Kalkulator Distribusi Binomial

Distribusi binomial memodelkan jumlah keberhasilan dalam sejumlah percobaan yang tetap, masing-masing dengan peluang berhasil yang sama dan saling bebas. Masukkan n, p, dan k di atas untuk melihat peluang tepat, peluang kumulatif, rata-rata, dan variansnya beserta grafiknya. Syaratnya: percobaan bebas dan peluang berhasil tetap.

Masukkan jumlah percobaan (n), peluang berhasil tiap percobaan (p), dan jumlah keberhasilan yang ditanyakan (k).

Pilih nilai yang belum diketahui, masukkan nilai yang diketahui dan peluang target, lalu cari jawabannya.

Mencari n terkecil sehingga P(X ≥ 1) ≥ target. Contoh: p = 0,5 dan target 0,99 memberi n = 7 (n = 6 hanya memberi 0,9844).

Bandingkan peluang binomial eksak dengan pendekatan normal, dengan dan tanpa koreksi kontinuitas.

Bandingkan peluang binomial eksak dengan pendekatan Poisson (λ = n·p).

Grafik distribusi binomial (n = 20, p = 0,3)

Setiap batang menunjukkan peluang tepat P(X = k) untuk k keberhasilan. Peluang paling besar ada di k = 6, yang sama dengan rata-rata np = 20 × 0,3 = 6.

0,1916 0 2 4 6 8 10 12 k

P(X = 6) = 0,1916 — n = 20, p = 0,3

Apa itu distribusi binomial?

Distribusi binomial memberi peluang jumlah keberhasilan X dalam n percobaan yang bebas, masing-masing dengan peluang berhasil p yang sama. Rumus peluang tepatnya:

P(X = k) = C(n, k) · pk · (1 − p)n−k

C(n, k) adalah koefisien binomial — banyaknya cara memilih k keberhasilan dari n percobaan. Rata-ratanya μ = np dan variansnya σ² = np(1 − p). Distribusi ini berbeda dengan distribusi normal: binomial bersifat diskret (nilainya bilangan bulat 0 sampai n), sedangkan normal bersifat kontinu. Bila n besar dan p tidak terlalu ekstrem, binomial dapat didekati dengan normal — lihat mode pendekatan normal di atas.

Kapan memakai distribusi binomial?

Pakai distribusi binomial bila keempat syarat BINS terpenuhi: B — percobaan bersifat biner (berhasil atau gagal); I — jumlah percobaan (n) tetap dan diketahui; N — percobaan saling bebas (hasil satu percobaan tidak memengaruhi yang lain); S — peluang berhasil (p) sama pada tiap percobaan. Contoh yang memenuhi: melempar koin 10 kali, menjawab 10 soal pilihan ganda dengan menebak, atau memeriksa 20 produk cacat dari jalur produksi. Bila peluang berubah tiap percobaan atau percobaannya tidak bebas, binomial tidak berlaku. Untuk data hitungan kategori dua variabel, alat yang tepat adalah kalkulator uji chi-square.

Apa bedanya peluang tepat dan peluang kumulatif?

Peluang tepat P(X = k) adalah peluang mendapatkan tepat k keberhasilan. Peluang kumulatif menjumlahkan beberapa nilai: P(X ≤ k) adalah peluang mendapatkan k keberhasilan atau kurang, sedangkan P(X ≥ k) adalah peluang mendapatkan k atau lebih. Perhatikan bahwa P(X ≤ 6) dan P(X > 6) saling melengkapi (jumlahnya 1), begitu pula P(X ≥ 6) dan P(X < 6). Tetapi P(X ≤ 6) dan P(X ≥ 6) tumpang tindih tepat pada k = 6, sebesar P(X = 6) = 0,1916 — karena keduanya sama-sama mencakup k = 6. Untuk mengubah peluang menjadi skor-z pada sebaran kontinu, pakai kalkulator skor-z.

Contoh 1 — 20 percobaan, peluang berhasil 0,3

Sebuah mesin menghasilkan produk cacat dengan peluang 0,3 tiap produk. Dari 20 produk, berapa peluang tepat 6 yang cacat?

P(X = 6) = C(20, 6) · 0,36 · 0,714 = 38.760 · 0,000729 · 0,006782 = 0,1916. Peluang kumulatifnya: P(X ≤ 6) = 0,608; P(X ≥ 6) = 0,584 (tepatnya 0,5836); P(X < 6) = 0,4164. Rata-rata μ = 20 × 0,3 = 6; varians σ² = 20 × 0,3 × 0,7 = 4,2; simpangan baku σ = 2,049. Perhatikan: P(X ≤ 6) + P(X > 6) = 1 dan P(X ≥ 6) + P(X < 6) = 1, tetapi P(X ≤ 6) dan P(X ≥ 6) tumpang tindih sebesar P(X = 6) = 0,1916.

Contoh 2 — Lempar koin 10 kali

Sebuah koin adil dilempar 10 kali (p = 0,5). Peluang tepat 5 gambar: P(X = 5) = C(10, 5) · 0,510 = 252/1.024 = 0,2461. Peluang paling banyak 4 gambar: P(X ≤ 4) = 0,3770. Peluang tepat 4 gambar: P(X = 4) = 0,2051 — sama dengan peluang tepat 6 gambar, karena koin adil bersifat simetris.

Contoh 3 — Menebak jawaban pilihan ganda

Seorang siswa menebak 10 soal pilihan ganda (4 pilihan tiap soal), jadi peluang benar tiap soal p = 0,2. Peluang tepat 6 benar: P(X = 6) = 0,0055. Peluang 6 benar atau lebih: P(X ≥ 6) = 0,0064. Ini peluang menebak, bukan model skor UTBK: skor UTBK bukan percobaan Bernoulli dengan p tetap, dan SNPMB tidak menerbitkan simpangan baku UTBK, sehingga aturan empiris tidak dapat diterapkan pada skor UTBK.

Contoh 4 — Berapa kali percobaan agar hampir pasti berhasil sekali?

Sebuah koin adil (p = 0,5). Berapa kali harus melempar agar peluang mendapat sedikitnya satu gambar mencapai 99%? Dicari n terkecil dengan P(X ≥ 1) = 1 − 0,5n ≥ 0,99. Pencarian: n = 6 memberi 1 − 0,56 = 1 − 0,015625 = 0,9844 (terlalu kecil); n = 7 memberi 1 − 0,57 = 1 − 0,0078125 = 0,9922 — memenuhi target. Jadi jawabannya n = 7.

Contoh 5 — Pendekatan normal untuk n = 100

Seratus lemparan koin adil (n = 100, p = 0,5): μ = 50 dan σ = 5. Peluang 45 sampai 55 gambar: peluang eksak binomial = 0,7287. Pendekatan normal dengan koreksi kontinuitas memakai z dari 44,5 dan 55,5: Φ(1,1) − Φ(−1,1) = 0,7287 — sama persis sampai 4 desimal. Tanpa koreksi kontinuitas (z dari 45 dan 55): Φ(1) − Φ(−1) = 0,6827 — meleset 0,046. Untuk ekor P(X ≥ 60): pendekatan normal dengan koreksi kontinuitas memberi 0,0287, sedangkan eksaknya 0,0284.

Contoh 6 — Pendekatan Poisson untuk kejadian langka

Seratus percobaan dengan p = 0,02 (n = 100, λ = np = 2). Peluang tepat 3 keberhasilan: binomial eksak = 0,1823, sedangkan pendekatan Poisson e−2 · 23/3! = 0,1804. Selisihnya hanya 0,0019 — pendekatan Poisson bekerja baik bila n besar dan p kecil.

Kapan pendekatan normal boleh dipakai untuk binomial?

Pendekatan normal boleh dipakai bila n cukup besar dan p tidak terlalu dekat 0 atau 1. Aturan praktisnya: np ≥ 10 dan n(1 − p) ≥ 10. Untuk n = 100 dan p = 0,5, kedua nilai itu 50, sehingga pendekatan sangat akurat. Untuk n = 20 dan p = 0,3, np = 6 — di bawah 10 — sehingga pendekatan normal kurang akurat dan sebaiknya memakai peluang eksak. Selalu pakai koreksi kontinuitas (geser batas sebesar 0,5) karena binomial bersifat diskret sedangkan normal kontinu. Bila p sangat kecil (misalnya 0,02) dan n besar, pendekatan Poisson lebih tepat daripada normal.

Distribusi binomial di Excel

Excel punya tiga fungsi binomial. Untuk contoh 1 di atas (n = 20, p = 0,3, k = 6):

=BINOM.DIST(6; 20; 0,3; FALSE) → 0,1916 (peluang tepat)
=BINOM.DIST(6; 20; 0,3; TRUE) → 0,608 (peluang kumulatif P(X ≤ 6))
=BINOM.DIST.RANGE(20; 0,3; 6; 6) → 0,1916 (peluang pada rentang)
=BINOM.INV(20; 0,3; 0,5) → 6 (k terkecil dengan P(X ≤ k) ≥ 0,5)

Rumus memakai pemisah titik koma (;) seperti pada Excel berbahasa Indonesia. Argumen keempat BINOM.DIST menentukan jenisnya: FALSE untuk peluang tepat, TRUE untuk kumulatif. BINOM.INV adalah kebalikan kumulatif — konsep yang sama dengan kalkulator persentil.

Kesalahan umum

Memakai binomial bila syarat BINS tidak terpenuhi. Bila peluang berhasil berubah tiap percobaan, atau percobaannya tidak bebas (misalnya mengambil tanpa pengembalian dari populasi kecil), binomial tidak berlaku. Mencampuradukkan P(X ≤ k) dan P(X < k). Keduanya berbeda sebesar P(X = k); untuk k = 6 pada contoh 1, selisihnya 0,1916. Lupa koreksi kontinuitas. Pendekatan normal tanpa koreksi kontinuitas meleset cukup jauh (0,6827 lawan 0,7287 pada contoh 5). Memakai pendekatan normal bila np < 10. Untuk n kecil atau p ekstrem, pakai peluang eksak. Memakai pendekatan Poisson bila p tidak kecil. Poisson hanya akurat bila p kecil dan n besar. Menafsirkan peluang menebak sebagai model skor. Peluang menebak soal bukan model skor ujian; skor UTBK bukan percobaan Bernoulli. Metode yang dipakai alat ini mengikuti metodologi situs ini.

Pertanyaan yang sering diajukan

Distribusi binomial memberi peluang jumlah keberhasilan dalam n percobaan yang bebas, masing-masing dengan peluang berhasil p yang sama. Peluang tepatnya P(X = k) = C(n, k) · pk · (1 − p)n−k.

Empat syarat BINS: percobaan bersifat biner (berhasil atau gagal); jumlah percobaan n tetap; percobaan saling bebas; dan peluang berhasil p sama pada tiap percobaan. Bila salah satu syarat tidak terpenuhi, binomial tidak berlaku.

Pakai rumus P(X = k) = C(n, k) · pk · (1 − p)n−k. Contoh: n = 20, p = 0,3, k = 6 memberi C(20, 6) · 0,36 · 0,714 = 0,1916.

P(X ≤ k) mencakup k itu sendiri, sedangkan P(X < k) tidak. Selisih keduanya adalah P(X = k). Untuk n = 20, p = 0,3, k = 6: P(X ≤ 6) = 0,608 dan P(X < 6) = 0,4164, selisihnya 0,1916.

Pakai pendekatan normal bila n cukup besar dan p tidak terlalu dekat 0 atau 1, dengan aturan praktis np ≥ 10 dan n(1 − p) ≥ 10. Selalu sertakan koreksi kontinuitas (geser batas 0,5) karena binomial diskret sedangkan normal kontinu.

Pakai pendekatan Poisson bila n besar dan p kecil, sehingga λ = np bernilai sedang (biasanya di bawah 10). Contoh: n = 100 dan p = 0,02 memberi λ = 2, dan pendekatan Poisson hampir sama dengan eksaknya.

Rata-rata μ = np dan varians σ² = np(1 − p). Simpangan bakunya σ = √(np(1 − p)). Untuk n = 20 dan p = 0,3: μ = 6, σ² = 4,2, dan σ = 2,049.

Tidak. Skor UTBK bukan percobaan Bernoulli dengan p tetap, dan SNPMB tidak menerbitkan simpangan baku UTBK. Peluang menebak soal pilihan ganda adalah soal peluang, bukan model skor ujian.

Jelajahi Alat Lainnya

Sumber: NIST/SEMATECH e-Handbook of Statistical Methods, 1.3.6.6.18. Binomial Distribution (eda366i). Lihat semua alat di kalkulator statistik.