DISTRIBUSI-DISTRIBUSI TEORITIS

Slides:



Advertisements
Presentasi serupa
DISTRIBUSI PROBABILITAS YANG UMUM
Advertisements

Pertemuan II SEBARAN PEUBAH ACAK
STATISTIKA DISTRIBUSI PROBABILITAS
Analisa Data Statistik Chap 5: Distribusi Probabilitas Diskrit
Analisa Data Statistik Chap 5: Distribusi Probabilitas Diskrit
DISTRIBUSI DISKRIT DAN KONTINYU
SEKOLAH TINGGI ILMU STATISTIK
Metode Statistika II Pertemuan 2 Pengajar: Timbang Sirait
Distribusi Probabilitas 1
Beberapa Peubah Acak Diskret
DISTRIBUSI TEORITIS.
Peubah Acak Diskret Khusus
DISTRIBUSI PROBABILITAS DISKRET
BAB IX DISTRIBUSI TEORITIS
Bab 5. Probabilitas Diskrit
Bab1.Teori Penarikan Sampel
DISTRIBUSI TEORETIS Tujuan :
Distribusi Hipergeometrik Distribusi Poisson.
Distribusi Probabilitas Diskrit BINOMIAL
F2F-7: Analisis teori simulasi
Distribusi Variabel Acak
Distribusi Probabilitas Normal
DISTRIBUSI PROBABILITAS / PELUANG
Dosen pengasuh: Moraida hasanah, S.Si.,M.Si
DISTRIBUSI PROBABILITAS diskrit
DISTRIBUSI TEORITIS.
OLEH: RESPATI WULANDARI, M.KES
(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.
DISTRIBUSI GEOMETRIK & HIPERGEOMETRIK
Bagian 4 – DISTRIBUSI DISKRIT Laboratorium Sistem Produksi 2004
Sebaran Peluang Diskrit (II) Pertemuan 6
DISTRIBUSI PROBABILITAS
DISTRIBUSI PROBABILITAS DISKRET
BAB IV. DISTRIBUSI PROBABILITAS DISKRIT
Fungsi Distribusi normal
Statistik dan Probabilitas
Bab 4. Teori Penarikan Sampel
Distribusi Probabilitas
DISTRIBUSI PROBABILITAS (DISTRIBUSI BINOMIAL, POISSON, DAN NORMAL)
DISTRIBUSI PROBABILITAS
PROBABILITAS dan DISTRIBUSI
DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 1
Distribusi binomial Distribusi binomial
Distribusi Probabilitas Diskret
Matakuliah : I0014 / Biostatistika Tahun : 2005 Versi : V1 / R1
Distribusi Teoritis Peluang Diskrit
Parameter distribusi peluang
DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 2
DISTRIBUSI VARIABEL RANDOM “DISKRIT” KHUSUS “ Bernoulli ” PMtk III B
Distribusi dan Teknik Sampling
Bab1.Teori Penarikan Sampel
RANDOM VARIATE DISTRIBUSI DISKRIT
Random Variable (Peubah Acak)
NOTASI SEBARAN BINOMIAL
Distribusi Probabilitas Diskret
DISTRIBUSI PROBABILITAS DISKRET
DISTRIBUSI VARIABEL RANDOM DISKRIT
Bagian 4 – DISTRIBUSI DISKRIT Laboratorium Sistem Produksi 2004
Distribusi Probabilitas
DISTRIBUSI PELUANG DISKRIT
DISTRIBUSI PROBABILITAS YANG UMUM
Parameter distribusi peluang
PENGERTIAN DISTRIBUSI TEORITIS
Konsep Probabilitas.
DISTRIBUSI PROBABILITAS YANG UMUM
. Distribusi Binomial adalah suatu distribusi probabilitas yang dapat digunakan bilamana suatu proses sampling dapat diasumsikan sesuai dengan proses.
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-DISTRIBUSI TEORITIS MATERI KE

JENIS PELUANG DISKRIT Distribusi peluang variabel random diskrit banyak digunakan dalam praktek. Beberapa diantaranya : 1. Distribusi Binomial 2. Distribusi Gamma 3. Distribusi Normal 4. Distribusi Hypergeomatrik 5. Distribusi Poisson 6. Distribusi Bernouli

Nama Peubah Diskrit Notasi dan Parameter P(X=x) dan x dimana P(X=x) terdefinisi μX σ2X Seragam X ~ SD(N) 1/N x=1,2,3,…,N (N+1)/2 (N2-1)/ 12 Bernouli X ~ Bin(1,p) 0<p<1 q=1-p x=0,1 P Pq Binomial X ~ Bin(n,p) x=0,1,2,…,n Np Npq Geometrik X ~ Geo(p) x=1,2,… 1/p q/p2 Hipergeometrik X ~ Hyp(n,M,N) n=1,2,…,N M=0,1,2,…,N NM/N n(M/N)(1-M/N) *((N-n)/(N-1)) Poisson X ~ Poi(μ) μ > 0 x=0,1,2,… μ

Sebaran Seragam Ciri peubah acak yang sebarannya seragam adalah pada nilai peubah acak mempunyai peluang yang sama untuk terjadi. Contohnya : sebuah dadu dilantunkan satu kali dan jika X menyatakan mata dadu yang muncul, maka X menyebar seragam sebab setiap mata dadu dapat muncul dengan peluang yang sama, yaitu 1/6.

Notasi Sebaran Seragam P( X= x) = 1 (b-a) + 1 Dengan : μ = a + b 2 dimana : a = nilai X yang terendah b = nilai X yang tertinggi X = a, a + 1, a + 2, ..., b

Contoh Sebaran Beragam Sebuah dadu dilemparkan satu kali. Jika X menyatakan mata dadu yang muncul, tentukan : a. Fungsi massa peluang X b. Rataan dan simpangan baku X Jawab : a. Nilai terendah a = 1 dan nilai tertinggi b = 6 p(X = x) = 1 = 1 ; X = 1,2,3,4,5,6 (6 – 1) + 1 6 b. Rataan dan simpangan baku X :

2. SEBARAN BINOMIAL Binomial adalah sebaran diskrit yang digunakan untuk menduga peluang keluaran tertentu muncul sebanyak x kali dalam suatu contoh terhingga berukuran n yang diambil dari suatu populasi tak terhingga dimana peluang munculnya keluaran tersebut konstan sebesar p. Cirinya : 1. Setiap percobaan hanya menghasilkan dua kemungkinan , yaitu sukses atau tidak sukses 2. Peluang sukses setiap ulangan sama ( konstan)

Distribusi Binomial Sebuah variabel random, X, menyatakan jumlah sukses dari n percobaan Bernoulli dengan p adalah probabilitas sukses untuk setiap percobaan, dikatakan mengikuti distribusi (diskrit) probabilitas binomial dengan parameter n (jumlah sukses) dan p (probabilitas sukses). Selanjutnya, variabel random X disebut variabel random binomial.

Distribusi Binomial 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. Ada 25 = 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

Probabilitas 2 produk dari mesin A dari 5 produk yang diambil adalah p2q3 = (1/2)2(1/2)3=(1/32), probabilitas dari 10 hasil tersebut adalah : P(X = 2) = 10 * (1/32) = (10/32) = 0.3125

Distribusi Binomial P(X=2) = 10 * (1/32) = (10/32) = .3125 Perhatikan bahwa probabilitas tersebut dihasilkan dari:

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

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

APLIKASI Distribusi Binomial - Excel

Distribusi Binomial - Excel X = jumlah produk sempurna dari sebuah sample random berjumlah 15 produk Distribusi Binomial n = 15, p = 0.6 X P(X = x) P(X <= x) 0.000001 1 0.000024 0.000025 2 0.000254 0.000279 3 0.001649 0.001928 4 0.00742 0.009348 5 0.024486 0.033833 6 0.061214 0.095047 7 0.118056 0.213103 8 0.177084 0.390187 9 0.206598 0.596784 10 0.185938 0.782722 11 0.126776 0.909498 12 0.063388 0.972886 13 0.021942 0.994828 14 0.004702 0.99953 15 0.00047 Produk sempurna 0.05 0.1 0.15 0.2 0.25 # Produk sempurna Probability

Distribusi Binomial

Distribusi Binomial p = 0.1 p = 0.3 p = 0.5 B i n o m i a l P r o b a b i l i t y : n = 4 p = . 1 B i n o m i a l P r o b a b i l i t y : n = 4 p = . 3 B i n o m i a l P r o b a b i l i t y : n = 4 p = . 5 . 7 . 7 . 7 n = 4 . 6 . 6 . 6 . 5 . 5 . 5 x ) ( . 4 ( x ) . 4 x ( ) . 4 P . 3 P . 3 P . 3 . 2 . 2 . 2 . 1 . 1 . 1 . . . 1 2 3 4 1 2 3 4 1 2 3 4 x x x B i n o m i a l P r o b a b i l i t y : n = 1 p = . 1 B i n o m i a l P r o b a b i l i t y : n = 1 p = . 3 B i n o m i a l P r o b a b i l i t y : n = 1 p = . 5 . 5 . 5 . 5 n = 10 . 4 . 4 . 4 ) x . 3 ) x . 3 P ( ( ) P ( P x . 3 . 2 . 2 . 2 . 1 . 1 . 1 . . . 1 2 3 4 5 6 7 8 9 1 1 2 3 4 5 6 7 8 9 1 1 2 3 4 5 6 7 8 9 1 x x x B i n o m i a l P r o b a b i l i t y : n = 2 p = . 1 B i n o m i a l P r o b a b i l i t y : n = 2 p = . 3 B i n o m i a l P r o b a b i l i t y : n = 2 p = . 5 n = 20 . 2 . 2 2 . x P ( ) ) P x ( ) P x ( . 1 . 1 1 . . . . 1 2 3 4 5 6 7 8 9 1 1 1 1 2 1 3 1 4 1 5 1 6 1 7 1 8 1 9 2 1 2 3 4 5 6 7 8 9 1 1 1 1 2 1 3 1 4 1 5 1 6 1 7 1 8 1 9 2 1 2 3 4 5 6 7 8 9 1 1 1 1 2 1 3 1 4 1 5 1 6 1 7 1 8 1 9 2 x x x Distribusi binomial cenderung menjadi simetris dengan meningkatnya n dan p .5.

Distribusi Geometrik Berkaitan dengan percobaan Bernoulli, dimana terdapat n percobaan independen yang memberikan hasil dalam dua kelompok (sukses dan gagal), variabel random geometric mengukur jumlah percobaan sampai diperoleh sukses yang pertama kali. Fungsi distribusi probabilitas geometrik:

Distribusi Geometrik 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?

Distribusi Geometrik Probabilitas lulus mata kuliah teori probabilitas adalah 95%, berapa probabilitas anda lulus tahun ini, tahun depan dan seterusnya?

PENUTUP ADA PERTANYAAN ? SILAHKAN MASUK DI FORUM