Anda di halaman 1dari 64

Universitas Gadjah Mada

Fakultas Teknik
Departemen Teknik Sipil dan Lingkungan

DISTRIBUSI PROBABILITAS
VARIABEL RANDOM
Statistika dan Probabilitas
Distribusi Probabilitas Variabel Random
2

q  Distribusi probabilitas variabel q  Distribusi probabilitas variabel


random diskrit random kontinu
q  Distribusi Hipergeometrik
q  Proses Bernoulli q  Distribusi Normal
n  Distribusi Binomial q  Distribusi t
n  Distribusi Geometrik
n  Distribusi Binomial Negatif q  Distribusi Chi-kuadrat (χ2)
q  Proses Poisson q  Distribusi F
n  Distribusi Poisson
n  Distribusi Exponensial
n  Distribusi Gamma
q  Distribusi Multinomial

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


3 Distribusi Probabilitas Variabel Random Diskrit

Distribusi Hipergeometrik

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Distribusi Hipergeometrik
4

q  Situasi
q  Mengambil sampel (random) berukuran n tanpa pengembalian dari suatu
populasi berukuran N
q  Elemen-elemen di dalam populasi tersebut terbagi kedalam dua kelompok,
masing-masing berukuran k dan (N – k)
q  Contoh
q  Suatu populasi berupa
n  hari hujan dan hari tak hujan
n  stasiun dengan data baik dan stasiun dengan data jelek
n  sukses dan gagal

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Distribusi Hipergeometrik
5

q  Persamaan/rumus
q  Jumlah cara/hasil dari memilih n elemen dari N objek adalah sebuah kombinasi
⎛N ⎞ N!
⎜⎜ ⎟⎟ =
⎝ n ⎠ (N − n )! n!

q  Jumlah cara/hasil dari memilih/memperoleh x sukses dan (n – x) gagal dari


suatu populasi yang terdiri dari k sukses dan (N – k) gagal adalah:

⎛ k ⎞⎛ N − k ⎞ k! (N − k )!
⎜⎜ ⎟⎟⎜⎜ ⎟⎟ =
⎝ x ⎠⎝ n − x ⎠ (k − x )! x ! (N − k − n + x )! (n − x )!

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Distribusi Hipergeometrik
6

q  Jadi probabilitas mendapatkan X = x sukses dalam sampel berukuran n yang


diambil dari suatu populasi berukuran N yang memiliki k elemen sukses adalah

⎛ k ⎞⎛ N − k ⎞ ⎛N ⎞
fX (x ; N , n, k ) = ⎜⎜ ⎟⎟⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟
x
⎝ ⎠⎝ n − x ⎠ ⎝n⎠

q  Distribusi kumulatif dari probabilitas mendapatkan x sukses atau kurang


adalah:
x
⎛ k ⎞⎛ N − k ⎞ ⎛N ⎞
FX (x ; N , n, k ) = ∑ ⎜⎜ ⎟⎟⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟
i
i =0 ⎝ ⎠⎝
n − i ⎠ ⎝n⎠

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Distribusi Hipergeometrik
7

q  Nilai rerata (mean) suatu distribusi hipergeometrik adalah


nk
E (X ) =
N
q  Varian
n k (N − n )(N − n )
Var(X ) =
N 2 (N − 1)
q  Catatan:
x ≤ k; x ≤ n; k ≤ N; n ≤ N; n − x ≤ N − k

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Distribusi Hipergeometrik
8

q  Contoh
q  Suatu DAS memiliki 12 stasiun penakar curah hujan dan diketahui bahwa 2
diantaranya dalam keadaan rusak.
q  Manajemen telah memutuskan untuk mengurangi jumlah stasiun menjadi 6 saja.
q  Apabila 6 stasiun dipilih secara acak dari 12 stasiun tersebut, berapakah
peluang terpilihnya stasiun rusak sejumlah 2, 1, atau tidak ada sama sekali?

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Hypergeometric Distributions
9

q  Penyelesaian
q  populasi, N = 12
q  jumlah stasiun rusak, k = 2
q  ukuran sampel, n = 6
q  peluang (probabilitas) mendapatkan stasiun rusak sejumlah x = 2, 1, 0 dalam
sampel berukuran n = 6 yang diambil dari populasi berukuran N = 12 yang
memiliki stasiun rusak sejumlah k = 2 adalah:

⎛ k ⎞⎛ N − k ⎞ ⎛N ⎞
fX (x ; N , n, k ) = ⎜⎜ ⎟⎟⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟
x
⎝ ⎠⎝ n − x ⎠ ⎝n⎠

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Distribusi Hipergeometrik
10

⎛ k ⎞⎛ N − k ⎞ ⎛N ⎞
fX (x ; N , n, k ) = ⎜⎜ ⎟⎟⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟
⎝ x ⎠⎝ n − x ⎠ ⎝n⎠

⎛ 2 ⎞⎛ 12 − 2 ⎞ ⎛ 12 ⎞
x = 2: fX (2;12,6,2) = ⎜⎜ ⎟⎟⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟ = 0.2273
2
⎝ ⎠⎝ 6 − 2 ⎠ ⎝6⎠
⎛ 2 ⎞⎛ 12 − 2 ⎞ ⎛ 12 ⎞
x = 1: fX (1;12,6,2) = ⎜⎜ ⎟⎟⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟ = 0.5454
1
⎝ ⎠⎝ 6 − 1 ⎠ ⎝6⎠
⎛ 2 ⎞⎛ 12 − 2 ⎞ ⎛ 12 ⎞
x = 0: fX (0;12,6,2) = ⎜⎜ ⎟⎟⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟ = 0.2273
0
⎝ ⎠⎝ 6 − 0 ⎠ ⎝6⎠

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Distribusi Hipergeometrik
11

q  Ekspektasi jumlah stasiun rusak yang ada di dalam sampel adalah:


nk 6×2
E(X ) = = =1
N 12
q  atau
2
M1 = ∑x i fX (xi ) = 0 × 0.2273 + 1 × 0.5454 + 2 × 0.2273 = 1
i =0

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Distribusi Hipergeometrik
12

⎛ k ⎞⎛ N − k ⎞ ⎛N ⎞ =HYPGEOM.DIST(x,n,k,N,FALSE)
fX (x ; N , n, k ) = ⎜⎜ ⎟⎟⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟
x
⎝ ⎠⎝ n − x ⎠ ⎝n⎠
x
⎛ k ⎞⎛ N − k ⎞ ⎛N ⎞
FX (x ; N , n, k ) = ∑ ⎜⎜ ⎟⎟⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟ =HYPGEOM.DIST(x,n,k,N,TRUE)
i n−i ⎠
i =0 ⎝ ⎠⎝ ⎝n⎠

fX(2;12,6,2)=HYPGEOM.DIST(2,6,2,12,FALSE) = 0.2273
fX(1;12,6,2)=HYPGEOM.DIST(1,6,2,12,FALSE) = 0.5454
fX(0;12,6,2)=HYPGEOM.DIST(0,6,2,12,FALSE) = 0.2273

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


13 Distribusi Probabilitas Variabel Random Diskrit

Distribusi Binomial

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Contoh Ilustrasi
14

q  Investigasi thd suatu populasi


q  karakteristik populasi → variabel
q  nilai variabel
n  nilai ujian: 0 s.d. 100
n  status perkawinan: tidak kawin, kawin, cerai, duda/janda
n  usia: 0 s.d. ...
n  cuaca: cerah, berawan, hujan

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Contoh Ilustrasi
15

q  Contoh lain
q  Jawaban pertanyaan:
n  ya / tidak
SUKSES
n  benar / salah vs
n  menang / kalah GAGAL
n  lulus / tak-lulus
n  sukses / gagal

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Distribusi Binomial
16

q  Jika
q  variabel hanya memiliki 2 kemungkinan hasil
q  probabilitas (peluang) kedua hasil tersebut tidak berubah (tetap) apapun hasil
eksperimen sebelumnya

Distribusi Binomial

q  Probabilitas hasil suatu distribusi binomial


q  prob(sukses) = p
q  prob(gagal) = q = 1 – p

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Distribusi Binomial
17

q  Ilustrasi
q  Peluang sukses (S) dalam suatu eksperimen adalah p → prob(S) = p
q  Peluang gagal (G) adalah q = 1 – p → prob(G) = q
q  1x eksperimen:
n  peluang sukses p
n  peluang gagal q
q  2x eksperimen:
n  peluang sukses kmd sukses (S,S): pp
n  peluang sukses kmd gagal (S,G): pq
n  peluang gagal kmd sukses (G,S): qp
n  peluang gagal kmd gagal (G,G): qq

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Sukses-Gagal dalam 2x Eksperimen
18

Jumlah sukses Cara sukses Jumlah cara sukses Probabilitas sukses


2 SS 1 pp 1 p2q0
1 SG atau GS 2 pq+qp 2 p1q1
0 GG 1 qq 1 p0q2

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Sukses-Gagal dalam 3x Eksperimen
19

Jumlah Jumlah cara


Cara sukses Probabilitas sukses
sukses sukses
3 SSS 1 ppp 1 p3q0
2 SSG, SGS, GSS 3 ppq+pqp+qpp 3 p2q1
1 SGG, GSG, GGS 3 pqq+qpq+qqp 3 p1q2
0 GGG 1 qqq 1 p0q3

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Sukses-Gagal dalam 3x atau 5x Eksperimen
20

q  3x eksperimen:
q  peluang sukses pada eksperimen ke-3: qqp
q  peluang sukses di salah satu eksperimen: pqq + qpq + qqp
q  5x eksperimen:
⎛5⎞ 2 3
⎜⎜ ⎟⎟ p q = 10 p 2 q 3
q  peluang sukses 2x: ppqqq + pqpqq
⎝ 2 ⎠ + ... + qqqpp

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Distribusi Binomial
21

q  Jika
q  peluang sukses p dan peluang gagal q = 1 – p
q  probabilitas sukses p tidak berubah apapun hasil eksperimen yang lain
q  Maka
q  peluang mendapatkan x kali sukses dalam n kali eksperimen adalah:

⎛n⎞
fX (x ; n, p ) = ⎜⎜ ⎟⎟ p x (1 − p )n− x , x = 0, 1, 2, ..., n
⎝x⎠

koefisien binomial =COMBIN(n,x)

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Distribusi Binomial
22

q  Distribusi binomial dan distribusi binomial kumulatif


⎛n⎞
fX (x ; n, p ) = ⎜⎜ ⎟⎟ p x (1 − p )n− x , x = 0, 1, 2, ..., n =BINOM.DIST(x,n,p,FALSE)
⎝x⎠
x
⎛n⎞
FX (x ; n, p ) = ⎜⎜ ⎟⎟ pi (1 − p )n−i
∑ =BINOM.DIST(x,n,p,TRUE)
i
i =0 ⎝ ⎠

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Distribusi Binomial
23

q  Nilai rerata dan varian


E(X ) = n p
VAR(X ) = n p q

q  Koefisien skewness
p = q à simetris
q−p
cs = q > p à negative skew
n pq
q < p à positive skew

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Distribusi Binomial
24

q  Contoh #1
q  Setiap tahun dalam 5 tahun dilakukan pemilihan acak untuk menetapkan alokasi
dana kepada 1 dari 4 kegiatan (A,B,C,D).
q  Setiap kali dilakukan pemilihan, masing-masing kegiatan memiliki peluang yang
sama untuk terpilih (mendapatkan dana).
q  Berapa persen peluang kegiatan A mendapatkan dana 3x?
q  Berapa persen peluang kegiatan A mendapatkan dana 5x, 4x, 3x, 2x, 1x, 0x?

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Distribusi Binomial
25

q  Setiap kali pemilihan


n  prob(As) = probabilitas kegiatan A terpilih
prob(As) = ¼ = 0.25 = p
n  prob(Ag) = probabilitas kegiatan A tak terpilih
prob(Ag) = 1 – p = 0.75 = q
q  Dalam 5x pemilihan, maka probabilitas kegiatan A mendapatkan dana 3x
adalah:
⎛ 5⎞
fX (x ; n, p ) = fX (3;5,0.25) = ⎜⎜ ⎟⎟ 0.253 (1 − 0.25)5−3 = 0.0879
⎝ 3⎠
=BINOM.DIST(3,5,0.25,FALSE)

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Distribusi Binomial
26

Jumlah sukses Jumlah cara sukses Probabilitas


0 1 0.237
1 5 0.396
2 10 0.264
3 10 0.088
4 5 0.015
5 1 0.001
Jumlah = 1.000

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


27 Distribusi Probabilitas Variabel Random Diskrit

Distribusi Poisson

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Distribusi Poisson
28

q  Situasi
q  Proses Bernoulli dalam suatu selang waktu à p adalah probabilitas terjadinya
suatu event dalam selang waktu tersebut.
q  Jika selang waktu t sangat pendek, sedemikian hingga probabilitas p menjadi
kecil dan jumlah pengamatan (eksperimen) n bertambah, sedemikian hingga np
konstan, maka
n  ekspektasi jumlah kejadian dalam selang waktu total à tetap

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Distribusi Poisson
29

q  Sifat
q  Proses Poisson adalah suatu proses diskrit pada skala waktu kontinu.
n  Oleh karena itu, distribusi probabilitas jumlah event dalam suatu waktu T adalah
sebuah distribusi diskrit,
n  akan tetapi distribusi probabilitas waktu antar events serta waktu sampai ke event ke-
n adalah distribusi kontinu.

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Distribusi Poisson
30

q  Probabilitas distribusi Poisson


λx e − λ
f X (x ; λ ) = , x = 0, 1, 2, ... dan λ = n p > 0
x!

q  Distribusi Poisson kumulatif


x
λi e − λ
FX (x ; λ ) = ∑
i =0 i!

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Distribusi Poisson
31

q  Nilai rerata dan varian


E(X ) = λ VAR(X ) = λ

q  Skewness coefficient
1
c s = λ− 2

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Distribusi Poisson
32

q  Contoh
q  Suatu printer membuat kesalahan secara random pada kertas cetak rerata 2
kesalahan per halaman.
q  Hitunglah probabilitas terjadi satu salah cetak dalam satu halaman.
q  Penyelesaian
λ = 2, x = 1
21 e −2 2
fX (x ; λ ) = fX (1;2) = = 2 = 0.2707
1! e

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


33 Distribusi Probabilitas Variabel Random Kontinu

Distribusi Normal

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Flash-back Distribusi Binomial
34

q  Ilustrasi contoh pemilihan kegiatan


q  Setiap tahun dalam 5 tahun dilakukan pemilihan secara acak untuk menetapkan
alokasi dana kepada 1 dari 4 kegiatan (A,B,C,D).
q  Setiap kali dilakukan pemilihan, masing-masing kegiatan memiliki peluang yang
sama untuk terpilih (mendapatkan dana).
q  Berapakah probabilitas kegiatan A mendapatkan dana 5×, 4×, 3×, 2×, 1×,
0×?

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Flash-back Distribusi Binomial
35

Distribusi Binomial

memilih 1 di antara 4 kegiatan untuk diberi dana

Histogram distribusi probabilitas


kegiatan A mendapatkan dana

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Flash-back Distribusi Binomial
36

q  Setiap kali pemilihan


q  prob(As) = probabilitas kegiatan A terpilih
prob(As) = ¼ = 0.25 = p
q  prob(Ag) = probabilitas kegiatan A tak terpilih
prob(Ag) = 1 – p = 0.75 = q
q  Dalam 5x pemilihan, maka probabilitas kegiatan A mendapatkan dana 3x
adalah:
⎛ 5⎞
fX (x ; n, p ) = fX (3;5,0.25) = ⎜⎜ ⎟⎟ 0.253 (1 − 0.25)5−3 = 0.0879 =BINOM.DIST(3,5,0.25,FALSE)
⎝ 3⎠

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Flash-back Distribusi Binomial
37

Jumlah sukses Jumlah cara sukses Probabilitas


0 1 0.2373
1 5 0.3955
2 10 0.2637
3 10 0.0879
4 5 0.0146
5 1 0.0010
Jumlah = 1.0000

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Flash-back Distribusi Binomial
38

Distribusi probabilitas kegiatan A mendapatkan dana


0.5
0.3955
0.4
Probabilitas

0.3 0.2637
0.2373
0.2
0.0879
0.1
0.0146 0.0010
0
0 1 2 3 4 5
Frekuensi perolehan dana

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Flash-back Distribusi Binomial
39

q  Apabila pemilihan dilakukan untuk waktu yang lebih panjang


q  10 tahun
q  20 tahun
q  n tahun
n  diperoleh n + 1 kemungkinan hasil
n  Kegiatan A dapat memperoleh dana sejumlah
n kali, n – 1 kali, ... 0 kali

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Flash-back Distribusi Binomial
40

0.3 0.25
n = 10 n = 20
0.25
0.2

0.2
Probabilitas

Probabilitas
0.15
0.15
0.1
0.1

0.05
0.05

0 0
0 1 2 3 4 5 6 7 8 9 0 2 4 6 8 10 12 14 16 18 20
Frekuensi perolehan dana Frekuensi perolehan dana

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Distribusi Binomial vs Kurva Normal
41

q  Apabila pemilihan (eksperimen) dilakukan sejumlah n kali dan n »


q  histogram distribusi probabilitas sukses (Kegiatan A memperoleh dana) memiliki
selang (interval) kecil
q  garis yang melewati puncak-puncak histogram → kurva mulus berbentuk seperti
lonceng

Kurva Normal

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Distribusi probabilitas kegiatan A mendapatkan dana
0.25
n = 20
0.2
Peobabilitas

0.15

0.1

0.05

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Frekuensi perolehan dana

42 http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Distribusi probabilitas kegiatan A mendapatkan dana
0.14
n = 50
0.12

0.1
Peobabilitas

0.08

0.06

0.04

0.02

0
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42 44 46 48 50
Frekuensi perolehan dana

43 http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Kurva Normal dan Distribusi Normal
44

q  Kurva Normal
q  berbentuk seperti lonceng dengan karakteristika tertentu
q  tidak setiap kurva berbentuk seperti lonceng adalah kurva normal
q  Kurva Normal menggambarkan suatu distribusi yang disebut Distribusi Normal
q  Permasalahan distribusi binomial dapat diselesaikan dengan pendekatan
distribusi normal
q  Distribusi normal lebih mudah dilakukan daripada distribusi binomial karena
karakteristika distribusi normal telah diketahui (didefinisikan)
q  tabel distribusi normal
q  perintah/fungsi dalam MSExcel

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Distribusi Normal
45

q  Karakteristika distribusi normal


q  simetris terhadap nilai rerata (mean)
q  score mengumpul di sekitar nilai rerata
q  kisaran score tak terbatas, namun sangat sedikit yang berada di luar kisaran
tiga kali simpangan baku dari nilai rerata

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Distribusi Normal
46

luas = 1

X
−∞ μ−3σ μ−2σ μ−σ μ μ+σ μ+2σ μ+3σ +∞

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Distribusi Normal
47
luas = 0.00135

luas = 0.00135
luas = 0.9973

X
−∞ μ−3σ μ−2σ μ−σ μ μ+σ μ+2σ μ+3σ +∞

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


pdf Distribusi Normal
48
pX(x)
pdf (probability density function)

−12
N(μ,σ2) (
pX (x ) = 2πσ2 ) e − 2( x −µ ) σ
1 2

X
−∞ μ−3σ μ−2σ μ−σ μ μ+σ μ+2σ μ+3σ +∞

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


pdf Distribusi Normal
49
pX(x)
μ1=μ2=μ3
N(μ1,σ12)
σ1 > σ2> σ3

N(μ2,σ22)

N(μ3,σ32)

X
−∞ μ1=μ2=μ3 +∞

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


pdf Distribusi Normal
50
pX(x)
μ1 < μ2 < μ3 N(μ2,σ22)
σ1 = σ2= σ3

N(μ1,σ12)

N(μ3,σ32)

X
−∞ μ1 μ2 μ3 +∞

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Distribusi Normal
51

q  Jika X berdistribusi normal, N(µ,σ2), maka prob(X ≤ x) dapat dicari dengan:


x x
1

∫ (2πσ )
2 − 2 − 1 2 (t −µ ) σ 2
prob (X ≤ x ) = PX (x ) = ∫p X (t ) d t = e dt
−∞ −∞

luas di bawah kurva pdf


(dari −∞ s.d. x) à cdf

cdf (cumulative distribution function) −∞ x +∞

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


pdf - cdf
52
PX(x)

pX(x) 1
cdf

pdf

0
–∞ µ +∞
http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16
Distribusi Normal
53

q  Luas di bawah kurva pdf


q  menunjukkan probabilitas suatu event
q  menunjukkan percentile rank
q  prob(X ≤ x) = prob(-∞ ≤ X ≤ x)
= luas di bawah kurva antara -∞ s.d. x
q  prob(-∞ ≤ X ≤ +∞) = 1
= luas di bawah kurva antara -∞ s.d. +∞
q  prob(X ≥ x) = prob(x ≤ X ≤ +∞)
= luas di bawah kurva antara x s.d. +∞ -∞ x +∞
= 1 – prob(X ≤ x)

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Distribusi Normal
54

q  Probabilitas
q  prob(X ≤ µ) = prob(X ≥ µ) = 0.50
q  prob(µ-x ≤ X ≤ µ) = prob(µ ≤ X ≤ µ+x)

−∞ µ +∞

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Distribusi Normal
55

q  Probabilitas
q  prob(X = x) = luas di bawah kurva antara x s.d. x
=0
q  prob(X ≤ x) = prob(X < x)
q  prob(X ≥ x) = prob(X > x)
q  prob(xa ≤ X ≤ xb) = prob(xa < X < xb)

-∞ xa xb +∞

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Distribusi Normal Standar
56

q  Distribusi normal biasa disajikan dalam bentuk distribusi normal standar


q  dinyatakan dalam variabel Z

X −µ
Zx =
σ

q  Zx berdistribusi normal dengan μ = 0 dan σ = 1, N(0,1)


à disebut dengan nama distribusi normal standar

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Distribusi Normal Standar
57

luas = 1

−∞ μ−3σ μ−2σ μ−σ μ μ+σ μ+2σ μ+3σ +∞ X


−∞ −3 −2 −1 0 1 2 3 +∞ Z

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Tabel Distribusi Normal Standar
58

q  Tabel z vs ordinat kurva normal standar


q  z vs ordinat pdf (probability density function) à file1
q  Tabel z vs luas di bawah kurva
q  z vs cdf (cumulative distribution function)
q  luas kurva dari 0 s.d. zx à file2
q  luas kurva dari −∞ s.d. zx à file3

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Tabel Distribusi Normal Standar
59

q  Contoh
q  Suatu variabel random X berdistribusi normal, serta memiliki nilai rerata 12,
dan simpangan baku 3

q  prob(X < 15)= prob(Z < 1)= … (lihat tabel)


q  prob(X < 9)= prob(Z < −1)= … (lihat tabel)
q  prob(9 < X < 15)= prob(−1 < Z < 1)= … (lihat tabel)

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Perintah (Fungsi) MS Excel
60

q  Distribusi Normal
q  NORM.DIST(x,mean,standard_dev,cumulative)
n  x = nilai yang diinginkan untuk dicari distribusi normalnya
n  mean = nilai rerata (aritmetik)
n  standard_dev = nilai simpangan baku
n  cumulative = TRUE atau FALSE; TRUE jika ingin menghitung cdf, FALSE jika ingin
menghitung pdf
q  NORM.INV(probability,mean,standard_dev)
n  probability = probabilitas suatu distribusi normal
n  mean = nilai rerata (aritmetik)
n  standar_dev = nilai simpangan baku

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Perintah (Fungsi) MS Excel
61

q  Distribusi Normal Standar


q  NORM.S.DIST(z,TRUE)
n  menghitung nilai cdf distribusi normal standar
q  NORM.S.DIST(z,FALSE)
n  menghitung nilai pdf distribusi normal standar
q  NORM.S.INV(probability)
n  kebalikan dari NORM.S.DIST(z)
n  mencari nilai z apabila probabilitasnya diketahui
q  Ingat
q  Distribusi Normal Standar
n  mean = 0
n  simpangan baku = 1

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Perintah (Fungsi) MS Excel
62

q  Contoh 1
q  NORM.DIST(15,12,3,TRUE)
n  rerata = 12
n  simpangan baku = 3
n  prob(X < 15) = NORM.DIST(15,12,3,TRUE) = 0.8413
q  NORM.INV(0.8,12,3)
n  prob(X < x) = 0.8
n  x = NORM.INV(0.8,12,3) = 14.5249

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


Perintah (Fungsi) MS Excel
63

q  Contoh 2
q  NORM.S.DIST(3,TRUE)
n  rerata = 0
n  simpangan baku = 1
n  prob(Z < 3) = NORM.S.DIST(3,TRUE) = 0.9987
n  prob(0 < Z < 3) = NORM.S.DIST(3,TRUE) – 0.5 = 0.4987
n  prob(1 < Z < 3) = NORM.S.DIST(3,TRUE) – NORM.S.DIST(1,TRUE)
n  prob(Z > 1.5) = 1 – NORM.S.DIST(1.5,TRUE)
q  NORM.S.INV(0.65)
n  prob(Z < z) = 0.65
n  z = NORM.S.INV(0.65) = 0.3843

http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16


64 http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16