DISTRIBUSI BINOIMIAL DAN POISSON

Slides:



Advertisements
Presentasi serupa
DISTRIBUSI DISKRIT DAN KONTINYU
Advertisements

STATISTIKA DISTRIBUSI PROBABILITAS
DISTRIBUSI BINOMIAL.
Distribusi Hipergeometrik
DISTRIBUSI DISKRIT DAN KONTINYU
PROBABILITAS.
Metode Statistika II Pertemuan 2 Pengajar: Timbang Sirait
Metode Statistika (STK211)
D I S T R I B U S I P R O B A B I L I T A S
DISTRIBUSI TEORITIS PROBABILITAS
Beberapa Peubah Acak Diskret
SEBARAN DISKRIT Variabel Diskrit dan kontinue Variabel diskrit yang dimaksud adalah variabel yang diamati/diukur tidak dapat diwakili oleh seluruh titik.
STATISTIK PROBABILITAS
DISTRIBUSI TEORITIS.
Peubah Acak Diskret Khusus
Distribusi Poisson Percobaan Poisson memiliki ciri-ciri sbb :
DISTRIBUSI PROBABILITAS DISKRET
BAB IX DISTRIBUSI TEORITIS
Bab 5. Probabilitas Diskrit
Distribusi Probabilitas
FUNGSI PROBABILITAS Pertemuan ke 6.
DISTRIBUSI TEORETIS Tujuan :
Distribusi Hipergeometrik Distribusi Poisson.
DISTRIBUSI POISSON.
ESTIMASI.
Distribusi Peluang Kuswanto, 2007.
Beberapa Sebaran Peluang Diskret (2)
F2F-7: Analisis teori simulasi
Tahun Pendapatan Nasional (milyar Rupiah) ,6 612,7 630, ,9 702,3 801,3 815,7 Distribusi Binomial.
DISTRIBUSI PROBABILITAS / PELUANG
Dosen pengasuh: Moraida hasanah, S.Si.,M.Si
DISTRIBUSI PROBABILITAS diskrit
(PROBABILITAS LANJUTAN) DISTRIBUSI PELUANG DISKRIT DAN KONTINU
DISTRIBUSI PELUANG.
DISTRIBUSI PELUANG Jika melakukan undian sebuah mata uang maka peristiwa yang terjadi muncul = G dan A. Jika X menyatakan banyaknya G maka X = 0, 1 Maka.
Modul 4 : Probabilitas.
Konsep Peubah Acak Peubah acak merupakan suatu fungsi yang memetakan ruang kejadian (daerah fungsi) ke ruang bilangan riil (wilayah fungsi). Fungsi peubah.
Sebaran Peluang Diskrit (II) Pertemuan 6
DISTRIBUSI PROBABILITAS
DISTRIBUSI PROBABILITAS
DISTRIBUSI PROBABILITAS DISKRET
Statistika- Kuliah 08 DISTRIBUSI PROBABILITAS
Distribusi Probabilitas
DISTRIBUSI SELISIH PROPORSI
DISTRIBUSI PROPORSI Dari suatu populasi diambil sampel acak n dan dimisalkan di dalamnya terdapat peristiwa A sebanyak X. Sampel ini memberikan statistik.
DISTRIBUSI PROBABILITAS
MENAKSIR RATA-RATA µ RUMUS-RUMUS YANG DAPAT DIGUNAKAN
PROBABILITAS dan DISTRIBUSI
DISTRIBUSI POISSON Kelompok 6 Elia Lugastio ( )
Distribusi binomial Distribusi binomial
Distribusi Probabilitas Diskret
Matakuliah : I0014 / Biostatistika Tahun : 2005 Versi : V1 / R1
Distribusi Binomial Negatif dan Geometrik
DISTRIBUSI PROBABILITAS DISKRIT (1)
DISTRIBUSI PROBABILITAS DISKRIT (1)
Distribusi Teoritis Peluang Diskrit
DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 2
Distribusi dan Teknik Sampling
RANDOM VARIATE DISTRIBUSI DISKRIT
Probabilita diskrit.
Fundamental of Statistic
NOTASI SEBARAN BINOMIAL
Distribusi Probabilitas Diskret
SEBARAN PELUANG DISKRET & KONTINU
Pertemuan ke 8.
Model dan Simulasi Distribusi Poisson Veni Wedyawati, S.Kom, M.Kom.
Distribusi Probabilitas
Konsep Probabilitas.
DISTRIBUSI PROBABILITAS DISKRIT (1)
DISTRIBUSI BINOMIAL Suatu percobaan binomial yang diulang sebanyak n kali dengan P(sukses) = P(S) = p dan P(gagal) = P(G) = 1 – p = q adalah tetap pada.
Transcript presentasi:

DISTRIBUSI BINOIMIAL DAN POISSON OLEH: RATU ILMA INDRA PUTRI UNIVERSITAS SRIWIJAYA 2012

DISTRIBUSI BINOMIAL Suatu percobaan sering terdiri atas beberapa usaha, tiap usaha dengan dua kemungkinan hasil yang dapat diberi nama sukses dan gagal. Percobaan seperti ini disebut Percobaan Binomial. Suatu percobaan binomial ialah yang memenuhi persyaratan berikut : Percobaan terdiri atas n usaha yang berulang Tiap usaha memberikan hasil yang dapat dikelompokkan sukses atau gagal. Peluang sukses, dinyatakan dengan p, tidak berubah dari usaha yang satu ke yang berikutnya. Tiap usaha bebas dengan usaha lainnya.

Peluang Kejadian A 1- Peluang Kejadian Bukan A N Kali Banyak percobaan A (N-X) Kejadian Bukan A x = 0,1,2,....N, 0 < < 1 dan merupakan koefisien binomial

Distribusi binom mempunyai parameter, diantaranya yang akan kita gunakan ialah rata-rata dan simpangan baku. Rumusnya adalah : dan CONTOH : 1. Peluang untuk mendapatkan 6 bermuka G ketika melakukan undian dengan sebuah mata uang sebanyak 10 kali adalah : Dengan X = jumlah muka G yang nampak

2. Lakukan undian dengan menggunakan 10 buah dadu sekaligus 2. Lakukan undian dengan menggunakan 10 buah dadu sekaligus. Berapa peluang munculknya mata dadu 6 sebanyak 8 buah? Kita tahu bahwa P (mata 6) = 1/6 dan dalam hal ini N=10, X=8, dengan X berarti muka dadu bermata 6 nampak di sebelah atas. Maka : Ini berarti dalam undian dengan 10 dadu akan diperoleh mata 6 sebanyak 8 kali, terjadi kira-kira 15 dari setiap sejuta

3. 10% dari semacam benda tergolong A 3. 10% dari semacam benda tergolong A. Sebuah sampel berukuran 30 telah diambil secara acak. Berapa peluang sampel itu akan berisikan benda kategori A : a. Semuanya Kita artikan X = banyak benda kategori A. Maka π = peluang benda termasuk kategori A=0,10. Semuanya tergolong kategori A berarti X=30 Nilai yang sangat kecil yang atau bisa sama dengan nol.

b. Sebuah Sebuah termasuk kategori A berarti X=1 Peluang sampel itu berisi sebuah benda kategori A adalah 0,1409 c. Tentukan rata-rata terdapatnya kategori A .Rata-rata diharapkan akan terdapat 3 benda termasuk kategori A dalam setiap kelompok yang terdiri atas 30 buah.

DISTRIBUSI POISSON Distribusi Poisson dipakai untuk menentukan peluang suatu kejadian yang jarang terjadi, tetapi mengenai populasi yang luas atau area yang luas dan juga berhubungan dengan waktu Keterangan : x = 0,1,2,3,...., e = sebuah bilangan konstan yang jika dihitung hingga 4 desimal e=2,7183 = sebuah bilangan tetap.

Ternyata bahwa distribusi Poisson ini mempunyai parameter : Distribusi Poisson sering digunakan untuk menentukan peluang sebuah peristiwa yang dalam area kesempatan tertentu diharapkan terjadinya sangat jarang.

Ciri-ciri distribusi Poisson : Percobaan di satu selang tertentu tak bergantung pada selang lain. Peluang terjadinya satu percobaan singkat atau pada daerah yang kecil (jarang terjadi) Peluang lebih dari satu hasil percobaan alkan terjadi dalam selang waktu yang singkat tersebut, dapat diabaikan.

Contoh : Peluang seseorang akan mendapatkan reaksi buruk setelah disuntik besarnya 0,0005. Dari 4000 orang yang disuntik, tentukan peluang yang mendapat reaksi buruk : Tidak ada Ada 2 orang Lebih dari 2 orang Tentukan ada berapa orang diharapkan yang akan mendapat reaksi buruk

Dengan menggunakan pendekatan distribusi Poisson kepada distribusi binom, maka Jika X = banyak orang yang mendapatkan reaksi buruk akibat suntikan itu, maka : Dalam hal ini X = 2, sehingga Peluang ada 2 orang yang mendapat reaksi buruk adalah 0,2706

Yang menderita reaksi buruk lebih dari 2 orang, ini berarti X=3,4,5,.... Tetapi maka Harga-harga dan sudah dihitung diatas. Peluang yang dicari adalah Ini tiada lain diminta menentukan rata-rata