UNIVERSITAS SUMATERA UTARA

FAKULTAS MIPA
DEPARTEMEN MATEMATIKA

PROSES STOKASTIK

LEMBAR KERJA 2

Nama : Dita Muthia

NIM : 200803068
Tanggal : 13 September 2022

1. Distribusi Diskrit
Distribusi diskrit yaitu distirbusi dimana peubahnya secara teoritis tidak dapa menerima
sembarang nilai diantara dua nilai yang diberikan.
1.1. Distribusi Poisson
a. Gambaran Umum
Distribusi poisson ditemukan oleh seorang ahli matematika kelahiran Prancis yang
bernama S.D Poisson probabilitas suatu kejadian yang jarang terjadi dalam suatu
interval waktu tertentu atau di suatu daerah tertentu. (1781-1841). Distribusi poisson
adalah distribusi teoritis yang digunakan untuk menentukan probabilitas suatu
kejadian yang jarang terjadi dalam suatu interval waktu tertentu atau di suatu daerah
tertentu.
b. Fungsi
Probabilitas sukses percobaan akan terjadi dalam selang waktu dari distribusi
Poisson dapat diselesaikan dengan rumus/fungsi:
λ x e− x
Pr ( x ) =
x!
Dengan:
x=0,1,2,3,…,dst
e = bilangan euler = 2.71828
λ = rata-rata terjadinya suatu peristiwa
c. Grafik/Kurva
 d. Contoh Aplikasi
Distribusi poisson dapat digunakan untuk menggambarkan kejadian yang
jarang terjadi (rare events) atau kejadian yang berhubungan dengan lamanya
waktu tunggu (waitingtime). Distribusi Poisson digunakan dalam
Menghitung probabilitas terjadinya peristiwa menurut satuan waktu, ruang atau isi,
luas, Panjang yang bersifat random atau acak. Penerapan ditribusi ini
sering kitajumpai dalam kehidupan sehari-hari dan sangat melekat pada
setiap kegiatan, seperti:
 Kedatangan bus atau pelanggan.
 Kedatangan pasien dirumah sakit.
 Kedatangan mobil di pom bensin.
 Kedatangan mahasiswa di perpustakaan.
 Jumlah panggilan telepon yang masuk.
1.2. Distribusi Hipergeometrik
a. Gambaran Umum
Distribusi hipergeometrik merupakan salah satu distribusi peubah acak diskrit yang
penting. Ahli statistik sering menggunakan distribusi hipergeometrik untuk
melengkapi jenis analisis yang dapat dibuat dengan menggunakan distribusi
binomial.
b. Fungsi

Dengan:
{
h ( x ; N , n , k )=
( kx ) ( N−k
n−x )

( Nn )
0

N = Jumlah populasi
n = jumlah sample
k = jumlah sukses
x = jumlah sukses terambil
 c. Grafik

d. Contoh Aplikasi
Distribusi hipergeometrik dapat diaplikasikan pada banyak bidang,misalnya
pada penerimaan sampel (acceptance sampling), pengujian elektronik, dan
pengendalian kualitas (quality control) dari suatu hasilproduksi. Dalam
banyak bidang ini, pengujian dilakukan terhadap barang yangdiuji yang pada
akhirnya barang uji tersebut menjadi rusak, sehingga tidak dapat dikembalikan. Jadi,
pengambilan sampel harus dikerjakan tanpa pengembalian.
Berikut beberapa aplikasi distribusi hipereometrik dalam kehidupan sehari-
hari:
 Kita dapat mengetahui jumlah barang yang rusak dalam sampel acakdari
sejumlah kiriman.
 Jumlah permen yang di ambil dari dalam kotak dengan rasa tertentu
 Aplikasi dalam pendidikan seperti dalam penyelidikan pendapat
umum/survey.

1.3. Distribusi Binomial

a. Gambaran Umum
Distribusi peluang binomial adalah distribusi yang mempunyai dua macam kategori
yaitu sukses dan gagal. Percobaan dalam distribusi ini dilakukan secara berulang–
ulang sebanyak n kali dengan peluang sukses p untuk setiap percobaan dan q untuk
peluang gagal, percobaan ini bersifat independent.
Karakteristik:
 Percobaan diulang sebanyak n kali
 Hasil setiap ulangan dapat dikategorikan dalam 2 kelas Misal: “berhasil” atau
“gagal”, “ya” atau “tidak”, “success” atau “failed”
  Peluang berhasil atau sukses disimbolkan dengan p dan dalam setiap ulangan
nilai p tetap, dimana p=1 – qsedangkan peluang gagal dinyatakan dengan q
dimana q=1 – p
 Banyaknya keberhasilan dalam peubah acak disimbolkan dengan x
 Setiap ulangan bersifat bebas (independent) satu dengan lainnya.
 Semakin banyak n maka peluang terjadinya suatu kejadian tertentu semakin
kecil
b. Bentuk Fungsi
Fungsi kumulatif distribusi binomial adalah sebagai berikut:
n
p ( x ) =∑ C nx . p x .q n−x
x=o

c. Grafik

Gambar diatas menunjukkan perbandingan antara dua kurva distribusi binomial yang
memiliki n sama namun peluangnya berbeda. Kurva dengan warna merah
menunjukkan distribusi binomial dengan p=0,9. Puncak kurva distribusi binomial
dengan p=0,9 lebih tinggi dan kurva bergeser ke kanan dibandingkan kurva
distribusi binomial dengan p=0,6. Hal ini disebabkan karena perbedaan nilai
peluang sukses dan perubahan nilai mean, semakin besar p, maka kurva semakin ke
kanan dan puncak kurva semakin tinggi.

d. Contoh Aplikasi
Distribusi Binomial ini dapat digunakan dalam berbagai survey kesehatan, sebagai
contoh survey kunjungan dokter atau pasien pada suatu rumah sakit.

1.4. Distribusi Bernoli

a. Gambaran Umum
Distribusi Bernoulli adalah distribusi yang bersumber dari percobaan Bernoulli,
yakni suatu percobaan yang menghasilkan dua kemungkinan hasil: Sukses dan
Gagal. Contoh sederhana adalah pelemparan sebuah mata uang logam, di mana
terdapat 2 kemungkinan hasil yang bisa diperoleh dari satu kali pelemparan, yaitu
Angka dan Gambar.
 Contoh lain misalnya, pada pengujian barang hasil produksi, dengan tiap
pengujian atau usaha dapat menunjukkan apakah suatu barang cacat atau tidak cacat.
Kita dapat menentukan atau memilih salah satu hasil sebagai sukses.
b. Bentuk Fungsi

{
x 1−x
f ( x ; p )= p ( 1− p ) x=0 , 1
0 , x lainnya
Dimana:
 x adalah variable random.
 pmerupakan parameter dimana, 0 ≤ p ≤ 1
 Variable random x berdistribusi pada Bernoulli dapat dituliskan sebagai
X B( p).
c. Grafik

d. Contoh Aplikasi
Pada pelemparan koin sebagai bentuk eskperimen untuk mengetahui berapa
peluang kemuncul gambar angka dari koin tersebut.

2. Distribusi Kontinu
2.1. Distribusi Normal
a. Gambaran Umum
Distribusi normal merupakan distribusi paling penting dalam bidang statistika.
Banyak gejala yang muncul di alam, industri, dan penelitian yang dapat digambarkan
dengan baik oleh kurva distribusi normal. Kurva distribusi normal ini berbentuk
seperti lonceng atau genta, dan persamaannya pertama kali ditemukan tahun 1733
 oleh Abraham DeMoivre. Distribusi ini disebut juga distribusi Gauss, untuk
menghormati Karl Fredrich Gauss (1777-1855).
b. Bentuk Fungsi
Fungsi Kumulatif Distribusi Normal adalah sebagai berikut
−( σ )( x− μ )
x 1 2 2
1
∫
x x
2
F ( x )= e dx
σ x √ 2 π −∞

c. Grafik

Kurva distribusi normal baku diperoleh dari distribusi normal umum dengan cara
transformasi nilai x menjadi nilai, dengan formula sebagai berikut:
x
Z=
μσ
Pada kurva distribusi normal baku, nilai µ=0 dan nilaiσ =1, sehingga terlihat lebih
sederhana. Namun, sifat-sifatnya persis sama dengan sifat-sifat distribusi normal
umum. Tabel distribusi normal baku disebut juga dengan Tabel Z dan dapat
digunakan untuk mencari peluang di bawah kurva normal secara umum, asal saja
nilai u dan a diketahui. Sebagai catatan sifat-sifatnya persis sama dengan sifat sifat
distribusi normal umum. Tabel dapat diganti masing-masing dengan nilai dan S.
d. Contoh Aplikasi
Sebagai contoh untuk aplikasi distribusi normal, dilakukan pengukuran tinggi
badan pada 1000 orang laki-laki, didapatkan nilai mean tinggi 172,5 cm dan standar
deviasi = 5 cm.
Bila dihitung jumlah laki-laki yang mempunyai tinggi badan ditambah atau
dikurangi 5 cm dari nilai mean adalah 690 orang, maka kita dapat bahwa 69 % dari
laki-laki tersebut mempunyai tinggi badan yang tidak berbeda dari nilai mean
ditambah atau dikurangi dengan 1 kali standar deviasi.
Begitu pula bila dihitung jumlah laki-laki yang mempunyai tinggi badan
ditambahatau dikurangi 10 cm dari nilai mean adalah 955 orang, maka kita dapat
mengatakan bahwa 95,5 % dari laki-laki tersebut mempunyai tinggi badan yang
tidak berbeda dari nilai mean ditambah atau dikurangi dengan 20 cm dari nilai mean
adalah 997 orang atau 99,7% dari laki-laki tersebut mempunyai tinggi yang tidak
 berbeda dari nilai mean ditambah atau dikurangi dengan 3 kali standar badan yang
badan yang deviasi.

2.2. Distribusi Eksponensial

a. Gambaran Umum
Distribusi eksponensial (Generalized Exponential Distrubution) pertama kali
diperkenalkan oleh Gupta dan Kundu pada tahun 1999. Distribusi ini diambil dari
salah satu fungsi kepadatan kumulatif yang digunakan pada pertengahan abad 519
(Gompertz-Verhulst) untuk membandingkan tabel kematian dan menghasilkan laju
pertumbuhan penduduk.
Adapun karakteristik-karakteristik dalam distribusi eksponensial antara lain:
Mempunyai nilai variansi, mempunyai nilai mean, pencarian pada distribusi
eksponensial menggunakan variabel random, peluang yang terjadi pada suatu
percobaan mempengaruhi selisih waktu yang terjadi padapercobaan tersebut dan
mempunyai nilai β> 0.
b. Bentuk Fungsi
x
F ( x ;θ )=1−e θ , x >0
c. Grafik

d. Contoh Aplikasi
Distribusi eksponensial berguna dalam mencari selisih waktu yang terjadi
dalamsuatu peluang pada daerah tertentu. Dalam aplikasinya distribusi eksponensial
ini sangat berperan sekali dalam membantu mengerjakan suatu pekerjaan, antara
lain:
 Untuk mengukur selisih waktu antara orang 1 dan seterusnya dalam suatu
antrian.
 Untuk mengukur tingkat kegagalan yang mungkin terjadi dalam suatu
peluang.
 Distribusi eksponensial juga berguna dalam mencari peubah acak kontinu,
denganmenggunakan variabel random bilangan acak.
2.3. Distribusi Student-t
a. Gambaran Umum
 Distribusi student-t atau kadang hanya disebut distribusi-t banyak diterapkan pada
statistik inferensia ketika nilai varians dari suatu populasi tidak diketahui. Untuk
sampel yang besar, nilai varians populasi σ 2 dapat diestimisasi dengan varians dari
sample s2 sehingga dapat dilakukan pendekatan (apprioximate) dengan distribusi
normal baku.
b. Bentuk Fungsi
Z
T=

c. Grafik
√
V
v

d. Contoh Aplikasi
Distribusi Student-t banyak diterapkan pada statistic inferensia Ketika nilai varians
dari suatu populasi tidak diketahui.

2.4. Distribusi Weibull

a. Gambaran Umum
Distribusi Weibull adalah distribusi yang paling banyak digunakan untuk waktu
hidup dalam teknik ketahanan. Distribusi ini adalah distribusi serbaguna yang dapat
mengambil karakteristik dari jenis distribusi lain berdasarkan pada nilai dari bentuk
parameter.
Karakteristik : Distribusi Weibull adalah distribusi yang memiliki peranan yang
penting tenstama pada persoalan keandalan (rehability) dan analisis rawatan
(mantainability). Distribusi Weibull sering dipakai sebagai pendekatan untuk
mengetahui karakteristik fungsi keurakan karena perubahan nilai akan
mengakibatkan distribusi Weibull mempunyai sifat tertentu ataupun ekuivalen
dengan distribusi tertentu. Distribusi mi adalah distribusi serbaguna yang dapat
mengambil karakteristik dan jenis lain dan distribusi, berdasarkan nilaidan bentuk.
b. Bentuk Fungsi
Fungsi Kumulatif:
β−1 β
f ( x )=αβ x exp−(α x )
c. Grafik
 d. Contoh Aplikasi
Distribusi Weibull banyak diaplikasikan pada Pengendalian Mutu (Quality
Kontrol) terutama untuk data waktu hidup (lifetime data). Salah satu alat
yangdigunakan dalam pengendalian mutu adalah grafik pengendali (control charts).

Sumber:
https://www.studocu.com/id/document/universitas-cenderawasih/biostatistika/distribusi-peluang-
diskrit-dan-kontinu/8022829
https://www.researchgate.net/publication/327645533_DISTRIBUSI_HIPERGEOMETRIK
https://slideplayer.info/slide/2004742/
https://jagostat.com/teori-peluang/distribusi-student-t