DISTRIBUSI DISKRIT DAN

KONTINYU

Medika Risnasari
D3- T. Multimedia Jaringan
Universitas Trunojoyo- 2011

DISTRIBUSI DISKRIT
Distribusi Diskrit yaitu
Distribusi dimana peubahnya secara teoritis tidak
dapat menerima sembarang nilai diantara dua nilai
yang diberikan.
Distribusi peluang dengan variabel random bersifat
diskrit pada suatu waktu.
Macam-macam Distribusi Peluang
Diskrit
1. Distribusi Peluang Binomial
2. Distribusi Peluang Poisson
3. Distribusi Peluang Multinomial
4. Distribusi Peluang Hipergeometrik
1. Distribusi Binomial
Distribusi Binomial adalah distribusi
yang mengacu pada dua kemungkinan
hasil yaitu sukses atau gagal.

Syarat distribusi Binomial:
Percobaan terdiri atas n usaha yang
berulang.
Pengambilan sampel dilakukan dengan
pengembalian (sampling with replacement)
Tiap usaha hanya mempunyai 2
kemungkinan yaitu sukses atau gagal.
Peluang sukses, dinyatakan dengan p, tidak
berubah dari usaha yang satu ke yang
berikutnya.
Formula Peluang Binomial






Dengan n = banyaknya percobaan
x = banyaknya kejadian
p = peluang sukses
Notasi






)! ( !
!
) , (
x n x
n
C
x
n
C x n C C
n
x x n

= =
|
.
|

\
|
= =
Mean dan varians peluang binomial
Mean


Varians

Contoh:
Suatu suku cadang dapat menahan uji goncangan
tertentu dengan probabilitas . Hitunglah probabilitas
bahwa tepat dua dari empat suku cadang yang diuji
tidak akan rusak.
Diketahui
probabilitas sukses (p) =
Banyak percobaan (n) = 4
Kejadian (x)=2
Jika pengujian bersifat bebas maka

2.Distribusi Poisson

Distribusi Poisson adalah distribusi peluang
peubah acak poisson x, yang menyatakan
banyaknya sukses yang terjadi dalam suatu
selang waktu atau daerah tertentu.
Panjang selang waktu tersebut boleh berapa
saja, semenit, sehari, seminggu, sebulan atau
malah setahun. Daerah yang dimaksud dapat
berupa sepotong garis, suatu luas, suatu
volume atau pun barangkali suatu benda
Contoh:
Rata-rata banyaknya partikel radioaktif yang melewati suatu
penghitung selama 1 milidetik dalam suatu percobaan di
laboratorium adalah empat. Berapakah probabilitas enam partikel
melewati penghitung dalam suatu milidetik tertentu.

Dalam suatu proses produksi yang menghasilkan barang dari gelas,
terjadi gelembung atau cacat yang kadang-kadang menyebabkan
barang tersebut sulit dipasarkan. Diketahui bahwa rata-rata 1 dari
1000 barang yang dihasilkan mempunyai satu atau lebih gelembung.
Berapakah probabilitas bahwa dalam sampel acak sebesar 8000
barang akan berisi kurang dari 7 yang bergelembung.
Jawab:
DISTRIBUSI KONTINYU
Distribusi kontinyu merupakan salah satu macam distribusi
probabilitas, yaitu model matematik yang menghubungkan nilai
variabel dengan probabilitas terjadinya nilai itu. Dengan perkataan
lain, kita dapat membayangkan diameter cincin piston sebagai
variabel random, karena diameter itu menjalani nilai-nilai yang
berbeda dalam populasi itu menurut mekanisme random. Maka
distribusi probabilitas diameter cincin menggambarkan
probabilitas terjadinya setiap nilai diameter cincin di dalam
populasi itu. Dimana untuk distribusi kontinyu variabel yang
diukur dinyatakan dalam skala kontinyu. Oleh karena itu distribusi
probabilitasnya dinamakan distribusi kontinyu.
JENIS DISTRIBUSI PROBABILITAS KONTINU
1. Distribusi Uniform
Suatu random variabel dikatakan terdistribusi secara uniform apabila
nilai probabilitanya proporsional terhadap panjang interval.
Fungsi Densitas Probabilita Uniform:
untuk a < x < b

= 0 untuk x lainnya
dimana a = batas bawah interval
b = batas atas interval
a b
1
) x ( f

=
=Mean,ukuran kecenderungan tengah dari distribusi
2 =Pemencaran, penyebaran atau variabilitas dalam suatu distribusi
dinyatakan dengan variansi
Karakterisik Distribusi Probabilitas Normal
Bentuk kurva normal seperti bel dan simetris.
Parameter o, menunjukkan lebar dari kurva normal
(semakin besar nilainya, semakin lebar)
Titik tertinggi dari kurva nomal terletak pada nilai rata-
rata=median=modus
Luas total area di bawah kurva normal adalah 1. (luas
bagian di sebelah kiri = sebelah kanan ).
Probabilita suaru random variabel normal sama dengan
luas di bawah kurva normal.
Nilai mean, median dan modus adalah sama / berhimpit
2. Distribusi Normal/Gaussian
Fungsi Densitas Normal


dimana:

= rata-rata (mean)
o = simpangan baku (standard
deviation)
t = 3.14159
e = 2.71828
2
2
2
) x (
e
2
1
) x ( f
o

t o
=
x
Chart Title

Semakin besar nilai o , maka kurva
akan semakin landai, dan semakin kecil
nilai o maka kurva akan semakin
melancip
Contoh variabel random yg memiliki distribusi
normal:
distribusi error dalam pengukuran
pengukuran dalam meteorologi
pengukuran curah hujan
sebagai pendekatan bagi distribusi binomial
dan distribusi hipergeometrik, dan lainnya

Sifat-Sifat Distribusi Normal:
Mean
Varians


Deviasi Standar
Koefisien momen kemiringan
Koefisien momen kurtois
Deviasi mean
Sifat-Sifat Distribusi Normal:
Bentuk distribusi normal ditentukan oleh dan .

1
2

1
=
2

1
>
2

1
2

1
<
2

1
=
2

1
2

1
<
2

1
<
2

Luas di Bawah Kurva dan Probabilitas
P(x
1
<x<x
2
) = probabilitas variabel random x memiliki
nilai antara x
1
dan x
2

P(x
1
<x<x
2
) = luas di bawah kurva normal antara x=x
1
dan
x=x
2




x
1
x
2

Luas di Bawah Kurva dan Probabilitas
Oleh karena perhitungan integral normal tsb
sulit, maka disusunlah tabel nilai rapat
probabilitas. Akan tetapi karena nilai rapat
probabilitasnya tergantung pada dan maka
sangatlah tidak mungkin mentabelkan untuk
semua nilai dan
Kurva DIstribusi Normal Standard
Distribusi normal standard adalah distribusi normal dengan
mean =0 dan standard deviasi =1.

Transformasi memetakan distribusi normal

menjadi distribusi normal standard, sebab distribusi normal
dengan variabel z ini memiliki mean =0 dan standard deviasi = 1.
Transformasi ini juga mempertahankan luas dibawah kurvanya,
artinya:



o

=
x
z
Kurva DIstribusi Normal Standard
Luas dibawah kurva
distribusi normal
antara x
1
dan x
2




=
Luas dibawah kurva
distribusi normal
standard antara z
1
dan
z
2




Dengan z
1
= (x
1
-)/ dan z
2
= (x
2
-)/.
Sehingga cukup dibuat tabel distribusi normal standard
kumulatif saja!
Transformasi ini juga mempertahankan luas dibawah
kurvanya, artinya:



Contoh:1
Contoh 2:
3.Distribusi Eksponensial
Tugas
1. Diketahui 20% karyawan perusahaan dikatakan sebagai
karyawan baik. Bila dipilih 15 karyawan secara acak, berapa
peluang:
a. ada 4 orang karyawan berkategori baik
b. Paling sedikit 2 karyawan berkategori baik.
(Gunakan distribusi binomial karena hanya ada 2
kemungkinan yaitu karyawan baik dan tidak baik)

2. Dalam 2 bulan rata-rata karyawan tidak masuk kerja adalah 4
hari. Bila diasumsikan jumlah hari tidak masuk kerja
mengikuti distribusi poisson, maka hitunglah peluang seorang
karyawan tidak masuk kerja 3 hari dalam 2 bulan !

3. Bila diketahui fungsi kepadatan distribusi uniform
adalah.




tentukan a. f(3), f(1) dan
b.

TUGAS DI KUMPULKAN PADA PERTEMUAN
KULIAH LAGI


) 3 1 ( s s x P

s s
=
a yanglainny
x
x f
, 0
4 2 ,
2
1
) (