BEBERAPA DISTRIBUSI PROBABLITAS DISKRET

(SSTS 2305 / 3 sks)

Dra. Noeryanti, M.Si

1

Pengantar:
Penyajian distribusi probabilitas dalam bentuk grafis, tabel atau melalui rumusan tidak masalah, yang ingin dilukiskan adalah perilaku (kelakuan) perubah acak tersebut. Sering kita menjumpai, pengamatan yang dihasilkan melalui percobaan statistik yang berbeda mempunyai bentuk kelakuan umum yang sama. Oleh karena itu perubah acak diskret yang berkenaan dengan percobaan tersebut dapat dilukiskan dengan distribusi probabilitas yang sama, dan dapat dinyatakan dengan rumus yang sama. Dalam banyak praktek yang sering kita jumpai, hanya memerlukan beberapa distribusi probailitas yang penting untuk menyatakan banyak perubah acak diskret.
2

Kompetensi:
Setelah mempelajari materi pokok bahasan disini, mahasiswa diharapkan: 1. Mampu menggunakan konsep-konsep dasar teori distribusi probabilitas disket secara benar. 2. Mampu dan terampil dalam melakukan hitungan-hitungan yang berkaitan dengan distribusi Seragam Diskret, distribusi Binomial dan Multinomial, distribusi Hhipergeometrik, dan distribusi Poisson 3. Terampil dalam mengerjakan soal-soal tugas dan latihan.

3

Daftar Isi Materi: • • • • Distribusi Seragam Diskret Distribusi Binomial dan Multinomial Distribusi Hipergeometrik Distribusi Poisson 4 .

..1) Jika perubah acak X mendapat nilai x1.... x 2 . untuk x = x1.1.. maka distribusi probabilitas diskret diberikan 1 oleh: f(x.xk dengan probabilitas yang sama ....k) sebagai pengganti f(x). Distribusi Seragam Diskret Distribusi probabilitas yang paling sederhana adalah yang semua perubah acaknya mempunyai probabilitas yang sama.x 2 ..5..k)=f(x) 1 6 1 6 1 6 4 1 6 5 1 6 6 1 6 5 .1. Distribusi ini disebut distribusi probabilitas seragam diskret. yang menunjukan bahwa distribusi seragam tersebut bergantung pada parameter x Tabel 5. Distribusi proabilitas X x 1 2 3 F(x. Definisi (5.k) = .xk k Lambang f(x..

3. maka X terdistribusi peluang seragam (uniform) yakni f(x. 2.Contoh (5. Jadi jika X menyatakan mata dadu yang muncul. 6 Teorema (5.6)=1/6.k) adalah Mean(X). k i=1 i=1 k ∑ xi k Bukti sbb: 6 . 5. untuk x = 1. maka tiap unsur dalam ruang sampel S={1. 6}.1) Sebuah dadu seimbang dilemparkan satu kali. 5. 4. 2. µ= 1 k σ 2 = 1 ∑ (xi − µ )2 atau σ 2 = E(X2 ) − µ 2 Varian(X).1) Nilai rata-rata (mean) dan variansi distribusi seragam diskret f(x.3 4. Muncul dengan probabilitas 1/6.

5) + ( 2 − 3.Menurut definisi.1) Jawab: 2 2 2 2 2 2 2 = (1 − 3.5) + ( 4 − 3.2) Cari mean dan variansi dari contoh (5. µ = E(X) = ∑ xif(x.5 6 6 = 35 12 7 .5) σ 1+ 2 + 3 + 4 + 5 + 6 µ= = 3.5) + (5 − 3.5) + ( 6 − 3.k) = ∑ (xi − µ )2 ( k ) i=1 k i=1 k ∑ xi k ∑ Contoh (5.k) = ∑ i=1 k k i=1 xi ( 1 ) = 1 k k dan σ 2 = E(X − µ )2 = i=1 k 1 = (xi − µ )2 k i=1 1 ∑ (xi − µ )2 f(x.5) + (3 − 3.

tiap-tiap usaha.5. Tiap-tiap usaha memberikan hasil yang dapat dikelompokan menjadi 2-kategori. Probabilitas kesuksesan tidak berubah dari percobaan satu ke percobaan lainnya. dan tiap-tiap ulangan percobaan bebas satu sama lainnya. Distribusi Binomial dan Multinomial Suatu percobaan yang terdiri atas beberapa usaha. Proses ini disebut proses Bernoulli. 4. Peluang kesuksesan dinyatakan dengan p.2. Jadi proses Bernoulli harus memenuhi persyaratan berikut: 1. Percobaan terdiri atas n-usaha yang berulang 2. 8 . tidak berubah dari satu usaha ke usaha berikutnya. sukses atau gagal 3. memberikan hasil yang dapat dikelompokan menjadi 2kategori yaitu sukses atau gagal. Tiap usaha bebas dengan usaha lainnya.

dan misalkan dianggap menghasilkan 25% barang cacat. Tabel 5. maka P(TCT) = P(T)P(C)P(T) = ( 3 )( 1 )( 3 ) = 9 4 4 4 64 Probabilitas untuk hasil kemunkinan yang lain dilakukan dengan jalan ang sama. diperiksa. Maka banyaknya kesuksesan mer upakan perubah acak X dengan nilai nol sampai 3.2. Misalkan yang cacat disebut cacat.3) Tiga barang diambil secara acak dari hasil produksi pabrik.Contoh (5. 9 . Hasil TTT TCT TTC CTT TCC CTC CCT CCC X 0 1 1 1 2 2 2 3 C=cacat . T=tidak cacat (baik) Karena barang diambil secara acak. dan yang cacat dipisahkan dari yang tidak cacat.

3 Distribusi probabilitas X x 0 1 2 f(x) 27 64 27 64 9 64 3 1 64 Percobaan Binomial Banyaknya X yang sukses dalam n-usaha Bernoulli disebut “perubah acak binomial”. 1 ) = 9 4 64 Selanjutnya menentukan rumus yang memberikan proailitas x sukses dalam n-usaha suatu pecobaan binomial b(x. Jika p menyatakan probabilitas kesuksesan dalam suatu usaha.p).n.p) 10 . 3.n.tabel 5. P(X = 2) = f( 2) = b( 2. dan distribusi dari perubah acak ini disebut “distribusi Binomial”. Karena nilainya bergantung pada banyaknya usaha (n) Misalnya: X= banyaknya barang yang cacat. maka distribusi perubah acak X ini dinyatakan dengan b(x.

1. maka distribusi probabilitas perubah acak binomial X yaitu banyaknya kesuksesan dalam n-usaha bebas adalah  n  x n− x b(x. Tiap kesuksesan dengan probabilitas p dan tiap kegagalan dengan probabilitas q=1-p .p) =   p q x ..n. 2.x = 0. jumlah ini n dinyatakan sebagai  x Karena pembagian tersebut saling terpisah    n  x n− x (bebas) maka probabilitasnya adalah   p q x Suatu usaha bernoulli dapat menghasilkan kesuksesan dengan probabilitas p dan kegagalan dengan probabilitas q=1-p.. sehingga x hasil ada pada kelompok pertama dan sisanya n-x pada kelompok kedua.n 11 . Banyaknya cara untuk memisahkan n-hasil menjadi dua kelompok...Probabilitas x kesuksesan dan n-x kegagalan dalam urutan tertentu..

2 : n=3 dan 4  3 b(x.p) = 1 12 n .n.p=1 Suatu cara penyajian yang lain dari tabel 5. 1 ) =   p x q3− x . Jawab: Misal tiap pengujian saling bebas 3 ) =  4  ( 3 )2 ( 1 ) = 4 ! 32 = 27 b( 2. Hitung probabilitas bahwa tepat 2 dari 4 suku cadang yang diuji tidak akan rusak. 4. 3.4) Suatu suku cadang dapat menahan uji guncangan tertentu dengan probabilitas 0. 2. 3 4 x Contoh (5.  2 4 4 4 2! 2! 42 128   Catatan: x =0 ∑ b(x.x = 0.75.1.

15.5) Probabilitas seseorang sembuh dari penyakit jantung setelah operasi adalah 0. Bila diketahui 15 orang menderita penyakit ini.0338 Jadi probabilitas sekurang-kurangnya 10 orang sembuh = 0. tepat 5 orang yg sembuh Jawab: Mis: X = menyatakan banyaknya orang yg sembuh Diket : p = 0.4) ← lihat tabel = 1 − 0.4. 0.4 n = 15 a). berapa peluang: a). sekurang-kurangnya 10 orang dpt sembuh b). ada 3 sampai 8 orang yg sembuh c).9662 = 0.0338 13 .Contoh (5. P(X ≥ 10) = 1 − P(X < 10) = 1 − [ P(X = 0) + P(X = 1) + P(X = 9)] =1− 9 x =0 ∑ b(x.

0.1859 Jadi probabititas tepat 5 orang yang sembuh = 0.4) − ∑ b(x. 0.8779 Jadi probabilitas terdapat 3 sampai 8 orang yg sembuh = 0.15.8779 c) P(X = 5) = b(5.15.15.4) ← lihat tabel x =0 5 4 = 0.4032 .0271 = 0. 0. 0.0.4) − ∑ b(x.4) = P(X ≤ 5) − P(X ≤ 4) = x =0 ∑ b(x. 0.2173 = 0.4) ← lihat tabel x =0 8 2 = 0.9050 − 0.1859 14 .b) P(3 ≤ X ≤ 8) = P(X ≤ 8) − P(X ≤ 2) = x =0 ∑ b(x.15.15.

0..0271 15 . 0....15.15. p=0..4 .4) = 0.4) = 0..0271 .4 Cara menggunakan tabel binomial n r 0.9050 0. b(x... p 0.. 9 8 : b(x.9662 0..Tabel 5.4 → x =0 x =0 15 2 ∑ ∑ x =0 ∑ b(x.4) = 0.9662 ..9050 Untuk : n=15.01 15 1 2 : : : 8 9 0... 0..15.

4) [1] 0.4) [1] 0.4) [1] 0.15.0.9661667 > pbinom(8. langkahnya sbb: > pbinom(9.4032156 > pbinom(4.p) mempunyai rata-rata dan variansi sbb: µ = np dan σ 2 = npq 16 .15.0.4) [1] 0.n.0.15.2172777 Teorema(5.0.9049526 > pbinom(2.Cara lain mencari nilai distribusi Binomial: Gunakan software R .4) [1] 0.15.027114 > pbinom(5.15.0.2) Distribusi Binomial b(x.

794 dan µ − 2σ = 2.4) = 6 2 dan σ = (15)(0.6 diketahui n=15 dan p=0.4 Diperoleh: µ = (15)(0.206 Jadi.5) kemudikan gunakan teorema chebyshev untuk menafsirkanselang µ ± 2σ Jawab: Dari contoh 5. selang yang ditanakan adalah dari 2.897 Menggunakan teorema Chebyshev µ ± 2σ adalah µ + 2σ = 9.794 17 .6) Tentukan mean dan variansi dari contoh (5.Contoh (5.6 σ = 1.6) = 3.4)( 0.206 sampai 9.

... Xk yang menyatakan banyaknya kejadian E1...x 2 ....Ek Dengan probabilitasnya p1..x 2 .xk  Dengan ∑ xi = n i=1 k dan ∑ pi = 1 i=1 18 k ......p2 ...p2 .E2 ...pk maka distribusi perubah acak X1..... dan masih bisa diperbaiki.. cacat... Misalnya hasil produksi pabrik dapat dikelompokan menjadi barang baik... X2 .n) =   p1 p2 .Ek Dalam n-usaha bebas adalah n   x1 x 2 xk f(x1..p k  x1...E2 ...pk .xk.Percobaan Multinomial Percobaan binomial akan menjadi percobaan multinomial jika tiap usaha dapat memberikan lebih dari 2 hasil yang mungkin.. Bila suatu usaha dapat menghasilkan k macam hasil E1.p1..

2 . dan kominasi lainnya 3 kali? Jawab: Misal: E1= muncul jumlah 7 atau 11 → p(E1)=2/9 E2= muncul pasangan bilangan yang sama → p(E2)=1/6 E3= muncul selain E1 maupun E2 → p(E3)=11/18 Nilai initidak berubah dari ke6-usaha. 3. berapa probabilitas akan mendapatkan jumlah 7 atau 11 muncul dua kali. x2=1 dan x3=3 diperoleh:  6  2 2 1 1 11 3 f( 2. Menggunakan distribusi multinomial dengan x1=2. 3  9 6! 4 1 113 = 2 !1! 3! 81 6 183 ( ) ( )( ) = 0. 11 . 6) =   9 6 18 6 18  2.1.7) Dua buah dadu dilantunkan 6 kali.1. sepasang bilangan yang sama satu kali.Contoh(5. 1 .1127 19 .

Distribusi hipergeometrik mempunyai sifat: 1. Misalnya distribusi binomial diterapkan pada sampling dari sejumlah barang (sekotak kartu.3. 2. Sebaliknya distribusi hipergeometrik tidak memerlukan kebebasan dan didasarkan pada sampling tanpa pengembalian. Sampel acak berukuran n yang diambil tanpa pengembalian dari N benda. Sebanyak k-benda dapat diberi nama sukses dan sisanya N-k 20 . Penggunaan distribusi ini hampir sama dengan distribusi binomial.5. sejumlah hasil produksi) sampling harus dikerjakan dengan pengembalian setiap barang setelah diamati. Distribusi Hipergeometrik Perbedaan distribusi binomial dengan distribusi multinomial terletak pada cara pengambilan sampelnya.

Distribusi Hipergeometrik Distribusi probabilitas perubah acak hipergeometrik X yang menyatakan banyaknya kesuksesan dalam sampel acak dengan ukuran n yang diambil dari N-obyek yang memuat k sukses dan N-k gagal dinyatakan sebagai:  k  N−k   x  n − x   . x = 0... Jawab: 21 ..1. 2.n h(x.8) Suatu panitia 5 orang dipilih secara acak dari 3 kimiawan dan 5 fisikawan.. Hitung distribusi probabilitas banyknya kimiawan yang duduk dalam panitia.N..n...k) =   N n   Contoh (5.

3) = = 1 56 8 5 3 5 1 4 x = 1 → h(1.Misalkan: X= menyatakan banyaknya kimiawan dalam panitia. 3) = = 30 .2. 3) = = 15 56 8 5 ( )( ) () ( )( ) () 3 5 2 3 x = 2 → h( 2.3} Distribusi probabilitasnya dinyatakan dengan rumus 3 5 ( x )( 5−x ) h(x. 8.1. x = 0. 56 8 5 3 5 . 5. 5. 5.3) 0 1 56 1 15 56 2 30 56 3 10 56 22 .8.6 Distribusi hipergeometrik x h(x. 8. 8. X={0. 3 3 5 0 5 x = 0 → h( 0. 8.5.1. 3) = ( 8) 5 . x = 3 → h(3. 2. 8. 5. 5. 3) = 3 2 = 10 56 8 5 ( )( ) () ( )( ) () Tabel 5.

491 dan µ − 2σ = −0. 375 dan σ = 39 (5) 40 1 − 40 = 0.N.9) Tentukan mean dan variansi dari contoh (5.8) kemudikan gunakan teorema chebyshev untuk menafsirkanselang µ ± 2σ Jawab: Dari contoh 5.741 sampai 1.k) mempunyai rata-rata dan variansi sbb: 2 N−n (n)( k )(1 − k ) µ = nk dan σ = N N−1 n n Contoh (5. 741 Jadi.8 diketahui n=15 dan p=0. selang yang ditanakan adalah dari -0.491 23 . 3113 ( ) ( )( ) Menggunakan teorema Chebyshev µ ± 2σ adalah µ + 2σ = 1.4 (5)(3) 3 2 40 −5 3 3 Diperoleh µ = 40 = 8 = 0.n.3) Distribusi hipergeometrik h(x.Teorema(5.

2) x =0 24 3 2 = 0. Jadi probabilitas mendapat h(3 3 ban cacat: tepat. 0.10) Suatu pabrik ban mempunyai data bahwa dari pengiriman sebanyak 5000 ban ke sebuah toko tertentu terdapat 1000 cacat. Jawab: Karena n=10 cukup kecil dibandingkan N=5000.2 adalah probailitas mendapat satu ban.Contoh (5. 2013 .10.10. 6778 = 0. 0. 5000. 8791 − 0.10. maka probabilitasnya dihampiri dengan binomial dengan p= 10/5000= 0.1000) = b(3. berapa probabilitasnya memuat tepat 3 yang cacat.2) = x =0 ∑ b(x.2) − ∑ b(x. 0. Jika ada seseorang membeli 10 ban ini secara acak dari toko tersebut.10.

5000.2) [1] 0.10.Jika dihitung dengan software R > phyper(3. 6777995 = 0.0. 0.10.6777995 Jadi probabilitas mendapat tepat 3 ban cacat adalah h(3.2) [1] 0.2) = 0. 2013266 25 .0.8791261 > pbinom(2.5000. 8791261 − 0.10.1000) = b(3.10.10.1000) # tidak bisa menghitung [1] 0 Dihitung dengan pendekatan distribusi binomial > pbinom(3.

Banyaknya kesuksesan yang terjadi dalam suatu daerah (selang) waktu tertentu independen dengan daerah lainya. Probabilitas sukses dalam daerah/selang yang kecil tidak tergantung banyaknya sukses yang terjadi diluar selang. 2. Proses poisson memiliki sifat-sifat berikut: 1. 3.5. λ t) . Jika X perubah acak poisson maka distribusi poisson ini dinyatakan dengan p(x. Distribusi Poisson Percobaan yang menghasilkan prubah acak X ynag menyatakan banyaknya hasil selama dalam selang waktu/daerah tertentu disebut “distribusi poisson”.4. Peluang terjadinya lebih dari satu sukses dalam daerah yang sempit diabaikan. dimana λ t adalah rata-rata hasil 26 .

....1.71828 dan λ t menyatakan rata-rata banyaknya sukses yang terjadi per satuan waktu. Pelabuhan tersebut hanya mampu menampung paling banyak 15 Tanker perhari. λ t) = . Misalkan µ = λ t . 2. x! dimana: e=2.x = 0.1 sampai 18 diberikan pada tabel Poisson..Distribusi perubah acak Poisson X yang menyatakan banyaknya kesuksesan yang terjadi dalam suatu selang waktu/daerah tertentu t. Atau dengan bantuan software R Contoh (5. untuk beberapa nilai tertentu dari 0.11) Rata-rata banyaknya Tanker minyak yang tiba tiap hari di suatu pelabuhan adalah 10. dinatakan: e−λ t ( λ t)x p(x. Berapa probabilitas pada suatu hari tertentu Tanker terpaksa pergi karena pelabuhan penuh dan tidak mampu melayani. 27 .

9512596 28 .10) ← tabel 15 = 1 − 0.9512596 15 x =0 Artinya: ∑ p(x. . 3.10) = 0. . . jika tidak menggunakan tabel.0487 Jadi peluang pd suatu hari tertentu Tanker terpaksa pergi = 0.Jawab: Misalkan: X = banyaknya Tanker minyak yg tiba tiap hari X = {1. . . 2.9513 = 0. . langkahnya sbb: > ppois(15. 15} Maka P(X > 15) = 1 − P(X ≤ 15) = 1 − x =0 ∑ p(x.0487 • Cara lain. gunakan program R.10) [1] 0.

4) Distribusi poisson p(x.1042 6! x =0 x =0 µ + 2σ = 8 dan µ − 2σ = 0 µ = λ t = 4 dan σ 2 = 4 x = 6. berapa probabilitas 6 partikel melewati penhtung it dalam 1 milidetik µ ± 2σ tertentu. tabel = p(x. 7851 = 0. Kemudikan gunakan teorema chebyshev untuk menafsirkanselang Jawab: 6 5 e−4 ( 4)6 dari 4) = poisson dengan4) − diperoleh p(6. 4) = 0. λ t) mempunyai rata-rata dan variansi µ = λ t dan σ 2 = λ t sbb Contoh (5. µ = λ t = 4 ∑ ∑ dari diperoleh 29 . p(x.12) Rata-rata banyaknya partikel radio atif yang meleati suatu penghiung selama 1 milidtik dalam suatu percobaan di laoratoium adalah 4. 8893 − 0.Teorema(5.

.7..8893 x =0 ∑ p(x...7851304 → x =0 ∑ p(x. 4) = 0. 1 0 1 : : : 5 6 : : Untuk n=15.4) [1] 0...0 ..8893 .... Cara menggunakan tabel Poisson r 0...4.7851 0.. 4) = 0. µ 4. menggunakan tabel diperoleh: 16 5 6 0.Tabel 5.. Meggunakan R: > ppois(6.7851 30 .4) [1] 0.889326 > ppois(5. p=0.

Teorema(5.001 dihampiri dengan distribusi poisson dengan µ = (8000)(0. µ ) Contoh (5. 001) = 8 diperoleh menggunakan tabel: 31 . Jika n→ ∞ . p=0. terjadi gelembung(cacat) yang kadang menyebabkan sulit dipasarkan.p) → p(x.12) Dalam suatu proses produksi yang menghasilkan barang dari gelas. p → 0 dan µ = np tetap sama maka b(x.5) Misalkan X perubah acak binomial dengan distribusi probabilitas b(x.n. Berapa probailiasnya bahwa dalam sampel acak sebesar 8000 barang akan erisi kurang dari 7 yang bergelembung? Jawab: n=8000.n.p). Jika diketahui rata-rata 1 dari 1000 barang yang dihasilkan mempunyai satu atau lebih gelembung.

8000.3133743 x =0 32 .8) = 0.3132521 > ppois(6.3132521 ∑ p(x. 3134 x =0 6 6 Jika tidak menggunakan tabel.P(X < 7) = x =0 ∑ b(x.001) = 0.8000.001) [1] 0.8000. 0. langkahnya > pbinom(6. 0. gunakan R.3133743 Diperoleh: 6 Dan x =0 6 ∑ b(x.0.8) [1] 0.8) = 0.001) = ∑ p(x. cara lain.

Sign up to vote on this title
UsefulNot useful