E N D
MK. Statistika Kehutanan (03) DISTRIBUSI TEORITIS
A. PENDAHULUAN • Relasi X pada S Pada eksperimen statistik (misal): pelemparan dua coin), pada S diperoleh: S = { (m,m), (m,b), (b,m), (b,b) } Pada S dapat diamati kejadian banyaknya muncul muka [m], yang disebut variabel x, dengan memakai relasi X pada S ke himpunan bilangan riil Rx berikut:
X : S Rx (b,b) 0 (b,m) 1 (m,b) 2 (m,m)
B. DISTRIBUSI PELUANG Pasangan nilai variabel acak X dengan peluang dari nilai-nilai X, yaitu P(X=x) sebagai berikut: Grafik
Percobaan 2 coin Percobaan 3 coin
C. DISTRIBUSI FUNGSI & DISTRIBUSI KUMULATIF X Jika X adalah variabel acak dan P(X=x) adalah distribusi probabilitas dari X, maka fungsi f(x) = P(X=x) disebut fungsi probabilitas X atau fungsi frekuensi X atau padat peluang X.
Jika variabel acak X mempunyai fungsi probabilitas f(x), maka fungsi distribusi kumulatif dari X, yaitu f(x) dirumuskan: Σf(x) diskrit X ≤ x F(x) = P(X=x) = ∫ f(x) dx kontinue -∞
Sifat-sifat fungsi distribusi kumulatif F(x) • 0 ≤ F(x) ≤ 1 • Jika x1<x2, maka F(x1) < F(x2), dikatakan F(x) monoton tidak turun • F(x) diskontinue dari kiri, tetapi kontinue dari kanan • Lim F(x) = F(-∞) = 0 dan lim F(x) = F(+∞) = 1 Probabilitas variabel acak X pada interval a
D. NILAI HARAPAN MATEMATIS Bila variabel acak X mempunyai fungsi probabilitas f(x) = P(X = x), maka harapan atau ekspektasi matematis atau harapan teoritis dari X, yang ditulis E(X). E (X) = Σ x. f(x) = Σ x. P(X=x) diskrit ∫ x. f(x) dx kontinue
Sifat dari harapan matematis adalah: 1. E(c) = c 2. E(bX) = b E(X) a, b, c = constanta 3. E(a+bX) = a + b E(X) Contoh: Pada pelemparan tiga uang logam, tentukanlah harapan matematis banyaknya muncul muka pada tiap pelemparan? Jawab:
Jawab: Jika X menunjukkan munculnya muka; dan X diskrit maka nilai harapan matematis banyaknya muncul muka adalah: 3 3 E(X) = ∑ x.f(x) = ∑ x.P(X=x) x=0 x=0 = (0).P(X=0)+(1).P(X=1)+(2).P(X=2)+(3).P(X=3) = 0. 1/8 + 1. 3/8 + 2.3/8 + 3. 1/8 = (0 + 3 + 6 + 3) / 8 = 1,5 -- nilai tengah
Manfaat penting dari harapanmatematis adalah dapat digunakan untuk menentukan: • Mean populasi (µ) • µ = E(X) • Ragam atau variasi populasi (2) • 2 = E (X- µ)2 = E(X2) - µ2 • 3. Simpangan baku atau standar deviasi () • = E (X- µ)2
Contoh: Tentukanlah mean dan standar deviasi dari banyaknya muka pada pelemparan tiga uang logam? Jawab: Mean µ = E(X) 3 3 E(X) = ∑ x.f(x) = ∑ x.P(X=x) x=0 x=0 = (0).P(X=0)+(1).P(X=1)+(2).P(X=2)+(3).P(X=3) = 0. 1/8 + 1. 3/8 + 2.3/8 + 3. 1/8 = (0 + 3 + 6 + 3) / 8 = 1,5
Ragam 2 = E (X- µ)2 = E(X2) - µ2 3 E(X2) = ∑ x2.P(X=x) x=0 = (02).P(X=0) + (12).P(X=1) + (22).P(X=2) + (32).P(X=3) = 0. 1/8 + 1. 3/8 + 4.3/8 + 9. 1/8 = (0 + 3 + 12 + 9) / 8 = 3 2 = E(X2) - µ2 = 3 – (1,5)2 = 0,75 Standar deviasi = ( 2)1/2 = (0,75)1/2 = 0,87
Terima kasih “Tugas kita bukanlah melihat yang samar-samar di kejauhan, tetapi mengerjakan yang sudah ada di depan mata” Thomas Carlyle