DISTRIBUSI DISKRIT KHUSUS

•UNIFORM (SERAGAM) •MULTINOMIAL

•BERNOULLI •HIPERGEOMETRIK
•BINOMIAL •GEOMETRIK
•POISSON •BINOMIAL NEGATIF

MA3103 Teori Peluang

24 Oktober 2019
 DISTRIBUSI UNIFORM (SERAGAM)
• PEUBAH ACAK X DIASUMSIKAN SETIAP NILAINYA (X1, X2,
…, XK) MEMILIKI PELUANG YANG SAMA.
• DISTRIBUSI PELUANG X :

1
P( X = x ) = , x = x1, x2 ,..., x k
k
• RATAAN : k
1
 =
k

i =1
xi

• VARIANSI : k
1
 2
=
k

i =1
( i
x −  ) 2
2
 BUKTI :
MEAN DAN VARIANSI UNTUK P.A DISTRIBUSI SERAGAM.

Berdasarkan definisi ekspektasi,

k k k
xi 1
 = E[X ] = 
i =1
xi P( X = xi ) =  k
=
k
 xi ,
i =1 i =1

k k
 = 1
 2
= E ( X − 
 ) 2
  ( xi −  ) 2
P( X = xi ) =
k  ( xi −  ) 2

i =1 i =1

3
 CONTOH 1
• PELANTUNAN SEBUAH DADU.

1
P( X = x) = , x = 1, 2, 3, 4, 5, 6
6
0.18

1 + 2 + 3 + 4 + 5 + 6 = 3,5
 =
0.175

P(X=x)
6 0.17

0.165
2
1 +2 +3 +4 +5 +6
2 2 2 2 2
 2
= − 3.5 2 0.16
1 2 3 4 5 6
6 x

= 15.17 − 12.25 = 2.92

4
 PERCOBAAN BERNOULLI

• PERCOBAAN TERDIRI DARI 1 USAHA

Sukses
Usaha
Gagal

• PELUANG SUKSES → P
PELUANG GAGAL → 1-P
• MISALKAN
1 , j i k a t e r j a d i s u k s e s
X = 
0, jika terjadi tidak sukses (gagal)
5
 DISTRIBUSI BERNOULLI

• X BERDISTRIBUSI BERNOULLI,

 p x ( 1 − p) 1 − x , x = 0 , 1
P( X = x) = ber(x; p) = 
0 , x lainnya

• RATAAN : E[X] = µX = P
• VARIANSI : VAR(X)= X2 = P(1-P)
6
 BUKTI

1
 = E[ X ] = 0
x p x ( 1 − p) 1− x

= 0.(1− p) + 1.p = p

 1

 = v a r( X ) = E [ X ] −  =   x p ( 1 − p) −
2 2 2 2 x 1− x 2
 p
 0 
= ( 0 (1 − p ) + 1 . p ) − p 2 = p − p 2
= p(1− p)

7
 PERCOBAAN BINOMIAL

• N USAHA YANG BERULANG.

• TIAP USAHA MEMBERI HASIL YANG DAPAT DIKELOMPOKKAN
MENJADI SUKSES ATAU GAGAL.
• PELUANG SUKSES TIDAK BERUBAH DARI USAHA YANG SATU KE
YANG BERIKUTNYA.
• TIAP USAHA SALING BEBAS.

8
 DISTRIBUSI BINOMIAL
▪ DISTRIBUSI BINOMIAL, PARAMETER N DAN P
▪ NOTASI X ~ B(N,P)
▪ F.m.p:
 n x
P ( X = x ) = b ( x ; n , p ) =   p ( 1 − p ) n− x
x
▪ Koefisien binomial : n! = n.(n-1).(n-2) … 1
 n n!
x = untuk x = 0,1, … , n
  x!(n − x)!
o Rataan : E[X] = µx = np
o Variansi : var(X)= X2 = np(1-p) 9
 BUKTI
n
 n
E[ X ] =  x   p x ( 1 − p ) n− x
x=0 x
n
 n
=  x   p x ( 1 − p ) n− x
x =1 x
n
( n − 1) !
=  n
(x − 1)!(n − x)!
p x ( 1 − p ) n− x
x =1
n
𝑛−1
= np p x−1 (1 − p ) n− x , m i s a l y = x − 1
x =1 𝑥−1
n −1
= np 𝑛−1
p y ( 1 − p ) n −1− y
y =0
𝑦

= np
10
 BUKTI
n
 n
E [X ] =  x 2   p x ( 1 − p ) n− x
2

x=0  x
n
 n
=  x 2   p x ( 1 − p ) n− x
x =1  x
n
( n − 1) !
=  nx
(x − 1)!(n − x)!
p x ( 1 − p ) n− x
x =1
n
 n − 1 x−1
= np  x  x − 1  p ( 1 − p) n − x , m i s a l y = x − 1
x =1 
n −1
 n − 1 y
= np  ( y + 1)   p (1− p)
n −1− y

y =0  y 
= np E[Y + 1]
= np((n − 1) p + 1)
= n2 p2 − np2 + np
11
 BUKTI

Va r ( X ) = E [ X 2 ] − (E[ X ] ) 2
= n2 p2 − np2 + np − n 2 p 2
= np(1− p)

12
 FUNGSI PEMBANGKIT MOMEN

• X ~ B(N,P)

n
 n x
M X (t) =  x  p ( 1 − p ) n − x
e tx

x=0 
n
 n
=    ( pe t ) x (1− p ) n − x
x=0  x 

= 1 − 𝑝 + 𝑝𝑒 𝑡 𝑛

13
 CONTOH 2

SUATU PENELITIAN DILAKUKAN UNTUK MELIHAT

KESADARAN MASYARAKAT TENTANG ASURANSI.
PENELITIAN ITU MENUNJUKKAN BAHWA SEKITAR 70%
PENDUDUK TIDAK MEMILIKI ASURANSI MANAPUN.
APABILA 5 ORANG DIAMBIL SECARA ACAK, BERAPA
PELUANG BAHWA PALING SEDIKIT 3 ORANG TIDAK
MEMPUNYAI ASURANSI MANAPUN?
14
 JAWAB
MISALKAN PEUBAH ACAK X MENYATAKAN BANYAKNYA PENDUDUK YANG TIDAK
MEMPUNYAI ASURANSI MANAPUN.
MAKA X~B(5, 0.7)

Yang ingin dicari adalah P(X  3).

P(X  3) = P(X = 3) + P(X = 4) + P(X = 5)
 5 ( 0 . 7 ) 3  5  5
=   (0 . 3 )  4 
2
+ ( 0.7 ) 4
(0 . 3 )  5 
1
+ ( 0 . 7 ) 5
( 0 . 3 ) 0

 
3    
5! 5! 5!
= (0 , 3 4 3)(0 , 0 9 ) + (0, 2 4 0 )(0 , 3 0 ) + ( 0 , 1 6 8 ) (1 )
2!3! 1!4! 0!5!
= 0, 309 + 0, 360 + 0,168 = 0,837
 PERCOBAAN POISSON
• MEMILIKI 2 KELUARAN HASIL : SUKSES DAN GAGAL.
• TERDEFINISI PADA : (YANG MEMBEDAKAN DARI PERCOBAAN BINOMIAL)
• PANJANG SELANG WAKTU
• LUAS DAERAH/AREA
CONTOH :
- BANYAK KLAIM YANG DATANG SETIAP HARI DI SEBUAH
PERUSAHAAN ASURANSI
- BANYAK KECELAKAAN YANG TERJADI DI SEBUAH TITIK RAWAN
KECELAKAAN
16
 PROSES POISSON
Proses Poisson: proses stokastik ➔ barisan atau koleksi dari peubah acak
CIRI-CIRI:
▪ SELANG WAKTU ATAU DAERAHNYA SALING BEBAS.
▪ PELUANG PADA PROSES POISSON TERGANTUNG PADA SELANG
WAKTU DAN BESARNYA DAERAH.
▪ PELUANG UNTUK SELANG YANG PENDEK ATAU DAERAH YANG SEMPIT
DAPAT DIABAIKAN.

17
 DISTRIBUSI POISSON

▪ Peubah acak X berdistribusi Poisson

X~P(t)

P( X = x) =
e −t (t ) x

, x = 0,1, 2,...
▪ F.m.p :
x!
e = tetapan Euler (2.71828…)

o RATAAN : E[X] = X = T
o VARIANSI : VAR(X)= X2 = T 18
BUKTI

19
 FUNGSI PEMBANGKIT MOMEN
• X~POI()
 x− 
M X (t) =  e t x e
x=0 x!

( et ) x
= e−
x=0 x!
t
= e −
e  e

= e  (e −1)
t

Ingat bahwa:

y2 y3 yk
e y
= 1+ y +
2!
+
3!
+ ... = 
k =0 k!
 CONTOH 3

RATA-RATA BANYAKNYA KLAIM YANG DATANG DALAM SATU

HARI KERJA DI SEBUAH PERUSAHAAN ASURANSI ADALAH 7.
a. HITUNG PELUANG BAHWA LEBIH DARI 2 KLAIM DATANG
SELAMA SETENGAH HARI KERJA.
b. BERAPA RATA-RATA BANYAKNYA KLAIM YANG DATANG
DALAM PERIODE 2 HARI KERJA.

21
 JAWAB
• Kasus Diskrit
• Misal p.a. X : banyak klaim yang datang dalam satu hari kerja
Jenis kasus • Distribusi Poisson

• Satuan waktu : 1 hari (t = 1)

• X ~ POI(7)
Satuan

• Rata-rata kejadian 1 hari : 7 ( = 7)

• Rata-rata  = t = 7
Parameter distribusi • Variansi : σ2 = t = 7

Pertanyaan • t = 0,5, X ~ P(3,5) maka P(X>2) = ....

a.

Pertanyaan • t = 2, X ~ P(14) maka  = ....

b. 22
 ...
e −t (t )x
Ingat definisi: P( X = x) = , x = 0,1, 2,...
x!
sehingga
a. P ( X  2 ) = 1− P ( X  2)
= 1 − P ( X = 0) − P ( X = 1) − P ( X = 2)
e − 3 , 5 ( 3, 5 ) 0
t = 0 ,5 e − 3 , 5 (3, 5 )1 e − 3 , 5 ( 3, 5 ) 2
= 1− − −
0! 1! 2!
= 1− 0.030 − 0,106 − 0, 370 = 0,
494
b. Jika dalam 1 hari, rata-rata banyak klaim datang adalah 7 (=7) maka
dalam 2 hari (t=2), rata-rata banyak klaim yang datang adalah t = 14.
23
HUBUNGAN DISTRIBUSI BERNOULLI, BINOMIAL, POISSON
DAN NORMAL
Misalkan p.a X
Distribusi Bernoulli
X ~ Ber (1, p)

n >1
Distribusi Normal n >>>
Distribusi Binomial
X ~ N(μ, σ2)
X ~ Bin (n, p)
μ = np, σ2 = np(1- p)
μ =  , σ2 =  n >>>, p <<<

n >>> Distribusi Poisson

DLP X ~ POI (t)
 = np = np(1- p) 24
 BEBERAPA DISTRIBUSI DISKRIT LAINNYA

• DISTRIBUSI MULTINOMIAL
• DISTRIBUSI HIPERGEOMETRIK
• DISTRIBUSI BINOMIAL NEGATIF
• DISTRIBUSI GEOMETRI

25
 DISTRIBUSI MULTINOMIAL
• BILA SUATU USAHA TERTENTU DAPAT MENGHASILKAN K MACAM HASIL
E1, E2, …, EK DENGAN PELUANG P1, P2, …, PK, MAKA DISTRIBUSI PELUANG
PEUBAH ACAK X1, X2, …, XK YANG MENYATAKAN BANYAK TERJADINYA E1,
E2, …, EK DALAM N USAHA BEBAS ADALAH,
 n  x1 x2
P ( X 1 = x1 , X 2 = x 2, . . . , X k = xk ) =   p1 p 2 p xkk
 x 1 , x2 , . . . , x k 

dengan, Percobaan Binomial menjadi Multinomial

jika setiap percobaan memiliki lebih dari
k k dua kemungkinan hasil.
 xi = n dan  pi = 1
i =1 i =1

26
 CONTOH 4
• PELUANG SEORANG PERWAKILAN DATANG KE SUATU KONFERENSI DI SUATU
KOTA MENGGUNAKAN PESAWAT, BUS, MOBIL PRIBADI, DAN KERETA
BERTURUT-TURUT ADALAH 0.4, 0.2, 0.3, DAN 0.1. HITUNG PELUANG DARI 9
PERWAKILAN YANG DATANG 3 ORANG DATANG MENGGUNAKAN PESAWAT, 3
ORANG DENGAN BUS, 1 ORANG DENGAN MOBIL PRIBADI, DAN 2 ORANG
DENGAN KERETA.
• JAWAB:
MISALKAN XI : BANYAKNYA PERWAKILAN YANG DATANG MENGGUNAKAN
TRANSPORTASI I, I=1,2,3,4 BERTURUT-TURUT MEWAKILI PESAWAT, BUS, MOBIL
PRIBADIDANKETETA
 9 
𝑃 ( 𝑋1 = 3 , 𝑋 2 = 3 , 𝑋 3 = 1 , 𝑋 4 = 2 ) =   ( 0 . 4 ) 3
( 0 . 2 ) 3
( 0 . 3 ) 1
( 0 . 1 ) 2

 3, 3,1, 2 
=
9!
( 0 .0 6 4 )( 0 .0 8 )( 0 .3 ) ( 0 .0 1 ) = 2 5 2 0  1 . 5 3 6  1 0 −5
= 0,038702 27

3!3!1!2!
 DISTRIBUSI HIPERGEOMETRIK
• X ~ H(N, N, K)
• X : BANYAKNYASUKSES DALAM SAMPELACAK UKURAN N YANG DIAMBIL
DARI N BENDA YANG MENGANDUNG K BERNAMA SUKSES DAN N-K
BERNAMA GAGAL.

 k  N − k
 x  n − x 
P ( X = x ) = h(x; N , n, k) =    , x = 0,1, 2,..., n
N 
 
 n 
 Rataan :  Variansi :
nk N −n k  k 
 =  2
= 1 −
N − 1 N  N 
n 28
N
 CONTOH 5
• DARI 50 GEDUNG DI SEBUAH KAWASAN INDUSTRI, 12 GEDUNG MEMPUNYAI
KODE PELANGGARAN. JIKA 10 GEDUNG DIPILIH SECARAACAK DALAM
SUATU INSPEKSI, HITUNG PELUANG BAHWA 3 DARI 10 GEDUNG MEMPUNYAI
KODE PELANGGARAN!
• JAWAB :
MISALKAN X : BANYAK GEDUNG YANG DIPILIH MEMPUNYAI KODE
PELANGGARAN.
X ~ H(50, 10, 12) 12 38
P( X = 3) = h(3;50,10,12) =
3 7
=
( 2 2 0 )( 1 2 6 2 0 2 5 6 ) = 0.2703
50 10272278170
10
29
 KAITANNYA DENGAN DISTRIBUSI BINOMIAL
• PERCOBAAN BINOMIAL MAUPUN HIPERGEOMETRIK SAMA-SAMA MEMILIKI 2
KEMUNGKINAN, YAITU SUKSES DAN GAGAL.
• PERBEDAAN MENDASAR ADALAH PADA BINOMIAL PERCOBAAN DILAKUKAN
DENGAN PENGEMBALIAN SEDANGKAN HIPERGEOMETRIK, PERCOBAAN DILAKUKAN
TANPA PENGEMBALIAN.
• UNTUK UKURAN SAMPEL ACAK (N) YANG DIAMBIL SEMAKIN KECIL TERHADAP N,
MAKA DISTRIBUSI HIPERGEOMETRIK DAPAT DIHAMPIRI OLEH DISTRIBUSI BINOMIAL,
DENGAN PELUANG SUKSES K/N .

30
 DISTRIBUSI GEOMETRIK

• X ~ G(P) ATAU X ~ GEOM(P)

• X : BANYAKNYA USAHA SAMPAI SAAT TERJADI SUKSES PERTAMA
DARI USAHA-USAHA YANG SALING BEBAS DENGAN PELUANG
SUKSES P DAN GAGAL (1-P).
P ( X = x ) = g ( x ; p ) = p ( 1 − p ) x −1 , x = 1, 2,...

 Rataan :  Variansi :

1 1 −p
 =  2
=
p p2 31
BUKTI

32
 CONTOH 6
• BERDASARKAN HISTORI KLAIM YANG TERJADI DI SEBUAH PERUSAHAAN,
DIPEROLEH BAHWA PELUANG TERJADINYA KLAIM YANG BERNILAI DI ATAS 50
JUTA RUPIAH PADA SUATU TAHUN TAHUN ADALAH 0,2. MISALKAN X
ADALAH BANYAK KLAIM YANG TERJADI DALAM SATU TAHUN HINGGA
DITEMUKAN KLAIM PERTAMA YANG BERNILAI DI ATAS 50 JUTA RUPIAH.
HITUNG PELUANG PADA KLAIM KETIGA DI TAHUN TERSEBUT MUNCUL
PERTAMA KALI KLAIM YANG BERNILAI DI ATAS 50 JUTA RUPIAH!
• JAWAB :
X ~ GEOM(0.2)
P( X = 3) = g(3;0.2) = 0.2(0.8)2 = 0.128
33
 DISTRIBUSI BINOMIAL NEGATIF
 X ~ b*(k, p)
 X : banyaknya usaha yang berakhir tepat pada sukses ke-k dari usaha-usaha saling bebas
dengan peluang sukses p dan gagal (1-p).

 x − 1 k
P ( X = x) = b * ( x; k , p ) =   p ( 1 − p ) x−k
, x = k, k + 1, k + 2 . . .
 k − 1
• SUATU PEUBAH ACAK BINOMIAL NEGATIF ADALAH JUMLAH DARI PEUBAH ACAK-
PEUBAH ACAK GEOMETRIK.
X = Y1 + Y2 + ... + YK

DIMANA Y1, Y2, ..., YK ADALAH PEUBAH ACAK SALING BEBAS, MASING-MASING
BERDISTRIBUSIGEOM(P)
𝑘 2 𝑘(1−𝑝) 34
 Rataan : 𝜇 =  Variansi : 𝜎 =
𝑝 𝑝2
 CONTOH 7
• PERHATIKAN CONTOH 6.
• MISALKAN X ADALAH BANYAK TES YANG DILAKUKAN SEHINGGA DITEMUKAN 3
KLAIM PERTAMA YANG BERNILAI DI ATAS 50 JUTA RUPIAH. HITUNG PELUANG BAHWA
TERJADI 8 KLAIM SEHINGGA DITEMUKAN 3 KLAIM BERNILAI DI TAS 50 JUTA RUPIAH!
• JAWAB :

7 
P( X 8) b *(8;3, 0.2)   (0.2) 3 (0.8) 5 = 0.05505
= = =
 2

35
 LATIHAN SOAL
1. PELUANG PEMBELIAN SUATU TELEVISI BERWARNA DI SUATU TOKO TELEVISI
ADALAH 0.25. HITUNGLAH PELUANG BAHWA PEMBELIAN TELEVISI YANG KELIMA
DI TOKO TERSEBUT AKAN MERUPAKAN PEMBELIAN TELEVISI BERWARNA YANG
KEDUA.
2. DALAM SUATU PROSES PRODUKSI DIKETAHUI BAHWA RATA-RATA 1 DIANTARA 100
BUTIR HASIL PRODUKSI CACAT. BERAPA PELUANG MEMERIKSA 5 BUTIR DAN BARU
MENEMUKAN YANG CACAT PADA YANG KELIMA
3. DIKETAHUI ADA 50 MAHASISWA YANG MENGIKUTI KULIAH TEORI PELUANG DAN
3 DIANTARANYA MENGULANG. JIKA DIAMBIL 5 ORANG SECARA ACAK, BERAPA
PELUANG DIANTARA 5 ORANG TADI:
a)TIDAK TERDAPAT YANG MENGULANG
b)TERDAPAT TIDAK LEBIH DARI SEORANG YANG MENGULANG
36
 REFERENSI
 NAVIDI, WILLIAM., 2008, STATISTICS FOR ENGINEERS AND SCIENTISTS, 2ND ED.,
NEW YORK: MCGRAW-HILL.
 DEVORE, J.L. AND PECK, R., STATISTICS – THE EXPLORATION AND ANALYSIS OF
DATA, USA: DUXBURY PRESS, 1997.
 HOGG, MCKEAN, AND CRAIG, INTRODUCTION TO MATHEMATICAL STATISTICS,
NEW JERSEY: PEARSON PRENTICE HALL, 2005.
 WACKERLY, ET.AL., MATHEMATICSL STATISTICS AND ITS APPLICATION 7TH ED., USA:
THOMSON, 2008.
 WALPOLE, RONALD E. DAN MYERS, RAYMOND H., ILMU PELUANG DAN STATISTIKA
UNTUK INSINYUR DAN ILMUWAN, EDISI 4, BANDUNG: PENERBIT ITB, 1995.
 WALPOLE, RONALD E., ET.AL, STATISTITIC FOR SCIENTIST AND ENGINEERING, 8TH
ED., 2007.
37