Professional Documents
Culture Documents
c. Diskrit Binominal:
1. Setiap peristiwa tunggal mempunyai dua hasil kejadian
2. Peristiwa independent
3. Banyaknya percobaan tertentu (n)
4. n biasanya ≤ 30
5. p tidak mendekati 0 (nol)
d. Diskrit Multinominal:
1. Peristiwa bersifat independent (“bebas”)
2. Setiap percobaan tunggalnya menghasilkan lebih dari dua
outcomes yang semuanya disebut “sukses”
3. Banyaknya percoban tertentu (n)
Macam- macam Distribusi Peluang Teoritis
e. Diskrit Poisson:
1. n sangat besar
2. p sangat kecil mendekati nol
3. dapat dipecahkan atau diselesaikan dengan rumus distribusi
binominal bila n.p dan n.q mempunyai nilai ≤ 5
f. Diskrit Hipergeometris:
1. Peristiwa dependent
2. Tiap percobaan tunggal menghasilkan 2 outcomes atau lebih
3. Banyaknya percobaan tertentu
DISTRIBUSI PELUANG KONTINU
0.10
P(x)
P(x)
P(x)
0.05
0.00
0.0
. 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 0 1 2 3 4 5 6 7 0 1 2 3 4 5 6 7
Minutes Minutes Minutes
F(x)
Fungsi 1
kumulatif F(b)
F(a)
0
} P(a X b)=F(b) - F(a)
a b x
f(x)
Distribusi Uniform
0.5
0.4
Total luas area f(x) = 1/5 * 5 = 1.00
0.3
f(x)
Definisi:
Jika peubah acak X memiliki nilai (kontinu) dengan kemungkinan kemunculan
yang sama maka dikatakan bahwa peubah acak (kontinu) x mengikuti
distribusi uniform dengan fungsi densitas Peluang:
f(x)=
{ 1/( - ), untuk <x<
0 untuk x lainnya.
0 0
DISTRIBUSI EKSPONENSIAL
• Sebuah peralatan dilengkapi dengan komponen pengaman untuk melindungi
peralatan dari kegagalan.
• Berdasarkan data dan pengamatan yang panjang, komponen pengaman
tersebut memiliki daya tahan yang dinyatakan oleh peubah acak satuan
waktu (minggu) T yang berdistribusi eksponensial dengan parameter =1/5.
Saat ini perusahaan memiliki 5 set peralatan terpisah (independent) dimana
masing-masing dilengkapi dengan komponen pengaman yang diasumsikan
identik.
• Dari perhitungan pesanan masuk yang harus dipenuhi, perusahaan
menginginkan peralatan tersebut tidak mengalami kegagalan total untuk
memenuhi pesanan yang direncanakan akan dipenuhi dalam 8 minggu.
n=6 n = 10 n = 14
B inomial D is tribution: n= 6, p= .5 B inomial D is tribution: n= 1 0 , p= .5 B inomial D is tribution: n= 1 4 , p= .5
P(x)
P(x)
P(x)
0.1 0.1 0.1
0.3
seperti
f(x)
0.2
0.0
-5 0 5
x
DISTRIBUSI PELUANG NORMAL
0.3
- 1 x / 2
f(x )
0.2
1
f ( x) e 2 x
0.1
2
0.0
-5 0 5
x
Definisi
Sebuah variabel random (kontinyu) x ( x ) dikatakan
mengikuti distribusi normal dengan parameter lokasi
pemusatan dan parameter penyebaran (variansi) 0 jika
2
(1) (0) .
Distribusi Peluang Normal
2
z
1 11 z 2
2
1 z
2
e 1
e dz
2 2
2 0 1 2 .
Distribusi Peluang Normal
Semua kurva di bawah ini mengikuti distribusi normal dengan nilai rata-
rata dan variansi yang berbeda
Normal Dis tribution: =40, =1 Normal D is tribution: =30, =5 Normal D is tribution: =50, =3
0.4 0.2 0.2
0.3
f(y)
f(w)
f(x)
0.2 0.1 0.1
0.1
0.2
0.1
P(25 X 35) densitas Peluang normal.
0.0
-5 0 5
P(47 Y 53)
z
P(-1 Z 1)
Distribusi Peluang Normal
f( z)
0.2
0 .3
=1
f( z )
{
0 .2
0 .1
0 .0
-5 -4 -3 -2 -1 0 1 2 3 4 5
=0
DISTRIBUSI NORMAL BAKU
P(0 < Z < 1.56)
Peluang Normal Baku
z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
S ta dard Normal Distribution 0.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0
0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0
0.4 0.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1
0.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1
0.3 0.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.1
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2
0.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2
f(z)
0.2 0.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.2
0.8 0.2881 0.2910 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3
0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3
0.1 1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3
1.56 1.1 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 0.3
{
1.2 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.4
0.0
1.3 0.4032 0.4049 0.4066 0.4082 0.4099 0.4115 0.4131 0.4147 0.4162 0.4
-5 -4 -3 -2 -1 0 1 2 3 4 5 1.4 0.4192 0.4207 0.4222 0.4236 0.4251 0.4265 0.4279 0.4292 0.4306 0.4
Z 1.5 0.4332 0.4345 0.4357 0.4370 0.4382 0.4394 0.4406 0.4418 0.4429 0.4
1.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505 0.4515 0.4525 0.4535 0.4
1.7 0.4554 0.4564 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4625 0.4
1.8 0.4641 0.4649 0.4656 0.4664 0.4671 0.4678 0.4686 0.4693 0.4699 0.4
1.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744 0.4750 0.4756 0.4761 0.4
2.0 0.4772 0.4778 0.4783 0.4788 0.4793 0.4798 0.4803 0.4808 0.4812 0.4
2.1 0.4821 0.4826 0.4830 0.4834 0.4838 0.4842 0.4846 0.4850 0.4854 0.4
Lihat pada baris 1.5 dan 2.2
2.3
0.4861
0.4893
0.4864
0.4896
0.4868
0.4898
0.4871
0.4901
0.4875
0.4904
0.4878
0.4906
0.4881
0.4909
0.4884
0.4911
0.4887
0.4913
0.4
0.4
0.4
Area di sebelah kiri -2.47
P(Z < -2.47) = .5 - 0.4932 0.3
Nilai tabel area 2.47
= 0.0068
P(0 < Z < 2.47) = 0.4934
f(z)
0.2
0.1
0.0
-5 -4 -3 -2 -1 0 1 2 3 4 5
Z
DISTRIBUSI NORMAL BAKU
P(1< Z < 2)
0.2
0.1
0.0
-5 -4 -3 -2 -1 0 1 2 3 4 5
Z
DISTRIBUSI NORMAL BAKU
P(0 < Z < z) = 0.40
z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
0.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
Temukan z sehingga 0.1
0.2
0.0398
0.0793
0.0438
0.0832
0.0478
0.0871
0.0517
0.0910
0.0557
0.0948
0.0596
0.0987
0.0636
0.1026
0.0675
0.1064
0.0714
0.1103
0.0753
0.1141
P(0 < Z < z) = .40: 0.3
0.4
0.1179
0.1554
0.1217
0.1591
0.1255
0.1628
0.1293
0.1664
0.1331
0.1700
0.1368
0.1736
0.1406
0.1772
0.1443
0.1808
0.1480
0.1844
0.1517
0.1879
0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224
0.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2549
Temukan nilai Peluang 0.7
0.8
0.2580
0.2881
0.2611
0.2910
0.2642
0.2939
0.2673
0.2967
0.2704
0.2995
0.2734
0.3023
0.2764
0.3051
0.2794
0.3078
0.2823
0.3106
0.2852
0.3133
sedekat mungkin dengan .40 0.9
1.0
0.3159
0.3413
0.3186
0.3438
0.3212
0.3461
0.3238
0.3485
0.3264
0.3508
0.3289
0.3531
0.3315
0.3554
0.3340
0.3577
0.3365
0.3599
0.3389
0.3621
dari tabel kemungkinan normal 1.1
1.2
0.3643
0.3849
0.3665
0.3869
0.3686
0.3888
0.3708
0.3907
0.3729
0.3925
0.3749
0.3944
0.3770
0.3962
0.3790
0.3980
0.3810
0.3997
0.3830
0.4015
Baku. 1.3
.
0.4032
.
0.4049
.
0.4066
.
0.4082
.
0.4099
.
0.4115
.
0.4131
.
0.4147
.
0.4162
.
0.4177
.
. . . . . . . . . . .
. . . . . . . . . . .
Tentukan nilai z pada baris dan
kolom yang sesuai. S tandard Normal Distribution
P(0<z<1.28) 0.40 0.4
Luas area di kiri 0 = .50 Area = .40 (.3997)
Karena P(Z < 0) = .50 P(z 0) = .50 0.3
f(z) 0.2
0.0
-5 -4 -3 -2 -1 0 1 2 3 4 5
Z
Z = 1.28
Distribusi Normal Baku
P(-z.005< Z < z.005) = 0.99
f(z)
0.2
2,57 < z.005 < 2,58
z.005 2,575
Area di ekor kanan = .005
0.1
Area di ekor kiri = .005
0.0
P(-.2575 < Z < 2,575) = .99 -5 -4 -3 -2 -1 0 1 2 3 4 5
Z
-z.005 z.005
-2.575 2.575
Transformasi Peubah Acak Normal
Luas area dalam interval k dari rata-rata untuk peubah acak normal adalah sama. Jadi
area di bawah kurva normal ekuivalan dengan area di bawah kurna normal Baku. Contoh:
P(40 X P(-1 Z untuk 5dan
Transformasi X menjadi Z:
X x Normal Distribution: =50, =10
Z
x 0.07
0.06
f(x)
(1) Pengurangan: (X - x) 0.03
0.02 =10
{
S tandard Normal Dis tribution 0.01
0.4 0.00
0 10 20 30 40 50 60 70 80 90 100
X
0.3
0.2
Transformasi sebaliknya Z
{
0.1 1.0
menjadi X:
0.0
-5 -4 -3 -2 -1 0 1 2 3 4 5 X x Z x
Z
Transformasi Peubah Acak Normal
Contoh: Contoh
X~N(160,302) X~N(127,222)
P (100 X 180) P ( X 150)
P
100 X 180 X 150
P
100 160 180 160
P Z
150 127
P Z
30 30 22
P 2 Z .6667 P Z 1.045
0.4772 0.2475 0.7247 0.5 0.3520 0.8520
Transformasi Peubah Acak Normal
X~N(124,122) .
1.1
.
...
.
0.3790
.
0.3810
.
0.3830
f(x)
0.4
0.3 X.01 = +z = 5.7 + (2.33)(0.5) = 6.865
0.0005
0.2 .0250 .0250
0.1 Area = 0.01
0.0 0.0000
3.2 4.2 5.2 6.2 7.2 8.2 1000 2000 3000 4000
X X
-5 -4 -3 -2 -1 0 1 2 3 4 5 -5 -4 -3 -2 -1 0 1 2 3 4 5
0.0008
.
f(x)
0.0006
.
0.0004
.
0.0002
.
0.0000
1000 2000 3000 4000
0.1
acak asal).
Transformasi Peubah Acak Normal
f(x
.
0.0004
.
kanan. 0.0002
. .9500
0.0000
100 200 300 400
x = z
0.3
z .05 .06 .07
. . . . .
f(z)
. . . . . 0.2
.
1.8
.
...
.
0.4678
.
0.4686
.
0.4693
= 2450 ±
0.1
1.9
2.0
...
...
0.4744
0.4798
0.4750
0.4803
0.4756
0.4808
.9500 (1.96)(400)
. . . . .
. . . . .
0.0
-5 -4 -3 -2 -1 0 1 2 3 4 5
= 2450 ± 784
Z
=(1666,3234)
PENDEKATAN UNTUK BINOMIAL
0.3 0.3
P( x 4) = 0.7734
0.2 0.2
P(x)
f(x)
0.1 0.1
0.0 0.0
0 5 10 0 1 2 3 4 5 6 7
X X
0.2
P(x)
f(x)
0.1
0.1
0.0
0.0
0 1 2 3 4 5 6 7 8 9 10 11
0 5 10
X
X
x P( X <= x) x P( X <= x)
4.5000 0.2732 =0.0012 4.00 0.2744
Pendekatan untuk Binomial
Definisi:
Bila X variabel random binomial dengan rata-rata = np
dan variansi 2 = npq, maka bentuk pendekatan adalah
X np
distribusi Z
npq
, bila n adalah distribusi normal
baku N(0,1).
a np b np
P( a X b) P Z
np(1 p) np(1 p)
Untuk
for n large (n 50)
n besar (n>50)
anddan p tidak
p not mendekati
too close to 0 or 01.00
atau 1.00
Atau:
a 0.5 np b 0.5 np
P(a X b) P Z
np(1 p) np(1 p)
Untuk
for n sedanglarge
n moderately (20 n < 50).
(20<n<50)
Contoh:
• NORMSDIST(1.0) = 0.8413.
• NORMDIST(10.0, 5, 2) = 0.9938.
• Perintah inversinya NORMSINV(number) dan NORMINV(number,
mean, Bakud deviation).
• NORMSINV(0.975) = 1.96.
• NORMINV(0.975, 20, 10) = 39.6.
Distribusi Normal Multivariat
1
f x ( x) (2 ) m / 2
(det ) 1 / 2
exp ( x )' ( x )
1
2
Distribusi Peluang Gamma
Definisi
Sebuah variabel random kontinyu X berdistribusi gamma
dengan parameter bila 0 dan 0 , bila mengikuti
fungsi
1 1 x /
f ( x)
x e x>0
( )
= 0, untuk x lainnya.
r r 1 / r ( r )
Jika dimisalkan y=x/ , maka ( ) 0 y e dy ( ) .
'
r
( 1)
Dengan demikian '
, dan
( )
1
2 ( 2)
2 2 =
2
2 ' 2
( )
2
Distribusi gamma yang khusus (spesifik) untuk =v/2, =2,
dan v bilangan bulat positif disebut distribusi khi-kuadrat (chi-
square) dengan degree of freedom v.
Distribusi Peluang Gamma
Proposisi:
Jika X i , i 1,2,..., n adalah variabel random gamma independen
, maka i 1 X i juga gamma dengan
n
dengan parameter i ( , )
parameter i 1 i , .
n
(parameter adalah 1 / )
Proposisi:
Jika X i , i 1,2,..., n adalah variabel random independen
eksponensial independen dan identik dengan rata-rata ,
maka i 1 X i adalah variabel random gamma dengan
n
parameter (n, ) .
Distribusi Peluang Weibull
t
TUGAS
• Kerjakan secara berkelompok :
Carilah data kemudian lakukan analisa untuk
distribusi normal dan tarik kesimpulannya
1. Kerjakan secara manual
2. Kerjakan dengan menggunakan software
3. Dikumpulkan tgl 09 Oktober 2017 dalam bentuk
hardcopy dan atau softcopy ke email
yanyan_dwiyanti@yahoo.com