Uploaded by talitha.nabila20

Distribusi kontinyu

advertisement
DISTRIBUSI PELUANG
KONTINYU
FAKHRINA FAHMA, STP, MT
Lab. Sistem Kualitas TI – FT UNS
1. Distribusi Normal
Merupakan distribusi yang paling penting dalam
bidang statistika
 Grafiknya, yang disebut kurva normal, adalah
kurva yang berbentuk genta.


DEFINISI Kurva Normal. Bila X adalah suatu
peubah acak normal dengan nilai rataan  dan
ragam 2 maka persamaan kurva normalnya
adalah

Dimana  = 3.14159... dan e = 2.71828...
Suatu peubah acak kontinu X yang
memiliki distribusi berbentuk genta
disebut peubah acak normal.
 Persamaan matematik bagi distribusi
peluang var. random normal ini
bergantung pada dua parameter  dan .
yaitu nilai rataan dan simpangan bakunya.
 dilambangkan dalam nilai nilai fungsi
kepekatan bagi X ini dengan n(x; ,  ).

Gambar 2. Dua kurva Normal dengan 1 ≠ 2
tetapi 1 = 2
Gambar 3. Dua kurva normal dengan 1 = 2
tetapi 1 < 2
Gambar 4. Dua kurva normal dengan 1 ≠ 2
tetapi 1 < 2
sifat-sifat kurva normal berikut ini:
1. Modusnya, yaitu titik pada sumbu mendatar
yang membuat fungsi mencapai maksimum,
terjadi pada x = 
2. Kurvanya setangkup terhadap suatu garis tegak
yang melalui nilai rataan 
3. Kurva ini mendekati sumbu mendatar secara
asimtotik dalam kedua arah bila kita semakin
menjauhi nilai rataannya .
4. Luas daerah yang terletak di bawah kurva tetapi
di atas sumbu mendatar sama dengan 1.
Banyak sekali var. random yang memiliki
distribusi peluang yang dapat dijelaskan secara
sangat memadai oleh kurva normal, asalkan 
dan 2 diketahui.

Luas Daerah di Bawah Kurva Normal

Kurva sembarang distribusi peluang kontinyu atau fungsi
padat dibuat sedemikian rupa sehingga luas daerah di
bawah kurva itu yang dibatasi oleh x =x1 dan x = x2 sama
dengan peluang bahwa var random X mengambil nilai
antara x = x1 dan x = x2

Pada Gb 2 s/d 4 diket kurva normal bergantung
pada nilai rataan dan simpangan baku distribusi
 Dengan demikian luas daerah di bawah
kurva antara nilai x1 dan x2 pastilah bergantung
pula pada  dan .

Untuk mengatasi kesulitan dalam menghitung
integral fungsi kepekatan normal maka dibuat
tabel luas kurva normal tetapi karena tidak
mungkin membuat tabel yang berlainan untuk
setiap  dan   perlu transformasi ke var.
random Z dengan rataan 0 dan variansi 1.
DEFINISI Distribusi Normal Baku
Distribusi var. random normal dengan nilai
tengah nol dan simpangan baku 1 disebut
Distribusi normal baku.
 Bila X berada di antara x = x1 dan x = x2
maka peubah acak Z akan berada di antara
nilai-nilai padanannya


Berarti sekarang kita telah mengurangi
banyaknya tabel luas kurva-normal menjadi
hanya satu, yaitu yang berasal dan sebaran
normal baku.  Tabel L.3 mencantumkan luas
daerah di bawah kurva normal baku yang
merupakan nilai P(Z < z) untuk berbagai nilai z
dari -3.49 sampai 3.49.
Contoh 1 :
Diketahui distribusi normal baku, carilah luas
dibawah kurva yang terletak :
a. Di sebelah kanan z = 1,84
b. Antara z = -1,97 dan z =0,86
Jawab :
Luas di sebelah kanan z = 1,84 adalah 1
dikurangi luas di Tabel A3 di sebelah kiri z =
1,84 yaitu = 1 – 0,9671 = 0,0329
b. Luas antara z = -,197 dan z = 0,86 adalah luas
di sebelah kiri z =0,86 dikurangi luas di sebelah
kiri z = -1,97 yaitu 0,8051-0,0244 = 0,7807
a.
Contoh 1 :
Diket Distribusi normal dengan  = 50 dan = 10,
hitunglah peluang bahwa X mengambil sebuah
nilai antara 45 dan 62.
 Jawab.
Nilai-nilai z padanan x1 = 45 dan x2 = 62 adalah

P(45<X< 62) = P(-0.5 < Z < 1.2)
= P(Z < 1.2) - P(Z <-0.5)
= 0.8849 — 0.3085
= 0.5764
Contoh 2 :


Diket distribusi normal dengan  = 300 dan  = 50,
hitunglah peluang bahwa var random X mengambil
suatu nilai yang lebih besar dari 362
Jawab.
P(X>362) = P (Z >1.24)
=1 - P ( Z <1.24)
=1 - 0.8925
= 0.1075

Contoh 3:

Diket sebuah distribusi normal dengan  = 40
dan = 6. Hitunglah nilai x yang (a) luas
daerah di bawahnya ada 38% dan (b) luas
daerah di atasnya 5%.
a. Dari Tabel A.4
P(Z < -0.31)=0.38
x = (6)(-0.31)+40
= 38.14.
b. nilai z yang luas daerah di sebelah kanannya
sebesar 0.05, atau yang berarti juga luas
daerah di sebelah kirinya 0.95.
Dari Tabel A.4
P(Z < 1.645) = 0.95
Sehingga z = 1.645
x = (6)(1.645) + 40
= 49.87.
Penerapan Distribusi Normal
Contoh 4. Suatu jenis baterai mobil mencapai umur ratarata 3.0 tahun, dengan simpangan baku 0.5 tahun.
Bila umur baterai itu menyebar normal, hitunglah
peluang bahwa sebuah baterai mobil tertentu akan
mencapai umur kurang dari 2.3 tahun.
Dari Tabel A.4
P(X<2.3) = P(Z<-1.4)
= 0.0808
Sebuah perusahaan alat listrik memproduksi bohlam yang
menyebar normal dengan nilai tengah 800 jam dan
simpangan baku 40 jam. Hitunglah peluang sebuah bohiam
hasil produksinya akan mencapai umur antara 778 dan 834
jam
 Jawab.
P(778<X<834)=P(-0.55<Z< 0.85)
= P(Z<0.85) - P(Z<-0.55)
= 0.8023 - 0.2912
= 0.5111.
Contoh
Dalam suatu proses industri, diameter suatu laher
merupakan bagian yang penting. Pembeli
menetapkan ketentuan mengenai diameternya
yaitu 3,0 ± 0,01 cm. Maksudnya bahwa tidak ada
laher yang ukurannya diluar ketentuan ini akan
diterima. Diketahui bahwa dalam proses
pembuatan laher, diameternya berdistribusi
normal dengan rataan 3,0 dan simpangan baku
0,005. Berapa banyak laher yang cacat (tidak
sesuai spesifikasi konsumen) ?
Jawab :
Kesimpulan : rata-rata akan terdapat 4,56% laher
yang cacat (tidak sesuai spesifikasi)
contoh

Suatu alat pengukur dipakai untuk
menolak semua suku cadang yang
ukurannya tidak memenuhi ketentuan
1,50 ± d. Diketahui bahwa pengukuran
tersebut berdistribusi normal dengan
rataan 1,50 dan simpangan baku 0,2.
Tentukan nilai d sehingga ketentuan
tersebut mencakup 95% dari seluruh
pengukuran.
Jawab :
BERSAMBUNG DI BAGIAN 2.....
TERIMA KASIH
Download