Probabilitas Dsikrit Dan Kontinus (Rangkuman Pertemuan IV)
Probabilitas Dsikrit Dan Kontinus (Rangkuman Pertemuan IV)
18/433436/PKU/17349
KMPK
Biostatistik
Rangkuman Pertemuan ke 4
Probabilitas Diskrit
Jika suatu variabel acak memiliki sejumlah besar nilai dengan probabilitas positif, maka fungsi
probabilitas-massa bukan ukuran ringkasan yang berguna. Ukuran lokasi dan penyebaran dapat
dikembangkan untuk variabel acak dengan cara yang sama seperti yang dikembangkan untuk sampel.
Analog ke aritmatika berarti x disebut nilai yang diharapkan dari variabel acak, atau mean populasi,
dan dilambangkan dengan E (X) atau µ. Nilai yang diharapkan mewakili nilai "rata-rata" dari variabel
acak. Ini diperoleh dengan mengalikan setiap nilai yang mungkin oleh masing-masing probabilitas dan
menjumlahkan produk ini di atas semua nilai yang positif (itu adalah, bukan nol) probabilitas
Variabel Acak
Mewakili nilai numerik yang mungkin dari peristiwa yang tidak pasti
Variabel acak ada 2 yaitu
Variabel acak diskrti (terdapat rentan nilai)
Variabel acak berkelanjutan (bergelombang)
Variabel acak diskrit
Hanya dapat mengasumsikan jumlah yang dapat dihitung nilai-nilai
Contohnya
Putaran dadu dua kali Misalkan X adalah berapa kali 4 muncul (maka X bisa 0, 1, atau 2 kali)
lemparan koin 5 kali. Misalkan X adalah jumlah kepala (lalu X = 0, 1, 2, 3, 4, atau 5)
Analog ke varians sampel (s2) untuk variabel acak disebut varians dari variabel acak, atau varians
populasi, dan dilambangkan dengan Var (X) atau s2. Variasinya mewakili penyebaran, relatif terhadap
nilai yang diharapkan, dari semua nilai yang positif kemungkinan. Secara khusus, varians diperoleh
dengan mengalikan kuadrat jarak setiap nilai yang mungkin dari nilai yang diharapkan dengan
probabilitas masing-masing dan menjumlahkan semua nilai yang memiliki probabilitas positif.
Varians dari variabel acak diskrit, dilambangkan dengan Var (X), didefinisikan oleh di mana xi adalah
nilai yang mana variabel acak mengambil probabilitas positif. Simpangan baku dari variabel acak X,
dilambangkan dengan sd (X) atau s, adalah ditentukan oleh akar kuadrat dari variasinya.
Variabel Acak diskrit Ukuran Ringkasan
Varians dari variabel acak diskrit
Standar Deviasi dari variabel acak diskrit
Distribusi probabilitas
Distribusi Probabilitas Binomial
Sejumlah observasi yang tetap, misalnya, 15 kali pelemparan koin; sepuluh bola lampu yang
diambil dari gudang
Dua saling eksklusif dan kolektif kategori lengkap
mis., Kepala atau ekor di setiap lemparan koin; cacat atau tidak bola lampu rusak
Umumnya disebut "sukses" dan "gagal"
Probabilitas keberhasilan adalah p, probabilitas kegagalan adalah 1 - p
Probabilitas konstan untuk setiap observasi
misalnya, Probabilitas mendapatkan ekor sama setiap kali kita lempar koin
Observasi bersifat independen
Hasil dari satu pengamatan tidak mempengaruhi hasil dari yang lain
Dua metode sampling
Populasi tak terbatas tanpa penggantian
Arif Nugroho Triutomo
18/433436/PKU/17349
KMPK
Distribusi probablitas dibedakan menjadi distribusi probabilitas Discrite dan distribusi probabilitas
kontinus
1. Kali ini akan membahas Distribusi Probabilitas Kontinus. Distribusi Probabilitas kontiuous adalah
adalah variabel yang dapat mengasumsikan nilai apa pun pada suatu kontinum (Dapat
mengasumsikan jumlah yang tak terhitung banyaknya nilai-nilai)
ketebalan kulit
waktu yang dibutuhkan untuk pulih dari penyakit
suhu rektal
tinggi, dalam cm atau berat dalam kilogram
2. Ini berpotensi mengambil nilai apa pun, tergantung hanya pada kemampuan mengukur akurat
3. Probabilitas Normal Fungsi Densitas
Rumus untuk probabilitas normal fungsi kerapatan adalah
Dimana
e = konstanta matematika diperkirakan oleh 2,71828
π = konstanta matematika yang diperkirakan oleh 3.14159
μ = mean populasi
σ = deviasi standar populasi
X = nilai apa pun dari variabel kontinyu
Arif Nugroho Triutomo
18/433436/PKU/17349
KMPK
Dimana
e = konstanta matematika diperkirakan oleh 2,71828
π = konstanta matematika yang diperkirakan oleh 3.14159
Z = nilai dari distribusi normal standar
7. The Standardized Normal Distribution
Juga dikenal sebagai distribusi "Z". Berarti 0 Standar Deviasi adalah 1
Perhatikan bahwa distribusinya sama, hanya saja skala telah berubah. Kami dapat
mengungkapkan masalah unit asli (X) atau dalam unit standar (Z)
9. Menemukan Probabilitas Normal
Probabilitas diukur berdasarkan area di bawah kurva
11.Aturan Empiris
Apa yang bisa kita katakan tentang distribusi nilai sekitar mean? Ada beberapa aturan umum:
Nilai dalam
tabel memberi
probabilitas dari Z = - ∞
hingga Z yang diinginkan
nilai
P(Z < 2.00) = 0.9772
Anggaplah X normal dengan rata-rata 8,0 dan standar deviasi 5.0. Temukan P (X <8.6)
18.Mengevaluasi Normalitas
Tidak semua variabel acak kontinyu terdistribusi secara normal
Penting untuk mengevaluasi seberapa baik data set diperkirakan dengan distribusi normal
Buat diagram atau grafik
Untuk set data berukuran kecil atau sedang, lakukan stemand- tampilan daun dan
tampilan kotak-dan-kumis simetris?
Untuk set data besar, apakah histogram atau poligon muncul berbentuk lonceng?
Hitung ukuran ringkasan deskriptif
Apakah mean, median dan mode memiliki persamaan nilai-nilai?
Apakah rentang interkuartil kira-kira 1,33 σ?
Apakah kisarannya kira-kira 6 σ?
Amati distribusi kumpulan data
Lakukan sekitar 2/3 dari observasi kebohongan dalam rata-rata 1 standar deviasi?
Lakukan sekitar 80% dari observasi yang ada dalam rata-rata 1,28 standar deviasi?
Lakukan sekitar 95% dari observasi yang ada dalam mean 2 standar deviasi?
Evaluasilah plot probabilitas normal
Apakah plot probabilitas normal kira-kira linear dengan kemiringan positif?
19.Normal Probability Plot
Plot probabilitas normal
Atur data ke dalam susunan yang dipesan
Temukan kuantil normal standar yang sesuai nilai-nilai
Arif Nugroho Triutomo
18/433436/PKU/17349
KMPK
Plot pasang titik dengan nilai data yang diamati pada sumbu vertikal dan standar normal nilai
kuantil pada sumbu horizontal
Evaluasilah plot untuk bukti linearitas
20.Normal Probability Plot
Plot probabilitas normal untuk data dari distribusi normal kira-kira linier: