Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

DISTRIBUSI PROBABILITAS DISKRET. Yang dibahas : DDistribusi Bernoulli DDistribusi Binomial DDistribusi Geometrik DDistribusi Binomial Negatif.

Presentasi serupa


Presentasi berjudul: "DISTRIBUSI PROBABILITAS DISKRET. Yang dibahas : DDistribusi Bernoulli DDistribusi Binomial DDistribusi Geometrik DDistribusi Binomial Negatif."— Transcript presentasi:

1 DISTRIBUSI PROBABILITAS DISKRET

2 Yang dibahas : DDistribusi Bernoulli DDistribusi Binomial DDistribusi Geometrik DDistribusi Binomial Negatif (Pascal)

3

4

5

6

7

8

9

10

11

12

13 13 Beberapa distribusi yang dilandasi oleh proses Bernoulli adalah : rDrDistribusi binomial, rDrDistribusi geometrik, rDrDistribusi hipergeometrik. (termasuk kategori tersebut adalah distribusi multinomial dan negatif binomial).

14 Contoh. Sebuah proses Bernoulli untuk QC dilakukan dengan memilih 3 komponen secara simultan dari sebuah proses produksi. Setiap komponen yang diambil dinyatakan “sukses” jika ternyata rusak, dan “gagal” jika ternyata komponen tersebut baik (sebenarnya boleh juga definisinya dibalik!). Variabel random X didefinisikan sebagai banyaknya “sukses” dalam pengambilan 3 komponen tersebut.

15 Ruang sampel bagi X adalah (S: sukses, G:gagal): Outcome SSS SSG SGS SGG GSS GSG GGS GGG X Misalkan diketahui dari masa lalu, sebanyak 25% produksi komponen tersebut rusak (“S”). Jadi probabilitas 1 kali pengambilan menghasilkan rusak = probabilitas “sukses” = p= ¼, berarti probabilitas “gagal” = 1- ¼ = ¾.

16 Sebagai contoh probabilitas outcome= SSG p(SSG)=p(S)p(S)p(G)= ¼* ¼ * ¾ = 3/64, jadi untuk X=2, ada 3 outcome yg terkait : SSG, SGS, GSS, maka jika f(X=2) menyatakan probabilitas X=2, f (X=2) = 3*3/64 = 9/64. Dengan cara yg sama bisa diturunkan probabilitas untuk X=0, 1 dan 3, dan hasilnya adalah fungsi distribusi probabilitas f(x) sbb: X0123 f(X)27/6427/649/641/64

17 Variabel random X ini disebut variabel random binomial, sedangkan fungsi distribusinya f(x) disebut fungsi distribusi binomial, dan dituliskan sbb: f(x) = b(x;n,p) Untuk menegaskan bahwa probabilitas x ditentukan oleh banyak eksperimennya (n, dalam contoh di atas n=3), dan bergantung pada probabilitas sukses di tiap eksperimen (p). Jadi f(x=2) =b(2;3,0.25) = 9/64

18

19

20

21

22

23

24 Contoh Soal 1. Probabilitas sebuah komponen mobil tidak rusak ketika dijatuhkan adalah ¾. Berapakah probabilitasnya ada 2 dari 4 komponen yang dijatuhkan akan tidak rusak.

25 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 yang tidak rusak, “sukses”, x=2. Jadi probabilitas 2 dari 4 komponen yg dijatuhkan tidak rusak diberikan oleh:

26 Sifat dari b(x;n,p) sebagai fungsi distribusi probabilitas adalah: Karena seringkali kita memerlukan probabilitas untuk X dalam sebuah interval, misal P(X

27 Tabel Distribusi Probabilitas Binomial Kumulatif B(r=1;n=2,p=0.30) =

28 2. Probabilitas seorang pasien yang sakit suatu penyakit flu sembuh adalah 40%. Jika 15 orang diketahui telah tertular penyakit ini, berapakah probabilitasnya bahwa : (a) paling tidak 10 orang sembuh, (b) antara 3 hingga 8 orang sembuh (c) tepat 5 orang sembuh?

29 Jawab : Ini adalah proses Bernoulli. Probabilitas “sukses”, yaitu sembuh adalah p =0.4. Variabel random X menyatakan banyak orang yang “sukses” = sembuh, sedangkan total percobaannya adalah n=15. a) P (paling tidak 10 sembuh) = P(X≥10) =1- P(X<10)= =1- B(r=9;n=15,p=0.4) = 1 – =

30 b) P (antara 3 sd 8 sembuh) = P(3≤X≤8) =P(X≤8) - P(X<3) = =B(r=8;n=15,p=0.4) - B(r=2;n=15,p=0.4) = = c) P (5 sembuh) = P(X=5) =P(X≤5) - P(X<5) = =B(r=5;n=15,p=0.4) - B(r=4;n=15,p=0.4) = =0.1859

31 3. Sebuah sistem produksi menghasilkan produk dari dua mesin A dan B dengan kecepatan yang sama. Diambil 5 produk dari lantai produksi dan nyatakan X sebagai jumlah produk yang dihasilkan dari mesin A. Jawab : Ada 2 5 = 32 urutan yang mungkin sebagai output dari mesin A dan B (sukses dan gagal) yang membentuk ruang sample percobaan. Diantara hasil tersebut, ada 10 hasil yang memuat tepat 2 produk dari mesin A (X=2): AABBB ABABB ABBAB ABBBA BAABB BABAB BABBA BBAAB BBABA BBBAA

32 Probabilitas 2 produk dari mesin A dari 5 produk yang diambil adalah p 2 q 3 = (1/2) 2 (1/2) 3 =(1/32), probabilitas dari 10 hasil tersebut adalah : P(X = 2) = 10 * (1/32) = (10/32) =

33 Secara umum: 1. Probabilitas dari x sukses dari n percobaan dengan probabilitas sukses p dan probabilitas gagal q adalah: p x q (n-x) 2. Jumlah urutan dari n percobaan yang menghasilkan tepat x sukses adalah jumlah pilihan x elemen dari total n elemen:

34 Distribusi probabilitas binomial : dimana : p probabilitas sukses sebuah percobaan, q = 1-p, n jumlah percobaan, dan x jumlah sukses. Jumlah Probabilitas P(x) sukses x

35

36 x P ( x ) Binomial Probability: n=4 p= x P ( x ) Binomial Probability: n=4 p= x P ( x ) Binomial Probability: n=4 p= x P ( x ) Binomial Probability: n=10 p= x P ( x ) Binomial Probability: n=10 p= x P ( x ) Binomial Probability: n=10 p= x P ( x ) Binomial Probability: n=20 p= x P ( x ) Binomial Probability: n=20 p= x P ( x ) Binomial Probability: n=20 p=0.5 Distribusi binomial cenderung menjadi simetris dengan meningkatnya n dan p.5. p = 0.1p = 0.3p = 0.5 n = 4 n = 10 n = 20

37 Mean dan Variansi Distribusi Binomial Jika X adalah variabel dg distribusi binomial b(x;n,p), maka mean dan variansinya adalah: μ = np dan σ 2 = npq Bukti: Misalkan kita lakukan percobaan sebanyak n kali. Tiap kali outcomenya disebut I k yang bisa bernilai “sukses” atau “gagal” dengan probabilitas “sukses” = p. Maka variabel random X yang menyatakan jumlah “sukses” dari n eksperimen akan memiliki mean: μ = E(X) = E (I 1 + I 2 + I 3 + ….+ I n ) = E(I 1 ) + E(I 2 ) +…+ E(I n ) = μ = p + p +,,,+ p = np

38 Contoh. 1. 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 teorema Chebysev paling tidak sebanyak 75% kasus akan jatuh dalam interval μ -2 σ < X < μ +2 σ. Terapkan dalam kasus ini dan beri interpretasi.

39 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 : σ 2 = npq = np(1-p) = 15*(0.4)(1-0.4) = 3.6 dengan STD σ = 1.897, μ -2 σ = 6 -2(1,897) = dan μ +2 σ = 6 +2(1,897)= Artinya (menurut Chebysev) terdapat probabilitas paling tidak 75% pasien yang sembuh jumlahnya antara s/d atau dibulatkan antara 3 s.d 9.

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

41 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) = – = (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 – = = 35%

42

43

44

45

46

47

48

49

50

51 Contoh soal: 1. Pada suatu daerah, P-Cola menguasai pangsa pasar sebesar 33.2% (bandingkan dengan pangsa pasar sebesar 40.9% oleh C-Cola). Seorang mahasiswa melakukan penelitian tentang produk cola baru dan memerlukan seseorang yang terbiasa meminum P-Cola. Responden diambil secara random dari peminum cola. Berapa probabilitas responden pertama adalah peminum P-cola, berapa probabilitas pada responden kedua, ketiga atau keempat?

52 2.

53

54

55

56

57

58

59

60


Download ppt "DISTRIBUSI PROBABILITAS DISKRET. Yang dibahas : DDistribusi Bernoulli DDistribusi Binomial DDistribusi Geometrik DDistribusi Binomial Negatif."

Presentasi serupa


Iklan oleh Google