Download - DISTRIBUSI PROBABILITAS

DISTRIBUSI PROBABILITAS

PENGERTIAN

• Setiap peristiwa akan mempunyai peluangnya masing-masing, dan peluang terjadinya peristiwa itu akan mempunyai penyebaran yang mengikuti suatu pola tertentu yang di sebut dengan distribusi.

• Distribusi probabilitas untuk suatu variabel acak menggambarkan bagaimana peluang terditribusi untuk setiap nilai variabel acak.

• Distribusi Probabilitas merupakan sebuah daftar dari keseluruhan hasil suatu percobaan kejadian yang disertai dengan nilai probabilitas masing-masing hasil (event)

Contoh

• Ada 3 orang nasabah yang akan menabung di bank. Jumlah bank yang ada yaitu; BCA dan BNI. Ketiga orang itu bebas memilih bank tempatnya akan menabung, mau BCA semua, di BCA dan BNI atau BNI semua. Berikut adalah kemungkinan dari pilihan ketiga orang tersebut.

Contoh

Contoh

• Hasil yang diperoleh disusun distribusi probabilitas sebagai berikut.

Contoh

• Hasil distribusi probabilitas P(r) akan memudahkan kita untuk mengetahui probabilitas dari kejadian yang bersifat acak atau untung-untungan.

• Bila ada 3 calon nasabah, berapa probabilitas ketiganya akan memilih BNI?

• Dengan distribusi probabilitas dengan cepat bisa dijawab 0,125.

• Pada distribusi probabilitas juga bisa dilihat bahwa nilai total distribusi frekwensi adalah 1,000.

Jenis Variabel Peristiwa

• Distribusi propabilitas Variabel peristiwa• Terdapat tiga jenis variabel peristiwa:

1. Variabel Acak (Random)2. Variabel Acak Diskret3. Variabel Acak Kontinu

VARIABEL ACAK (RANDOM)

• Variabel acak merupakan hasil ukuran dari percobaan yang bersifat acak.

• Contoh:1. Melempar uang ke udara akan menghasilkan

Gambar (G) atau Angka (A). Bila melempar uang dua kali, gambar bisa muncul 2 kali, 1 kali atau 0 (tidak muncul)Percobaan melempar uang ke udara = percobaan acakNilai hasil yang muncul gambar seperti 2, 1, dan 0 = variabel acak

VARIABEL ACAK (RANDOM)

2. Harga saham di BEJ dapat berubah-ubah dalam hitungan menit. Harga saham BCA misalnya dibuka pada Rp. 2.475 per lembar, kemudian terjadi fluktuasi antara Rp. 2.350– Rp. 2.475 dan akhirnya ditutup pada harga Rp. 2.375.Perubahan harga saham adalah percobaan atau kejadian acakNilai harga seperti 2.475, 2.375, 2.350 nilai hasil kejadian = variabel acak

VARIABEL ACAK DISKRET

• Variabel Acak Diskret merupakan ukuran hasil dari percobaan yang bersifat acak dan mempunyai nilai tertentu yang terpisah dalam suatu interval

• Merupakan hasil dari perhitungan dan biasanya berupa bilangan bulat

• Misalnya: jumlah mobil, jumlah buah, jumlah sepatu, dsb.

VARIABEL ACAK KONTINU

• Variabel Acak Kontinu mempunyai nilai yang menempati seluruh interval hasil percobaan

• Merupakan hasil dari pengukuran dan bisa berupa bilangan bulat atau pecahan

• Misalnya: berat badan, tinggi badan, panjang jalan, lebar sungai, dsb.

KLASIFIKASI

• Distribusi probabilitas diskrit Distribusi binomial, Poisson

• Distribusi probabilias kontinu Distribusi normal, Chi-kuadrat

DISTRIBUSI BINOMIAL

• Disamping percobaan tunggal, suatu percobaan mungkin dilakukan secara berulangkali (berulang-ulang).

• Tiap-tiap ulangan dalam percobaan dilakukan secara terpisah, yakni peristiwa dalam suatu percobaan tidak akan mempengaruhi hasil percobaan berikutnya.

• Apabila masing-masing percobaan hanya mempunyai 2 kemungkinan peristiwa, misalnya sukses dan gagal, ya atau tidak, diterima atau ditolak dan probabilitas peristiwa tetap sama selama percobaan.

• Karena hanya dua kejadian, maka dikenal dengan Binomial• Percobaan yang diulang tersebut disebut “Percobaan

Bernoulli”.

DISTRIBUSI BINOMIAL

• Ciri-ciri Percobaan Bernoulli:1. Setiap percobaan (kegiatan) hanya menghasilkan

2 dua kejadian

DISTRIBUSI BINOMIAL

2. Probabilitas sebuah kejadian baik sukses maupun gagal tetap bernilai sama

Probabilitas jual saham = 0,8 Probabilias beli saham = 0,2

Probabilitas lahir laki-laki = 0,6Probabilitas lahir perempuan = 0,4

DISTRIBUSI BINOMIAL

3. Percobaan bersifat indenpendenHasil suatu percobaan tidak mempengaruhi hasil percobaan lainnyaBila seorang ibu melahirkan bayi perempuan, maka tidak akan mempengaruhi kelahiran bayi bagi ibu lainnya

4. Data yang dikumpulkan merupakan hasil perhitunganPercobaan Bernoulli merupakan variabel diskret

DISTRIBUSI BINOMIAL

• Pembentukan Distribusi BinomialUntuk membentuk suatu distribusi binomial diperlukan dua hal:1. Banyaknya/jumlah percobaan/kegiatan2. Probabilitas suatu kejadian baik sukses maupun

gagal

DISTRIBUSI BINOMIAL

• Distribusi probabilitas binomial dapat dinyatakan sebagai berikut:

DISTRIBUSI BINOMIAL

• Dimana:P(r) = Nilai probabilitas binomialp = Probabilitas sukses suatu kejadian dalam setiap percobaanr = Banyaknya peristiwa sukses suatu kejadian untuk keseluruhan percobaann = Jumlah total percobaanq = Probabilitas gagal suatu kjadian yang diperoleh dari q = 1 – p! = Lambang faktorial

DISTRIBUSI BINOMIAL

CONTOHALI mengirim buah semangka ke Hero supermarket. Dengan jaminan kualitas yang baik, maka 90% semangka yang dikirim lolos seleksi. ALI setiap hari mengirim 15 buah semangka dengan berat 5-6 Kg.a. Berapa probabilitas 15 buah diterima?b. Berapa probabilitas 13 buah diterima?c. Berapa probabilitas 10 buah diterima?

DISTRIBUSI BINOMIAL

DISTRIBUSI BINOMIAL

• Rumus untuk menghitung Mean (rata-rata hitung) dari distribusi Binomial, adalah: μ = n.p

• Rumus untuk menghitung Varians dari distribusi Binomial, adalah: σ2 = n.p (1-p) atau σ2 = n.p.q

• Rumus untuk menghitung Simpangan Baku dari distribusi Binomial, adalah: q p nσ

DISTRIBUSI BINOMIAL

Contoh:Bila mata uang dilemparkan sebanyak 100 kali, terdapat distribusi keluar gambar sbb :

DISTRIBUSI BINOMIAL

xi Fi

0

1

2

3

4

5

2

14

20

34

22

8

DISTRIBUSI BINOMIAL

• Bila xi = 0 berarti selama 100 kali pelemparan 5 mata uang tidak pernah keluar gambar sebanyak 2 kali.

• xi = 1 berarti selama 100 kali pelemparan 1 gambar keluar sebanyak 14 kali.

• Dst.

DISTRIBUSI BINOMIAL

μ = npμ = 5p2,84 = 5p

x5xqp

x5

f(x)

570

5

842,

,P

q = 1 - p= 1 - 0,57= 0,43

DISTRIBUSI BINOMIAL

fxifi

μ x__

100

5842233422011402 x

__

μ

842

100

284,μ x

__

DISTRIBUSI BINOMIAL xi fi Fi . xi Probabilitas

0 2 0 015,043,057,00

5 50

1 14 14 099,043,057,01

5 41

2 20 40 260,043,057,02

5 32

3 34 102 342,043,057,03

5 23

4 22 88 225,043,057,04

5 14

5 8 40 059,043,057,05

5 05

284 = 1,00

DISTRIBUSI BINOMIAL

q p. . nσ2

24,51 0,43 0,57. . 001σ2

q p. . nσ

95,40,43 0,57. . 100σ

DISTRIBUSI POISSON

• Distribusi ini berguna bila p, probabilitas sukses dalam suatu percobaan sangat kecil dan n, banyaknya percobaan sangat besar.

• Distribusi probabilitas Poisson mendekati distribusi probabilitas binomial bila: n ≥ 50 dan p ≤ 0,1.

• Sebagai contoh emiten di BEJ ada 330 (n), probabilitas harga saham naik dalam kondisi krisis misalnya hanya 0,1 (p), maka berapa probabilitas 5 perusahaan harga sahamnya meningkat?

DISTRIBUSI POISSON

DISTRIBUSI POISSON

• Distribusi probabilitas poisson dapat dinyatakan sebagai berikut:

DISTRIBUSI POISSON

• Di mana:P(r) : Nilai probabilitas distribusi Poissonμ : Rata-rata hitung dari jumlah nilai

sukses, μ = npe : Bilangan konstan = 2,7183r : Jumlah nilai sukses

DISTRIBUSI POISSON

• Contoh:Jumlah emiten di BEJ ada 150 perusahaan. Probabilitas perusahaan membagikan deviden hanya 0,1. Bila BEJ meminta laporan dari emiten sebanyak 5 perusahaan, berapa probabilitas 5 perusahaan tersebut adalah perusahaan yang membagikan deviden?

DISTRIBUSI POISSON

DISTRIBUSI NORMALPendahuluan

• Ada 3 Jenis Kemiringan, yaitu:1. Distribusi miring ke kiri

Pada distribusi ini, nilai rata-rata hitung lebih kecil dari median dan median lebih kecil dari modus.

Kurva tidak simetris sebab puncaknya ada di bagian kanan, tetapi ada sedikit data yang menyebar ke kiri.

Rata-rata Hitung < Median < Modus

Kurva Distribusi Miring Ke Kiri

DISTRIBUSI NORMAL Pendahuluan

2. Distribusi miring ke kanan Pada distribusi ini, nilai modus lebih kecil

dari median dan median lebih kecil dari nilai rata-rata hitung.

Kurva juga tidak simetris sebab puncaknya ada dibagian kiri, sementara ada sedikit data yang menyebar ke kanan.

Rata-rata Hitung > Median > Modus

Kurva Distribusi Miring Ke Kanan

DISTRIBUSI NORMAL Pendahuluan

3. Distribusi simetri Pada distribusi ini nilai rata-rata sama atau

mendekati median dan modus. Kurvanya simetris dengan puncak distribusi

ada dibagian tengah. Distribusi ini disebut dengan distribusi

normal. Rata-rata Hitung = Median = Modus

Kurva Distribusi Simetri

DISTRIBUSI NORMALPengertian

• Distribusi Normal adalah salah satu distribusi teoritis dari variabel random kontinu.

• Distribusi ini sering disebut DISTRIBUSI GAUSS, sesuai dengan nama pengembangnya KARL GAUSS, pada abad 18 seorang ahli matematika dan astronomi.

DISTRIBUSI NORMALPengertian

• Apabila suatu percobaan menggunakan variabel acak secara kontinu dan nilai yang tidak terbatas distribusi normal

• Sekumpulan nilai data akan terdistribusi secara normal (membentuk kurva yang simetris) apabila rata-rata nilai variabel sama dengan median dan sama dengan modus nilai data tersebut

DISTRIBUSI NORMAL

• Ada dua alasan mengapa distribusi normal sering digunakan dalam analisa statistik, yaitu:1. Distribusi normal memiliki kemampuan yang

dapat diterapkan pada banyak situasi, terutama untuk membuat kesimpulan dari sampel yang digunakan.

2. Distribusi normal sangat baik digunakan dalam analisis tentang fenomena yang menggunakan data kontinu, seperti: ukuran berat, tinggi rendahnya skor IQ, panjang, jumlah curah hujan, banyaknya botol dalam satu kerat dsb.

DISTRIBUSI NORMAL Sifat-sifat Distribusi Normal

1. Distribusi normal memiliki kurva berbentuk lonceng yang simetris.

2. Dua parameter yang menentukan distribusi normal adalah rataan / ekspektasi (μ) dan standar deviasi (σ).

3. Grafik simetri terhadap garis tegak x =

DISTRIBUSI NORMAL Sifat-sifat Distribusi Normal

4. Grafik selalu berada diatas sumbu X atau f(x)>0

5. Mempunyai satu nilai modus6. Grafiknya mendekati sumbu X, tetapi tidak

akan memotong sumbu X, sumbu X merupakan garis batas (asimtot)

7. Luas daerah di bawah kurva f (x) dan diatas sumbu X sama dengan 1, yaitu:

P (- ∞ < x < + ∞) = 1

DISTRIBUSI NORMAL

• Untuk setiap distribusi populasi dari suatu variabel acak yang mengikut sebuah distribusi normal, maka:– Jarak 1 menampung 68% data– Jarak 2 menampung 95% data– Jarak 3 menampung 99% data

DISTRIBUSI NORMALGambar hubungan antara luasan dan N(,2)

DISTRIBUSI NORMAL

• Rumus Distribusi Normal:

Dimana :Χ = nilai dataΠ = 3,14σ = simpangan baku/SDμ = rata-rata xe = 2,71828

2

σ

μx

2

1

e2πσ

1f(x)

DISTRIBUSI NORMAL

• Untuk mengubah distribusi normal menjadi distribusi normal standard digunakan nilai z (standard units).

• Bentuk rumusnya adalah :

σ

μxZ

Dimana :Z = variabel normal standardX = nilai variabel randomμ = rata-rata variabel random = simpangan baku variabel

random

DISTRIBUSI NORMAL PENGGUNAAN KURVA NORMAL STANDARD

• Karena seluruh luas kurva adalah 1 dan kurva simetris terhadap μ = 0 maka luas dari garis tegak pada titik nol ke kiri ataupun ke kanan adalah 0,5 dan diartikan P( z > 0) = 0,5.


• Contoh:1. Gunakan tabel untuk menghitung luas dari nilai: P(-1,75 < z < 0)

-1,75 0

P(-1,75 < z < 0) = 0,4599


2. Gunakan tabel untuk menghitung luas dari nilai: P(1,32 < z < 2,12)

1,32 0 2,12


Pembahasan:

P(0 < z < 2,12) = 0,4830P(0 < z < 1,32) = 0,4066 –Jadi P(1,32 < z < 2,12) = 0,0764


3. Gunakan tabel untuk menghitung luas dari nilai: P(-0,45 < z < 0,65)

-0,45 0,65 0


Pembahasan:

P(0 < z < -0,45) = 0,1736P(0 < z < 0,65) = 0,2422 +Jadi P(-0,45 < z < 0,65) = 0,4158


• Untuk menentukan luas daerah kurva normal (yang bukan baku) dilakukan transformasi dengan menggunakan nilai Z.

• Rumus untuk mencari Z:

σ

μxZ


• Contoh:Hitunglah P(90<Z <115) untuk μ=105 dan = 10

90 115 105


Pembahasan:

= -1,5 L = 0,4332

= 1 L = 0,3413 +L = 0,7745

σ

μxZ

10

105901

z

10

1051152

z

PENDEKATAN KURVA NORMAL UNTUK DISTRIBUSI BINOMIAL

• Bila n-percobaan semakin besar dan memiliki sifat yang independen dari satu percobaan ke percobaan lainnya, maka dengan pendekatan distribusi normal binomial dapat digunakan untuk menghitung nilai-nilai probabilitas terhadap berbagai macam peristiwa yang mungkin dapat terjadi.


• Jadi bila kita memiliki sebanyak n-percobaan dengan probabilitas tiap-tiap percobaan yang sukses sebanyak p, maka kita dapat menghitung besarnya nilai mean (µ), variance (2) dan standard deviasi () sebagai berikut: µ = n . p ² = n . p (1 - p) atau ² = n . p . q

atau p1 . pnσ qpnσ


• Jadi dengan pendekatan distribusi normal-binomial dapat ditulis sebagai berikut:

atau

• Oleh karena distribusi binomial mempunyai variabel diskrit, sedangkan distribusi normal bervariabel kontinu, maka dalam menggunakan distribusi normal untuk memecahkan persoalan binomial perlu diadakan penyesuaian sebagai berikut:

“Untuk harga variabel x batas bawah dikurangi 0,5 dan harga variabel x batas atas ditambah 0,5”

qpn

pnxz

σ

μxZ


• Contoh:Sebuah mesin pencetak menghasilkan barang cetakan yang rusak sebanyak 10%. Dari sampel sebanyak 400 barang cetakan dari proses produksi yang sedang berjalan, maka probabilitas untuk :a. Yang rusak 50b. Yang rusak antara 30 dan 50c. Yang rusak paling banyak 30d. 55 atau lebih akan rusak


• Pembahasan:Berdasarkan data tersebut, dapat diketahui: n = 400 p = 0,1 μ = n . P

= 400 (0,1)= 40

p1 . pnσ

6360,9 0,1 400σ


a. Yang rusak 50

49,5 40 50,5


= 1,75 L = 0,4599

= 1,58 L = 0,4429 –L = 0,1170

Jadi luas antara 49,5–50,5 = 0,1170

σ

μxZ

6

4050,5z1

6

4049,5z2


b. Yang rusak antara 30 dan 50

29,5 50,5 40


= 1,75 L = 0,4599

= 1,75 L = 0,4599 +L = 0,9198

Jadi luas daerah yang diarsir = 0,9198

σ

μxZ

6

4029,5z1

6

4050,5z2


c. Yang rusak paling banyak 30

30,5 40


= 1,58 L = 0,4429Jadi luas daerah yang diarsir = 0,5 – 0,4429 = 0,0571

σ

μxZ

6

4030,5z


d. 55 atau lebih akan rusak

54,5 40


= 2,42 L = 0,4922Jadi luas daerah yang diarsir = 0,5 – 0,4922 = 0,0078

σ

μxZ

6

4054,5z

POPULASI

• Populasi adalah keseluruhan pengamatan yang diteliti.

• Populasi ada 2 macam: Populasi terbatas

Unsurnya terbatas berukuran N. Contoh: populasi bank, populasi perusahaan reksa dana

Populasi tidak terbatassuatu populasi yang mengalami proses secara terus-menerus sehingga ukuran N menjadi tidak terbatas perubahan nilainya

POPULASI

• Kelemahan Populasi:1. Memerlukan biaya yang sangat mahal2. Memerlukan waktu yang lama3. Memerlukan tenaga dalam jumlah yang

besar4. Data yang diperoleh tidak akurat

SAMPEL

• Sampel adalah bagian populasi yang diambil melalui cara-cara tertentu yang juga memiliki karakteristik tertentu yang dianggap bisa mewakili populasi

• Sampel ada 2 macam: Sampel besar Sampel kecil

SAMPEL

• Keuntungan Sampel:1. Biaya lebih murah2. Waktu yang lebih singkat3. Tenaga yang diperlukan lebih sedikit4. Data yang diperoleh lebih akurat

SAMPEL

• Sampel harus representatif dengan ciri-ciri:1. Mempunyai ukuran tertentu yang memakai

syarat2. Mempunyai kesalahan kecil3. Dipilih dengan prosedur yang benar

berdasarkan teknik atau cara sampling tertentu

POPULASI VS SAMPEL

POPULASI SAMPEL Karakteristik Dikenal sebagai

Parameter Dikenal sebagai Statistik

Simbol μ = Rerata Populasi __

X = Rerata Sampel σ = Simpangan Baku s = Simpangan Baku N = Ukuran Populasi n = Ukuran Sampel

Teknik Penelitian Jumlah Sampel

1. Pengumpulan sampel dengan pengembalian• Jika anggota yang telah diambil untuk dijadikan

sampel disatukan kembali dengan anggota populasi lainnya sehingga masih ada kesempatan untuk dipilih kembali.

• Rumus : KS = Nn

• Contoh:Untuk populasi berukuran 4 dengan anggota-anggotanya A, B, C, D dan sampel yang diambil berukuran 2, maka sampel untuk 42 = 16 buah.


• Sampel 1 : AA• Sampel 2 : AB• Sampel 3 : AC• Sampel 4 : DB• Sampel 5 : DC• Sampel 6 : DD• dst.


2. Pengambilan sampel tanda pengembalian• Jika anggota populasi yang telah diambil untuk

dijadikan sampel tidak disatukan dengan anggota populasi lainnya.

• Rumus kombinasi sampelnya adalah:

!nNn!N!N

nC:KS


• Contoh:Untuk populasi berukuran 5 dengan anggota-anggotanya A, B, C, D, E dan sampel yang diambil berukuran 2, maka kombinasi sampelnya adalah:

sampel

!252!5!5

2C:KS 10


• Sampel 1 : AB• Sampel 2 : AC• Sampel 3 : AD• Sampel 4 : AE• Sampel 5 : BC• Sampel 6 : BD• Sampel 7 : BE• Sampel 8 : CD• Sampel 9 : CE• Sampel 10 : DE


• Contoh:Diberikan populasi dengan data 23,23,21,22,24 diambil sampel berukuran 2, ada berapa buah sampel semuanya jika diambil dengan pengembalian & tanpa pengembalian, kemudian berikan semua sampel yang mungkin?


• Pembahasan:

DISTRIBUSI SAMPEL

• Distribusi sampling adalah suatu distribusi probabilitas yang terdiri dari seluruh kemungkinan rata-rata hitung sampel dari suatu ukuran sampel tertentu yang dipilih dari populasi, dan probabilitas terjadinya dihubungkan dengan setiap rata-rata hitung sampel.

DISTRIBUSI SAMPEL

• Ada empat macam distribusi sampel:1. Distribusi sampel rata-rata2. Distribusi sampel proporsi3. Distribusi sampel beda dua rata-rata4. Distribusi sampel beda dua proporsi

DISTRIBUSI SAMPLING Distribusi Sampel Rata-rata

• Adalah distribusi dari besaran rata-rata yang muncul dari sampel.

• Contoh:Sebuah populasi berukuran 6 yang anggotanya 2, 3, 5, 6, 8, 9 dan sampelnya berukuran 2 tanpa pengembalian, maka distribusi sampel rata-ratanya adalah:


• Pembahasan:

!262!6!N

nC

15

123412

123456


• Sampel 1 : 2,3 Rata-ratanya



5,2

2

5

5,3

2

7

5,8

2

17


• Jika dimasukkan dalam tabel akan terlihat berikut:x F Probabilitas

2,5

3,5

4

4,5

5

5,5

6

6,5

7

7,5

8,5

1

1

2

1

1

3

1

1

2

1

1

0,07

0,07

0,13

0,07

0,07

0,20

0,07

0,07

0,13

0,07

0,07

15 1,00


• Pada distribusi sampel rata-rata berlaku hal-hal berikut ini:Pemilihan sampel dari populasi terbatas

1. Untuk pengambilan sampel tanpa pengembalian Distribusi sampel rata-rata akan sama

dengan rata-rata populasinya:

μxμ :Dimana

N

fx

f

fxxμ

DISTRIBUSI SAMPLING Distribusi Sampel Rata-rata Standart error:

1NnN

nσ

xσ


• Contoh:


• Nilai rata-rata populasi

• Nilai rata-rata populasi dan sampel apabila diambil sampel 2 dari 5 bank1. Kombinasi

x 2 4 6 4 4 204

N 5 5

Nn

N! 5! 5!C 10

n!(N n)! 2!(5 2)! 2!3!


2. Perhitungan rata-rata dari setiap sampel


3. Nilai rata-rata sampel

Nn

1X X

C

1X 3 4 3 3 5 4 4 5 5 4 40/10 4

10

1X 3 4 3 3 5 4 4 5 5 4 40/10 4

10


• Nilai rata-rata populasi


• Standar deviasi populasi

2x

N


X X – (X – )2

2 -2 4

4 0 0

6 2 4

4 0 0

4 0 0

X = 20

= 20/5 = 4

2X 8,0

2X 5 8 5 1,3


• Standar deviasi sampel

N ns

N 1n


X X – (X – )2

3 -1 1

4 0 0

3 -1 1

3 -1 1

5 1 1

4 0 0

4 0 0

5 1 1

5 1 1

X = 40

X = 40/10 = 4

2X X 6,0 2xN

n

1X 6 10 0,77

C


• Contoh:


2. Untuk pengembalian sampel dengan pengembalian Distribusi sampel rata-rata akan sama

dengan rata-rata populasinya:

Standard-errornya:

μxμ

nσ

xσ


• Contoh:


nσ

xσ

DISTRIBUSI SAMPLING Distribusi Sampel Proporsi

• Bila populasi berukuran N (n) mengandung jenis p sebanyak X, maka proporsi p adalah X/N (n).

• Proporsi dari populasi dinyatakan dengan:

• Proporsi dari sampel dinyatakan dengan :

Nx

P

nx

P


• Contoh:Sebuah contoh yang beranggotakan 6 orang, 3 diantaranya perokok dan yang lain bukan, misalnya anggota populasi untuk perokok A, B, C dan yang bukan K, L, M, maka banyaknya sampel yang dapat diambil adalah (without replacement).


• Pembahasan:

!nNn!N!

KS

20

363

6

!!!


• Kombinasinya yaitu:1. ABC

2. ABK

3. ABL

4. ABM

5. ACK

6. ACC

7. ACM

8. AKL

9. AKM

10. ALM

11. BCK

12. BCL

13. BCM

14. BKL

15. BKM

16. BLM

17. CKL

18. CKM

19. CLM

20. KLM


• Distribusi sampling proporsinya (x = perokok, n = 3) adalah:

Sampel yang

mungkin Proporsi sampel

n

x f Probabilitas

x = 3 1

3

3

1 0,05

x = 2 67,0

3

2

9 0,45

x = 1 33,0

3

1

9 0,45

x = 0 0

3

0

1 0,05

20 1


• P = perokokBP = bukan perokok 3(P), 0(BP) P = A B C = f 1 2(P), 1 (BP) = f 9 1(P), 2(BP) AKL, ALM, dst. f 9 0(P), 3(BP) KLM f 1


• Distribusi sampling proporsi:Adalah distribusi dari proporsi (persentase) yang diperoleh dari semua sampel sama besar yang mungkin dari satu populasi.

• Jika dari populasi tersebut diambil sampel berukuran n yang juga mengandung proporsi x/n dan sampel diambil berulang maka distribusi sampel proporsinya mempunyai :


• Contoh:Diketahui sebanyak 10% dari ibu-ibu rumah tangga di Bandung memakai detergen A untuk mencuci pakaiannya. Jika dari populasi tersebut diambil sampel berukuran 100 :a. Tentukan rata-rata dan simpangan baku dari populasi

ibu-ibu rumah tangga yang memakai detergen A!b. Bila dari sampel tersebut ternyata terdapat paling

sedikit 15 ibu rumah tangga yang memakai detergen A, tentukan probabilitasnya!

DISTRIBUSI SAMPLING Distribusi Sampel Beda Dua Rata-rata

• Terdapat 2 populasi. Populasi 1 sebanyak N1 dan mempunyai rata-rata μ1 serta simpangan baku σ1. Populasi 2 sebanyak N2 mempunyai rata-rata μ2 serta simpangan baku σ2.

• Dari populasi 1 diambil sampel acak sebanyak n1 dengan rata-rata X1 dan dari populasi 2 sampel acak sebanyak n2 dengan rata-rata X2 dimana kedua sampel tersebut dianggap saling bebas.


• Dari sampel X1 dan X2 dapat dibuat sampel baru yang juga bersifat acak, yaitu sampel beda dua rata-rata. Rata-rata dan simpangan baku dari distribusi sampel beda dua rata-rata adalah :


• Contoh:Di suatu universitas diketahui rata-rata tinggi badan mahasiswa laki-laki adalah 164 cm dengan simpangan baku 5,3 cm. Sedangkan mahasiswa perempuan tinggi badannya rata-rata 153 cm dengan simpangan baku 5,1 cm. Dari dua populasi tersebut diambil sampel acak yang saling bebas masing-masing 150 orang, berapa probabilitas rata-rata tinggi mahasiswa laki-laki paling sedikit 12 cm lebihnya daripada rata-rata tinggi mahasiswa perempuan?

DISTRIBUSI SAMPLING Distribusi Sampel Beda Dua Proporsi

• Ada 2 populasi.• Populasi 1 berukuran N1 terdapat jenis X1 dengan proporsi

X1/N1• Populasi 2 berukuran N2 terdapat jenis X2 dengan proporsi

X2/N2• Bila populasi 1 diambil sampel acak berukuran n1 maka

sampel ini akan mengandung jenis x1 dengan proporsi x1/n1

• Demikian juga dengan populasi 2 diambil sampel acak berukuran n2 maka sampel ini akan mengandung jenis X2 dengan proporsi X2/n2

• Sampel 1 dan 2 dapat membentuk sampel acak baru yaitu sampel beda dua proporsi. Distribusinya mempunyai :


• Contoh:5% barang di gudang timur cacat, sedangkan barang yang cacat di gudang barat sebanyak 10%. Bila diambil sampel acak sebanyak 200 barang dari gudang timur dan 300 barang dari gudang barat, tentukan probabilitas persentase barang yang cacat dalam gudang barat 2% lebih banyak dibanding gudang timur!

Download - DISTRIBUSI PROBABILITAS

Top Related