Upload
amrul-rizal
View
100
Download
3
Tags:
Embed Size (px)
Citation preview
6- 1
Bab
Enam
McGraw-Hill/Irwin
© 2005 The McGraw-Hill Companies, Inc., All Rights Reserved.
6- 2
Bab EnamDistribusi Probabilitas Distribusi Probabilitas DiskritDiskritTUJUAN
Setelah mempelajari bab ini diharapkan saudara dapat:SATUMendefinisikan istilah variabel random dan distribusi probabilitas.
DUAMembedakan antara distribusi probabilitas diskrit dan kontinyu.
TIGAMenghitung rata-rata, varian, dan standart deviasi distribusi probabilitas diskrit.
6- 3
Bab Enam Lanjutan
EMPATMenjelaskan karakteristik dan menghitung probabilitas menggunakan probabilitas distribusi binomial.
LIMAMenjelaskan karakteristik dan menghitung probabilitas menggunakan distribusi poison.
6- 4
Types of Probability Distributions
Distribusi Probabilias DiskritDistribusi Probabilias Diskrit
Dapat mengasumsikan hanya nilai tertentu
Distribusi Probilitas KontinyuDistribusi Probilitas Kontinyu
Cdapat mengasumsikan jumlah tak terhingga dalam range tertentu
Tipe Distribusi Tipe Distribusi ProbabilitasProbabilitas
Distribusi Distribusi ProbabilitasProbabilitas
Daftar semua kemungkinan hasil dari percobaan dan berhubungan dengan kemungkinan.
Variabel RandomVariabel RandomNilai numerik
yang ditentukan oleh hasil dari percobaan.
6- 5
Perbedaan Variabel Discrete dan Variabel Continue
Variabel Discrete Variabel diskrit adalah
variabel yang satuannya selalu utuh (tidak bisa pecahan)
Misalnya: Manusia, mobil, binatang, bola, dsb.
Variabel Continue Variabel kontinyu
adalah variabel yang satuannya bisa pecahan)
Misalnya: Berat gula, panjang benang, dsb.
6- 6
Movie
Distribusi Probabilitas KontinyuDistribusi Probabilitas Kontinyu
6- 7
Features of a Discrete Distribution
Probabilitas Distribusi DiskritProbabilitas Distribusi Diskrit
Jumlah dari berbagai
probabilitas menghasilkan
nilai 1.00.
Nilai probabilitas
berkisar antara 0 sampai dengan 1.
Hasil bersifat mutuali ekslusif.
Jumlah mahasiswa dalam
satu kelas
Jumlah anak dalam satu keluarga
Jumlah mobil yang masuk
cucian dalam satu jam
6- 8
Sehingga kemungkinan muncul kepala adalah 0,1,2,3.Berdasarkan definisi
dari variabel random, x didefiniskan sebagai random, random variable.
TTT, TTH, THT, THH,HTT, HTH, HHT, HHH
Example 1
Kemungkinan hasil dari percobaan adalah:
Sebuah koin dilempar sebanyak 3 kali secara acak. Jika H menggambarkan head kepala dan T menggambarkan tail (pilar).
6- 9
EXAMPLE 1 continued
Hasil satu kepala muncul satu kali.
Hasil muncul
satu kepala
sebanyak tiga kali.
Hasil dua kepala
muncul tiga kali.
Hasil tiga kepala muncul satu kali
6- 10
CONTOH:
Jika dua mata uang yang mempunyai dua permukaan yang simetris dilemparkan ke atas satu kali (sama dengan dengan satu mata uang dilemparkan dua kali). Permukaan yang dapat muncul dari pelemparan itu adalah: Baik mata uang pertama maupun kedua menghasilkan
permukaan A semua. Mata uang pertama menghasilkan A sedangkan mata
uang kedua menghasilkan B Mata uang pertama menghasilkan B sedangkan mata
uang kedua menghasilkan A Baik mata uang pertama maupun kedua menghasilkan
permukaan B semua.
6- 11
The Mean of a Discrete Probability Distribution
)]([ xxP
Rata-rata Rata-rata
Lokasi pusat data
Berkaitan dengan harapan, E(X), dalam distribusi probabilitas
Rata-rata tertimbang
Dimana menggambarkan rata-rata P(x) menggambarkan
berbagai hasil x.
6- 12
The Variance of a Discrete Probability Distribution
VarianceVariance
Mengukur jumlah penyimpangan
(variation) dalam distribusi
Dilambangkan dengan s2
(sigma squared)
Standard deviation adalah akar kuadrat
dari s2.
)]()[( 22 xPx
6- 13# Rumah yang Dicat
# Minggu Persen Minggu
10 5 25 (5/20)
11 6 30 (6/20)
12 7 35 (7/20)
13 2 10 (2/20)
Total persen 100 (20/20)
Jono pemilik usaha pengecetan, mempelajari catatan selama 20 minggu yang lalu jumlah rumah yang dicat terlihat pada tabel berikut:
P hysics
6- 14
EXAMPLE 2
)]([ xxP
# Rumah yang di cet
(x)
Probabilitas
P(x)x*P(x)
10 .25 2.5
11 .30 3.3
12 .35 4.2
13 .10 1.3
11.3
Rata-rata jumlah rumah di
di cet per minggu
6- 15
# Rumah di cet (x)
Probabilitas
P(x) (x- (x-
(x-P(x)
10 .25 10-11.3 1.69 .423
11 .30 11-11.3 .09 .027
12 .35 12-11.3 .49 .171
13 .10 13-11.3 2.89 .289
.910
)]()[( 22 xPx Varian jumlah rumah di
cat per minggu
6- 16
Binomial Probability Distribution
Percobaan bersifat bebas.
Distribusi Probabilitas BinomialDistribusi Probabilitas Binomial
Jumlah hasil percobaan
diklasifikasikan menjadi dua
bersifat mutuali eksklusif, seperti
sukses atau gagal.
Data dikumpulkan dari hasil perhitungan
Kemungkinan sukses
sama untuk setiap
percobaan
6- 17
DISTRIBUSI BINOMIAL
Distribusi Binomial: Adalah salah satu distribusi teoritis dengan variabel random discrete. Distribusi binomial kadang-kadang disebut sebagai distribusi Bernaulli.
Ciri-ciri percobaan binomial: Tiap percobaan memiliki dua hasil yaitu sukses
dan gagal. Percobaan sukses pada tiap percobaan harus
sama dan dinyatakan dengan p. Setiap percobaan harus sama dengan p Jumlah percobaan yang merupakan komponen
eksperimen binomial harus tertentu.
6- 18
Binomial Probability Distribution
xnC n!x!(n-x)!
n adalah jumlah percobaanx jumlah pengamatan sukses
p kemungkinan sukses untuk setiap percobaan
xnxxnCxP )1()(
Distribusi Probabilitas BinomialDistribusi Probabilitas Binomial
6- 19
551.000....172.250.
)80(.)20(....)80(.)20(.)3( 0141414
113314
CCxP
Departemen tenaga kerja melaporkan bahwa 20% angkatan kerja adalah menganggur. Dari 14
angkatan kerja.
Berapa kemungkinan yang menggangur
tepat 3 ?
Berapa yang mengganggur minimal tiga ?
2501.
)0859)(.0080)(.364(
)20.1()20(.)3( 113314
CP
6- 20
Example 3
956.044.1
)20.1()20(.1
)0(1)1(140
014
C
PxP
Kemungkinan minimal satu orang yang menganggur ?
6- 21
Benda yang dihasilkan oleh mesin ternyata 10% rusak. Diambil secara random dari produksi tersebut sebanyak 10 buah untuk diselidiki. Berapa probabilitas dari benda yang diselidiki itu terdapat: Tidak ada yang rusak Satu rusak Paling sedikit satu rusak Paling banyak dua rusak
Jawab:
n=10, p=0,10
6- 22
Mean & Variance of the Binomial Distribution
n
2 1 n ( )
Rata-rata distribusi binomialRata-rata distribusi binomial
Varian distribusi binomialVarian distribusi binomial
6- 23
Mean and Variance Example
Jika =.2 dan n=14
= n = 14(.2) = 2.8
2 = n (1- ) = (14)(.2)(.8) =2.24
6- 24
Finite Population
Jumlah rumah di Purwokerto
Populasi berisi sekumpulan individu
Populasi yang terbatasPopulasi yang terbatas
Jumlah mahasiswa dalam kelas
Jumlah mobil di tempat parkir
6- 25
Poisson probability distribution
P xe
x
x u
( )!
dimana rata-rata jumlah sukses dalam
interval tertentue =kosntanta 2.71828 x =jumlah yang sukses
Dimana
n =jumlah percobaan
p =kemungkinan sukses
Variance Akan sama dengan np
Distribusi Probabilitas PoissonDistribusi Probabilitas Poisson
= np
6- 26
Distribusi poisson: Disebut sebagai distribusi peristiwa yang jarang terjadi (distribution of rare event) adalah distribusi keumungkinan teoritis dengan variabel random discrete.
Distribusi ini dianggap sebagai pendekatan pada distribusi binomial jika n (banyaknya percobaan) besar, sedangkan p (probabilitas kecil).
DISTRIBUSI POISSON
6- 27
EXAMPLE 6
1465.!2
4
!)(
42
e
x
exP
ux
Pada UGD suatu rumah sakit menunjukkan bahwa . Pada suatu hari dari jam 6-10 malam jumlah yang masuk UGD 4.0 per jam. Berapa kemungkinan 2 dua yang datang dalam satu jam?
6- 28
Sebuah mobil diiklankan di koran untuk dijual. Surat kabar tersebut mempunya pembaca sebanyak 100.000 orang. Jika kemungkinan seorang akan membalas iklan tersebut adalah 0,00002 ditanyakan: Berapa orang diharapkan akan membalas iklan
tersebut ? Berapa kemungkinan bahwa yang membalas iklan
tersebut hanya satu orang ? Berapa kemungkinan tidak ada yang membalas ?
CONTOH:
6- 29
Apabila probabilitas bahwa seseorang akan mati terkena penyakit TBC adalah 0,001. Dari 2000 orang penderita penyakit tersebut, berapa probalilitas: Tiga orang akan mati? Yang mati tidak lebih dari satu orang? Lebih dari dua orang mati ?
CONTOH: