DISTRIBUSI TEORITIS. Variabel Acak Distribusi Teoritis Binomial Normal

DISTRIBUSI TEORITIS

DISTRIBUSI TEORITIS

• Variabel Acak

• Distribusi Teoritis

• Binomial

• Binomial

• Normal

Variabel acak adalah sebuah besaran yang merupakan hasil dari percobaan acak yang secara untung-untungan, dapat mempuyai nilai yang berbeda-beda.

Variabel Random adalah variabel yang nilai-nilainya ditentukan oleh kesempatan atau variabel yang dapat bernilai numerik yang didefinisikan dalam suatu ruang sampel.

Definisi : Misalkan E suatu experimen acak dan S ruang sampelnya. Suatu fungsi X (ditulis dengan huruf besar) yang memberikan pada setiap elemen s dari S suatu bilangan riil, disebut suatu variabel acak.

Conntoh 1 :

Misalkan sebuah koin dengan dua sisi yaitu sisi gambar (G) dan sisi angka (A) dilemparkan sebanyak tiga kali berturut-turut.

Hasil-hasil yang mungkin terjadi adalah :

GGG, GGA, GAG, AGG, GAA, AGA, AAG, AAA

Misalkan X adalah jumlah sisi gambar yang muncul.

Nilai X yang mungkin terjadi adalah : 0, 1, 2, 3 X = 0, berarti tidak ada sisi G yang muncul.

X = 1, berarti sisi G muncul satu kali.

X = 2, berarti sisi G muncul dua kali.

X = 3, berarti sisi G muncul tiga kali.

X disebut variabel acak (random)

Distribusi Probabilitas Teoritis

Dari contoh 1 diatas, bisa dibuat tabel distribusi probabilitas Teoritis dan diagram batang untuk variabel acak X sebagai berikut :

X P(X)

0 1/8 = 0,125

0.35 0.4

0 1/8 = 0,125 1 3/8 = 0,375 2 3/8 = 0,375 3 1/8 = 0,125

Jumlah 1,00

^0.05₀

0.1 0.15 0.2 0.25 0.3

X=0 X=1 X=2 X=3

P(X)

Conntoh 2 :

Misalkan sebuah koin dengan dua sisi yaitu sisi gambar (G) dan sisi angka (A) dilemparkan sebanyak 4 kali berturut-turut. Hasil- hasil yang mungkin terjadi adalah :

Misalkan X adalah jumlah sisi gambar (G) yang muncul.

Nilai X yang mungkin terjadi adalah : 0, 1, 2, 3, 4

X=0 X=1 X=2 X=3 X=4

X=0 X=1 X=2 X=3 X=4

AAAA GAAA GGAA GGGA GGGG

AGAA AGGA GGAG

AAGA AAGG GAGG

AAAG GAGA AGGG

GAAG AGAG

1 4 6 4 1

Dari contoh 2 diatas, bisa dibuat tabel distribusi probabilitas Teoritis dan diagram batang untuk variabel acak X sebagai berikut :

X P(X)

0 1/16 = 0,0625

^0.3

0.35 0.4

0 1/16 = 0,0625 1 4/16 = 0,2500 2 6/16 = 0,3750 3 4/16 = 0,2500 4 1/16 = 0,0625

Jumlah 1,00

⁰

0.05 0.1 0.15 0.2 0.25 0.3

X=0 X=2 X=4

P(X)

Distribusi Binomial

Distribusi Binomial atau distribusi Bernoulli (ditemukan oleh James Bernoulli) adalah suatu distribusi teoritis yang menggunakan variabel random diskrit yang terdiri dari dua kejadian yang berkomplemen, seperti sukses-gagal, ya-tidak, baik-cacat, kepala- ekor dll.

Ciri-ciri distribusi Binomial adalah sbb :

1. Setiap percobaan hanya memiliki dua peristiwa, seperti ya-tidak, sukses- 1. Setiap percobaan hanya memiliki dua peristiwa, seperti ya-tidak, sukses-

gagal.

2. Probabilitas suatu peristiwa adalah tetap, tidak berubah untuk setiap percobaan.

3. Percobaannya bersifat independen, artinya peristiwa dari suatu percobaan tidak mempengaruhi atau dipengaruhi peristiwa dalam percobaan lainnya.

4. Jumlah atau banyaknya percobaan yang merupakan komponen percobaan binomial harus tertentu.

Rumus Distribusi Binomial

a). Rumus binomial suatu peristiwa

Probabilitas suatu peristiwa dapat dihitung dengan mengalikan kombinasi susunan dengan probabilitas salah satu susunan.

Berdasarkan hal tersebut, secara umum rumus dari probabilitas binomial suatu peristiwa dituliskan :

x n x

n −

=

= x C

_xⁿ

p

^x

q

^{n x}

X

P ( = ) = . .

⁻

)!

(

!

! x n

x C

_xⁿ

n

= −

dan q = 1 – p Dimana :

b). Probabilitas binomial kumulatif

Probabilitas binomial kumulatif adalah probabilitas dari peristiwa binomial lebih dari satu sukses.

Probabilitas binomial kumulatif dapat dihitung dengan menggunakan rumus :

n

x n x

n x n

x

q p

C

PBK

⁻

∑

=

= . .

0

∑

=

=

=

n

x

x X

P

0

) (

) (

....

) 2 (

) 1 (

) 0

( X P X P X P X n

P = + = + = + + =

=

Contoh :

Sebuah dadu dilemparkan keatas sebanyak 4 kali. Tentukan probabilitas dari peristiwa berikut :

a). Mata dadu 5 muncul 1 kali

b). Mata dadu genap muncul 2 kali

c). Mata dadu 2 atau 6 muncul sebanyak 4 kali.

Penyelesaian : Penyelesaian :

a). Karena dadu memiliki 6 sisi, yaitu 1, 2, 3, 4, 5, 6, sehingga setiap sisi memiliki probabilitas 1/6. Jadi, probabilitas untuk mata 1 adalah 1/6, sehigga :

p=1/6; q=5/6; n=4; x=1 (muncul 1 kali ) P(X=1) = C₁⁴.p¹.q³

= 4(1/6)¹(5/6)³

= 0,386

b). Mata dadu genap ada 3, yaitu 2,4, dan 6, sehingga : p = 3/6 = 1/2; q = 1/2; n = 4; x = 2

P(X=2) = C₂⁴.p².q²

= 6(1/2)²(1/2)²

= 0,375

c). Muncul mata dadu 2 atau 6 sebanyak 4 kali, sehngga : p = 2/6; q = 2/3; n = 4; x = 4

P(X=4) = C₄⁴.p⁴.q⁰ P(X=4) = C₄ .p .q

= 1(2/6)⁴(2/3)⁰

= 0,0123 Contoh 2 :

Sebanyak 5 mahasiswa akan mengikuti ujian sarjana dan diperkirakan probabilitas kelulusannya adalah 0,7. Hitunglah probabilitas :

a). Paling banyak 2 orang lulus.

b). Yang akan lulus antara 2 sampai 3 orang.

c). Paling sedikit 4 diantaranya lulus.

Penyelesaian :

a). n = 5 ; p = 0,7; q = 0,3; x = 0, 1 dan 2 P(X ≤ 2)= P(X=0) + P(X=1) + P(X=2)

= 1(0,7)⁰(0,3)⁵ + 5(0,7)¹(0,3)⁴ + 10(0,7)²(0,3)³

= 0,16

b). n = 5 ; p = 0,7; q = 0,3; x = 2 dan 3 P(X=2 & 3)= P(X=2) + P(X=3) P(X=2 & 3)= P(X=2) + P(X=3)

= 10(0,7)²(0,3)³ + 10(0,7)³(0,3)²

= 0,44

c). n = 5 ; p = 0,7; q = 0,3; x = 4 dan 5 P(X ≥ 4)= P(X=4) + P(X=5)

= 5(0,7)⁴(0,3)¹ + 1(0,7)⁵(0,3)⁰

= 0,53

Distribusi Normal

Distribusi Normal adalah salah satu distribusi teoritis dari variabel random kontinu. Distribusi Normal sering disebut distribusi Gauss.

Distribusi Normal memiliki bentuk fungsi sebagai berikut :

µ )² (

1

⁻ 1 ^x−_σ^µ

π σ

) (

2 1

2 ) 1

(

− −

=

x

e x

f

Keterangan :

X = nilai data µ = rata-rata x

π = 3,14 e = 2,71828

σ = Simpangan baku

Karakteristik Distribusi Normal

Distribusi probabilitas normal dan kurva normal yang menyertainya memiliki beberapa karakteristik sebagai berikut :

1. Kurva normal berbentuk lonceng 2. Simetris

3. Asimtotis 3. Asimtotis

KARAKTERISTIK DISTRIBUSI KURVA NORMAL

DISTRIBUSI NORMAL

µ

1. Kurva berbentuk genta (µ= Md= Mo) 2. Kurva berbentuk simetris

3. Kurva normal berbentuk asimptotis

4. Kurva mencapai puncak pada saat X= µ

5. Luas daerah di bawah kurva adalah 1; ½ di sisi kanan nilai tengah dan ½ di sisi kiri.

JENIS-JENIS DISTRIBUSI NORMAL

6 7 8 9 1 0

0 1 2 3 4 5 6

m

M e s o ku r tic Pla ty ku r tic L e p to ku r tic

Distribusi kurva normal dengan µ sama dan σ berbeda

JENIS-JENIS DISTRIBUSI NORMAL

Mangga “C”

Mangga “B”

Mangga “A”

Distribusi kurva normal dengan µ berbeda dan σ sama 150

300

450

JENIS-JENIS DISTRIBUSI NORMAL

Distribusi kurva normal dengan µ dan σ berbeda

85 850

Grafik kurva normal :

0,5 0,5

µ µ µ µ

P(x≤µ) = 0,5 P(x ≥µ) = 0,5

Luas kurva normal :

µ µ µ µ

Luas kurva normal antara x=a & x=b

= probabilitas x terletak antara a dan b

a µµµµ b x

Distribusi Probabilitas Normal Baku (Standar)

Distribusi normal baku memiliki rata-rata hitung 0 dan nilai standar Distribusi normal baku memiliki rata-rata hitung 0 dan nilai standar deviasi 1.

Nilai Z adalah jarak dari rata-rata hitung yang dihitung dalam satuan standar deviasi.

Dalam bentuk rumus :

σ

µ

= X −

Z σ

Dengan :

X adalah nilai dari suatu pengamatan atau pengukuran tertentu.

µ Adalah rata-rata hitung dari distribusi.

σ Adalah standar deviasi dari distribusi.

TRANSFORMASI DARI NILAI X KE Z

Transformasi dari X ke Z

x z

Di mana nilai Z:

Z = X - µµµµ

σ σ σ σ

Contoh :

1. Diketahui data berdistribusi normal dengan mean µ = 55 dan deviasi standar = 15

a) P(55≤x≤75) =

=

= P(0≤Z≤1,33)

= P(0≤Z≤1,33)

= 0,4082 (Tabel III) Atau

Tabel III
A = 0,4082

b) P(60≤x≤80) =

= P(0,33≤Z≤1,67)

= P(0≤Z≤1,67) – P(0≤Z≤0,33)

= 0,4525 – 0,1293 = 0,3232

Z1 = = 0,33
B = 0,1293

Z2 = = 1,67
A = 0,4525

C = A – B = 0,3232

c) P(40≤x≤60)= A + B

=

= P(-1,00≤Z≤0,33)

= P(-1,00≤Z≤0) + P(0≤Z≤0,33)

= 0,3412 + 0,1293

= 0,3412 + 0,1293

= 0,4705

Atau : Z1 = = -1,00

A = 0,3412

Z2 = = 0,33

B = 0,1293

d) P(x ≤ 40) = 0,5 – A

= 0,5 – 0,3412

= 0,1588

e. P(x ≥ 85)

f. P(x ≤ 85) = 0,5 + A

= 0,5 + 0,4772

= 0,9772

2) Diketahui rata-rata hasil ujian adalah 74 dengan simpangan baku 7. Jika nilai-nilai peserta ujian bersidtribusi normal dan 12% peserta nilai tertinggi mendapat nilai A, berapa batas nilai A yang terendah ?

Jawab:

Jika 5% peserta terendah mendapat nilai E,

berapa batas atas nilai E ?

P( ≤ x ≤ 0) = 0,45

P( ≤ Z ≤ 0) = = -1,645
(x<µ)

σ µ

= . σ + µ

= (-1,645).7 + 74

= 62,485

Distribusi Binomial :

Exp : Pendekatan normal untuk binomial dengan n = 15, p

= 0,4

PENDEKATAN NORMAL UNTUK BINOMIAL

= 0,4

Menurut Teorema Limit Pusat :

Jika x suatu variable random binomial dengan mean & variansi .

Jika n cukup besar (n>30) dan p tidak terlalu

dekat dengan 0 atau 1, maka :

Contoh :

1) Suatu pabrik/ perusahaan pembuat CD menghasilkan 10%

CD yang cacat/ rusak. Jika 100 CD dipilih secara random, berapa probabilitas terdapat :

a) 8 CD yang rusak

b) Paling sedikit 12 CD yang rusak c) Paling banyak 5 CD yang rusak c) Paling banyak 5 CD yang rusak Jawab :

x = banyak CD yang rusak

x ∼ Bin(100; 0,1) n = 100, p = 0,1 µ = n.p = 100.(0,1) = 10

= n.p.(1-p)=100.(0,1).(0,9)=9
σ = = 3

a) P(x=8) = Luas kurva normal antara x1 = 7,5 dan x2 = 8,5

Z1 = = -0,83
A = 0,2967 Z2 = = -0,50
B = 0,1915 P(x=8) = A – B

= 0,2967 – 0,1915 = 0,1052

b) P(x≥12) = Luas kurva normal dari x = 11,5 ke kanan

A = 0,1915

P(x≥12) = 0,5 – 0,1915 = 0,3085

c) P(x ≤ 5)=Luas kurva normal dari x = 5,5 ke kiri

= -1,50

A = 0,4332

P(x ≤5) = 0,5 – 0,4332 = 0,0668

2) Dalam ujian pilihan ganda, tersedia 200

pertanyaan dengan 4 alternatif jawaban dan hanya 1 jawaban yang benar. Jika seseorang

memilih jawaban secara random, berapa peluang dia lulus ujian (syarat lulus : benar paling sedikit 60)

Jawab :

x = banyak jawaban yang benar P = 0,25 = ¼
1 – p = 0,75

P = 0,25 = ¼
1 – p = 0,75 x ∼ Bin(200; 0,25)

µ = n.p = 50

= n.p(1-p) = 200(0,25).(0,75) = 37,5

σ = 6,13

P(x≥60) = Luas kurva normal dari x = 59,5 ke kanan

Z1 = = 1,55

A = 0,4394

P(x≥60) = 0,5 – 0,4394

= 0,0606

= 6,06 %