MODUL 13 Distribusi Binomial

Slides:



Advertisements
Presentasi serupa
Analisa Data Statistik Chap 5: Distribusi Probabilitas Diskrit
Advertisements

Analisa Data Statistik Chap 5: Distribusi Probabilitas Diskrit
DISTRIBUSI BINOMIAL.
PROBABILITAS.
MODUL 10 PELUANG 1 1. Pendahuluan
Distribusi Teoritis.
MODUL 11 9 PELUANG BESYARAT
Modul 10 Statistik & Probabilitas
PrOBabilitas Oleh : Septi Ariadi.
SEBARAN DISKRIT Variabel Diskrit dan kontinue Variabel diskrit yang dimaksud adalah variabel yang diamati/diukur tidak dapat diwakili oleh seluruh titik.
BAB XIII Distribusi Binomial
STATISTIK PROBABILITAS
BY MUH.YUSAN NAIM. BAB II DISTRIBUSI BINOMIAL DIGUNAKAN UNTUK MENYELESAIKAN PERSOALAN-PERSOALAN PROBABILITAS VARIABEL RANDOM YANG BERSIFAT BINOMIAL ATAU.
PELUANG Teori Peluang.
Teori Peluang Diskrit.
Distribusi Probabilitas Diskret
Peubah Acak Diskret Khusus
PELUANG DAN ATURAN PELUANG
DISTRIBUSI PROBABILITAS DISKRET
Distribusi Poisson Percobaan Poisson memiliki ciri-ciri sbb :
Bab 5. Probabilitas Diskrit
Distribusi Probabilitas
FUNGSI PROBABILITAS Pertemuan ke 6.
PROBABILITAS/PELUANG
DISTRIBUSI TEORETIS Tujuan :
PROBABILITAS (PELUANG)
Distribusi Hipergeometrik Distribusi Poisson.
Distribusi Probabilitas Diskrit BINOMIAL
Oleh : Andri Wijaya, S.Pd., S.Psi., M.T.I.
Variabel Acak Diskrit dan Distribusinya
F2F-7: Analisis teori simulasi
Distribusi Variabel Acak
DISTRIBUSI TEORITIS.
PROBABILITAS Teori probabilitas sering disebut teori kemungkinan, teori peluang dan merupakan dasar bagi pemahaman statistika A. Probabilitas Sederhana.
OLEH: RESPATI WULANDARI, M.KES
PELUANG Klik Tombol start untuk mulai belajar.
Modul 4 : Probabilitas.
KONSEP STATISTIK.
DISTRIBUSI PROBABILITAS
DISTRIBUSI BINOIMIAL DAN POISSON
BAB IV. DISTRIBUSI PROBABILITAS DISKRIT
DISTRIBUSI BINOMIAL (PART 3)
Kuliah Biostatistika Deskriptif
DISTRIBUSI PROBABILITAS
Teori Peluang / Probabilitas
BAB IV. DISTRIBUSI PROBABILITAS DISKRIT
Probabilitas dan Statistika
DISTRIBUSI PROBABILITAS TEORITIS
DISTRIBUSI PROBABILITAS (DISTRIBUSI BINOMIAL, POISSON, DAN NORMAL)
DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 1
Distribusi binomial Distribusi binomial
Distribusi Probabilitas Diskret
Distribusi Teoritis Peluang Diskrit
DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 2
Distribusi dan Teknik Sampling
Distribusi Probabilitas Variabel Acak Diskrit
DISTRIBUSI-DISTRIBUSI TEORITIS
PELUANG Choirudin, M.Pd Klik Tombol start untuk mulai belajar.
Distribusi Probabilitas Diskret
PELUANG SUATU KEJADIAN
Distribusi Probabilitas Variabel Acak Diskrit
DISTRIBUSI VARIABEL RANDOM DISKRIT
T. Yudi Hadiwandra, M.Kom WA: PROBABILITAS DAN STATISTIK Code : h87p4t
T. Yudi Hadiwandra, M.Kom WA: PROBABILITAS DAN STATISTIK Code : h87p4t
Bagian 4 – DISTRIBUSI DISKRIT Laboratorium Sistem Produksi 2004
PENGERTIAN DISTRIBUSI TEORITIS
Konsep Probabilitas.
. Distribusi Binomial adalah suatu distribusi probabilitas yang dapat digunakan bilamana suatu proses sampling dapat diasumsikan sesuai dengan proses.
TEORI PROBABILITAS Disarikan dari : Adawiyah, Ariadi dan sumber lain yang relevan This template is provided by
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:

MODUL 13 http://www.mercubuana.ac.id Distribusi Binomial 8-1. Eksperimen binomial dan percobaan Bernoulli (Bernoulli trial) Suatu eksperimen mungkin terdiri dari serangkaian percobaan yang bersifat independen dan tiap percobaan dapat menghasilkan 2 macam hasil yang berbeda. Dalam teori probabilita, istilah eksperimen tidak usah harus diartikan eksperimen dalam laboratorium. Segala tindakan yang menyerupai suatu eksperimen dapat juga dianggap sebagai suatu eksperimen dalam arti statistik. Kami akan kemukakan beberapa contoh mengenai eksperimen demikian. a. b. Mesin A dipakai untuk memprodusir barang x sebanyak 1.000 unit dan setiap hasil produksi x dapat digolongkan ke dalam “barang x yang baik” dan “barang x yang cacad”. Di sini eksperimen statistik terdiri dari 1.000 percobaan sedangkan hasilnya dapat digolongkan ke dalam “x yang baik” dan “x yang cacad”. Bila seorang memilih secara random sehelai kartu dari setumpuk kartu bridge, kartu yang terpilih dapat merupakan “kartu as” atau “bukan kartu as”. c. Hasil pertandingan sepak bola dapat juga digolongkan ke dalam “menang” dan “kalah”. d. Pelemparan uang logam dapat menghasilkan “K” atau “bukan K” Dalam analisa statistik, eksperimen/peristiwa yang memiliki 2 hasil alternatif seperti di atas ternyata sangat penting dan luas sekali kegunaannya. Dalam beberapa hal, kita hanya ingin mengetahui kemungkinan terwujudnya suatu peristiwa yang tertentu atau terwujudnya hasil yang tertentu, sehingga pengasingan hasil-hasil lain yang tidak relevan bagi maksud tujuan kita ke dalam suatu golongan yang khusus dianggap perlu sekali. Misalnya, pada pelemparan sekeping uang logam sebanyak n kali, berapakah probabilita hasil “1 K”. Di sini, yang kita bedakan hasil pelemparan ke dalam “1 K” dan bukan “1 K” . Eksperimen di atas seringkali terdiri dari beberapa percobaan yang identik, bahkan eksperimen itu sendiri dapat diulang hingga berkali-kali. Bila 3 butir dadu dilempar sekali atau sebutir dadu dilempar 3 kali, maka setiap lemparan dengan timbulnya mata dadu tertentu merupakan suatu percobaan dan ketiga percobaan di atas dapat membentuk suatu eksperimen. Sudah tentu, satu eksperimen yang terdiri dari 3 lemparan dadu dapat dilakukan sampai berkali-kali, sehingga kita memperoleh eksperimen yang diulang berkali-kali. Betapa pun juga, hasil percobaan hanyalah 2 macam. Secara statistik, kita selalu menyatakan salah satu dari kedua hasil tiap percobaan dengan istilah sukses sedangkan hasil yang lain http://www.mercubuana.ac.id

b. Probabilita sukses pada tiap-tiap percobaan haruslah sama dan dinyatakan c. Setiap percobaan harus bersifat independen. d. Jumlah percobaan yang merupakan komponen eksperimen binomial harus dengan p. tertentu. Seluruh hasil dari serangkaian percobaan Bernoulli harus dapat digolongkan ke dalam 2 golongan saja, sukses atau gagal. Jelas sudah bahwa pengertian sukses dan gagal sebenarnya sama dengan pengertian A dan komplimennya A. Meskipun demikian, kami tidak menolak kenyataan bahwa hasil suatu percobaan mungkin lebih dari 2 macam. Hasil pertandingan sepak bola tidak usah harus menang atau kalah, tetapi mungkin seri. Kenyataan di atas tidaklah mengurangi kegunaan arti eksperimen binomial serta percobaan binomial, karena kita hanya berminat untuk mengetahui sesuatu yang tertentu dan terwujudnya “sesuatu” tersebut merupakan “sukses” sedangkan terwujudnya sesuatu yang lain dapat kita anggap sebagai “gagal”. Jadi, syarat a dari percobaan Bernoulli tidaklah “destruktif” ditinjau dari kegunaan konsep percobaan Bernoulli sendiri. Tiap-tiap percobaan harus memiliki probabilita sukses yang identik. Pada pelemparan sebuah dadu sebanyak sekali, probabilita timbulnya mata dadu 6 ialah 1/6. Bila dadu dilempar sebanyak n kali (n percobaan) maka pada tiap pelemparan, probabilita timbulnya mata dadu 6 harus tetap 1/6. Hal tersebut berarti, p haruslah konstan. Bila sekeping uang logam dilempar 100 kali, maka pelemparan tersebut merupakan 100 percobaan Bernoulli di mana setiap percobaan selalu menghasilkan “sukses” (misalnya K) atau “gagal (misalnya E) dan probabilita bagi K adalah sama untuk tiap-tiap pelemparan dalam 100 pelemparan. Bila uang logam di atas setimbang, maka p =1/2 dan 1 – p = q = ½. Tetapi bila uang logam di atas tidak setimbang, maka p ≠ ½. Dalam suatu proses produksi, sebuah mesin otomatis dipakai untuk memprodusir barang x. Andaikata, pada tiap produksi sebanyak 50.000 unit x dianggap sebagai satu “run” dan jika setelah mengalami pengawasan, tiap x yang dihasilkan per run dapat digolongkan dalam “x yang baik” dan “x yang cacad”, maka kita dapat menganggap produksi per run sebagai suatu eksperimen dan produksi per x sebagai satu percobaan dengan hasil “sukses” bagi “x yang cacad” dan “gagal” bagi “x yang baik”. Jika kita percaya bahwa p adalah konstan bagi setiap produksi x (operasi mesin memiliki probabilita yang sama untuk menghasilkan x yang cacad pada tiap percobaan atau produksi per x), maka production run di atas dapat dianggap sebagai suatu proses Bernoulli dengan 50.000 percobaan. Probabilita bagi “sukses” pada tiap percobaan dinamakan fraksi cacad rata-rata dari proses produksi. Suatu sekuens (urutan) dari sebarang percobaan-percobaan (tidak usah percobaan Bernoulli) dapat dianggap sebagai suatu proses di mana hasil dari tiap percobaan terjadi sesudah percobaan yang bersangkutan dilaksanakan. Proses sedemikian ini dinamakan proses stokhastis atau proses random, http://www.mercubuana.ac.id

http://www.mercubuana.ac.id di mana r = 0, 1, ... , n dan x = 0, 1, ... , n. Dalam seksi ini, kami akan memberi uraian tentang suatu teknik yang khusus untuk memecahkan persoalan di atas bila x = 0, 1, . . . , n. Bila probabilita timbulnya K dinyatakan dengan p dan probabilita timbulnya E dinyatakan dengan 1-p atau q, berapakah probabilita timbulnya K sebanyak x pada pelemparan uang Iogam sebanyak n kali? Pada pelemparan sekeping uang Iogam sebanyak 2 kali, hanya 4 peristiwa yang mungkin terwujud dan hal tersebut dapat dinyatakan dalam sebuah ruang sampel sebagai berikut, S = {(K, K), (K, E), (E, K), (E, E)} Bila hasil kedua lemparan di atas merupakan peristiwa yang independen, maka hasil probabilita di atas dapat dinyatakan sebagai pp, pq, qp dan qq atau secara singkat dapat ditulis sebagai p2, 2pq, q2. Bila sekeping uang logam dilempar 3 kali, maka hasilnya dapat dinyatakan dalam sebuah ruang sampel sebagai berikut, S = {(KKK), (KKE), (KEK), (EKK), (KEE), (EKE), (EEK), (EEE)} Probabilita hasil di atas dapat juga ditulis sebagai ppp, ppq, pqp, qpp, pqq, qpq, qqp dan qqq. Probabilita timbulnya 1K (atau dengan sendirinya 2E) menjadi pqq + qpq + qqp = 3pq2, sehingga bila p = 1/2 dan q = 1/2, maka probabilitanya menjadi 3(1/2)(1/2)2 = 3/8. Probabilita timbulnya 2K menjadi 3p2q dan seterusnya. Persoalan pelemparan sekeping uang logam sebanyak 3 kali merupakan sebuah eksperimen yang terdiri dari 3 percobaan Bernoulli dengan probabilita p bagi sukses dan q bagi gagal. Seluruh kemungkinan hasil pelemparan 3 keping uang logam ialah 2n atau 23= 8 seperti yang dinyatakan dalam ruang sampel di atas. Bila variabel random X menyatakan timbulnya jumlah K pada pelemparan 3 keping uang logam di atas, maka fungsi probabilita bagi variabel random X dapat dinyatakan dalam Tabel 8.2.1. TABEL 8.2.1. Iogam Fungsi probabilita timbulnya jumlah K pada percobaan pelemparan dengan 3 keping uang http://www.mercubuana.ac.id