macam distribusi peluang
DESCRIPTION
Distribusi Poisson, Distribusi NormalTRANSCRIPT
Tugas Pengantar Teori Peluang
Kelas 1 J
Kelompok 3
1. 11.6738/Karmila Putri2. 11.6851/Raissa Samantha Hutajulu3. 11.6864/Ridho Fadillah4. 11.6886/Rouwvalth Rumaseuw5. 11.6936/Try Novian Hidayat
Distribusi PoissonDistribusi poisson adalah distribusi probabilitas diskret yang menyatakan peluang jumlah peristiwa yang terjadi pada periode waktu tertentu apabila rata-rata kejadian tersebut diketahui dan dalam waktu yang saling bebas sejak kejadian terakhir. (distribusi poisson juga dapat digunakan untuk jumlah kejadian pada interval tertentu seperti jarak, luas, atau volume).
Apabila nilai harapan kejadian pada suatu interval adalah , maka probabilitas terjadi peristiwa sebanyak k kali (k adalah bilangan bulat non negatif, k = 0, 1, 2, ...) maka sama dengan
dimana
e adalah basis logaritma natural (e = 2.71828...) k adalah jumlah kejadian suatu peristiwa — peluang yang diberikan oleh fungsi ini k! adalah faktorial dari k λ adalah bilangan riil positif, sama dengan nilai harapan peristiwa yang terjadi dalam
interval tertentu. Misalnya, peristiwa yang terjadi rata-rata 4 kali per menit, dan akan dicari probabilitas terjadi peristiwa k kali dalam interval 10 menit, digunakan distribusi poisson sebagai model dengan λ = 10×4 = 40.
Hubungan Distribusi Poisson dengan Distribusi Binomial
Distribusi Poisson sebagai suatu bentuk pembatasan distribusi Binomial pada saat n besar , sedangkan p mendekati 0 , dan np konstan.
Sehingga bila n besar dan p mendekati 0, distribusi Poisson dapat digunakan untuk memperkirakan probabilitas Binomial, dengan = np
Contoh soal poisson
1. Dua ratus penumpang telah memesan tiket untuk sebuah penerbangan luar negeri. Jika probabilitas penumpang yang telah mempunyai tiket tidak akan datang adalah 0.01 maka berapakah peluang ada 3 orang yang tidak datang.
Jawaban:
Dik :
n = 200
P = 0.01
X = 3
μ = n . p = 200 . 0.01 = 2
P ( x ; μ ) = e – μ . μ XX !
= 2.71828– 2 .23
3 !
= 0.1804 atau 18.04 %
2. Sebuah pabrik ban menyatakan dari 5000 ban yang dikirim ke distributor sebanyak 1000 warnanya sedikit pudar. Seorang pelanggan membeli 10 ban dari distributor secara acak saja. Berapa probabilitasnya bahwa ada 3 buah ban yg warnanya sedikit pudar?
Jawab: Populasinya N=5000, ukuran sampelnya n=10 (n/N < 5%), jadi bisa dipakai distribusi binomial saja, dengan probabilitas warna sedikit pudar p=k/N = 1000/5000 = 0.2, dan tidak pudar q=1-p=0.8. Jumlah sampel n=10, banyak yg pudar x=3, berarti probabilitasnya :
P(x=3;n=10,p=0.2) = B(r≤3;n=10,p=0.2)-B(r≤2;n=10,p=0.2)
= 0.8791 -0.6778
= 0.2013
= 20%
Contoh soal binomial dengan pendekatan poisson
1. Dua ratus penumpang telah memesan tiket untuk sebuah penerbangan luar negeri. Jika probabilitas penumpang yang telah mempunyai tiket tidak akan datang adalah 0.01 maka berapakah peluang ada 3 orang yang tidak datang.
2. Rata – rata seorang sekretaris baru melakukan lima kesalahan mengetik per halaman. Berapakah peluang bahwa pada halaman berikut ia :
1. Tidak ada kesalahan ( x = 0 )
2. Tidak lebih dari tiga kesalahan ( x ≤ 3) atau ( 0,1,2,3 )
3. Lebih dari tiga kesalahan ( x > 3 ) atau ( 4,…,15)
Jawab :
1. Dik : n = 200, P = 0.01, X = 3, μ = n . p = 200 . 0.01 = 2
P ( x ; μ ) = e−μ μx
x !
= (2.71828 – 2 . 2 3)3!
= 0.1804 atau 18.04 %
2. Dik : μ = 5
a. x = 0
P ( x ; μ ) = e−μ μx
x !
P ( 0 ; 5 ) = (2.71828 – 5 . 5 0)0! = 0.0067
b. x ≤ 3 ; P ( x ; μ ) = e−μ μx
x !
P (x ≤ 3 , 5) = P( x 1, μ ) +….+p(x3, μ)
= P( 0, 5 ) + P (1, 5 ) + P ( 2, 5 ) + P ( 3, 5 )
= 0.0067 + 0.0337 + 0.0842 + 0.1404
= 0.2650 atau 26.5 %
c. X > 3 ; P ( x ; μ ) = e−μ μx
x !
P (X > 3 , 5) = P( X 4, μ ) +….+p(X 15, μ)
= P( 4, 5 ) + P (5, 5 ) + …… + P ( 15, 5 )
atau
P (X > 3 , 5) = 1 – [P ( X ≤ 3 , 5 ) ]
= 1 – [ P ( X 0, μ ) +….+ p (X 3, μ) ]
= 1 – [ P ( 0, 5 ) +….+p ( 3, 5 ) ]
= 1 – [ 0.2650 ]
= 73.5 %
http://cyber-learn.blogspot.com/2008/09/modul-distribusi-poisson.html
DISTRIBUSI NORMALDistribusi normal, disebut pula distribusi Gauss, adalah distribusi
probabilitas yang paling banyak digunakan dalam berbagai analisisstatistika.
Distribusi normal baku adalah distribusi normal yang memiliki rata-rata nol dan simpangan baku satu. Distribusi ini juga dijuluki kurva lonceng (bell curve ) karena grafik fungsi kepekatan probabilitasnya mirip dengan bentuk lonceng.Distribusi normal memodelkan fenomena kuantitatif pada ilmu alam maupun ilmu sosial. Beragam skor pengujian psikologidan fenomena fisika seperti jumlah foton dapat dihitung melalui pendekatan dengan mengikuti distribusi normal. Distribusi normal banyak digunakan dalam berbagai bidang statistika, misalnya distribusi sampling rata - rata akan mendekati normal, meski distribusi populasi yang diambil tidak berdistribusi normal. Distribusi normal juga banyak digunakan dalam berbagai distribusi dalam statistika, dan kebanyakan pengujian hipotesis mengasumsikan normalitas suatu data.
Distribusi normal didefinisikan dengan persamaan berikut:
Z= x - µ ket : Z = standar normal µ = rata-rata populasiσ x = rata-rata sample σ = standar deviasiAdapun Kurva yang terdapat pada Distribusi Normal :
KURVA DISTRIBUSI NORMAL
Grafik distribusi normal tergantung pada dua factor mean dan deviasi standart. Mean dari distribusi menentukan lokasi pusat grafik, dandeviasi standard menentukan tinggi dan dan lebar grafik. Ketika standard deviasi besar, kurva pendek dan lebar, ketika standard deviasi kecil, kurva kecil dan sempit. Semua distribusi normal tampak sepertilonceng, Kurva berbentuk simetris, seperti yang di tunjukan di gambar ini. Kurva di sebelah kiri lebih pendek dan lebih lebar dari kurva di sebelah kanan, karena kurva di sebelah kiri memiliki standar deviasi yang lebih besar.
CIRI-CIRI DISTRIBUSI NORMAL
Berbentuk lonceng berarti simetris di kanan dan kiri dari 'mean' 'Mean' = 'median' = 'mode', nilai dari ketiga ukuran sentral ini
terletakpada titik yang sama pada sumbu X dan hanya mempunyai satu 'mode' (unimodal).
Jumlah seluruh daerah diatas sumbu X\ dan dibawah kurva setara dengan satu atau seratus persen. Karena kurva Normal simetris,berbentuk lonceng dan unimodal maka daerah di di kanan dan di kiri garis tegak lurus diatas mean masing-masing besarnya 0,5 atau 50%.
Kurva ditetapkan oleh dua parameter yaitu 'mean' yang merupakan pusat atau konsentrasi distribusi dan standar deviasi yang menentukan penyebaran distribusi di sekitar 'mean'.
Ujung-ujung kurva meruncing dikanan dan kiri tetapi tidak pernah mennyentuh garis X (asymptotic), dan jarak keujungujungnya dari 'mean' menujukkan tingkat frekuensi pengukuran.
Bila garis tegak lurus dibuat pada jarak satu standar deviasi di kanan dan di kiri 'mean' akan mencakup daerah seluas kira-kira 68% di dalamnya (antara garis tersebut, kurva dan sumbu bila dua standard deviasi 95%, bila tiga standar deviasi 99,7% dan area di luar tiga standar deviasi hampir selalu diabaikan.
http://www.scribd.com/doc/43407296/Pengertian-Distribusi-Normal
Contoh Distribusi Normal1. Sebuah perusahaan menggaji karyawannya rata-rata Rp. 925 per jam
dengan simpangan baku ( standar deviasi) Rp. 60. Bila gaji berdistribusi mendekati normal, dan dibayarkan dalam bentuk satuan bilangan bulat rupiah. Hitunglah ;a. Presentase karyawan yang bergaji antara Rp. 875 dan Rp. 969 per
jamb. Presentase karyawan yang bergaji di bawah Rp. 800 per jamc. Di atas berapa rupiah kah 5% gaji per jam tertinggi?d. Di bawah berapa rupiah kah 10% gaji per jam terendah ?
Solusi:
a. Presentase gaji antara Rp 875 dan Rp 969 µ = 925 σ=60
dengan rumus Z= X−μ
σ diketahui
Z1=875−925
60=−0 .83
Z2=969−925
60=0 .73
P ( 875 < X < 969) = P ( -0.83 < z < 0 ) + P ( 0 < z < 0.73) = 0.2967 + 0.2642 = 0.5609
Persentase gaji anatra Rp 875 dan Rp 969 adalah 56.09 %
b. Presentase gaji dibawah 800
Z=800−92560 = -2.08
P ( X < 800 ) = 0.5 – ( -2.08 < z < 0 ) = 0.5 – 0.4812 = 0.0188
Presentase gaji dibawah 800 adalah 1.88 %
c. Probabilita 0.05 Prob Z = 0.5 – 0.05 = 0.45Z = 1.645
1 .645=X−925¿60 ¿
¿¿
X = (60.1,645) + 925X = 1023,7
Jadi 5% gaji tertinggi adalah diatas Rp. 1023,7
d. Probabilita 0,1Prob Z = 0.5 – 0,1 = 0,4
Z= 1.285
X = ( 60. 1,285) + 925 = 1002,1
2. Saat ini, seluruh wilayah Indonesia sangat rawan dengan gempa. Jika frekuensi gempa besar dalam setahun di seluruh Indonesia mengikuti distribusi normal dengan rata-rata 20.8 dan standar deviasi 4.5, hitunglah :a. probabilitas terjadinya 25 kali gempa besar dalam satu tahun
tertentu.b. hitunglah probabilitas terjadi paling sedikit 22 kali gempa besar.c. hitunglah probabilitas terjadi paling sedikit 20 sampai 25 kali gempa
besar.Solusi:
a.
b.