Anda di halaman 1dari 8

TUGAS PERORANGAN/INDIVIDU

DISTRIBUSI PROBABILITAS KONTINU

Disusun sebagai:
MATA KULIAH : Statistika Komputasi

oleh:
Bambang Dwi Nur Rizal
1741720023
TI-2B

PROGRAM STUDI D-IV TEKNIK INFORMATIKA


JURUSAN TEKNOLOGI INFORMASI
POLITEKNIK NEGERI MALANG 2018
1. Pengertian Distribusi Probabilitas Kontinu

Distribusi peluang kontinu adalah peubah acak yang dapat memperoleh semua nilai pada
skala kontinu. Ruang sampel kontinu adalah bila ruang sampel mengandung titik sampel yang
tak terhingga banyaknya. Syarat dari distribusi kontinu adalah apabila fungsi f(x) adalah fungsi
padat peluang perubah acak kontinu X yang didefinisikan di atas himpunan semua bilangan riil
R bila:

Atau bisa juga variabel yang dapat mencakup nilai pecahan maupun mencakup range/
rentang nilai tertentu. Karena terdapat bilangan pecahan yang jumlahnya tidak terbatas, kita
tidak dapat menuliskan semua nilai yang mungkin bersama dengan probabilitasnya masing –
masing dalam bentuk tabel.

2. Ciri – Ciri Distribusi Probabilitas Continu

Ciri – ciri Distribusi Seragam Probabilitas continu adalah :


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

Ciri – ciri Distribusi Normal Probabilitas continu adalah


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 - 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.

Ciri – Ciri Distribusi eksponensial Probabilitas continu :

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.

3. Persamaan Distribusi Probabilitas Continu


Persamaan yang ada dalam masing masing ciri ciri probabilitas adalah semua data yang ada
atau yang ditemukan tidak dapat di nilai dengan pasti dengan kata lain ada suatu data namun
dalam data tersebut masih random atau data tidak dapat diketahui jumlah pasti

4. Contoh Kasus Distribusi Probabilitas Continu


Soal
======
Misalkan dalam sebuah pengukuran tertentu, kesalahan (error) pengukuran tersebut dapat
dinyatakan dalam sebuah variabel acak kontinu X dengan fungsi kepadatan probabilitas (pdf):

a. Buat sketsa grafik f(x)


b. Hitung P(X>0)
c. Hitung P(-1<X<1
d. Hitung P(X<0,5 atau X>0,5)
======
Jawab
======
a.
b. P(X>0)

c. P(-1<X<1)

d. P(X<0,5 atau X>0,5)

P(X<0,5 atau X>0,5) = P(X<0,5) + P(X>0,5)


= 0,683563 + 0,314406
= 0,997969
5. Cara membaca dan Memaknai Grafik Probabilitas Kontinu

A. Karakteristik Distribusi Probabilitas Normal


Oleh sebab itu, kurva normal sering juga disebut kurva Gauss.

Beberapa karakteristik dari distribusi probabilitas dan kurva normal adalah:


Kurva berbentuk genta atau lonceng dan memiliki satu puncak yang terletak di tengah. Nilai
rata-rata hitung (µ) = median (Md) = modus (Mo). Nilai µ = Md = Mo yang berada di tengah
membelah kurva menjadi dua bagian yaitu setengah di bawah nilai µ = Md = Mo dan setengah
di atas nilai µ = Md = Mo.
Distribusi probabilitas dan kurva normal berbentuk kurva simetris dengan rata-rata hitungnya
(µ).
Distribusi probabilitas dan kurva normal bersifat asimptotis.
Kurva mencapai puncak pada saat X = µ.
Luas daerah di bawah kurva normal adalah 1; ½ di sisi kanan nilai tengah dan ½ di sisi kiri.
Bila X suatu pengubah acak normal dengan nilai tengah μ, dan standar deviasi σ, maka
persamaan kurva normalnya adalah:
B. Jenis-jenis Distribusi Probabilitas Normal

Distribusi Probabilitas dan Kurva Normal dengan μ Berbeda dan σ Sama


Bentuk distribusi probabilitas dan kurva normal dengan μ berbeda dan σ sama mempunyai
jarak antara kurva yang berbeda, namun bentuk kurva tetap sama. Hal demikian bisa terjadi
karena kemampuan antar populasi berbeda, namun setiap populasi mempunyai keragaman
yang hampir sama.

Distribusi Probabilitas dan Kurva Normal dengan μ dan σ Berbeda


Distribusi kurva normal dengan μ dan σ berbeda. Kurva ini mempunyai titik pusat yang berbeda
pada sumbu mendatar dan bentuk kurva berbeda karena mempunyai standar deviasi yang
berbeda.
C. Distribusi Probabilitas Normal Baku
Distribusi normal baku adalah distribusi probabilitas acak normal dengan nilai tengah nol dan
simpangan baku 1.
Seringkali disebut dengan distribusi z.
Hal yang perlu dilakukan dalam rangka distribusi probabilitas normal baku adalah mengubah
atau membakukan distribusi aktual dalam bentuk distribusi norma baku yang dikenal dengan
nilai Z atau skor Z
Nilai Z adalah jarak yang berbeda antara sebuah nilai X yang dipilih dari ratarata μ, dibagi
dengan standar deviasinya, σ.
Rumus nilai Z adalah :

Z = Skor Z atau nilai normal baku


X = Nilai dari suatu pengamatan atau pengukuran
μ= Nilai rata-rata hitung suatu distribusi
σ= Standar deviasi
Contoh Soal:
Rata-rata berat sebuah kotak adalah 283 gram dan standar deviasinya 1,6 gram. Berapakah
probabilitas sebuah kotak dibawah 284,5 gram ?
Transformasi dari X ke Z

Bila nilai X berada di antara X = x1 dan X = x2, maka variabel acak Z akan berada di antara
nilai:

Transformasi ini juga mempertahankan luas di bawah kurvanya, artinya: