1.
Distribusi Binomial
Usaha Bernoulli: suatu eksperimen yang hasilnya kita klasifikasikan sebagai S
(sukses) dan G (gagal) dengan dan
Contoh:
1.
Ujian pilihan ganda (4 pilihan).
Memilih mendapat jawaban benar
dan
2.
Pengertian sukses relatif
Penyelundup barang illegal
masuk sukses
Pabean barang illegal
masuk gagal
Usaha Bernoulli
P(S) = P P(G) = g=1-p
Usaha Bernoulli kita ulang sebanyak 3 kali secara
independent (n = 3)
X = banyaknya sukses
X = 0 GGG P(X = 0) = g3 =
X = 1 SGG =
pg2 P(X = 1) = 3pg2
=
GSG
= pg2
GGS
= pg2
X = 2 SSG =
p2g P(X = 2) = 3p2g
=
SGS
= p2g
GSS
= p2g
X = 3 SSS =
P(X = 3) = p3 =
P(X = 0) + P(X = 1) + P(X = 2) + P(X = 3) =
= (p + g)3 = 13
= 1
Syarat proses Bernoulli:
Percobaan
terdiri dari n usaha yang berulang
Tiap
usaha memberi hasil yang dapat dikelompokkan menjadi sukses atau gagal
Peluang
sukses, dinyatakan dengan p, tidak berubah dari usaha yang satu
ke usaha berikutnya
Tiap
usaha bebas dengan usaha yang lainnya.
Contoh
1.
Tiga bahan diambil secara acak dari suatu hasil pabrik,
diperiksa dan kemudian yang cacat dipisahkan dari yang tidak cacat. Bahan
yang cacat akan disebut sukses. → X adalah banyaknya bahan yang
cacat dan S={TTT, TCT, TTC, CTT, TCC, CTC, CCT, CCC} [C=cacat; T=tak cacat].
penyelesaian
2.
ada info bahwa
bahan tersebut dipilih secara acak dari proses yang dianggap menghasilkan 25%
bahan yang cacat, p = 0.25, maka
P(CTT) = (0.25)(0.75)(0.75) = 0.141
dengan cara yang sama didapatkan
dist. peluang X adalah
Secara umum
Usaha Bernoulli kita ulang sebanyak u kali secara
independent
X menyatakan sukses
F(X) = P(X = X) =
F(X) ini disebut distribusi binomial
X mempunyai distribusi binomial
Maka E(X) = np
E(X) =
=
=
=
=
n.p
y
= x-1
x
= 1 => y = 0
x
= n => y = n – 1
= n.p
= n.p (p + g)n -1
= n.p(1)n -1
= np
; x = 0, 1, 2, …. n
Probabilitas suatu barang
elektronik tahan guncangan pada waktu pengiriman adalah 0,9. Tentukan
probabilitas dari kiriman 10 barang elektronik, 8 diantaranya masuk dalam
keadaan baik.
n
= 10 x = 8
Contoh:
Peluang untuk sembuh seorang penderita
penyakit darah yang jarang adalah 0.4. Bila diketahui ada 15 orang yang telah
mengidap penyakit tersebut, berapakah peluangnya: a) paling sedikit 10 akan
sembuh; b) antara 3 sampai 8 yang sembuh; c) tepat 5 yang sembuh!
Penyelesaian
X
= # penderita yang sembuh;
n
= 15; p = 0.4; q = 0.6.
a). P(X ≥ 10) =
1 – P(X ≤ 9)
= 1 – ∑9x=0b(x;15,0.4)
=
1 – 0.9662 = 0.0338
b). P(3
≤ X ≤ 8)
=
P(X ≤ 8) – P(X ≤ 2)
=
∑8x=0b(x;15,0.4) – ∑2x=0b(x;15,0.4)
=
0.9050 – 0.0271
=
0.8779
c). P(X = 5) =
P(X ≤ 5) – P(X ≤ 4)
=
∑5x=0b(x;15,0.4) – ∑4x=0b(x;15,0.4)
= 0.4032 – 0.2173
= 0.1859
2
Distribusi poisson
Definisi: Dist peluang p.a Poisson X,
yang menyatakan banyaknya sukses yang terjadi
dalam suatu selang waktu atau daerah tertentu dinyatakan dengan t,
diberikan oleh
λt menyatakan rata-rata
banyaknya sukses yang terjadi per satuan waktu atau daerah tersebut.
e = 2.71828…
Misalkan
x adalah variabel random diskrit yang menyatakan banyaknya sukses dalam suatu
selang waktu suatu daerah tertentu. Selang waktu bisa dari milidetik sampai
dengan tahun. Daerah pengamatan bisa luasan dari mm2 sampai dengan
ha atau km2.
Contoh:
1.
Banyaknya langganan yang datang di suatu toko dalam
selang waktu 5 menitan.
2.
banyaknya telepon yang masuk suatu kantor dalam selang
waktu 30 menitan.
3.
Banyak salah ketik perhalaman.
4.
banyaknya pertandingan sepak bola yang tertunda selama
satu musim kompetisi.
Maka
, x =
0, 1, 2, …
= parameter
Var
(x) =
Biasanya
ciri-ciri dari distribusi poison adalah diketahui harga rata-ratanya.
Contoh:
1.
Rata-rata banyaknya partikel radioaktif yang melewati
suatu penghitung selama satu milidetik dalam suatu percobaan laboratorium
adalah empat. Berapakah probabilitas terdapat 6 partikel yang melewati
penghitung selama 1 milidetik tertentu?
2.
Rata-rata banyaknya tanker minyak yang tiba tiap hari
di suatu pelabuhan adalah 10. Pelabuhan tersebut hanya mampu menampung 15
tanker perhari. Berapakah probabilitas pada suatu hari tertentu tanker terpaksa
disuruh pergi, karena pelabuhan tidak mampu melayaninya.
Pelabuhan tidak mampu melayani bila
Probabilitas (tanker disuruh pergi)
diperlukan
tabel
3.
Rata-rata banyaknya tanker minyak yang tiba tiap hari
di suatu pelabuhan adalah 10. Pelabuhan tersebut hanya mampu menerima paling
banyak 15 tanker sehari. Berapakah peluang pada suatu hari tertentu tanker
terpaksa ditolak karena pelabuhan tak mampu melayani?
P(X
> 15) = 1 – P(X ≤
15)
= 1 – ∑15x=0
p(x;10)
= 1 – 0.9513
= 0.0487
Teorema: Misalkan X p.a binomial dengan dist
peluang b(x;n,p). Bila n → ∞, p → 0 dan (λt)
= np tetap sama, maka
b(x;n,p) →
p[x; (λt)]
Contoh:
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 peluang bahwa
dalam sampel acak sebesar 8000 barang akan berisi kurang dari 7 yang
bergelembung?
Penyelesaian
n = 8000; p = 1/1000 = 0.001
→
(λt) = np = (8000)(0.001) = 8.
Jika
X = # barang yang bergelembung, maka
P(X < 7) =
P(X ≤ 6)
=
∑6x=0 b(x;8000,0.001)
≈
∑6x=0 p(x;8)
=
0.3134
Pendekatan Distribusi
Binomial pada Poisson.
Misalkan pada distribusi binomial, n
besar, p kecil sedemikian hingga , maka perhitungan distribusi binomial bisa
menggunakan perhitungan distribusi Poisson.
, x = 0, 1, 2,
…
Contoh:
Dalam suatu proses produksi yang menghasilkan
barang dari gelas. Tejadi gelembung atau cacat yang kadang-kadang menyebabkan
barang tersebut sulit dipasarkan. Diketahui bahwa rata-rata 1 dari 1000 barang
yang dihasilakan mempunyai satu atau lebih gelembung. Berapakah probabilitas
bahwa dalam sampel random berjumlah 8000 akan terdapat 7 yang mempunyai
gelembung?
Penyelesaian
Ini adalah distribusi binomial dengan p=0,001
n = 8000
x = 7
Maka
3
Distribusi
Eksponensial
x dikatakan mempunyai distribusi eksponensial bila
,
0 untuk x yang lain
Distribusi
eksponensial ini banyak dipakai untuk memodelkan tahan hidup (keandalan)
berbagai komponen seperti bola lampu, alat-alat elektronik, dan sebagainya.
x
=
=
= = +
= = =
,
= m =
Dengan cara
yang sama dapat dibuktikan bahwa:
=
Contoh:
1. Misalkan daya tahan suatu komponen
dinyatakan dalam variabel random x yang mempunyai distribusi
eksponensial dengan rata-rata sama dengan 5. Tentukan probabilitas bahwa
komponen itu akan berfungsi pada akhir tahun kedelapan atau
= m = 5
Jadi = ,
=
=
= =
Distribusi yang lebih umum
dari distribusi eksponensial untuk menyatakan ketahanan suatu benda adalah distribusi
weibull.
x dikatakan mempunyai distribusi weibull
bila:
= ,
=
Var (x) =
P(n) =
Khusus
= distribusi eksponensial
|
|
|
2.
Suatu sistem mengandung sejenis komponen yang daya
tahanya dlm tahun dinyatakan oleh variabel acak X yang berdistribusi
eksponensial dgn rata-rata waktu sampai komponen rusak adalah 5 tahun. Bila
sebanyak 5 komponen tersebut dipasang dalam sistem yang berlainan, berapakah
probabilitas paling sedikit 2 komponen masih akan berfungsi pada akhir tahun
kedelapan?
Probabilitas
bahwa sebuah komponen masih akan berfungsi setelah 8 tahun:
Misalkan
Y menyatakan byknya komponen yg masih berfungsi setelah 8 thaun, dgn
menggunakan distribusi binomial diperoleh:
Tidak ada komentar:
Posting Komentar