Distribusi Normal

Topik : Pentingnya distribusi normal Ciri-ciri distribusi normal Penggunaan tabel distribusi normal Aplikasi Distribusi Normal

 Pendahuluan: Fenomena : pengukuran yang berulang akan menghasilkan nilai yg berbeda-beda Nilai mana yg dianggap tepat? Karl Fred.Gauss : hasil pengukuran ulang yang sering terjadi adalah nilai rata-rata dan penyimpangan ke kanan dan ke kiri, makin jauh dari rata-rata, makin jarang terjadi dan pada akhirnya membentuk kurva yang sama dimana central tendensinya pada satu garis

 Distribusi normal = Distribusi Gauss Merupakan distribusi teoritis dari data kontinu Penting ok: sesuai dgn distribusi frek.empiris untuk pengambilan kesimpulan dr hasil sampel

7-10

Areas Under the Normal Curve

r a l i t r b u i o n : = 0 , = 1
0 . 4

s2

. 3

Between: 1.68.26% 2.95.44% 3.99.74%

. 2

f ( x

. 1

. 0

m - 2s
m - 3s m - 1s
x

m + 2s
m + 1s

m + 3s
The McGraw-Hill Companies, Inc., 1999

Irwin/McGra w-Hill

Ciri-ciri distribusi normal

disusun dr var. random kontinu, uni modal, (kurvanya hanya memiliki satu puncak) simetris, btk lonceng, mean-median-mod terletak dalam satu titik, kurva normal dgn N tak terhingga, Grafik mendekati sumbu X pada penyimpangan 3 SD ke kanan dan ke kiri dari rata-rata. total daerah di bawah kurva nilai adalah satu.

The Normal Distribution

Bell Shaped

Symmetrical
Mean, Median and Mode are Equal Random Variable has Infinite Range

f(X)

Mean Median Mode

 Dalam praktek: ditulis dalam bentuk skor standar mean ()=0 dan standar deviasi () = 1 Formula:A. cara ordinat dan B. cara luas

Mean Median Mode

A. tinggi kurva y untuk setiap nilai X y= 1 e1/2 [(x) o- (m)]2 V2 B z = variasi nilai dalam unit standar deviasi sepanjang garis di bawah kurva z = (X- )

Distribusi
Standard Normal Bell-Shaped
Symmetric Fatter Tails t (df = 5) t (df = 13)

Z t

7-10

Areas Under the Normal Curve

r a l i t r b u i o n : = 0 , = 1
0 . 4

s2

. 3

Between: 1.68.26% 2.95.44% 3.99.74%

. 2

f ( x

. 1

. 0

m - 2s
m - 3s m - 1s
x

m + 2s
m + 1s

m + 3s
The McGraw-Hill Companies, Inc., 1999

Irwin/McGra w-Hill

Tabel distribusi normal:

yi tabel utk menghitung luas daerah di bawah kurva pada setiap z luas daerah di bawah kurva adalah 1, luas dr grs tengah pada titik nol ke kiri maupun ke kanan adalah 0,5

Tabel distribusi normal:

Z ,00 ,01 ,02 ..,06 .,08 ,09

0,0 ,000 ,0239 0,1 1,6 ... ,4474 .. 1,9 ,4750 .. 2,5..,4951

Tabel distribusi normal:

Contoh 1: Luas daerah Z = 0 dan Z = 1? yi dengan mencari angka 1 pada kolom bawah dan angka 0,00 pada kolom atas : 0,3413

Tabel distribusi normal:

Z ,00 ,01 ,02 ..,06 .,08 ,09

0,0 ,000 ,0239 0,1 1,6 ... ,4474 .1.0,3413 1,9 ,4750 .. 2,5..,4951

 Contoh 2 : Za = 1,96 dan Zb = -1,96. Luas daerah ? Cara : cari angka 1,9 pada kolom bawah dan 0,06 pada kolom atas Z---> luas daerah satu bagian(kanan) : 0,4750. Luas bagian kiri 0,4750 sehingga luas seluruh bagian : 0,95

 Contoh 3 : Tentukan luas antara Za = 1,64 dan Zb = 1,96 Za = 1,64 ---- 0,4495 Zb = 1,96 ---- 0,4750 Jadi luas antara : 0,4750-0,4495 = 0.0255

 Soal : 1 Tentukan luas daerah kurva, bila nilai Z = 0.8 2 Tentukan luas daerah kurva, bila nilai Z > 1, 3. Tentukan luas daerah kurva, bila nilai Z < 1,88

7-13

t r

EXAMPLE 3
b u i o n : m =

. 4

. 3

P(0<Z<.8) =.2881

. 2

f ( x

0<X<.8
0 . 1

. 0

-4
Irwin/McGra w-Hill

-3

-2 -1

The McGraw-Hill Companies, Inc., 1999

7-13

t r

EXAMPLE 3
b u i o n : m =

. 4

. 3

P(0<Z<.8) =.2881

. 2

f ( x

0<X<.8
0 . 1

. 0

-4 -3 -2 -1 0
x

1 2 3

Irwin/McGra w-Hill

The McGraw-Hill Companies, Inc., 1999

7-24

t r

EXAMPLE 6

i o

s2

. 4

. 3

P(Z=1.88) .5+.4699 =.9699

. 2

f ( x

. 1

Z=1.88

. 0

0
Irwin/McGra w-Hill

The McGraw-Hill Companies, Inc., 1999

Distribusi Normal
B Cara luas kurva Setiap penyimpangan rata-rata dapat ditentukan persentase thd seluruh luas kurva. Penyimpangan 1 SD merupakan 68,26% penyimpangan 2 SD merupakan 95,5% penyimpangan 3 SD merupakan 99,7% Contoh : A : = 50, o = 20 B : = 200 o = 10

7-10

Areas Under the Normal Curve

r a l i t r b u i o n : = 0 , = 1
0 . 4

s2

. 3

Between: 1.68.26% 2.95.44% 3.99.74%

. 2

f ( x

. 1

. 0

m - 2s
m - 3s m - 1s
x

m + 2s
m + 1s

m + 3s
The McGraw-Hill Companies, Inc., 1999

Irwin/McGra w-Hill

Transformasi kurva distrib. normal

Dibentuk suatu kurva normal sebagai standar yang disebut kurva normal standar Transformasi rumus : Z = X- X = nilai var random = rata-rata distribusi = simpangan baku Z = nilai standar

Aplikasi distribusi normal

Contoh : diketahui mean (rata-rata) TB laki-laki atau = 160 cm dan standar deviasi = 5 cm. Jlh populasi=100 Pertanyaan: a. Berapa proporsi laki-laki dengan tinggi badan < 170 cm? b. Berapa proporsi laki-laki dengan TB 165-170? c. Berapa nilai Z dan proporsi pada laki-laki dengan tinggi badan antara 155 cm dan 167 d. berapa jlh laki-laki dengan TB .155- 167

Distribusi sampling
Distribusi dari mean-mean sampel yang diambil secara berulang kali dari suatu populasi. Ukuran untuk sampel dan populasi sampel statistik X s n populasi parameter Miu Tho N

nilai mean Standar Dev Jumlah unit

Distribusi sampling
Populasi X1,X2,..Xn (mean) / (sd)

sampel 1 sampel 2 sampel 3 xi.xn xi..xn xixn x1 x2 x3 X (rata-rata) Distribusi sampling

= x (rata-rata) SE= / n

Distribusi sampling
Distribusi sampling = central limit teorem 1. Bila sampel random
dengan n (jlh sampel) diambil dr suatu populasi, maka mean dari distribusi sampling = mean populasi (), standar deviasi distribusi sampling = / n dikenal SE (standar error)

Distribusi sampling

2. Bila populasi berdistribusi normal, maka distribusi sampling mean (X) akan berdistribusi normal shg berlaku sifat Z = (X- )/ SE

Distribusi sampling
3. Walaupun populasi berdistribusi sembarang (tidak normal), kalau diambil sampel berulang kali secara random, maka distribusi harga mean akan berbentuk distribusi normal. Contoh: Populasi penderita penyakit X jlh 5 orang masa inkubasi rata-rata( )= 6 hari, standar deviasi () = 3,29 hari diambil sampel dengan besar n=2 hasil rata-rata (X) = 6, SE = / n = 2,32

Distribusi sampling
Contoh:
Populasi penderita penyakit X jlh 5 orang masa inkubasi rata-rata( )= 6 hari, standar deviasi () = 3,29 hari diambil sampel dengan besar n=2 hasil rata-rata (X) = 6, SE = / n = 2,32

Latihan
Diketahui bahwa berat bayi lahir aterm terletak antara 2500 gr dan 4000 gr. Jumlah bayi yang dilahirkan adalah 1000, rata-rata 3000 gr dan Sd 500 gr A. Berapa persen bayio dengan BBL > 4500 B. Berapa jumlah bayi dengan BBL antara 2500 dan 3500 gr