MAKALAH TEORI PELUANG

DISTRIBUSI CHI-SQUARE, BETA, F, DAN T-STUDENT

Dosen Pengampu
Abdul Aziz, M.Si

Disusun Oleh :
Fitria Imroatul M. (15610094)
Aminatus Sadiah (15610096)
Lila Aryani P. (15610107)
Intan Mustika S. (15610110)
Nabila Umar (15610120)

JURUSAN MATEMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM
MALANG
2017
 KATA PENGANTAR
Alhamdulillahirabbil alamin, puji syukur kami ucapkan atas kehadirat Allah
SWT yang telah memberikan rahmat serta karunia-Nya. Sehingga, kami dapat
menyelesaikan makalah dengan judul distribusi chi-square, t-student, beta, dan f
dengan tepat waktu.
Adapun dalam makalah ini, kami membahas mengenai Distribusi
Kontinyu. Adapun bahasan yang akan dibahas dalam makalah ini adalah distribusi
chi-square, distribusi beta, distribusi-F, dan distribusi-t.
Kami menyadari bahwa makalah ini masih jauh dari kesempurnaan. Oleh
karena itu, kritik dan saran yang bersifat membangun akan kami terima demi
kesempurnaan penyusunan makalah kami yang selanjutnya. Semoga makalah ini
dapat bermanfaat bagi kita semua, khususnya pada mata kuliah Teori Peluang.

Malang, 25 April 2017

Penulis

ii
 DAFTAR ISI

KATA PENGANTAR ............................................................................................ ii

DAFTAR ISI .......................................................................................................... iii
DAFTAR GAMBAR ............................................................................................. iv
BAB I PENDAHULUAN
BAB II PEMBAHASAN
2.1 Distribusi Chi-Square .................................................................................... 2
2.2 Distribusi Beta ............................................................................................... 4
2.3 Distribusi F .................................................................................................... 6
2.4 Distribusi t-Student ..................................................................................... 10
BAB III PENUTUP
3.1 Kesimpulan ................................................................................................. 14
DAFTAR PUSTAKA

iii
 DAFTAR GAMBAR
Gambar 1 Kurva Distribusi Chi-Square .................................................................. 3
Gambar 2 Kurva Distribusi F .................................................................................. 9
Gambar 3 Kurva Distribusi T................................................................................ 11

iv
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Distribusi peluang kontinu adalah distribusi peluang dengan variabel
randomnya bersifat kontinu. Ada bermacam-macam distribusi peluang kontinu
mulai dari yang fungsinya sederhana sampai yang kompleks. Distribusi
kontinyu ini biasanya digunakan untuk mencari peluang yang tidak ditentukan
batasnya dengan kata lain terus berkelanjutan hingga menemukan kejadian
yang diinginkan. Pada distribusi ini sendiri terdapat beberapa macam,
diantaranya, distribusi gamma, distribusi eksponensial, distribusi normal,
distribusi poisson, distribusi beta, distribusi chi-squre, distribusi t, dan
distribusi f. Masing-masing distribusi tersebut digunakan pada situasi yang
berbeda-beda dengan syarat-syarat tertentu untuk menggunakannya.
Pada makalah kali ini pemakalah akan memfokuskan bahasannya pada
distribusi beta, distribusi t, distribusi f, dan distribusi chi-square.

1.2 Rumusan Masalah

1) Apakah yang dimaksud dengan distribusi chi-square?
2) Apakah yang dimaksud dengan distribusi t-student?
3) Apakah yang dimaksud dengan distribusi beta?
4) Apakah yang dimaksud dengan distribusi F?

1.3 Tujuan
1) Untuk mengetahui dan memahami distribusi chi-square.
2) Untuk mengetahui dan memahami distribusi beta.
3) Untuk mengetahui dan memahami distribusi F.
4) Untuk mengetahui dan memahami distribusi t-student.

1
 BAB II
PEMBAHASAN
2.1 Distribusi Chi-Square

Dalam teori probabilitas dan statistika, distribusi khi-kuadrat dengan k

derajat bebas adalah distribusi jumlah kuadrat k peubah acak normal baku yang
saling bebas. Distribusi ini seringkali digunakan dalam statistika inferensial,
seperti dalam uji hipotesis, atau dalam penyusunan selang kepercayaan.

Distribusi khi-kuadrat ini memiliki parameter tunggal yaitu k (n-1), atau

disebut juga dengan derajat kebebasan yang akan disingkat dengan dk. Jika
populasi mempunyai model dengan persamaan seperti rumus di atas, maka
dikatakan populasi itu berdistribusi chi-square dengan dk = (n-1).1

Distribusi khi-kuadrat adalah juga hal khusus dari distribusi gamma

1
G(, ), dengan = 2 , bilangan bulat positif dan = 2

Bila diketahui 1 , 2 , , , sebagai variabel acak terdistribusi normal

independen k dengan mean nol dan varians 1.
Perhatikan variabel acak
2 = 12 + 22 + + 2 ,
di mana X2 disebut dengan Chi-Square (Chi Kuadrat). Maka kita dapat
menunjukkan bahwa 0.

1
2
( ) = (2)1 (2)
0
22 (2)

dan ( 2 ) = 0 untuk > 0.2

Suatu variabel acak X dikatakan memiliki distribusi chi-square, atau

terdistribusi chi-square, jika fungsi kepadatannya adalah3

1
DR.Sudjana, Metoda Statistika, Bandung: PT.TARSITO BANDUNG, 1996, Hlm.142-
143
2
Murray R dkk, Probabilitas dan Statsitik, Jakarta:Penerbit Erlangga,2004, Hlm. 97
3
Sri Harini, Teori Peluang, Malang: UIN Maliki Press, 2010, hlm. 133.

2
 (2)
1
2 2, , 0

() = { 22 ( )
2
, k =1, 2, 3,...
0,

Mean dan ragam dari distribusi chi-square adalah:

Mean

=k

Ragam

2 = 2

Distribusi Chi-Square bergantung pada banyaknya simpangan baku

yang bebas antara satu dengan yang lain atau dengan kata lain bergantung
pada banyaknya derajat bebasnya. Makin kecil nilai derajat kebebasan,
bentuk kurvanya makin menceng ke kanan (skewed to the right) dan
makin besar nilai derajat kebebasan, bentuk kurvanya makin mendekati
bentuk fungsi normal. Untuk setiap derajat bebas terdapat suatu distribusi
Chi-Square ( 2 ). Chi-Square merupakan fungsi kontinu dan tidak
mungkin menghasilkan nilai negatif karena tersusun dari satu jumlah
kuadrat.4

Gambar 1 Kurva Distribusi Chi-Square

Contoh soal:

4
Ibid, hal 133

3
 Di suatu kota, pemakaian tenaga listrik harian dalam jutaan kilowatt-jam,
variabel acak X berdistribusi gamma dengan = 6 dan 2 = 12.

a. cari nilai dan

b. cari peluang suatu hari tertentu pemakaian harian tenaga listrik akan
melebihi 12 juta kilo warr-jam

Jawab:

6
a. = 2 , = = 6, = 2 = 3

=2

1 12 1
b. ( > 12) = 1 (23 0 2 2 )
(3)

6 1
( > 12) = 1 (0 2 )
(3)

( > 12) = 1 0,9380 = 0,0620

2.2 Distribusi Beta

Menurut Pritsker and OReilly (1999), nilai distribusi beta berada
diantara 0 dan 1. Distribusi ini dapat digunakan untuk menghasilkan bilangan
acak dengan nilai transformasi antara 0 dan 1. Ada dua parameter pada
distribusi beta yaitu parameter yang merupakan derajat bebasnya.
Umumnya, distribusi beta digunakan untuk mengkaji variasi dalam
presentase sesuatu lintas sampel, seperti pecahan hari yang dihabiskan orang
untuk menonton televisi.
Suatu variabel acak X dikatakan memiliki distribusi beta, atau
terdistribusi beta, jika fungsi kepadatannya adalah5

5
Murray R. Spiegel, John J. Schiller, R. Alu Srinivasan, Probabilitas dan Statistik,
Jakarta:Erlangga, 2005, hlm.97

4
 1 (1 )1
() = { (, ) 0 < < 1 (, > 0)
0
Selain di atas di mana (, ) adalah fungsi beta, didefinisikan
sebagai:
1
(, ) = 1 (1 )1 , > 0
0

Fungsi beta berkaitan dengan fungsi gamma yang dihubungkan oleh

distribusi beta dengan parameter
()()
(, ) =
( + )

Sehingga, distribusi beta juga dapat didefinisikan oleh fungsi

kepadatan:
1
( + ) 1
() = (1 )1
0 ()()
Mean dan varansi dari distribusi beta dengan parameter adalah;
a. Mean

=
+
b. Variansi

2 =
( + )2 ( + + 1)
Contoh soal:
Jika diketahui waktu maksimum penyelesaian suatu proyek berdistribusi beta
dengan = 3 dan = 1, maka:
a. Berapakah peluang waktu penyelesaian paling sedikit 0,7?
b. Berapakah rata-rata dan variansi distribusi tersebut?
Penyelesaian:
1 (3+1)
a. P ( 0,7) = 0,7 (3)(1) 31 ( 1)11
1 (4)
= 0,7 (3)(1) 2
1 (41)!
= 0,7 (31)! (11)! 2

5
 1 (3)!
= 0,7 (2)!(0)! 2
1 6
= 0,7 2 2
1
= 3 0,7 2
1 1
= 3 ((3 13 ) (3 0,73 ))
1 0,343
= 3 (3 )
3
0,657
= 3( )
3

= 0,657
b. Rata-rata dan variansi
Rata-rata

= +
3
= 3+1
3
=4

= 0,75

2 = (+)2 (++1)
(3)(1)
= (3+1)2 (3+1+1)

3
=
(4)2 (5)
3
=
(16)(5)
3
=
80
= 0,0375

2.3 Distribusi F
Dalam teori probabilitas dan statistika, distribusi F merupakan
distribusi probabilitas kontinu. Distribusi F juga dikenal dengan
sebutan distribusi F Snedecor atau distribusi Fisher-Snedecor (setelah R.A.
Fisher dan George W. Snedecor). Distribusi F seringkali digunakan dalam
pengujian statistika, antara lain analisis varians dan analisis regresi.

6
 Misalkan terdapat dua populasi yang terdistribusi normal masing-
masing mempunyai ragam 12 dan 22 , dan dari setiap populasi ambillah
beberapa contoh acak berukuran 1 untuk populasi pertama dan berukuran 2
untuk populasi kedua, maka nilai dugaan titik bagi rasio kedua masing ragam
populasi 12 /22 dapat didekati dengan rasio ragam contoh masing-masing
12 /22 . Nilai rasio ini merupakan suatu peubah acak karena nilainya akan
berubah satu dengan lainnya dan bersifat bebas.6

Populasi 1 Sampel 1
Normal, 1, 1 , 21 , 1

2

Populasi 2 Sampel 2
Normal, 2, 2 , 22 , 2

22
Untuk menentukan rasio dua ragam populasi perlu dicari sebuah
statistik baru yang merupakan rasio ragam contoh sebagai penduga ragam
populasi yang pertama dengan ragam contoh dari ragam populasi keduanya.
Kita dapat menurunkan distribusi rasio dua ragam 12 /22 sebagai bentuk
transformasi dengan suatu peubah acak yang baru yang disebut distribusi F.7
Misalkan kita mempunyai 12 dan 22 yang merupakan rasio dari dua
peubah 2 yang bebas sesamanya dengan derajat bebas masing-masing dan
, maka kedua peubah tersebut8:
12

= 2
2

Dimana 12 merupakan suatu nilai yang berasal dari distribusi khi
kuadrat dengan derajat bebas = 1 1 dan 22 merupakan suatu nilai yang
berasal dari distribusi khi kuadrat dengan derajat bebas = 2 1.9

6
Yusuf Wibisono, Metode Statistik, Yogyakarta: Gajah Mada University Press, 2005,
hlm. 350.
7
Ibid., hlm. 350.
8
Sri Harini, Teori Peluang, Malang: UIN Maliki Press, 2010, hlm. 139.
9
Ibid.

7
 12 /12 22 12
= 2 2= 2 2
2 /2 1 2
Distribusi F ditandai dengan dua derajat bebas, dan F diatas dikatakan
mengikuti distribusi F dengan derajat bebas (numerator) dan
(denominator) dan dapat dinyatakan dengan F(u,v).10
Suatu variabel random berdistribusi F ~ F (u, v) mempunyai fungsi
distribusi sebagai berikut:11

+ 2 1
( 2 ) ( ) (2)(2)
() = ,0 < <
(2) (2) (1 + )
{ 0 ,
Sehingga, distribusi F juga dapat didefinisikan oleh fungsi kepadatan:

(
+ 2 (1)(2)
() = 2 ) ( ) 2

0 (2) (2) (1 + )

Mean dan ragam dari distribusi F ~ F (u, v) adalah:12

a. Mean
= v (v-2), untuk v > 2
b. Ragam
2 2(++2)
2 = (2)2 (4), untuk v > 4

Berikut merupakan grafik distribusi F:

10
Ibid, hlm. 139
11
Ibid, hlm. 140
12
Ibid.

8
 Gambar 2 Kurva Distribusi F

Catatan:
Untuk menyelesaikan permasalahan peluang sehubungan dengan
peubah acak berdistribusi student F, maka beberapa ahli telah membuat
tabelnya di dalam kebanyakan buku statistika yang ada.
Contoh Soal:
a. Bila 12 dan 22 adalah dua ragam contoh acak bebas berukuran masing-
masing 1 = 10 dan 2 = 15 yang diambil dari populasi normal dengan
ragam 12 = 10 22 = 13,25 yang merupakan pengukuran kontinu,
hitunglah probabilitas mendapatkan rasio dua ragam (12 /22 > 0,5).13

Jawab:
Dicari terlebih dahulu nilai padanan distribusi F
22 12 13,25 1
(14: 9) = 2 2 = ( 10 ) (0,5) = 2,65
1 2
Untuk F = 2,65 dengan derajat bebas df1 = 9 dan df2 = 14, distribusi
F(14:9) menghasilkan = 0,05. Dengan demikian probabilitas
mendapatkan rasio dua ragam lebih dari 0,5 adalah:

13
Ibid., Yusuf Wibisono, hlm. 352.

9
 12
( 2 > 0,5) = 0,05
2
b. Dua buah populasi normal mempunyai ragam 12 dan 22 . Dari kedua
populasi ini dilakukan pencuplikan dengan ukuran 1 = 11 dan 2 = 21.
Kita mengasumsikan bahwa ragam contoh masing-masing 12 = 10 dan
22 = 15 yang merupakan hasil pengukuran kontinyu. Hitunglah
probabilitas mendapatkan rasio dua ragam populasi yang besarnya antara
1,01 dan 2,94.14

Jawab:
1 22 12 15
= 2 2 = (1,01) ( ) = 1,52
(10: 20) 1 2 10
F(10:20) = 1/(1,52) = 0,6564. Pada tabel tidak terdapat F(10:20) =
0,6564. Perhitungan dengan komputer menghasilkan nilai probabilitas 1
= 0,25.
Dapat juga dihitung:
1
= (20: 10) = 1,52 diperoleh 1 = 0,25 (cocok).
(10:20)

2 2 15
Selanjutnya, (20: 10) = 22 12 = (2,94) (10) = 4,41. Untuk F(20:10)
1 2

= 4,41 diperoleh 2 = 0,01

Jadi, probabilitas rasio ragam populasi pada selang 1,01 2,94 adalah:
12
(1,01 < 2 < 2,94) = [0,25 (10: 20) < < 0,01 (20: 10)]
2
= 1 2 = 0,25 0,01 = 0,24

2.4 Distribusi t-Student

Peubah acak T dinamakan berdistribusi student T dengan derajat
kebebasan r disingkat dengan T:T (r) jika fungsi kepekatan peluang-nya
berbentuk:
+1
( ) 1
2
f(t)= . 2
+1 dimana r =(1,2,3,...)
( )
2 (1+ ) 2

di mana r adalah derajat bebas

14
Ibid, hlm. 353.

10
 Berlaku untuk harga-harga t yang memenuhi < < .15
Pada distribusi t ini terdapat bilangan (n-1) yang dinamakan derajat
kebebasan, akan disingkat dengan dk. Jika populasi mempunyai model
dengan persamaan seperti rumus diatas, maka dikatakan populasi itu
berdistribusi t dengan dk=(n-1).16
Kurvanya merupakan kurva setangkup menyerupai kurva distribusi

normal dengan nilai tengah = 0 dan ragam 2 = , untuk r>2. Bila r
(2)

, maka distribusi t ini merupakan distribusi normal baku dengan = 0 dan

2 =1. Jadi bentuk distribusi t adalah distribusi normal baku, seperti pada
gambar berikut:17

Gambar 3 Kurva Distribusi T

Beberapa sifat kurva (grafik) fkp peubah acak student T:T(r).
Kurva simetris terhadap garis atau sumbu t = 0;
+1
( )
2
Maksimum di f = di t= 0;
( )
2

Memiliki asimtor datar yaitu sumbu T (absis);

P[T 0]= P[T 0].

Beberapa teorema sehubungan dengan peubah acak student berikut.

15
DR.Sudjana, Metoda Statistika, Bandung: PT.TARSITO BANDUNG, 1996, Hlm.145-
146.
16
Ibid, Hlm.146.
17
Sri Harini, M.Si, Teori Peluang, Malang: UIN-MALIKI PRESS , 2010, Hlm.136.

11
 (i) Teorema:
Jika peubah acak T:T(r), maka rerata dan varians dari T adalah:
= E = 0,r = 1,2,3,....

2 = Var = 2 = r> 2 untuk r = 1,2 (tidak ada)

(ii) Teorema:
Jika peubah acak W dan peubah acak V bebas stochastic dengan
2
W:N(0,1) dan V= (1) . Maka peubah acak T= berdistribusi student T

dengan derajat kebebasan r.

Distribusi t merupakan hasil sampingan dari distribusi normal dan
khi kuadrat, karena kurvanya menyerupai distribusi Z, dalam hal
kesetangkupannya di sekitar nilai tengah nol. Kedua distribusi ini
berbentuk genta, tetapi distribusi t lebih bervariasi, berdasarkan
kenyataan ini bahwa nilai t tergantung pada fluktuasi dua besaran yaitu
dan 2 . Sedangkan nilai z tergantung hanya pada perubahan . Distribusi
t berbeda dengan distribusi Z dalam hal ragamnya dengan ukuran contoh
n dan nilai ragamnya selalu lebih besar dari 1. Tetapi bila ukuran contoh
n cukup besar (n>30) kedua distribusi mempunyai nilai yang sama.
Pembagi (n-1) dalam 2 merupakan derajat bebas bagi 2 . Bila dan 2
dihitung dari contoh berukuran n, maka nilai t-nya dikatakan menyebar
menurut distribusi t dengan derajat bebas v=n-1.18
Contoh:
Diketahui peubah acak T berdistribusi student T:T(1).
a) Tentukan fkp dari T yaitu f(t).
b) Sketsa grafik f.
c) Hitung P[0 t 1]
Penyelesaian:
Dalam hal ini peubah student acak T memiliki derajat kebebasan
r=1, maka fkp dari T adalah:

18
Ibid, Hlm.137.

12
 (1) 1 1
f(t)= 1 . 2
= , ( <t<) dengan 3.14
( ) (1+ 1)1 (1+ 2 )
2

1
dan (2) = !
(1) 1
Maksimum f = 1 = 0.32 dan kurva berpuncak pada titik
( )
2

(0,0.32). Sedangkan untuk t= 1, fungsi f bernilai 0.16. Sketsa grafik

f diperlihatkan pada gambar berikut:

1 1
P[0 t 1] = 0
(1+ 2 )
1 1 1
= 0 1+ 2
1
= [tan1 ]
1 1
=
4
1
= 4 = 0.25

Catatan;
Untuk menyelesaikan permasalahan peluang sehubungan dengan
peubah acak berdistribusi student T, maka beberapa ahli telah membuat
tabelnya, antara lain versi pertama menyetakan:
+1
( )
2
P(T )= 2 +1
dx

( )(1+ ) 2
2

Dengan v judul kolom 1 menyatakan derajat kebebasan, judul baris 1

menyatakan peluangnya yaitu P[T ] dan pada kolom daftar atau sel-selnya
menyatakan nilai t bersangkutan.

13
 BAB III
PENUTUP
3.1 Kesimpulan
Distribusi Chi-Square merupakan jumlah kuadrat dari peubah variabel
random yang bebas dan menyebar normal dengan nilai tengah nol dan ragam
satu. Dan Chi-Square merupakan fungsi kontinu yang tidak mungkin
menghasilkan nilai negatif karena tersusun dari satu jumlah kuadrat.
Distribusi beta, digunakan untuk mengkaji variasi dalam presentase
sesuatu lintas sampel. Nilai dari distribusi ini berada diantara 0 dan 1.
Distribusi ini dapat digunakan untuk menghasilkan bilangan acak dengan
nilai transformasi antara 0 dan 1. Ada dua parameter pada distribusi beta yaitu
parameter yang merupakan derajat bebasnya.
Distribusi F merupakan distribusi probabilitas kontinu yang ditandai
dengan dua derajat bebas. Distribusi ini seringkali digunakan dalam
pengujian statistika, antara lain analisis varians dan analisis regresi. Distribusi
F.
Distribusi t, pada distribusi ini terdapat bilangan (n-1) yang
dinamakan derajat kebebasan. Kurvanya merupakan kurva setangkup
menyerupai kurva distribusi normal. Distribusi t merupakan hasil sampingan
dari distribusi normal dan khi kuadrat, karena kurvanya menyerupai distribusi
Z, dalam hal kesetangkupannya di sekitar nilai tengah nol.

14
 DAFTAR PUSTAKA

Budi, Irwan Santoso. 2013. Statistika 1 untuk Teknik Informatika, Malang: UIN-
Maliki.
Harini, Sri. 2010. Teori Peluang. Malang: UIN Maliki Press
R, Murray dkk. 2004. Probabilitas dan Statsitik, Jakarta:Penerbit Erlangga
Nurgiyantoro, Burhan. 2009. Statistika Terapan, Yogyakarta: UGM Press.
Pritsker, A.A.B. and Jean J. Oreilly. 1999. Simulation with Visual Slam and
Awesim. John Wiley & Sons Inc., New York.
Soepeno, Bambang. 2002. Statistik Terapan dalam penelitian ilmu-ilmu sosial dan
pendidikan. Jakarta: PT RINEKA CIPTA.
Spiegel, Murray R., John J. Schiller, R. Alu Srinivasan. 2005.Probabilitas dan
Statistik. Jakarta:Erlangga.
Supranto, J.2009.Statistik teori dan Aplikasi. Jakarta:Penerbit Erlangga.
Walpole, Ronald E. 1993. Pengantar Statistika. Jakarta: PT Gramedia Pustaka
Utama.
Waluyo, Sihono Dwi. 2001. Statistika untuk Pengambilan Keputusan.
Jakarta:Ghalia Indonesia.
Wibisono, Yusuf. 2005. Metode Statistika. Yogyakarta: GADJAH MADA
UNIVERSITY PRESS.
2