Nama : Ayu Rouli Manurung

NPM : 15150091

Grup :C

1. Jelaskan makna dari angka-angka dari tabel sebaran Z, T, 2, dan F. Anda
jelaskan 𝑧𝛾 = 𝑎, 𝑡𝛾,𝜗 = 𝑏, 𝜒 2 𝛾,𝜗 = 𝑐, 𝑓𝛾,𝜗1 𝑣𝑠𝜗2 = 𝑑 lengkap dengan diagramnya!

Penyelesaian :

Sebaran Z
Defenisi : Sebaran suatu peubah acak normal dengan rataan nol dan varians 1
1 2
1
disebut aturan normal baku 𝑛(𝑧 ; 0,1) = 𝑒 2𝑧 , −∞ < 𝑧 < ∞
√(2𝜋)

Salah satu tabel yang disusun untuk sebaran normal baku terdiri dari nilai Z lajur
kiri pertama sebagai angka bulat dan persepuluhan, dan baris atas pertama
perseratusan, nilai peluang antara 0 dan z, sesuai dengan baris dan kolom yangg
bersesuaian.

Catatan : Cara penyusunan tabel tidak baku biasanya setiap penulis bebas memilih
caranya sendiri.

Ilustrasi tabel sebaran normal :

0 z

Z 0 1 2 3 4 5 6 7 8 9
0,0 .... .... .... .... .... .... .... .... .... ....
0,1 .... .... .... .... .... .... .... .... .... ....
0,2 .... .... .... .... .... .... .... .... .... ....
.... .... .... .... .... .... .... .... .... .... ....
.... .... .... .... .... .... .... .... .... .... ....
 .... .... .... .... .... .... .... .... .... .... ....
3,9 .... .... .... .... .... .... .... .... .... ....

Bentuk kurva sebaran normal baku :

𝑧𝛾 = 𝑎 artinya, untuk angka baku z dengan ketelitian sebesar 𝛾 maka peluangnya

adalah a.

a = zp %

P ( 0 < Z < z) = 𝛾

0 a z
Sebaran T
Semua kurva sebaran t menyebar dengan variasi lebih besar, puncak lebih rendah
(keruncingan yang lebih tajam) dan kurva normal.

Untuk memudahkan perhitunggan telah disusun suatu tabel yang komponennya

persen dibawah kurva, derajat bebas, dan nilai t. Tulisan ini menggunakan tabel
P(T < tp ; v)

Bentuk tabel sebaran t

V t0,995 t0,99 .... t0,90 .... t0,55

1 .... .... .... .... .... ....
2 .... .... .... .... .... ....
3 .... .... .... .... .... ....
.... .... .... .... .... .... ....
.... .... .... .... .... .... ....
 120 .... .... .... .... .... ....
~ .... .... .... .... .... ....

Kurva sebaran T = p :

𝑡𝛾,𝑣 = 𝑏 artinya, untuk sebaran t dengan peubah acak T, derajat bebas v dan
dengan ketelitian sebesar 𝛾 maka peluangnya adalah b.

b = tp %

P ( T < tp;v) = 𝑃

1-P

tp

Sebaran 2

1
Defenisi : Suatu sebaran gamma dengan parameter  = 2 𝑣 dan β = 2, 𝑣 bilangan

bulat positif, disebut sebaran khi kwadrat dan fungsi padatnya:

1 1
1 𝑣−1 − 𝑥
1⁄ 𝑣 1 𝑒 2 𝑒 2 , 𝑥>0
2 2 𝑟( 𝑣)
2
𝑓𝑥 = {0,𝑢𝑛𝑡𝑢𝑘𝑥𝑙𝑎𝑖𝑛𝑛𝑦𝑎

𝑣 disebut derajat bebas

Untuk memudahkan perhitungan dibuat suatu tabel sebaran khi kwadrat yang
memuat beberapa nilai peluang derajat bebas (𝑣) dan nilai khi kwadrat (2) yang
berarti P(0≤ 2 ≤ 2;v) = 
Bentuk tabel sebaran 2

V 2.005 2.01 ... 2.75 2.90 ... 2.999

1 ... ... ... ... ... ... ...
2 ... ... ... ... ... ... ...
3 ... ... ... ... ... ... ...
... ... ... ... ... ... ... ...
... ... ... ... ... ... ... ...
100 ... ... ... ... ... ... ...

Kurva sebaran 2

2;v artinya, nilai 2 dengan ketelitian

sebesar dan derajat bebas v maka

peluangnya adalah C C = 2 P %

P(0< 2 < 2p;v) = P P(0≤ 2 ≤ 2;v)

Sebaran F

Kurva sebaran F tidak simetrik dan tergantung pada derajat bebas v1 dan v2
sebagai contoh dapat dilihat gambar berikut
 db 6 dan 24 db 6 dan 10

db 6 dan 10 

a b 𝑓𝛼 ; 𝑣1 , 𝑣2

Untuk mempermudah perhitungan maka telah ada disusun tebal sebaran F yang
komponennya terdiri dari derajat bebas v1 yang disebut derajat bebas pembilang
dan v2 disebut derajat bebas penyebut, nilai f dan luas daerah dibawah kurva atau
nilai peluang P(F> 𝑓𝛼 ; 𝑣1 , 𝑣2 ) = . Simbolik 𝑓𝛼 ; 𝑣1 , 𝑣2 sering juga dituliskan 𝑓𝛼 ;
𝑣1 𝑣5 𝑣2 atau 𝑓𝛼 ; 𝑣1 lawan 𝑣2 , tetapi ada juga penulis memakai 𝑓𝛼 ( 𝑣1 , 𝑣2 ). Dalam
tulisan ini dijelaskan bentuk tabel dengan  = 1% dan 5%.

Bentuk tabel sebaran F:

Kurva sebaran F  = 0,025

P(F> 𝑓𝛼 ; 𝑣1 , 𝑣2 ) = 

0,025

0 1 2 3 3,44 4

𝑓𝛾 ; 𝑣1 vs𝑣2 = d artinya, nilai F denganketelitian sebesar 𝛾 dan dengan

derajatbebas v1 , v2 maka peluangnya adalah d (d= F P%)
2. Ditentukan suatu sebaran frekuensi berikut :

Interval F
50-56 4
57-63 6
64-70 8
71-77 12
78-84 3
85-91 7

Interval F X f.x d f.d u f.u 𝑓𝑥 2

50-56 4 53 212 -21 -84 -3 12 44944

57-63 6 60 360 -14 -84 -2 -12 129600

64-70 8 67 536 -7 -56 -1 -8 287296

71-77 12 74 888 0 0 0 0 788544

78-84 3 81 243 7 21 1 3 59049

85-91 7 88 616 14 98 2 14 379456

∑ 𝒇= ∑ 𝒇𝒙 ∑ 𝒇𝒅 = ∑ 𝒇𝒖 ∑ 𝒇𝒙𝟐
𝟒𝟎 -105
= 𝟐𝟖𝟓𝟓 = −𝟏𝟓 = 𝟏𝟔𝟖𝟖𝟖𝟖𝟗

Menghitungrataan data dengancarakonseprataan:

𝑘
𝑓𝑖 𝑥𝑖
𝑥=∑
𝑁
𝑖=1

2855
= = 71,375
40
Menghitungrataan data dengancaradeviasi:

𝑓𝑖 𝑑𝑖
𝑥̅ = xo + ∑𝑘𝑖=1 𝑁
−105
= 74 + 40

= 71,375

Menghitungrataan data dengancarakoding:

𝑓𝑖 𝑢𝑖
𝑥̅ = xo + ∑𝑘𝑖=1 .𝑃
𝑁

−15
= 74 + .7
40

= 71,375

a) Menghitung varians data apabila data dianggap sebagai populasi:

2
𝑁 ∑𝑘𝑖=1 𝑓𝑖 𝑥𝑖2 − (∑𝑘𝑖=1 𝑓𝑖 𝑥𝑖 )
𝑉𝑎𝑟(𝑥) = 𝜎𝑥2 =
𝑁2
4(53 − 71,375)2 6(60 − 71,375)2 8(67 − 71,375)2
= + +
40 40 40
12(74 − 71,375)2 3(81 − 71,375)2 7(88 − 71,375)2
+ + +
40 40 40
= 115,26
b) Menghitung varian data apabila data dianggap sebagai sampel
∑𝑘
𝑖=1 𝑓𝑖 −(𝑋−𝑋)
2
𝑉𝑎𝑟(𝑥) = 𝑆𝑥2 = 𝑛−1

4(53 − 71,375)2 6(60 − 71,375)2 8(67 − 71,375)2

= + +
39 39 39
12(74 − 71,375)2 3(81 − 71,375)2 7(88 − 71,375)2
+ + +
39 39 39

= 118,5

c) Kemencengan
𝑋−𝑚𝑜
Kemencengan = 𝑆
 71,375−73,8
= 9,86

= 0,25
d) Kurtosis
𝑚4
𝛼4 =
(𝑚2 )2
280011,1585
𝛼4 =
(115,26)2
= 2,1085
3. Peluang Terlambatnya mahasiswa masuk kuliah adalah P dalam satu hari,
berapa peluang mahasiswa tidak terlambat n kali sampai dengan n2 kali dalam y
bulan kuliah (1 bulan 30 hari kuliah). Dengan pilihan 0,41<p<0,49.
a. Dengan sebaran yang sesuai
 Sebaran Normal
o P(o<P<0,41) = 0,1591 atau -0,41<P<0 = 0,1591
o P(0<P<0,49) = 0,1879 atau -0,49<P<0 = 0,1879

1
1 0,49 − 2 𝑑𝑧
Jadi, P(0<P<0,41) = ∫ 𝑒 2𝑧 = 0,1879
√2𝜋 0,41

1
1 0,49 − 2 𝑑𝑧
Maka P(0,41<P,0,49) = ∫ 𝑒 2𝑧 = 0,1879 − 0,1591 = 0,0288.
√2𝜋 0,41

b. Dengan pendekatan/hampiran
Misalnya peluang terlambatnya mahasiswa untuk masuk kuliah adalah 0,6 dalam
satu hari maka peluang tidak terlambatnya mahasiswa adalah 0,2 kali. Misalkan P
menyatakan mahasiswa yang tidak terlambat masuk kuliah, maka yang ditanya
adalah P(0,41<P<0,49).
n = 30
p = 0,2
𝜇 = 𝑛. 𝑝 = 30.0,2 = 6
𝛿 = √𝑛𝑝𝑞

= √30.0,2.0,6
= 1,897.
Dengan sebaran binomial:
P(0,41<P<0,49) = ∑0,49
0,41 𝑏(𝑃; 30, 0,2)

Perhitungan dapat menjemukkan oleh karena itu pendekatan sebaran nomial dapat
digunakan P(0,41<0,49) = P(𝑧𝑝 = −0,09 < 𝑧 < 𝑧𝑝 = 0,99) sedangkan 𝑧𝑝 =
−0,09−6 −6,09 0,99−6
−0,09 = = = −3,21 dan 𝑧𝑝 = 0,99 = = −2,64. Maka
1,897 1,897 1,897

diperoleh; P(0,41<P<0,49) =0,9952.

4. Lakukanlah proses berikut: anda tentukan sendiri data X =
{{𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 , 𝑥6 }, 𝑁 = 6. Pilih lah secara random sebanyak 2≤ 𝑛 ≤ 5 data
𝑁
lalu yang mungkin terpilih diratakan terbentuk sebanyak ( ) rataan yaitu
𝑛
𝑋1 , 𝑋11 , … , 𝑋(𝑁) , … (∗)
𝑛

a. Carilah rataan dan varians dari rataan tersebut (disimbolkan 𝜇𝑥 ) dan

𝑥𝑖
periksa apakah 𝜇𝑥 = 𝜇𝑥 = ∑6𝑖=1 6

b. Hitung varians dari rataan data x

c. Hitung varians dari rataan-rataan tersebut (data baru (*))
𝜎𝑥2 𝑁−𝑛 𝜎𝑥2
d. Perika apakah 𝜎𝑥2 = . 𝑁−1 bila N ukuran besar 𝜎𝑥2 =
𝑛 𝑛

Pembahasan:

X = {{𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 , 𝑥6 }, 𝑁 = 6

Mialkan X ={1,2,3,4,6,8}

Dipilih : 2≤ 4 ≤ 5

6 6!
Maka data baru = ( ) = 5!1! = 6 𝑑𝑎𝑡𝑎
5
16 23 22 21 20 18
+ + + + +
5 5 5 5 5 5
a) 𝜇𝑥 = 6

= 4,2
6
𝑥𝑖
𝜇𝑥 = ∑
6
𝑖=1
 1+2+3+4+6+8
= 6

= 4.
(𝑥1 −𝜇)2
b) 𝜎𝑥2 = ∑𝑘𝑖=1 𝑁

= 5,67
c) varians dari rataan-rataan tersebut (data baru (*))
𝜎𝑥2 = 0,2267
d) 𝜎𝑥2 = 0,2268

𝜎𝑥2 𝑁−𝑛
Jadi, terbukti bahwa 𝜎𝑥2 ≠ . 𝑁−1
𝑛

5. Mawar mengambil sebuah sampel acak yaitu terdiri dari 160 ekor ayam.
Setelah diperiksa suhu tubuhnya 260c. Jika populasi dianggap memiliki sebaran
normal. Maka tentukanlah taksiran rataan suhu tubuh ayam apabila: simpangan
baku populasinya diketahui 280c, y = 0,090.
Pembahasan:
X = 260
n = 160
𝛿 = 280
𝜎𝑥 𝜎𝑥
Maka 𝑋 − 𝑍1𝑦 . < 𝜇𝑥 < 𝑋 + 𝑍1𝑦 .
2 √𝑛 2 √𝑛

28 28
26 − 𝑍10,090 . < 𝜇𝑥 < 26 + 𝑍10,090 .
2 √160 2 √160
25,97 < 𝜇𝑥 < 26,02

Berarti rataan suhu tubuh ayam yaitu antara 25,970c dengan 26,020c.