2. Distribusi litas
6- 2
Bab Enam
Probabi Diskrit
TUJUAN
Setelah mempelajari bab ini diharapkan saudara dapat:
SATU
Mendefinisikan istilah variabel random dan distribusi
probabilitas.
DUA
Membedakan
kontinyu.
TIGA
antara distribusi probabilitas diskrit dan
Menghitung rata-rata, varian, dan standart deviasi distribusi
probabilitas diskrit.
3. 6- 3
Bab Enam Lanjutan
EMPAT
Menjelaskan karakteristik dan menghitung probabilitas
menggunakan probabilitas distribusi binomial.
LIMA
Menjelaskan karakteristik dan menghitung probabilitas
menggunakan distribusi poison.
4. ribusi s
ribusi as
ipe
bel
6- 4
Distribusi
Probabilitas T Distribusi
Probabilitas
D a f t a r
k e m u n
h a s i l
s e m u a
g k i
d
n a n
a r i
dan
g a n
Dist
Dapat
Probabilia Diskrit
mengasumsikan hanya
nilai tertentu
p erco b a a n
b e r h u b u n
d e n g a n Dist Probilit Kontinyu
k em u n gk i n an .
Cdapat mengasumsikan jumlah tak
terhingga dalam range tertentu
Varia Random
Nilai numerik
yang ditentukan
oleh hasil dari
percobaan.
Types of Probability Distributions
5. 6- 5
Variabel Discrete
Variabel diskrit adalah
variabel yang satuannya
selalu utuh (tidak bisa
pecahan)
Variabel Continue
Variabel kontinyu adalah
variabel yang satuannya
bisa pecahan)
Misalnya: Berat gula,
panjang benang, dsb.
Misalnya:
binatang,
Manusia, mobil,
bola, dsb.
Perbedaan Variabel Discrete dan Variabel Continue
7. as ribusi
6- 7
Probabilit Dist Diskrit
Jumlah
mahasiswa dalam
satu kelas
Jumlah mobil
yang masuk
cucian dalam satu
jam
Jumlah
satu
anak dalam
keluarga
Features of a Discrete Distribution
Nila
probabilitas
berkisar antara
0 sampai
dengan 1.
Hasil bersifat
mutuali
ekslusif.
Jumlah dari
berbagai
probabilitas
menghasilkan
nilai 1.00.
8. Sebuah koin dilempar
sebanyak 3 kali secara
a c a k . J i k a H
menggambarkan head
k e p a l a d a n T
menggambarkan tail
( p i l a r ) .
6- 8
Kemungkinan hasil dari
percobaan adalah:
TTT, TTH, THT, THH,
HTT, HTH, HHT, HHH
Sehingga
kemungkinan
muncul kepala
adalah 0,1,2,3.
Berdasarkan definisi
d a r i v a r i a b e l
r a n d o m , x
didefiniskan sebagai
random, random
v a r i a b l e .
Example 1
9. EXAMPLE 1 continued
Hasil dua 6- 9
kepala
muncul tiga
kali.
Hasil satu kepala
muncul satu kali.
Hasil
muncul
Hasil tiga satu
kepala kepala
muncul satu sebanya
kali k tiga
kali.
10. 6- 10
Jika dua mata uang yang mempunyai dua permukaan yang simetris
dilemparkan ke atas satu kali (sama dengan dengan satu mata uang
dilemparkan dua kali).
adalah:
Permukaan yang dapat muncul dari pelemparan itu
Baik mata uang pertama maupun kedua menghasilkan permukaan
semua.
Mata uang pertama menghasilkan A sedangkan mata uang kedua
menghasilkan B
Mata uang pertama menghasilkan B sedangkan mata uang kedua
menghasilkan A
Baik mata uang pertama maupun kedua menghasilkan permukaan
semua.
A
B
CONTOH:
11. Rata-
[xP(x)]
6- 11
rata
Lokasi pusat data
Berkaitan dengan
harapan, E(X), dalam
distribusi probabilitas
Rata-rata tertimbang
Dimana
menggambarkan rata-rata
P(x) menggambarkan
berbagai hasil x. The Mean of a Discrete
Probability Distribution
12. 2
[(x )2
P(x)]
6- 12
Variance
Dilambangkan dengan
s2
(sigma squared)
Mengukur jumlah
penyimpangan
(variation) dalam
distribusi
Standard deviation
adalah akar kuadrat
dari s2.
The Variance of a Discrete
Probability Distribution
13. # Rumah # Minggu Persen
yang Dicat Minggu
10 5 25 (5/20)
11 6 30 (6/20)
12 7 35 (7/20)
13 2 10 (2/20)
Total persen 100
(20/20)
6- 13
Physics
Jono pemilik usaha pengecetan, mempelajari catatan
selama
d i c a t
20 minggu yang lalu
p a d a
jumlah
t a b e l
rumah yang
t e r l i h a t b e r i k u t :
14. # Rumah Probabilita
yang di cet s x*P(x)
(x) P(x)
10 .25 2.5
11 .30 3.3
12 .35 4.2
13 .10 1.3
11.3
6- 14
Rata-rata
jumlah rumah di
di cet per
minggu
EXAMPLE 2
[xP(x)]
15. # Rumah di Probabilitas (x-
cet (x) P(x) (x- (x- P(x)
10 .25 10-11.3 1.69 .423
11 .30 11-11.3 .09 .027
12 .35 12-11.3 .49 .171
13 .10 13-11.3 2.89 .289
.910
6- 15
2
[(x )2
P(x)]
Varian jumlah rumah di cat
per minggu
16. Distribusi obabilitas
Jumlah hasil
percobaan
diklasifikasikan
menjadi dua
bersifat mutuali
eklusif, seperti
sukses atau
gagal.
Data
dikumpulka
n dari hasil
perhitungan
Kemungkina
n sukses
sama untuk
setiap
percobaan
Percobaan bersifat bebas.
6- 16
Pr Binomial
Binomial Probability
Distribution
17. 6- 17
Distribusi Binomial: Adalah salah satu distribusi teoritis
dengan variabel random discrete. Distribusi binomial kadang-
kadang disebut sebagai distribsusi Bernaulli.
Ciri-ciri percobaan binomial:
Tiap percobaan memiliki dua hasil yaitu sukses dan gagal.
Percobaan sukses pada
dinyatakan dengan p.
Setiap percobaan harus
Jumlah percobaan yang
binomial harus tertentu.
tiap percobaan harus sama dan
sama dengan p
merupakan komponen eksperimen
DISTRIBUSI BINOMIAL
18. Distribusi obabilitas
x n x
P(x)n Cx (1 )
nCx n!
x!(n-x)!
6- 18
Pr Binomial
n adalah jumlah percobaan
x jumlah pengamatan sukses
p kemungkinan sukses untuk setiap
percobaan
Binomial Probability
Distribution
19. P(x 3)14 C3 (.20)3
(.80)11
...14C14 (.20)14
(.80)0
.250 .172 ... .000 .551
P(3)14 C 3(.20)3
(1 .20)11
(364 )(.0080 )(.0859 )
.2501
6- 19
Departemen tenaga kerja
melaporkan bahwa 20%
angkatan kerja adalah
menganggur. Dari 14
Berapa yang
mengganggur
minimal tiga ?
angkatan kerja.
Berapa kemungkinan
yang menggangur
tepat 3 ?
20. P(x 1) 1P(0)
114 C0 (.20)0
(1.20)14
1.044.956
6- 20
Kemungkinan minimal satu orang yang menganggur ?
Example 3
21. 6- 21
Benda
Diambil
yang dihasilkan oleh mesin ternyata
tersebut
10% rusak.
secara random dari produksi sebanyak 10
buah untuk diselidiki. Berapa probabilitas dari benda yang
diselidiki itu terdapat:
Tidak ada yang rusak
Satu rusak
Paling sedikit satu rusak
Paling banyak dua rusak
Jawab:
n=10, p=0,10
22. Rata-rata distribusi
n
2
n(1)
arian distribusi
6- 22
binomial
V binomial
Mean & Variance of the Binomial
Distribution
23. 6- 23
Jika =.2 dan n=14
= n = 14(.2) = 2.8
2 = n (1- ) = (14)(.2)(.8) =2.24
Mean and Variance Example
24. lasi yang
6- 24
Popu terbatas
Populasi berisi Jumlah
mahasiswa
dalam kelas
sekumpulan individu
Jumlah mobil di
tempat parkir
Jumlah rumah di
Purwokerto
Finite Population
25. Distribusi obabilitas
x
eu
P(x)
x!
= np
6- 25
Pr Poisson
Dimana
n
p
=jumlah percobaab
=kemungkinan sukses
Variance
Akan sama
dengan np
Poisson probability
distribution
dimana
rata-rata jumlah sukses dalam
interval tertentu
e =kosntanta 2.71828
x =jumlah yang sukses
26. 6- 26
Distribusi poisson: Disebut sebagai distribusi peristiwa yang
jarang terjadi (distribution of rare event) adalah distribusi
keumungkinan teoritis dengan variabel random discrete.
Distribusi ini dianggap sebagai pendekatan pada distribusi
binomial jika n (banyaknya percobaan) besar, sedangkan p
(probabilitas kecil).
DISTRIBUSI POISSON
27. x
eu 2
e4
P(x) 4 .1465
x! 2!
6- 27
Pada UGD suatu rumah
sakit menunjukkan
bahwa . Pada suatu
hari dari jam 6-10
malam jumlah yang
masuk UGD 4.0 per
jam. Berapa
kemungkinan 2 dua
yang datang dalam satu
jam?
EXAMPLE 6
28. 6- 28
Sebuah mobil diiklankan di koran untuk dijual. Surat kabar
tersebut mempunya pembaca sebanyak 100.000 orang. Jika
kemungkinan seorang akan membalas iklan tersebut adalah
0,00002 ditanyakan:
Berapa orang diharapkan akan membalas iklan tersebut ?
Berapa kemingkinan bahwa yang membalas iklan tersebut
hanya satu orang ?
Berapa kemungkinan tidak ada yang membalas ?
CONTOH:
29. 6- 29
Apabila probabilitas bahwa seseorang akan mati terkena
penyakit TBC adalah 0,001. Dari 2000 orang penderiata
penyakit tersebut, berapa probalilitas:
Tiga orang akan mati?
Yang mati tidak lebih dari satu orang?
Lebih dari dua orang mati ?
CONTOH: