Distribusi Binomial

Distribusi binomial adalah salah satu distribusi probabilitas diskret yang paling sering dipelajari dalam statistika. Distribusi ini menggambarkan jumlah keberhasilan dalam sejumlah percobaan yang bersifat independen, di mana setiap percobaan hanya memiliki dua hasil yang mungkin: berhasil (sukses) atau gagal (gagal). Contoh klasiknya adalah melempar koin sebanyak n kali dan menghitung berapa kali muncul sisi kepala.

Definisi Formal

Jika sebuah percobaan dilakukan n kali, tiap percobaan bersifat independen, dan peluang keberhasilan pada tiap percobaan adalah p (0 p 1), maka variabel acak X yang menyatakan jumlah keberhasilan mengikuti distribusi binomial dengan parameter n dan p. Notasinya:

X ~ Binomial(n, p)

Fungsi Probabilitas (PMF)

Probabilitas bahwa X sama dengan k keberhasilan (0 k n) diberikan oleh:

P(X = k) = C(n, k) p^k (1p)^{nk}

di mana C(n, k) adalah koefisien binomial:

C(n, k) = n! / (k! (nk)!)

Contoh Perhitungan

Karakteristik Utama

• Mean (ratarata): = np
• Varians: = np(1p)
• Skewness: (12p) / (np(1p))
• Kurtosis (ekskes): (16p(1p)) / (np(1p))

Hubungan dengan Distribusi Lain

1. Distribusi Poisson Ketika n sangat besar dan p sangat kecil (np konstan), binomial mendekati distribusi Poisson dengan = np.
2. Distribusi Normal Jika n cukup besar (biasanya np 5 dan n(1p) 5), kurva binomial dapat didekati oleh distribusi normal dengan mean np dan varians np(1p). Koreksi kontinuitas 0,5 sering ditambahkan.

Aplikasi Praktis

Berbagai bidang menggunakan distribusi binomial untuk memodelkan peristiwa biner:

• Kedokteran: Menghitung jumlah pasien yang merespon pengobatan dalam percobaan klinis.
• Industri: Mengestimasi jumlah produk cacat dalam batch produksi.
• Keuangan: Model risiko kredit dimana setiap pinjaman dapat gagal atau tidak.
• Ilmu sosial: Survei opini di mana responden menjawab setuju atau tidak setuju.

Langkah-Langkah Menggunakan Distribusi Binomial

1. Tentukan n dan p Jumlah percobaan dan peluang keberhasilan per percobaan.
2. Hitung nilai k yang diinginkan Misalnya, berapa probabilitas mendapatkan minimal 3 keberhasilan?
3. Gunakan rumus PMF atau CDF Untuk probabilitas kumulatif, jumlahkan PMF untuk semua nilai k yang relevan.
4. Jika diperlukan, gunakan pendekatan Normal atau Poisson, tergantung pada ukuran n dan nilai p.

Kode Contoh dengan JavaScript

Berikut contoh fungsi sederhana yang menghitung probabilitas binomial pada halaman web:

function factorial(n) {    return n <= 1 ? 1 : n * factorial(n-1);}function binomCoeff(n, k) {    return factorial(n) / (factorial(k) * factorial(n-k));}function binomialPMF(n, p, k) {    return binomCoeff(n, k) * Math.pow(p, k) * Math.pow(1-p, n-k);}// contoh penggunaanlet n = 10, p = 0.5, k = 6;console.log("P(X=6) =", binomialPMF(n, p, k).toFixed(4));    

Kesimpulan

Distribusi binomial adalah alat penting untuk memodelkan situasi di mana terdapat percobaan berulang dengan dua hasil yang saling eksklusif. Dengan memahami rumus, sifat-sifat statistik, dan cara mengaplikasikannya, kita dapat membuat prediksi yang akurat dalam banyak bidang ilmu dan industri. Selalu periksa asumsi independensi dan probabilitas konstan; bila asumsi tersebut tidak terpenuhi, pertimbangkan model lain seperti distribusi hipergeometrik atau multinomial.