MODUL II DISTRIBUSI PROBABILITAS DISKRIT

1.

Distribusi Bernoulli dan Binomial Misalkan dilakukan suatu percobaan yang hasilnya dapat digolongkan atas

“kesuksesan” atau “kegagalan”. Percobaan ini disebut dengan percobaan Bernoulli. Bila diambil 𝑋 = 1 untuk menyatakan kesuksesan dan 𝑋 = 0 untuk kegagalan, maka Fungsi Probabilitas Distribusi Bernoulli adalah 𝑓(𝑥) = 𝑃(𝑋 = 𝑥) = 𝑝 𝑥 (1 − 𝑝)1−𝑥 di mana p adalah probabilitas munculnya “kesuksesan”, dan 0 ≤ 𝑝 ≤ 1. Misalkan dilakukan percobaan (trial) dilakukan sebanyak n kali yang saling independen, yang masing-masing berpeluang p untuk “sukses” dan 1-p untuk “gagal”. Jika X menyatakan berapa kali terjadi kesuksesan dalam n ulangan tersebut, maka X dinamakan variabel random binomial dengan parameter (n, p). Secara ringkas, suatu percobaan binomial (binomial trial) memiliki sifat-sifat sebagai berikut. 1) Percobaan terdiri dari n ulangan yang identik. 2) Setiap ulangan memberikan hasil sukses atau gagal. 3) Peluang terjadi kesuksesan dalam satu ulangan bernilai p, sementara peluang terjadi kegagalan dalam satu ulangan bernilai 1 − 𝑝 = 𝑞. 4) Hasil dari setiap ulangan saling independen. 5) Variabel random X adalah banyaknya kesuksesan dalam n ulangan. Fungsi probabilitas dari distribusi binomial adalah 𝑛 𝑓(𝑥) = 𝑃(𝑋 = 𝑥) = ( ) 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥 𝑥 Atau 𝑝 𝑥 𝑞 𝑛−𝑥 , 𝑥 = 0,1,2, … , 𝑛, 0 ≤ 𝑝 ≤ 1, 𝑞 = 1 − 𝑝 𝑓(𝑥) = {𝑥!(𝑛−𝑥)! 0, lainnya. Mean : 𝜇 = 𝑛𝑝 𝑛
!

Varians : 𝜎 2 = 𝑛𝑝(1 − 𝑝)

1

𝑟 − 1 𝑥 = 𝑟. 0 ≤ 𝑝 ≤ 1. Jika X adalah banyaknya percobaan yang diperlukan. 𝑘 dan misalkan 𝑝𝑖 adalah probabilitas hasil i terjadi pada sembarang percobaan (dengan ∑𝑘 𝑖=1 𝑝𝑖 = 1). Distribusi Binomial Negatif Misalkan dilakukan percobaan-percobaan yang saling bebas (independen). Jika X adalah banyaknya percobaan yang diperlukan. 𝑋𝑘 ]′ di mana 𝑋𝑖 adalah banyaknya hasil i muncul. Fungsi Distribusi Probabilitas Variabel Random Multinomial diberikan oleh 𝑛! 𝑝𝑖 𝑥𝑖 𝑥 𝑥 𝑥 1 2 𝑘 𝑓(𝑥1 .2. sampai diperoleh r ”keberhasilan”. 4. maka 𝑓(𝑥) = 𝑃(𝑋 = 𝑥) = ( 𝑥 − 1 𝑥 (1 ) 𝑝 − 𝑝)𝑥−𝑟 . 0 ≤ 𝑝 ≤ 1. maka 𝑓(𝑥) = 𝑃(𝑋 = 𝑥) = 𝑝(1 − 𝑝)𝑥−1 . variabel random multinomial adalah vektor random 𝐗 = [𝑋1 . … X disebut dengan variabel random geometrik (atau Pascal) dengan parameter p. 𝑥2 . 𝑛 = 1. Distribusi Multinomial Distribusi Multinomial adalah generalisasi dari Distribusi Binomial. untuk 𝑖 = 1. … . 𝑟 + 1. 𝑋2 .2. Distribusi Geometrik Misalkan dilakukan percobaan-percobaan yang saling bebas (independen). Misalkan ada sebanyak n percobaan independen dan tiap percobaan menghasilkan tepat satu dari k kemungkinan hasil (outcome). … 2 . Maka. … . ∑ 𝑥𝑖 = 𝑛 𝑥1 ! 𝑥2 ! … 𝑥𝑘 ! 1 2 𝑥𝑖 ! 𝑖=1 𝑖=1 𝑘 𝑘 Mean Varians : 𝜇𝑖 = 𝑛𝑝𝑖 : 𝜎𝑖2 = 𝑛𝑝𝑖 (1 − 𝑝𝑖 ) 𝑖 ≠ 𝑗 Kovarians : 𝜎𝑖𝑗 = −𝑛𝑝𝑖 𝑝𝑗 . 𝑥𝑛 ) = 𝑝 𝑝 … 𝑝𝑘 = 𝑛! ∏ . 3.2. … . masing- masing dengan probabilitas keberhasil sebesar p. sampai terjadi satu ”keberhasilan”. masing- masing dengan probabilitas keberhasil sebesar p.

Misalkan X adalah variabel random binomial dengan parameter n dan p. p). Distribusi Poisson diperkenalkan oleh Simeon Denis Poisson dalam sebuah buku yang ditulisnya tentang penerapan teori di dalam masalah tuntutan hukum. dan 𝑛𝑝 = 𝜆. … di mana 𝑝 → 0.2. 4) Banyaknya bungkus makanan yang terjual di toko setiap hari. 𝑛 → ∞. Distribusi Poisson Suatu variabel random X yang mengambil nilai-nilai 0. 3) Banyaknya salah sambung telepon pada suatu hari. persidangan kriminal. … disebut dengan variabel random Poisson dengan parameter λ jika untuk suatu 𝜆 > 0. Buku ini.1. Oleh karena itu. Distribusi Binomial sering juga didekati dengan Distribusi Poisson untuk n yang besar dan p yang kecil. 6) Banyaknya partikel-α yang terpancar selama periode waktu tertentu dari suatu partikel radioaktif. 𝑓(𝑥) = 𝑃(𝑋 = 𝑥) = di mana 𝜆 = 𝑛𝑝. p). Hal ini dikarenakan proses perhitungan menggunakan Distribusi Binomial untuk n yang besar dan p yang kecil sangat panjang dan lama. maka untuk setiap nilai 𝑥 = 0. 2. 1. dan sejenisnya. diberika judul Recherches sur la probabilite des jugements en matiere et en matiere civile.X disebut dengan variabel random binomial negatif dengan parameter (r. pendekatan Distribusi Poisson memberikan kemudahakan dalam perhitungan. Salah satu persoalan populer yang terkait dengan distribusi binomial negatif adalah Banach’s Matchbox Problem. 5. 5) Banyaknya pelanggan yang memasuki kantor pos pada suatu hari. yang diterbitkan pada 1837. 𝑒 −𝜆 𝜆𝑥 𝑥! 3 . Beberapa contoh kejadian yang mengikuti Distribusi Poisson adalah: 1) Banyaknya kesalahan cetak di suatu halaman sebuah buku. Perhatikan bahwa variabel random geometrik merupakan bentuk khusus dari variabel random binomial negatif dengan parameter (1. 2) Banyaknya penduduk di suatu masyarakat yang mencapai usia 100 tahun.

untuk suatu nilai 𝛼 > 0 tertentu. Distribusi Zeta (atau Zipf) Suatu variabel random dikatakan mempunyai distribusi zeta (atau zipf) jika fungsi distribusi probabilitasnya diberikan oleh 𝑓(𝑥) = 𝑃(𝑋 = 𝑥) = 𝑥 𝛼+1 . 𝑁𝑝) Variabel random X disebut dengan variabel random hipergeometrik. … Nama distribusi zeta berasal dari fungsi zeta Riemann: 1 𝑠 1 𝑠 1 𝑠 𝜁(𝑠) = 1 + ( ) + ( ) + ⋯ + ( ) + ⋯ 2 3 𝑥 Seorang pakar ekonomi Italia. Jika X adalah banyaknya kelereng putih yang terambil. 𝑥 𝑛 − 𝑥 𝑥 = 0. 4 . maka 𝑓(𝑥) = 𝑃(𝑋 = 𝑥) = ( 𝑁𝑝 𝑁 − 𝑁𝑝 )( ). Zipf-lah yang menerapkan distribusi ini dalam berbagai bidang yang berbeda.2.𝑒 −𝜆 𝜆𝑥 𝑛 𝑥 𝑛−𝑥 (1 lim ( ) 𝑝 − 𝑝) = 𝑛→∞ 𝑥 𝑥! 6.1. menerapkan distribusi zeta untuk menjelaskan distribusi pendapatan keluarga di suatu negara. min(𝑛. … . di mana 1 𝛼+1 𝐶 = [∑ ( ) ] 𝑥 𝑥=1 ∞ −1 𝐶 𝑥 = 1. sesungguhnya G. Pareto. Distribusi Hipergeometrik Misalkan bahwa suatu sampel berukuran n diambil secara acak (tanpa pengembalian) dari sebuah kantong yang berisi N kelereng. sehingga distribusi ini menjadi populer. Akan tetapi. K. yang Np di antaranya berwarna putih dan N-Np lainnya berwarna hitam. 7.

Sign up to vote on this title
UsefulNot useful