UNIT LIMA

TABURAN KEBARANGKALIAN
OBJEKTIF
Selepas mempelajari unit ini, diharap pelajar dapat
1. mengenalpasti jenis taburan kebarangkalian dari sesuatu ujikaji
2. mengira kebarangkalian menggunakan taburan kebarangkalian yang
bersesuaian

5.0

PENGENALAN
Kita telah lihat pada Bab 4 di mana taburan kebarangkalian diskrit boleh
ditunjukkan secara graf dan juga jadual. Ada kalanya taburan kebarangkalian bagi
sesuatu pembolehubah X boleh ditunjukkan menerusi satu rumus tunggal.
Takrif 5.1
Taburan kebarangkalian boleh diwakilkan oleh jadual, graf atau suatu
fungsi atau rumus atau dalam apa jua bentuk yang digunakan untuk
menunjukkan semua kemungkinan nilai-nilai pembolehubah rawak bersama
dengan kebarangkalian masing-masing.
Oleh kerana taburan kebarangkalian tertentu boleh diwakilkan oleh suatu rumus,
ia mestilah memenuhi ciri-ciri yang ada pada taburan tersebut, bagi memastikan
pemilihan taburan adalah bertepatan. Oleh kerana taburan kebarangkalian ialah
taburan kekerapan khas, maka ia juga mempunyai min dan sisihan piawai.
Kebiasaannya kita berminat pada populasi taburan kebarangkalian bukan sampel,
maka minnya ditulis sebagai . Kita mulakan perbincangan dengan taburan
diskrit dahulu.

5.1

BEBERAPA TABURAN KEBARANGKALIAN DISKRIT

Taburan Seragam
Misalkan pembolehubah rawak X mengambil nilai-nilai x 1, x2, xk dengan
kebarangkalian yang sama, maka fungsi kebarangkalian (fk) bagi X diberi
oleh
f(x; k) = 1/k, x = x1, x2, , xk.
Parameter : k
k 1
k2 1
E(x)
, V(x)
2
12
Contoh 5.1
Lambungkan sebiji dadu sekali. Misalkan X pembolehubah rawak bagi nombornombor yang terhasil, maka x boleh mengambil nilai-nilai 1 hingga 6, iaitu:
x = {1, 2, 3, 4, 5, 6}
f.k bagi ujikaji ini ialah
f(x, 6) = 1/6, x = 1, 2, 3, 6

63

Taburan Bernoulli
Taburan Bernoulli adalah hasil daripada ujikaji Bernoulli. Satu ujikaji yang
hanya menghasilkan 2 kemungkinan yang saling eksklusif yang boleh
dikelaskan sebagai kejayaan dan kegagalan. Kejayaan tidak semestinya
hasil yang baik tetapi ia bergantung kepada apa yang tertakrif sebagai ciri
yang menarik minat dan menjadi perhatian.
Fungsi kebarangkalian bagi taburan Bernoulli ini diberi
f(x) = px q1-x
, x = 0, 1
E(X) = p , V(X) = pq
p : kebarangkalian kejayaan, kebarangkalian kegagalan = (1 p) = q
X boleh

mengambil nilai 0 atau 1 di mana

, jika berjaya
1
x
, jika gagal
0
Contoh 5.2
Apabila melambungkan sekeping syilling, hasilnya boleh dikelaskan kepada
kepala atau bunga.
Contoh 5.3
Apabila meneka jawapan objektif, hasilnya sama ada betul atau salah.
Contoh 5.4
Apabila menguji barang yang keluar daripada kilang, hasilnya sama ada rosak
atau baik.
Contoh 5.5
Apabila mengeluarkan sebiji guli daripada sebuah kotak, hasilnya sama ada merah
atau bukan merah.
Taburan Binomial
Apabila ujikaji Bernoulli di ulang beberapa kali, katakan n kali, ujikaji ini
dipanggil ujikaji Binomial. Ujikaji Binomial mempunyai sifat-sifat berikut:
i)
Ujikaji Bernoulli dilakukan n kali.
ii)
Semua cubaan adalah merdeka satu cubaan tidak saling
mempengaruhi cubaan lain.
iii)
Setiap cubaan menghasilkan 2 kesudahan yang mungkin, saling eksklusif
dan boleh dikelaskan kepada kejayaan dan kegagalan.
iv)
Kebarangkalian bagi kejayaan ditanda dengan p, adalah sama dari satu
cubaan ke cubaan yang lain.
Fungsi kebarangkalian bagi pembolehubah Binomial X diberi oleh
n x n x
p q , x 0, 1, 2, ... n
f(x, n, p) = b(x, n, p) = x
dengan
E(X) = np dan V(X) = npq.
Taburan longgokan bagi X

64

F(x) = P(X x) = B(x; n, p) =

b(K; n, p),

k 0

x = 0, 1, n.

Contoh 5.6
Sebuah Syarikat Insuran mendapati bahawa 10% daripada tuntutan kerosakan
adalah disebabkan oleh kecurian. Jika 5 tuntutan dipilih secara rawak, selesaikan
masalah di bawah.
a)

Penyelesaian
Cari kebarangkalian lebih daripada 4 tuntutan disebabkan oleh kecurian.
X = bilangan tuntutan kerosakan yang disebabkan oleh kecurian.
X ~ B(n = 5, p = 0.1)
5
(0.1) 5 (0.9) 0
5
= (0.1)5

P x 4 P( x 5)
atau

P( x 5) 1 P( x 4)
= 1 0.9997 = 0.0003

b)

Sekurang-kurangnya 2 tuntutan bukan disebabkan oleh kecurian

P(x 2) = P(x = 2) + P(x = 3) + P(x = 4) + P(x = 5)
atau
P(x 2) = 1 P(x 1)
[Daripada Jadual Binomial, p = 0.9 P(X 1) = 0.7373]
= 1 [P(x = 0)] + P(x = 1)]
= 1 0.7373 = 0.2627

c)

Dua hingga empat tuntutan disebabkan oleh kecurian

P(2 X 4) = P(x = 2) + P(x = 3) + P(x = 4)
= P(x 4) P(x 1) = 0.9997 0.7373 = 0.2624
Contoh 5.7
Sebuah kotak mengandungi 6 guli biru dan 4 guli merah . 3 biji guli dikeluarkan
dengan gantian. Cari kebarangkalian berikut:
i)

Penyelesaian
Kebarangkalian tiada guli biru yang didapati
4 4 4
. . 0.064
P(MMM) = 10 10 10
Atau X mewakili bilangan biru, nilai bagi x = 0, p = 6/10
3
0.6 0 0.4 3
P(x = 0) = 0
0.064

65

ii)

Kebarangkalian sekurang-kurangnya mendapat 1 guli biru. (Sekurangkurangnya satu bermakna 1 atau lebih biru) iaitu P(1B) + P(2B) + P(3B).
P(1B) menunjukkan (BMM atau MMB atau MBM), P(2B) menunjukkan
(BBM atau MBB atau BMB), P(3B) menunujukkan (BBB)).

Penyelesaian
X: bilangan biru yang didapati
Secara terus iaitu libatkan ruang sampel satu persatu

4 4 6
4 6 4 6 6 4
4 6 6
6 4 4
. . . . . .
. . . .

P(X 1) = 10 10 10 10 10 10 10 10 10 10 10 10 10 10 10
6 4 6 6 6 6
. .
. .

10
10
10
10
10 10

=
96
96
96 144 144 144 216

1000
1000
1000
1000

1000
=

= 0.288 + 0.432 + 0.216 = 0.936

atau

P(X 1) 1 P(x 0) 1 0.064 0.936

Contoh 5.8
Cari kebarangkalian mendapat nombor 6 timbul jika sebiji dadu dilemparkan
sekali
Penyelesaian
X : nombor 6 timbul; x : 0,1 samada nombor 6 timbul atau tidak.
X ~ B(n = 1, p = 1/6),
P(X = 1) = (1/6)1 (5/6)0 = 1/6
P(X = 0) = (1/6)0 (5/6)1 = 5/6

Contoh 5.9
Cari kebarangkalian nombor 6 timbul tepat 4 kali jika sebiji dadu dilemparkan 10
kali.
Penyelesaian
X : nombor 6 timbul, x = 0, 1, 2, 3, 4, 10
X ~ B(n = 10, p = 1/6)
10
1/6 4 5/6 6 (210) (0.0002584) 0.0543
P(X 4)
4
Taburan Hipergeometri
Untuk menggunakan taburan Binomial ia mestilah memenuhi sifat-sifat bagi
ujikaji Binomial. Salah satu daripadanya, p mesti tetap sama dari satu percubaan
ke percubaan yang lain. Keadaan ini boleh berlaku sekiranya pengambilan objek
66

adalah dengan gantian. Sifat-sifat bagi taburan ini sama seperti taburan Binomial,
iaitu setiap ujikaji menghasilkan 2 kemungkinan yang boleh dikelaskan kepada
kejayaan dan kegagalan tetapi melanggar syarat iaitu p tidak lagi sama, malah
p berubah dari satu percubaan ke percubaan yang lain. Ini mengakibatkan
percubaan-percubaan tidak bebas kerana hasil bergantung kepada percubaanpercubaan sebelumnya. Keadaan ini berlaku disebabkan pengambilan objek
adalah tanpa gantian.
Contoh 5.10
Sebuah kotak mengandungi 25 buah guli dengan 15 guli berwarna merah dan 10
berwarna biru. Sebiji guli dikeluarkan dengan gantian. Setiap kali guli
dikeluarkan, kebarangkalian mendapat warna merah, tetap sama iaitu P(M) =
15/25 kerana mengeluarkan guli dengan gantian TETAPI apabila guli yang
dikeluarkan tanpa gantian, kebarangkalian mengeluarkan guli merah berubahubah iaitu pengeluaran pertama, P(M) = 15/25. Pengeluaran kedua, P(M) = 14/24
dan seterusnya. Walau bagaimanapun, apabila sampel besar, umpamanya terdapat
5000 guli merah dan 4000 guli biru, walaupun pengeluaran tanpa gantian,
kebarangkalian mengeluarkan guli merah pada pengeluaran pertama dan
pengeluaran seterusnya tidak berapa banyak bezanya dan boleh dianggap sama.
Apabila ini berlaku, kita boleh anggap pembolehubah yang terhasil adalah
pembolehubah Binomial. Biasanya bagi pembolehubah Hipergeometri, ia
melibatkan populasi yang kecil.
Pembolehubah Hipergeometri dengan ringkas ditulis sebagai X ~ H(N 1, N2, N, n,
p) dan fungsi kebarangkaliannya diberi oleh
N1 N 2

x n x
f ( X , n, N 1 , N 2 , N )
N

n
dengan
X : bilangan kejayaan, x = 0, 1, 2, n
N1 : jumlah peristiwa jenis kejayaan
N2 : jumlah peristiwa jenis kegagalan
N : bilangan populasi
N
E(X ) np n 1
N

N n

N 1

V(x ) npq

pembetulan faktor terhingga

N N n
N
n 1 1 1

N
N
N

67

Contoh 5.11
Sebuah kotak mengandungi 3 guli merah dan 2 guli biru. Jika 3 biji guli
dikeluarkan tanpa gantian, cari kebarangkalian bagi masalah berikut.
Penyelesaian:
i) Cari kebarangkalian tiada guli merah yang didapati
3 2

0 3
P(X 0)
0
5

3
ii)
Cari kebarangkalian tepat 2 guli biru
3 2

6
2 1
P(X 2)

10
5

3
Contoh 5.12
Bahagian kawalan mutu disebuah kilang elektronik telah menentukan iaitu akan
menerima kotak-kotak yang mengandungi 100 microchips sekiranya 10
microchips yang dipilih dan diperiksa secara rawak tidak mengandungi lebih
daripada 3 yang rosak. Sekiranya kotak tersebut mengandungi 20 microchips
yang rosak, cari kebarangkalian kotak itu diterima oleh kilang itu.
Penyelesaian
Kotak itu akan diterima jika bilangan microchips yang rosak kurang atau sama
dengan 3.
X : bilangan microchips yang rosak
X ~ H(N1 = 20, N2 = 80, N = 100, n = 10)
P(x 3) = P(x = 0) + P(x = 1) + P(x = 2) + P(x = 3)
20 80
20 80
20 80
20 80

0 10
1 9
2 8
3 7

100
100
100
100

10
10
10
10

=
= 0.095 + 0.268 + 0.318 + 0.209 = 0.89
Taburan Poisson
Ujikaji Poisson menghasilkan bilangan peristiwa kejayaan yang berlaku dalam
suatu tempuh selang tertentu. Selang ini boleh difikirkan dalam bentuk selang
masa yang diberi, rantau atau kawasan atau ruang tertentu. Andaian yang dibuat
ialah bilangan kejayaan yang berlaku dalam suatu selang tertentu adalah merdeka
dari selang yang lain. Pembolehubah Poisson boleh ditulis secara ringkas, iaitu X
~ P(x;) dan fungsi taburan kebarangkalian bagi pembolehubah Poisson diberi
oleh
e x
f ( x; )
, x 0, 1, 2, ...,
x!
68

dengan
: min bilangan kejayaan yang berlaku dalam satu selang tertentu.
e = 2.71828
E(X) = , V(X) = .
Contoh bagi pembolehubah Poisson
Bilangan surat yang diterima oleh posmen dalam masa sehari.
Bilangan panggilan telefon dalam masa sejam.
Bilangan kemalangan jalanraya dalam masa setahun.
Bilangan pemintaan barang dari gudang dalam seminggu.
Bilangan serangga pada sepetak tanah.
Jumlah kesilapan menaip dalam 1 muka surat.
Bilangan tempahan baju dalam masa sehari.
Contoh 5.13
Dalam suatu kajian telah didapati bahawa pada puratanya, permintaan ke atas
sejenis barang tertentu dari sebuah gudang dibuat 7 kali setiap minggu.
Berapakah kebarangkalian pada satu minggu tertentu, barang itu dikehendaki
i)
lebih daripada 7 kali
ii)
di antara 3 hingga 6 kali (termasuk)
kurang daripada 2 kali

iii)

Penyelesaian
X : bilangan permintaan barang pada satu minggu tertentu.
X ~ P( = 7)
i)

P(X > 7) = P(X 8) = 1 P(X 7) ; { Daripada Jadual Poisson,

P(X 7) = 0.5987}
= 1 0.5987 = 0.4017
P(3 X 6) = p(X 6) p(X 2); Daripada Jadual Poisson P(X 6)

ii)
dan

P(X 2), masing-masing adalah 0.4497 dan 0.0296.

= 0.4497 0.0296
= 0.4201
iv)

P(X < 2) = p(X 1) = 0.0073.

Contoh 5.14
Daripada satu kajian didapati 3 orang pekerja sebuah kilang yang tertentu
mendapat kemalangan dalam masa 6 bulan. Cari kebarangkalian-kebarangkalian
berikut.
Penyelesaian
X : bilangan pekerja yang mendapat kemalangan dalam masa 6 bulan.
X ~ P( = 3)

69

i)

Cari kebarangkalian lebih daripada 2 pekerja yang mendapat

kemalangan dalam masa 6 bulan
P(X > 2) = P(X 3) = P(x = 3) + P(x = 4) +

e x
e 3 3 x

x!
x!
x 0
= x 0
atau dengan melihat Jadual Poisson,
P(X > 2) = P(X 3) = 1 P(X 2) = 1 0.4232
= 0.5768

ii)

Cari kebarangkalian sekurang-kurangnya 4 pekerja yang mendapat

kemalangan dalam masa setahun.
X : bilangan pekerja yang mendapat kemalangan dalam masa 1 tahun.
Maklumat awal memberitahu kita bahawa secara purata, 6 pekerja
mendapat kemalangan dalam masa 6 bulan = 3.
Ini mengimplikasikan bahawa secara purata, 6 pekerja mendapat
kemalangan dalam masa 1 tahun = 6.
Oleh itu
PX 4)

e 6 6 x
x!
x 4

atau dengan menggunakan Jadual Poisson,

P(X 4) = 1 P(X 3) = 1 0.1512 = 0.8488.
Penghampiran Poisson Bagi Taburan Binomial
Misalkan X ~ B(n, p), tetapi jika n (besar) dan p 0 maka X
menghampiri Taburan Poisson dan dengan ringkasnya ditulis, X ~ P(x, )
dengan = np. Fungsi kebarangkaliannya pula ditulis seperti,
e np (np) x
f ( x, )
x!
Biasanya penghampiran dianggap baik apabila n > 20 dan p < 0.05.
Contoh 5.15
Katakan kebarangkalian bahawa sejenis biji yang tertentu tidak akan bercambah
ialah 0.02. Jika 100 biji ditanam, apakah kebarangkalian lebih daripada 5 tidak
akan bercambah.
Penyelesaian
X : bilangan biji yang tidak akan bercambah
X ~ B(n = 100, p = 0.02)
100 100
.02 x .98 100 x
P(X 5) P(X 6)
x 6 x

70

Untuk menyelesaikan masalah di atas, mengambil masa yang agak panjang kerana
Jadual Binomial tidak menyediakan nilai-nilai p yang kecil dan n yang besar.
Oleh kerana p < 0.02 dan n > 20, kebarangkalian bagi masalah di atas boleh
dihampirkan dengan Taburan Poisson

f ( x)

1
2

1
2 2

parameter : , 2 ,

x 2

x ,
0
,
: min populasi , 2 : varian populasi

Populasi normal biasanya mengandungi unsur-unsur yang terlalu banyak, iaitu

nilai N yang terlalu besar. Populasi Normal ini diperihalkan oleh bentuk
Histogram daripada Taburan Kekerapan Relatif. Oleh kerana populasi normal
dianggap mempunyai cerapan-cerapan yang terlalu banyak, selang kelas bagi
Histogram Taburan Kekerapan Relatif boleh dipilih sekecil-kecilnya sehingga
Histogram tersebut kelihatan seperti satu lengkungan yang licin seperti dalam
Rajah 5.1
Rajah 5.1 Histogram Kekerapan Relatif Bagi Populasi Normal
Kekerapan Relatif

5.2

X ~ P( = np = 100 x 0.02 = 2)
Maka P(x > 5) = P(x 6) = 1 P(x 5) = 1 0.9834
(Daripada Jadual Poisson)
= 0.0166.
BEBERAPA TABURAN KEBARANGKALIAN SELANJAR
Taburan Normal
Taburan normal ini adalah mustahak di antara taburan-taburan yang lain
dan sering digunakan dalam statistik. Jika pembolehubah rawak X tertabur
secara normal dengan min dan varians 2, secara ringkas ditanda dengan
X~ N(, 2), maka fungsi ketumpatan kebarangkalian bagi x ialah

Tinggi

71