10 Distribusi Probabilitas Kontinyu PDF
10 Distribusi Probabilitas Kontinyu PDF
1
DISTRIBUSI PELUANG KONTINYU
Distribusi seragam
kontinyu
Distribusi gamma
Distribusi eksponensial
Distribusi
peluang
kontinyu
Distribusi weibull
Distribusi normal
a. Ciri – ciri :
1. Variabel random seragam Y = salah satu nilai dalam interval a ≤ y ≤ b
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. µ = dan σ2 = f(y)
2 12 Mean Median
1
b−a
y
a b
2
DISTRIBUSI PELUANG KONTINYU
STUDI KASUS 1
Sebuah mesin roll menghasilkan lembaran baja dengan ketebalan berkisar
antara 150 ≤ y ≤ 200. Tentukan fungsi distribusi peluang, rata – rata, dan
variansi dari ketebalan baja jika dianggap menganut distribusi seragam.
SOLUSI :
1 1 1
f ( y) = = =
b − a 200 − 150 50
a + b 150 + 200
µ= = = 175
2 2
(b − a) (200 − 150) 25
2 2
σ =
2
= =
12 12 6
3
DISTRIBUSI PELUANG KONTINYU
Misalkan percobaan tersebut diulang kembali, kali ini jumlah sampel yang digunakan
adalah 5000 orang. Lalu histogram frekuensi relatifnya dibuat dengan lebar kelas
yang dibuat kecil (sehingga jumlah kelas menjadi banyak). Maka histogram tersebut
akan terdiri atas kotak persegi panjang yang ramping dalam jumlah yang banyak.
Dengan semakin banyaknya sampel yang diambil dan lebar interval kelas yang kecil,
maka histogram frekuensi relatif yang dihasilkan akan semakin mendekati bentuk
kurva normal.
45
40
14 - 15
35
15 - 16
30
16 - 17
25
17 - 18
20
18 - 19
15
Frequency
19 - 20
10
20 - 21
5
0
14 - 15 15 - 16 16 - 17 17 - 18 18 - 19 19 - 20 20 - 21
Response Measurement
µ Response Measurement
Ciri – ciri :
1. Kurva berbentuk garis lengkung yang halus dan menyerupai genta/ lonceng ;
2. Kedua ekor/ ujungnya semakin mendekati sumbu absisnya tetapi tidak pernah
memotong ;
3. Distribusi normal memiliki dua parameter, yaitu µ dan σ yang masing – masing
menentukan lokasi dan bentuk distribusi ;
4. Titik tertinggi kurva normal berada pada rata – rata ;
5. Distribusi normal adalah distribusi yang simetris ;
6. Simpangan baku (standar deviasi = σ), menentukan lebarnya kurva. Makin kecil
σ, maka bentuk kurva makin runcing ;
7. Total luas daerah dibawah kurva normal adalah 1 ;
8. Jika jarak dari masing – masing nilai X diukur dengan σ, maka kira – kira 68%
berjarak 1σ, 95% berjarak 2σ, dan 99% berjarak 3σ.
4
DISTRIBUSI PELUANG KONTINYU
± 3σ
σ variation is called
natural tolerance
Normal Distribution
-6σ
σ -5σ
σ -4σ
σ -3σ
σ -2σ
σ -1σ
σ 0 1σ
σ 2σ
σ 3σ
σ 4σ
σ 5σ
σ 6σ
σ
--68.27%--
------- 95.45% -------
------------- 99.73% -------------
------------------------------ 99.9999998% ------------------------------
5
DISTRIBUSI PELUANG KONTINYU
Karena persamaan kurva normal tergantung pada nilai – nilai µ dan σ, maka kita
akan memiliki bermacam – macam bentuk kurva.
X1 X2
Adalah suatu hal yang sia – sia untuk membuat tabel yang berbeda pada setiap
kurva normal yang dengan µ dan σ yang berbeda. Oleh karena itu dikembangkan
suatu cara untuk mentransformasikan setiap hasil pengamatan yang berasal dari
sembarang variabel acak normal x menjadi variabel acak normal z dengan µ = 0
dan σ = 1.
Nilai Z (standard units) = angka yang menunjukkan penyimpangan suatu variabel
acak X dari mean (µ) dihitung dalam satuan standar
deviasi (σ).
x -µ Untuk mengetahui berbagai luas dibawah
rumus z = lengkungan kurva normal standar sudah
σ tersedia tabel luas kurva normal standar.
σ = 20
µ = 100
6
DISTRIBUSI PELUANG KONTINYU
JAWAB
a.
x1 = 100 x2 = 125
MAKA, Luas kurva normal antara 100 – 125 = 0,8944 – 0,5000 = 0,3944
x1 = 80 x2 = 100
7
DISTRIBUSI PELUANG KONTINYU
JAWAB
c.
x1 = 75 x2 = 120
8
DISTRIBUSI PELUANG KONTINYU
JAWAB
x1 = 40 x2 = 65
µ = 50
f (T1) = λ e - λt
T1 = waktu kejadian yang pertama dalam proses poisson, dan disebut waktu ulang atau
waktu antara dua kejadian yang berurutan, karena kejadian sukses independen dari
waktu ke waktu.
= גrata – rata jumlah kejadian dalam setiap unit ukuran
9
DISTRIBUSI PELUANG KONTINYU
d. Fungsi distribusi T1 dapat dicari dengan menggunakan persamaan :
F( T1) = P( T1 ≤ t ) = 1 − e − λt
P(T1 > t ) = P( Xt = 0) = e − λt
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 − λt
16
λ= = 0,128 gempa per tahun
1961 − 1836
P (T1 ≤ 2) = 1 − e( −0,128 ).( 2 ) = 0,226
10
DISTRIBUSI PELUANG KONTINYU
b. Peluang tidak akan terjadi gempa dalam 10 tahun mendatang adalah
P(T1 > 10).
11