Professional Documents
Culture Documents
=
f i
f ixi
x Mean
)) ( * ( Median
2
kelasmed
sebklsmed
fi
f
f i
lebarkelas kelasmed batasbawah med
+ = )
misalnya, pada distribusi kontinu jika nilainya sama, maka dapat dipastikan
bahwa kurva distribusi berbentuk simetris.
a. Koefisien varian ) (
X
s
cv = juga mempunyai peranan yang penting
dalam menduga keluarga distribusi. Untuk nilai koefisien varian
1(satu) maka dapat diduga data berdistribusi eksponensial, jika lebih
besar atau lebih kecil dari satu maka dugaan mengarah kepada
ditribusi Gamma.
b. Untuk distibusi diskrit, maka dari nilai rasio lexis ) (
2
X
s
= t dapat
diduga distribusinya. Jika nilai rasio lexis = 1 dugaan berdistribusi
poisson, Jika nilai rasio lexis < 1 dugaan berdistribusi Binomial dan
Jika nilai rasio lexis > 1 dugaan berdistribusi binomial negatif.
c. Kelandaian distribusi (Skewness)
Rumus Skewness
) (
) ( * 3
s
median mean
= t
.
Untuk distribusi simetris, skewness bernilai 0(nol), jika, skewness > 0
distribusi akan menjulur kekanan dan sebaliknya ke kiri. Misal nilai
skewness = 2 berarti data berdistribusi eksponensial.
2. Histogram dan Grafik Garis
Dari bentuk histogram data, maka memcerminkan pola distribusinya.
Sebelum kita melakukan pendugaan pola distribusi dari data yang kita amati,
perlu kita pelajari terlebih dahulu fungsi Distribusi
DISTRIBUSI PROBABILITAS DISKRIT
Himpunan pasangan terurut (x, f(x)) merupakan suatu fungsi probabilitas atau
distribusi proabilitas dari variabel random diskrit, jika
) ( ) ( . 3
1 ) ( . 2
0 ) ( . 1
x f x X P
x f
x f
x
= =
=
>
Rata-rata dan varians dari variabel random diskrit X
= =
= =
x
x
x f x X E
x xf X E
) ( ) ( ] ) [(
) ( ) (
2 2 2
o
DISTRIBUSI PROBABILITAS KONTINU
Fungsi f(x) adalah fungsi kepadatan (density) probabilitas untuk variabel kontinu X,
jika
}
}
= < <
=
>
b
a
dx x f b X a P
dx x f
x f
) ( ) ( . 3
1 ) ( . 2
0 ) ( . 1
-
Rata-rata dan varians dari variabel random kontinu X
}
}
= =
= =
dx x f x X E
dx x xf X E
) ( ) ( ] ) [(
) ( ) (
2 2 2
o
BEBERAPA DISTRIBUSI PROBABILITAS DISKRIT
Distribusi Binomial
Ciri-ciri percobaan binomial :
1. Percobaan terdiri dari n ulangan
2. Setiap hasil ulangan dapat digolongkan sebagai sukses (S) atau gagal (G)
3. Probabilitas sukses (p) untuk setiap ulangan adalah sama
4. Setiap ulangan harus bersifat independen.
Suatu percobaan dengan n ulangan mempunyai probabilitas sukses p dan gagal
q = 1-p. Jika variabel random X menyatakan banyaknya sukses dalam n ulangan
yang bebas, maka X berdistribusi Binomial dengan distribusi probabilitas :
n x q p
x
n
x n x
,.... 2 , 1 , 0 , p) n, b(x; =
|
|
.
|
\
|
=
Nilai harapan (rata-rata) dan varians dari variabel random yang berdistribusi
Binomial
= np
o
2
= npq
Distribusi Hipergeometrik
Ciri-ciri percobaan Hipergeometrik :
1. Sampel acak berukuran n diambil dari populasi berukuran N
2. Dari populasi berukuran N benda, sebanyak k benda diberi label sukses, dan
N-k benda diberi label gagal.
Dalam populasi N benda, k benda diantaranya diberi label sukses dan N-k benda
lainnya diberi label gagal. Jika variabel random X menyatakan banyaknya sukses
dalam sampel acak berukuran n, maka X berdistribusi hipergeometrik dengan
distribusi probabilitas
k x
n
N
x n
k N
x
k
,.... 2 , 1 , 0 , k) n, N, h(x; =
|
|
.
|
\
|
|
|
.
|
\
|
|
|
.
|
\
|
=
Nilai harapan dan varians dari variabel random yang berdistribusi Hipergeometrik
adalah
|
.
|
\
|
=
=
N
k
n
k
n
N
n N
N
nk
1 . .
1
2
o
Bila n relatif kecil dibandingkan dengan N, maka distribusi hipergeometrik dapat
dihampiri dengan distribusi binomial
h (x; N, n, k) b (x; n, p)
Distribusi Poisson
Ciri-ciri percobaan Poisson :
1. Banyaknya hasil percobaan yang terjadi dalam suatu selang waktu tertentu,
tidak tergantung pada banyaknya hasil percobaan yang terjadi pada selang
waktu lain yang terpisah.
2. Probabilitas terjadinya suatu hasil percobaan selama selang waktu yang
singkat, sebanding dengan panjang selang waktu tersebut, dan tidak
tergantung pada banyaknya hasil percobaan yang terjadi di luar selang waktu
tersebut.
3. Probabilitas lebih dari satu hasil percobaan akan terjadi dalam selang waktu
yang singkat, dapat diabaikan.
Jika variabel random X menyatakan banyaknya hasil percobaan yang terjadi dalam
selang waktu tertentu, dan adalah rata-rata banyaknya hasil percobaan dalam selang
waktu tersebut, maka X berdistribusi Poisson dengan distribusi probabilitas
,... 2 , 1 , 0 ,
!
) p(x; = =
x
x
e
x
Nilai harapan dan varians dari ariable random yang berdistribusi Poisson keduanya
sama dengan .
Misalkan X ~ b(x; n,p), bila n , p 0, maka
b(x; n,p) p(x; )
dengan = np.
DISTRIBUSI PROBABILITAS KONTINU
Distribusi Normal
Variabel random X berdistribusi normal dengan rata-rata dan varians o
2
jika
mempunyai fungsi densitas
< < =
|
.
|
\
|
x - e
x
,
2
1
) , n(x; = f(x)
2
2
1
o
t o
o
Sifat-sifat kurva normal :
1. Modus terjadi pada x =
2. Kurva simetris terhadap x =
3. Kedua ujung kurva secara asimtotik mendekati sumbu datar x, bila nilai x
bergerak menjauhi .
4. Seluruh luas dibawah kurva dan diatas sumbu datar sama dengan 1.
Gambar Kurva Normal
Misalkan ingin dihitung P (x1 < X < x2) dari variabel random X yang berdistribusi
normal, maka berdasar kurva di atas P (x1 < X < x2) = luas daerah yang diarsir.
Untuk menghitung
}
=
2
1
) ( x2) < X < P(x1
x
x
dx x f sulit diselesaikan. Namun dapat
diatasi dengan mentransformasi variabel random normal X jadi variabel random Z
o
=
X
Z
.
Distribusi variabel random Z disebut dengan Distribusi Normal Standart, dengan
fungsi densitas
1. = 2 dan 0 = dengan z - ,
2
1
) (
2
2
t
< < =
z
e z f
Hampiran Normal Terhadap Distribusi Binomial
Jika variabel random X berdistribusi Binomial dengan mean = np dan varians o
2
=
npq, maka variabel random
npq
np X
Z
=
untuk n berdistribusi normal standart.
PUSTAKA:
Ross, Sheldon M. 2004 Introduction To Probability And Statistics For Engineers
And Scientists 3
rd
Edition, Elsevier Academic Press. Burlington USA,
Walpole, Ronald E. & Myers. 2002 Probability & Statistics For Engineers &
Scientists 9th Edition. Pearson Education. USA
Nugroho, Sigit. 2008 Metode Statistika Nonparametrik Edisi 1. UNIB Press.
Bengkulu