BAHAN AJAR STATISTIKA (110111062)

Distribusi Probabilitas
Disusun oleh:

Eddy Winarno

FAKULTAS TEKNOLOGI MINERAL UPN VETERAN YOGYAKARTA 2009

Pokok Bahasan : Distribusi Probabilitas

Sub Pokok Bahasan Pertemuan ke Waktu I. PENDAHULUAN

: Distribusi Probabilitas Diskrit dan Kontinu :V : 150 menit (3 SKS)

Teori peluang atau probabilitas, yang membahas tentang ukuran atau derajat ketidakpastian suatu peristiwa, dapat disusun dalam suatu distribusi. Distribusi peluang tersebut dapat menjelaskan bagaimana kecenderungan nilai peluang suatu variabel mengikuti suatu model distribusi. Terdapat dua model distribusi peluang yakni distribusi peluang diskrit untuk variabel diskrit, dan model distribusi peluang kontinu untuk variabel kontinu. Pada pokok bahasan ini akan dibahas tentang distribusi peluang diskrit yakni distribusi binomial, multinom, hipergeometrik dan poison. Juga dibahas tentang distribusi peluang kontinu yakni distribusi normal, student-t, distribusi chi-square dan distribusi F. A. Deskripsi Mata Kuliah Pemahamam tentang macam-macam variabel (diskrit atau kontinu) merupakan unsur terpenting dalam menentukan model distribusi probabilitas. Setiap model distribusi probabilitas mempunyai ciri-ciri khusus atau persyaratan khusus sesuai dengan permaslahan yang ada di lapangan. B. 1. 2. normal Kompetensi Khusus Setelah selesai kuliah ini diharapakan mahasiswa mampu : Memahami konsep teori distribusi probabilitas Menghitung peluang suatu distribusi peluang

3. Menganalisis variabel mengikuti suatu distribusi khususnya distribusi

II.

MATERI

DISTRIBUSI PROBABILITAS
Peluang suatu peristiwa pada umumnya mengikuti suatu distribusi tertentu sesuai dengan macam variabelnya, yang dinamakan sebagai distribusi probabilitas (peluang). Ada 2 (dua) macam distribusi probabilitas yaitu distribusi probabilitas diskrit dan distribusi probabilitas kontinu. 1. Distribusi Probabilitas Diskrit Misal dilakukan undian dengan tiga buah mata uang (gambar,G, dan huruf, H), maka ruang sampel yang terbentuk adalah GGG, GGH, GHG, HGG, HHG, HGH, GHH, HHH. Jika : X = banyak muka G yang muncul dimana X = 0,1,2,3 P(X) = peluang muncul muka G maka dari ruang sampel tersebut dapat disusun peluangnya sebagai berikut : X 0 1 2 3 Jumlah dengan : X = banyak muka G yang muncul dimana X = 0,1,2,3 P(X) = peluang muncul muka G Simbol X di atas yang memiliki peluang, bersifat variabel dan hanya memiliki harga-harga 0,1,2,3, ........ Variabel demikian, dimana untuk tiap harga variabel terdapat nilai peluangnya, disebut variabel acak diskrit . Jumlah peluang pada tabel di atas selalu sama dengan satu, maka dikatakan bahwa distribusi peluang untuk variabel acak X telah terbentuk dan dinamakan distribusi peluang variabel acak X. P(X) 1/8 3/8 3/8 1/8 1

Definisi : variabel acak diskrit X menentukan distribusi peluang apabila untuk nilai-nilai X = x1, x2, x3, ...... , xn terdapat peluang p(xi) = P(X=xi) sehingga :
n

p( x ) = 1
i =1 i

Dibaca : p(x) merupakan fungsi peluang untuk variabel acak X pada harga X = x. Selanjutnya untuk
n

sebuah

variabel

acak

dapat

ditentukan

nilai

ekspektasinya (jika ada) dengan rumus :

E ( X ) = xi . p( xi )
i =1

E(X) = ekspektasi variabel acak X, merupakan nilai rata-rata untuk variabel acak X. Contoh soal : Pengamatan memperlihatkan bahwa banyak kendaraan yang melalui sebuah tikungan setiap menit mengikuti distribusi peluang sebagai berikut : Banyak kendaraan peluang 0 0,01 1 0,05 2 0,10 3 0,28 4 0,22 5 0,18 6 0,08 7 0,05 8 0,03

Peluang paling sedikit ada 3 kendaraan yang melalui tikungan sebesar : = 1 (0,01 + 0,05 + 0,10) = 0,84 Rata-rata banyak kendaraan per menit yang melewati tikungan tersebut : = (0)(0,01) + (1)(0,05) + (2)(0,10) + (3)(0,28) + (4)(0,22) + (5)(0,18) + (6)(0,08) + (7)(0,05) + (8)(0,03) = 3,94 Jadi ada 394 kendaraan yang melewati tikungan setiap 100 menit.

a.

Distribusi Binomial Jika sebuah eksperimen yang hanya menghasilkan dua peristiwa, misal peristiwa A dan peristiwa bukan A atau , dengan P(A) = p = peluang terjadinya peristiwa A, dan pada tiap percobaan dengan P(A) tetap

harganya yang dilakukan berulang-ulang, maka percobaan tersebut dinamakan sebagai percobaan Bernoulli. Jika percobaan Bernoulli dilakukan sebanyak N kali secara independen, k diantaranya menghasilkan peristiwa A dan sisanya (N-k) peristiwa , maka peluang terjadinya peristiwa A sebanyak k kali diantara N dirumuskan sebagai berikut :

p ( k ) = B ( X = k ) = C kN . p k .(1 p ) N k
dengan : k = 0,1,2, ..... N
CkN = N! k!.( N k )!

; 0 < p < 1 ; dan ; N ! = N(N-1)(N-2)(N-3) ....... 1. 0! = 1

(N ! dibaca N faktorial). Pada distribusi binomial terdapat parameter (rata-rata populasi) dan (simpangan baku populasi) dengan rumus : = N.p Contoh soal : 10% dari semacam benda tergolong ke dalam kategori A. Sebuah sampel berukuran 30 telah diambil secara acak. Berapa peluang sampel itu akan berisikan kategori A : a. Tepat dua buah b. Paling sedikit satu buah c. Rata-rta terdapatnya kategori A Jika maka :
30 (10%) 2 .(1 10%)30 2 = 0,2270 a. Tepat dua buah kategori A = P(A=2) = C2

dan

= N . p.(1 p )

P(A) = p = 10% dan n = 30

b. Paling sedikit satu buah = P(A 2) = 1- P(A=1) = 1 - C130 (10%)1.(1 10%)30 1 = 1 - 0,0423 = 0,9577 c. Rata-rata terdapatnya kategori A = N.p = 30.(10%) = 3 b. Distribusi Multinomial Perluasan dari konsep distribusi binomial dinamakan sebagai distribusi multinomial.

Misalkan sebuah eksperimen menghasilkan peristiwa-peristiwa E 1, E2, .... , Ek dengan peluang p1, p2, .... , pk dan p1+ p2 + .... + pk = 1 dilakukan percobaan sebanyak N kali terdapat x 1 peristiwa E1 , x2 peristiwa E2 , ............. xk peristiwa Ek maka distribusi multinomial ditentukan oleh :
p ( x1 , x2 ,......., xk ) = N! x2 xk . p1x1 . p2 .... pk . x1!.x2 !.....xk !

Dengan : x1 + x2 + .... + xk = N dan p1 + p2 + ... + pk = 1 Parameter rata-rata dan simpangan baku populasi untuk distribusi multinomial didefinisikan sebagai : i = N.pi Contoh soal : Sebuah dadu dilempar sebanyak 12 kali, maka peluang didapat mata 1, mata 2, ... , mata 6 masing-masing terdapat 2 kali adalah : 12! (1 / 6) 2 .(1 / 6) 2 .(1 / 6) 2 .(1 / 6) 2 .(1 / 6) 2 .(1 / 6) 2 = 0,0034 2!.2!.2!.2!.2!.2! c. Distribusi Hipergeometrik Misalkan ada sebuah populasi berukuran N, diantaranya terdapat D buah kategori tertentu. Dari populasi ini sebuah sampel acak diambil berukuran n. Pertanyaannya adalah berapa peluang dalam sampel itu terdapat x buah termasuk kategori D ?. Untuk menjawab pertanyaan di atas ditentukan oleh distribusi hipergeometrik yang dirumuskan sebagai berikut : dan
i = N . pi .(1 pi )

h( x) =

D C xD .CnN x CnN

dengan : x = 0,1,2,3,..., n

Rata-rata untuk distribusi hipergeometrik adalah = n.D/N Contoh soal : Sekelompok manusia terdiri atas 50 orang dan 3 diantaranya lahir pada tanggal 12 Oktober. Secara acak diambil 5 orang, berapa peluangnya diantara 5 orang tersebut a. tidak terdapat yang lahir pada tanggal 12 Oktober b. terdapat tidak lebih dari seorang yang lahir pada tanggal 12 oktober Jika : x = banyak orang diantara 5 yang lahir pada tanggal 12 Oktober

N = 50 maka :

D = 3 (lahir pada tanggal 12 Oktober)

a. Peluang tidak terdapat yang lahir pada tanggal 12 Oktober

h ( x = 0) =

3 50 3 C0 .C5 0 = 0,724 50 C5

b. Peluang tidak lebih dari seorang yang lahir pada tanggal 12 oktober

h ( x = 0) =
d.

3 50 3 50 3 C0 .C5 C13 .C5 0 1 h ( x = 1 ) = = 0,724 + 0,253 = 0,977 + 50 50 C5 C5

Distribusi Poisson Variabel acak diskrit X dikatakan mempunyai distribusi poisson jika fungsi peluangnya berbentuk :
p ( x) = P ( X = x) = e .x x!

Dengan : X = 0, 1, 2, ... = bilangan tetap Sedangkan parameter rata-rata dan simpangan baku populasi ditetapkan sebagai berikut : = dan = 0,5 e = konstanta bilangan alam = 2,718282

Distribusi poisson berlaku untuk kejadian dengan peluang sebuah peristiwa yang dalam area kesempatan tertentu diharapkan terjadinya jarang. Distribusi poisson dapat pula dianggap sebagai pendekatan kepada distribusi binomial, dengan N besar dan peluang p sangat kecil atau mendekati nol. Dipakai pendekatan poisson jika N 50 sedangkan N.p < 5 Contoh soal : Misalkan rata-rata 1,4 orang buta huruf untuk setiap 100 orang. Sebuah sampel berukuran 200 telah diambil. Peluang tidak terdapat orang yang buta huruf adalah : Jika : jadi : x = banyak buta huruf per 200 orang, maka = (1,4)(200) = 2,8

p ( x = 0) = P( X = 0) =

e 2 ,8 .(2,8)0 = 0,0608 0!

2. Distribusi Peluang Kontinu Variabel acak yang tidak diskrit disebut variabel acak kontinu, yang dibatasi oleh range tertentu (misal : - < x < ), maka fungsi densitas f(x) yang menghasilkan peluang untuk harga-harga x berlaku :

f ( x ).dx

= 1

Maka untuk menentukan peluang bahwa harga X = x antara batas a dan b, digunakan rumus :

P (a < X < b) = f ( x ).dx

a

Ekspekstasi untuk variabel acak kontinu X ditentukan oleh :

E ( X = x ) = x. f ( x ).dx
a

Contoh soal : Masa pakai, dinyatakan dengan X, untuk suatu alat dapat dilukiskan oleh fungsi densitas eksponensial dengan persamaan : f ( x) = 1 1 / 2. x .e , x 0 dalam bulan 2

Tentukan peluang sebuah alat demikian yang dapat dipakai selama : a. antara 3 dan 3 bulan b. lebih dari 3 bulan maka :
3, 5

a. antara 3 dan 3 bulan = P(3 < X < 3 ) =

0,0493

2.e
3

0 , 5. x

.dx = e 1 / 2

3, 5 3

b. lebih dari 3 bulan = P(3 < X < ) =

2 .e
3

0 , 5. x

1/ 2 .dx = e

= 0,2231

a. Distribusi Normal Distribusi normal disebut juga sebagai distribusi Gauss merupakan distribusi yang paling banyak digunakan.

Jika variabel acak kontinu X mempunyai fungsi densitas pada X = x dengan persamaan :
1 x

f ( x) =

( 1 .e 2 2

)2

-<x<

dengan : = konstanta dengan nilai = 3,1416 e = bilangan alam = 2,7183 = rata-rata distribusi = simpangan baku distribusi maka dikatakan variabel acak kontinu X berdistribusi normal. Sifat-sifat penting distribusi normal : grafiknya selalu berada di atas sumbu datar x bentuknya simetrik terhadap x = mempunyai satu modus, kurva unimodal, tercapai pada x = grafiknya berasimtot pada sumbu datar x dimulai dari x = - 3 sampai dengan x = + 3 luas daerah grafik selalu sama dengan satu unit persegi

Peluang harga variabel acak kontinu X pada batas antara a dan b dinyatakan sebagai P(a < X < b) = Untuk mempermudah menjadi
b b 1 x 2 ( ) 2

f ( x )dx =
a

.e

.dx
distribusi yaitu normal dengan

perhitungan distribusi

peluang,

ditransformasi

normal

standar

mengurangi variabel X dengan dan kemudian dibagi dengan , sehingga didapat transformasi Z yakni : X Z =
Z2

dan

P(Z1 < Z < Z2) =

Z1

z f ( z) =
z1

z2

(z)2 1 .e 2 .dz 2

Hasil perhitungan integral diatas untuk berbagai nilai Z antara Z 1 dan Z2 telah disusun dalam bentuk tabel yang disebut Tabel Distribusi Normal atau Tabel Z LUAS DI BAWAH KURVA NORMAL STANDAR (dari 0 sampai Z)

0 Z
Z 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 0 000 0 039 8 079 3 117 9 155 4 191 5 225 8 258 0 288 1 315 9 1 004 0 043 8 083 2 121 7 159 1 195 0 229 1 261 2 291 0 318 6 2 008 0 047 8 087 1 125 5 162 8 198 5 232 4 264 2 293 9 321 2 3 012 0 051 7 091 0 129 3 166 4 201 9 235 7 267 3 296 7 323 8 4 016 0 055 7 094 8 133 1 170 0 205 4 238 9 270 4 299 6 326 4 5 019 9 059 6 098 7 136 8 173 6 208 8 242 2 273 4 302 3 328 9 6 023 9 063 6 102 6 140 6 177 2 212 3 245 4 276 4 305 1 331 5 7 027 9 067 5 106 4 144 3 180 8 215 7 248 6 279 4 307 8 334 0 8 031 9 071 4 110 3 148 0 184 4 219 0 251 8 282 3 310 6 336 5 9 0359 0754 1141 1517 1879 2224 2549 2852 3133 3389

Lanjutan Tabel Z
Z 1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 0 341 3 364 3 384 9 403 2 419 2 433 2 445 2 455 4 464 1 471 3 477 1 343 8 366 5 386 9 404 9 420 7 434 5 446 3 456 4 464 9 471 9 477 2 346 1 368 6 388 8 406 6 422 2 435 7 447 4 457 3 465 6 472 6 478 3 348 5 370 8 390 7 408 2 423 6 437 0 448 4 458 2 466 4 473 2 478 4 350 8 372 9 392 5 409 9 425 1 438 2 449 5 459 1 467 1 473 8 479 5 353 1 374 9 394 4 411 5 426 5 439 4 450 5 459 9 467 8 474 4 479 6 355 4 377 0 396 2 413 1 427 9 440 6 451 5 460 8 468 6 475 0 480 7 357 7 379 0 398 0 414 7 429 2 441 8 452 5 461 6 469 3 475 6 480 8 359 9 381 0 399 7 416 2 430 6 442 9 453 5 462 5 469 9 476 1 481 9 3621 3830 4015 4177 4319 4441 4545 4633 4706 4767 4817 4857 4899 4916 4936 4952 4964 4974 4981 4986

3,0 3,1 3,2 3,3 3,4 3,5 3,6 3,7 3,8 3,9

2 482 1 486 1 489 3 491 8 493 8 495 3 496 5 497 4 498 1 498 7 499 0 499 3 499 5 499 7 499 8 499 8 499 9 499 9 500 0

8 482 6 486 4 489 6 492 0 494 0 495 5 496 6 497 5 498 2 498 7 499 1 499 3 499 5 499 7 499 8 499 8 499 9 499 9 500 0

3 483 0 486 8 489 8 492 2 494 1 495 6 496 7 497 6 498 2 498 7 499 1 499 4 499 5 499 7 499 8 499 9 499 9 499 9 500 0

8 483 4 487 1 490 1 492 5 494 3 495 7 496 8 497 7 498 3 498 8 499 1 499 4 499 6 499 7 499 8 499 9 499 9 499 9 500 0

3 483 8 487 5 490 4 492 7 494 5 495 9 496 9 497 7 498 4 498 8 499 2 499 4 499 6 499 7 499 8 499 9 499 9 499 9 500 0

8 484 2 487 8 490 6 492 9 494 6 496 0 497 0 497 8 498 4 498 9 499 2 499 4 499 6 499 7 499 8 499 9 499 9 499 9 500 0

3 484 6 488 1 490 9 493 1 494 8 496 1 497 1 497 9 498 5 498 9 499 2 499 4 499 6 499 7 499 8 499 9 499 9 499 9 500 0

8 485 0 488 4 491 1 493 2 494 9 496 2 497 2 497 9 498 5 498 9 499 2 499 5 499 6 499 7 499 8 499 9 499 9 499 9 500 0

2 485 4 488 7 491 3 493 4 495 1 496 3 497 3 498 0 498 6 499 0 499 3 499 5 499 6 499 7 499 8 499 9 499 9 499 9 500 0

4990 4993 4995 4997 4998 4998 4999 4999 4999 5000

Sumber : Theory and Problems of Statistics, Spiegel, M.R., Ph.D, Schaum Publishing Co, New York,1961

Contoh soal : Berat bayi yang baru lahir rata-rata 3.750 gram dengan simpangan baku 325 gram. Jika berat bayi berdistribusi normal, maka tentukan : a. Berapa persen bayi yang beratnya lebih dari 4.500 gram

b. Berapa bayi yang beratnya antara 4.000 gram dan 4.500 gram, jika semuanya ada 10.000 bayi c. Berapa berat bayi paling ringan bila prosentasenya tidak lebih dari 40% Solusi : = 3.750 gram = 325 gram a. Berapa persen bayi yang beratnya lebih dari 4.500 gram

P(X > 4.500) = ? = 3.750 4.500 Transformasi Normal Standar : maka : P (Z > 2,31) = ? Cara Pembacaan Tabel : Baca di kolom Z, nilai = 2,3; tarik garis ke arah kanan Baca di baris pertama nilai desimal 0,01; tarik garis ke arah bawah Baca nilai di perpotongan garis kolom dan garis baris Maka nilai P ( Z = 2,31 ) = 0,4896 Nilai luas dari Z = 0 sampai Z = 2,31 adalah 0,4896 Sedang nilai luas dari Z = 0 sampai Z = adalah 0,5 (50% luas kurva) Jadi nilai luas Z > 2,31 adalah 0,5 0,4896 = 0.0104 (lihat gambar di bawah) Jadi : P(X > 4.500) = 0,5 0,4896 = 0,0104; terdapat 1,04% bayi yang beratnya lebih dari 4.500 gram Z = 4500 3750 = 2,31 325

P(Z > 2,31) = 0,4896 luas daerah arsir = 0,0104

Z = 0

2,31
0,5

0,4896 b.

Berapa bayi yang beratnya antara 4.000 gram dan 4.500 gram, jika semuanya ada 10.000 bayi

P(4.000 < x < 4.500)

3.750 4.000

4.500

0,4896

0,2794 (4.000 3.750)/325 = 0,77

Z1 =

(4.500 3,750)/325 = 2,31

Z2 =

P(4.000 < x < 4.500) = P(Z=z2) P(Z=z1) = 0,4896 0,2794 = 0,2102 Jadi prosentase bayi antara

4.000 gram dan 4.500 gram sebesar 21,02% x 10.000 bayi = 2.102 bayi. C. Berapa berat bayi paling ringan bila prosentasenya tidak lebih dari Maka banyaknya bayi = 21,02%

40%

P(0< Z < Z1) = 10%

40% 10%

Z1 Z=0

P(

X1 ) = 0,1

Cari di nilai tabel yang prosentasenya 10%, didapat pada posisi Z = 0,255

Sehingga :

X 1 3.750 = 0,255 ; maka : X1 = 3.832,875 325

Jadi berat bayi paling ringan yang prosentasenya tidak lebih dari 40% mempunyai berat 3.832,875 gram.

b.

Distribusi Student Distribusi Student mempunyai fungsi densitas :

f (t ) = K t 2 2 1 + n 1
1 .n

- < t < +

dengan : K = bilangan tetap yang besarnya bergantung pada n sedemikian sehingga luas daerah di bawah kurva sama dengan satu unit. n-1 = derajat kebebasan Bentuk grafik distribusi student (Tabel t) sama seperti grafik distribusi normal standar, simetrik terhadap t = 0. Untuk harga-harga n yang besar, biasanya n 30, distribusi t mendekati distribusi normal standar.

Luas p t1 t=0

luas p = P(t1 < t < 0) Pembacaan dan penerapan tabel t akan dibahas bersamaan dengan materi uji hipotesis pada kuliah minggu ke-8 sampai minggu ke-13.

c.

Distribusi Chi Kuadrat Distribusi Chi Kuadrat merupakan distribusi dengan variabel acak kontinu. Simbol yang dipakai untuk Chi Kuadrat adalah 2. Distribusi Chi Kuadrat mempunyai fungsi densitas :

f (u ) = K .u
Dengan : u = 2 K =

1 1 2

.e

1 u 2

= derajat kebebasan bilangan tetap yang besarnya bergantung pada sedemikian sehingga luas daerah di bawah kurva sama dengan satu unit

Grafik distribusi Chi Kuadrat umumnya merupakan kurva positif, yaitu miring ke kanan. Kemiringan ini makin berkurang jika derajat kebebasan makin besar.

12

22

Pembacaan dan penerapan tabel Chi Kuadrat akan dibahas bersamaan dengan materi uji hipotesis pada kuliah minggu ke-8 sampai minggu ke13. d. Distribusi F Distribusi F mempunyai fungsi densitas :
1 (1 2 ) 2 1
1 2

f (F ) = K.

F ( + (1 + 1 ) 2 2

Dengan : variabel acak F memenuhi batas F > 0

bilangan tetap yang besarnya bergantung pada 1 dan 2

sedemikian sehingga luas daerah di bawah kurva sama dengan satu unit 1 2 = derajat kebebasan pembilang, pada baris paling atas = derajat kebebasan penyebut, pada kolom paling kiri

Grafik distribusi F tidak simetrik dan umumnya sedikit positif.

F(1 p )(2 ,1 ) =
F1 F2

1 Fp.(1 ,2 )