Continous Probability Distributions

Distribusi Uniform Probability adalah distribusi yang paling sederhana untuk variabel
acak. Distribusi ini berbentuk persegi panjang dan didefinisikan oleh minimum (Sebuah)
Dan maksimum (b) nilai-nilai.
Uniform Distribusi - Mean dan Standar Deviasi
Mengetahui nilai-nilai minimum dan maksimum dari distribusi seragam, kita dapat
mendefinisikan fungsi probabilitas, dan menghitung mean, varians, dan standar deviasi dari
distribusi.

Karakteristik Distribusi Probabilitas Normal

a) berbentuk lonceng dan memiliki puncak tunggal di pusat distribusi.
b) simetris dengan mean.
c) asimtotik: Kurva semakin dekat dan mendekati sumbu X tetapi tidak pernah benar-
benar menyentuhnya. Dengan kata lain, ekor kurva melebar tanpa batas di kedua arah.
d) Lokasi dari distribusi normal ditentukan oleh mean, . dispersi atau penyebaran
distribusi ditentukan oleh standar deviasi, σ.
e) Mean aritmetik, median, dan mode adalah sama..
f) Sebagai distribusi probabilitas, total area di bawah kurva didefinisikan menjadi
1,00..
g) Karena distribusi simetris dengan mean, setengah area di bawah kurva normal adalah
di sebelah kanan rata-rata, dan setengah lainnya di sebelah kiri.
Standar Normal Distribusi Probabilitas
a) Distribusi normal standar adalah distribusi normal dengan rata-rata 0 dan standar
deviasi 1.
b) juga disebut distribusi z .
c) Nilai-z adalah jarak yang ditandatangani antara nilai yang dipilih, x yang ditunjuk, dan
mean populasi, 𝜇, dibagi dengan standar deviasi populasi, σ.
d) Rumusnya adalah:
Aturan Empiris- Verifikasi
 Untuk z = 1,00, nilai tabel adalah 0,3413; kali 2 adalah 0,6826.
 Untuk z = 2,00, nilai tabel adalah 0,4772; kali 2 adalah 0,9544.
 Untuk z = 3,00, nilai tabel adalah 0,4987; kali 2 adalah 0,9974.

Menemukan Area untuk z Menggunakan Excel

Excel fungsi:
=NORM.DIST(X, Mean, Standard_dev, Cumu)
=NORM.DIST(1100,1000,100, true)
calculates probabilitas (area) untuk z = 1.
Pendekatan Normal ke Binomial
 Distribusi normal (distribusi berkelanjutan) menghasilkan pendekatan yang baik dari
distribusi binomial (distribusi diskrit) untuk nilai-nilai besar n.
 Distribusi probabilitas normal umumnya merupakan pendekatan yang baik terhadap
distribusi probabilitas binomial ketika np dan n(1-p ) keduanya lebih besar dari 5.
Menggunakan distribusi normal (distribusi kontinu) sebagai pengganti distribusi binomial
(distribusi diskrit) untuk nilai-nilai besar n tampaknya masuk akal karena, seperti n
meningkatkan, distribusi binomial semakin dekat dan lebih dekat dengan distribusi normal.

Faktor Koreksi Kontinuitas

 Nilai 0,5 dikurangi atau ditambahkan, tergantung pada masalah, ke nilai yang dipilih
ketika distribusi probabilitas binomial (distribusi probabilitas diskrit) sedang didekati
oleh distribusi probabilitas kontinyu (distribusi normal).
Cara Mendaftar Faktor Koreksi
Hanya salah satu dari empat kasus mungkin timbul:
1. Untuk probabilitas setidaknya X terjadi, menggunakan daerah di atas (X -.5).
2. Untuk probabilitas bahwa lebih dari X terjadi, menggunakan daerah di atas (X + 0,5).
3. Untuk probabilitas bahwa X atau lebih sedikit terjadi, menggunakan area di bawah (X
-.5).
4. Untuk probabilitas bahwa lebih sedikit dari X terjadi, menggunakan area di bawah (X
+ 0,5).
Keluarga dari Exponential Distribusi
Karakteristik dan penggunaan:
 Positif miring, mirip dengan distribusi Poisson (untuk variabel diskrit)
 Tidak simetris seperti distribusi yang seragam dan normal
 Dijelaskan oleh hanya satu parameter, yang kita kenali sebagai λ, sering disebut sebagai
“tingkat” dari parameter terjadinya
 Sebagai λ menurun, bentuk distribusi menjadi “kurang miring.”
Distribusi eksponensial biasanya menggambarkan situasi antar-tiba seperti:
 waktu layanan dalam sistem
 Waktu antara “hits” di web situs
 Umur dari komponen listrik
 Waktu sampai panggilan telepon berikutnya tiba di sebuah pusat layanan pelanggan
 SOAL
Salah satu karakteristik dari Distribusi Probabilitas Normal adalah:
A. Berbentuk kerucut
B. Asimetris
C. Mean, median, dan mode tidak sama
D. Asimtotik
Jawaban: D
Karakteristik Distribusi Probabilitas Normal
a) berbentuk lonceng dan memiliki puncak tunggal di pusat distribusi.
b) simetris dengan mean.
c) asimtotik: Kurva semakin dekat dan mendekati sumbu X tetapi tidak pernah benar-
benar menyentuhnya. Dengan kata lain, ekor kurva melebar tanpa batas di kedua arah.
d) Lokasi dari distribusi normal ditentukan oleh mean, . dispersi atau penyebaran
distribusi ditentukan oleh standar deviasi, σ.
e) Mean aritmetik, median, dan mode adalah sama..
f) Sebagai distribusi probabilitas, total area di bawah kurva didefinisikan menjadi
1,00..
g) Karena distribusi simetris dengan mean, setengah area di bawah kurva normal adalah
di sebelah kanan rata-rata, dan setengah lainnya di sebelah kiri.