DISTRIBUSI BINOMIAL. (sukses sebanyak x kali, gagal sebanyak n x kali)

dokumen-dokumen yang mirip
BAB 4: PELUANG DAN DISTRIBUSI NORMAL.

1 n MODUL 5. Peubah Acak Diskret Khusus

DISTRIBUSI KHUSUS YANG DIKENAL

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Peubah Acak. Peubah Acak Diskrit dan Distribusi Peluang. Peubah Acak. Peubah Acak

Distribusi Pendekatan (Limiting Distributions)

Penerapan Teorema Perron-Frobenius pada Penentuan Distribusi Stasioner Rantai Markov

Definisi 2.3 : Jika max min E(X,Y) = min

LAJU REAKSI. A. KEMOLARAN - Kemolaran adalah menyatakan banyaknya mol zat terlarut dalam 1 liter larutan. M = V

SIFAT-SIFAT FUNGSI YANG TERINTEGRAL MCSHANE DALAM RUANG EUCLIDE BERDIMENSI N UNTUK FUNGSI-FUNGSI BERNILAI BANACH

Distribusi Sampel, Likelihood dan Penaksir

BAB III ANUITAS DENGAN BEBERAPA KALI PEMBAYARAN SETAHUN TERHADAP TABUNGAN PENDIDIKAN

Statistika Matematika. Soal dan Pembahasan. M. Samy Baladram

PERCOBAAN 4 VARIABEL ACAK DAN DISTRIBUSI PROBABILITASNYA

TAKSIRAN INTERVAL PARAMETER BENTUK DARI DISTRIBUSI PARETO BERDASARKAN METODE MOMEN DAN MAKSIMUM LIKELIHOOD

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa istilah, definisi serta konsep-konsep yang

UKURAN PEMUSATAN DATA

I. PENDAHULUAN II. LANDASAN TEORI

I. DERET TAKHINGGA, DERET PANGKAT

9 Departemen Statistika FMIPA IPB

Perilaku Distribusi Bernoulli. Definisi: Bernoulli. Contoh Binomial. Contoh Binomial

Himpunan. Himpunan 3/28/2012. Semesta Pembicaraan Semua mobil di Indonesia

Sekolah Olimpiade Fisika

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4

PELUANG KEJADIAN. 3. Permutasi siklis adalah permutasi yang susunannya melingkar.

MAKALAH TUGAS AKHIR DIMENSI PARTISI PADA PENGEMBANGAN GRAPH KINCIR DENGAN POLA K 1 +mk n

PENDUGAAN FUNGSI SEBARAN DAN FUNGSI KEPEKATAN PELUANG WAKTU TUNGGU PROSES POISSON PERIODIK NADIROH

Distribusi Peluang BERBAGAI MACAM DISTRIBUSI SAMPEL. Distribusi Peluang 5/6/2012

Definisi Integral Tentu

theresiaveni.wordpress.com NAMA : KELAS :

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai definisi suatu ring serta

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa

Proses Pendugaan. 95% yakin bahwa diantara 40 & 60. Mean X = 50. Mean,, tdk diketahui. Contoh Prentice-Hall, Inc. Chap. 7-1

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu:

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: 1-13 TEOREMA TITIK TETAP BANACH PADA RUANG METRIK-D

BAB II TINJAUAN PUSTAKA

BAB 2 DASAR TEORI. 2.1 Probabilitas

SIFAT-SIFAT GENERALISASI DISTRIBUSI BINOMIAL YANG BERTIPE COM-POISSON

HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN

MINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

DERET Matematika Industri 1

Secara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real:

BAB VIII KONSEP DASAR PROBABILITAS

Penyelesaian Persamaan Non Linier

BAB II TEORI DASAR. Definisi Grup G disebut grup komutatif atau grup abel jika berlaku hukum

BAB VII DISTRIBUSI SAMPLING DAN DESKRIPSI DATA

Haryoso Wicaksono, S.Si., M.M., M.Kom. 8

MODUL MATEMATIKA SMA IPA Kelas 12

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:

Optimisasi Terpadu Persoalan Inventori dan Persoalan Transfortasi dengan Metode ITIO ( Inventory Transfortation Integrated Optimization)

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 6: ESTIMASI PARAMETER (2)

BAB III RUANG HAUSDORFF. Pada bab ini akan dibahas mengenai ruang Hausdorff, kekompakan pada

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus

BAB III BASIS DATA UNTUK IDENTIFIKASI DAERAH RAWAN BANJIR DAN KEBERADAAN DATA SPASIAL YANG DIPERLUKAN

BARISAN DAN DERET. Nurdinintya Athari (NDT)

BARISAN DAN DERET. Materi ke 1

HALAMAN Dengan definisi limit barisan buktikan limit berikut ini : = 0. a. lim PENYELESAIAN : jadi terbukti bahwa lim = 0 = 5. b.

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom. Barisan dan Deret

II. TINJAUAN PUSTAKA. Secara umum apabila a bilangan bulat dan b bilangan bulat positif, maka ada tepat = +, 0 <

STATISTIKA SMA (Bag.1)

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.

PEMBUKTIAN TEOREMA HUKUM LEMAH BILANGAN BESAR DENGAN MENGGUNAKAN FUNGSI KARAKTERISTIK

TEORI ANTRIAN. Gambar 1 Proses antrian pada suatu sistem antrian

Uji apakah ada perbedaan signifikan antara mean masing-masing laboratorium. Gunakan α=0.05.

Abstract: Given a graph G ( V,

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL

SEBARAN t dan SEBARAN F

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

MATHunesa (Volume 3 No 3) 2014

Pengantar Statistika Matematika II

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika

BAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.

Distribusi Sampling (Distribusi Penarikan Sampel)

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3

Induksi matematik untuk memecahkan problema deret dan bilangan bulat bentuk kuadrat sempurna

Modul 1. (Pertemuan 1 s/d 3) Deret Takhingga

BARISAN TAK HINGGA DAN DERET TAK HINGGA

Perbaikan Bagan Kendali Pergerakan Data (Data Driven)

Modul Kuliah statistika

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari.

TUGAS ANALISIS REAL LANJUT. a b < a + A. b + B < A B.

Model Pertumbuhan BenefitAsuransi Jiwa Berjangka Menggunakan Deret Matematika

TINJAUAN PUSTAKA Pengertian

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin

PROBLEM ELIMINASI CUT PADA LOGIKA. Bayu Surarso Jurusan Matematika FMIPA UNDIP Jl. Prof. H. Soedarto, SH Tembalang Semarang 50275

MENENTUKAN PENYELESAIAN PERTIDAKSAMAAN DENGAN METODE TITIK PEMECAH. Warsito. Program Studi Matematika FMIPA Universitas Terbuka.

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand

DISTRIBUSI SAMPLING (Distribusi Penarikan Sampel)

Distribusi Sampling merupakan distribusi teoritis (distribusi kemungkinan) dari semua hasil sampel yang mungkin, dengan ukuran sampel yang tetap N,

BAB III METODE PENELITIAN

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT

PETA KONSEP RETURN dan RISIKO PORTOFOLIO

Transkripsi:

DISTRIBUSI BINOMIAL Distribusi bioial berasal dari percobaa bioial yaitu suatu proses Beroulli yag diulag sebayak kali da salig bebas. Distribusi Bioial erupaka distribusi peubah acak diskrit. Secara lagsug, percobaa bioial eiliki ciri-ciri sebagai berikut: percobaa tersebut dilakuka berulag-ulag sebayak kali setiap percobaa eghasilka keluara yag dapat dikategorika sebagai gagal da sukses probabilitas sukses p tetap kosta dari satu percobaa ke percobaa lai percobaa yag berulag adalah salig bebas Ruag sapel A utuk percobaa E yag terdiri dari hipua tak higga tetapi asih terhitug dari titik titik sapel: Jika S = Sukses da G = Gagal E 1 : S (sukses pada percobaa pertaa) E : GS (gagal pada percobaa pertaa da sukses pada percobaa kedua) E 3 : SG (sukses pada percobaa pertaa, gagal pada percobaa kedua) E 4 : GGS (gagal pada percobaa 1 da, sukses pada percobaa ketiga) E 5 : GSG (gagal pada percobaa 1 da 3, sukses pada percobaa kedua) E 6 : SGG (gagal pada percobaa da 3, sukses pada percobaa pertaa) E : SSS... S GGG... G (sukses sebayak kali, gagal sebayak kali) Jika peluag sukses diotasika dega p aka peluag gagal adalah q = 1 p. Peubah acak X eyataka bayakya sukses dari percobaa yag salig bebas. Maka peluag X pada asig asig percobaa E adalah:

P(X) p utuk E P(X) qp pq utuk E P(X) pq utuk E P(X) utuk q p pq E P(X) utuk qpq pq E P(X) utuk pqq pq E 1 3 4 5 6 P(X) p q utuk E Dapat dilihat bahwa E da E 3 eberika hasil yag saa. Julahya, yaitu 1 julah seua titik sapel yag ugki eghasilka = 1 yag sukses da = 1 = 1 yag gagal dari percobaa. Begitupu utuk E 4, E 5, da E 6 juga eberika hasil yag saa. Julahya 3, yaitu julah seua titik sapel yag 1 ugki yag eghasilka = 1 yag sukses da = 3 1 = yag gagal dari 3 percobaa. Secara uu, julah titik sapel yag ugki utuk eghasilka sukses da gagal dala percobaa adalah bayakya cara yag berbeda dala edistribusika sukses dala barisa percobaa, sehigga terdapat cara. Da distribusi peluag atau Probability Mass Fuctio (PMF) X diyataka pada defiisi berikut: utuk 1,,..., da 0 p 1. P(X ) f ( ) p q p (1 p) Pebuktia distribusi Bioial erupaka suatu PMF. Bukti: Utuk ebuktika suatu peubah acak adalah PMF, aka harus ditujuka: 1. f( ) 0. f( ) 1

Aka ditujukka distribusi bioial eeuhi kedua syarat di atas: 1. f( ) 0 Karea 0 p 1 da ilai kobiasi pasti positif aka f() pasti positif.. f( ) 1 Megguaka persaaa bioial Newto pada f( ), aka diperoleh: f ( ) p (1 p) ( p (1 p)) 1 1 0 (1) Dari 1 da dapat dikataka bahwa distribusi bioial erupaka PMF. Mea Jika X B(, p ) ( X variabel rado berdistribusi Bioial), aka ilai ekspektasi dari X adalah E( X ). P( ) 0 0 1 1 1. P( X ). p (1 p). p (1 p)!. p (1 p)!( )!.( 1)! p p p.( 1)!( )! 1... (1 ) 1 ( 1)! ( 1)!( )! 1 p p (1 p) Misalka = 1 da s = 1, aka persaaa di atas ejadi! s E( X ) p p (1 p) s!( s)! s0 s Berdasarka (1), s0! s s p (1 p) 1, aka s!( s)!

! s E( X ) p p (1 p) s!( s)! s0 p.1 p s Sehigga didapat ea dari X, E( X ) p Variasi Var( X ) E( X ) ( E( X )) Dala eecari Var(X), kita harus tahu ilai ekspektasi dari X :! E X P X p p!( )! ( ). ( ). (1 ) 0 0 E X ( ). P( ) 0 0 1 1 1 P X. ( ). (1 ). (1 )!. (1 )!( )! p p p p p p 1.( 1)!... (1 ).( 1)!( )! 1 p p p ( 1)! p p p ( 1)!( )! 1. (1 ) Misalka = 1 da s = 1, aka persaaa di atas ejadi! E X ps p p p s p p s0 s!( s)! s0 s s s s s ( ) ( 1) (1 ) ( 1) (1 )

! E X p s p p s!( s)! s s ( ) ( 1) (1 ) s0 s p( s 1) p (1 p) s0 s p. s. p (1 p) 1. p (1 p) s0 s s0 s p[ p 1] p[( 1) p 1] p[ p p 1] Var( X ) E( X ) ( E( X )) p[ p p 1] ( p) ( p) p p ( p) p p p(1 p) s s s s s Sehigga didapat variasi dari X, Var( X ) p(1 p) Cotoh: 1. Probabilitas bahwa sejeis kopoe tertetu yag lolos uji kelayaka adalah ¾. Tetuka probabilitas diaa dari 4 kopoe yag selajutya diuji aka diyataka layak! P(X ) f ( ) p q p (1 p) p = ¾, q = 1 ¾ = ¼ utuk = 4 4 3 1 9 1 7 PX ( ) 6.. 4 4 16 16 18. Berdasarka data biro perjalaa PT Setosa, yag khusus eagai perjalaa wisata turis acaegara, 0% dari turis eyataka sagat puas berkujug ke Idoesia, 40% eyataka puas, 5% eyataka biasa saja, da sisaya eyataka kurag puas. Apabila kita berteu dega 5 orag dari peserta wisata turis acaegara yag perah egguaka jasa biro perjalaa tersebut. Tetuka probabilitas: a. Tepat diataraya eyataka biasa saja

b. Palig bayak diataraya eyataka sagat puas Jawab: = 5 a. p = 0.5, q = 1 0.5 = 0.75 5 5 1 3 PX ( ) 0.637 4 4 b. p = 0., q = 1 0. = 0.8 P( X ) P( X 0) P( X 1) P( X ) 5 5 5 (0.) (0.8) (0.) (0.8) (0.) (0.8) 0 1 0.3768 0.40960 0.0480 0.9408 0 5 1 51 5