LAPORAN RESMI

MODUL 3
DISTRIBUSI PROBABILITAS DISKRIT DAN KONTINU

Oleh:
FAUZIAH GITRI D. 1311100029
IRMAYA FATWA Y. 1311100068

Asisten Dosen:
BIN HARIYATI
1308100085

Jurusan Statistika
Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Teknologi Sepuluh Nopember
Surabaya
2011
ABSTRACT
 In everyday of life is assorted by probability model. Uncertainty factor have
many opportunity probability model that draws an effect of which possible happened
if that only happened in certain conditions. Probability of distribution or theoretical
probability represents an possible probability model to study the result of real random
experiment and to anticipate what the result happened. In other word, the real events
look as some events in model and some conditions from distribution of model that it
can fulfill as conditions of experiment.
Probability distribution represents population distribution because that is
relates to all values which possible happened and its population represent random
variable. Pursuant to its variable, the type pertained to the discrete probability
distribution and kontinu probability distribution. Discrete probability distribution is
probability distribution at one particular random changer which the number are
integer. While kontinu probability distribution is probability distribution that an
random changer is kontinu have null in each dot x.
Some example of discrete probability distribution are binomial distribution,
hypergeometric distribution, and poisson distribution. In binomial distribution, it got
the number of success in n free enterprise. The difference with hypergeometric
distribution, that is without needed free enterprise. While for the distribution of
poisson, data will be calculated during by certain time gap or certain area. Contiguity
of binomial formula with poisson formula also investigated a data with almost
poisson distribution to binomial distribution.
The example of kontinu distribution is normal distribution. Normal
distribution have important place in statistic area. An kontinu random changer of X
which its distribution forms like bell referred as normal random changer.
This experiments analyses probability of distribution in certain conditions
such as binomial, hypergeometric, poisson, almost of binomial and poisson, and
normal kontinu distribution. After calculate these distributions, its varians, and mean
of data, it can show how comparison the access parameter result of data with this
theoretically and comparison fisis curve result of data with this theoretically. So that it
expected information is useful for the phase after that, such as test analyse and
making of decision.

Keywords : poisson, binomial, hypergeometric, normal

 DAFTAR ISI
ABSTRAK ........................................................................................................... ii
DAFTAR ISI ........................................................................................................ iii
DAFTAR GAMBAR ........................................................................................... v
DAFTAR TABEL ................................................................................................ vi
BAB I PENDAHULUAN .................................................................................... 1
1.1 Latar Belakang ...................................................................................... 1
1.2 Permasalahan ........................................................................................ 1
1.3 Tujuan ................................................................................................... 2
1.4 Manfaat ................................................................................................. 2
BAB II TINJAUAN PUSTAKA ......................................................................... 4
2.1 Variabel Acak .......................................................................................... 4
2.1.1 Variabel Acak Diskrit .................................................................. 4
2.1.2 Variabel Acak Kontinu ................................................................ 4
2.2 Distribusi Probabilitas Diskrit.................................................................. 4
2.2.1 Distribusi Binomial ...................................................................... 4
2.2.2 Distribusi Hipergeometrik .......................................................... 5
2.2.3 Distribusi Poisson ....................................................................... 6
2.3 Distribusi Probabilitas Kontinu................................................................ 6
2.3.1 Distribusi Normal......................................................................... 6
BAB III METODOLOGI PENULISAN ............................................................. 8
3.1 Sumber Data ............................................................................................. 8
3.2 Variabel Penelitian ................................................................................... 8
3.3 Langkah Analisis ..................................................................................... 8
3.4 Diagram Alir ............................................................................................ 8
BAB IV ANALISIS DAN PEMBAHASAN ..................................................... 10
4.1 Distribusi Binomial .......................................................................... 10
4.2 Distribusi Hipergeometrik ............................................................... 12
4.3 Distribusi Poisson ............................................................................. 14
4.4 Hampiran Distribusi Poisson Terhadap Binomial ............................ 15
4.5 Distribusi Normal ............................................................................. 17
BAB V KESIMPULAN DAN SARAN ............................................................ 19
 5.1 Kesimpulan ......................................................................................... 19
5.2 Saran ................................................................................................... 20
DAFTAR PUSTAKA ....................................................................................... 21
LAMPIRAN

DAFTAR GAMBAR

Gambar 2.1 Kurva Distribusi Normal ............................................................................. 7

Gambar 3.1 Flowchart Pelaksanaan Praktikum Distribusi Peluang................................ 9
Gambar 4.1 Kurva Peluang Distribusi Binomial Untuk n=10 ........................................ 10
Gambar 4.2 Kurva Perbandingan Nilai Rata-rata dan Varians untuk n=10 ................... 11
Gambar 4.3 Kurva Peluang Distribusi Binomial Untuk n=40 ........................................ 11
Gambar 4.4 Kurva Perbandingan Nilai Rata-rata dan Varians untuk n=40 .................... 12
Gambar 4.5 Kurva Peluang Distribusi Hipergeometrik .................................................. 13
Gambar 4.6 Kurva Perbandingan Nilai Rata-rata dan Varians Hipergeometrik ............. 14
Gambar 4.7 Kurva Peluang Distribusi Poisson ............................................................... 14
Gambar 4.8 Kurva Perbandingan Nilai Rata-rata dan Varians Distribusi Poisson ......... 15
Gambar 4.9 Kurva Perbandingan Distribusi Poisson- Binomial saat p= 0,03 ................ 16
Gambar 4.10 Kurva Perbandingan Distribusi Poisson- Binomial p=0,09....................... 16
Gambar 4.11 Kurva Perbandingan Distribusi Poisson – Binomial p= 0,1 ..................... 16
Gambar 4.12 Kurva Peluang Distribusi Normal ............................................................. 17
Gambar 4.13 Stem and Leaf Distribusi Normal saat N=100........................................... 17
Gambar 4.14 Stem and Leaf Distribusi Normal saat N=150........................................... 18
Gambar 4.15 Stem and Leaf Distribusi Normal saat N=300........................................... 18

DAFTAR TABEL

Tabel 4.1 Output Minitab Perbandingan Nilai Rata-Rata dan Varians Untuk n=10 ........ 10
Tabel 4.2 Output Minitab Perbandingan Nilai Rata-Rata Dan Varians Untuk n=40 ....... 12
Tabel 4.3 Output Minitab Perbandingan Nilai Rata-Rata dan Varians Hipergeometrik .. 13
Tabel 4.4 Ouput Minitab Peluang Distribusi Poisson ...................................................... 14
Tabel 4.5 Perhitungan µ = n.p ......................................................................................... 15

BAB I
PENDAHULUAN

1.1 Latar Belakang

Di kehidupan sehari-hari kerap kali ditemui berbagai macam model peluang.
Faktor ketidakpastian banyak memiliki model peluang yang menggambarkan suatu
akibat yang mungkin terjadi seandainya kondisi-kondisi tertentu terjadi. Distribusi
peluang atau peluang teoritis merupakan suatu model peluang yang memungkinkan
untuk mempelajari hasil eksperimen random yang riil dan menduga hasil-hasil yang
akan terjadi. Dalam arti kata peristiwa-peristiwa riil tersebut menyerupai peristiwa-
peristiwa dalam model dan kondisi-kondisi dari model distribusi dapat dipenuhi
sebagai kondisi-kondisi eksperimen.
Distribusi peluang yang demikian itu merupakan distribusi populasi karena
berhubungan dengan semua nilai-nilai yang mungkin terjadi dan populasinya
merupakan variabel random. Berdasarkan jenis variabelnya tergolong atas distribusi
peluang diskret dan distribusi peluang kontinu. Distribusi peluang diskret adalah
distribusi peluang pada suatu peubah acak yang banyaknya sebanyak bilangan bulat
mendapati setiap nilainya dengan peluang tertentu. Sedangkan distribusi peluang
diskret adalah distribusi peluang suatu peubah acak kontinu yang mempunyai nilai
nol pada setiap titik x.
Dalam hal ini, akan dipelajari mengenai distribusi peluang yang berbicara
mengenai bagaimana suatu kejadian dapat diperkirakan hasilnya. Pembuatan laporan
ini ditujukan untuk mengasah kompetensi mahasiswa dalam hal distribusi peluang.
Diharapkan pembuatan laporan ini dapat membantu mahasiswa statistika dalam
memahami aplikasi distribusi peluang pada data-data yang sudah tersedia.

1.2 Permasalahan
Dalam praktikum ini, permasalahan yang muncul sebagai acuan untuk analisis
adalah sebagai berikut,
1. Bagaimana perbandingan nilai parameter dan perbandingan bentuk fisis kurva
hasil bangkitan data dari distribusi binomial dengan teoritisnya ?
2. Bagaimana perbandingan nilai parameter dan perbandingan bentuk fisis kurva
hasil bangkitan data dari distribusi hipergeometrik dari probabilitas yang mungkin
dengan dengan teoritisnya ?
3. Bagaimana perbandingan nilai parameter dan perbandingan bentuk fisis kurva
hasil bangkitan data dari distribusi poisson dengan teoritisnya ?
4. Bagaimana perbandingan nilai parameter dan perbandingan bentuk fisis kurva
hasil bangkitan data dari hamparan distribusi poisson terhadap binomial?
5. Bagaimana perbandingan nilai parameter dan perbandingan bentuk fisis kurva
hasil bangkitan data dari distribusi dengan teoritisnya ?

1.3 Tujuan
Perumusan masalah di atas menghasilkan tujuan yang akan dicapai dalam
kegiatan praktikum ini, yaitu sebagai berikut,
1. Untuk mengetahui perbandingan nilai parameter dan perbandingan bentuk fisis
kurva hasil bangkitan data dari distribusi binomial dengan teoritisnya.
2. Untuk mengetahui perbandingan nilai parameter dan perbandingan bentuk fisis
kurva hasil bangkitan data dari distribusi hipergeometrik dari probabilitas yang
mungkin dengan teoritisnya.
3. Untuk mengetahui perbandingan nilai parameter dan perbandingan bentuk fisis
kurva hasil bangkitan data dari distribusi poisson dengan teoritisnya.
4. Untuk mengetahui perbandingan nilai parameter dan perbandingan bentuk fisis
kurva hasil bangkitan data dari hamparan distribusi poisson terhadap binomial.
5. Untuk mengetahui perbandingan nilai parameter dan perbandingan bentuk fisis
kurva hasil bangkitan data dari distribusi normal dengan teoritisnya.

1.4 Manfaat
Dari kegiatan praktikum ini, manfaat yang dapat diambil adalah sebagai
berikut,
1. Mampu memahami pengertian variabel acak diskrit dan kontinu.
2. Mampu mengaplikasikan distribusi variabel diskrit maupun distribusi variabel
kontinu pada data yang tersedia.
3. Mampu menyajikan suatu data menjadi sebuah informasi yang lebih jelas dan
menarik.
4. Mampu memahami perbandingan nilai parameter hasil bangkitan data dengan
teoritisnya.
5. Mampu mengetahui perbandingan bentuk fisis kurva hasil bangkitan data dengan
teoritisnya.
 BAB II
TINJAUAN PUSTAKA

2.1 Variabel Acak

Variabel acak adalah fungsi yang mengaitkan suatu bilangan real pada setiap
unsur dalam ruang sampel. Peubah acak akan dinyatakan dengan huruf besar,
misalnya X, sedangkan nilainya dinyatakan dengan huruf kecil padanannya misalnya
x (Walpole, 1995).
2.1.1 Variabel Acak Diskrit
Variabel acak diskret adalah suatu peubah acak yang mengandung titik yang
berhingga banyaknya atau sederetan anggota yang banyaknya sebanyak bilangan
bulat (Walpole, 1995).
2.1.2 Variabel Acak Kontinu
Variabel acak kontinu adalah suatu peubah acak yang mengandung titik yang tak
berhingga banyaknya dan banyak anggotanya sebanyak titik pada sepotong garis
(Walpole, 1995).

2.2 Distribusi Peluang Diskrit

Definisi distribusi peluang diskrit adalah distribusi yang mencantumkan semua
kemungkinan nilai peubah acak diskrit beserta probabilitasnya (Wibisono, 2009).
2.2.1 Distribusi Binomial
Suatu percobaan yang dapat menghasilkan sukses dengan peluang p dan gagal
dengan peluang q=1-p, dengan peubah acak binomial X yaitu banyaknya sukses
dalam n usaha bebas (Walpole, 1995).
𝑛
𝑏(𝑥; 𝑛, 𝑝) = ( ) 𝑝 𝑥 𝑞 𝑛−𝑥 x= 0, 1, 2, 3, ….., n (2.1)
𝑥
Keterangan :
n = banyaknya data
x = banyak keberhasilan dalam peubah acak X
p = peluang berhasil pada setiap data
q = peluang gagal (1 – p) pada setiap data
Rata-rata dan ragam distribusi binomial b(x;n,p) adalah
 µ = n.p (2.2)
σ2 = n.p.q (2.3)
Keterangan:
µ =rata-rata
σ2= ragam
n = banyak data
p = peluang keberhasilan pada setiap data
q = peluang gagal = 1 – p pada setiap data
2.2.2 Distribusi Hipergeometrik
Distribusi Hipergeometrik adalah banyaknya sukses dalam sampel acak
ukuran n yang diambil dari N benda yang mengandung k bernama sukses dan N-k
bernama gagal (Walpole, 1995)

h( x; N , n, k ) 
   k N k
nk
 
x
N x = 0,1, 2, ..., n (2.4)
n

Keterangan :
N = ukuran populasi
n = ukuran contoh acak
k = banyaknya penyekatan / kelas
x = banyaknya keberhasilan
Rata-rata dan Ragam untuk Distribusi Hipergeometrik h(x; N, n, k) adalah:

µ = nk
N (2.5)
N−n k k
σ2 = N−1 . n. N (1 − N)
(2.6)
Keterangan :
µ = rata-rata
σ2 = ragam
N = ukuran populasi
n = ukuran contoh acak
k = banyaknya penyekatan/kelas
2.2.3 Distribusi Poisson
 Distribusi Poisson adalah distribusi peluang acak diskrit yang menyatakan
banyaknya sukses yang terjadi dalam suatu selang waktu atau daerah tertentu yang
dinyatakan dengan t (Walpole, 1995)
𝑒 −𝜆𝑡 (𝜆𝑡)𝑥
𝑝(𝑥; 𝜆𝑡) = x=0,1,2,...n (2.7)
𝑥!

Keterangan :
x = banyak keberhasilan dalam peubah acak X
𝜆𝑡 = rata-rata banyak sukses yang terjadi per satuan waktu
e= 2,71828...
Rata-rata dan Ragam untuk Distribusi 𝑝(𝑥; 𝜆𝑡)adalah:
µ = σ2 = 𝜆𝑡 (2.8)
Keterangan :
µ = rata-rata
σ2 = ragam
𝜆𝑡 = rata-rata banyak sukses yang terjadi per satuan waktu

2.3 Distribusi Probabilitas Kontinu

Distribusi probabilitas kontinu adalah distribusi peubah acak kontinu yang
dinyatakan dalam persamaan yang merupakan fungsi nilai-nilai peubah acak kontinu
dan digambarkan dalam bentuk kurva (Wibisono, 2009).
2.3.1 Distribusi Normal
Distribusi probabilitas yang sangat penting dalam ilmu statistika adalah
distribusi normal. Distribusi normal adalah distribusi yang bersifat kontinu
(continuous distribution) dimana distribusi probabilitas peubah acak normal
bergantung pada dua parameter rata-rata µ dan simpangan baku σ. Distribusi normal
mempunyai model kurva berbentuk simestris setangkup yang menyerupai genta
(bell’s shaped) di sekitar suatu nilai yang bertepatan denga puncak kurva yang
menjulur ke kiri dan menjulur ke kanan mendekati sumbu datar sebagai asimtotnya
(Wibisono, 2009).
Fungsi yang menentukan kurva galat normal dengan rata-rata dan simpangan
baku adalah
1 x−μ 2
1
𝑁(𝜇, σ) = σ√2π e−2 ( σ
)
(2.9)
Keterangan:
X= peubah acak kontinu normal
𝜇 = mean,
𝜎 = standar deviasi
π = 3,14159…
e = 2,71828…
Persamaan di atas bila dihitung dan diplot pada grafik akan terlihat seperti
pada Gambar berikut.

Gambar 2.1 Kurva Distribusi Normal

Sifat-sifat penting distribusi normal adalah sebagai berikut:

1. Grafiknya selalu berada di atas sumbu x
2. Bentuknya simetris pada x = µ
3. Mempunyai satu buah modus, yaitu pada x = µ
4. Luas grafiknya sama dengan satu unit persegi, dengan rincian
a. Kira-kira 68% luasnya berada di antara daerah µ – σ dan µ + σ
b. Kira-kira 95% luasnya berada di antara daerah µ – 2σ dan µ + 2σ
c. Kira-kira 99% luasnya berada di antara daerah µ – 3σ dan µ + 3σ
(wordpress ,2010)
 BAB III
METODOLOGI PENULISAN

3.1 Sumber Data

Data yang digunakan dalam penelitian ini berasal dari data primer. Data
sekunder diperoleh dari perhitungan hasil bangkitan data (program minitab) dan
perhitungan secara teoritis .
Sumber untuk melakukan penelitian ini kami ambil pada:
Hari / Tanggal : Rabu/ 26 oktober 2011
Tempat : Taman Sigma ITS
Jam : 15.00- selesai.

3.2 Variabel Penelitian

Variabel yang digunakan dalam penelitian ini adalah variabel acak diskrit dan
variabel acak kontinu.

3.3 Langkah Analisis

Langkah analisis yang dilakukan dalam pengamatan antara lain sebagai
berikut:
- Melakukan Percobaan
- Melakukan penghitungan data melalui program minitab
- Melakukan penghitungan data manual (secara teoritis)
- Membandingkan hasil percobaan dengan teori distribusi peluang
- Membuat kurva dan mengintepretasikan
- Memberikan kesimpulan dan saran

3.4 Diagram Alir

Diagram alir menggambarkan alur perjalanan pembuatan laporan ini, mulai
dari proses perumusan masalah hingga pemberian kesimpulan dan saran. Diagram alir
yang dipakai dalam laporan ini adalah :

Melakukan Percobaan

Melakukan penghitungan data melalui program minitab

Gambar 3.1 Flowchart Pelaksanaan Praktikum Distribusi Peluang
 BAB IV
ANALISIS DAN PEMBAHASAN

4.1 Distribusi Binomial

Pada percobaan distribusi binomial, dilakukan perhitungan probabilitas dengan
p=0,2; 0,3; 0,5; 0,7; 0,9 masing-masing untuk n= 10 dan n=40 dan disini dimisalkan
X=20 .

Histogram of b(15;10,0.2); b(15;10,0.3); b(15;10,0.5); ...

Normal
7 Variable
b(15;10,0.2)
b(15;10,0.3)
6
b(15;10,0.5)
b(15;10,0.7)
5 b(15;10,0.9)

Mean StDev N
4 0,2463 0,07521 20
Density

0,1561 0,07676 20
0,1755 0,06012 20
3 0,2049 0,07754 20
0,2944 0,1054 20

0
0,0 0,1 0,2 0,3 0,4 0,5
Data

Gambar 4.1 Kurva Peluang Distribusi Binomial Untuk n=10

Gambar diatas menunjukkan bahwa puncak tertinggi terdapat pada kurva
distribusi binomial saat p=0,5 dengan nilai variansi paling kecil sedangkan puncak
terendah terdapat pada kurva distribusi binomial saat p=0,9 dengan nilai variansi
paling besar.
Tabel 4.1 Output Minitab Perbandingan Nilai Rata-Rata dan Varians Untuk n=10
Output Minitab Hasil Teoritis
Peluang
µ σ2 µ = n.p σ2 = n.p.q
0,2 1,30 0,747 2 1,6
0,3 3,05 3,524 3 2,1
0,5 5,20 2,379 5 2,5
0,7 7,15 1,818 7 2,1
0,9 9,15 1,187 9 0,9
Tabel diatas menunjukkan bahwa nilai rata-rata dan variansi distribusi binomial
untuk n=10 dari hasil bangkitan data (Minitab) dengan teoritisnya memiliki hasil yang
hampir sama / mendekati, ditunjukkan bahwa semakin besar peluangnya nilai rata-
ratanya semakin mendekati teori dan dengan semakin kecil nilai peluangnya nilai
variansnya semakin mendekati teori.

Histogram of Mean; µ=n.p Histogram of Variance; σ2 = n.p.q

Normal Normal
Variable 0,7
0,14 Variable
Mean Variance
µ=n.p σ2 = n.p.q
0,6
0,12
Mean StDev N Mean StDev N
5,17 3,132 5 1,931 1,085 5
0,10 5,2 2,864 5
0,5
1,84 0,6148 5
Density

0,4

Density
0,08

0,06 0,3

0,04 0,2

0,02 0,1

0,00 0,0
-2 0 2 4 6 8 10 12 0 1 2 3 4
Data Data

Gambar 4.2 Kurva Perbandingan Nilai Rata-rata dan Varians Distribusi Binomial untuk n=10
Selain itu di dukung pula dengan hasil data dari kurva yang hampir bersentuhan.
Lihat kurva diatas, sebelah kiri menujukkan perbandingan nilai rata-rata antara hasil
bangkitan data dengan teoritisnya sedangkan yang sebelah kanan menunjukkan
perbandingan nilai varians distribusi binomial.

Histogram of b(15;40,0.2); b(15;40,0.3); b(15;40,0.5); ...

Normal
14 Variable
b(15;40,0.2)
b(15;40,0.3)
12
b(15;40,0.5)
b(15;40,0.7)
10 b(15;40,0.9)

Mean StDev N
8 0,09951 0,04662 20
Density

0,1020 0,03057 20
0,09543 0,03570 20
6 0,1002 0,02958 20
0,1783 0,03056 20

0
0,00 0,05 0,10 0,15 0,20 0,25
Data

Gambar 4.3 Kurva Peluang Distribusi Binomial Untuk n=40

Gambar diatas menunjukkan bahwa puncak tertinggi terdapat pada kurva
distribusi binomial saat p=0,7 dengan nilai variansi paling kecil sedangkan puncak
terendah terdapat pada kurva distribusi binomial saat p=0,2 dengan nilai variansi
paling besar.
Tabel 4.2 Output Minitab Perbandingan Nilai Rata-Rata Dan Varians Untuk n=40
Peluang Output Minitab Hasil Teoritis
 µ σ2 µ = n.p σ2 = n.p.q
0,2 9,50 7,105 8 6,4
0,3 12,85 5,397 12 8,4
0,5 21,45 6,471 20 10
0,7 27,35 6,029 28 8,4
0,9 36,40 1,411 36 3,6

Tabel diatas menunjukkan bahwa nilai rata-rata dan variansi distribusi binomial
untuk n=40 dari hasil bangkitan data (minitab) dengan teoritisnya memiliki hasil yang
hampir sama / mendekati, ditunjukkan bahwa semakin besar peluangnya nilai rata-
ratanya semakin mendekati teori dan dengan semakin kecil nilai peluangnya nilai
variansnya semakin mendekati teori.
Selain itu di dukung pula dengan hasil data dari kurva yang hampir bersentuhan.
Lihat kurva dibawah ini, sebelah kiri menujukkan perbandingan nilai rata-rata antara
hasil bangkitan data dengan teoritisnya sedangkan yang sebelah kanan menunjukkan
perbandingan nilai varians distribusi binomial.

Histogram of Mean; µ=n.p Histogram of Variance; σ2 = n.p.q

Normal Normal
0,04 Variable 0,20 Variable
Mean Variance
µ=n.p σ2 = n.p.q

Mean StDev N Mean StDev N

0,03 21,51 10,90 5 0,15 5,283 2,252 5
20,8 11,45 5 7,36 2,459 5
Density

Density

0,02 0,10

0,01 0,05

0,00 0,00
0 10 20 30 40 0 2 4 6 8 10 12
Data Data

Gambar 4.4 Kurva Perbandingan Nilai Rata-rata dan Varians Distribusi Binomial untuk n=40

4.2 Distribusi Hipergeometrik

Pada percobaan distribusi hipergrometrik dilakukan perhitungan dari probabilitas
yang mungkin dengan N=15, D=2, 3, 4 dan n=3, 4, 5
 Histogram of h(25;15,3,2); h(25;15,4,3); h(25;15,5,4)
Normal
3,5 Variable
h(25;15,3,2)
h(25;15,4,3)
3,0 h(25;15,5,4)

Mean StDev N
2,5 0,48 0,1457 25
0,3762 0,1174 25
0,3092 0,1245 25

Density
2,0

1,5

1,0

0,5

0,0
0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8
Data

Gambar 4.5 Kurva Peluang Distribusi Hipergeometrik

Gambar diatas menunjukkan bahwa puncak tertinggi terdapat pada kurva
distribusi hipergeometrik saat n=3 dan D=4 dengan nilai variansi paling kecil
sedangkan puncak terendah terdapat pada kurva distribusi binomial saat D=2 dan n=3
dengan nilai variansi paling besar.
Tabel 4.3 Output Minitab Perbandingan Nilai Rata-Rata dan Varians Distribusi Hipergeometrik
Output Minitab Hasil Teoritis
D n nk 𝐍−𝐧 𝐤 𝐤
µ σ2 µ= 𝛔𝟐 = . 𝐧. (𝟏 − )
N 𝐍−𝟏 𝐍 𝐍
2 3 0,52 0,260 0,4 0,297142857
3 4 0,72 0,543 0,8 0,502857143
4 5 1,36 0,823 1,33 0,698412698
Tabel diatas menunjukkan bahwa nilai rata-rata dan variansi distribusi
hipergeometrik untuk N=15 dari hasil bangkitan data (minitab) dengan teoritisnya
memiliki hasil yang hampir sama / mendekati, ditunjukkan bahwa semakin besar n
kali usaha dan D kali sukses maka nilai rata-ratanya semakin mendekati teori dan
dengan semakin kecil nilai n kali usaha dan D kali suksesnya nilai variansnya
semakin mendekati teori.
Selain itu di dukung pula dengan hasil data dari kurva yang hampir bersentuhan.
Lihat kurva dibawah ini, sebelah kiri menujukkan perbandingan nilai rata-rata antara
hasil bangkitan data dengan teoritisnya sedangkan yang sebelah kanan menunjukkan
perbandingan nilai varians distribusi binomial.
 Histogram of µ =nK/n; Mean Histogram of σ^2=(N-n)/(N-1).n.k/N(1-k/N); Variance
Normal Normal

Variable V ariable
0,9 2,0
µ =nK/n σ^2=(N -n)/(N -1).n.k/N (1-k/N )
Mean V ariance
0,8
Mean StDev N Mean StDev N
0,7 0,8433 0,4665 3 0,4995 0,2007 3
1,5 0,542 0,2815 3
0,8667 0,4388 3
0,6

Density
Density

0,5
1,0
0,4

0,3
0,5
0,2

0,1

0,0 0,0
0,0 0,5 1,0 1,5 0,0 0,2 0,4 0,6 0,8 1,0 1,2
Data Data

Gambar 4.6 Kurva Perbandingan Nilai Rata-rata dan Varians Distribusi Hipergeometrik

4.3 Distribusi Poisson

Pada percobaan distribusi poisson dilakukan perhitungan dari probabilitas yang
mungkin dengan 𝜇 = 1,2,3,4

Histogram of p(40;1); p(40;2); p(40;3); p(40;4)

Normal

8 Variable
p(40;1)
p(40;2)
7
p(40;3)
p(40;4)
6
Mean StDev N
0,2989 0,1050 40
5
0,2068 0,08378 40
Density

0,1651 0,07200 40
4 0,1412 0,05067 40

0
0,0 0,1 0,2 0,3 0,4 0,5
Data

Gambar 4.7 Kurva Peluang Distribusi Poisson

Gambar diatas menunjukkan bahwa puncak tertinggi terdapat pada kurva
distribusi binomial saat p=4 dengan nilai variansi paling kecil sedangkan puncak
terendah terdapat pada kurva distribusi binomial saat p=1 dengan nilai variansi paling
besar.

Tabel 4.4 Ouput Minitab Peluang Distribusi Poisson

Output Minitab Hasil Teoritis
𝝀𝒕
µ σ2 µ = 𝝀𝒕 σ2 = 𝝀𝒕
1 0,680 0,727 1 1
2 2,160 2,223 2 2
3 3,440 3,257 3 3
 4 4,720 4,460 4 4

Tabel diatas menunjukkan bahwa nilai rata-rata dan variansi distribusi poisson
dari hasil bangkitan data (minitab) dengan teoritisnya memiliki hasil yang hampir
sama / mendekati. Selain itu di dukung pula dengan hasil data dari kurva yang hampir
bersentuhan. Lihat kurva dibawah ini, sebelah kiri menujukkan perbandingan nilai
rata-rata antara hasil bangkitan data dengan teoritisnya sedangkan yang sebelah kanan
menunjukkan perbandingan nilai varians distribusi poisson.
Histogram of (λt); Mean (µ) Histogram of (λt); Variance
Normal Normal
0,5 Variable Variable
0,4
(λt) (λt)
Mean (µ) Variance
0,4 Mean StDev N Mean StDev N
2 1 3 2 1 3
0,3
2,008 0,8625 3 2,115 1,215 3

0,3
Density

Density

0,2
0,2

0,1
0,1

0,0 0,0
0 1 2 3 4 0 1 2 3 4 5
Data Data

Gambar 4.8 Kurva Perbandingan Nilai Rata-Rata dan Varians Distribusi Poisson

4.4 Hampiran Distribusi Poisson Terhadap Binomial

Pada percobaan distribusi poisson terhadap binomial dilakukan perhitungan dari
probabilitas yang mungkin dengan binomial dengan p=0.03, 0.09, 0.1 dan n=30.
Sebelum memasukkan data di Minitab kita hitung dulu nilai rata-ratanya
µ = n.p sehingga didapatkan
Tabel 4.5 Perhitungan µ = n.p
n p µ = n.p
30 0,03 0,9
30 0,09 2,7
30 0,1 3
 Histogram of b(15;30,0.03); p(15;0.03)
Normal

Variable
4
b(15;30,0.03)
p(15;0.03)

Mean StDev N
3 0,3413 0,1042 25
0,3371 0,1004 25

Density
2

0
0,1 0,2 0,3 0,4 0,5
Data

Gambar 4.9 Kurva Perbandingan Distribusi Poisson dengan Distribusi Binomial saat p= 0,03

Histogram of b(15;30,0.09); p(15;0.09)

Normal

Variable
5 b(15;30,0.09)
p(15;0.09)

Mean StDev N
4 0,1824 0,08057 25
0,1692 0,07806 25
Density

0
0,00 0,08 0,16 0,24 0,32
Data

Gambar 4.10 Kurva Perbandingan Distribusi Poisson dengan Distribusi Binomial saat p= 0,09

Histogram of b(15;30,0.1); p(15;0.1)

Normal
7 Variable
b(15;30,0.1)
p(15;0.1)
6
Mean StDev N
0,1771 0,06495 25
5
0,1803 0,06167 25

4
Density

0
0,05 0,10 0,15 0,20 0,25 0,30
Data

Gambar 4.11 Kurva Perbandingan Distribusi Poisson dengan Distribusi Binomial saat p= 0,1

Ketiga gambar diatas menunjukkan hasil kurva yang berhimpitan, yang artinya
nilai peluang distribusi binomial sama dengan nilai peluang distribusi poisson
sehingga dapat dikatakan bahwa data pada distribusi poisson bisa dihitung/ didekati
dengan menggunakan disrtribusi binomial .

4.5 Distribusi Normal

 Pada percobaan distribusi normal dilakukan perhitungan dari probabilitas yang
mungkin dengan dengan µ = 10 dan σ=2 untuk n=100, 150, 300

Histogram of p (n=100); p(n=150); p(n=300)

Normal
8 Variable
p (n=100)
7 p(n=150)
p(n=300)
6 Mean StDev N
0,1430 0,05593 100
5 0,1329 0,05665 150
0,1407 0,05593 300
Density

0
0,00 0,04 0,08 0,12 0,16 0,20 0,24
Data

Gambar 4.12 Kurva Peluang Distribusi Normal

Kurva diatas menunjukkan bahwa nilai probabilitas distriusi normal saat n=
100, 150 maupun 300 didapatkan hasil dengan kurva yang berhimpitan, ini
menunjukkan bahwa pada saat itu nilai distribusinya hampir sama .

Gambar 4.13 Stem and Leaf Distribusi Normal saat N=100

Gambar diatas menunjukkan bahwa pada perhitungan distribusi normal saat

N=100 terdapat frekuensi paling besar yaitu 50 yang terdapat pada stem 10 dan
frekuensi terkecil terdapat pada stem 14 dengan nilai frekuensi 2 . Dilihat dari bentuk
penyebaran datanya, apabila ditarik kurva maka kuva itu akan terlihat simetris
sehingga dapat diasumsikan bahwa data diatas berdistribusi normal.
 Gambar 4.14 Stem and Leaf Distribusi Normal saat N=150
Gambar diatas menunjukkan bahwa pada perhitungan distribusi normal saat
N=150 terdapat frekuensi paling besar yaitu 69 yang terdapat pada stem 9 dan
frekuensi terkecil terdapat pada stem 5 dengan nilai frekuensi 1. Dilihat dari bentuk
penyebaran datanya, apabila ditarik kurva maka kuva itu akan terlihat simetris
sehingga dapat diasumsikan bahwa data diatas berdistribusi normal.

BAB V
KESIMPULAN DAN SARAN

Gambar 4.15 Stem and Leaf Distribusi Normal saat N=300

Gambar diatas menunjukkan bahwa pada perhitungan distribusi normal saat
N=300 terdapat frekuensi paling besar yaitu 62 yang terdapat pada stem 10 dan
frekuensi terkecil terdapat pada stem 15,4 dengan nilai frekuensi 2. Dilihat dari
bentuk penyebaran datanya, apabila ditarik kurva maka kuva itu akan terlihat simetris
sehingga dapat diasumsikan bahwa data diatas berdistribusi normal.
BAB V
KESIMPULAN DAN SARAN

5.1 Kesimpulan
1. Perbandingan nilai parameter dan perbandingan bentuk fisis kurva hasil bangkitan
data dari distribusi binomial saat p=0.2, 0.3, 0.5, 0.7, 0.9 masing-masing untuk
n=10 dan n=40 dengan teoritisnya bahwa puncak tertinggi memiliki nilai variansi
paling kecil sedangkan puncak terendah memiliki nilai variansi paling besar,
ditunjukkan pula bahwa semakin besar peluang nilai rata-ratanya semakin
mendekati teori dan dengan semakin kecil nilai peluangnya nilai variansnya
semakin mendekati teori.
2. Perbandingan nilai parameter dan perbandingan bentuk fisis kurva hasil bangkitan
data dari distribusi hipergeometrik dari probabilitas yang mungkin dengan N=15,
D=2, 3, 4 dan n=3, 4, 5 dengan teoritisnya adalah semakin tinggi n kali usaha dan
k kali sukses, semakin tinggi nilai distribusi hipergeometriknya dan semakin
mendekati teori.
3. Perbandingan nilai parameter dan perbandingan bentuk fisis kurva hasil bangkitan
data dari distribusi poisson dengan 𝜇 = 1,2,3,4 dengan teoritisnya adalah semakin
besar rata-rata populasi semakin tinggi nilai distribusi poisson dan semakin
mendekati teori.
4. Perbandingan nilai parameter dan perbandingan bentuk fisis kurva hasil bangkitan
data dari hamparan distribusi poisson terhadap binomial dengan p=0.03, 0.09, 0.1
dan n=30 memiliki nilai yang hampir sama, artinya untuk mencari nilai peluang
pada distribusi poisson bisa dihitung melalui pendekatan distribusi binomial.
5. Perbandingan nilai parameter dan perbandingan bentuk fisis kurva hasil bangkitan
data dari distribusi normal dengan µ = 10 dan σ=2 untuk n=100, 150, 300 dengan
teoritisnya adalah semakin kecil n kali usaha semakin tinggi nilai distribusi
normal dan semakin mendekati teori. Ditunjukkan pula dengan hasil stem and leaf
bahwa data yang dihasilkan jika ditarik garis kurva akan membentuk kurva yang
simetris (normal).
5.2 Saran
Kegiatan praktikum tentang distribusi probabilitas diskrit dan kontinu hendaknya
dapat dilakukan dengan lebih cermat. Melakukan penghitungan dengan berbagai
macam jenis distribusi melalui percobaan yang dilakukan secara manual dibutuhkan
kesabaran untuk mendapatkan data.
 DAFTAR PUSTAKA

Wibisono Yusuf. 2009. Metode Statistik. Yogyakarta:Gadjah Mada University Press

Walpole Ronald.1995. Pengantar Statistika. Jakarta: Gramedia Pustka Utama

Wordpress.Distribusi Normal.Tersedia :
http://hatta2stat.wordpress.com/category/distribusi-normal-2/,diakses 30
Oktober 2011
LAMPIRAN

Tabel Distribusi Binomial dengan n=10

Random Data Probabilty Distribution

n
2 3 5 7 9 b(15;10,0.2) b(15;10,0.3) b(15;10,0.5) b(15;10,0.7) b(15;10,0.9)
1 0 5 7 5 7 0,107374 0,102919 0,117188 0,102919 0,057396
2 1 4 6 8 10 0,268435 0,200121 0,205078 0,233474 0,348678
3 1 3 4 10 9 0,268435 0,266828 0,205078 0,028248 0,387420
4 2 2 6 8 10 0,301990 0,233474 0,205078 0,233474 0,348678
5 2 7 4 6 8 0,301990 0,009002 0,205078 0,200121 0,193710
6 3 1 8 7 8 0,201327 0,121061 0,043945 0,266828 0,193710
7 0 5 3 7 8 0,107374 0,102919 0,117188 0,266828 0,193710
8 1 1 4 6 10 0,268435 0,121061 0,205078 0,200121 0,348678
 9 2 5 6 8 10 0,301990 0,102919 0,205078 0,233474 0,348678
10 0 4 5 7 10 0,107374 0,200121 0,246094 0,266828 0,348678
11 1 1 4 6 10 0,268435 0,121061 0,205078 0,200121 0,348678
12 1 1 6 8 10 0,268435 0,121061 0,205078 0,233474 0,348678
13 1 5 8 8 10 0,268435 0,102919 0,043945 0,233474 0,348678
14 2 4 3 7 9 0,301990 0,200121 0,117188 0,266828 0,387420
15 2 3 7 10 9 0,301990 0,266828 0,117188 0,028248 0,387420
16 0 2 4 7 7 0,107374 0,233474 0,205078 0,266828 0,057396
17 2 0 4 7 8 0,301990 0,028248 0,205078 0,266828 0,193710
18 2 3 6 7 10 0,301990 0,266828 0,205078 0,266828 0,348678
19 2 1 5 5 10 0,301990 0,121061 0,246094 0,102919 0,348678
20 1 4 4 6 10 0,268435 0,200121 0,205078 0,200121 0,348678

Tabel Distribusi Binomial dengan n=40

Random Data Probabilty Distribution

n
2 3 5 7 9 b(15;10,0.2) b(15;10,0.3) b(15;10,0.5) b(15;10,0.7) b(15;10,0.9)
1 14 17 24 28 36 0,011492 0,031362 0,057164 0,136574 0,205887
2 6 15 27 31 36 0,124563 0,077405 0,010944 0,084916 0,205887
3 8 13 20 29 38 0,155981 0,126068 0,125371 0,131864 0,142334
4 5 9 24 27 37 0,085414 0,084916 0,057164 0,126068 0,200323
5 8 11 21 27 38 0,155981 0,131864 0,119401 0,126068 0,142334
6 10 14 23 24 34 0,107454 0,104199 0,080702 0,051834 0,106756
7 11 15 19 29 35 0,073264 0,077405 0,119401 0,131864 0,164710
8 15 12 22 26 36 0,004980 0,136574 0,103119 0,104199 0,205887
9 6 14 20 27 37 0,124563 0,104199 0,125371 0,126068 0,200323
10 8 11 19 29 38 0,155981 0,131864 0,119401 0,131864 0,142334
11 10 11 18 27 35 0,107454 0,131864 0,103119 0,126068 0,164710
12 9 9 26 25 35 0,138650 0,084916 0,021107 0,077405 0,164710
13 6 11 22 26 36 0,124563 0,131864 0,103119 0,104199 0,205887
14 9 16 24 25 38 0,138650 0,051834 0,057164 0,077405 0,142334
15 12 15 19 25 37 0,044264 0,077405 0,119401 0,077405 0,200323
16 11 14 21 26 37 0,073264 0,104199 0,119401 0,104199 0,200323
17 9 10 19 31 37 0,138650 0,112817 0,119401 0,084916 0,200323
18 10 12 19 23 35 0,107454 0,136574 0,119401 0,031362 0,164710
19 11 13 22 31 36 0,073264 0,126068 0,103119 0,084916 0,205887
20 12 15 20 31 37 0,044264 0,077405 0,125371 0,084916 0,200323

Tabel Distribusi Hipergeometrik

Random Data Probability Distribution

n
2-3 3-4 4-5 h(25;15,3,2) h(25;15,4,3) h(25;15,5,4)
1 1 0 1 0,342857 0,362637 0,439560
2 0 1 1 0,628571 0,483516 0,439560
3 0 1 2 0,628571 0,483516 0,329670
4 1 0 2 0,342857 0,362637 0,329670
5 0 1 3 0,628571 0,483516 0,073260
6 1 2 2 0,342857 0,145055 0,329670
 7 0 1 2 0,628571 0,483516 0,329670
8 0 1 1 0,628571 0,483516 0,439560
9 1 0 2 0,342857 0,362637 0,329670
10 1 0 0 0,342857 0,362637 0,153846
11 1 2 2 0,342857 0,145055 0,329670
12 0 0 1 0,628571 0,362637 0,439560
13 0 0 0 0,628571 0,362637 0,153846
14 1 1 1 0,342857 0,483516 0,439560
15 0 1 1 0,628571 0,483516 0,439560
16 1 0 2 0,342857 0,362637 0,329670
17 1 0 2 0,342857 0,362637 0,329670
18 0 1 0 0,628571 0,483516 0,153846
19 0 0 0 0,628571 0,362637 0,153846
20 1 2 3 0,342857 0,145055 0,073260
21 0 0 0 0,628571 0,362637 0,153846
22 1 2 2 0,342857 0,145055 0,329670
23 1 1 1 0,342857 0,483516 0,439560
24 1 0 1 0,342857 0,362637 0,439560
25 0 1 2 0,628571 0,483516 0,329670

Tabel Distribusi Poisson

Random Data Probability Distribution

n
1 2 3 4 p(40;1) p(40;2) p(40;3) p(40;4)
1 0 0 2 4 0,367879 0,135335 0,224042 0,195367
2 2 2 3 4 0,183940 0,270671 0,224042 0,195367
3 1 2 5 6 0,367879 0,270671 0,100819 0,104196
4 1 2 5 3 0,367879 0,270671 0,100819 0,195367
5 2 3 3 5 0,183940 0,180447 0,224042 0,156293
6 0 1 4 5 0,367879 0,270671 0,168031 0,156293
7 0 2 7 8 0,367879 0,270671 0,021604 0,029770
8 3 0 2 3 0,061313 0,135335 0,224042 0,195367
9 0 1 4 2 0,367879 0,270671 0,168031 0,146525
10 0 1 1 7 0,367879 0,270671 0,149361 0,059540
11 2 1 3 4 0,183940 0,270671 0,224042 0,195367
12 3 4 0 4 0,061313 0,090224 0,049787 0,195367
13 1 1 5 5 0,367879 0,270671 0,100819 0,156293
14 2 2 2 1 0,183940 0,270671 0,224042 0,073263
15 2 2 2 4 0,183940 0,270671 0,224042 0,195367
16 1 1 0 6 0,367879 0,270671 0,049787 0,104196
17 2 3 2 2 0,183940 0,180447 0,224042 0,146525
18 0 0 3 3 0,367879 0,135335 0,224042 0,195367
19 1 3 2 2 0,367879 0,180447 0,224042 0,146525
20 1 6 7 5 0,367879 0,012030 0,021604 0,156293
21 1 2 3 5 0,367879 0,270671 0,224042 0,156293
22 0 2 3 2 0,367879 0,270671 0,224042 0,146525
23 1 1 4 6 0,367879 0,270671 0,168031 0,104196
24 1 2 1 8 0,367879 0,270671 0,149361 0,029770
25 1 3 5 6 0,367879 0,180447 0,100819 0,104196
26 1 4 2 2 0,367879 0,090224 0,224042 0,146525
27 1 2 3 3 0,367879 0,270671 0,224042 0,195367
28 3 2 3 6 0,061313 0,270671 0,224042 0,104196
29 1 0 3 7 0,367879 0,135335 0,224042 0,059540
30 0 1 3 5 0,367879 0,270671 0,224042 0,156293
31 2 0 1 6 0,183940 0,135335 0,149361 0,104196
32 1 6 0 6 0,367879 0,012030 0,049787 0,104196
33 1 2 3 2 0,367879 0,270671 0,224042 0,146525
34 2 3 0 4 0,183940 0,180447 0,049787 0,195367
35 1 0 2 3 0,367879 0,135335 0,224042 0,195367
36 0 4 1 4 0,367879 0,090224 0,149361 0,195367
37 2 2 5 7 0,183940 0,270671 0,100819 0,059540
38 1 1 6 6 0,367879 0,270671 0,050409 0,104196
39 0 5 2 2 0,367879 0,036089 0,224042 0,146525
40 2 1 3 4 0,183940 0,270671 0,224042 0,195367

Tabel Distribusi Normal

Random Data Probability Distribution

n
100 150 300 p (n=100) p(n=150) p(n=300)
1 11,1890 10,9660 6,2929 0,167159 0,177511 0,035795
2 5,5569 11,6005 11,3234 0,016912 0,144815 0,160250
3 8,1165 10,8420 11,2543 0,128025 0,182556 0,163858
4 6,6758 9,5385 10,7081 0,050119 0,194230 0,187352
5 9,5325 7,1212 10,2403 0,194095 0,070793 0,198037
6 12,0608 10,0530 12,5476 0,117310 0,199401 0,088623
7 9,4858 10,8731 12,0951 0,192986 0,181343 0,115238
8 8,4925 8,8386 4,2235 0,150143 0,168522 0,003079
9 10,8838 9,9055 6,3212 0,180914 0,199249 0,036743
10 7,9670 9,8325 10,5822 0,118990 0,198773 0,191197
11 12,1223 6,0942 8,2977 0,113597 0,029631 0,138859
12 8,4988 11,7556 9,3728 0,150499 0,135691 0,189901
13 11,0035 12,3777 8,8022 0,175878 0,098394 0,166723
14 11,7116 13,7821 6,4706 0,138307 0,033370 0,042037
15 13,5507 7,9814 5,9727 0,041253 0,119863 0,026265
16 10,0620 11,7243 8,2072 0,199375 0,137555 0,133475
17 11,4063 7,6527 8,8839 0,155780 0,100179 0,170709
18 7,7079 5,3645 7,6729 0,103438 0,013595 0,101364
19 10,3658 8,4938 7,6154 0,196163 0,150220 0,097991
20 9,1630 6,6258 11,9552 0,182746 0,048064 0,123692
21 12,1115 14,5926 11,5642 0,114248 0,014284 0,146911
22 6,3150 9,9371 9,0859 0,036536 0,199372 0,179687
23 7,7304 11,1186 11,0693 0,104772 0,170591 0,172906
24 12,1181 11,4004 10,3156 0,113852 0,156107 0,197003
25 7,3807 9,2425 11,3306 0,084611 0,185665 0,159871
26 11,6754 11,5185 12,0546 0,140445 0,149520 0,117682
27 8,9639 6,7671 10,0524 0,174421 0,054012 0,199403
28 8,6473 6,7822 9,8081 0,158687 0,054675 0,198555
29 11,9624 6,1577 10,4454 0,123259 0,031509 0,194586
30 7,3269 13,3444 11,8222 0,081655 0,049281 0,131713
31 10,0912 8,9018 12,2186 0,199264 0,171557 0,107815
32 8,9329 11,4770 9,2724 0,173005 0,151863 0,186700
33 10,0462 11,2377 9,1414 0,199418 0,164709 0,181913
34 6,9192 6,2636 9,7667 0,060903 0,034835 0,198119
35 12,5401 9,8593 8,4926 0,089044 0,198978 0,150151
36 11,0202 11,7087 8,0885 0,175136 0,138480 0,126333
37 10,9945 11,8320 11,2825 0,176276 0,131125 0,162402
38 5,2859 10,5615 9,3296 0,012401 0,191762 0,188574
39 5,3962 7,5640 14,5073 0,014102 0,095005 0,015739
40 7,0524 8,0249 11,1206 0,067333 0,122492 0,170492
41 10,4910 11,6175 9,7361 0,193550 0,143830 0,197742
42 10,8875 11,0419 11,9517 0,180769 0,174159 0,123905
43 11,2321 12,6617 8,6520 0,164993 0,082278 0,158942
44 7,3996 13,2695 9,4778 0,085663 0,052431 0,192786
45 9,8060 12,1024 6,6547 0,198535 0,114795 0,049245
46 10,3568 12,0223 9,8975 0,196322 0,119636 0,199209
47 9,5450 11,9239 11,1460 0,194376 0,125589 0,169273
48 8,3749 9,2867 11,7539 0,143388 0,187180 0,135797
49 14,6028 10,9732 8,0504 0,014117 0,177201 0,124031
50 9,8580 8,5822 11,1761 0,198969 0,155149 0,167800
51 6,8774 11,8269 12,8499 0,058957 0,131432 0,072271
52 10,4030 11,3416 10,1063 0,195462 0,159281 0,199189
53 10,3546 12,3592 10,5003 0,196360 0,099479 0,193327
54 11,2776 9,9960 12,0169 0,162655 0,199471 0,119963
55 9,6845 11,0623 10,7912 0,197005 0,173230 0,184458
56 10,9828 9,6443 9,8481 0,176785 0,196341 0,198896
57 10,6507 14,0610 11,8841 0,189187 0,025385 0,127989
58 8,3854 9,9145 10,3852 0,144000 0,199289 0,195806
59 12,8154 11,3055 12,1791 0,074058 0,161200 0,110177
60 8,3942 9,4733 11,9191 0,144510 0,192674 0,125878
61 13,0538 11,9597 13,4239 0,062173 0,123425 0,046076
62 11,0627 10,6393 10,7193 0,173209 0,189537 0,186977
63 10,4734 9,0105 10,4466 0,193961 0,176493 0,194559
64 10,1886 10,0916 12,1564 0,198586 0,199262 0,111542
65 8,2822 8,9799 10,3742 0,137938 0,175142 0,196010
66 10,8689 6,8188 9,9842 0,181505 0,056299 0,199465
67 10,8112 10,5627 13,2797 0,183720 0,191730 0,051993
68 10,3184 7,4058 11,7438 0,196959 0,086009 0,136397
69 11,4514 8,3782 10,2343 0,153292 0,143579 0,198107
70 7,4017 11,5163 8,7126 0,085776 0,149647 0,162148
71 7,4189 9,3528 12,5165 0,086741 0,189296 0,090383
72 11,0359 6,9881 7,8892 0,174432 0,064184 0,114288
73 8,4721 8,0211 11,1143 0,148990 0,122260 0,170793
74 8,5995 8,7350 8,0116 0,156102 0,163309 0,121687
75 11,2939 8,5580 12,9573 0,161806 0,153814 0,066852
76 5,9248 10,4269 11,6336 0,025023 0,194978 0,142893
77 10,1787 11,3474 11,0096 0,198677 0,158973 0,175609
78 14,3825 10,0266 7,9041 0,018081 0,199454 0,115191
79 9,2690 11,8975 9,1211 0,186582 0,127182 0,181112
80 7,9617 7,0273 9,1475 0,118666 0,066091 0,182151
81 11,8235 12,2762 12,8752 0,131634 0,104379 0,070975
82 9,7524 10,1013 11,6481 0,197948 0,199215 0,142043
83 10,6118 10,4777 11,9124 0,190352 0,193861 0,126279
84 9,5775 7,4257 9,6059 0,195071 0,087121 0,195636
85 8,7329 8,7239 10,3721 0,163202 0,162734 0,196049
86 13,4796 12,7256 8,7877 0,043913 0,078811 0,165996
87 10,4750 9,0502 14,6064 0,193924 0,178199 0,014059
88 9,4765 11,0029 10,8944 0,192753 0,175905 0,180489
89 12,5348 8,2636 9,8038 0,089346 0,136839 0,198513
90 9,9315 9,9853 10,8747 0,199354 0,199466 0,181279
91 10,0669 8,3941 12,5209 0,199359 0,144506 0,090136
92 8,0510 10,1669 15,9203 0,124072 0,198778 0,002495
93 12,7649 12,4962 10,2216 0,076713 0,091543 0,198251
94 9,6989 13,3249 10,2531 0,197224 0,050087 0,197880
95 8,6981 7,9542 14,4019 0,161387 0,118214 0,017700
96 9,5343 9,0517 11,1390 0,194135 0,178263 0,169610
97 9,9411 6,1106 7,3850 0,199385 0,030107 0,084848
98 11,4347 12,6950 10,0464 0,154219 0,080465 0,199417
99 9,7644 10,2704 9,0770 0,198092 0,197656 0,179320
100 8,9854 12,8957 8,8268 0,175386 0,069931 0,167942
101 7,7757 6,3932 0,107473 0,039236
102 12,2780 10,5577 0,104271 0,191865
103 14,0404 5,9512 0,025921 0,025701
104 8,7805 13,0194 0,165631 0,063821
105 14,9197 10,9045 0,009681 0,180081
106 12,9599 8,5464 0,066724 0,153170
107 11,3426 8,6342 0,159231 0,157986
108 10,8578 9,8845 0,181943 0,199139
109 9,4969 13,1084 0,193259 0,059613
110 6,3138 7,0892 0,036494 0,069171
111 8,5803 8,2674 0,155046 0,137064
112 9,9102 9,1892 0,199270 0,183734
113 7,9925 10,3917 0,120531 0,195682
114 14,5459 6,0910 0,015067 0,029536
115 9,1468 10,1486 0,182123 0,198921
116 7,6074 11,3610 0,097524 0,158241
117 11,0202 12,2556 0,175139 0,105602
118 11,3767 10,9302 0,157396 0,179024
119 7,9169 9,9578 0,115963 0,199427
120 6,7638 8,6749 0,053871 0,160163
121 10,2302 12,8624 0,198155 0,071631
122 10,6630 13,0034 0,188808 0,064594
123 8,9931 9,3995 0,175730 0,190679
124 11,4526 10,6900 0,153227 0,187945
125 10,1521 11,9189 0,198895 0,125887
126 12,2949 7,0256 0,103270 0,066006
127 8,4251 7,1020 0,146299 0,069819
128 11,4757 9,9491 0,151937 0,199407
129 8,6405 13,7542 0,158322 0,034257
130 8,4777 10,3848 0,149305 0,195813
131 12,0925 10,4819 0,115395 0,193763
132 11,5466 15,1057 0,147921 0,007668
133 12,7265 8,2400 0,078762 0,135431
134 12,6062 7,9206 0,085340 0,116185
135 12,2917 6,8769 0,103460 0,058937
136 7,4592 11,4471 0,089006 0,153533
137 9,5086 8,0535 0,193541 0,124221
138 11,2589 8,9755 0,163623 0,174947
139 9,5837 8,7320 0,195197 0,163152
140 9,4616 12,4930 0,192372 0,091723
141 10,5303 9,9838 0,192581 0,199465
142 11,8055 11,8847 0,132716 0,127954
143 14,6262 10,0148 0,013742 0,199466
144 7,2698 9,1351 0,078562 0,181666
145 10,1397 12,2669 0,198985 0,104930
146 13,8960 11,5300 0,029915 0,148865
147 14,0545 7,7987 0,025554 0,108851
148 13,0297 11,5674 0,063327 0,146725
149 9,1534 12,9276 0,182376 0,068328
150 8,9730 13,3969 0,174832 0,047150
151 11,3316 0,159818
152 6,9499 0,062349
153 8,2933 0,138597
154 10,8736 0,181321
155 12,5323 0,089489
156 10,5543 0,191956
157 9,9108 0,199273
158 9,7139 0,197440
159 9,9592 0,199430
160 8,0929 0,126599
161 13,5050 0,042950
162 10,5482 0,192116
163 9,7719 0,198179
164 6,3564 0,037949
165 7,5330 0,093217
166 6,3990 0,039439
167 12,8256 0,073527
168 7,7433 0,105538
169 8,8403 0,168604
170 7,5630 0,094943
171 9,9108 0,199273
172 11,7580 0,135550
173 7,4829 0,090349
174 11,0494 0,173821
175 10,4494 0,194499
176 13,5710 0,040514
177 11,2490 0,164133
178 7,3222 0,081398
179 9,3050 0,187784
180 9,5471 0,194423
181 9,4974 0,193270
182 13,1369 0,058303
183 6,5338 0,044425
184 4,6289 0,005417
185 10,9899 0,176476
186 8,2797 0,137789
187 7,8849 0,114028
188 8,8981 0,171384
189 8,4896 0,149980
190 8,2358 0,135180
191 10,4636 0,194185
192 11,1885 0,167186
193 5,8450 0,023051
194 9,7112 0,197402
195 6,7942 0,055201
196 11,3565 0,158486
197 7,7636 0,106750
198 11,9196 0,125849
199 11,7786 0,134324
200 11,0425 0,174134
201 11,2533 0,163909
202 11,3494 0,158868
203 7,1654 0,073063
204 9,4468 0,191986
205 8,7834 0,165779
206 8,4220 0,146119
207 11,0261 0,174871
208 7,2791 0,079065
209 11,5079 0,150125
210 10,4606 0,194251
211 9,2635 0,186393
212 12,5600 0,087926
213 10,6538 0,189094
214 11,2153 0,165845
215 9,3584 0,189467
216 7,8371 0,111151
217 10,8848 0,180877
218 12,3211 0,101720
219 13,6281 0,038485
220 11,2027 0,166477
221 6,6493 0,049024
222 11,2666 0,163224
223 10,2986 0,197261
224 10,8561 0,182007
225 11,2635 0,163386
226 10,3641 0,196194
227 10,2713 0,197644
228 9,1711 0,183055
229 11,9184 0,125917
230 6,9845 0,064006
231 10,7100 0,187291
232 9,9785 0,199460
233 8,6334 0,157940
234 10,1291 0,199056
235 9,5439 0,194352
236 9,9369 0,199372
237 11,1569 0,168740
238 7,0718 0,068299
239 9,1879 0,183685
240 10,0106 0,199468
241 8,4558 0,148058
242 11,8370 0,130824
243 10,1591 0,198841
244 10,8679 0,181546
245 10,3061 0,197148
246 9,7499 0,197917
247 6,5852 0,046437
248 8,4018 0,144950
249 11,0557 0,173533
250 13,0293 0,063344
251 9,2555 0,186119
252 10,7891 0,184535
253 14,9337 0,009516
254 9,8742 0,199077
255 10,1331 0,199030
256 9,4925 0,193151
257 13,4468 0,045177
258 8,3485 0,141848
259 9,1990 0,184099
260 8,9784 0,175075
261 11,0487 0,173853
262 10,7173 0,187045
263 10,8710 0,181423
264 11,5076 0,150141
265 10,8446 0,182453
266 8,6374 0,158158
267 11,1553 0,168818
268 14,9422 0,009417
269 8,7521 0,164190
270 10,1451 0,198947
271 9,3976 0,190626
272 8,7771 0,165463
273 8,1474 0,129884
274 12,1534 0,111721
275 10,0066 0,199470
276 6,9404 0,061902
277 12,1858 0,109775
278 12,3176 0,101930
279 10,7048 0,187461
280 10,1289 0,199057
281 9,6154 0,195816
282 12,0349 0,118877
283 10,8658 0,181629
284 14,3836 0,018060
285 7,7499 0,105935
286 10,3969 0,195581
287 7,3350 0,082098
288 7,8401 0,111330
289 11,4000 0,156126
290 10,3385 0,196635
291 8,6949 0,161217
292 11,1074 0,171120
293 12,4971 0,091493
294 10,1491 0,198918
295 10,4515 0,194453
296 5,8767 0,023818
297 11,1732 0,167940
298 12,6289 0,084079
299 11,0025 0,175923
300 7,5974 0,096940