STATISTIK DAN PROBABILITAS

1. Distribusi Normal

Definisi :
Distribusi normal berupa kurva berbentuk lonceng setangkup yang melebar
tak berhingga pada kedua arah positif dan negatifnya. Penggunaanya sama dengan
penggunaan kurva distribusi lainnya. Frekuensi relatif suatu variabel yang
mengambil nilai antara dua titik pada sumbu datar. Tidak semua distribusi
berbentuk lonceng setangkup merupakan distribusi normal.
Teori :
Pada tahun 1733 DeMoivre menemukan persamaan matematika kurva normal
yang menjadi dasar banyak teori statistika induktif. Distribusi normal sering pula
disebut Distribusi Gauss untuk menghormati Gauss (1777 1855), yang juga
menemukan persamaannya waktu meneliti galat dalam pengukuran yang
berulang-ulang mengenai bahan yang sama.

Sifat dari variabel kontinu berbeda dengan variabel diskrit. Variabel kontinu
mencakup semua bilangan, baik utuh maupun pecahan. Oleh karenanya tidak bisa
dipisahkan satu nilai dengan nilai yang lain. Itulah sebabnya fungsi variabel
random kontinu sering disebut fungsi kepadatan, karena tidak ada ruang kosong
diantara dua nilai tertentu. Dengan kata lain sesungguhnya keberadaan satu buah
angka dalam variabel kontinu jika ditinjau dari seluruh nilai adalah sangat kecil,
bahkan mendekati nol. Karena itu tidak bisa dicari probabilitas satu buah nilai
dalam variabel kontinu, tetapi yang dapat dilakukan adalah mencari probabilitas
diantara dua buah nilai.

Distribusi kontinu mempunyai fungsi matematis tertentu. Jika fungsi
matematis tersebut digambar, maka akan terbentuk kurva kepadatan dengan sifat
sebagai berikut:
1. Probabilitas nilai x dalam variabel tersebut terletak dalam rentang antara 0 dan
1
2. Probabilitas total dari semua nilai x adalah sama dengan satu (sama dengan luas
daerah di bawah kurva)

Fungsi kepadatan merupakan dasar untuk mencari nilai probabilitas di antara
dua nilai variabel. Probabilitas di antara dua nilai adalah luas daerah di bawah
kurva di antara dua nilai dibandingkan dengan luas daerah total di bawah kurva.
Dapat dicari luas daerah tersebut dengan menggunakan integral tertentu (definit
integral).

Persamaan matematika distribusi peluang peubah normal kontinu bergantung
pada dua parameter dan yaitu rataan dan simpangan baku. Jadi fungsi padat x
akan dinyatakan dengan n (x; , ). Begitu dan diketahui maka seluruh kurva
normal diketahui. Sebagai contoh, bila = 50 dan = 5, maka ordinat n(x ; 50, 5)
dapat dengan mudah dihitung untuk berbagai harga x dan kurvanya dapat
digambarkan. Kedua kurva bentuknya.Dengan memeriksa turunan pertama dan
kedua dari n(x ; , ) dapat diperoleh lima sifat kurva normal berikut :

1. Modus, titik pada sumbu datar yang memberikan maksimum kurva, terdapat
pada x =
2. Kurva setangkup terhadap garis tegak yang melalui rataan
3. Kurva mempunyai titik belok pada x = , cekung dari bawah bila <
x < + , dan cekung dari atas untuk harga x lainnya
4. Kedua ujung kurva normal mendekati asimtot sumbu datar bila harga x
bergerak menjauhi baik ke kiri maupun ke kanan
5. Seluruh luas di bawah kurva diatas sumbu datar sama dengan 1

Bila x menyatakan peubah acak distribusi maka P(x1 < x < x2) diberikan oleh
daerah yang diarsir dengan garis yang turun dari kiri ke kanan. Jelas bahwa kedua
daerah yang diarsir berlainan luasnya. Jadi, peluang yang berpadanan dengan
masing-masing distribusi akan berlainan pula .








Persamaan-Persamaan :



Tabel Distribusi Normal Standard (lanjutan)

z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.1 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.2 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
0.4 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.5 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.7 0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7823 0.7852
0.8 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389
1.0 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
1.5 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441

t

u = s =
}
2
2
1
( ) ( )
2
t
z
z P Z z e dt
0 z
Luas daerah arsiran:







2. Distribusi Binomial

Definisi :
Distribusi binomial berasal dari percobaan binomial yaitu suatu proses
Bernoulli yang diulang sebanyak n kali dan saling bebas.
Teori :

Distribusi Binomial merupakan distribusi peubah acak diskrit. Secara
langsung, percobaan binomial memiliki ciri-ciri sebagai berikut:
percobaan tersebut dilakukan berulang-ulang sebanyak n kali
setiap percobaan menghasilkan keluaran yang dapat dikategorikan
sebagai gagal dan sukses
probabilitas sukses p tetap konstan dari satu percobaan ke percobaan
lain
percobaan yang berulang adalah saling bebas


Ruang sampel A untuk percobaan E yang terdiri dari himpunan tak
hingga tetapi masih terhitung dari titik titik sampel:
Jika S = Sukses dan G = Gagal
E1: S (sukses pada percobaan pertama)
E2: GS (gagal pada percobaan pertama dan sukses pada percobaan kedua)
E3: SG (sukses pada percobaan pertama, gagal pada percobaan kedua)
E4: GGS (gagal pada percobaan 1 dan 2, sukses pada percobaan ketiga)
E5: GSG (gagal pada percobaan 1 dan 3, sukses pada percobaan kedua)
E6: SGG (gagal pada percobaan 2 dan 3, sukses pada percobaan pertama)
.
.
.
E
n
: SSSS GGGG ( sukses sebanyak x kali, gagal sebanyak n x kali )


,
:
( )
( )
( ) 1
x x
x x
x
x x
x x x x
x
x x x x
x
x x
x
Jika X terdistribusi normal dengan mean dan deviasi standard
maka
a a
P X a P Z
a b b a
P a X b P Z
b b
P X b P Z P Z
o

o o

o o o o

o
| | | |
s = s = u
| |
\ . \ .
| | | | | |
s s = s s = u u
| | |
\ . \ . \ .
| |
> = > = s
|
\ .
1
x x
x x
a
o o
| | | |
= u
| |
\ . \ .


n (n-x)
Syarat :
1. Jumlah percobaan n adalah konstanta yg telah ditentukn sebelumnya
2. Setiap pengulangan eksperimen (percobaan/trial), hanya menghasilkan
satu dari dua keluaran yg mungkin, sukses atau gagal
3. Prob. sukses p, prob. gagal q = 1 p, selalu konstan dlm setiap percobaan
4. Setiap pecobaan selalu bebas scr statistik (keluaran suatu percobaan tidak
berpengaruh pd keluran percobaan lainnya

Persamaan Persamaan :
Jika var. acak X menyatakan banyaknya x sukses yg tjd. pd n percobaan dpt.
dibentuk suatu distr. prob. binomial dg fungsi prob. :
x = 0, 1, 2, , n
n = 1, 2, 3,
0 p 1
Fungsi Distribusi Kumulatif :

x = 0, 1, 2, , n
k = 1, 2, 3,
0 p 1

Mean (Nilai Harapan) :

Varians :

Kemencengan (skewness) :


x n x
x n
x n x
x n b
q p C p p C p n x p

= = ) 1 ( ) , ; (


= =
= = =
k n k
k n
k n k
x
k
k n b
x
k
b
q p C p p C p n k p p n x F ) 1 ( ) , ; ( ) , ; (
0 0
np X E
x
= = ) (
npq p np
x
= = ) 1 (
2
o
n nq
p
np
q
n p n
p
np
p 2 2
) 1 (
) 1 (
2
3 1
+ =

= =o |
Keruncingan (kurtosis) :


3. Analisa Regresi
Definisi :
Persamaan matematik yang memungkinkan peramalan nilai suatu
peubah takbebas (dependent variable) dari nilai peubah bebas (independent
variable).

Teori :
Diagram yang menggambarkan nilai-nilai observasi peubah takbebas dan
peubah bebas.
Nilai peubah bebas ditulis pada sumbu X (sumbu horizontal)
Nilai peubah takbebas ditulis pada sumbu Y (sumbu vertikal)

Nilai peubah takbebas ditentukan oleh nilai peubah bebas.
Jenis-jenis Persamaan Regresi :
a. Regresi Linier : - Regresi Linier Sederhana
- Regresi Linier Berganda

b. Regresi Nonlinier : - Regresi Eksponensial

Regresi Linier
- Bentuk Umum Regresi Linier Sederhana
Y = a + bX
Y : peubah takbebas
X : peubah bebas
a : konstanta
b : kemiringan
- Bentuk Umum Regresi Linier Berganda

Y = a + b
1
X
1
+ b
2
X
2
+ ...+ b
n
X
n


Y : peubah takbebas a : konstanta
X
1
: peubah bebas ke-1 b
1
: kemiringan ke-1
X
2
: peubah bebas ke-2 b
2
: kemiringan ke-2
X
n
: peubah bebas ke-n b
n
: kemiringan ke-n

Regresi Non Linier

- Bentuk umum Regresi Eksponensial
3
6 1
3
) 1 (
) 1 ( 6 1
4 2
+

= +

= =
npq
pq
p np
p p
o |

Y = ab
x


log Y = log a + (log b) x

Persamaan-Persamaan :

Metode Kuadrat terkecil (least square method): metode paling populer
untuk menetapkan persamaan regresi linier sederhana - Bentuk Umum Regresi
Linier Sederhana :
Y = a + bX
Y : peubah takbebas X : peubah bebas
a : konstanta b : kemiringan







Nilai b dapat positif (+) dapat negatif (-)



Penetapan Persamaan Regresi Linier Sederhana :




n : banyak pasangan data
y
i
: nilai peubah takbebas Y ke-i
x
i
: nilai peubah bebas X ke-i