a. Ciri ciri :
1. Variabel random seragam Y = salah satu nilai dalam interval a y b
DISTRIBUSI PROBABILITAS 2. Setiap Y memiliki nilai peluang seragam dalam selang a y b
b. Diberikan oleh :
1
, jika y bernilai a y b
f(y) = {0
b a
, jika y bernilai lainnya
a+b (b a) 2
c. = dan 2 = f(y)
Ira Prasetyaningrum 2 12 Mean Median
1
ba
y
a b
=
2
= =
untuk fungsi seperti ini disebut kurva 12 12 6
probabilitas dan nilai probabilitasnya
dinyatakan sebagai luas suatu kurva
yang bernilai positif.
Distribusi seragam Distribusi normal disebut juga Gaussian Distribution (sesuai dengan nama
kontinyu penemunya Carl Gauss).
Diantara sekian banyak distribusi, distribusi normal merupakan distribusi yang
Distribusi gamma secara luas banyak digunakan dalam berbagai penerapan. Distribusi normal
merupakan distribusi kontinyu yang mensyaratkan variabel yang diukur harus
kontinyu miaslnya tinggi badan, berat badan, skor IQ, jumlah curah hujan, isi botol
Distribusi eksponensial coca cola, hasil ujian, dll.
Distribusi
peluang Contoh :
kontinyu Dari 100 orang sampel yang diambil secara acak, setiap orang diminta untuk
Distribusi weibull mengerjakan suatui tugas tertentu. Hasil pengamatan terhadap waktu yang
mereka gunakan untuk menyelesaikan tugas tersebut disajikan dalam tabel
berikut : waktu (detik) frekuensi frekuensi relatif
Distribusi tipe beta 14 - 15 2 0.02
15 - 16 11 0.11
16 - 17 20 0.2
Distribusi normal 17 - 18 42 0.42
18 - 19 17 0.17
19 - 20 5 0.05
20 - 21 3 0.03
100 1
1
DISTRIBUSI PELUANG KONTINYU DISTRIBUSI PELUANG KONTINYU
Misalkan percobaan tersebut diulang kembali, kali ini jumlah sampel yang
digunakan adalah 5000 orang. Lalu histogram frekuensi relatifnya dibuat dengan Persamaan matematika bagi distribusi probabilitas acak normal tergantung pada
lebar kelas yang dibuat kecil (sehingga jumlah kelas menjadi banyak). Maka dua parameter, yaitu dan . Bila kedua nilai tersebut diketahui, maka kita dapat
histogram tersebut akan terdiri atas kotak persegi panjang yang ramping dalam menggambarkan kurva normal tersebut dengan pasti.
jumlah yang banyak. Dengan semakin banyaknya sampel yang diambil dan lebar
interval kelas yang kecil, maka histogram frekuensi relatif yang dihasilkan akan ILUSTRASI :
semakin mendekati bentuk kurva normal.
45
40
14 - 15
35
15 - 16
30
16 - 17 Distributions differs in location
25 Distributions differs in spread
17 - 18
20
18 - 19 1 2 dan 1 = 2 1 = 2 dan 1 2
15
Frequency
19 - 20
10
20 - 21
5
0
14 - 15 15 - 16 16 - 17 17 - 18 18 - 19 19 - 20 20 - 21
3 variation is called Misalkan dimiliki kurva normal dengan = 100 dan = 20. Hitunglah :
natural tolerance a. Luas kurva normal antara 100 125 atau P(100 x 125)
b. Luas kurva normal antara 80 100 atau P(80 x 100)
Normal Distribution c. Luas kurva normal antara 75 120 atau P(75 x 120)
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6
--68.27%--
= 20
------- 95.45% -------
------------- 99.73% -------------
= 100
------------------------------ 99.9999998% ------------------------------
2
DISTRIBUSI PELUANG KONTINYU DISTRIBUSI PELUANG KONTINYU
JAWAB
a.
STUDI KASUS 3
MAKA, Luas kurva normal antara 100 125 = 0,8944 0,5000 = 0,3944
x1 = 80 x2 = 100
x1 = 40 x2 = 65
80 - 100 20 Menurut tabel luasnya = 0,1587 = 50
z1 = = = 1
20 20
100 - 100 0 40 - 50 10 Menurut tabel luasnya = 0,1587
z2 = = =0 Menurut tabel luasnya = 0,5000 z1 = = = 1
20 20 10 10
65 - 50 15
z2 = = = 1,5 Menurut tabel luasnya = 0,9332
MAKA, Luas kurva normal antara 80 100 = 0,5000 0,1587 = 0,3413 10 10
MAKA, Luas kurva normal antara 40 65 = 0,9332 0,1587 = 0,7745
JAWAB
a. Ciri ciri :
c.
Jika suatu peristiwa terjadi dalam konteks proses poisson, maka panjangnya waktu atau ruang
antar dua peristiwa yang berurutan mengikuti distribusi probabilitas kontinyu. Karena waktu
atau ruang bersifat kontinu, pengukuran seperti itu menghasilkan variabel random kontinu.
Distribusi eksponensial sering disebut sebagai distribusi waktu. Peristiwanya sangat erat
dengan peristiwa pada distribusi poisson.
MISAL : dalam suatu antrian kapal yang berlabuh disuatu dermaga, jumlah kedatangan kapal
x1 = 75 x2 = 120 mengikuti distribusi poisson,
poisson sedangkan waktu antara kedatangan kapal mengikuti distribusi
eksponensial.
75 - 100 25 Menurut tabel luasnya = 0,1056 b. Fungsi kerapatan eksponensial diberikan oleh :
z1 = = = 1,25
20 20 f (T1) = e - t
120 - 100 20
z2 = = =1 Menurut tabel luasnya = 0,8413 T1 = waktu kejadian yang pertama dalam proses poisson, dan disebut waktu ulang atau
20 20 waktu antara dua kejadian yang berurutan, karena kejadian sukses independen dari
waktu ke waktu.
= rata rata jumlah kejadian dalam setiap unit ukuran
MAKA, Luas kurva normal antara 75 120 = 0,8413 0,1056 = 0,7357
c. Rata rata T1 diberikan oleh :
1
(T1) =
3
DISTRIBUSI PELUANG KONTINYU
d. Fungsi distribusi T1 dapat dicari dengan menggunakan persamaan :
F(T1) = P(T1 t ) = 1 e t
P(T1 > t ) = P( Xt = 0) = e t
STUDI KASUS 4
Dari arsip mengenai gempa di suatu tempat selama periode tahun 1836 1961
diketahui terjadi 16 gempa yang berskala intensitas VI atau lebih. Jika gempa
dengan intensitas tinggi tersebut diasumsikan mengikuti distribusi poisson.
Tentukan :
a. Berapa peluang bahwa gempa gempa setinggi ini akan terjadi lagi 2
tahun mendatang ?
b. Berapa peluang tidak akan terjadi gempa dengan intensitas setinggi ini
dalam 10 tahun mendatang ?
P (T1 2) = 1 e t
16
= = 0,128 g gempap pper tahun
1961 1836
( 0,128 ).( 2 )
P (T1 2) = 1 e = 0,226