DISTRIBUSI PROBABILITAS KONTINYU

Pengantar:
Dalam pokok bahasan disini memuat beberapa distribusi
kontinyu yang sangat penting di bidang staistika. diantaranya
distribusi normal, distribusi gamma dan eksponensial, distribusi chikuadrat dan distribusi weibull. Distribusi-distribusi ini yang sangat
berperan pada statistik inferensial yaitu dalam pengujian hipotesis,
pengujian panjang umur (life testing) dan sebagianya
Disini setiap distribusi tersebut diatas telah dibuat grafiknya
menggunakan software R. Selain digunakan membuat grafik fungsi,
nilai-ilai yang biasanya dicari di tabel, disini diberikan cara
penggunaan program R dalam menenukan distribusi probabilitasnya.

6.1 Distribusi Normal

Distribusi probailitas kontinyu yang terpenting di bidang statistik
adalah distribusi Normal. Grafiknya disebut kurva normal, berbentuk
lonceng seperti gambar 6.1. Distribusi ini ditemukan Karl Friedrich
(1777-1855) yang juga disebut distribusi Gauss. Perubah acak X
yang bentuknya seperti lonceng disebut perubah acak normal dengan
persamaan matematik distribusi probabilitas yang bergantung
paramerter
(mean)
dan (simpangan baku)

n(x; , )
dinyatakan

Pada gambar (6.2) melukiskan dua kurva normal dengan simpangan

baku yang sama tapi rata-rata berbeda, gambar 6.3 melukiskan
beberapa kurva yang mempunyai mean sama tetapi standart deviasi
bebeda. Gambar 6.4 mellukiskan kurva normal dengan mean dan
standart deviasi yang berbeda.
3

0.4
0.3
0.2
0.1
0.0

dnorm(x)

-4

-2

Ganbar 6.1 Kurva normal

4

0.3

1 2
0.2

12 22 1

0.0

0.1

dnorm(x, 5, 1)

0.4

0.5

Distribusi Normal

10

Ganbar 6.2 Kurva normal dengan simpangan baku sama

5

1.0

1 0,12 0.25

0.5

2 0, 22 0.5
3 0, 32 0.75
4 0, 42 1
0.0

dnorm(x, 0, 0.25)

1.5

Distribusi Normal

-4

-2

Ganbar 6.3 Kurva normal dengan rata-rata sama

6

0.8
0.4

2 2, 2 1

0.0

0.2

dnorm(x, 1, 0.5)

0.6

1 1,1 0.5

-6

-4

-2

Ganbar 6.4 Kurva normal dengan mean dan standart deviasi

yang berbeda
7

Fungsi padat perubah acak normal X, dengan rata-rata

dan variansi 2 dinyatakan sebagai:
n(x; , )

1
2

x 2
( 1 )(
)
2

e
; x

dengan 3,14159.... dan e 2, 71828....

Begitu dan 2 diketahui, maka kurva normal dapat ditentukan.
Misal:
50; 5
maka ordinat
Sifat-sifat Kurva Normal

n(x; 50, 5)
dengan mudah dapat dihitung.

1. Modus (nilai x maksimun) terletak di x

2. Simetris terhadap sumbu vertikal melalui
3. Mempunyai titik belok pada x
4. Memotong sumbu mendatar secara asimtotis.
5. Luas daerah dibawah kurva dg sumbu mendatar sama dg 1
8

6.2. Luas daerah di bawah kurva Normal

Luas daerah kurva normal antara x = a dan x = b dinyatakan sbb:
b

P(a x b) f(x)dx

2
2

0 .2
0 .0

0 .1

d n o rm (x )

0 .3

0 .4

x

2dx

1
2

-4

-2

0
x

Ganbar 6.5 Luas daerah P(a<x<b)= luas daerah di arsir

9

 Untuk mengatasi kesulitan menghitung integral.

Gunakan tabel distribusi normal standart (Z) yaitu distribusi normal
dengan 0 dan 2 1
Caranya menggunakan transformasi dengan rumus z x

Setiap pengamatan perubah acak X dapat ditransformasikan ke

perubah acak Z dengan rata-rata 0 dan variansi 1.
Jika X mendapat nilai padananya diberikan oleh z x . Jadi jika X

bernilai x x1 dan x x maka perubah acak Z akan bernilai z1 x1

2

x2
dan z 2
kemudian dinyatakan sebagai:

P(x1 x x 2 )

2 2 x
1

z2

x2

2
x
1

2
dx
e

z2

2 2 z
1

2
1 z
e 2
dx

n(z, 0,1) dx P(z1 z z2 )

z1

10

0 .5
0 .4
0 .3
0 .2
0 .0

0 .1

d n o rm (x , 1 , 0 .7 5 )

-4

-2

X1

x2

Ganbar 6.6 P(x1<x<x2) untuk kurva normal yang berbeda

11

Definisi (6.1)
Distribusi perubah acak normal dengan rata-rata nol dan variansi 1
disebut distribusi normal baku
0.4
0.3
0.1

0.2

dnorm(x, 0, 1)

0.4
0.2

0.0

0.0

dnorm(x, -1, 0.5)

0.6

0.8

-4

-3

-2

x1

-1

x2

-4

-2

z1

0
z

z2

P(z1 z z 2 )

P(x1 x x 2 )

Ganbar 6.7 Distribusi normal asli dan yang telah ditransformasikan

P(x1 x x 2 ) P(z1 x z 2 )
12

Contoh 6.1
Diketahui suatu distribusi normal dengan 50 dan 10
Carilah probabilitas bahawa X mendapat ilai antara 45 dan 62

Jawab:
Dicari nilai z yang berpadaan dengan x1 45 dan x 2 62 adalah
62 50 1.2
z1 4550 0.5 dan z 2
10

10

P( 45 x 62) P( 0, 5 z 1.2)

0 .0 0

0.0

0 .0 1

0.1

0 .0 2

0.2

0 .0 3

0.3

0.4

0 .0 4

Jadi:

20

40

60

P( 45 x 62)

80

100

-4

-2

P( 0, 5 z 1.2)

Ganbar 6.7 Luas daerah contoh 6.1

13

6.3 Distribusi Gamma dan Eksponensial

Distribusi gamma dan eksponensial memaikan peran yang sangat
penting di bidang teori antrian dan teori keandalan (reliabilitas).
Distribusi Eksponensial merupakan keadaan khusus dari distribusi
gamma. Distribusi gamma mendapat namanya dari fungsi gamma yang
sudah dikenal luas.

Definisi (6.2):
Fungsi gamma didefinisikan sebagai:
1

( ) x 1e x dx ; untuk 0
0

Untuk

1 (1)

e x dx e x

Jadi (1) 1
14

Jika di integralkan per bagian (parsial) dengan x 1 dan dv e x dx

Diperoleh

u x 1 du ( 1)x 2dx
v e x dv e x dx

Maka
( )

1e x dx u dv uv v du
x

x
x
e

x ( 1)x 2dx
e

( 1) e x x 2dx ; untuk 1
0 44 2 4 43
1
( 1)

Jadi diperoleh ( ) ( 1)( 1)

15

Dengan formula (rumus) berulang diperoleh

( ) ( 1)( 1) ( 1)

( 1)
14 2 43

( 2)( 2)

( 1)( 2)( 2) ( 1)( 2) ( 2)

14 2 43

( 3)( 3)

( 1)( 2)( 3)( 3)

:
: dan seterusnya
Jika n dengan bilangan n bulat positif, maka

(n) (n 1)(n 2)(n 3).........1.(1) ;karena (1) 1

(n) (n 1)(n 2)(n 3).........1 (n 1)!
atau
(n) (n 1)!
16

Sifat penting fungsi Gamma adalah ( 12 )

Bukti:

1e x dx ; untuk 0

x
Dari definisi

1
x
1
1
Untuk 2 ( 2 ) x 2 e dx
0
2

Menggunakan substitusi: x u dx 2udu

Diperoleh:

( 1 )
2

2
2

u
u e
2udu 2 e
du

( 1 )
2

2
0

eu du

2 e
0

2
v

0 0

dv 4

2 v2 ]

[u
e
dudv

Dengan merubah sistem koordinatnya ke polar koordinat ( , ) dengan

u cos dan v sin

persamaan diatas menjadi:

17

( 1 )
2

[ 2 cos2 2 sin2 ]

d d

0 0

2
2
2

[cos

sin
] d d
e

0 0

e
d d

0 0

Jadi

2
2

1
1
( ) 4
e
d 2
d 2 0 2
2
2
0
0
0

( 1 )
2

atau ( 1 )
2

18

Definisi (6.3):
Perubah acak kontinu X berdistribusi gamma dengan parameter

dan , jika fungsi padatnya berbentuk:

f(x) ( )

x
x 1e

; x0
; x yanglain

dengan 0 dan 0
Grafik beberapa distribusi gamma dipelihatkan pada gambar 6.8, untuk

beberapa nilai parameter

dan

Distribusi gamma yang khusus dengan

disebut distribusi
1
Eksponensial, dan grafik distribusi gamma dengan
dan
beberapa nilai

dipelihatkan pada gambar 6.9

19

1.0

1.2

Distribusi Gamma

0.6
0.4
0.2

2, 1

3, 1

0.0

f(x)

0.8

1, 1

10

Gmbar 6.8 Distribusi Gamma

20

Gmbar 6.9 Distribusi Eksponensial

(Distribusi Gamma dengan 1 )

21

Definisi (6.4):
Perubah acak kontinu X terdistribusi eksponensial dengan
parameter, , jika fungsi padatnya berbentuk:

1e

f(x)

; x0
; x yanglain

dengan 0

Teorema 6.1:
Rata-rata dan variansi distribusi gamma adalah

dan 2 2

Akibat (1):
Rata-rata dan variansi distribusi eksponensial adalah

dan 2 2
22

Contoh 6.2
Suatu sistem memuat sejenis komponen yang mempunyai daya
tahan pertahun dinyatakan oleh perubah acak T yang berdistribusi
eksponensial dengan parameter waktu rata-rata sampai gagal 5
Bila sebanyak 5 komponen tersebut dipasangkan dalam sistem yang
berlainan, berapa pobabilitas bahwa paing sedikit 2 masih akan
berfungsi pada akir tahun ke delapan.

Jawab:
Probabilitas bahwa suatu komponen tertentu masih akan berfungsi
setelah 8 tahun adalah:

t
8
P(T 8) 1 e 5 dt e 5
5
8

0, 2
23

Contoh 6.3
Hubungan saluran telepon tiba i suatu gardu (sentral) memrnuhi
proses poisson dengan rata-rata 5 hubungan yang masuk per menit.
Berapa probabilitasnya bahwa setelah semenit berlalu baru 2
sambungan telepon masuk ke gardu tadi

Jawab:
Proses poisson berlaku denganwaktu sampai kejadian poisson
1 dan 2
5
memenui distribusi gamma dengan parameter
Misalkan X perubah acak yang menyatakan waktu dalam menit yang
berlalu sebelum 2 hubungan masuk,probabilitasnya adalah:
x

P(X x)

x
1 xe dx

P(X 1) 25 xe 5x dx [1 e5(1) (1 5)] 0, 96

0

24

6.4 Distribusi Chi-

kuadrat
Hal khusus lainya yang sangat penting dari distribusi gamma
adalah dengan mengambil v dan 2 ;v bilangan bulat positif
2

Hasilnya disebut distribusi chi-kuadrat, dan v disebut derajad bebas

Definisi (6.4):
Perubah acak kontinu X terdistribusi chi-kuadrat dengan derajad
bebas v, jika fungsi padatnya berbentuk:

v 1 x
x2 e 2

; x0
f(x) 2v / 2 (v / 2)

0
; x yanglain

dengan v bilangan bulat positif

Akibat (2):
Rata-rata dan variansi distribusi chi-kuadrat adalah

v dan 2 2v
25

0.4

0.5

Distribusi Chi-square

0.3

df 2

0.2

df 3
df 4

0.0

0.1

df 5

10

Gambar 6.10 Distribusi Chi- Kuadrat

26

6.5 Distribusi

Weibull
Distribusi Weibull ini diperkenalkan oleh ahli fisikawan swedia
Waloddi Weibull pada tahun 1939. Grafik distribusi weibll untuk 1
dan berbagai nilai parameter dilukiskan pada gambar 6.11

Definisi (6.5):

Perubah acak kontinyu X terdistribusi Weibull dengan parameter

dan

, jika fungsi padatnya berbentuk:

x 1e x ; x 0
f(x)
; x yanglain
0

dengan 0 dan 0

Jika
Jika

1
1

maka distribusi weibull menjadi distribusi eksponensial.

maka kurvanya mirip lonceng dan menyerupai kurva

normal tetapi agak mencong.

27

2.0

Distribusi Weibull

1, 3

1, 1

0.5

1.0

1, 2

0.0

f(x)

1.5

1, 5

0.0

0.5

1.0

1.5

2.0

2.5

Gambar 6.11 Distribusi Weibull

28

Teorema .6.2:
Rata-rata dan variansi distribusi Weibull adalah

1 / (1 1 )

2 2 /

2
1
(1 ) (1 )

Seperti distribusi gamma dan eksponensial, distribusi weibull

juga dipakai pada persoalan keandalan dan pengujian panjang umur
seperti waktu sapai rusak (panjang umur) suatu komponen, diukur
dari suatu waktu tertentu sampai rusak.

29