VARIABEL RANDOM DAN DISTRIBUSI PELUANG
'Variabel Random dan Distribusi Peluang' - Sipil Geoteknik 2013 1
Definisi Variabel Random
2
Variabel random ialah
Suatu fungsi yang mengaitkan suatu bilangan real pada setiap unsur dalam ruang sampel.
Variabel random dinyatakan dengan huruf besar : X
Sedangkan nilainya dinyatakan dengan huruf kecil : x
Contoh 1
3
Dua bola diambil satu demi satu tanpa dikembalikan dari suatu kantong berisi 4 bola merah dan 3 bola hitam.
Bila Y menyatakan jumlah bola merah yang diambil maka nilai y yang mungkin dari variabel random Y adalah:
Solusi:
Y = jumlah bola merah yang diambil S = {Y|y = 0,1,2}
MM 2 MH, HM 1
R u a n g
s a
Type Variabel Random
4
1. Ruang sampel Diskrit
Jika suatu ruang sampel mengandung titik yang berhingga banyaknya atau sederatan anggota yang banyaknya sebanyaknya
bilangan bulat.
2. Ruang sampel Kontinou
Bila ruang sampel mengandung titik sampel yang tak berhingga banyaknya dan
banyaknya sebanyak titik pada sepotong
garis.
f(x) = p(x) = P(X = x) = fgs dist peluang
= fungsi padat peluang
= pdf = probability density function F(X = x) = P(X ≤ x)
= cdf = cumulative distribution function
dF
xx f
5
Sifat Distribusi peluang variabel random
1.
2.
3.
Variabel random4.
Diskrit5. Variabel random
6.
Kontinou1 )
(
0 f xi
i
i
P X x
x
f ( )
i
xi
f ( ) 1
x t
t f x
X P x
F( ) ( ) ( )
1
i
xi
f
t dt
f x
X P x
F
x
( )
) (
6
Contoh 2
7
Sebuah kontraktor mempunyai 4 mesin yang digunakan pada suatu proses produksi.
Diramalkan mesin mempunyai rata-rata usia pakai 10 tahun.
Tentukan ruang sampel dari variabel random x.
Misal: X menyatakan jumlah mesin dalam keadaan baik.
Solusi
8
X: jumlah mesin dalam keadaan baik setelah 10 th S: {X|x = 0,1,2,3,4}
Kondisi mesin bil real (x)
BBBB 4 BBBR, BBRB, BRBB, RBBB 3 BBRR, BRRB, RRBB, RBRB, RBBR, RBRB 2 BRRR, RBRR, RRBR, RRRB 1
RRRR 0
Distribusi Peluang
9
Distribusi peluang suatu variabel random X adalah himpunan nilai peluang variabel
random X yang ditampilkan dalam bentuk tabel dan atau gambar.
X X1 X2 ... Xk
Peluang f(x1) f(x2) ... f(xk)
Distribusi peluang keadaan mesin baik setelah 10 tahun
BBRR BRBR RBBRRBRB RRBB BRRB RRRR
BRRR RBRRRRBR RRRB
BBBR BBRBBRBB RBBB
BBBB
10
X 4 3 2 1 0
P(X) 1/16 4/16 6/16 4/16 1/16
Berdasarkan Contoh 2:
a. Tentukan peluang lebih dari 2 mesin yang baik dengan usia lebih dari 10 tahun:
b. Tentukan peluang paling banyak 1 mesin baik dengan usia lebih dari 10 tahun:
c. Tentukan peluang antara 1 sampai 2 mesin baik dengan
4 1 5
( 2)
16 16 16 P X
16 5 16
4 16
) 1 1
(X P
11
Contoh 3
Sebuah pengiriman 8 komputer pc yang sama ke suatu toko mengandung 3 yang cacat. Bila suatu sekolah membeli 2 komputer secara random,
Tentukan distribusi peluang banyaknya komputer yg cacat.
X = banyaknya komputer yang cacat = {0, 1, 2}
f(0) = P(X = 0) f(1) = P(X = 1) f(2) = P(X = 2)
12
13
;
Distribusi Probabilitas
3 5
0 2
8 2
(0) ( 0) 10
28 f P X C C
C 13 15
8 2
(1) ( 1) 15
28 f P X C C
C
3 5
2 0
8 2
(2) ( 2) 3
28 f P X C C
C
X = 0 X = 1 X = 2
Contoh 4:
Misalkan bahwa galat suhu reaksi, dalam 0C pada percobaan laboratorium, merupakan variabel
random X yang mempunyai fungsi padat peluang:
a. Tunjukkan bahwa
b. Cari
2
, 1 2
3
0 ,
x x
f x
lainnya
1f x dx
0 1
P X
Solusi:
a.
b.
2 2 3 2
1 1
8 1
3 9 9 9 1
x x
dx
1 2 3 10 0
0 1 1
3 9 9
x x
P X
dx c. Untuk -1 < x < 2
jadi:
2 3 31 1
1
3 9 9
x x x
t t x
F x f t dt dt
30 1
1 1 2
9
1 2
x
F x x x
x
Beberapa distribusi peluang Diskrit a.l:
1. Distribusi Uniform
ialah suatu kejadian yang mempunyai probabilitas yang sama.
misal:
Probabilitas mata dadu keluar angka 5:
Probabilitas mata uang keluar muka:
x kf 1
6 1
1
17
2. Distribusi Binomial
- Peristiwa terjadi n kali percobaan/kejadian.
- Tiap peristiwa menghasilkan 2 kemungkinan,
‘sukses’ (p) or ‘gagal’ (q).
- Tiap peristiwa terjadi saling independen.
x = 0, 1, 2, … , n
X x
CxnPx
P
n xP 1
18
Contoh 5:
Suatu suku cadang dapat menahan uji goncangan tertentu dengan peluang ¾. Hitunglah
a. Peluang bahwa tepat 2 dari 4 suku cadang yang diuji tidak akan rusak.
b. Peluang paling banyak 1 yang rusak dari 4 suku cadang yang diujikan.
c. Peluang terdapat paling sedikit 3 suku cadang yang baik dari 4 suku cadang yang diujikan.
19
Solusi:
X : Suku cadang yang baik a. P( X = 2) = ?
b. P( X ≥ 3) = P(X = 3) + P(X = 4) c. P( X ≥ 3) = P(X = 3) + P(X = 4)
; ,
24 2 (1 )4 2 B x n p C p p 20
2 4 2
4 2
3 3 3
2; 4, 1
4 4 4
B C
3. Distribusi Binomial Negatif
Percobaan seperti kejadian pada Binomial,
dengan usaha diulang sampai tercapai sejumlah
sukses tertentu.Jadi banyaknya usaha X untuk
menghasilkan k sukses pada n kejadianadalah Variabel random Binomial Negatif.
Distribusi peluangnya disebut distribusi Binomial Negatif.
21
Berapa peluang sukses ke-k akan terjadi pada kejadian ke-n.
Contoh 6:
Peluang cacat pembuatan tiang pancang sebesar 0.1. Pada pemeriksaan kualitas dilakukan
pengambilan sampel sebanyak 5 item.
X
kn C
knp
kq
n kP
11 22
Berapa peluang pengambilan tiang pancang yang ke-5, adalah pengambilan tiang pancang cacat
yang ke-2 ? Solusi:
Kemungkinan yang terjadi:
1. BBBCC P(BBBCC) = (0.9)(0.9) (0.9)(0.1)(0.1) 2. BBCBC P(BBCBC) = (0.9) (0.9)(0.1)(0.9)(0.1)
23
Fungsi dist Binomial Negatif
Jadi peluang pengambilan tiang pancang yang ke-4 adalah pengambilan tiang pancang cacat yang
kedua sebesar 2.43 %
2 5
2 15 1 2 5 2P X C p q
2 5
14
0.1 2 0.9 3 0.02916P X C
24
4. Distribusi Geometrik
Sukses pertama pada kejadian ke-n
Contoh 7:
Pada saat sibuk di suatu sentral telepon mencapai batas daya sambungnya, sehingga orang tidak
mendapat sambungan. Andaikan peluang mendapat sambungan selama waktu sibuk adalah 0.05. Berapa peluang diperlukan 6 kali usaha agar sambungan
X1 n
pqn1P
25
X = kejadian sambungan berhasil
Diperlukan 6 kali usaha agar sambungan berhasil:
GGGGGS
Jadi peluang yang diperlukan agar 6 kali usaha
dalam melakukan sambungan akan berhasil sebesar 3.6 %
X1 6
0 . 05 0 . 95
5 0 . 036
P
26
5. Distribusi Hypergeometrik
Banyaknya sukses dalam variabel random ukuran n sampel yang diambil dari N populasi, yang
mengandung k sifat tertentu dari populasi.
x = 0, 1, 2, …, n
n N
x n
k N
x k
C C k C
n N x
h N
n k N
x n k
) x
, ,
; (
27
Contoh 8:
Suatu kotak berisi 40 suku cadang, dikatakan
memenuhi syarat penerimaan bila berisi tidak lebih dari 3 yang cacat. Cara sampling kotak ialah
dengan memilih 5 suku cadang secara random.
Berapa peluang mendapatkan tepat satu yang cacat dalam sampel berukuran 5?
3011 .
40 0 4 37 1
3 )
3 , 5 , 40
; 1
(
h
28
6. Distribusi Poisson
Banyaknya sukses yang terjadi dalam suatu selang waktu atau daerah tertentu.
x = 0, 1, 2, … e = 2.71828
Sebagai pendekatan untuk distribusi binomial bila n cukup besar dan p kecil (n > 20 dan p < 0.05)
) !
( x
x e f
x
29
Contoh 9:
Dari pengalaman masa lalu selama 20 tahun terakhir, rata-rata terjadi hujan lebat 4 kali per tahun.
Berapa peluang tidak terjadi hujan lebat tahun depan?
018 .
! 0 0 ) 4
0 (
4
0
e
X P t
30
Soal-soal
1. Seorang petani jeruk mengeluh karena
dari panen jeruknya terserang suatu virus. Cari peluangnya bahwa diantara 4 buah jeruk yang diperiksa dari hasil panen ini:
a. Semuanya terserang virus tersebut.
b. Antara 1 sampai 3 yang terserang virus tersebut.
c. Cari distribusi peluangnya
3 2
31
2. Dalam pengujian sejenis ban truk melalui jalan yang kasar ditemukan bahwa 25 % truk mengalami
kegagalan karena ban pecah. Carilah peluangnya dari 15 truk yang diuji, jika:
a. 3 sampai 6 mengalami ban pecah
b. kurang dari 4 yang mengalami ban pecah c. lebih dari 5 yang mengalami ban pecah
32
3. Dari kotak berisi 10 peluru, diambil 4 secara acak dan kemudian ditembakkan. Bila kotak itu
mengandung 3 peluru yang cacat yang tidak akan meledak, berapakah peluang bahwa:
a. keempatnya meledak
b. paling banyak 2 yang tidak akan meledak
33
Rata-rata dan varians dari distribusi peluang
Jika X adalah variabel random diskrit dengan distribusi peluang f(x), maka nilai rata-rata X dinyatakan:
E(X) = ekspektasi X
Varians X dinyatakan dgn Var(X) =
i
ii
E X x f x
2
2 2
2
i i
i
E X X f x
34
Ekspektasi dari Distribusi peluang
Diskrit
Kontinou
g x g x f x dx
E
X x f x dx
E
g x g x f x
E
X x f x
E
35
Sifat-sifat ekspektasi:
1. E(ax) = a E(x)
2. E(a + bx
2) = a + b E(x
2) 3. E(xy) = E(x) E(y)
36
Standart Deviation
Var (X) = E( X – μ)
2= E(X
2) – μ
2, dimana; μ = E(X)
= E(X
2) – (E(X))
2) (
) (
tandart Deviasi X Varians X
S
37
Sifat-sifat varians:
1. Varians tidak negatif 2. Var (x + a) = Var (x) 3. Var (bx) = b
2Var (x)
4. Var (a + bx) = b
2Var (x)
38
Distribusi Binomial (x; n, p)
Nilai Harapan (expected value)
Varians X
i
i iE X x f x np
( )
21
Var X
np pDistribusi Binomial Negatif (x; k, p)
Nilai Harapan (expected value)
Varians X
i
i1
iE X x f x k p
p
2
2
(1 )
( ) p
Var X k
p
Distribusi Geometrik (x; p)
Nilai Harapan (expected value)
Varians X
i
i1
iE X x f x
p
2
2
(1 )
( ) p
Var X
p
Distribusi Hipergeometrik (x; N, n, k)
Nilai Harapan (expected value)
Varians X
i
i iE X x f x n k
N
( ) 2 1
1
N n k k
Var X n
N N N
Distribusi Poisson (x; )
Nilai Harapan (expected value)
Varians X
E X
Var X
contoh 10
Seorang kontraktor memasukkan penawaran tender untuk 3 pekerjaan A, B dan C. Jumlah pesaing untuk mendapatkan pekerjaan A, B dan C masing-masing 4, 3 dan 2. Andaikan peristiwa A, B dan C bebas secara statistik dan X menyatakan jumlah total pekerjaan yang akan dimenangkan kontraktor:
a. Tentukan distribusi peluang X b. Tentukan rata-rata X
c. Tentukan varians X
44
Peluang sukses mendapatkan pekerjaan A:
Peluang sukses mendapatkan pekerjaan B:
Peluang sukses mendapatkan pekerjaan C:
X = jumlah total pekerjaan yang akan dimenangkan seorang kontraktor.
15
14
13
0.43 2 4
3 5
0 4
X P
45
0.1493 1 4
1 5
4 3
1 4
3 5
1 3
2 4
1 5
2 1
X P
0.01673 1 4
1 5
3 1
X P
X 0 1 2 3
f(x) 0.4 0.43 0.149 0.016
E(x) = x f(x) 0 0.43 0.298 0.348
Jadi rata-rata hanya satu pekerjaan yang akan dimenangkan oleh seorang kontraktor.
i
i
i f x
x
x 1.076 1
X 0 1 2 3
f(x) 0.40 0.43 0.149 0.016
X2 f(x) 0 0.43 0.596 1.044
Var (X) = E(X2) – μ2
= E(X2) – (E(X))2
= 2.07 - (1.076)2
= 0.91
i
i
i f x
x X
E 2 2 2.07
48
Koefisien Variasi ( δ
x)
Kemencengan (θ)
x x
x
3
3
x
X x
E
49
Distribusi Kontinou
1. Distribusi NORMAL
KARL FRIEDRICH GAUSS
-
< x < Simetris
Bell shape
X N ( , 2 )
2
2 1
2
2) 1 (
x
e x
f
50
51
f(x)
x
Transformasi Normal Standart
52
(Transformasi)
menggunakan tabel normal standart
2
~ ,
X N
~ 0, 1 Z N
Z X
Contoh 11:
Pendapatan mingguan seorang karyawan di
industri kaca berdistribusi normal dengan mean $ 1.000 dan standart deviasi $ 100.
1. Berapa probabilitas karyawan yang
berpendapatan paling banyak $ 900 per minggu.
2. Berapa probabilitas karyawan yang
berpendapatan paling sedikit $ 1.250 per minggu.
3. Berapa probabilitas karyawan yang
berpendapatan antara $ 900 dan $ 1.100 per
53
Solusi :
X = pendapatan mingguan, = $ 1.000 dan = $ 100 a. P( x < 900) =
= = 0.1587 b. P( x > 1.250) =
=
= =
10
000 .
1 900 100
000 .
1 P x
100 Z 100
P P
Z 1
100
000 . 1 250 . 1 100
000 . 1 P x
100 Z 250
P P
Z 2.5
2.5
1 P Z 1 0.9938
54
c. P(900 < x < 1.100) =
= =
=
100
000 . 1 100 . 1 100
000 . 1 100
000 . 1
900 x
P
100 100
100 100
P Z P
1 Z 1
Z 1
P Z 1
P = 0.8413 - 0.1587
= 0.6826 = 68.26 %
55
Soal
1. Diketahui distribusi normal : dgn = 40 dan = 5 Tentukan :
a. P(x < 35) b. P(x > 45)
c. P(20 < x < 50) d. P(x < k) = 0.05 e. P(x > k) = 0.2578
56
2. Diberikan distribusi normal dengan = 40 dan
= 6, dapatkan luasan : a). Di bawah 32
b). Di atas 27
c). Antara 42 dan 51
d). Cari suatu nilai k sedemikian hingga luasan di bawah k = 45%
e). Cari suatu nilai k sedemikian hingga luasan di
57
3. Sebuah perusahaan alat listrik memproduksi bolam yang umurnya berdistribusi normal dengan mean 800 jam dan standart deviasinya 40 jam. Hitung
probabilitas sebuah bolam hasil produksinya akan berumur antara 778 dan 834 jam.
58
4. Kekuatan batang baja yang dibuat dengan proses tertentu diketahui kira-kira mendekati distribusi normal dengan mean 24 dan deviasi standart 3.
Para konsumen menghendaki bahwa paling sedikit 95% batang tersebut mempunyai kekuatan lebih 20.
Apakah kualitas batang baja tersebut sesuai dengan ketetapan konsumen.
59
5. Ukuran mata bor untuk komponen tertentu yang digunakan dalam proses perakitan (assembly) merupakan dimensi (karakteristik) kualitas yang penting. Dari pengamatan tiap jam berukuran 4 sampel selama 25 jam diperoleh : = 4,3 mm, s = 0,243 mm. Batas spesifikasi mata bor 4,4 0,2 mm. Biaya scrap dan rework tiap unit masing-masing $ 2,40 dan $ 0,75. Produksi 1200 unit.
a). Taksir parameter produk yang discrap & rework?
b). Taksir biaya total scrap dan rework tiap hari?
c). Jika rata-rata proses digeser 4,5 mm, jelaskan
dampaknya pada persentase produk yang discrap dan rework serta biayanya?
60
x
61
6. Tinjau proses pembuatan coil. Diambil sampel berukuran 5 buah tiap jam dan dicatat tingkat resistensinya (ohm)nya.
Data diberikan pada Tabel 1.
Andaikan spesifikasi proses 21 3 ohm
a. Tentukan persentase produk cacat (tidak memenuhi) spesifikasi bila tingkat resistensi berdistribusi normal.
b. Andaikan tiap hari diproduksi 10000 coil dan coil dengan
62
Tabel 1 Sampel
ke
Data Sampel
ke
Data
1 2 3 4 5 6 7 8 9 10
11
20,22,21,23,22 19,18,20,20,22 25,18,20,17,22 20,21,22,21,21 19,24,23,22,20 22,20,18,18,19 18,20,19,18,20 20,18,23,20,21 21,20,24,23,22 21,19,20,20,20 20,20,23,22,20
21,6 19,8 20,4 21,0 21,6 19,4 19,0 20,4 22,0 20,0 21,0
14 15 16 17 18 19 20 21 22 23 24
20,21,22,21,22 20,24,24,23,23 21,20,24,20,21 20,18,18,20,20 20,24,22,23,23 20,19,23,20,19 21,21,21,24,22 23,22,22,20,22 21,18,18,17,19 21,24,24,23,23 20,22,21,21,20
21,2 22,8 21,2 19,2 22,4 20,2 22,0 21,8 18,6 23,0 20,8
x x
63
Tabel 1
mean = 20,816
Standar deviasi = 1,188725
64
Tabel 2
Mean = 37,175
Standar deviasi = 1,678933
65
7. Tingkat ketebalan magnetic coating pada proses pem- buatan audio tape merupakan karakteristik kualitas penting. Suatu sampel berukuran 4 unit dipilih tiap jam dan tingkat ketebalannya diukur dengan instrument optik (Tabel 2). Batas-batas spesifikasi proses 38 4,5.
Jika tingkat ketebalan proses coating kurang dari batas spesifikasi maka digunakan untuk produk lain dengan melalui proses lain.
a). Berapa persen produk tidak memenuhi batas spesifikasi?
b). Jika rata-rata proses bergeser menjadi 37,8 berapa persen produk akan diterima?
Tabel 2
66 Sampel ke Sampel ke
1 2 3 4 5 6 7 8 9
36,4 35,8 37,3 33,9 37,8 36,1 38,6 39,4 34,4
11 12 13 14 15 16 17 18 19
36,7 35,2 38,8 39,0 35,5 37,1 38,3 39,2 36,8
THE GOLDEN TRIANGEL