<\/p>\n
Distribusi binomial<\/a> adalah distribusi probabilitas yang digunakan untuk memodelkan probabilitas sejumlah \u201ckeberhasilan\u201d tertentu yang terjadi dalam sejumlah percobaan yang tetap.<\/span><\/p>\n Distribusi binomial layak digunakan jika memenuhi tiga asumsi berikut:<\/span><\/p>\n Asumsi 1: Setiap percobaan hanya memiliki dua kemungkinan hasil.<\/strong><\/span><\/p>\n Kami berasumsi bahwa setiap percobaan hanya memiliki dua kemungkinan hasil. Misalnya, jika kita melempar koin sebanyak 100 kali, hanya ada dua kemungkinan hasil setiap kali: kepala atau ekor.<\/span><\/p>\n Asumsi 2: Probabilitas keberhasilan setiap percobaan adalah sama.<\/strong><\/span><\/p>\n Kami berasumsi bahwa kemungkinan memperoleh \u201ckesuksesan\u201d adalah sama untuk setiap percobaan. Misalnya, peluang munculnya koin adalah 0,5 pada pelemparan tertentu. Probabilitas ini tidak berubah dari satu undian ke undian lainnya.<\/span><\/p>\n Hipotesis 3: Setiap percobaan bersifat independen.<\/strong><\/span><\/p>\n Kami berasumsi bahwa setiap uji coba tidak bergantung pada semua uji coba lainnya. Misalnya, hasil undian yang satu tidak mempengaruhi hasil undian lainnya. Pembalikannya bersifat independen.<\/span><\/p>\n Contoh berikut menunjukkan berbagai skenario yang memenuhi asumsi distribusi binomial.<\/span><\/p>\n Misalkan seorang pemain bola basket melakukan 70% percobaan lemparan bebasnya. Jika dia melakukan 20 kali percobaan, skenario ini dapat dimodelkan dengan menggunakan distribusi binomial.<\/span><\/p>\n Skenario ini memenuhi setiap asumsi distribusi binomial:<\/span><\/p>\n Asumsi 1: Setiap percobaan hanya memiliki dua kemungkinan hasil.<\/strong><\/span><\/p>\n Untuk setiap percobaan lemparan bebas, hanya ada dua kemungkinan hasil: berhasil atau gagal.<\/span><\/p>\n Asumsi 2: Probabilitas keberhasilan setiap percobaan adalah sama.<\/strong><\/span><\/p>\n Peluang pemain melakukan lemparan bebas pada setiap percobaan adalah sama: 70%. Hal ini tidak berubah dari satu upaya ke upaya berikutnya.<\/span><\/p>\n Hipotesis 3: Setiap percobaan bersifat independen.<\/strong><\/span><\/p>\n Setiap percobaan lemparan bebas tidak bergantung pada percobaan lainnya. Apakah seorang pemain melakukan percobaan atau tidak, tidak mempengaruhi apakah dia melakukan percobaan lagi.<\/span><\/p>\n Misalkan kita mengetahui bahwa 5% orang dewasa yang mengonsumsi obat tertentu mengalami efek samping negatif. Misalkan sebuah profesi medis kemudian memberikan obat ini kepada 100 orang dewasa pada bulan tertentu.<\/span><\/p>\n Skenario ini memenuhi setiap asumsi distribusi binomial:<\/span><\/p>\n Asumsi 1: Setiap percobaan hanya memiliki dua kemungkinan hasil.<\/strong><\/span><\/p>\n Untuk setiap orang dewasa yang menerima obat tersebut, hanya ada dua kemungkinan hasil: mereka mengalami efek samping negatif atau tidak mengalami efek samping apa pun.<\/span><\/p>\n Asumsi 2: Probabilitas keberhasilan setiap percobaan adalah sama.<\/strong><\/span><\/p>\n Kemungkinan setiap orang dewasa mengalami efek samping negatif adalah sama: 5%.<\/span><\/p>\n Hipotesis 3: Setiap percobaan bersifat independen.<\/strong><\/span><\/p>\n Hasil untuk setiap orang dewasa bersifat independen. Apakah orang dewasa mengalami efek samping negatif atau tidak, tidak ada hubungannya dengan apakah orang dewasa lain mengalaminya atau tidak.<\/span><\/p>\n Misalkan kita mengetahui bahwa 10% dari seluruh pelanggan yang memasuki sebuah toko datang untuk melakukan pengembalian. Asumsikan 200 orang memasuki sebuah toko pada hari tertentu dan manajer mencatat jumlah orang yang hadir untuk melakukan pengembalian.<\/span><\/p>\n Skenario ini memenuhi setiap asumsi distribusi binomial:<\/span><\/p>\n Asumsi 1: Setiap percobaan hanya memiliki dua kemungkinan hasil.<\/strong><\/span><\/p>\n Setiap kali pelanggan masuk ke toko, hanya ada dua alasan mereka bisa pergi ke sana: untuk melakukan pengembalian atau tidak.<\/span><\/p>\n Asumsi 2: Probabilitas keberhasilan setiap percobaan adalah sama.<\/strong><\/span><\/p>\n Probabilitas pelanggan tertentu akan berada di sana untuk mendapatkan keuntungan adalah sama: 10%.<\/span><\/p>\n Hipotesis 3: Setiap percobaan bersifat independen.<\/strong><\/span><\/p>\n Hasil untuk setiap klien bersifat independen. Ada atau tidaknya seorang pelanggan untuk melakukan pengembalian tidak mempengaruhi apakah pelanggan lain ada di sana untuk melakukan pengembalian.<\/span><\/p>\n Tutorial berikut memberikan informasi tambahan tentang distribusi binomial:<\/span><\/p>\n Pengenalan distribusi binomial<\/a> Distribusi binomial adalah distribusi probabilitas yang digunakan untuk memodelkan probabilitas sejumlah \u201ckeberhasilan\u201d tertentu yang terjadi dalam sejumlah percobaan yang tetap. Distribusi binomial layak digunakan jika memenuhi tiga asumsi berikut: Asumsi 1: Setiap percobaan hanya memiliki dua kemungkinan hasil. Kami berasumsi bahwa setiap percobaan hanya memiliki dua kemungkinan hasil. Misalnya, jika kita melempar koin sebanyak 100 […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Contoh 1: Jumlah lemparan bebas yang dilakukan<\/strong><\/span><\/h3>\n
Contoh 2: Jumlah efek samping<\/strong><\/span><\/h3>\n
Contoh 3: Jumlah retur pembelian<\/strong><\/span><\/h3>\n
Sumber daya tambahan<\/strong><\/span><\/h3>\n
Kalkulator Distribusi Binomial
5 contoh konkrit distribusi binomial<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"