STATISTIKA
&
PROBABILITAS
Dosen : Windyaning Ustyannie, S.Si., M.Cs.
Jenis
Distribusi Peluang Diskrit
Jenis Distribusi Peluang Diskrit
Distribusi
Uniform Diskrit Distribusi
Binomial Distribusi
Multinominal Distribusi
Hypergeometrik Distribusi Poisson
Distribusi Uniform Diskrit
• Edhy Sutanta (2005:74)
Menyatakan setiap kejadian mempunyai probabilitas atau peluang yang sama/seragam (uniform).
• Budiyono (2009:97)
Distribusi uniform diskrit merupakan distribusi
variable random diskret yang sama untuk muncul.
Distribusi Uniform Diskrit
Definisi 1:
Bila peubah acak X mendapat harga dengan peluang yang sama, maka distribusi seragam diskrit diberikan oleh:
Keterangan:
P(x) : peluang terjadinya x x : harga variable
n : banyaknya data pengamatan/ukuran sampel Teorema I
Rataan distribusi seragam diskrit f(x,k) adalah dimana E(x) = Ekspektasi x
Varians distribusi seragam diskrit adalah
Contoh Distribusi Uniform Diskrit
Untuk merencanakan persediaan suatu barang x, suatu toko computer perlu memperkirakan jumlah permintaan harian
terhadap barang x. Menurut catatan penjualan, diketahui bahwa permintaan harian terhadap barang x adalah berkisar antara 0-5 unit. Permintaan ini memiliki fluktuasi secara acak, sehingga tidak bisa ditentukan peluang permintaannya. Dalam hal ini,
maka permintaan terhadap barang x dapat dimodelkan mengikuti distribusi uniform.
Untuk mempermudah penyelesaian contoh diatas, akan
digunakan bantuan perhitungan seperti ditampilkan pada Tabel
berikut:
Contoh Distribusi Uniform Diskrit
Tabel Perhitungan untuk distribusi uniform
0 1/6 0 6,25 1,04166
1 1/6 1/6 2,25 0,37500
2 1/6 2/6 0,25 0,04166
3 1/6 3/6 0,25 0,04166
4 1/6 4/6 2,25 0,37500
5 1/6 5/6 6,25 1,04166
Jumlah 15/6 17,5 2,9166
Contoh Distribusi Uniform Diskrit
Berdasarkan hasil perhitungan pada Tabel diatas maka eskpektasi rata-rata permintaan per hari terhadap barang x, sebagai berikut:
Sedangkan dengan pendekatan distribusi uniform, maka rata-rata
permintaan per hari terhadap barang x adalah:
Pengertian
Distribusi Binomial Menurut Para Ahli
• Sutanta (2005:76)
Distribusi binomial menggambarkan distribusi probabilitas variable acak diskrit yang hanya mempunyai dua nilai yang mungkin, misalnya berhasil atau gagal.
• Budiyono (2009:98)
Distribusi peluang binomial adalah distribusi peluang yang dihasilkan dari sebuah eksperimen yang sering dilakukan berulang-ulang, yang setiap kali hasil ulangan mempunyai dua kemungkinan hasil yang dapat disebut suskes dan gagal.
• Sudjana (2005:130)
Distribusi binomial adalah distribusi yang dihasilkan dari
eksperimen yang hanya menghasilkan peristiwa A dan bukan
A.
Karateristik Distribusi Binomial
a. Percobaan diulang sebanyak n kali.
b. Hasil setiap ulangan dapat dikategorikan dalam 2 kelas, misal :
“berhasil” atau “gagal” ; “ya” atau “tidak”.
c. Peluang berhasil atau sukses disimbolkan dengan p dan dalam setiap ulangan nilai p tetap, dimana p = 1 – q sedangkan peluang gagal dinyatakan dengan q dimana q = 1- p.
d. Banyaknya keberhasilan dalam peubah acak disimbolkan dengan X.
e. Setiap ulangan bersifat bebas (independent) satu dengan yang lainnya.
f. Semakin banyak N maka peluang terjadinya suatu kejadian
tertentu semakin kecil. Perlu diingat bahwa kejadian yang menjadi pertanyaan atau[un ditanyakan dari suatu permasalahan bisa
dikategorikan sebagai kejadian “sukses atau berhasil”.
Definisi
Distribusi Binomial
Banyaknya sukses X dalam n usaha suatu percobaan binomial disebut suatu peubah acak binomial.
Untuk mencari peluang dengan distribusi binomial digunakan rumus:
Sedangkan koefisien binom dicari menggunakan rumus:
Sehingga diperoleh rumus:
dengan
X = 0,1,2,…,N
N! = N(N-1)(N-2)…1 0! = 1
Berdasarkan definisi, dalam distribusi binom dikenal parameter rata-rata ( ) dan simpangan baku ( ) Mean :
Standar Deviasi : Varians :
Contoh
Distribusi Binomial
Dalam perlambangan sebuah mata uang tiga kali, didefinisikan X = banyaknya Angka yang muncul. Berapa peluangnya muncul 2 buah Angka ?
Jawab:
p = peluang muncul angka pada suatu pelambungan = ½ N = 3 (banyaknya pelambungan, banyaknya pengulangan) X = 2 (banyaknya Angka yang diharapkan muncul)
Jadi, peluang munculnya 2 buah Angka adalah 3/8.
Distribusi Multinomial Menurut Para Ahli
Distribusi multinomial merupakan distribusi variable acak
diskrit dimana suatu percobaan dapat menghasilkan beberapa kejadian.
• Sudjana (2005:132)
Distribusi multinomial adalah perluasan dari distribusi binomial.
• Budiyono (2009:101)
Eksperimen binomial akan menjadi eksperimen multinomial jika setiap percobaan menghasilkan lebih dari dua kemungkinan hasil.
• Spiegel, Murray R. (2004:35)
Dalam pelambungan sebuah dadu, misalnya akan terjadi 6
kemungkinan yaitu muncul mata 1,2,3,4,5 atau 6.
Distribusi Multinomial
Misalkan sebuah percobaan menghasilkan kejadian E1, E2, …, Ek dengan peluang p1, p2, …,pk dan dilakukan percobaan sebanyak N kali maka peluang terjadinya x1 peristiwa E1, x2 peristiwa E2, …, xk peristiwa Ek diantara N, ditentukan oleh:
Dimana
Distribusi ini merupakan perluasan dari distribusi
binomial karena rumus diatas adalah suku umum
dalam ekpansi multinomial
Distribusi Probabilitas
Dalam sebuah kotak terdapat 3 bola merah, 4 bola biru
dan 5 bola putih. Sebuah bola diambil dari kotak tersebut, dilihat warnanya, kemudian dikembalikan lagi kedalam
kotak. Diambil sebuah bola lagi, dilihat warnanya,
kemuadia dikembalikan lagi kedalam kotak. Hal demikian dilakukan sampai 6 kali. Dalam 6 kali pengambilan
tersebut, berapa peluangnya terdapat 1 bola merah, 2 bola biru dan 3 bola putih?
Jawab:
P(1 bola merah, 2 bola putih, dan 3 bola putih)
Distribusi Hipergeometrik
Banyaknya sukses X dalam percobaan
hipergeometrik disebut peubah acak hipergeometrik.
• Budiyono (2009:102)
Distribusi hipergeometrik adalah distribusi dari eksperimen sampling tanpa pengembalian.
• Edhy Sutanta (2005:79)
Jika sebuah variable acak x menyatakan jumlah sukses
dalam n percobaan / sampel dan total jumlah sukses.
Distribusi Hipergeometrik
Diambil dari sebuah populasi berukuran N, maka x dikatakan mengikuti
distribusi hipergeometrik dengan fungsi peluang dirumuskan sebagai berikut:
Keterangan:
P(x) : peluang x D : pengambilan N : populasi
n : banyaknya data pengambilan/sampel
Dengan x = 0,1,2, …,n dan factor-factor diruas kanan ditentukan oleh rumus:
Distribusi Hipergeometrik
Apabila populasi besar dan sampel relative kecil, pengambilan secara sampling dilakukan tanpa pengembalian menimbulkan efek terhadap probabilitas sukses dalam setiap percobaan kecil, untuk mendekati nilai probabilitas hipergeometrik dapat
digunakan konsep distribusi binomial, dengan syarat Suatu percobaan hipergeometrik memiliki sifat berikut:
1. Sampel acak berukuran n diambil dari N benda.
2. Sebanyak k benda dapat diberi nama sukses sedangkan sisanya, N – k diberi nama gagal.
Rataan dan variansi distribusi hipergeometrik h(x;N,n,k) adalah
Contoh
Distribusi Hipergeometrik
Sebuah kotak memuat 100 bola dan 5 diantaranya merah. Jika 10 bola diambil tanpa pengembalian, berapakah probabilitas
mendapat paling sedikit 4 merah?
Jawab:
Sejarah
Distribusi Poisson
Distribusi poisson diberi nama sesuai dengan
penemunya yaitu Siemon D. Poisson. Percobaan poisson apabila menghasilkan peubah acak X
yang menyatakan banyaknya hasil selama selang waktu, periode atau daerah tertentu. Misalnya
jumlah baarang yang cacat setiap kali
pengiriman, banyaknya hubungan telepon yang
diterima kantor per jam.
Karateristik Distribusi Poisson
Beberapa karateristik distribusi poisson, sebagai berikut:
a. Banyaknya hasil yang terjadi dalam suatu interval tertentu tidak
terpengaruh oleh apa yang terjadi pada interval lain yang terpisah (tidak berpotongan dan independent) dalam kaitan ini, proses poisson dikatakan tidak punya ingatan.
b. Peluang terjadi suatu hasil (tunggal) dalam selang tertentu yang amat pendek sebanding dengan Panjang selang dan tidak tergantung pada banyaknya hasil yang terjadi diluar selang.
c. Peluang terjadinya lebih dari satu hasil dalam selang waktu yang pendek (sempit) dapat diabaikan. Distribusi ini merupakan distribusi probabilitas untuk variable diskrit acak yang mempunyai 0,1,2,3 dan seterusnya.
Suatu bentuk dari distribusi ini adalah rumus pendekatan peluang poisson untuk peluang binomial yang dapat digunakan untuk pendekatan
probabilitas binomial dalam situasi tertentu. Rumus poisson dapat digunakan untuk menghitung probabilitas dari jumlah kedatangan,
misalnya probabilitas jumlah kedatangan nasabah pada suatu bank pada jam kantor.
Distribusi Poisson
• Budiyono (2009:103)
jika pada distribusi binomial b(x; n; ), parameter n cukup besar (secara teoritis n ~) maka akan diperoleh distribusi poisson dengan parameter
• Sutanta (2005:80)
Jika suatu variable random x menyatakan rata-rata kedatangan pada suatu rentang waktu yang kecil, maka x dikatakan mengikuti distribusi poisson, dengan formula:
Dimana:
e = 2,71828
= sebuah bilangan tetap untuk x = 1,2,3, …
p(x) = probabilitas kelas sukses
Distribusi Poisson
Rataan dan variansi distribusi poisson p(x; ) keduanya sama dengan . Distribusi poisson dapat diposisikan sebagai bentuk limit distribusi binomial bila dan np tetap tidak berubah. Jadi nila n besar dan p dekat dengan nol, distribusi poisson dapat digunakan dengan untuk
menghampiri peluang binomial.
Contoh
Distribusi Poisson