{"id":240,"date":"2023-08-03T18:40:24","date_gmt":"2023-08-03T18:40:24","guid":{"rendered":"https:\/\/statorials.org\/id\/jenis-distribusi-probabilitas\/"},"modified":"2023-08-03T18:40:24","modified_gmt":"2023-08-03T18:40:24","slug":"jenis-distribusi-probabilitas","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/jenis-distribusi-probabilitas\/","title":{"rendered":"Jenis distribusi probabilitas"},"content":{"rendered":"<p>Artikel ini menjelaskan berbagai jenis distribusi probabilitas dalam statistik. Jadi, Anda akan mengetahui berapa banyak jenis distribusi probabilitas dan apa perbedaan di antara keduanya. <\/p>\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"%c2%bfcuales-son-los-tipos-de-distribuciones-de-probabilidad\"><\/span> Apa saja jenis distribusi probabilitas?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p> <strong>Jenis distribusi probabilitas<\/strong> adalah:<\/p>\n<ul style=\"color:#FF8A05; font-weight: bold;\">\n<li style=\"margin-bottom:30px\"> <span style=\"color:#101010;font-weight: normal;\"><strong><a href=\"https:\/\/statorials.org\/id\/distribusi-probabilitas-diskrit\/\">Distribusi probabilitas diskrit<\/a> :<\/strong><\/span>\n<ul style=\"color:#FF8A05; font-weight: bold; margin-left:8%; list-style-type:circle\">\n<li style=\"margin-bottom:10px; margin-top:10px\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Distribusi seragam yang diskrit<\/strong> .<\/span><\/li>\n<li style=\"margin-bottom:10px; margin-top:10px\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Distribusi Bernoulli<\/strong> .<\/span><\/li>\n<li style=\"margin-bottom:10px; margin-top:10px\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Distribusi binomial<\/strong> .<\/span><\/li>\n<li style=\"margin-bottom:10px; margin-top:10px\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Distribusi ikan<\/strong> .<\/span><\/li>\n<li style=\"margin-bottom:10px; margin-top:10px\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Distribusi multinomial<\/strong> .<\/span><\/li>\n<li style=\"margin-bottom:10px; margin-top:10px\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Distribusi geometris<\/strong> .<\/span><\/li>\n<li style=\"margin-bottom:10px; margin-top:10px\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Distribusi binomial negatif<\/strong> .<\/span><\/li>\n<li style=\"margin-bottom:10px; margin-top:10px\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Distribusi hipergeometri<\/strong> .<\/span><\/li>\n<\/ul>\n<\/li>\n<li> <span style=\"color:#101010;font-weight: normal;\"><strong><a href=\"https:\/\/statorials.org\/id\/distribusi-probabilitas-berkelanjutan\/\">Distribusi probabilitas berkelanjutan<\/a> :<\/strong><\/span> <\/li>\n<ul style=\"color:#FF8A05; font-weight: bold; margin-left:8%; list-style-type:circle\">\n<li style=\"margin-bottom:10px; margin-top:10px\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Distribusi seragam dan berkesinambungan<\/strong> .<\/span><\/li>\n<li style=\"margin-bottom:10px;\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Distribusi biasa<\/strong> .<\/span><\/li>\n<li style=\"margin-bottom:10px;\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Distribusi lognormal<\/strong> .<\/span><\/li>\n<li style=\"margin-bottom:10px;\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Distribusi chi-kuadrat<\/strong> .<\/span><\/li>\n<li style=\"margin-bottom:10px;\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Distribusi t siswa<\/strong> .<\/span><\/li>\n<li style=\"margin-bottom:10px;\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Distribusi Snedecor F.<\/strong><\/span><\/li>\n<li style=\"margin-bottom:10px;\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Distribusi eksponensial<\/strong> .<\/span><\/li>\n<li style=\"margin-bottom:10px;\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Distribusi beta<\/strong> .<\/span><\/li>\n<li style=\"margin-bottom:10px;\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Distribusi gamma<\/strong> .<\/span><\/li>\n<li style=\"margin-bottom:10px;\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Distribusi Weibull<\/strong> .<\/span><\/li>\n<li style=\"margin-bottom:10px;\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Distribusi Pareto<\/strong> .<\/span><\/li>\n<\/ul>\n<\/ul>\n<p> Setiap jenis distribusi probabilitas dijelaskan secara rinci di bawah ini. <\/p>\n<h3 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"distribuciones-de-probabilidad-discretas\"><\/span> Distribusi probabilitas diskrit<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p> <strong>Distribusi probabilitas diskrit<\/strong> adalah distribusi yang menentukan probabilitas suatu variabel acak diskrit. Oleh karena itu, distribusi probabilitas diskrit hanya dapat mengambil sejumlah nilai yang terbatas (biasanya nilai integer). <\/p>\n<h4 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"distribucion-uniforme-discreta\"><\/span> Distribusi seragam yang diskrit<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p> <strong>Distribusi seragam diskrit<\/strong> adalah distribusi probabilitas diskrit yang semua nilainya mempunyai peluang yang sama, yaitu dalam distribusi seragam diskrit semua nilai mempunyai peluang kemunculan yang sama.<\/p>\n<p> Misalnya, pelemparan sebuah dadu dapat didefinisikan dengan distribusi seragam diskrit, karena semua kemungkinan hasil (1, 2, 3, 4, 5, atau 6) mempunyai peluang terjadinya yang sama.<\/p>\n<p> Secara umum, distribusi seragam diskrit memiliki dua parameter karakteristik, <em>a<\/em> dan <em>b<\/em> , yang menentukan kisaran nilai yang mungkin diambil oleh distribusi tersebut. Jadi, ketika suatu variabel didefinisikan oleh distribusi seragam diskrit, maka ditulis <em>Uniform(a,b)<\/em> .<\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-9977cf21c766a3d0ee2d79c8210dc598_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"X\\sim \\text{Uniforme}(a,b)\" title=\"Rendered by QuickLaTeX.com\" height=\"19\" width=\"150\" style=\"vertical-align: -5px;\"><\/p>\n<\/p>\n<p> Distribusi seragam diskrit dapat digunakan untuk menggambarkan percobaan acak, karena jika semua hasil mempunyai peluang yang sama, berarti terdapat keacakan dalam percobaan tersebut. <\/p>\n<div style=\"background-color:#FFFDE7; padding-top: 10px; padding-bottom: 10px; padding-right: 20px; padding-left: 30px; border: 2.5px dashed #FFB74D; border-radius:20px;\"> <span style=\"color:#ff951b\">\u27a4<\/span> <strong>Lihat:<\/strong> <a href=\"https:\/\/statorials.org\/id\/distribusi-seragam-yang-diskrit\/\">Karakteristik distribusi seragam diskrit<\/a> <\/div>\n<h4 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"distribucion-de-bernoulli\"><\/span> Distribusi Bernoulli<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p> <strong>Distribusi Bernoulli<\/strong> , juga dikenal sebagai <strong>distribusi dikotomis<\/strong> , adalah distribusi probabilitas yang mewakili variabel diskrit yang hanya dapat mempunyai dua hasil: &#8220;berhasil&#8221; atau &#8220;gagal&#8221;.<\/p>\n<p> Pada distribusi Bernoulli, \u201csukses\u201d adalah hasil yang kita harapkan dan bernilai 1, sedangkan hasil \u201ckegagalan\u201d adalah hasil selain yang diharapkan dan bernilai 0. Jadi, jika peluang hasil \u201c sukses\u201d adalah <em>p<\/em> , probabilitas hasil \u201ckegagalan\u201d adalah <em>q=1-p<\/em> .<\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-384fd7d96d4d6584739b04a6e331b251_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"\\begin{array}{c}X\\sim \\text{Bernoulli}(p)\\\\[2ex]\\begin{array}{l} \\text{\\'Exito}\\ \\color{orange}\\bm{\\longrightarrow}\\color{black} \\ P[X=1]=p\\\\[2ex]\\text{Fracaso}\\ \\color{orange}\\bm{\\longrightarrow}\\color{black} \\ P[X=0]=q=1-p\\end{array}\\end{array}\" title=\"Rendered by QuickLaTeX.com\" height=\"95\" width=\"361\" style=\"vertical-align: 0px;\"><\/p>\n<\/p>\n<p> Distribusi Bernoulli dinamai menurut ahli statistik Swiss Jacob Bernoulli.<\/p>\n<p> Dalam statistik, distribusi Bernoulli terutama memiliki satu penerapan: menentukan probabilitas eksperimen yang hanya memiliki dua kemungkinan hasil: sukses dan gagal. Jadi percobaan yang menggunakan distribusi Bernoulli disebut uji Bernoulli atau percobaan Bernoulli. <\/p>\n<div style=\"background-color:#FFFDE7; padding-top: 10px; padding-bottom: 10px; padding-right: 20px; padding-left: 30px; border: 2.5px dashed #FFB74D; border-radius:20px;\"> <span style=\"color:#ff951b\">\u27a4<\/span> <strong>Lihat:<\/strong> <a href=\"https:\/\/statorials.org\/id\/distribusi-bernoulli\/\">Ciri-ciri Distribusi Bernoulli<\/a><\/div>\n<h4 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"distribucion-binomial\"><\/span> Distribusi binomial<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p> <strong>Distribusi binomial<\/strong> , juga disebut <strong>distribusi binomial<\/strong> , adalah distribusi probabilitas yang menghitung jumlah keberhasilan ketika melakukan serangkaian eksperimen independen dan dikotomis dengan probabilitas keberhasilan yang konstan. Dengan kata lain, distribusi binomial adalah distribusi yang menggambarkan banyaknya hasil sukses dari suatu rangkaian percobaan Bernoulli.<\/p>\n<p> Misalnya, berapa kali sebuah koin muncul sebanyak 25 kali adalah distribusi binomial.<\/p>\n<p> Secara umum, jumlah percobaan yang dilakukan ditentukan oleh parameter <em>n<\/em> , sedangkan <em>p<\/em> adalah probabilitas keberhasilan setiap percobaan. Jadi, variabel acak yang mengikuti distribusi binomial ditulis sebagai berikut:<\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-2f2b2be5bfe6c63bd13c552f4c893f59_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"X\\sim\\text{Bin}(n,p)\" title=\"Rendered by QuickLaTeX.com\" height=\"19\" width=\"107\" style=\"vertical-align: -5px;\"><\/p>\n<\/p>\n<p> Perhatikan bahwa dalam distribusi binomial, percobaan yang sama persis diulangi sebanyak <em>n<\/em> kali dan percobaan-percobaan tersebut tidak bergantung satu sama lain, sehingga peluang keberhasilan setiap percobaan adalah sama <em>(p)<\/em> . <\/p>\n<div style=\"background-color:#FFFDE7; padding-top: 10px; padding-bottom: 10px; padding-right: 20px; padding-left: 30px; border: 2.5px dashed #FFB74D; border-radius:20px;\"> <span style=\"color:#ff951b\">\u27a4<\/span> <strong>Lihat :<\/strong> <a href=\"https:\/\/statorials.org\/id\/distribusi-binomial-1\/\">Ciri-ciri distribusi binomial<\/a><\/div>\n<h4 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"distribucion-de-poisson\"><\/span>Distribusi ikan<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p> <strong>Distribusi Poisson<\/strong> adalah distribusi probabilitas yang mendefinisikan probabilitas sejumlah kejadian tertentu yang terjadi dalam suatu periode waktu. Dengan kata lain, distribusi Poisson digunakan untuk memodelkan variabel acak yang menggambarkan berapa kali suatu fenomena berulang dalam suatu interval waktu.<\/p>\n<p> Misalnya, jumlah panggilan yang diterima per menit oleh sentral telepon merupakan variabel acak diskrit yang dapat ditentukan menggunakan distribusi Poisson.<\/p>\n<p> Distribusi Poisson mempunyai parameter karakteristik, diwakili oleh huruf Yunani \u03bb dan menunjukkan berapa kali peristiwa yang diteliti diperkirakan terjadi selama interval tertentu. <\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-be6e10a2b0137ec81fc7d366f237d1b2_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"X\\sim \\text{Poisson}(\\lambda)\" title=\"Rendered by QuickLaTeX.com\" height=\"19\" width=\"121\" style=\"vertical-align: -5px;\"><\/p>\n<\/p>\n<div style=\"background-color:#FFFDE7; padding-top: 10px; padding-bottom: 10px; padding-right: 20px; padding-left: 30px; border: 2.5px dashed #FFB74D; border-radius:20px;\"> <span style=\"color:#ff951b\">\u27a4<\/span> <strong>Lihat:<\/strong> <a href=\"https:\/\/statorials.org\/id\/hukum-ikan\/\">Karakteristik distribusi Poisson<\/a> <\/div>\n<h4 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"distribucion-multinomial\"><\/span> distribusi multinomial<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p> <strong>Distribusi multinomial<\/strong> (atau <strong>distribusi multinomial<\/strong> ) adalah distribusi probabilitas yang menggambarkan probabilitas beberapa peristiwa eksklusif yang terjadi beberapa kali setelah melakukan beberapa percobaan.<\/p>\n<p> Artinya, jika suatu eksperimen acak dapat menghasilkan tiga atau lebih peristiwa eksklusif dan probabilitas setiap peristiwa terjadi secara terpisah diketahui, distribusi multinomial digunakan untuk menghitung probabilitas bahwa, ketika melakukan beberapa eksperimen, sejumlah peristiwa tertentu akan terjadi. kali setiap kejadian.<\/p>\n<p> Oleh karena itu, distribusi multinomial merupakan generalisasi dari distribusi binomial. <\/p>\n<div style=\"background-color:#FFFDE7; padding-top: 10px; padding-bottom: 10px; padding-right: 20px; padding-left: 30px; border: 2.5px dashed #FFB74D; border-radius:20px;\"> <span style=\"color:#ff951b\">\u27a4<\/span> <strong>Lihat:<\/strong> <a href=\"https:\/\/statorials.org\/id\/distribusi-multinomial-1\/\">Sifat distribusi multinomial<\/a><\/div>\n<h4 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"distribucion-geometrica\"><\/span>distribusi geometris<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p> <strong>Distribusi geometri<\/strong> adalah distribusi probabilitas yang menentukan jumlah percobaan Bernoulli yang diperlukan untuk memperoleh hasil pertama yang berhasil. Artinya, suatu proses model distribusi geometri dimana percobaan Bernoulli diulangi sampai salah satunya memperoleh hasil yang positif.<\/p>\n<p> Misalnya banyaknya mobil yang lewat di jalan raya sampai terlihat mobil berwarna kuning merupakan distribusi geometri.<\/p>\n<p> Ingatlah bahwa uji Bernoulli adalah eksperimen yang mempunyai dua kemungkinan hasil: &#8220;berhasil&#8221; dan &#8220;gagal&#8221;. Jadi jika peluang \u201cberhasil\u201d adalah <em>p<\/em> , peluang \u201cgagal\u201d adalah <em>q=1-p<\/em> .<\/p>\n<p> Oleh karena itu, distribusi geometri bergantung pada parameter <em>p<\/em> , yang merupakan probabilitas keberhasilan semua eksperimen yang dilakukan. Selain itu, probabilitas <em>p<\/em> adalah sama untuk semua percobaan. <\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-22fef9b6ab8e3b351598caf9925c2b3f_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"X\\sim\\text{Geom\\'etrica}(p)\" title=\"Rendered by QuickLaTeX.com\" height=\"19\" width=\"151\" style=\"vertical-align: -5px;\"><\/p>\n<\/p>\n<div style=\"background-color:#FFFDE7; padding-top: 10px; padding-bottom: 10px; padding-right: 20px; padding-left: 30px; border: 2.5px dashed #FFB74D; border-radius:20px;\"> <span style=\"color:#ff951b\">\u27a4<\/span> <strong>Lihat :<\/strong> <a href=\"https:\/\/statorials.org\/id\/distribusi-geometris\/\">Ciri-ciri sebaran geometri<\/a><\/div>\n<h4 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"distribucion-binomial-negativa\"><\/span> distribusi binomial negatif<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p> <strong>Distribusi binomial negatif<\/strong> adalah distribusi probabilitas yang menggambarkan jumlah percobaan Bernoulli yang diperlukan untuk memperoleh sejumlah hasil positif.<\/p>\n<p> Oleh karena itu, distribusi binomial negatif memiliki dua parameter karakteristik: <em>r<\/em> adalah jumlah hasil sukses yang diinginkan dan <em>p<\/em> adalah probabilitas keberhasilan setiap percobaan Bernoulli yang dilakukan.<\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-171122de529a1c006bc46e8d89176016_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"X\\sim \\text{BN}(r,p)\" title=\"Rendered by QuickLaTeX.com\" height=\"19\" width=\"103\" style=\"vertical-align: -5px;\"><\/p>\n<\/p>\n<p> Jadi, distribusi binomial negatif mendefinisikan suatu proses di mana percobaan Bernoulli dilakukan sebanyak yang diperlukan untuk mendapatkan <em>hasil<\/em> yang positif. Selain itu, semua uji coba Bernoulli ini bersifat independen dan memiliki kemungkinan <em>keberhasilan<\/em> yang konstan.<\/p>\n<p> Misalnya, variabel acak yang mengikuti distribusi binomial negatif adalah berapa kali sebuah dadu harus dilempar hingga angka 6 berjumlah tiga kali. <\/p>\n<div style=\"background-color:#FFFDE7; padding-top: 10px; padding-bottom: 10px; padding-right: 20px; padding-left: 30px; border: 2.5px dashed #FFB74D; border-radius:20px;\"> <span style=\"color:#ff951b\">\u27a4<\/span> <strong>Lihat :<\/strong> <a href=\"https:\/\/statorials.org\/id\/distribusi-binomial-negatif-1\/\">Ciri-ciri distribusi binomial negatif<\/a> <\/div>\n<h4 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"distribucion-hipergeometrica\"><\/span> distribusi hipergeometri<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p> <strong>Distribusi hipergeometri<\/strong> adalah distribusi probabilitas yang menggambarkan jumlah kasus yang berhasil dalam ekstraksi acak tanpa penggantian <em>n<\/em> elemen dari suatu populasi.<\/p>\n<p> Artinya, distribusi hipergeometri digunakan untuk menghitung probabilitas memperoleh <em>x<\/em> keberhasilan ketika mengekstraksi <em>n<\/em> elemen dari suatu populasi tanpa mengganti salah satu elemen tersebut.<\/p>\n<p> Oleh karena itu, distribusi hipergeometri memiliki tiga parameter:<\/p>\n<ul>\n<li> <strong><em>N<\/em><\/strong> : banyaknya elemen dalam populasi (N = 0, 1, 2,\u2026).<\/li>\n<li> <strong><em>K<\/em><\/strong> : adalah jumlah kasus keberhasilan maksimum (K = 0, 1, 2,\u2026,N). Karena dalam distribusi hipergeometri suatu elemen hanya dapat dianggap sebagai &#8220;berhasil&#8221; atau &#8220;gagal&#8221;, <em>NK<\/em> adalah jumlah maksimum kasus kegagalan.<\/li>\n<li> <strong><em>n<\/em><\/strong> : adalah jumlah pengambilan tanpa penggantian yang dilakukan. <\/li>\n<\/ul>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-bd43d7c14739c66e63b224abf6cc20b3_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"X \\sim HG(N,K,n)\" title=\"Rendered by QuickLaTeX.com\" height=\"19\" width=\"140\" style=\"vertical-align: -5px;\"><\/p>\n<\/p>\n<div style=\"background-color:#FFFDE7; padding-top: 10px; padding-bottom: 10px; padding-right: 20px; padding-left: 30px; border: 2.5px dashed #FFB74D; border-radius:20px;\"> <span style=\"color:#ff951b\">\u27a4<\/span> <strong>Lihat:<\/strong> <a href=\"https:\/\/statorials.org\/id\/distribusi-hipergeometri-1\/\">Karakteristik distribusi hipergeometri<\/a> <\/div>\n<h3 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"distribuciones-de-probabilidad-continuas\"><\/span> Distribusi probabilitas berkelanjutan<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p> <strong>Distribusi probabilitas kontinu<\/strong> adalah distribusi yang dapat mengambil nilai apa pun dalam suatu interval, termasuk nilai desimal. Oleh karena itu, distribusi probabilitas kontinu menentukan probabilitas variabel acak kontinu. <\/p>\n<h4 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"distribucion-uniforme-continua\"><\/span> distribusi yang seragam dan berkesinambungan<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p> <strong>Distribusi seragam kontinu<\/strong> , disebut juga <strong>distribusi persegi panjang<\/strong> , adalah jenis distribusi probabilitas kontinu yang semua nilai mempunyai peluang kemunculan yang sama. Dengan kata lain, distribusi seragam kontinu adalah distribusi yang peluangnya terdistribusi secara merata pada suatu interval.<\/p>\n<p> Distribusi seragam kontinu digunakan untuk menggambarkan variabel kontinu yang mempunyai probabilitas konstan. Demikian pula distribusi seragam kontinu digunakan untuk mendefinisikan proses acak, karena jika semua hasil mempunyai probabilitas yang sama, berarti ada keacakan pada hasilnya.<\/p>\n<p> Distribusi seragam kontinu memiliki dua parameter karakteristik, <em>a<\/em> dan <em>b<\/em> , yang menentukan interval ekuiprobabilitas. Jadi, lambang distribusi seragam kontinu adalah <em>U(a,b)<\/em> , dimana <em>a<\/em> dan <em>b<\/em> adalah nilai karakteristik dari distribusi tersebut.<\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-339036da3788f71282d3936dd092730c_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"X\\sim U(a,b)\" title=\"Rendered by QuickLaTeX.com\" height=\"19\" width=\"92\" style=\"vertical-align: -5px;\"><\/p>\n<\/p>\n<p> Misalnya, jika hasil percobaan acak dapat bernilai antara 5 dan 9 dan semua hasil yang mungkin mempunyai peluang terjadinya yang sama, maka percobaan dapat disimulasikan dengan distribusi seragam kontinu U(5.9). <\/p>\n<div style=\"background-color:#FFFDE7; padding-top: 10px; padding-bottom: 10px; padding-right: 20px; padding-left: 30px; border: 2.5px dashed #FFB74D; border-radius:20px;\"> <span style=\"color:#ff951b\">\u27a4<\/span> <strong>Lihat :<\/strong> <a href=\"https:\/\/statorials.org\/id\/distribusi-kontinyu-yang-seragam\/\">Ciri-ciri distribusi seragam yang berkesinambungan<\/a><\/div>\n<h4 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"distribucion-normal\"><\/span>Distribusi normal<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p> <strong>Distribusi normal<\/strong> adalah distribusi probabilitas kontinu yang grafiknya berbentuk lonceng dan simetris terhadap meannya. Dalam statistika, distribusi normal digunakan untuk memodelkan fenomena dengan karakteristik yang sangat berbeda, oleh karena itu distribusi ini sangat penting.<\/p>\n<p> Faktanya, dalam statistik, distribusi normal sejauh ini dianggap sebagai distribusi yang paling penting dari semua distribusi probabilitas, karena distribusi ini memungkinkan tidak hanya untuk memodelkan sejumlah besar fenomena nyata, tetapi juga menggunakan distribusi normal untuk memperkirakan jenis distribusi lainnya. dalam kondisi tertentu.<\/p>\n<p> Simbol distribusi normal adalah huruf kapital N. Jadi, untuk menunjukkan bahwa suatu variabel mengikuti distribusi normal, ditandai dengan huruf N dan nilai rata-rata aritmatika dan simpangan bakunya ditambahkan dalam tanda kurung.<\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-9e682e473c45274794b6fece4d7683f0_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"X\\sim N(\\mu,\\sigma)\" title=\"Rendered by QuickLaTeX.com\" height=\"19\" width=\"98\" style=\"vertical-align: -5px;\"><\/p>\n<\/p>\n<p> Distribusi normal memiliki banyak nama berbeda, antara lain <strong>Distribusi Gaussian<\/strong> , <strong>Distribusi Gaussian<\/strong> , dan <strong>Distribusi Laplace-Gauss<\/strong> . <\/p>\n<div style=\"background-color:#FFFDE7; padding-top: 10px; padding-bottom: 10px; padding-right: 20px; padding-left: 30px; border: 2.5px dashed #FFB74D; border-radius:20px;\"> <span style=\"color:#ff951b\">\u27a4<\/span> <strong>Lihat :<\/strong> <a href=\"https:\/\/statorials.org\/id\/distribusi-normal\/\">Ciri-ciri berdistribusi normal<\/a><\/div>\n<h4 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"distribucion-lognormal\"><\/span> Distribusi lognormal<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p> <strong>Distribusi lognormal<\/strong> , atau <strong>distribusi lognormal<\/strong> , adalah distribusi probabilitas yang mendefinisikan variabel acak yang logaritmanya mengikuti distribusi normal.<\/p>\n<p> Oleh karena itu, jika variabel X berdistribusi normal, maka fungsi eksponensial e <sup>x<\/sup> berdistribusi lognormal.<\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-216d8f120f09a37cd8f797bb3b115a40_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"X\\sim \\text{Lognormal}(\\mu,\\sigma^2)\" title=\"Rendered by QuickLaTeX.com\" height=\"20\" width=\"173\" style=\"vertical-align: -5px;\"><\/p>\n<\/p>\n<p> Perhatikan bahwa distribusi lognormal hanya dapat digunakan jika nilai variabelnya positif, karena logaritma adalah fungsi yang hanya mengambil satu argumen positif.<\/p>\n<p> Di antara berbagai penerapan distribusi lognormal dalam statistik, kami membedakan penggunaan distribusi ini untuk menganalisis investasi keuangan dan melakukan analisis keandalan.<\/p>\n<p> Distribusi lognormal disebut juga <strong>distribusi Tinaut<\/strong> , terkadang juga ditulis <strong>sebagai distribusi lognormal<\/strong> atau <strong>distribusi log-normal<\/strong> . <\/p>\n<div style=\"background-color:#FFFDE7; padding-top: 10px; padding-bottom: 10px; padding-right: 20px; padding-left: 30px; border: 2.5px dashed #FFB74D; border-radius:20px;\"> <span style=\"color:#ff951b\">\u27a4<\/span> <strong>Lihat:<\/strong> <a href=\"https:\/\/statorials.org\/id\/mencatat-distribusi-normal\/\">Karakteristik distribusi lognormal<\/a> <\/div>\n<h4 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"distribucion-chi-cuadrado\"><\/span> Distribusi chi-kuadrat<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p> <strong>Distribusi Chi-kuadrat<\/strong> merupakan distribusi probabilitas yang simbolnya adalah \u03c7\u00b2. Lebih tepatnya, distribusi Chi-kuadrat adalah jumlah kuadrat dari <em>k<\/em> variabel acak independen yang berdistribusi normal.<\/p>\n<p> Jadi, distribusi Chi-kuadrat mempunyai <em>k<\/em> derajat kebebasan. Oleh karena itu, distribusi Chi-kuadrat mempunyai derajat kebebasan yang sama dengan jumlah kuadrat dari variabel-variabel berdistribusi normal yang diwakilinya.<\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-9ea0bf7a87071883ceae5e419bae9e71_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"\\displaystyle X\\sim\\chi^2_k \\ \\color{orange}\\bm{\\longrightarrow}\\color{black}\\ \\begin{array}{l}\\text{Distribuci\\'on chi-cuadrado}\\\\[2ex]\\text{con k grados de libertad}\\end{array}\" title=\"Rendered by QuickLaTeX.com\" height=\"54\" width=\"404\" style=\"vertical-align: 0px;\"><\/p>\n<\/p>\n<p> Distribusi Chi-kuadrat juga dikenal sebagai <strong>distribusi Pearson<\/strong> .<\/p>\n<p> Distribusi chi-kuadrat banyak digunakan dalam inferensi statistik, misalnya dalam pengujian hipotesis dan interval kepercayaan. Kita akan melihat di bawah apa saja penerapan jenis distribusi probabilitas ini. <\/p>\n<div style=\"background-color:#FFFDE7; padding-top: 10px; padding-bottom: 10px; padding-right: 20px; padding-left: 30px; border: 2.5px dashed #FFB74D; border-radius:20px;\"> <span style=\"color:#ff951b\">\u27a4<\/span> <strong>Lihat:<\/strong> <a href=\"https:\/\/statorials.org\/id\/distribusi-chi-kuadrat\/\">Karakteristik distribusi Chi-kuadrat<\/a> <\/div>\n<h4 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"distribucion-t-de-student\"><\/span> Distribusi t siswa<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p> <strong>Distribusi t Student<\/strong> adalah distribusi probabilitas yang banyak digunakan dalam statistik. Secara khusus, distribusi t Student digunakan dalam uji t Student untuk menentukan perbedaan antara rata-rata dua sampel dan untuk menetapkan interval kepercayaan.<\/p>\n<p> Distribusi t Student dikembangkan oleh ahli statistik William Sealy Gosset pada tahun 1908 dengan nama samaran &#8220;Student&#8221;.<\/p>\n<p> Distribusi t Student ditentukan oleh jumlah derajat kebebasannya, yang diperoleh dengan mengurangkan satu satuan dari jumlah total observasi. Oleh karena itu, rumus untuk menentukan derajat kebebasan distribusi t Student adalah <em>\u03bd=n-1<\/em> . <\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-1c805dc2d6ca050feb70dad99de53402_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"\\begin{array}{c}\\nu=n-1\\\\[2ex]X\\sim t_\\nu\\end{array}\" title=\"Rendered by QuickLaTeX.com\" height=\"52\" width=\"74\" style=\"vertical-align: 0px;\"><\/p>\n<\/p>\n<div style=\"background-color:#FFFDE7; padding-top: 10px; padding-bottom: 10px; padding-right: 20px; padding-left: 30px; border: 2.5px dashed #FFB74D; border-radius:20px;\"> <span style=\"color:#ff951b\">\u27a4<\/span> <strong>Lihat:<\/strong> <a href=\"https:\/\/statorials.org\/id\/distribusi-siswa\/\">Karakteristik distribusi t Siswa<\/a> <\/div>\n<h4 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"distribucion-f-de-snedecor\"><\/span> Distribusi Snedecor F<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p> <strong>Distribusi Snedecor F<\/strong> , juga disebut <strong>distribusi Fisher \u2013 Snedecor F<\/strong> atau sederhananya <strong>distribusi F<\/strong> , adalah distribusi probabilitas kontinu yang digunakan dalam inferensi statistik, khususnya dalam analisis varians.<\/p>\n<p> Salah satu sifat distribusi Snedecor F adalah distribusi tersebut ditentukan oleh nilai dua parameter nyata, <em>m<\/em> dan <em>n<\/em> , yang menunjukkan derajat kebebasannya. Jadi, simbol distribusi Snedecor F adalah <em>F <sub>m,n<\/sub><\/em> , dengan <em>m<\/em> dan <em>n<\/em> adalah parameter yang menentukan distribusi tersebut.<\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-b6126a79c671267450b6523ca16b4a92_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"F_{m,n}\\qquad m,n>0&#8243; title=&#8221;Rendered by QuickLaTeX.com&#8221; height=&#8221;18&#8243; width=&#8221;139&#8243; style=&#8221;vertical-align: -6px;&#8221;><\/p>\n<\/p>\n<p> Secara matematis, distribusi Snedecor F sama dengan hasil bagi antara suatu distribusi chi-kuadrat dan derajat kebebasannya dibagi dengan hasil bagi antara distribusi chi-kuadrat yang lain dan derajat kebebasannya. Jadi rumus yang mendefinisikan distribusi Snedecor F adalah sebagai berikut:<\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-d407869e61ca4357ffbcb40df3bd83ab_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"\\left.\\begin{array}{c} X\\sim \\chi_m^2\\\\[2ex] Y\\sim \\chi_n^2\\end{array}\\right\\}\\color{orange}\\bm{\\longrightarrow}\\color{black}\\ F_{m,n}= \\cfrac{X\/m}{Y\/n}\" title=\"Rendered by QuickLaTeX.com\" height=\"65\" width=\"322\" style=\"vertical-align: 0px;\"><\/p>\n<\/p>\n<p> Distribusi Fisher-Snedecor F mendapatkan namanya dari ahli statistik Inggris Ronald Fisher dan ahli statistik Amerika George Snedecor.<\/p>\n<p> Dalam statistik, distribusi Fisher-Snedecor F memiliki penerapan berbeda. Misalnya, distribusi Fisher-Snedecor F digunakan untuk membandingkan model regresi linier yang berbeda, dan distribusi probabilitas ini digunakan dalam analisis varians (ANOVA). <\/p>\n<div style=\"background-color:#FFFDE7; padding-top: 10px; padding-bottom: 10px; padding-right: 20px; padding-left: 30px; border: 2.5px dashed #FFB74D; border-radius:20px;\"> <span style=\"color:#ff951b\">\u27a4<\/span> <strong>Lihat:<\/strong> <a href=\"https:\/\/statorials.org\/id\/distribusi-f-dari-snedecor\/\">Karakteristik distribusi Snedecor F<\/a> <\/div>\n<h4 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"distribucion-exponencial\"><\/span> Distribusi eksponensial<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p> <strong>Distribusi eksponensial<\/strong> merupakan distribusi probabilitas kontinu yang digunakan untuk memodelkan waktu tunggu terjadinya suatu fenomena acak.<\/p>\n<p> Lebih tepatnya, distribusi eksponensial memungkinkan kita menggambarkan waktu tunggu antara dua peristiwa yang mengikuti distribusi Poisson. Oleh karena itu, distribusi eksponensial berkaitan erat dengan distribusi Poisson.<\/p>\n<p> Distribusi eksponensial mempunyai parameter karakteristik, diwakili oleh huruf Yunani \u03bb dan menunjukkan berapa kali peristiwa yang diteliti diperkirakan terjadi selama periode waktu tertentu.<\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-05fa833356caeb193384f780ae4edac1_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"X\\sim \\text{Exp}(\\lambda)\" title=\"Rendered by QuickLaTeX.com\" height=\"19\" width=\"94\" style=\"vertical-align: -5px;\"><\/p>\n<\/p>\n<p> Demikian pula distribusi eksponensial juga digunakan untuk memodelkan waktu hingga terjadi kegagalan. Oleh karena itu, distribusi eksponensial memiliki beberapa penerapan dalam teori keandalan dan kelangsungan hidup. <\/p>\n<div style=\"background-color:#FFFDE7; padding-top: 10px; padding-bottom: 10px; padding-right: 20px; padding-left: 30px; border: 2.5px dashed #FFB74D; border-radius:20px;\"> <span style=\"color:#ff951b\">\u27a4<\/span> <strong>Lihat :<\/strong> <a href=\"https:\/\/statorials.org\/id\/distribusi-eksponensial-1\/\">Ciri-ciri distribusi eksponensial<\/a><\/div>\n<h4 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"distribucion-beta\"><\/span> Distribusi Beta<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p> <strong>Distribusi beta<\/strong> adalah distribusi probabilitas yang ditentukan pada interval (0,1) dan diparameterisasi oleh dua parameter positif: \u03b1 dan \u03b2. Dengan kata lain, nilai distribusi beta bergantung pada parameter \u03b1 dan \u03b2.<\/p>\n<p> Oleh karena itu, distribusi beta digunakan untuk mendefinisikan variabel acak kontinu yang nilainya berkisar antara 0 hingga 1.<\/p>\n<p> Ada beberapa notasi untuk menunjukkan bahwa variabel acak kontinu diatur oleh distribusi beta, yang paling umum adalah:<\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-ee1d0d8a1624a017b8ef9ce8a67c694e_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"\\begin{array}{c}X\\sim B(\\alpha,\\beta)\\\\[2ex]X\\sim Beta(\\alpha,\\beta)\\\\[2ex]X\\sim \\beta_{\\alpha,\\beta}\\end{array}\" title=\"Rendered by QuickLaTeX.com\" height=\"95\" width=\"121\" style=\"vertical-align: 0px;\"><\/p>\n<\/p>\n<p> Secara statistik, distribusi beta memiliki penerapan yang sangat bervariasi. Misalnya, distribusi beta digunakan untuk mempelajari persentase perubahan dalam sampel yang berbeda. Demikian pula dalam manajemen proyek, distribusi beta digunakan untuk melakukan analisis Pert. <\/p>\n<div style=\"background-color:#FFFDE7; padding-top: 10px; padding-bottom: 10px; padding-right: 20px; padding-left: 30px; border: 2.5px dashed #FFB74D; border-radius:20px;\"> <span style=\"color:#ff951b\">\u27a4<\/span> <strong>Lihat:<\/strong> <a href=\"https:\/\/statorials.org\/id\/distribusi-beta\/\">Fitur Distribusi Beta<\/a><\/div>\n<h4 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"distribucion-gamma\"><\/span> Distribusi gamma<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p> <strong>Distribusi gamma<\/strong> adalah distribusi probabilitas kontinu yang ditentukan oleh dua parameter karakteristik, \u03b1 dan \u03bb. Dengan kata lain, distribusi gamma bergantung pada nilai kedua parameternya: \u03b1 adalah parameter bentuk dan \u03bb adalah parameter skala.<\/p>\n<p> Simbol distribusi gamma adalah huruf kapital Yunani \u0393. Jadi, jika suatu variabel acak mengikuti distribusi gamma, ditulis sebagai berikut:<\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-1b0ab2e724ffd74455d0907b39f4a598_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"X\\sim \\Gamma(\\alpha,\\lambda)\" title=\"Rendered by QuickLaTeX.com\" height=\"19\" width=\"93\" style=\"vertical-align: -5px;\"><\/p>\n<\/p>\n<p> Distribusi gamma juga dapat diparameterisasi menggunakan parameter bentuk k = \u03b1 dan parameter skala terbalik \u03b8 = 1\/\u03bb. Dalam semua kasus, dua parameter yang menentukan distribusi gamma adalah bilangan real positif.<\/p>\n<p> Biasanya, distribusi gamma digunakan untuk memodelkan kumpulan data yang condong ke kanan, sehingga terdapat konsentrasi data yang lebih besar di sisi kiri grafik. Misalnya distribusi gamma digunakan untuk memodelkan keandalan komponen listrik. <\/p>\n<div style=\"background-color:#FFFDE7; padding-top: 10px; padding-bottom: 10px; padding-right: 20px; padding-left: 30px; border: 2.5px dashed #FFB74D; border-radius:20px;\"> <span style=\"color:#ff951b\">\u27a4<\/span> <strong>Lihat:<\/strong> <a href=\"https:\/\/statorials.org\/id\/distribusi-gamma\/\">Karakteristik distribusi gamma<\/a><\/div>\n<h4 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"distribucion-de-weibull\"><\/span>Distribusi Weibull<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p> <strong>Distribusi Weibull<\/strong> adalah distribusi probabilitas kontinu yang ditentukan oleh dua parameter karakteristik: parameter bentuk \u03b1 dan parameter skala \u03bb.<\/p>\n<p> Dalam statistik, distribusi Weibull terutama digunakan untuk analisis kelangsungan hidup. Demikian pula distribusi Weibull memiliki banyak penerapan di berbagai bidang.<\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-14be9904756b25df209befbae173e29e_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"X\\sim\\text{Weibull}(\\alpha,\\lambda)\" title=\"Rendered by QuickLaTeX.com\" height=\"19\" width=\"141\" style=\"vertical-align: -5px;\"><\/p>\n<\/p>\n<p> Menurut penulis, distribusi Weibull juga dapat diparameterisasi dengan tiga parameter. Kemudian, parameter ketiga yang disebut nilai ambang batas ditambahkan, yang menunjukkan absis di mana grafik distribusi dimulai.<\/p>\n<p> Nama Distribusi Weibull diambil dari nama Waloddi Weibull dari Swedia, yang mendeskripsikannya secara rinci pada tahun 1951. Namun, distribusi Weibull ditemukan oleh Maurice Fr\u00e9chet pada tahun 1927 dan pertama kali diterapkan oleh Rosin dan Rammler pada tahun 1933. <\/p>\n<div style=\"background-color:#FFFDE7; padding-top: 10px; padding-bottom: 10px; padding-right: 20px; padding-left: 30px; border: 2.5px dashed #FFB74D; border-radius:20px;\"> <span style=\"color:#ff951b\">\u27a4<\/span> <strong>Lihat:<\/strong> <a href=\"https:\/\/statorials.org\/id\/distribusi-weibull\/\">Karakteristik distribusi Weibull<\/a><\/div>\n<h4 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"distribucion-de-pareto\"><\/span> Distribusi Pareto<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p> <strong>Distribusi Pareto<\/strong> adalah distribusi probabilitas kontinu yang digunakan dalam statistik untuk memodelkan prinsip Pareto. Oleh karena itu, distribusi Pareto merupakan distribusi probabilitas yang memiliki beberapa nilai yang probabilitas kemunculannya jauh lebih tinggi dibandingkan nilai lainnya.<\/p>\n<p> Ingatlah bahwa hukum Pareto, disebut juga aturan 80-20, adalah prinsip statistik yang menyatakan bahwa sebagian besar penyebab suatu fenomena disebabkan oleh sebagian kecil populasi.<\/p>\n<p> Distribusi Pareto mempunyai dua parameter karakteristik: parameter skala x <sub>m<\/sub> dan parameter bentuk \u03b1.<\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-c13a66a388e0a7e26781a0e8d9645f40_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"X\\sim \\text{Pareto}(\\alpha,x_m)\" title=\"Rendered by QuickLaTeX.com\" height=\"19\" width=\"146\" style=\"vertical-align: -5px;\"><\/p>\n<\/p>\n<p> Awalnya, distribusi Pareto digunakan untuk menggambarkan distribusi kekayaan dalam suatu populasi, karena sebagian besar disebabkan oleh sebagian kecil populasi. Namun saat ini Distribusi Pareto mempunyai banyak penerapan, misalnya dalam pengendalian kualitas, di bidang ekonomi, di bidang sains, di bidang sosial, dll. <\/p>\n<div style=\"background-color:#FFFDE7; padding-top: 10px; padding-bottom: 10px; padding-right: 20px; padding-left: 30px; border: 2.5px dashed #FFB74D; border-radius:20px;\"> <span style=\"color:#ff951b\">\u27a4<\/span> <strong>Lihat:<\/strong> <a href=\"https:\/\/statorials.org\/id\/hukum-pareto\/\">Karakteristik distribusi Pareto<\/a><\/div>\n","protected":false},"excerpt":{"rendered":"<p>Artikel ini menjelaskan berbagai jenis distribusi probabilitas dalam statistik. Jadi, Anda akan mengetahui berapa banyak jenis distribusi probabilitas dan apa perbedaan di antara keduanya. Apa saja jenis distribusi probabilitas? Jenis distribusi probabilitas adalah: Distribusi probabilitas diskrit : Distribusi seragam yang diskrit . Distribusi Bernoulli . Distribusi binomial . Distribusi ikan . Distribusi multinomial . Distribusi [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[12],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>\u25b7 Jenis distribusi probabilitas<\/title>\n<meta name=\"description\" content=\"Di sini Anda akan mempelajari semua jenis distribusi probabilitas dalam statistik dan apa perbedaan di antara keduanya.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/id\/jenis-distribusi-probabilitas\/\" \/>\n<meta property=\"og:locale\" content=\"id_ID\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"\u25b7 Jenis distribusi probabilitas\" \/>\n<meta property=\"og:description\" content=\"Di sini Anda akan mempelajari semua jenis distribusi probabilitas dalam statistik dan apa perbedaan di antara keduanya.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/id\/jenis-distribusi-probabilitas\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-08-03T18:40:24+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-9977cf21c766a3d0ee2d79c8210dc598_l3.png\" \/>\n<meta name=\"author\" content=\"Benjamin anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Ditulis oleh\" \/>\n\t<meta name=\"twitter:data1\" content=\"Benjamin anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Estimasi waktu membaca\" \/>\n\t<meta name=\"twitter:data2\" content=\"11 menit\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/id\/jenis-distribusi-probabilitas\/\",\"url\":\"https:\/\/statorials.org\/id\/jenis-distribusi-probabilitas\/\",\"name\":\"\u25b7 Jenis distribusi probabilitas\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/id\/#website\"},\"datePublished\":\"2023-08-03T18:40:24+00:00\",\"dateModified\":\"2023-08-03T18:40:24+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\"},\"description\":\"Di sini Anda akan mempelajari semua jenis distribusi probabilitas dalam statistik dan apa perbedaan di antara keduanya.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/id\/jenis-distribusi-probabilitas\/#breadcrumb\"},\"inLanguage\":\"id\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/id\/jenis-distribusi-probabilitas\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/id\/jenis-distribusi-probabilitas\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/statorials.org\/id\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Jenis distribusi probabilitas\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/id\/#website\",\"url\":\"https:\/\/statorials.org\/id\/\",\"name\":\"Statorials\",\"description\":\"Panduan anda untuk kompetensi statistik!\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/id\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"id\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\",\"name\":\"Benjamin anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"id\",\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/image\/\",\"url\":\"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"caption\":\"Benjamin anderson\"},\"description\":\"Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya\",\"sameAs\":[\"http:\/\/statorials.org\/id\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"\u25b7 Jenis distribusi probabilitas","description":"Di sini Anda akan mempelajari semua jenis distribusi probabilitas dalam statistik dan apa perbedaan di antara keduanya.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/id\/jenis-distribusi-probabilitas\/","og_locale":"id_ID","og_type":"article","og_title":"\u25b7 Jenis distribusi probabilitas","og_description":"Di sini Anda akan mempelajari semua jenis distribusi probabilitas dalam statistik dan apa perbedaan di antara keduanya.","og_url":"https:\/\/statorials.org\/id\/jenis-distribusi-probabilitas\/","og_site_name":"Statorials","article_published_time":"2023-08-03T18:40:24+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-9977cf21c766a3d0ee2d79c8210dc598_l3.png"}],"author":"Benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Ditulis oleh":"Benjamin anderson","Estimasi waktu membaca":"11 menit"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/id\/jenis-distribusi-probabilitas\/","url":"https:\/\/statorials.org\/id\/jenis-distribusi-probabilitas\/","name":"\u25b7 Jenis distribusi probabilitas","isPartOf":{"@id":"https:\/\/statorials.org\/id\/#website"},"datePublished":"2023-08-03T18:40:24+00:00","dateModified":"2023-08-03T18:40:24+00:00","author":{"@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81"},"description":"Di sini Anda akan mempelajari semua jenis distribusi probabilitas dalam statistik dan apa perbedaan di antara keduanya.","breadcrumb":{"@id":"https:\/\/statorials.org\/id\/jenis-distribusi-probabilitas\/#breadcrumb"},"inLanguage":"id","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/id\/jenis-distribusi-probabilitas\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/id\/jenis-distribusi-probabilitas\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/statorials.org\/id\/"},{"@type":"ListItem","position":2,"name":"Jenis distribusi probabilitas"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/id\/#website","url":"https:\/\/statorials.org\/id\/","name":"Statorials","description":"Panduan anda untuk kompetensi statistik!","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/id\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"id"},{"@type":"Person","@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81","name":"Benjamin anderson","image":{"@type":"ImageObject","inLanguage":"id","@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/image\/","url":"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","contentUrl":"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","caption":"Benjamin anderson"},"description":"Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya","sameAs":["http:\/\/statorials.org\/id"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/240"}],"collection":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/comments?post=240"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/240\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/media?parent=240"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/categories?post=240"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/tags?post=240"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}