UWIN SB10 s29

Course : Statistika Bisnis I (1510SB10)
online.uwin.ac.id
Bachelor in Economics (S.E): Manajemen
UWIN eLearning Program
Session Topic : Distribusi Probabilitas

Kontinu
Course: Statistika Ekonomi & Bisnis
By Burhan Primanintyo, B.Sc., M.Eng.
Content
Part 1
Distribusi Probabilitas Kontinu
Part 2
Distribusi Probabilitas Normal
Powered by HarukaEdu.com
-1510SB10-
Hal 3
Part1: Distribusi Probabilitas Kontinu
Distribusi Probabilitas Kontinu: Jenis & Tujuan Pembelajaran
Distribusi Probabilitas Kontinu:

Distribusi Probabilitas
1. Seragam (Uniform)
2. Normal
Tujuan Pembelajaran:
1. Memahami perbedaan antara distribusi probabilitas diskrit & kontinu.
2. Menghitung mean, standard deviasi & probabilitas dari distribusi
seragam (uniform distribution).
3. Mengetahui karakteristik dari distribusi probabilitas normal (normal
probability distribution).
4. Dapat menentukan & menghitung nilai z (z values).
Menentukan probabilitas sebuah observasi
5. antara 2 titik pada suatu distribusi probabilitas normal (normal
probability distribution).
6. apakah diatas (atau dibawah suatu titik pada suatu distribusi normal.
-1510SB10-
Hal 5
Distribusi Uniform: Definisi
1. Probabilitas Distribusi
Uniform. Defn:
Distribusi paling
mudah/sederhana utk,
sebuah variabel acak yg
kontinu (continuous random
variable).
Distribusi ini berbentuk kotak &
ditentukan oleh nilai,
a) Minimum &
b) Maksimum.
P(x)
a
b
Distribusi Uniform Kontinu
-1510SB10-
Hal 6
Distribusi Uniform: Mean & Standard Deviation
Mean of the Uniform

Distribution
Standard Deviation of
the Uniform Distribution
Uniform
Distribution
() =
()
if a x b & 0 elsewhere
Dimana:
a : merupakan nilai minimum
b : merupakan nilai maksimum
-1510SB10-
Hal 7
Distribusi Uniform: Contoh
Universitas XYZ,
menyediakan layanan bis kepada mahasiswa yg ingin pergi ke kampus.
Sebuah bis tiba dijalan akses utama & berhenti pada setiap halte selama
30 menit antara jam 6 pagi hingga jam 11 malam selama hari kerja.
Mahasiswa tiba di halte pada waktu yg berbeda (random).
Waktu yg dibutuhkan oleh seorang mahasiswa menunggu terdistribusi
secara seragam (uniform) mulai 0 sampai 30 menit.
Pertanyaan:
1. Gambarkan sebuah grafik utk distribusi ini.
2. Tunjukkan/buktikan luas area dari distribusi
uniform ini adalah 1.00.
3. Berapa lama biasanya seorang Mahasiswa
harus menunggu sebuah bis ?
Dgn kata lain berapa waktu tunggu rata2
(mean) ?
Berapa standar deviasi dari waktu tunggu ?
-1510SB10-
Hal 8
Distribusi Uniform: Contoh (Lanjut)
Berapa probabilitas seorang Mahasiswa akan menunggu

4. Lebih dari 25 menit ?
5. Antara 10 & 20 menit ?
() =
() =
if a x b
if 0 x 30
() = ,
Probabilitas
Jawaban:
1. Gambar grafik distribusi uniform adalah 1.00
.060
.0333
0
10
20
30
40
Lama waktu menunggu (menit)
-1510SB10-
Hal 9
2. Bukti luas area distribusi uniform adalah 1.00

Masa para siswa harus tunggu bus adalah uniform mencakup interval dari 0
sampai 30 menit. Jadi dalam hal ini a adalah 0 & b adalah 30
Area = (tinggi)(dasar)=
= .
3. Berapa lama seorang mahasiswa biasanya harus menunggu sebuah bis ?

a) Dgn kata lain berapa waktu tunggu rata2 (mean) ?
0+30
2
= 15
b) Berapa standar deviasi waktu tunggu ?
()
(300)2
12
= 8.66
-1510SB10-
Hal 10
4. Berapa probabilitas seorang Mahasiswa akan menunggu lebih dari 25 menit ?

P(25<Masa tunggu<30) = (tinggi)(dasar)
1
=
5
30 0
= 0.1667
P(x)
Area = .1667
.0333
10 = 15 20
25
30
5. Berapa probabilitas seorang Mahasiswa akan menunggu antara 10 & 20 menit ?

P(25<Masa tunggu<30) = (tinggi)(dasar)
1
=
10
30 0
= 0.3333
P(x)
Area = .3333
.0333
10 = 15 20
30
(Extra-1). Berapa probabilitas seorang Mahasiswa akan menunggu antara 5 & 25 menit ?
-1510SB10-
Hal 11
Part2: Distribusi Probabilitas Normal
Distribusi Probabilitas Normal: Karakteristik
Kurva
1. berbentuk lonceng (bell-shaped) & memiliki sebuah puncak di
tengah distribusi.
2. terletak secara simetris dari nilai mean.
3. memiliki asimtot (asymptotic): garis kurva mendekati sumbu-X,
tetapi tidak pernah menyentuh sumbu-X.
Dgn kata lain, ekor kurva (kiri & kanan) berlanjut hingga tak hingga
dikedua sisi kurva.
4. Lokasi sebuah distribusi normal ditentukan oleh mean (), dispersi atau
sebaran dari distribusi yg dinyatakan dgn standar deviasi ().
5. Perhitungan aritmatika nilai mean, median, 7 modus adalah sama.
6. Luas total daerah/area dibawah kurva sama dgn 1.00;
separuh luas daerah di bawah kurva normal berada di sebelah
kanan
dari titik tengah & separuh daerah lainnya berada di sisi kiri.
-1510SB10-
Hal 13
Distribusi Probabilitas Normal: Karakteristik (Lanjut)
Normal kurva adalah symmetrical

Kedua belahan adalah identik
Ekor
Secara teoritis, kurva

memanjang ke
Ekor
Mean, median, &

mode adalah sama
-1510SB10-
Secara teoritis, kurva

memanjang ke +
Hal 14
Distribusi Probabilitas Normal: Mean & Standar Deviasi

= 26 psi
= 3.1 tahun,
pabrik Camden
= 3.9 tahun,
pabrik Dunkirk
= 5.0 tahun,
pabrik Elmira
= 41 psi
= 52 psi
2.000
psi
0 4 7 10 13 16 19 22 25 28 31 34 37 40
= 20 tahun beroperasi
Nilai mean sama tetapi nilai standar deviasi berbeda

Sugar Yummies
= 1.6 gram
Nilai mean berbeda

tetapi nilai standar
deviasi sama
2.186
psi
Nilai mean & standar deviasi berbeda

Alphabet
Gems
= 1.6 gram
283
gram
2.107
psi
301
gram
-1510SB10-
Weight
Droppers
= 1.6 gram
321
gram
Hal 15
Distribusi Probabilitas Normal: Standar
Standar distribusi normal. Defn:

Distribusi normal dgn mean bernilai 0 & standar deviasi bernilai 1.
1.
2.
Standar distribusi normal juga disebut dgn distribusi z (z-distribution).

Sebuah nilai z (z value),
ditandai dgn nilai yg telah dipilih (X) dikurangi populasi mean (),
dibagi dgn standar deviasi population ().
3. Rumus/Formula:
-1510SB10-
Hal 16
Distribusi Probabilitas Normal: Luas Daerah/Area di bawah Kurva Normal

Z
0.00
0.01
0.02
0.03
0.04
0.05
1.3
0.4032
0.4049
0.4066
0.4082
0.4099
0.4115
1.4
0.4192
0.4207
0.4222
0.4236
0.4251
0.4265
1.5
0.4332
0.4345
0.4357
0.4370
0.4382
0.4394
1.6
0.4452
0.4463
0.4474
0.4484
0.4495
0.4505
1.7
0.4554
0.4564
0.4573
0.4582
0.4591
0.4599
1.8
0.4641
0.4649
0.4656
0.4664
0.4671
0.4678
1.9
0.4713
0.4719
0.4726
0.4732
0.4738
0.4744
.4332
=283
0
285.4
1.50
Gram
Nilai Z
-1510SB10-
Hal 17
Distribusi Probabilitas Normal: Contoh
Pendapatan mingguan dari shift mandor* pada industri kaca mengikuti

probabilitas distribusi normal dgn,
1) Mean
$1,000 &
2) Standar deviasi
$100
Q: Berapa nilai z (z value) utk pendapatan, kita sebut dgn X, dari seorang
mandordgn penghasilan:
1) $1,100 per minggu ?
2) $900 per minggu ?
A:
1) Utk X = $1,100
$1,100 $1,000
=
=
= 1.00
$100
2) Utk X = $900
$900 $1,000
=
=
= 1.00
$100
*mandor: seorang pekerja yg mengawasi & mengarahkan pekerja lainnya
-1510SB10-
Hal 18
Distribusi Normal: Hukum Empiris
Sekitar
a. 68 % dari area di bawah kurva normal berada di dalam 1
standar deviasi dari nilai mean.
b. 95 % berada pada 2 standar deviasi dari nilai mean.
c. Secara praktik seluruh area berada di dalam 3 standar deviasi
dari nilai mean.
68%
95%
Hampir semua
3
-3
-2
1
-1
+ 1
Rubah menjadi
0
1
-1510SB10-
+ 2
2
+ 3 Skala X
3
Skala Z
Hal 19
Hukum Empiris: Contoh
Sebagai bagian dari program quality assurance,

Perusahaan baterai ABC melakukan tes daya tahan
(life time) baterai.
Utk suatu jenis baterai alkaline, memiliki mean daya
tahan 19 jam.
Daya tahan baterai mengikuti suatu distribusi normal
dgn standar deviasi 1,2 jam.
Jawablah pertanyaan berikut:
Q: Sekitar
1. 68 % dari ketidaksesuaian umur baterai di antara nilai berapa
dari 2 nilai () ?
2. 95 % dari ketidaksesuaian umur baterai di antara nilai berapa
dari 2 nilai () ?
3. Secara virtual semua baterai mengalami ketidaksesuaian umur di
antara nilai berapa dari 2 nilai () ?
-1510SB10-
Hal 20
Hukum Empiris: Contoh (lanjut)
A: Kita dapat menggunakan hasil Peraturan Empiris utk menjawab

pertanyaan2 berikut. Tentang
1. 68 % dari baterai akan gagal antara 17.8 & 20.2 jam pada
19.0 1(1.2) jam.
2. 95 % dari baterai akan gagal antara 16.6 & 21.4 jam pada
19.0 2(1.2) jam.
3. Hampir semua gagal antara 15.4 & 22.6 jam, ditemukan pada 19.0
3(1.2) jam.
Informasi ini dirangkum pada grafik berikut
68%
95%
Hampir semua
3
15.4
2
16.6
1
17.8
19.0
+ 1
20.2
-1510SB10-
+ 2
21.4
+ 3
22.6
Skala
jam
Hal 21
Distribusi Normal: Menentukan Probabilitas - Contoh 1
Pada contoh terdahulu (pendapatan mingguan dari shift mandor),

kita mendapat laporan bahwa dari pendapatan mingguan pada
industri kaca terdistribusi normal dgn mean $1,000 & standar deviasi
$100.
Q: Berapa kemungkinan seorang mandoryg terpilih memiliki pendapatan
mingguan antara $1,000 & $1,100 ?
A:
1) Utk X = $1,000
$1,000 $1,000
=
=
= 0.00
$100
2) Utk X = $1,100
$1,100 $1,000
=
=
= 1.00
$100
-1510SB10-
0
1.0 Skala z
$1.000 $1.100 Skala dollar
Hal 22

$100.
mingguan antara $790 & $1,000 ?
A:
1) Utk X = $790
$790 $1,000
=
=
= 2.10
$100
2) Utk X = $1,000
$1,000 $1,000
=
=
= 0.00
$100
-1510SB10-
.4821
-2.10
$790
.5000
0
$1,000
Skala z
Skala dollar
Hal 23

$100.
mingguan kurang dari $790 ?
A:
Cari Z utk X = $790
$790 $1,000
=
=
= 2.10
$100
Utk mendapatkan area di bawah -2.10,
minus 0.50 area tersebut
dari -2.10 to 0
= 0.50 0.4821
= 0.0179
-1510SB10-
.4821
-2.10
$790
.5000
0
$1,000
Skala z
Skala dollar
Hal 24

$100.
mingguan antara $840 & $1,200 ?
A:
1) Utk X = $840
$840 $1,000
=
=
= 1.60
$100
2) Utk X = $1,200
$1,200 $1,000
=
=
= 2.00
$100
-1510SB10-
.4452
.4772
What is this
probability ?
-1.6
$840
0
$1,000
2.0
$1,200
Skala z
Skala dollar
Hal 25

$100.
mingguan antara $1,150 & $1,250 ?
A:
1) Utk X = $1,150
$1,150 $1,000
=
=
= 1.50
$100
2) Utk X = $1,250
$1,250 $1,000
=
=
= 2.50
$100
-1510SB10-
.4332
.0606
0
1.50 2.50 Skala pendapatan
$1,000 $1,150 $1,250 Skala z
Hal 26
Distribusi Normal: Contoh
Menggunakan nilai Z utk menemukan nilai X dgn luas area yg telah

diketahui
Sebuah perusahaan ban kendaraan,
ingin menentukan garansi jarak minimum
pada ban jenis baru MX100.
Hasil pengujian menunjukkan mean jarak
sebesar 67.900 mil dgn
standar deviasi 2.050 mil &
distribusi jarak mengikuti probabilitas
distribusi normal.
Perusahaan ingin menentukan dgn
garansi jarak minimum bahwa
tidak lebih dari 4 % ban yg harus
diganti.
Q: Berapa garansi jarak minimum,
yg harus perusahaan umumkan
kepada pelanggannya ?
-1510SB10-
Hal 27
Distribusi Normal: Contoh (lanjut)
A:
Pecahkan X dgn menggunakan formula ini:
,
=
=
Nila z ditemukan dgn menggunakan infor 4%

Luas 67,900 & x adalah 0.4600, dihitung dari 0.5000 0.0400
Menggunakan Appendix B.1, luas terdekat ke 0.4600 adalah 0.4599,
Yg memberikan nilai z sebesar -1.75.
Lalu mensubstitusi ke rumus:
.5000
67,900
Ganti ban jika tidak
1.75 =
,
mencapai jumlah mil
2,050
ini
.4600
Lalu memecahkan utk x
4% or .0400
- 1.75(2,050) = x - 67,900
x = 76,900 1,75(2,050)
Skala mil
x
x = 64,312
67,900
?
-1510SB10-
Hal 28
Course : Statistika Bisnis I (1510SB10)
online.uwin.ac.id
Associate Partners :
Powered
by HarukaEdu.com
Powered
by HarukaEdu.com
-1510SB10-
Hal 29

UWIN SB10 s29

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

UWIN SB10 s29

Diunggah oleh

Hak Cipta:

Format Tersedia

Course : Statistika Bisnis I (1510SB10)

UWIN eLearning Program

Session Topic : Distribusi Probabilitas

Distribusi Probabilitas Kontinu

Distribusi Probabilitas Normal

Part1: Distribusi Probabilitas Kontinu

Distribusi Probabilitas Kontinu: Jenis & Tujuan Pembelajaran

Distribusi Probabilitas Kontinu:

Distribusi Uniform: Definisi

Distribusi Uniform: Mean & Standard Deviation

Mean of the Uniform

Distribusi Uniform: Contoh

Distribusi Uniform: Contoh (Lanjut)

Berapa probabilitas seorang Mahasiswa akan menunggu

Lama waktu menunggu (menit)

Distribusi Uniform: Contoh (Lanjut)

2. Bukti luas area distribusi uniform adalah 1.00

3. Berapa lama seorang mahasiswa biasanya harus menunggu sebuah bis ?

b) Berapa standar deviasi waktu tunggu ?

Distribusi Uniform: Contoh (Lanjut)

4. Berapa probabilitas seorang Mahasiswa akan menunggu lebih dari 25 menit ?

5. Berapa probabilitas seorang Mahasiswa akan menunggu antara 10 & 20 menit ?

Part2: Distribusi Probabilitas Normal

Distribusi Probabilitas Normal: Karakteristik

Distribusi Probabilitas Normal: Karakteristik (Lanjut)

Normal kurva adalah symmetrical

Secara teoritis, kurva

Mean, median, &

Secara teoritis, kurva

Distribusi Probabilitas Normal: Mean & Standar Deviasi

Nilai mean sama tetapi nilai standar deviasi berbeda

Nilai mean berbeda

Nilai mean & standar deviasi berbeda

Distribusi Probabilitas Normal: Standar

Standar distribusi normal. Defn:

Standar distribusi normal juga disebut dgn distribusi z (z-distribution).

Distribusi Probabilitas Normal: Luas Daerah/Area di bawah Kurva Normal

Distribusi Probabilitas Normal: Contoh

Pendapatan mingguan dari shift mandor* pada industri kaca mengikuti

Distribusi Normal: Hukum Empiris

Hukum Empiris: Contoh

Sebagai bagian dari program quality assurance,

Hukum Empiris: Contoh (lanjut)

A: Kita dapat menggunakan hasil Peraturan Empiris utk menjawab

Distribusi Normal: Menentukan Probabilitas - Contoh 1

Pada contoh terdahulu (pendapatan mingguan dari shift mandor),

Distribusi Normal: Menentukan Probabilitas - Contoh 2

Pada contoh terdahulu (pendapatan mingguan dari shift mandor),

Distribusi Normal: Menentukan Probabilitas - Contoh 3

Pada contoh terdahulu (pendapatan mingguan dari shift mandor),

Distribusi Normal: Menentukan Probabilitas - Contoh 4

Pada contoh terdahulu (pendapatan mingguan dari shift mandor),

Distribusi Normal: Menentukan Probabilitas - Contoh 5

Pada contoh terdahulu (pendapatan mingguan dari shift mandor),

Distribusi Normal: Contoh

Menggunakan nilai Z utk menemukan nilai X dgn luas area yg telah

Distribusi Normal: Contoh (lanjut)

Nila z ditemukan dgn menggunakan infor 4%

Course : Statistika Bisnis I (1510SB10)

Anda mungkin juga menyukai