Normal Distribution

Distribusi kontinyu mempunyai densitas sbb:

1 x 2
2

1 f ( x) = e 2

dinamakan normal distribution atau Gauss distribution. Variable random yang mempunyai distribusi ini dinamakan normal atau terdistribusi secara normal. Distribusi ini sangat penting sebab banyak variable random dalam praktek adalah normal atau mendekati normal atau dapat ditransfer ke normal random variable.
Matematika 3 1

Dalam persamaan di atas, adalah mean dan adalah standard deviasi dari distribusi. Kurva f(x) dinamakan bell-shaped curve. Bentuknya simetri terhadap . Gambar di bawah menunjukkan f(x) untuk = 0. Untuk >0 ( <0), kurva mempunyai bentuk yang sama, tetapi dipindahkan | | satuan ke sebelah kanan (kiri). Semakin kecil 2, semakin tinggi puncak pada x = 0 dan semakin curam penurunan kedua sisi.

Matematika 3

Distribusi normal mempunyai fungsi distribusi:

1 F ( x) = 2

1 x 2

dv

Matematika 3

Dari rumus di atas dan rumus2 terdahulu:

1 P(a < X b ) = F (b) F (a ) = 2

e
a

u 2 / 2

dv

Bentuk integral dalam rumus 2 tidak dapat dievaluasi dengan elementary method, tetapi dapat dinyatakan dalam bentuk integral berikut dan ditunjukkan seperti pada gambar di bawah atau dalam Tabel A8 (standardized normal distribution).
Matematika 3 4

1 ( z ) = 2

u 2 / 2

du

Matematika 3

Matematika 3

Untuk menyatakan (2) kaitannya dengan (4):

du 1 =u = , dv = du dv

Kemudian kita integralkan terhadap u dari - sampai z=(x- )/.

1 F ( x) = 2

( x ) / u 2 / 2

du

Matematika 3

 x F ( x ) =

b a P (a < X b) = F (b) F (a ) =

Kondisi khusus:
a= - dan b= + a= -2 dan b= +2 ruas kanan = (1)-(-1) s/d ruas kanan = (2)-(-2)

Dengan tabel A8:

Matematika 3 8

Matematika 3

(a) (b) (c )

P( < X + ) 68% P( 2 < X + 2 ) 95.5% P( 3 < X + 3 ) 99.7%

7

Kita dapat berharap bahwa jumlah yang besar dari nilai yang terobservasi dari normal random variable X akan terdistribusi sbb: a) Sekitar 2/3 nilai terletak antara b) Sekitar 95% nilai terletak antara c) Sekitar 99 3/4 nilai terletak antara
Matematika 3

- dan -2 dan

+ +2 +3
10

-3 dan

Ekspresi lain:
Sebuah nilai yang menyimpang lebih dari dari akan terjadi satu kali dalam 3 kali pengujian. Sebuah nilai yang menyimpang lebih dari 2 atau 3 dari akan terjadi satu kali dalam 20 atau 400 pengujian. Secara praktis, ini berarti bahwa semua nilai akan terletak antara - 3 dan + 3; kedua bilangan ini disebut sebagai three-sigma limits.

Matematika 3

11

(a) (b) (c )

P ( 1.96 < X + 1.96 ) = 95% P ( 2.58 < X + 2.58 ) = 99% P( 3.29 < X + 3.29 ) = 99.9%
8

Matematika 3

12

Contoh 1
Tentukan probabilitas: a) P(X2.44) b) P(X-1.16) c) P(X1) d) P(2X10)

dimana X diasumsikan normal dengan mean 0 dan variance 1.

Matematika 3

13

Penyelesaian:
Karena =0 dan 2=1, kita dapat memproleh nilai yang kita inginkan langsung dari Tabel A8. a) 0.9927 b) 0.1230 c) 1-P(X1)=1-0.8413=0.1587 d) (10)=1.0000, (2)=0.9772, (10)- (2)=0.0228
Matematika 3 14

Cara membaca tabel

a) P(X2.44)

x F ( x ) =

x 2.44 0 = = (2.44) 1

P(X2.44)=0.9927
Matematika 3 15

b) P(X-1.16)
x 1.16 0 = = (1.16) 1

( z ) = 1 (z ) = 1 (1.16) = 1 0.8770 = 0.1230

P(X-1.16)=0.1230
Matematika 3 16

c) P(X1) P(X1)=1-P(X1)
1 0 1 0 = = (1) 1 1

P(X1)=1-P(X1)=1-0.8413=0.1587

Matematika 3

17

d) P(2X10)

a b P(a < X b) = F (b) F (a ) =

b a 10 0 20 = 1 1 = (10) (2)

Matematika 3

18

P(2X10)=F(10)-F(2)=(10)-(2) =1.0000-0.9772 =0.0228

Matematika 3

19

Contoh 2
Tentukan probabilitas contoh terdahulu, dengan mengasumsikan bahwa X adalah normal dengan mean 0.8 dan variance 4.

Penyelesaian:
Dengan menggunakan Tabel A8.

(a)

(b) (c )
(d )

2.44 - 0.80 F (2.44) = = (0.82) = 0.7939 2 F (-1.16) = (0.98) = 0.1635

1 - P(X 1) = 1 F (1) = 1 (0.1) = 0.4602

F(10) - F(2) = ( 4.6) (0.6) = 1 0.7257 = 0.2743
Matematika 3 20

Contoh 3
Diketahui X adalah normal dengan mean 0 dan variance 1. Tentukan konstanta c sedemikian hingga: a) P(Xc) = 10% b) P(Xc) = 5% c) P(0Xc) = 45% d) P(-cXc) = 99%

Matematika 3

21

Penyelesaian:
Dengan menggunakan Tabel A9.

(a)

1 - P(X c) = 1 - (c) = 0.1, (c) = 0.9, c = 1.282

(b) c = 1.645
(c ) (c) (0) = (c) 0.5 = 0.45, (c) = 0.95, c = 1.645

( d ) c = 2.576

Matematika 3

22

Cara membaca tabel

a) P(Xc) = 10%

1 - P(X c) = 1 - (c) = 0.1, (c) = 0.9 = 90%

(c) = 0.9 = 90% c = 1.282

Matematika 3

23

Matematika 3

24

b) P(Xc) = 5%

P(X c) = (c) = 5%

(c) = 0.05 = 9% c = 1.645

Matematika 3

25

c) P(0Xc) = 45% P(0Xc)=F(c)-F(0)=(c)-(0)=0.45

(c)-(0)=0.45

(c)=0.45+0.50=0.95=95%

(c) = 0.95 = 95% c = 1.645

Matematika 3 26

d) P(-cXc) = 99% P(-cXc)=F(c)-F(-c)=(c)-(-c)=0.99 (c)-(-c)= (c)-(1-(c))= 2(c)-1=0.99 2(c)-1=0.99 (c)=(0.99+1)/2=0.995=99.5%

(c)=99.5%

c=2.576

Matematika 3

27

Contoh 4
Diketahui X adalah normal dengan mean -2 dan variance 0.25. Tentukan konstanta c sedemikian hingga: a) P(Xc) = 0.2 b) P(-cX-1) = 0.5 c) P(-2-cX-2+c) = 0.9 d) P(-2-cX-2+c) = 99.6%

Matematika 3

28

Penyelesaian:
Dengan menggunakan Tabel A9.

(a)

c+2 ) = 0.2, 0.5 (2c + 4) = 0.8, 2c + 4 = 0.842, c = 1.579 1 - P(X c) = 1 - (

-1 + 2 c+2 (b) = 0.9772 (4 2c ) = 0.5, 0.5 0.5 (4 2c ) = 0.4772, 4 2c = 0.057, c = 2.03

Matematika 3

29

(c )

-2+c+2 2c+2 0.5 0.5 = (2c) ) 2c) = 0.9, 2c = 1.645, c = 0.823

( d ) (2c) - (-2c) = 99.6%, 2c = 2.878, c = 1.439

Matematika 3

30

Contoh 5
Andaikan dalam produksi pelat besi disyaratkan mempunyai ketebalan tertentu, dan mesin yang digunakan adalah shaper. Dalam banyak kasus produk industri akan sedikit berbeda antara yang satu dengan yang lain karena properti material dan karakteristik mesin dan alat yang digunakan menunjukkan variasi random disebabkan oleh gangguan kecil yang tidak dapat diprediksikan. Sehingga kita menentukan tebal X(mm) dari pelat sebagai random variable. Kita mengasumsikan bahwa untuk setting variable X adalah normal dengan mean =10 mm dan standar deviasi =0.02 mm.
Matematika 3 31

Kita ingin menentukan harapan persentase dari pelat yang rusak, dengan asumsi bahwa pelat yang rusak adalah: a)pelat lebih tipis dari 9.97 mm b)pelat lebih tebal dari 10.05 mm c)pelat yang mempunyai deviasi lebih dari 0.03 mm dari 10 mm d)Bagaimana kita memilih angka 10-c dan 10+c untuk menjamin bahwa harapan persentase yang rusak tidak akan lebih besar dari 5%? e)Bagaimana persentase yang rusak dalam d) berubah jika diubah dari 10 mm menjadi 10.01 mm?
Matematika 3 32

Penyelesaian:
Dengan menggunakan Tabel A8 dan pesamaan 6.

(a)

9.97 10.00 P(X 9.97) = ( ) = (1.5) = 0.0668 6.7% 0.02

(b)

10.05 10.00 P(X 10.05) = 1 P ( X 10.05) = 1 0.02 = 1 (2.5) = 1 0.9938 0.6% 10.03 10.00 9.97 10.00 P(9.97 X 10.03) = 0.02 0.02 = (1.5) (1.5) = 0.8664 Jawab; 1 0.8664 13%
Matematika 3 33

(c )

(d )

Dari (8a) c = 1.96 = 0.039. Jawab; 9.961 dan 10.039 mm

10.039 10.010 9.961 10.010 P(9.961 X 10.039) = 0.02 0.02 = (1.45) (2.45) = 0.9265 0.0071 92%

( e)

dengan demikian jawaban adalah 8%, dan kita melihat bahwa perubahan sedikit ini dalam penyesuaian dari peralatan menyebabkan peningkatan yang cukup dari persentase kerusakan.

Matematika 3

34

Theorema 1 (Linear transformation)

Jika X adalah normal dengan mean
dan variance 2, kemudian X*=c1X+c2(c10) adalah normal dengan mean *=c1 +c2 dan variance *2=c122. Distribusi normal dapat juga digunakan untuk mencari nilai pendekatan distribusi binomial dengan n sangat besar, sehingga koefisien binomial dalam fungsi probabilitas

f(x) =

( )p q
n x x

n -x

(x = 0,1,..., n)

Matematika 3

35

Theorema 2 (Limit theorem)

Untuk n sangat besar,

f(x) f * (x)
dimana f diberikan oleh pers. 9,

(x = 0,1,..., n)

f * (x) =

1 2 npq

-z 2 / 2

x - np , z= npq

10

Matematika 3

36

adalah densitas dari distribusi normal dengan mean =np

dan variance 2=npq (mean dan variance dari distribusi binomial), dan simbol (baca: asymptotically equal) berarti bahwa rasio kedua ruas mendekati 1 seiring dengan n mendekati . Selanjutnya, untuk sembarang integer non-negative a dan b (>a),

P ( a X b) =
x=a

( )p q
n x x

n x

( ) ( ),
11

a - np - 0.5 b - np + 0.5 = , = npq npq

Matematika 3

37

Tugas
Kerjakan: Problems for Sec. 23.7 No: 1 s/d 4 Buku: Advanced Engineering Mathematics (E. Kreyszig)

Matematika 3

38