BAB IX DISTRIBUSI TEORITIS

Slides:



Advertisements
Presentasi serupa
DISTRIBUSI NORMAL.
Advertisements

DISTRIBUSI PROBABILITAS YANG UMUM
Pertemuan II SEBARAN PEUBAH ACAK
DISTRIBUSI DISKRIT DAN KONTINYU
PROBABILITAS.
Metode Statistika II Pertemuan 2 Pengajar: Timbang Sirait
DISTRIBUSI PELUANG.
DISTRIBUSI TEORITIS.
Distribusi Probabilitas
VARIABEL RANDOM.
BAB 3 PENARIKAN SAMPEL DAN PENDUGAAN
Distribusi Poisson Percobaan Poisson memiliki ciri-ciri sbb :
DISTRIBUSI TEORETIS.
DISTRIBUSI PROBABILITAS DISKRET
Distribusi Peluang Diskrit atau Teoritis (z, t, F dan chi square)
Bab 5. Probabilitas Diskrit
Bab1.Teori Penarikan Sampel
DISTRIBUSI TEORETIS Tujuan :
Distribusi Hipergeometrik Distribusi Poisson.
DISTRIBUSI PELUANG STATISTIKA.
BAB II VARIABEL ACAK DAN NILAI HARAPAN.
DISTRIBUSI POISSON.
Variabel Acak Diskrit dan Distribusinya
F2F-7: Analisis teori simulasi
Responsi.
VARIABEL ACAK DAN NILAI HARAPAN
DISTRIBUSI PROBABILITAS / PELUANG
PENERAPAN PELUANG by Andi Dharmawan.
DISTRIBUSI TEORITIS.
(PROBABILITAS LANJUTAN) DISTRIBUSI PELUANG DISKRIT DAN KONTINU
DISTRIBUSI PELUANG.
VARIABEL ACAK DAN NILAI HARAPAN
DISTRIBUSI BINOIMIAL DAN POISSON
Sebaran Peluang Diskrit (II) Pertemuan 6
DISTRIBUSI PROBABILITAS
DISTRIBUSI PROBABILITAS DISKRET
Distribusi Normal.
Probabilitas dan Statistika
Bab 4. Teori Penarikan Sampel
Distribusi Probabilitas
DISTRIBUSI PROBABILITAS
DISTRIBUSI PROBABILITAS
PROBABILITAS dan DISTRIBUSI
DISTRIBUSI POISSON Kelompok 6 Elia Lugastio ( )
Distribusi Probabilitas Diskret
DISTRIBUSI PROBABILITAS
Matakuliah : I0014 / Biostatistika Tahun : 2005 Versi : V1 / R1
DISTRIBUSI PROBABILITAS DISKRIT (1)
DISTRIBUSI PROBABILITAS DISKRIT (1)
Distribusi Teoritis Peluang Diskrit
BAB 3 PENARIKAN SAMPEL DAN PENDUGAAN
3.
DISTRIBUSI PELUANG HYPERGEOMETRI
DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 2
DISTRIBUSI PROBABILITAS
Distribusi dan Teknik Sampling
DISTRIBUSI-DISTRIBUSI TEORITIS
Bab1.Teori Penarikan Sampel
Distibusi Probabilitas Statistik Bisnis -8
Fundamental of Statistic
Distribusi Probabilitas Diskret
DISTRIBUSI VARIABEL RANDOM DISKRIT
Model dan Simulasi Distribusi Poisson Veni Wedyawati, S.Kom, M.Kom.
BAB 10 DISTRIBUSI PROBABILITAS Pada berbagai peristiwa dalam probabilitas jika frekuensi percobaannya banyak, maka untuk peristiwa yang bersifat independent.
Distribusi Probabilitas
DISTRIBUSI PELUANG STATISTIKA.
DISTRIBUSI PROBABILITAS YANG UMUM
DISTRIBUSI PROBABILITAS YANG UMUM
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:

BAB IX DISTRIBUSI TEORITIS

DISTRIBUSI BINOMIAL Ciri-ciri distribusi binomial, yaitu : Setiap percobaan hanya memiliki dua peristiwa, seperti ya-tidak, sukses-gagal dan memakai variabel acak diskrit. Probabilitas suatu peristiwa tetap, tidak berubah untuk setiap percobaan. Percobaannya bersifat independen, artinya peristiwa dari suatu percobaan tidak mempengaruhi / dipengaruhi peristiwa dalam percobaan lainnya. Jumlah / banyaknya percobaan harus tertentu.

P(X=x) = nCx px qn-x keterangan : Rumus distribusi binomial x = banyaknya peristiwa sukses n = banyaknya percobaan p = probabilitas sukses q = probabilitas gagal (q=1-p) P(X=x) = nCx px qn-x

Rumus distribusi binomial kumulatif

Rata-rata, varians, dan simpangan baku distribusi binomial

2. Varians 3. Simpangan baku

DISTRIBUSI POISSON Ciri-ciri distribusi poisson, yaitu : Distribusi dari peristiwa yang jarang terjadi. Banyaknya hasil percobaan dalam suatu interval waktu / daerah tertentu tidak bergantung pada interval waktu / daerah lain. Probabilitas terjadinya suatu peristiwa selama interval waktu yang singkat / daerah yang kecil sebanding dengan panjang interval waktu / besarnya daerah tersebut.

Penggunaan distribusi poisson: Menghitung probabilitas menurut satuan waktu, luas, ruang/isi, panjang tertentu. Contohnya menghitung probabilitas dari : Banyak mobil lewat selama 5 menit di suatu ruas jalan Banyak kesalahan ketik per halaman sebuah buku Banyak bakteri dalam 1 liter air Menghitung distribusi binomial jika n ≥ 30 dan P < 0,1

Rumus Distribusi Poisson keterangan: e = 2,7218 x = banyak peristiwa yang terjadi λ = rata – rata

Rata-rata, Varians, dan Simpangan baku distribusi Poisson E(X) =  =  = n.p Varians: E(X - )2 =  2 = n.p Simpangan Baku :  =  n . p

DISTRIBUSI HIPERGEOMETRIK. Pengertian Distribusi Hipergeometrik Distribusi hipergeometrik adalah distribusi teoretis yang menggunakan variabel diskrit dengan 2 kejadian yang berkomplemen, seperti distribusi binomial.

Perbedaan utama antara distribusi binomial dan distribusi hipergeometrik adalah : Pada distribusi binomial pengambilan sampel dilakukan dengan pengembalian. Pada distribusi hipergeometrik pengambilan sampel dilakukan tanpa pengembalian.

Rumus Distribusi Hipergeometrik p(x) = probabilitas x dalam n percobaan n = jumlah percobaan N = jumlah populasi r = jumlah elemen dalam kondisi yang ditanyakan di dalam populasi x = jumlah elemen yang ditanyakan probabilitasnya

DISTRIBUSI NORMAL Pengertian Distribusi normal Distribusi normal adalah salah satu distribusi teoretis dari variabel random kontinu. Distribusi normal merupakan distribusi kontinu yang mensyaratkan variabel yang diukur harus kontinu. Misal : tinggi badan, berat badan, skor IQ,jumlah curah hujan, dll.

Karakteristik distribusi normal: Distribusi normal memiliki dua parameter yaitu  dan  yang masing-masing membentuk lokasi dan distribusi. Titik tertinggi kurva normal berada pada rata-rata. Distribusi normal adalah distribusi yang simetris. Simpangan baku menentukan lebarnya kurva. Total luas daerah di bawah kurva normal adalah 1.

DISTRIBUSI NORMAL BAKU Untuk mengubah distribusi normal menjadi distribusi normal baku adalah dengan mencari variabel Z yang didapat dengan : Bila x berada di antara x1 dan x2, maka variabel acak z akan berada di antara z1 dan z2, dimana :