TUGAS TERSTRUKTUR

STATISTIKA MATEMATIKA
DISTRIBUSI SERAGAM DAN DISTRIBUSI BINOMIAL

Disusun oleh :

KELOMPOK 5 :

NAMA NIM

Desta Anggi Fauziah F1041161039

Githa Ayu F10411610

Lusi F1041161061

PROGRAM STUDI PENDIDIKAN MATEMATIKA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS TANJUNGPURA
PONTIANAK
2019
 Distribusi Diskrit Seragam

Distribusi Diskrit Seragam adalah suatu distribusi dimana setiap variabel

acak X diasumsikan memiliki peluang yang sama.
Bila peubah acak X mendapatkan harga x1, x2, x3,…, xk, dengan asumsi peluang
yang sama maka distribusi diskrit seragam diberikan oleh:

f(x,k) ,x x1, x2, x3,…, xk

untuk k = 1,2,3,...,n
Kita telah mempergunakan notasi f(x,k) dari pada f(x) untuk
mengindikasikan bahwa distribusi seragam ini bergantung pada parameter ‘k’.
Mean dan variansi distribusi seragam diskrit f(x;k) masing-masing diberikan oleh:

k k 2

 xi   xi   
 i 1
dan 2  i 1

k k

Teorema 1
Rataan dan variansi dari distribusi diskrit seragam f(x,k) adalah :
Bukti:
Dengan definisi:

Contoh 1 :
Sebuah dadu seimbang dilantunkan tentukan distribusi diskrit seragamnya,
tentukan juga rataan dan variansinya!

Jawab :

Disini ruang sampelnya adalah S dengan peluang masing-masing

1/6, distribusi diskrit seragamnya berupa;

, 1,2,3,4,5,6.

Untuk rataan ;
Variansi ;

Berikut histogramnya:

1 2 3 4 5 6
Contoh 2 :

Jika Abi, Badu dan Cici berpeluang sama mendapat beasiswa, maka distribusi
peluang seragamnya adalah?

Jawab :

1
f(x; 3) = 3 untuk x = Abi, Badu, Cici atau x =1,2,3(mahasiswa dinomori)

Secara umum: nilai k dapat dianggap sebagai kombinansi N dan n

k  CnN

N = banyaknya titik contoh dalam ruang contoh/populasi

n = ukuran sampel acak = banyaknya unsur peubah acak X

Contoh 3 :

Jika kemasan Batu Baterai terdiri dari 4 batu baterai, maka bagaimana distribusi
peluang seragam cara menyusun batu baterai untuk 12 batu baterai?

Jawab :

12 !
k  CnN  C412   495  ada 495 cara
4 !8!

1
f(x; k) = f(x; 495) = 495
untuk x = 1,2,3,...,495

Contoh 4 :
Bila sebuah bola lampu dipilih secara acak dari sekotak bola lampu yang berisi 1
yang 40-watt, 1 yang 60-watt, 1 yang 75-watt, dan 1 yang 100-watt, maka tiap
unsur ruang sampel S={40, 60, 75, 100} muncul dengan peluang ¼. Jadi
distribusinya seragam dengan :

1
f ( x; 4)  , x  40, 60, 75,100
4
4

�x i
40 + 60 + 75 + 100
 i 1
  68.75
4 4
4

�( x   ) i
2
(40  68.75) 2 + ... + (100  68.75) 2
2  i 1
  639.6
4 4

Distribusi Binomial

Percobaan Binomial
Perhatikan eksperimen-eksperimen berupa melantunkan koin atau dadu,
mengambil kartu dari satu set kartu bridge semuanya secara berulang. Setiap
lantunan dan pengambilan disebut usaha ( trial ). Kemungkinan hasil dari
eksperimen yang demikian dapat berupa ‘sukses’ atau ‘gagal’. Suatu usaha
berulang, tiap usaha dengan dua kemungkinan hasil tersebut disebut percobaan
binomial.
Suatu percobaan binomial ialah yang memenuhi persyaratan berikut:

1. Percobaan terdiri atas usaha yang berulang

2. Tiap usaha memberikan hasil yang dapat dikelompokkan sebagai sukses atau
gagal.
 3. Peluang sukses, dinyatakan dengan , tidak berubah dari usaha yang satu ke

yang berikutnya.
4. Tiap usaha saling bebas dengan usaha lainnya.

Dalam eksperimen binomial, peluang sukses dinotasikan dengan dan gagal

dengan atau

Percobaan Bernoulli dapat menghasilkan suatu sukses dengan probabilitas p

dan gagal dengan probabilitas q = 1 – p. Maka distribusi probabilitas variabel acak
binomial X, jumlah sukses di dalam n percobaan diberikan oleh :

n  x n x

b( x; n, p)   p q 
 , x  0,1,2,3,, n
x  


n n!
dimana    . Ada kalanya perhitungan probabilitas distribusi binomial
 x   n  x ! x!

lebih mudah dilakukan dengan menggunakan distribusi kumulatif. Bila pada n

percobaan terdapat paling tidak sebanyak r sukses, maka distribusi binomial
kumulatif P X  r dinyatakan sebagai:

P X  r   b r; n, p  + b r +1; n, p  + + b n; n, p 

n
  b r;n,p
xr
Distribusi binomial memiliki rata-rata, variansi, standar deviasi, keofisien
kemiringan, dan koefisien keruncingan sebagai berikut:

a. mean   n p

b. variansi  2  n pq

c. standar deviasi   npq

 q p
d. keofisien kemiringan 3 
npq

1  6 pq
e. koefisien keruncingan 4  3+
npq

Contoh 1 :
Sebuah coin seimbang dilantunkan sebanyak 7 kali, berapa peluang mendapatkan;
i) Tepat 3 belakang
ii) Sekurang-kurangnya 5 belakang
iii) Paling banyak 3 belakang
iv) Antara 3 sampai 5 belakang
v) 3 muka dan 4 belakang

Jawab :
Misalkan M = muka dan B = belakang
Sebuah koin yang seimbang dilantunkan 7 kali merupakan suatu percobaan

binomial. Dengan jumlah usaha yang saling bebas sama dengan .

Peluang mendapatkan belakang dalam tiap usaha .

Peluang tidak mendapatkan belakang dalam tiap usaha

Misalkan X menunjukkan banyaknya muncul belakang dalam 7 kali pelemparan.

X dapat bernilai 0,1,2,3,4,5,6,7
 i.

ii.

iii.

iv.

v.
Karena kejadian sukses adalah munculnya belakang pada pelantunan coin,
maka saat kita menghitung peluang munculnya 3 muka dan 4 belakang sama
saja dengan menghitung peluang munculnya 4 belakang. jadi ;

Contoh 2 :
Probabilitas sebuah komponen mobil tidak rusak ketika dijatuhkan adalah ¾.
Berapakah probabilitasnya ada 2 dari 4 komponen yg dijatuhkan akan tidak rusak.
Jawab :
Misal kita definisikan “sukses” = tidak rusak, probabilitas “sukses”, p=3/4. Jadi
probabilitas “gagal, q= 1-3/4 = ¼. Total percobaan ada n=4, jumlah yg tidak rusak,
“sukses”, x=2. Jadi probabilitas 2 dari 4 komponen yg dijatuhkan tidak rusak
diberikan oleh:
3 � n� 4 3 2 1 42
�� 4! 9 1 27
b( x  2; n  4, p  )  � �p x q n  x  ��( ) ( )  
4 �x � 2 4 4
�� 2!(4  2)!16 16 128

Definisi 1
Banyaknya sukses X dalam n usaha suatu percobaan binomial disebut suatu
peubah acak binomial. Distribusi peluang peubah acak binomial X disebut
distribusi Binomial dan dinyatakan dengan b (x;n,p), karena nilainya tergantung
pada banyaknya usaha (n) dan peluang sukses dalam suatu usaha (p). Tiap sukses
terjadi dengan peluang p dan kegagalan dengan peluang q = 1 – p. Dalam
percobaan tersebut yang menghasilkan x sukses dan n – x yang gagal.

Banyaknya ini sama dengan banyaknya cara memisahkan n hasil menjadi

dua kelompok sehingga x hasil berada pada kelompok pertama dan sisanya n – x
hasil pada kelompok kedua, jumlah ini dapat dinyatakan dengan :

Distribusi Binomial
 Bila suatu usaha binomial dapat menghasilkan sukses dengan peluang p dan
gagal dengan peluang q = 1 – p, maka distribusi peluang peubah acak binomial X
yaitu banyaknya sukses dalam n usaha bebas, ialah

Distribusi ini dinamai distribusi binomial karena buah suku dalam

penguraian binomial berkorespondensi satu-satu dengan untuk

. Sebagai berikut;

Karena maka

suatu syarat yang harus dipenuhi oleh semua distribusi peluang.

Sebagai contoh ;
Seorang pasien sakit darah yang jarang terjadi mempunyai peluang 0,4 untuk
sembuh. Bila diketahui ada 15 pasien yang telah mengidap penyakit tersebut,
berapakah peluangnya :
1. Paling sedikit 10 akan sembuh.
2. Antara 3 sampai 8 yang sembuh.
3. Tepat 5 yang sembuh.

Jawab :

Dengan jumlah usaha yang saling bebas sama dengan

Peluang sembuh

Peluang tidak sembuh

Misalkan X menyatakan jumlah pasien yang sembuh

i).
ii).

iii).

Teorema 2
Distribusi binomial b (x;n,p) mempunyai rataan dan variansi

dan

Bukti:

Misalkan hasil pada usaha ke- dinyataka oleh peubah acak Bernoulli yang

mendapat nilai 0 atau 1, masing-masing dengan peubah dan . Peubah Bernoulli

dengan nilai seperti ini disebut peubah penunjuk. Banyaknya sukses dalam suatu

percobaan binomial dapat dituliskan sebagai jumlah peubah bebas, yaitu;

. Setiap mempunyai rataan , jadi diperoleh

rataan distribusi binomial,

Variansi setiap diberikan oleh;

Hal ini dapat diperluas kedalam kasus n peubah bebas maka diperoleh variansi
distribusi binomial,

Perhatikan:
Tiga bahan diambil secara acak dari suatu hasil pabrik, diperiksa dan
kemudian yang cacat dipisahkan dari yang tidak cacat. Bahan yang cacat akan
disebut sukses. → X adalah banyaknya bahan yang cacat dan S={TTT, TCT, TTC,
CTT, TCC, CTC,
CCT, CCC} [C=cacat; T=tak cacat].
Misalkan ada info bahwa bahan tersebut dipilih secara acak dari proses yang
dianggap menghasilkan 25% bahan yang cacat, p = 0.25, maka P(CTT) = (0.25)
(0.75)(0.75) = 0.141 dengan cara yang sama didapatkan dist. peluang X adalah :
x 0 1 2 3

f(x) 0.422 0.422 0.141 0.016

Perhatikan contoh lalu:

x 0 1 2 3

f(x) 0.422 0.422 0.141 0.16

Hasil TTT TTC TCT CTT TCC CTC CCT CCC Ini, dapat

x 0 1 1 1 2 2 2 3 juga ditulis
sebagai :

3
��
b( x;3, 0.25)  �� (0.25) x (0.75) 3 x , x  0,1, 2,..., n
x
��
Contoh 1 :
Suatu suku cadang dapat menahan uji goncangan tertentu dengan peluang ¾.
Hitunglah peluang bahwa tepat 2 dari 4 suku cadang yang diuji tidak akan rusak!

Jawab :

n = 4; p = ¾ → q = ¼. Berapa P(X=2)?
2 2
� 3 � �� 4 �3 ��1 � 4! 32 27
b�2; 4, � �� �� � . 4 
� 4 � �� 2 �
�4 ��4 � 2!2! 4 128
Berapa P(X < x) atau P(x1 < X < x2)?

→ Tabel Binomial: b(x;n,p) = ∑nx=0b(x;n,p).

Contoh 2:
Peluang untuk sembuh seorang penderita penyakit darah yang jarang adalah 0.4.
Bila diketahui ada 15 orang yang telah mengidap penyakit tersebut, berapakah
peluangnya: a) paling sedikit 10 akan sembuh; b) antara 3 sampai 8 yang sembuh;
c) tepat 5 yang sembuh!

Jawab :

X = # penderita yang sembuh;

n = 15; p = 0.4; q = 0.6.

a). P(X ≥ 10) = 1 – P(X ≤ 9)

= 1 – ∑9x=0b(x;15,0.4)

= 1 – 0.9662 = 0.0338
b). P(3 ≤ X ≤ 8)

= P(X ≤ 8) – P(X ≤ 2)

= ∑8x=0b(x;15,0.4) – ∑2x=0b(x;15,0.4)

= 0.9050 – 0.0271

= 0.8779

c). P(X = 5) = P(X ≤ 5) – P(X ≤ 4)

= ∑5x=0b(x;15,0.4) – ∑4x=0b(x;15,0.4)

= 0.4032 – 0.2173

= 0.1859
Contoh 3 :
Probabilitas seorang pasien yg sakit suatu penyakit flu sembuh adalah 40%. Jikalau
15 orang diketahui telah tertular penyakit ini, (a) Berapakah rata-rata jumlah orang
yg sembuh? (b) Menurut teorem Chebysev paling tidak sebanyak 75% kasus akan
jatuh dalam interval μ -2 σ < X < μ +2 σ. Terapkan dalam kasus ini dan beri
interpretasi.

Jawab :
a) Dalam kasus ini probabilitas sembuh, p=0.4, banyak percobaan, n=15, sehingga
rata-rata jumlah orang yang sembuh
μ = np = 15*0.4 = 6 orang
b) Variansinya :
σ2 = npq = np(1-p) = 15*(0.4)(1-0.4) = 3.6 dengan STD σ = 1.897,
μ -2 σ = 6 -2(1,897) = 2.206 dan μ +2 σ = 6 +2(1,897)=9.794.
Artinya (menurut Chebysev) terdapat probabilitas paling tidak 75% pasien yg
sembuh jumlahnya antara 2.206 s/d 9.794 atau dibulatkan antara 3 s.d 9.

Contoh 4 :
Diperkirakan 30% sumur di sebuah desa tercemar.Untuk memeriksa kebenaran hal
tsb dilakukan pemeriksaan dengan secara acak mengambil 10 sumur.
(a) Jika perkiraan tsb benar, berapakah probabilitasnya tepat 3 sumur tercemar?
(b) Pertanyaan yg sama tapi lebih dari 3 sumur yg tercemar?

Jawab :
Probabilitas 1 sumur tercemar p=0.3 (“sukses”), jadi probabilitas tidak tercemar
(“gagal”) q=1-p = 1-0.3=0.7.
Total pengambilan n=10 buah.
a) Tepat 3 sumur tercemar, x=3.
P(x=3;n=10,p=0.3)= B(r=3;n=10,p=0.3)-B(r=2;n=10,p=0.3)
= 0.6496 – 0.3838 = 0.2668 (27%).
b) Lebih dari 3 sumur tercemar x>3,
P(x>3;n=10,p=0.3)= 1- P(x≤3;n=10,p=0.3)=
= 1 – B(r=3;n=10,p=0.3) =1 – 0.6496 = 0.3504 = 35%

Distribusi Binomial Negatif

Definisi:
Bila usaha yang saling bebas, dilakukan berulang kali menghasilkan sukses dengan
peluang p sedangkan gagal dengan peluang q=1-p, maka dist. peluang p.a X, yaitu
banyaknya usaha yang berakhir tepat pada sukses ke k, diberikan oleh :

Perhatikan:
�x  1 �
b* ( x; k , p )  � �p k q x k ; x  k , k + 1, k + 2,...
Misal penggunaan semacam �k  1� obat diketahui 60% manjur untuk mengobati

sejenis penyakit. Penggunaan obat tersebut dianggap sukses bila menyembuhkan si

penderita sampai taraf tertentu. Ingin diketahui peluang penderita kelima yang
sembuh merupakan orang yang ketujuh yang menerima obat tersebut selama
minggu tertentu. Jika S menyatakan sukses dan G menyatakan gagal, maka
SSSSGGS atau SGSSGSS [intinya orang ke-7 adalah sukses ke-5] merupakan
suatu kemungkinan urutan mencapai hal tersebut, yang terjadi dengan peluang
(0.6) (0.6) (0.6) (0.6) (0.4) (0.4) (0.6) = (0.6)5(0.4)2

Jumlah semua urutan yang mungkin sama dengan banyaknya cara memisahkan
keenam usaha yang pertama menjadi 2 kelompok yaitu 2 gagal dan 4 sukses,
sehingga banyak urutan yang mungkin adalah 6C2 atau 6C4, 15 cara.
Jadi, peluangnya adalah 15 (0.6)5(0.4)2 = 0.1866

Distribusi Multinomial

Percobaan Multinomial
Seandainya dalam percobaan binomial tersebut setiap ulangan menghasilkan
lebih dari dua kemungkinan hasil, maka percobaan itu kita sebut Percobaan
Multinomial. Misalnya dalam percobaan pelemparan dua dadu kita mengamati
apakah dari kedua dadu muncul bilangan yang sama, total kedua bilangan sama
dengan 7 atau 11, atau bukan keduanya. Bila ini yang kita amati maka percobaan
ini merupakan percobaan multinomial.

Umumnya,bila suatu usaha dapat menghasilkan hasil yang mungkin

dengan peluang , maka distribusi multinomial akan

memberikan peluang bahwa terjadi sebanyak kali, kali, . . . kali

dalam n usaha bebas dengan … . Distribusi peluang seperti ini

dinyatakan dengan .

Jelas karena hasil tiap usaha haruslah salah satu dari

hasil yang mungkin.

Distribusi Multinomial

Bila suatu usaha tertentu dapat menghasilkan macam hasil

dengan peluang , maka distribusi peluang acak , yang

menyatakan terjadinya dalam n usaha yang bebas ialah

dengan
  Ini dapat dikerjakan dengan cara sebanyak

 Karena tiap bagian saling terpisah dan terjadi dengan peluang yang sama,
maka distribusi mutinomial dapat diperoleh dengan mengkalikan peluang
untuk tiap urutan tertentu dengan banyaknya sekatan.

Contoh 1 :
Bila dua dadu dilantunkan 6 kali, berapakah peluang mendapat jumlah 7
atau 11 muncul 2 kali, sepasang bilangan yang sama 1 kali dan pasangan
lainnya 3 kali?

Jawab :
Misalakan kejadian berikut menyatakan

: jumlah 7 atau 11 muncul

: Jumlah bilangan yang sama muncul

: Baik pasangan yang sama maupun jumlah 7 atau 11 yang tidak

muncul

Peluang masing-masing kejadian di atas adalah

Koin 2
1 2 3 4 5 6
Koin 1
 1 (1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
2 (2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
3 (3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
4 (4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
5 (5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
6 (6,1) (6,2) (6,3) (6,4) (6,5) (6,6)
E1= {(1,6),(2,5),(3,4),(4,3),(5,2),(6,1),(5,6),(6,5)}
E2= {(1,1), (2,2), (3,3), (4,4), (5,5), (6,6)}
E3= {(1,2), (1,3), (1,4), (1,5), (2,1), (2,3), (2,4), (2,6), (3,1), (3,2), (3,5),
(3,6), (4,1), (4,2), (4,5), (4,6), (5,1), (5,3), (5,4), (6,2), (6,3), (6,4)}

Nilai ini tidak berubah selama keenam usaha dilakukan.

Dengan menggunakan distribusi multinomial dengan

, maka diperoleh peluang yang dinyatakan

Contoh 2 :
Sebuah airport memiliki 3 buah landas pacu (runway), dan probabilitas sebuah
runway dipilih oleh pesawat yg akan mendarat adalah:
 runway -1 : 2/9
runway -2 : 1/6
runway -3 : 11/18
Berapakah probabilitas 6 pesawat yg datang secara acak di distribusikan ke dalam
runway-runway tsb spt berikut:
runway -1 : 2 pesawat
runway -2 : 1 pesawat
runway -3 : 3 pesawat

Jawab :
Pemilihan runway acak dan independen, dengan p 1=2/9, p2=1/6 dan
p3=11/18. Probabilitas untuk x1=2, x2= 1 dan x3=3 adalah :

2 1 11 � 6 �2 2 1 1 11 3
f ( x1  2, x1  1, x3  3; p1  , p1  p1  , n  6)  � �( ) ( ) ( )  0.1127
9 6 18 �2,1,3 �9 6 18

Contoh 3 :
Berdasarkan teori genetika, perbandingan seekor hamster betina akan melahirkan
anak dgn warna bulu merah,hitam dan putih adalah 8:4:4. Hitung peluang akan
lahir anak dgn warna merah 5 ekor, hitam 2 ekor, putih 1 ekor dari kelahiran 8
ekor.

Jawab :

� 8 4 4 � �8 �85 42 4 8! 85 �43 1 168

5, 2,1; , , � � � 5 � 2 � 
f� 8
 168 � 4   0, 656
� 16 16 16 � � �
5,2,1 16 16 16 5!2!1! 16 4 256