Tiada gading yang tak retak. ide.

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

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

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.