DISTRIBUSI DISKRIT DAN KONTINYU

Presentasi berjudul: "DISTRIBUSI DISKRIT DAN KONTINYU"— Transcript presentasi:

1 DISTRIBUSI DISKRIT DAN KONTINYU
Medika Risnasari D3- T. Multimedia Jaringan Universitas Trunojoyo- 2011

2 DISTRIBUSI DISKRIT Distribusi Diskrit yaitu
Distribusi dimana peubahnya secara teoritis tidak dapat menerima sembarang nilai diantara dua nilai yang diberikan. Distribusi peluang dengan variabel random bersifat diskrit pada suatu waktu.

3

4 Macam-macam Distribusi Peluang Diskrit
Distribusi Peluang Binomial Distribusi Peluang Poisson Distribusi Peluang Multinomial Distribusi Peluang Hipergeometrik

5 1. Distribusi Binomial Distribusi Binomial adalah distribusi yang mengacu pada dua kemungkinan hasil yaitu sukses atau gagal. Syarat distribusi Binomial: Percobaan terdiri atas n usaha yang berulang. Pengambilan sampel dilakukan dengan pengembalian (sampling with replacement) Tiap usaha hanya mempunyai 2 kemungkinan yaitu “sukses atau gagal”. Peluang sukses, dinyatakan dengan p, tidak berubah dari usaha yang satu ke yang berikutnya.

6 Formula Peluang Binomial
Dengan n = banyaknya percobaan x = banyaknya kejadian p = peluang sukses Notasi

7 Mean dan varians peluang binomial

8 Contoh: Suatu suku cadang dapat menahan uji goncangan tertentu dengan probabilitas ¾. Hitunglah probabilitas bahwa tepat dua dari empat suku cadang yang diuji tidak akan rusak.

9 Diketahui probabilitas sukses (p) = ¾ Banyak percobaan (n) = 4 Kejadian (x)=2 Jika pengujian bersifat bebas maka

10 2.Distribusi Poisson Distribusi Poisson adalah distribusi peluang peubah acak poisson x, yang menyatakan banyaknya sukses yang terjadi dalam suatu selang waktu atau daerah tertentu. Panjang selang waktu tersebut boleh berapa saja, semenit, sehari, seminggu, sebulan atau malah setahun. Daerah yang dimaksud dapat berupa sepotong garis, suatu luas, suatu volume atau pun barangkali suatu benda

11

12

13 Contoh: Rata-rata banyaknya partikel radioaktif yang melewati suatu penghitung selama 1 milidetik dalam suatu percobaan di laboratorium adalah empat. Berapakah probabilitas enam partikel melewati penghitung dalam suatu milidetik tertentu. Dalam suatu proses produksi yang menghasilkan barang dari gelas, terjadi gelembung atau cacat yang kadang-kadang menyebabkan barang tersebut sulit dipasarkan. Diketahui bahwa rata-rata 1 dari 1000 barang yang dihasilkan mempunyai satu atau lebih gelembung. Berapakah probabilitas bahwa dalam sampel acak sebesar 8000 barang akan berisi kurang dari 7 yang bergelembung.

14 Jawab:

15 DISTRIBUSI KONTINYU Distribusi kontinyu merupakan salah satu macam distribusi probabilitas, yaitu model matematik yang menghubungkan nilai variabel dengan probabilitas terjadinya nilai itu. Dengan perkataan lain, kita dapat membayangkan diameter cincin piston sebagai variabel random, karena diameter itu menjalani nilai-nilai yang berbeda dalam populasi itu menurut mekanisme random. Maka distribusi probabilitas diameter cincin menggambarkan probabilitas terjadinya setiap nilai diameter cincin di dalam populasi itu. Dimana untuk distribusi kontinyu variabel yang diukur dinyatakan dalam skala kontinyu. Oleh karena itu distribusi probabilitasnya dinamakan distribusi kontinyu.

16 JENIS DISTRIBUSI PROBABILITAS KONTINU
Distribusi Uniform Suatu random variabel dikatakan terdistribusi secara uniform apabila nilai probabilitanya proporsional terhadap panjang interval. Fungsi Densitas Probabilita Uniform: untuk a < x < b = 0 untuk x lainnya dimana a = batas bawah interval b = batas atas interval

17

18 µ=Mean,ukuran kecenderungan tengah dari distribusi
σ2 =Pemencaran, penyebaran atau variabilitas dalam suatu distribusi dinyatakan dengan variansi

19 Distribusi Normal/Gaussian
Karakterisik Distribusi Probabilitas Normal Bentuk kurva normal seperti bel dan simetris. Parameter , menunjukkan lebar dari kurva normal (semakin besar nilainya, semakin lebar) Titik tertinggi dari kurva nomal terletak pada nilai rata-rata=median=modus Luas total area di bawah kurva normal adalah 1. (luas bagian di sebelah kiri µ = sebelah kanan µ). Probabilita suaru random variabel normal sama dengan luas di bawah kurva normal. Nilai mean, median dan modus adalah sama / berhimpit

20

21 Fungsi Densitas Normal
dimana: = rata-rata (mean)  = simpangan baku (standard deviation)  = e = σ Semakin besar nilai  , maka kurva akan semakin landai, dan semakin kecil nilai  maka kurva akan semakin melancip

22 Contoh variabel random yg memiliki distribusi normal:
distribusi error dalam pengukuran pengukuran dalam meteorologi pengukuran curah hujan sebagai pendekatan bagi distribusi binomial dan distribusi hipergeometrik, dan lainnya

23 Sifat-Sifat Distribusi Normal:
Mean Varians Deviasi Standar Koefisien momen kemiringan Koefisien momen kurtois Deviasi mean

24 Sifat-Sifat Distribusi Normal:
Bentuk distribusi normal ditentukan oleh μ dan σ. 1 2 μ1 < μ2 σ1 = σ2 1 2 μ1 = μ2 σ1 > σ2 1 2 μ1 < μ2 σ1 < σ2

25 Luas di Bawah Kurva dan Probabilitas
P(x1<x<x2) = probabilitas variabel random x memiliki nilai antara x1 dan x2 P(x1<x<x2) = luas di bawah kurva normal antara x=x1 dan x=x2 x1 μ x2

26 Luas di Bawah Kurva dan Probabilitas
Oleh karena perhitungan integral normal tsb sulit, maka disusunlah tabel nilai rapat probabilitas. Akan tetapi karena nilai rapat probabilitasnya tergantung pada μ dan σ maka sangatlah tidak mungkin mentabelkan untuk semua nilai μ dan σ

27

28 Kurva DIstribusi Normal Standard
Distribusi normal standard adalah distribusi normal dengan mean μ=0 dan standard deviasi σ=1. Transformasi memetakan distribusi normal menjadi distribusi normal standard, sebab distribusi normal dengan variabel z ini memiliki mean =0 dan standard deviasi = 1. Transformasi ini juga mempertahankan luas dibawah kurvanya, artinya:

29 Kurva DIstribusi Normal Standard
Transformasi ini juga mempertahankan luas dibawah kurvanya, artinya: Luas dibawah kurva distribusi normal antara x1 dan x2 Luas dibawah kurva distribusi normal standard antara z1 dan z2 = Dengan z1 = (x1-μ)/σ dan z2 = (x2-μ)/σ. Sehingga cukup dibuat tabel distribusi normal standard kumulatif saja!

30 Contoh:1

31 Contoh 2:

32

33

34 3.Distribusi Eksponensial

35

36 Tugas Diketahui 20% karyawan perusahaan dikatakan sebagai karyawan baik. Bila dipilih 15 karyawan secara acak, berapa peluang: a. ada 4 orang karyawan berkategori baik b. Paling sedikit 2 karyawan berkategori baik. (Gunakan distribusi binomial karena hanya ada 2 kemungkinan yaitu karyawan baik dan tidak baik) Dalam 2 bulan rata-rata karyawan tidak masuk kerja adalah 4 hari. Bila diasumsikan jumlah hari tidak masuk kerja mengikuti distribusi poisson, maka hitunglah peluang seorang karyawan tidak masuk kerja 3 hari dalam 2 bulan !

37 3. Bila diketahui fungsi kepadatan distribusi uniform adalah.
tentukan a. f(3), f(1) dan b. TUGAS DI KUMPULKAN PADA PERTEMUAN KULIAH LAGI