DISTRIBUSI PROBABILITAS

Presentasi berjudul: "DISTRIBUSI PROBABILITAS"— Transcript presentasi:

1 DISTRIBUSI PROBABILITAS

2 PENGERTIAN Setiap peristiwa akan mempunyai peluangnya masing-masing, dan peluang terjadinya peristiwa itu akan mempunyai penyebaran yang mengikuti suatu pola tertentu yang di sebut dengan distribusi. Distribusi probabilitas untuk suatu variabel acak menggambarkan bagaimana peluang terditribusi untuk setiap nilai variabel acak. Distribusi Probabilitas merupakan sebuah daftar dari keseluruhan hasil suatu percobaan kejadian yang disertai dengan nilai probabilitas masing-masing hasil (event)

3 Contoh Ada 3 orang nasabah yang akan menabung di bank. Jumlah bank yang ada yaitu; BCA dan BNI. Ketiga orang itu bebas memilih bank tempatnya akan menabung, mau BCA semua, di BCA dan BNI atau BNI semua. Berikut adalah kemungkinan dari pilihan ketiga orang tersebut.

4 Contoh

5 Contoh Hasil yang diperoleh disusun distribusi probabilitas sebagai berikut.

6 Contoh Hasil distribusi probabilitas P(r) akan memudahkan kita untuk mengetahui probabilitas dari kejadian yang bersifat acak atau untung-untungan. Bila ada 3 calon nasabah, berapa probabilitas ketiganya akan memilih BNI? Dengan distribusi probabilitas dengan cepat bisa dijawab 0,125. Pada distribusi probabilitas juga bisa dilihat bahwa nilai total distribusi frekwensi adalah 1,000.

7 Jenis Variabel Peristiwa
Distribusi propabilitas  Variabel peristiwa Terdapat tiga jenis variabel peristiwa: 1. Variabel Acak (Random) 2. Variabel Acak Diskret 3. Variabel Acak Kontinu

8 VARIABEL ACAK (RANDOM)
Variabel acak merupakan hasil ukuran dari percobaan yang bersifat acak. Contoh: 1. Melempar uang ke udara akan menghasilkan Gambar (G) atau Angka (A). Bila melempar uang dua kali, gambar bisa muncul 2 kali, 1 kali atau 0 (tidak muncul) Percobaan melempar uang ke udara = percobaan acak Nilai hasil yang muncul gambar seperti 2, 1, dan 0 = variabel acak

9 VARIABEL ACAK (RANDOM)
2. Harga saham di BEJ dapat berubah-ubah dalam hitungan menit. Harga saham BCA misalnya dibuka pada Rp per lembar, kemudian terjadi fluktuasi antara Rp – Rp dan akhirnya ditutup pada harga Rp Perubahan harga saham adalah percobaan atau kejadian acak Nilai harga seperti 2.475, 2.375, nilai hasil kejadian = variabel acak

10 VARIABEL ACAK DISKRET Variabel Acak Diskret merupakan ukuran hasil dari percobaan yang bersifat acak dan mempunyai nilai tertentu yang terpisah dalam suatu interval Merupakan hasil dari perhitungan dan biasanya berupa bilangan bulat Misalnya: jumlah mobil, jumlah buah, jumlah sepatu, dsb.

11 VARIABEL ACAK KONTINU Variabel Acak Kontinu  mempunyai nilai yang menempati seluruh interval hasil percobaan Merupakan hasil dari pengukuran dan bisa berupa bilangan bulat atau pecahan Misalnya: berat badan, tinggi badan, panjang jalan, lebar sungai, dsb.

12 KLASIFIKASI Distribusi probabilitas diskrit
 Distribusi binomial, Poisson Distribusi probabilias kontinu  Distribusi normal, Chi-kuadrat

13 DISTRIBUSI BINOMIAL Disamping percobaan tunggal, suatu percobaan mungkin dilakukan secara berulangkali (berulang-ulang). Tiap-tiap ulangan dalam percobaan dilakukan secara terpisah, yakni peristiwa dalam suatu percobaan tidak akan mempengaruhi hasil percobaan berikutnya. Apabila masing-masing percobaan hanya mempunyai 2 kemungkinan peristiwa, misalnya sukses dan gagal, ya atau tidak, diterima atau ditolak dan probabilitas peristiwa tetap sama selama percobaan. Karena hanya dua kejadian, maka dikenal dengan Binomial Percobaan yang diulang tersebut disebut “Percobaan Bernoulli”.

14 DISTRIBUSI BINOMIAL Ciri-ciri Percobaan Bernoulli:
1. Setiap percobaan (kegiatan) hanya menghasilkan 2 dua kejadian

15 DISTRIBUSI BINOMIAL 2. Probabilitas sebuah kejadian baik sukses maupun gagal tetap bernilai sama Probabilitas jual saham = 0,8 Probabilias beli saham = 0,2 Probabilitas lahir laki-laki = 0,6 Probabilitas lahir perempuan = 0,4

16 DISTRIBUSI BINOMIAL 3. Percobaan bersifat indenpenden Hasil suatu percobaan tidak mempengaruhi hasil percobaan lainnya Bila seorang ibu melahirkan bayi perempuan, maka tidak akan mempengaruhi kelahiran bayi bagi ibu lainnya 4. Data yang dikumpulkan merupakan hasil perhitungan Percobaan Bernoulli merupakan variabel diskret

17 DISTRIBUSI BINOMIAL Pembentukan Distribusi Binomial
Untuk membentuk suatu distribusi binomial diperlukan dua hal: 1. Banyaknya/jumlah percobaan/kegiatan 2. Probabilitas suatu kejadian baik sukses maupun gagal

18 DISTRIBUSI BINOMIAL Distribusi probabilitas binomial dapat dinyatakan sebagai berikut:

19 DISTRIBUSI BINOMIAL Dimana: P(r) = Nilai probabilitas binomial
p = Probabilitas sukses suatu kejadian dalam setiap percobaan r = Banyaknya peristiwa sukses suatu kejadian untuk keseluruhan percobaan n = Jumlah total percobaan q = Probabilitas gagal suatu kjadian yang diperoleh dari q = 1 – p ! = Lambang faktorial

20 DISTRIBUSI BINOMIAL CONTOH ALI mengirim buah semangka ke Hero supermarket. Dengan jaminan kualitas yang baik, maka 90% semangka yang dikirim lolos seleksi. ALI setiap hari mengirim 15 buah semangka dengan berat 5-6 Kg. a. Berapa probabilitas 15 buah diterima? b. Berapa probabilitas 13 buah diterima? c. Berapa probabilitas 10 buah diterima?

21 DISTRIBUSI BINOMIAL

22 DISTRIBUSI BINOMIAL

23 DISTRIBUSI BINOMIAL

24 DISTRIBUSI BINOMIAL Rumus untuk menghitung Mean (rata-rata hitung) dari distribusi Binomial, adalah: μ = n.p Rumus untuk menghitung Varians dari distribusi Binomial, adalah: σ2 = n.p (1-p) atau σ2 = n.p.q Rumus untuk menghitung Simpangan Baku dari distribusi Binomial, adalah:

25 DISTRIBUSI BINOMIAL Contoh: Bila mata uang dilemparkan sebanyak 100 kali, terdapat distribusi keluar gambar sbb :

26 DISTRIBUSI BINOMIAL

27 DISTRIBUSI BINOMIAL Bila xi = 0 berarti selama 100 kali pelemparan 5 mata uang tidak pernah keluar gambar sebanyak 2 kali. xi = 1 berarti selama 100 kali pelemparan 1 gambar keluar sebanyak 14 kali. Dst.

28 DISTRIBUSI BINOMIAL q = 1 - p = 1 - 0,57 = 0,43 μ = np μ = 5p

29 DISTRIBUSI BINOMIAL

30 DISTRIBUSI BINOMIAL

31 DISTRIBUSI BINOMIAL

32 DISTRIBUSI POISSON Distribusi ini berguna bila p, probabilitas sukses dalam suatu percobaan sangat kecil dan n, banyaknya percobaan sangat besar. Distribusi probabilitas Poisson mendekati distribusi probabilitas binomial bila: n ≥ 50 dan p ≤ 0,1. Sebagai contoh emiten di BEJ ada 330 (n), probabilitas harga saham naik dalam kondisi krisis misalnya hanya 0,1 (p), maka berapa probabilitas 5 perusahaan harga sahamnya meningkat?

33 DISTRIBUSI POISSON

34 DISTRIBUSI POISSON Distribusi probabilitas poisson dapat dinyatakan sebagai berikut:

35 DISTRIBUSI POISSON Di mana:
P(r) : Nilai probabilitas distribusi Poisson μ : Rata-rata hitung dari jumlah nilai sukses, μ = np e : Bilangan konstan = 2,7183 r : Jumlah nilai sukses

36 DISTRIBUSI POISSON Contoh:
Jumlah emiten di BEJ ada 150 perusahaan. Probabilitas perusahaan membagikan deviden hanya 0,1. Bila BEJ meminta laporan dari emiten sebanyak 5 perusahaan, berapa probabilitas 5 perusahaan tersebut adalah perusahaan yang membagikan deviden?

37 DISTRIBUSI POISSON