You are on page 1of 7

Beberapa Distribusi peluang Diskret

1. Distribusi Seragam Diskret


Distribusi peluang diskret yang paling sederhana ialah yang peubah acaknya
memperoleh semua nilainya dengan peluang sama. Distribusi ini dikenal dengan
distribusi seragam diskret.

Distribusi Seragam Diskret Bila peubah acak X mendapat nilai


dengan peluang yang sama, maka distribusi seragam diskret diberikan oleh :
f(x;k) = , ,...........

Contohnya adalah

• peluang munculnya angka 1, 2, 3, 4, 5, 6 pada dadu yaitu 1/6

• pelemparan koin yang memiliki peluang antara kedua sisi sama-


sama 1/2

• Rataan dan variasi distribusi seragam diskret f( x;k) adalah


Dengan fungsi MGF

2. Distribusi Bernoulli
Suatu percobaan sering terdiri atas beberapa usaha, tiap usaha dengan dua
kemungkinan hasil yang dapat diberi nama sukses atau gagal. Ulangan percobaan
bebas satu sama lain dan peluang sukses tidak berubah dari percobaan satu ke
percobaan lainnya disebut proses Bernoulli, sedangkan tiap usaha disebut usaha
Bernoulli.
Peubah acak X dengan peluang sukses adalah p dan gagal adalah q = (1-p)
, x = 0,1.

= pq dengan fungsi MGF

3. Distribusi Binomial

Secara singkat, proses Binomial harus memenuhi persyaratan sebagai


berikut :

• Percobaan terdiri atas n usaha yang berulang.

• Tiap usaha memberi hasil yang dapat dikelompokan menjadi sukses dan
gagal

• Peluang sukses, dinyatakan dengan p, tidak berubah dari usaha yang satu
ke yang berikutnya.

• Tiap usaha bebas dengan usaha lainnya.


Banyaknya X yang sukses dalam n usaha bernoulli disebut peubah acak
binomial. Distribusi peluang peubah acak diskret ini disebut distribusi binomial
dan akan dinyatakan dengan , karena nilainya tergantung pada
banyaknya usaha (n) dan peluang sukses dalam suatu usaha (p).
Distribusi Binomial Suatu usaha Bernoulli dapat menghasilkan sukses dengan
peluang p dan gagal q = 1-p, maka distribusi peluang peubah acak binomial X,
yaitu banyaknya sukses dalam n usaha bebas ialah
, x = 0,1,2..... dengan
fungsi MGF

4. Distribusi Multinomial
Percobaan Binomial menjadi percobaan multinomial bial setiap usaha dapat
memberikan lebih dari 2 hasil kemungkinan. Umumnya, bila suatu usaha dapat
menghasilkan k hasil yang mungkin ....... dengan peluang
maka distribusi multinomial akan memberikan peluang bahwa terjadi
sebanyak x1 kali, terjadi sebanyak x2 kali,........, terjadi sebanyak xk kali
dalam n usaha bebas dengan x1 + x2 +......xk = n
Distribusi peluang gabungan seperti ini akan dinyatakan dengan
dimana , karena hasil
tiap usaha haruslah salah satu dari k yang mungkin.
Distribusi Multinomial Bila suatu usaha tertentu dapat menghasilkan k macam
hasil ....... dengan peluang maka distribusi peluang peubah
acak yang menyatakan banyak terjadinya ....... dalam n
usaha bebas adalah

Dengan

5. Distribusi Hypergeometrik
Perbedaan antara ditribusi binomial dan hypergometrik terletak pada cara
pengambilan sampelnya. Untuk kasus binomial, diperlukan kebebasan antara
usaha. Akibatnya binomial diterapkan misalnya, pada sampling dari sejumlah
barang 9sekotak kartu, sejumlah barang produksi) sampling dikerjakan dengan
pengembalian setiap barang yang diamati. Pada distribusi Hypergeometri tidak
memerlukan kebebasan dan didasarkan pada sampling tanpa pengembalian.
Contoh kasus pada pengujian elektronik, pengendalian mutu
Misalkan ada N benda yang terdiri atas k benda yang akan diberi nama
sukses sedangkan sisanya, N-k akan diberi nama gagal. Umumnya yang ingin
dicari ialah peluang memilih sukses dari sebanyak k yang tersedia dan n-x yang
gagal dari sebanyak N-k yang tersedia, bila sampel acak ukuran n diambil dari N
benda. Ini dikenal dengan percobaan Hypergeometrik.
Suatu percobaan Hypergeometrik memiliki kedua sifat berikut:

• Sampel acak ukuran n diambil tanpa pengembalian dari N benda

• Sebanyak K benda dapat diberi nama sukses sedangkan sisanya, N-


k, diberi nama gagal.
Banyaknya sukses X dalam percobaan hypergeometri disebut peubah acak
hypergeometri. Karena itu distribusi peluang peubah acaknya disebut ditribusi
Hypergeometri dan nilainya dinyatakan dengan h (x;N,n,k), karena nilainya
dihitung pada banyaknya yang sukses k dalam n barang yang dipilih secara acak
dari sebanyak N.
Distribusi Hypergeometrik Ditribusi peluang peubah acak hypergeometri X yaitu
banyaknya yang sukses dalam sampel acak ukuran n yang dipilih dari sebanyak
N benda yang mengandung k bernama sukses dan N-k gagal, ialah
h (x;N,n,k) = , x = 0,1,2.....n

6. Distribusi Binomial Negatif


Berbeda dengan distribusi binomial mencari peluang x sukses dalam n
usaha. Dalam hal ini yang ingin diketahui peluang bahwa sukses ke k terjadi pada
usaha ke-x. Percobaan ini disebut percobaan binomial negatif. Banyaknya usaha
ke x untuk mengahasilkan k sukses dalam suatu percobaan binomial negatif
disebut peubah acaka binomial negatif dan distribusinya disebut ditribusi
Binomial Negatif.
Distribusi Binomial Negatif Bila usaha yang saling bebas, dilakukan berulang
kali menghasilkan sukes dengan peluang p sedangkan gagal dengan peluang q =
1-p,maka distribusi peluang peubah acak X, yaitu banyaknyya usaha yang
berakhir tepat pada sukses ke-k, diberikan oleh
, x= k,k+1,k+2........

Rataan dan variansi distribusi poisson p(x;λt) keduanya sama dengan λt =


dengan fungsi MGF =

Beberapa Distribusi Variabel Kontinu


1. Distribusi Normal.

Persamaan matematika distribusi peluang peubah normal kontinu bergantung pada


dua parameter , yaitu rataan dan simpangan bakunya. Jadi fungsi padat X
akan dinyatakan dengan .
Distribusi Normal fungsi padat peubah acak normal X, dengan rataan dan
rataan , ialah

= ;-

Dengan = 3,14159.... dan e = 2,71828...

Adapun lima sifat kurva normal yaitu :


a. Modus, titik pada sumbu datar yang memberikan maksimum kurva
terhadap pada x = .

b. Kurva setangkup terhadap sumbu tegak yang melalui rataan .

c. Kurva mempunyai titik belok pada x = , cekung dari bawah bila


dan cekung dari atas untuk nilai x lainnya.

d. Kedua ujung kurva normal mendekati asimtot sumbu datar bila nilai x
bergerak mnejauhi baik ke kiri maupun ke kanan.

e. Seluruh luas dibawah kurva dan di atas sumbu datar = 1


2. Distribusi Gamma
Distribusi Gamma memainkan peranan penting dalam teori antrian dan
teori keandalan (reabilitas). Fungsi Gamma didefenisikan sebagai

dx untuk

Distribusi Gamma Peubah acak kontinu X berdistribusi gamma dengan parameter


, bila fungsi padatnya berbentuk

,x> 0 dengan

dengan fungsi MGF =


3. Distribusi Eksponensial
Hubungannya dengan distribusi lain yaitu :

• Distribusi gamma yang = 1 adalah distribusi eksponensial.

Contoh kasus Jarak antara waktu tiba di fasilitas pelayanan misal bank,loket,
dan lamanya waktu sampai rusaknya suku cadang dan alat listrik, sering
menyangkut distribusi eksponensial.
Distribusi Eksponensial Peubah acak kontinu X berdistribusi eksponensial
dengan parameter , bila fungsi padatnya berbentuk

,x> 0 dengan

dan memiki fungsi MGF =

4. Distribusi Khi Kuadrat


Distribusi Khi Kuadrat memiliki peranan penting dalam statistika informasi.
Bahkan digunakan tidak hanya untuk megkaitkan distribusi khi-kuadrat dengan
distribusi normal tetapi juga untuk meletakan dasar penggunaanya pada
pengujian hipotesis.
Hubungannya dengan distribusi lain yaitu :
• Dapat diperoleh
dari distribusi Gamma dengan parameter
untuk v adalah bilangan positif. Distribusi ini
mempunyai parameter tunggal yaitu v yang disebut dengan derajat
kebebasan.

• Akan didapatkan distribusi distribusi Khi kuadrat dengan derajat bebas 1


yang diturunkan dari distribusi normal baku ).

Distribusi Khi Kuadrat Peubah acak kontinu X berdistribusi Khi Kuadrat, dengan
derajat kebebasan v, bila fungsi padatnya diberikan oleh

dengan v bilangan bulat positif,

memiliki fungsi MGF =

5. Distribusi sebaran t
Apabila varians populasi diketahui dan populasinya normal berapa pun
sampel yang digunakan maka distribusi sampel rataan akan berdistribusi normal
baku. Varians populasi pada sampel acak jarang sekali diketahui. Bila ukuran
sampelnya kecil, nilai penduga yaitu berubah cukup besar dari satu sampel
ke sampel lainnya maka kita akan dihadapkan dengan distribusi suatu statistik
yaitu distribusi t dengan . Dimana berdistribusi normal baku dan

berdistribusi khi kuadrat dengan derajat bebas n-1.

Misalkan Z peubah acak normal baku dan v peubah acak Khi Kuadrat dengan
derajat kebebasan v. Bila Z dan V, maka distribusi peubah acak T, bila
diberikan oleh h(t) = , <t<

dikenal Distribusi t dengan derajat bebas v. , 2< v


distribusi ini tidak memiliki fungsi MGF
6. Distribusi Weibull
Teknologi modern telah memungkinkan orang merancang banyak sistem yang
rumit yang penggunaannya atau barangkali keamanannya, bergantung pada
keandalan berbagai komponen sistem tersebut. Sebagai contoh, suatu sekering
mungkin putus, tiang saja mungkin melengkung, atau alat pengindera panas tak
bekerja. Komponen yang sama dalam lingkungan yang sama akan rusak dalam
waktu yang berlainan yang tak dapat diramalkan. Salah satu distribusi yang
digunakan dalam menangani masalah ini adalah distribusi Weibull. Hubungannya
dengan distribusi lain adalah merupakan distribusi eksponensial bila parameter
.

Peubah acak kontinyu X berdistribusi weibull, dengan parameter jika


fungsi padatnya berbentuk

Distribusi Weibull tidak memilki fungsi MGF


7. Distribusi F
Statistik F didefenisikan sebagai rasio antara distribusi khi kuadrat dengan
derjat bebasnya. Dapat dituliskan F = dengan U dan V masing-masing
berdistribusi khi kuadrat dengan derajat bebas v1 dan v2 yang saling independent
Fungsi PDF dari distribusi F dengan derjat bebas v1 dan v2 adalah
g(F) = , 0<f <

Distribusi F memiliki rataan dan variansi dengan derajat bebas v1 dan v2 yaitu

dengan 2 < dan dengan 4 <

distribusi ini tidak memiliki fungsi MGF


8. Distribusi Beta

Variabel F dapat ditransformasi menjadi distribusi Beta. Jika X


dengan peubah acak dengan parameter a dan b.
dimana .

Distribusi Beta Dengan parameter memiliki fungsi PDF yaitu

, distribusi ini juga tidak memiliki fungsi MGF

9. Distribusi Uniform

Memiliki Peubah acak .Paremeter dinotasikan


dengan a dan b.
Distribusi Uniform dengan parameter a dan b memiliki fungsi PDF yaitu

dengan

Dengan fungsi MGF yaitu

Daftar Pustaka
Bain, Lee J. 1992. Introduction to probability and mathematical statistic. Edisi
kedua. Boston: PWS-KENT Publishing company.
Walpole, Ronald E. & Raymond H. Myers. 1995. Ilmu peluang dan statistika
untuk insinyur dan ilmuwan edisi ke-empat. Bandung: Penerbit ITB.