LAPORAN TUGAS TEORI PELUANG

PEMBAHASAN JENIS-JENIS DISTRIBUSI DISKRIT

Oleh:Kelompok 1
Ajeng Puspitaningrum 1215100005
Ajie Jalu Kresna 1215100081
Khoirunnisa Savira O. 1215100108

DEPARTEMEN MATEMATIKA
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA
2017

1
Distribusi Diskrit

Distribusi peluang adalah sebuah daftar dari semua hasil yang mungkin dari sebuah
percobaan,daftar tersebut dapat berupa table, grafik,atau rumus yang memberikan nilai peluang
dari sebuah peubah/variabel acak dan peluang yang berhubungan dengan setiap hasil.Distribusi
peluang dapat dibedakan menjadi dua ,yakni distribusi peluang diskrit dan distribusi peluang
kontinu.
Distribusi peluang diskrit adalah distribusi peluang dimana semesta peubah acaknya dapat
dihitung atau berhingga,misalnya peubah acak sebuah lemparan dadu bernilai 1 hinga 6.Apabila
himpunan pasangan terurut(x,f(x)) merupakan suatu fungsi peluang,fungsi masa peluang,atau
distribusi peluang peubah acak diskrit x maka untuk setiap kemungkinan hasil x berlaku:
a. f(x)0
b. f(x)=1
c. P(X=x)=f(x)
Beberapa distribusi peluang diskrit adalah:

A. Distribusi Seragam(Uniform)Diskrit
Distribusi seragam diskrit adalah distribusi yang semua peubah acaknya memiliki nilai
peluang yang sama.
Defenisi dari distribusi seragam diskrit yaitu jika peubah acak X mempunyai nilai
X1,X2,X3,X4,,Xk dengan peluang yang sama maka distribusi seragam diskritnya :

1
f(x;n) = , X=X1,X2,X3,X4,,Xk
n

Apabila X merupakan peubah acak seragam diskrit dengan parameter n,maka mean dan
varian yaitu:

+1
i. Mean : 2
Pembuktian : E(X) = =1 ()
1
E(X) = =1
1
E(X) = =1
1
E(X) = (1+2+3+4++n)
1 +1
E(X) = . ( )
2
+1
E(X) = (terbukti)
2

2
 2 1
ii. Varian : 12
Pembuktian : Var(X) = E(X2)-(E(X))2
Akan kita cari nilai dari X2 = E(X) = =1 2 ()
1
E(X2) = =1 2
1
E(X2) = =1 2
1 1 (+1)(2+1)
E(X2)=(12+22+32+42++n2)= ( )
6
2+1
E(X2) = ( + 1)( )
6
Sehingga ,Var((X) = E(X2)-(E(X))2
2
2+1 +1
Var((X) = (( + 1) ( )) ( )
6 2

22 +3+1 2 +2+1 2 1
Var((X) =( )= (terbukti)
6 4 12

Contoh aplikasi dari distribusi seragam (uniform) diskrit antara lain:

1) Sebuah dadu dilempar,maka setiap elemen dari ruang sampelnya S={1,2,3,4,5,6}

terjadi dengan peluang yang sama,sehingga kita mempunyai distribusi
seragam.Berapa mean dan variasi dari distribusi seragam diskrit tersebut?
1
Penyelesaian: (; 6) = 6 , = 1,2,3,4,
1+2+3+4+5+6
Rataan x=E(X) = = 3.5
6
+1 6+1 7
x=E(X) = = = 2 = 3,5
2 2
2 1 62 1 35
Variansi 2 = Var(X) = = = 12
12 12
2) Sebuah koin ideal memiliki muka : angka dan gambar .Jika X menyatakan
banyaknya angka yang muncul,maka x=0,1.Bagaimana distribusi probabilitasnya?
1
Penyelesaian: (; 2) = 2 , = 0,1
3) Sebuah kotak berisi 4 buah lampu masing-masing 40 watt,60 watt,100 watt,dan
500 watt.Jika X menyatakab daya lampunya,dan diambil secara acak 1
lampu,maka distribusi probabilitasnya adalah
1
Penyelesaian: (; 4) = 4 , = 40,60,100,500

3
 B. Distribusi Bernoulli

Ciri-Ciri Distribusi Bernoulli:

Percobaan menghasilkan dua keluaran yaitu S (success) dan F (failure)
Seperti contoh untuk anak ada perempuan dan laki-laki,ujian ada gagal dan
lulus,sakit ada sembuh dan tak sembuh.
Keluaran bersifat exhaustive,yaitu tidak ada keluaran yang lain
Eksperimen terdiri dari n usaha yang berulang (percobaan hanya dilakukan satu
kali)
Tiap usaha yang dilakukan bersifat independent satu sama lain
Peubah acak dari ruang sampel {S,F} ke dalam angka real yaitu :
X(S)=1 X(F)=0

Defenisi dari distribusi Bernoulli yaitu peubah acak X merupakan peubah acak Bernoulli
apabila pdfnya :
dimana p menyatakan peluang kejadian sukses
() = (1 )1 , = 0,1 1-p menyatakan peluang kejadian gagal

Notasi dari distribusi Bernoulli yaitu X~BER(p)

Apabila X merupakan peubah acak Bernoulli dengan parameter n,maka mean,variansi,dan

moment generating function(MGF) yaitu:

i. Mean/nilai harapan : =

Pembuktian : E(X) = 1=0 ()

E(X) = 1=0 ( (1 )1 )
E(X) = (0(0 (1 )10 + 1(1 (1 )11)
E(X) = (0 + ) = (terbukti)

ii. Variansi : =

Pembuktian : Var(X) = E(X2)-(E(X))2

Akan kita cari terlebih dahulu E(X2),
E(X2) = 10 2 ()
= 10 2 ( (1 )1 )
= (0(0 (1 )10 + 1(1 (1 )11)= p
Var(X) = E(X2)-(E(X))2
Var(X) = () ()2 = 2

4
 Var(X) = (1 ) = (terbukti)

iii. Moment Generating Function (MGF) : (1 ) +

Pembuktian: () = ( )
() = 1=0 . ()
() = 1=0 . (1 )1 )

() = 1=0( ) (1 )1
() = [( )0 (1 )1 + ( )1 (1 )0 ]
() = (1 ) + (terbukti)

Aplikasi penggunaan distribusi Bernoulli diantaranya,yaitu

Memprediksi peluang memiliki bayi laki-laki atau perempuan
Memprediksi peluang mendapatkan kenaikan gaji
Memperkirakan peluang sukses dalam medical treatment
Memperkirakan peluang keberhasilan siswa dalam ujian

Contoh soal penggunaan distribusi Bernoulli:

1) Di awal tahun ajaran baru, mahasiswa fakultas teknik biasanya membeli rapido untuk
keperluan menggambar teknik. Di koperasi tersedia dua jenis rapido, yang tintanya dapat
di isi ulang (refill) dan yang tintanya harus diganti bersama dengan cartridgenya. Data
yang ada selama ini menunjukkan bahwa 30% mahasiswa membeli rapido yang tintanya
dapat diisi ulang. Jika variabel acak X menyatakan mahasiswa yang membeli rapido yang
tintanya dapat diisi ulang, maka dapat dibentuk distribusi probabilitas .
Penyelesaian:

1 jika mahasiswa membeli rapido yang tintanya dapat diisi ulang

={
0 jika mahasiswa membe rapido yang harus diganti
p(1) = P(X = 1) = 0.3
p(0) = P(X = 0) = 0.7
p(x0 atau 1) = P(X 0 atau 1)=0

Maka fungsi probabilitasnya adalah fungsi Bernoulli dengan parameter p = 0.3,sehingga:

0,3 x 1

pB ( x;0,3) 0,7 x 0
0 x 0 atau 1

atau,
pB ( x;0,3) 0,3 0,7
x 1 x
; x 0,1

5
2) Seorang siswa sedang mengerjakan tes yang berupa pilihan ganda.Tes tersebut terdiri 10
pertanyaan,dimana setiap pertanyaan mempunyai 4 kemungkinan jawaban(hanya 1 yang
benar).Apabila murid tersebut disuruh menebak untuk setiap pertanyaan,apakah
pertanyaan tersebut merupakan percoabaan Bernoulli?
Penyelesaian :
Pertanyaan tersbeut termasuk percobaan Bernoulli karena meghasilkan dua keluaran
yaitu benar dan salah.

1 jika jawaban yang ditebak adalah benar

={
0 jika jawaban yang ditebak tidak benar

1
Maka, fungsi probabilitasnya adalah fungsi Bernoulli dengan parameter p = 4,sehingga:
(; 0.25) = (0.25) (0.75)1 = 0,1

6
 C. Distribusi Binomial

Ciri-Ciri distribusi binomial adalah :

Terdapat n kali percobaan
Masing-masing percobaan hanya dapat menghasilkan dua kemungkinan.Hasil
yang diperoleh tersebut bisa dianggap sebagai hasil yang sukses(hasil yang
dikehendaki) atau gagal(hasil yang tidak dikehendaki).
Hasil dari masing-masing percobaan haruslah saling bebas (independent)atau
dengan pengembalian..
Peluang untuk sukses harus sama untuk setiap percobaan yaitu dinyatakan dengan
p dan gagal dinyatakan dengan q =1-p.Jumlah p+q=1.

Definisi dari distribusi Binomial yaitu peubah acak X merupakan peubah acak Binomal
dengan parameter p dan n apabila pdfnya :

dimana 0<p<1 adalah peluang untuk

(; , ) = () = () (1 ) , = 0,1,..,n sukses

!
() = ()!!
Keterangan :
p menyatakan peluang kejadian sukses
1-p menyatakan peluang kejadian gagal
n menyatakan banyaknya percobaan yang dilakukan
x menyatakan banyaknya kejadian yang sukses dalam peubah acak X

Notasi dari distribusi Binomial yaitu X~Bin(n,p)

Pembuktian distribusi binomial adalah suatu PDF

Untuk membuktikan suatu peubah acak adalah suatu PDF maka harus kita tunjukkan :
1. () 0
2. () = 1
Sehingga ,karena 0 p 1 dan nilai kombinasi pasti positif maka () pasti
positif.Selanjutnya akan kita buktikan bahwa () = 1 ,dengan mengguankan persamaan
binomial Newton :
() = 0() (1 )
+ (1 ) = 1 = 1 (terbukti)

7
 Apabila X merupakan peubah acak Binomial dengan parameter n dan p,maka
mean,variansi,dan moment generating function(MGF) yaitu:

i. Mean/nilai harapan : =

Pembuktian : E(X) = ()
E(X) = =0 () (1 )
E(X) = =1 () (1 )
!
E(X) = =1 . !()! . (1 )
(1)!
E(X) = =1 . . . 1 (1 )
(1)!()!
(1)!
E(X) = =1 (1)!()! . . 1 (1 )
Misalkan : m=n-1
s=x-1
Maka persamaannya menjadi,
!
E(X) =
=0 !()! . . (1 )
E(X) = . 1 = (terbukti)

ii. Variansi : =

Pembuktian : Var(X) = E(X2)-(E(X))2

Akan kita cari terlebih dahulu E(X2),
E(X2) = =0 2 ()
= =0 2 ( () (1 ) )
= =1 2 ( () (1 ) )
!
= =1 2 . !()! . (1 ) )
(1)!
==1 2 (1)!()! . . 1 (1 )
(1)!
= =1 . . 1 (1 )
(1)!()!
Misalkan : m=n-1
s=x-1
Maka persamaannya menjadi,
!
E(X2) =
=0( + 1) !()! . . (1 )

=
=0( + 1)( ) (1 )

8

= [
=0()( ) (1 )

+
=0(1)( ) (1 )

]

= [ + 1]

= [( 1) + 1] = [ + 1]

Sehingga Var(X) = E(X2)-(E(X))2

= [ + 1] ()2
= ()2 1 + ()2
= (1 ) = (terbukti)

iii. Moment Generating Function (MGF) : (1 + )

Pembuktian: () = ( )
() = =0 . ()
() = =0 . () (1 )
!
() = =0 . !()! . (1 )
!
() = =0( ) !()! (1 )
() = ( + 1 )+
() = (1 + ) (terbukti)

Aplikasi penggunaan distribusi Binomial diantaranya,yaitu

Jumlah pertanyaan dimana kita dapat mengharapkan bahwa jawaban kita benar dalam
ujian pilihan ganda
Jumah lemparan bebas yang dilakukan oleh pemain basket selama satu musim

Contoh soal penggunaan distribusi Binomial :

1) Probabilitas bahwa sejenis komponen tertentu yang lolos uji kelayakan adalah
0.75.Tentukan probabilitas dimana 2 dari 4 komponen yang selanjutnya diuji akan
dinyatakan layak!
Penyelesaian :
P(X = ) = () = () (1 )
p = 0.75, q = 1 0.75 = 0.25
Untuk = 2,
27
P(X = 2) = (42)(0.75)2 (0.25)42 = 128

2) Anggaplah kita mempunyai 3 baju sweater berwarna merah dan 2 baju sweater berwarna
biru Setiap hari kita menarik satu baju sweater secara acak (dan kita mengembalikan lagi

9
 setelah kita pakai).Berapakah probabilitas kita memilih sweater berwarna merah 3 hari
dalam seminggu?
Penyelesaian:
P(X = ) = () = () (1 )
3
P=5 = 0.6 , = 0.4, = 7

Misal x=jumlah baju hangat merah yang kita pilih selama seminggu

7
P(X = ) = () = ( ) (0.6) (0.4)7

sehingga
P(X = 0) = () = (70)(0.6)0 (0.4)70 = 0.001
P(X = 1) = () = (71)(0.6)1 (0.4)71 = 0.017
P(X = 2) = () = (72)(0.6)2 (0.4)72 = 0.077
P(X = 3) = () = (73)(0.6)3 (0.4)73 = 0.193
P(X = 4) = () = (71)(0.6)4 (0.4)74 = 0.290
P(X = 5) = () = (71)(0.6)5 (0.4)75 = 0. 261
P(X = 6) = () = (76)(0.6)6 (0.4)76 = 0.130
P(X = 7) = () = (77)(0.6)7 (0.4)77 = 0.027

3) Berdasarkan data biro perjalanan PT Abadi,yang khusus menangani perjalanan wisata

turis mancanegara,20% dari turis menyatakan sangat puas berkunjung ke Indonesia,40%
menyatakan puas,25% menyatakan biasa saja dan sisa menyatakan kurang puas.Apabila
kita bertemu dengan 5 orang dari peserta wisata turis mancanegara yang pernah
menggunakan jasa biro perjalanan tersebut.Tentukan probabilitas:
a. Tepat 2 diantara menyatakan biasa saja
b. Paling banyak 2 diantaranya menyatakan sangat puas
Penyelesaian:

a. P(X=2)
Diketahui bahwa n=5,p=0.25,q=0.75
P(X = 2) = () = (52)(0.25)2 (0.75)3 = 0.2637

b. P(X2)
Diketahui bahwa p = 0.2,q = 0.8
P(X2) = P(X=0) + P(X=1) + P(X=2)
= (50)(0.2)0 (0.8)5 + (51)(0.2)1 (0.8)4 + (52)(0.2)2 (0.8)3
= 0.32768 + 0.40960 + 0.20480 = 0.94208

10
4) Probabilitas bahwa seorang pasien sembuh dari penyakit darah yang langka adalah 0,4.
Bila 15 orang diketahui terkena penyakit ini, berapakah probabilitas (a) paling tidak 10
selamat, (b) dari 3 sampai 8 selamat, dan (c) tepat 5 selamat?
Penyelesaian:
(dapat dilihat menggunakan tabel)
9
(a) P X 10 1 P X 10 1 b x;15, 0, 4 1 0,9662 0, 0338
x 0
8
(b) P 3 X 8 b x;15, 0, 4
x 3
8 2
b x;15, 0, 4 b x;15, 0, 4 0,9050 0, 0271 0,8779
x 3 x 0
5 4
(c) P X 5 b 5;15, 0, 4 b 5;15, 0, 4 b 5;15, 0, 4
x 0 x 0
0, 4032 0, 2173 0,1859

11
 D. Distribusi Geometri
adalah banyaknya pengulangan yang diperlukan untuk mencapai satu keberhasilan atau
banyaknya percobaan yang diulang beberapa kali sampai mendapatkan sukses yang
pertama.

Ciri-Ciri distribusi geometri adalah :

Percobaan bebas dilakukan berulang,dapat menghasilkan keberhasilan dengan
probabilitas p dan kegagalan dengan probabilitas q=1-p

Definisi dari distribusi geometri yaitu peubah acak X merupakan peubah acak
geometri apabila pdfnya :

() = (1 )1 , = 1,2,3,

Keterangan :
p menyatakan peluang kejadian sukses
1-p menyatakan peluang kejadian gagal
x menyatakan jumlah pengulangan sebelum mendapatkan sukses yang pertama

Notasi dari distribusi geometri yaitu X~GEO(p)

Apabila X merupakan peubah acak geometri dengan parameter n dan p,maka

mean,variansi,dan moment generating function(MGF) yaitu:

i. Mean/nilai harapan : =
Pembuktian :

12

ii. Variansi : =
Pembuktian :
Mencari nilai dari X2:

Sehingga, Var(X) = E(X2)-(E(X))2

1+(1) 1 1
= = (terbukti)
2 2

iii. Moment Generating Function (MGF) : 1(1)

Pembuktian: () = ( )
() = =0 . ()
() = =0 . (1 )1

() = 1 =0 . (1 )

() = 1 ((1 ) + ((1 ) )2 + ((1 ) )3 + )
(1)
() = . (1(1) )
1

() = (terbukti)
1(1)

Contoh soal penggunaan distribusi Geometri:

1) Sebuah container berisis sekring untuk diekspor.Dari spesifikasi produsen diketahui
bahwa proporsi cacat sekring adalah 10%.Inspektor sedang melakukan pengujian
kesesuaian mutu sekring dengan cara mengambil satu persatu sampai diketemukan
sekring yang cacat.Tentukan peluang bahwa sekring cacat ditemukan dalam 5
pengujian pertama!

13
 Penyelesaian :
Diketahui p=0.1 dan q = 0.9
1
Sehingga,( = ) = (1 )1 = (0.1)(0.9)
( 5) = p(1) + (2) + (3) + (4) + (5(
( 5) = (0.1)(0.9)0 + (0.1)(0.9)1 + (0.1)(0.9)2 + + (0.1)(0.9)4
= 0.41

2) Di dalam suatu proses produksi tertentu diketahui bahwa,secara rata-rata,1 di dalam

setiap 100 barang adalah cacat.Bearapakah probabilitas bahwa barang kelima
merupakan barang cacat pertama yang ditemukan?
Penyelesaian:
Diketahui p=0.01;x=5
4
Sehingga, ( = 5) = (1 )1 = (0.01)(0.99) = 0.0096

3) Pada saat waktu sibuk sebuah papan sakelar telepon sangat mendekati
kapasitasnya,sehingga para penelpon mengalami kesulitan melakukan hubungan
telepon.Andaikan bahwa kita mengambil p= 0.05 sehingga probabilitas dari sebuah
sambungan dalam waktu sibuk.Berapa probabilitas bahwa sambungan akan berhasil
pada saat upaya ke-5?
Penyelesaian :
Diketeahui x=5 ,p=0.05,q=0.95
4
Sehingga, ( = 5) = (1 )1 = (0.05)(0.95) = 0.041

14
 E. Distribusi Binomial Negatif
Adalah distribusi hasil percobaan Bernoulli yang diulang sampai mendapatkan sukses
ke-k

Ciri-Ciri distribusi Binomial Negatif adalah :

Kondisi umum identik dengan distribusi peluang binomial
Pengecualian pada berubahan defenisi variabel random X dimana jumlah
percobaan yang diperlukan untuk memperoleh keluaran ke-k

Definisi dari distribusi binomial negatif yaitu peubah acak X merupakan peubah acak
binomial negatif apabila pdfnya :

(; , ) = () = (1
1
) (1 ) , = , + 1, + 2,

Keterangan :
p menyatakan peluang kejadian sukses
1-p menyatakan peluang kejadian gagal
x menyatakan jumlah percobaan
k menyatakan jumlah suskses yang terjadi

Notasi dari distribusi Binomial Negatif yaitu X~NBIN(k,p)

Pembuktian distribusi binomial negatif adalah suatu PDF

Untuk membuktikan suatu peubah acak adalah suatu PDF maka harus kita tunjukkan :
1. () = 1
2. () 0

Sehingga ,karena 0 p 1 dan nilai kombinasi pasti positif maka () pasti

positif.Selanjutnya akan kita buktikan bahwa () = 1 ,dengan mengguankan persamaan
binomial Newton :
() = (1
1
) (1 ) , = , + 1, + 2,
dimana 0<p<1

1

=(1) (1 )

1

=(1)(1 )

(1 (1 )) = . = 1 (terbukti)

15
 Apabila X merupakan peubah acak binomial negatif dengan parameter n dan p,maka
mean,variansi,dan moment generating function(MGF) yaitu:

i. Mean/nilai harapan : =
Pembuktian :

()
ii. Variansi : =
Pembuktian :
Mencari nilai dari E(X2)
Dimisalkan terlebih dahulu

Kemudian dicari

16
 Sehingga

Sehingga, Var(X) = E(X2)-(E(X))2

2 + 2 ()
= ( ) = (terbukti)
2

iii. Moment Generating Function (MGF) : [( + ]
Pembuktian: () = ( )
() =
= . ()
1
() = = (1) (1 )

() 1
() =
= (1)(1 )
() =
=
()
(1 ) (1
1
)
() =
=[ (1 )]

() = [1 (1 ) ]


= [ ] (terbukti)
( +

Contoh soal penggunaan distribusi Binomial Negatif:

1) Untuk memasang baut,digunakan sebuah perlatan elektrik dengan tingkat keberhasilan
0.9 dalam selang waktu 1 detik.Jika operator gagal memasang baut dalam selang waktu
1 detik pertama,tingkat keberhasilan pemasang pada selang waktu 1 detik kedua
dianggap 0.8,dalam 1 rangkaian assembly terdapat 4 baut yang harus
dipasang.Tentukan:
a. Distribusi probabilitas x,yaitu waktu (detik) yang diperlukan untuk
memasang keempat baut baut dalam 1 assembly .
b. Peluang bahwa waktu yang diperlukan untuk memasang keempat baut
tersebut adalah 6 detik.

Penyelesaian:

a. Diketahui bahwa k=4,p=0.8 ,q=0.2

(; 4,0.8) = () = (1
41
)(0.8)4 (0.2)4
b. Waktu yang diperlukan adalah 6 detik,berarti x=6
(6; 4,0.8) = ( = 6) = (61
41
)(0.8)4 (0.2)64
( = 6) = (53)(0.8)4 (0.2)2 = 0.16384

17
2) Sebuah perusahaan minyak melakukan sebuah penelitian geologi yang mengindekasi
bahwa sebuah ekplorasi minyak mempunyai kesempatan sebesar 20% untuk
menemukan minyak.Berapa peluang bagi perusahaan minyak untuk menemukan
minyak pertama di pengeboran ke-3?Dan berapa mean dan variansi dari jumlah sumur
yang harus di bor apabila perusahaan minyak tersebut ingin membuat 3 sumur yang
produktif?
Penyelesaian:
Diketahui bahwa p=0.2,x=3,k=1
(; , ) = () = (1
1
) (1 )
(3; 1,0.2) = (3) = (31
11
)1 (0.8)31
(3; 1,0.2) = (3) = (20)(0.2)(0.8)2 = 0.128
Untuk mencari mean dan variansi apabila diketahui k=3
3
() = = 0.20 = 15

3(0.80)
() = 2 = = 60
(0.20)2

18
 F. Distribusi Hipergeometrik
Probabilitas kejadian suatu objek tanpa pengembalian(apabila obyek yang sudah diuji
tidak akan diikutkan lagi dalam pengujian sebelumnya).

Ciri-Ciri distribusi Hypergeometrik adalah :

Percobaan terdiri atas pengambilan random n elemen tanpa pengembalian dari
total N elemen
Terdapat S (sukses) sebanyak k dan F (gagal) sebanyak N-k

Ukuran n dianggap besar sebanding N ( > 0.05
Variabel random hypergeometri X adalah jumlah(sukses) dalam pengembalian n
elemen.

Definisi dari distribusi Hypergeometrik yaitu peubah acak X merupakan peubah acak
hypergeometrik apabila pdfnya :

(
)( )
(; , , ) = () = untuk x=0,1,2,3,
(
)

dimana dan
Keterangan :
N menyatakan jumlah totak elemen
k menyatakan jumlah sukses dalam N
n menyatakan jumlah elemen pengambilan
x menyatakan jumlah suskses dalam pengambilan

Notasi dari distribusi Hypergeometric yaitu X~HYP(k,N-k,n)

Apabila X merupakan peubah acak Hypergeometric dengan parameter n dan p,maka

mean,variansi,dan moment generating function(MGF) yaitu:

i. Mean/nilai harapan : =
Pembuktian :
() = =0 ()
(
)( )
() = =0
(
)

! (
)
() = =0 ()!! .
(
)

(1)! (
)
() = =0 (1)!()! .
(
)

19
 (1) (
)
() = =0 (1)!()! .
(
)
Misalkan: y=x-1
(1
)((+1))
() = =0
(
)
(1)(1)
(1
)( (1) )
() = =0 1
( )
1
1 (1)(1)
( )( (1) )

() = =0
(1
1 )
(1)(1)
(1
)( (1) )

Karena, () = =0 =1
(
)

Maka, () = (terbukti)

().()
ii. Variansi : = ()
Pembuktian :
Mencari nilai dari E(X2)
Dimisalkan terlebih dahulu
( 2 ) = ( 2 ) () + ()
( 2 ) = [( 2 ) ()] + ()
( 2 ) = [() 1)] + ()

Kemudian dicari
[( 1)] = =0 ( 1)()
(1)
()( )
[( 1)] ==0 ( 1) (1)
(1)
(2)
(1) 2

(2)(2)
(1) (2
2)( (2)(2) )
[( 1)] = (1) =0 ( 1)
(2
2 )
(1)

(1)(1)
[( 1)] = (1)

Oleh karena itu,maka:

( 2 ) = [() 1)] + ()
(1)(1)
( 2 ) = +
(1)
Maka nilai harapannya ( ())2
2
[( ()) ] = ( 2 ) (())2
2 (1)(1)
[( ()) ] = + ( )2
(1)

20
 2 (1)(1)
[( ()) ] = ( +1 )
(1)
2 (1)(1)+(1)(
[( ()) ] = ( )
(1)
2 ()(1)+(1)(
[( ()) ] = ( )
(1)
2 ++ 2 +
[( ()) ] = ( )
(1)
2 +2 +
[( ()) ] = ( )
(1)
2 ().()
[( ()) ] = (terbukti)
2 (1)

Contoh soal penggunaan distribusi Hypergeometric:

1) Suatu panitia 5 orang dipilih secara acak dari 3 kimiawan dan 5 fisikawan. Hitung
distribusi probabilitas banyknya kimiawan yang duduk dalam panitia.
Penyelesaian:
Misalkan: X=menyatakan banyaknya kimiawan dalam panitia
X={0,1,2,3}
Distribusi probabilitasnya dinyatakan dengan rumus
(3)(55
)
(; 8,5,3) = ; = 0,1,2,3
(85)
(30)(55) 1
= 0 (0; 8,5,3) = (85)
= 56
(31)(54) 15
= 1 (1; 8,5,3) = (85)
= 56
(32)(53) 30
= 2 (2; 8,5,3) = (85)
= 56
3
(3)(2) 10
= 3 (3; 8,5,3) = (85)
= 56
Tabel Distribusi Hypergeometric

x 0 1 2 3

h(x;8,5,3) 1 15 30 10
56 56 56 56

2) Dari 10 katalis yang ada,diperlukan 3 untuk keperluan pembuatan produk kimia

baru.Dari 10 katalis tersebut terdapat 4 jenis katalis berkadar asam tinggi dan 6 jenis
katalis berkadar asam rendah :
a. Tentukan peluang bahwa katalis yang terpilih semua berkadar asam rendah

21
 b. Tentukan peluang bahwa dari 3 katalis yang dipilih,hanya 1 yang memiliki kadar
asam tinggi.
Penyelesaian:
Diketahui bahwa N=10,n=3,k=4
x=jumlah katalis berkadar asam tinggi dari 3 katalis yang dipilih

(4)(3
6
)
( = ) =
(10
3
)

(40)(63) 1
a. ( = 0) = (10
=6
3)
(41)(62) 1
b. ( = 1) = (10
=2
3)

3) Dari 6 kontraktor jalan,3 diantaranya telah berpengalaman selama 5 tahun atau

lebih.Jika 4 kontraktor dipanggil secara random dari 6 kontraktor tersebut,berapa
produksi bahwa 2 kontraktor telah berpengalaman selama 5 tahun atau lebih?
Penyelesaian:
Diketahui bahwa N=6,n=4,k=3
(3)(4
3
)
( = ) = 6
(4)
sehingga,
(32)(32)
( = 2) = 6 = 0.6
(4)

22
 G. Distribusi Poisson
Probabilitas banyaknya hasil percobaan yang terjadi di dalam suatu interval dalam waktu
tertentu

Ciri-Ciri distribusi Poisson adalah :

Variabel random X adalah jumlah kemunculan kejadian yang diamati selama unit
ukuran tertentu(contoh : jarak,area,volume,dll)
Banyaknya hasil percobaan yang satu tidak bergantung dari banyaknya hasil
percobaan
Probabilitas hasil percobaan sepanjang dengan panjang interval waktu
Menghitung distribusi Binomial apabila n besar (n 30) dengan p yang relatif
kecil (p<0.1)

Definisi dari distribusi Poisson yaitu peubah acak X merupakan peubah acak poisson
apabila pdfnya :

P(x; ) = () = untuk x=0,1,2,3, =
!

dimana 0 < <

Keterangan : = rata-rata jumlah kejadian dalam setiap unit ukuran
e =2.71828

Notasi dari distribusi Poisson yaitu X~POI()

Pembuktian distribusi Poisson adalah suatu PDF

Untuk membuktikan suatu peubah acak adalah suatu PDF maka harus kita tunjukkan :
1) () 0
2) () = 1
Sehingga ,karena 0 p 1 dan nilai kombinasi pasti positif maka () pasti
positif.Selanjutnya akan kita buktikan bahwa () = 1 ,dengan mengguankan persamaan
binomial Newton :

() =
0 ( )
!

=
0 ( ! ) = . = 1 ()

23
 Apabila X merupakan peubah acak Poisson dengan parameter ,maka mean,variansi,dan
moment generating function(MGF) yaitu:

1. Mean/nilai harapan : =
Pembuktian :
() = =0 ()

() = =0 ( )
!
..1
() = =0 ( )
(1)!
.1
() = =0 ( (1)! )
.1
Karena, () = =0 = 1=1
(1)!
Maka, () = (terbukti)

2. Variansi : =
Pembuktian :
Mencari nilai dari E(X2)
Dimisalkan terlebih dahulu
( 2 ) = ( 2 ) () + ()
( 2 ) = [( 2 ) ()] + ()
( 2 ) = [() 1)] + ()

Kemudian dicari
[( 1)] = =0 ( 1)()

[( 1)] ==0 ( 1) ( )
!

( 2 2 )
[( 1)] ==0 ( 1) (1)(2)!

( 2 )
[( 1)] =2 =0 (2)!
Oleh karena itu,maka:
( 2 ) = [() 1)] + ()
( 2 ) = 2 +
Var(X)= 2 + 2 = (terbukti)

24
 1 )=
3. Moment Generating Function (MGF) : ( ()
Pembuktian :

() = ( )
() = =0 . ()

() = =0 . ( )
!
( )
() = =0 !
( )
() = =0
!
( ) ( 1)
() = = (terbukti)

Contoh soal penggunaan distribusi Poisson:

1. Sebuah konveksi pakaian menggunakan 20 mesin jahit.Probabilitas sebuah mesin jahit

mengalami dan memerlukan perbaikan adalah 0.02.Tentukan probabilitas dari 3 mesin
yang akan mengalami gangguan dan memerluka perbaikan!
Penyelesaian:
Diketahui bahwa n=20;p=0.02;x=3
= = 20(0.02) = 0.40
0.4 (0.4)3
( = 3) = ( ) = 0.0072
3!
2. Sepuluh adalah jumlah rata-rata kapal tangki minyak datang setiap hari di sebuah banda
tertentu. Fasilitas pada pelabuhan itu dapat menangani paling banyak 15 kapal tangki per
hari. Berapa probabilitas pada suatu hari yang diketahui tanker-tanker harus berbalik
arah?
Penyelesaian:
Misalkan X sebagai jumlah kapal tangki yang datang setiap hari. Kemudian, dengan
menggunakan tabel poisson;
15
P X 15 1 P X 15 1 p x;10 1 0,9513 =0,0487
x 0

3. Di dalam proses produksi dimana produk kaca dihasilkan, terjadi cacat atau gelembung,
yang kadang-kadang menyebabkan produk yang tidak diinginkan untuk pemasaran.
Diketahui bahwa, rata-rata, 1 dalam setiap 1000 barang yang dihasilkan ini mempunyai
satu gelembung atau lebih. Berapakah probabilitas sebuah contoh acak yang berisi 8000
akan membuahkan kurang dari 7 barang mempunyai gelembung?
Penyelesaian:
Ini adalah sebuah percobaan binomial dengan n = 8000 dan p = 0,001. Karena p sangat
mendekati nol dan n sangat besar, kita akan memperkirakannya dengan sebaran Poisson
dengan menggunakan
8000 0,001 8

25
Sehingga, bila X mewakili jumlah gelembung, kita dapatkan
6 6
P X 7 b x;8000, 0, 001 p x;8 0,3134
x 0 x 0

26
 H. Distribusi Riemann Zeta

I. Definisi dari distribusi Riemann Zeta yaitu peubah acak X merupakan peubah acak
Riemann Zeta apabila pdfnya :

1
() = (+1) (+1) untuk x=0,1,2,3,

dimana > 0 dan

1 1 1 1
() = 1 + (2) + (3) + (4) + + () +

Notasi dari distribusi Poisson yaitu X~RIZ()

Apabila X merupakan peubah acak Riemann Zeta dengan parameter ,maka mean,variansi
yaitu:

()
() = (+1)

(1)(+1)(())2
() = ((+1))2

27
28