Anda di halaman 1dari 21

Distribusi Probabilitas Uniform

f y
b a
jika a y b
( ) =

s s

1
0
=
+ a b
2
o
2
2
12
=
( ) b a
Distribusi Probabilitas Normal
f y e
y
( )
( ) /( )
=

1
2
2 2
2
o t
o
, - < y <
Teorema :
Jika y adalah variabel random normal dengan
rata-rata dan variansi o
2
, maka

adalah variabel random normal dengan rata-
rata 0 dan variansi 1. Variabel random z tersebut
disebut variabel normal standard.

y
z

=
Metode untuk menguji Normalitas
Penentuan apakah data merupakan pendekatan
distribusi normal

1. Buatlah salah satu histogram frekuensi relatif atau tampilan
stem and leaf data. Jika data mendekati normal, maka bentuk
dari grafik akan sesuai dengan kurva normal.
2. Dapatkan kisaran interquartile, IQR dan deviasi standard, s,
untuk sampel tersebut, kemudian hitung rasio IQR/s. Jika data
mendekati normal, maka IQR/s ~ 1.3
3. Dibuat plot probabilitas normal dari data. Jika data mendekati
normal, titik-titiknya akan jatuh mendekati garis lurus.
Membuat Plot Probabilitas Normal dari
sekumpulan data
1. Catat pengamatan kumpulan data sampel
dengan urutan naik, dimana x
i
adalah nilai
urutan ke-i.
2. Untuk masing-masing pengamatan, hitung
daerah akhir dari distribusi normal standard
(z),
25
375
.
.
+

=
n
i
A
n adalah ukuran sampel.
Membuat Plot Probabilitas Normal dari
sekumpulan data
Hitung nilai estimasi yang diharapkan dari x
i
dibawah normal menggunakan persamaan
berikut :

s adalah deviasi standard sampel dan Z(A)
adalah nilai z yang dipotong pada daerah A
pada bagian akhir yang lebih rendah dari
distribusi normal standard.
( )
( ) ( )
| | E x s Z A
i
=
Membuat Plot Probabilitas Normal dari
sekumpulan data





Plot hasil pengamatan x
i
sesuai dengan urutan di
atas pada sumbu vertikal dan nilai estimasi
yang diharapkan, E(x
i
), pada sumbu
horisontal.
Z(A) 0

A
CONTOH :
Deptan telah membuat paten suatu proses yang
menggunakan suatu bakteri untuk menghilangkan rasa pahit
jus jeruk. Secara teori, hampir semua rasa pahit dapat
dihilangkan dengan proses tsb, tetapi utk tujuan praktis
Deptan menginginkan penghilangan 50% rasa pahit tsb. Jubir
deptan mengklaim bahwa persentase rasa pahit yang
dihilangkan dari 8 gelas jus jeruk segar terdistribusi normal
dengan mean 50,1 dan standar deviasi 10,4. Untuk menguji
klaim ini, proses penghilangan rasa pahit diaplikasikan secara
random pada 8 gelas jus jeruk.
Berapakah probabilitas bahwa proses tsb menghilangkan
kurang dari 33,7% rasa pahit ?
Penyelesaian :
y = 33,7 = 50,1 o = 10,4


z = - 1,58
P (y s 33,7) = P (z s - 1,58) = 0,5 0,4429
P = 0,0571


y
z

=
Distribusi Probabilitas Type Gamma
Fungsi Densitas Probabilitas variabel
random type gamma adalah :





Rata-rata dan variansi dari variabel random tipe
gamma, adalah,
= o| o
2
= o|
2
f y
y e
jika y
y
( )
( )
; ;
/
=
s < > >

o |
o
| o
o |
1
0 0 0
0
I


=
0
1
dy e y
y o
o) ( I
Distribusi Probabilitas Chi-Kuadrat
Variabel Random Chi-Kuadrat (_
2
) adalah
variabel random type gamma dengan :
o = v/2 dan | = 2


f c e ( ) ( ) ( )
( / ) /
_ _ _
v _ 2 2 2 1 2 2
2
0 = s <

( )
c =
1
2
2
2
v v /
I
Distribusi Probabilitas Chi-Kuadrat
Rata-rata dan variansi dari variabel random
chi-kuadrat adalah,
= v o
2
= 2v
Parameter v disebut jumlah derajat
kebebasan dari distribusi chi-kuadrat
Distribusi Probabilitas Eksponensial
Distribusi Eksponensial adalah fungsi
densitas gamma dengan o = 1
f y
e
y
y
( ) ( )
/
= s <
|
|
0
dengan rata-rata dan variansi
= | o
2
= |
2
Distribusi Probabilitas Weibull
f y
y e jika y
y
( )
; ;
/
=
s < > >


o
|
o |
o | 1
0 0 0
0
|
o
o
o
=
+
|
\

|
.
|
1
1
/
I
(

|
.
|

\
|
+

|
.
|

\
|
+
=
o
o
o
o
| o
o
1 2
2 2 2
I I
/
Distribusi Probabilitas Type Beta
Fungsi densitas probabilitas dari variabel
random type beta adalah :

( )
( )
f y
y y
B
jika y
( )
,
; ;
=

s s > >


o
|
o |
o |
1
1
1
0 1 0 0
0
( )
( )
( )
( )
B
I I
I
o |
o |
o |
o
|
, ( ) = =
+


}
y y dy
1
0
1
1
1
( ) ( )

o
o |
o
o|
o | o |
=
+
=
+ + +
2
2
1
( )
I a y e dy
a y
=

}
1
0
I(o) = (o - 1)! Jika o adalah bilangan bulat positif
Rumus standar deviasi
Biar makin jelas mari kita berikan contoh kasus secara langsung
saja..
Misalkan data hasil pengamatan dari 10 kali pengambilan data
adalah sebagai berikut.
5; 3; 4; 5; 6; 4; 5; 3; 4; 5
dari rumus tersebut diatas lambang x bar merupakan rata-rata
hasil pengukuran.
Sehingga dari rata rata pengukuran dapat kita hitung yaitu :
rata-rata = (5+3+4+5+6+4+5+3+4+5)/10 = 4.4
Kemudian data yang didapatkan dari pengurangan hasil
pengukuran terhadap rata rata tersebut adalah berturut-turut :
0.6; -1.4; -0.4; 0.6; 1.6; -0.4; 0.6; -1.4; -0.4; 0.6
Dan kuadrat dari data tersebut diatas adalah :
0.36; 1.96; 0.16; 0.36; 2.56; 0.16; 0.36; 1.96; 0.16; 0.36
Jika dijumlahkan mendapatkan nilai sebesar = 8.4, hasil ini dibagi
dengan 9 dimana angkan 9 ini didapatkan dari hasil pengamatan
1 (10 1 = 9)
Sehingga standar deviasi (s) = 0.966092

Fitur penting distribusi students t
Penggunaan statistik t mengasumsikan bahwa
distribusi induk Gaussian
Tingkat dimana distribusi t mendekati
distribusi gaussian tergantung pada N (derajat
kebebasan)
Sebagai N semakin besar (di atas 30 atau
lebih), perbedaan antara t dan z menjadi
diabaikan
Exercise
The mean age of the 20 participants in one
workshop is 27 years, with a standard
deviation of 4 years. Next door, another
workshop has 16 participants with a mean
age of 29 years and standard deviation of 6
years.

Is the second workshop attracting older
technologists?
Solution
First, calculate the t statistic for the two
means:
19 . 1
16
4
20
6
) 27 29 (
) ( ) (
2 2
2
2
2
1
2
1
2 1
2
2
1
1
2 1
=
+

=
+

=
|
|
.
|

\
|
+
|
|
.
|

\
|

=
N
s
N
s
x x
N
s
N
s
x x
t
19 . 1
16
4
20
6
) 27 29 (
) ( ) (
2 2
2
2
2
1
2
1
2 1
2
2
1
1
2 1
=
+

=
+

=
|
|
.
|

\
|
+
|
|
.
|

\
|

=
N
s
N
s
x x
N
s
N
s
x x
t
Solution, cont.
Next, determine the degrees of freedom:
N N N
df
= +
= +
=
1 2
2
16 20 2
34
Statistical Tables
df t
0.050
t
0.025
t
0.010
- - - -
34 1.645 1.960 2.326
- - - -
Conclusion
Karena 1,16 kurang dari 1,64 (nilai t sesuai
dengan batas kepercayaan 90%),
perbedaan antara usia rata-rata untuk
peserta dalam dua workshop tidak
signifikan