Distribusi Probabilitas

Slides:



Advertisements
Presentasi serupa
DISTRIBUSI DISKRIT DAN KONTINYU
Advertisements

DISTRIBUSI PROBABILITAS YANG UMUM
STATISTIKA DISTRIBUSI PROBABILITAS
Analisa Data Statistik Chap 5: Distribusi Probabilitas Diskrit
Analisa Data Statistik Chap 5: Distribusi Probabilitas Diskrit
Distribusi Hipergeometrik
DISTRIBUSI DISKRIT DAN KONTINYU
PROBABILITAS.
SEKOLAH TINGGI ILMU STATISTIK
DISTRIBUSI PELUANG.
DISTRIBUSI TEORITIS.
Ir. I Nyoman Setiawan, MT. Variabel Random Khusus 1. Sheldon M Ross, Introduction Probability and Statistics for Engineers and Scientists, Oliver.
Peubah Acak Diskret Khusus
DISTRIBUSI TEORETIS.
DISTRIBUSI PROBABILITAS DISKRET
BAB IX DISTRIBUSI TEORITIS
DISTRIBUSI TEORETIS Tujuan :
Distribusi Hipergeometrik Distribusi Poisson.
F2F-7: Analisis teori simulasi
VARIABEL ACAK DAN NILAI HARAPAN
Distribusi Variabel Acak
PENGENDALIAN MUTU BERBASIS STATISTIK
DISTRIBUSI PROBABILITAS / PELUANG
Dosen pengasuh: Moraida hasanah, S.Si.,M.Si
DISTRIBUSI PROBABILITAS diskrit
PENERAPAN PELUANG by Andi Dharmawan.
DISTRIBUSI TEORITIS.
(PROBABILITAS LANJUTAN) DISTRIBUSI PELUANG DISKRIT DAN KONTINU
DISTRIBUSI BINOIMIAL DAN POISSON
BAB IV. DISTRIBUSI PROBABILITAS DISKRIT
STATISTIKA Pertemuan 4: Pengantar teori peluang dan distribusi peluang
Bagian 4 – DISTRIBUSI DISKRIT Laboratorium Sistem Produksi 2004
Sebaran Peluang Diskrit (II) Pertemuan 6
DISTRIBUSI PROBABILITAS
DISTRIBUSI PROBABILITAS
DISTRIBUSI PROBABILITAS DISKRET
BAB IV. DISTRIBUSI PROBABILITAS DISKRIT
Probabilitas dan Statistika
Statistik dan Probabilitas
DISTRIBUSI KONTINYU.
DISTRIBUSI PROBABILITAS
PROBABILITAS dan DISTRIBUSI
DISTRIBUSI POISSON Kelompok 6 Elia Lugastio ( )
DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 1
DISTRIBUSI PROBABILITAS
Matakuliah : I0014 / Biostatistika Tahun : 2005 Versi : V1 / R1
Distribusi Binomial Negatif dan Geometrik
DISTRIBUSI PROBABILITAS DISKRIT (1)
DISTRIBUSI PROBABILITAS DISKRIT (1)
DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 2
Distribusi Probabilitas Variabel Acak Diskrit
DISTRIBUSI-DISTRIBUSI TEORITIS
Random Variable (Peubah Acak)
Fundamental of Statistic
Distribusi Probabilitas Variabel Acak Diskrit
Distribusi Peluang Diskrit
DISTRIBUSI PROBABILITAS DISKRET
DISTRIBUSI PROBABILITAS
DISTRIBUSI VARIABEL RANDOM DISKRIT
Model dan Simulasi Distribusi Poisson Veni Wedyawati, S.Kom, M.Kom.
Distribusi Probabilitas
Variabel Acak Sebuah variabel acak merupakan hasil numerik dari sebuah proses acak atau kejadian acak Contoh: pelemparan koin S = {HHH,THH,HTH,HHT,HTT,THT,TTH,TTT}
DISTRIBUSI PELUANG DISKRIT
DISTRIBUSI PROBABILITAS YANG UMUM
Interval Konfidensi Selisih Mean, Variansi dan Rasio Variansi
PENGERTIAN DISTRIBUSI TEORITIS
DISTRIBUSI PROBABILITAS YANG UMUM
. Distribusi Binomial adalah suatu distribusi probabilitas yang dapat digunakan bilamana suatu proses sampling dapat diasumsikan sesuai dengan proses.
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 Probabilitas Distirbusi Probabilitas Distribusi Probabilitas Diskrit Distribusi Probabilitas Kontinyu Binomial Normal Poisson Seragam Hipergeometrik Eksponensial

Distribusi Binomial Karakteristik Distribusi Binomial : Sebuah percobaan hanya mempunyai 2 kemungkinan hasil – “sukes” atau “gagal” Jumlah percobaan identik tertentu sebanyak n Percobaan tidak saling bergantung satu dengan lainnya Probabilitas sukses, p, tetap konstan dari satu percobaan ke percobaan lain Jika p merupakan probabilitas sukses, maka (1-p) = q merupakan probabilitas gagal

Rumus DistribusiBinomial ! x n - x = p q P(X=x) x ! ( n - x ) ! P(X=x) = probabilitas x sukses dalam n percobaan, dengan probabilitas sukses p pada setiap percobaan x = jumlah sukses dalam percobaan (x = 0, 1, 2, ..., n) p = probabilitas “sukses” pada tiap percobaan q = probabilitas “gagal” = (1 – p) n = banyaknya percobaan Contoh: Pelemparan koin 4 kali  x = banyaknya gambar: n = 4 p = 0.5 q = (1 - .5) = .5 x = 0, 1, 2, 3, 4

Bentuk distirbusi binomial tergantung nilai p dan n n = 5 p = 0.1 Mean P(X=x) .6 .4 .2 n = 5 and p = .1 X 1 2 3 4 5 n = 5 p = 0.5 P(X=x) .6 .4 n = 5 and p = .5 .2 X 1 2 3 4 5

Karakteristik Distribusi Binomial Mean Variansi dan simpangan baku n = ukuran sampel = banyaknya percobaan p = probabilitas sukses q = (1 – p) = probabilitas gagal

n = 5 p = 0.1 Mean n = 5 p = 0.5 Contoh P(X=x) .6 .4 .2 X 1 2 3 4 5 X 1 2 3 4 5 n = 5 p = 0.5 P(X=x) .6 .4 .2 X 1 2 3 4 5

Penggunaan Tabel Binomial x p=.15 p=.20 p=.25 p=.30 p=.35 p=.40 p=.45 p=.50 1 2 3 4 5 6 7 8 9 10 0.1969 0.3474 0.2759 0.1298 0.0401 0.0085 0.0012 0.0001 0.0000 0.1074 0.2684 0.3020 0.2013 0.0881 0.0264 0.0055 0.0008 0.0563 0.1877 0.2816 0.2503 0.1460 0.0584 0.0162 0.0031 0.0004 0.0282 0.1211 0.2335 0.2668 0.2001 0.1029 0.0368 0.0090 0.0014 0.0135 0.0725 0.1757 0.2522 0.2377 0.1536 0.0689 0.0212 0.0043 0.0005 0.0060 0.0403 0.1209 0.2150 0.2508 0.2007 0.1115 0.0425 0.0106 0.0016 0.0025 0.0207 0.0763 0.1665 0.2384 0.2340 0.1596 0.0746 0.0229 0.0042 0.0003 0.0010 0.0098 0.0439 0.1172 0.2051 0.2461 p=.85 p=.80 p=.75 p=.70 p=.65 p=.60 p=.55 Contoh: n = 10, p = .35, x = 3: P(x = 3|n =10, p = .35) = .2522 n = 10, p = .75, x = 2: P(x = 2|n =10, p = .75) = .0004

Tabel Distribusi Probabilitas Binomial Kumulatif

Contoh: Sebuah survey menunjukkan bahwa 41% konsumen lebih menyukai produk yang berukuran medium (M). Secara acak, dipilih 5 konsumen. Berapakah probabilitas: (1) Tepat 2 konsumen menyukai produk M (2) Paling tidak 2 konsumen menyukai produk M (3) Kurang dari 2 konsumen yang menyukai produk M

Distribusi Poisson Karakteristik distribusi Poisson: Hasil yang diinginkan jarang dibandingkan hasil yang mungkin Rata-rata banyaknya hasil yang diinginkan per satuan waktu atau interval adalah  Banyaknya hasil yang diinginkan bersifat acak dan kejadian satu hasil yang diinginkan tidak mempengaruhi kesempatan hasil yang diinginkan lainnya untuk muncul Probabilitas terjadinya hasil yang diinginkan dalam sebuah segmen tertentu sama untuk seluruh segmen

Rumus Distribusi Poisson t= rata-rata terjadi sukses dalam segmen waktu tertentu x = banyaknya sukses yang diinginkan e = 2.71828

Karakteristik Distribusi Poisson Mean Variansi dan Simpangan Baku

Penggunaan Tabel Poisson X t 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 1 2 3 4 5 6 7 0.9048 0.0905 0.0045 0.0002 0.0000 0.8187 0.1637 0.0164 0.0011 0.0001 0.7408 0.2222 0.0333 0.0033 0.0003 0.6703 0.2681 0.0536 0.0072 0.0007 0.6065 0.3033 0.0758 0.0126 0.0016 0.5488 0.3293 0.0988 0.0198 0.0030 0.0004 0.4966 0.3476 0.1217 0.0284 0.0050 0.4493 0.3595 0.1438 0.0383 0.0077 0.0012 0.4066 0.3659 0.1647 0.0494 0.0111 0.0020 Example: Find P(X = 2) if  = .05 and t = 10

Contoh: Sebuah jalur produksi menghasilkan 600 produk per jam dengan rata-rata terdapat 5 produk cacat per jam. Jika setiap 15 menit, bagian QC mengambil produk untuk diuji, berapa probabilitas tidak ditemukan produk cacat?

Grafik Probabilitas Poisson  = .05 and t = 100 X t = 0.50 1 2 3 4 5 6 7 0.6065 0.3033 0.0758 0.0126 0.0016 0.0002 0.0000 P(x = 2) = .0758

Bentuk Distribusi Poisson Bentuk Distribusi Poisson tergantung pada parameter  dan t: t = 0.50 t = 3.0

Distribusi Hipergeometrik “n” percobaan dalam sebuah sampel diambil dari populasi terbatas dengan ukuran N Sampel diambil tanpa pengembalian Percobaan saling bergantung Mencari probabilitas “x” sukses dalam sampel yang mempunyai “X” sukses dalam populasi

Rumus Distribusi Hipergeometrik . Where N = Ukuran populasi X = banyaknya sukses dalam populasi n = ukuran sampel x = banyaknya sukses dalam sampel n – x = banyaknya gagal dalam sampel

Contoh: 3 produk diambil dari 10 produk Contoh: 3 produk diambil dari 10 produk. Dalam 10 produk terdapat 4 yang cacat. Berapa probabilitas bahwa 2 produk cacat dari 3 produk yang diambil? N = 10 n = 3 X = 4 x = 2