Peubah Acak Kontinu

PEUBAH ACAK KONTINU

DISTRIBUSI NORMAL
Distribusi Normal
 Distribusi Normal (Distribusi Gauss) → merupakan distribusi probabilitas
yang paling penting baik dalam teori maupun aplikasi statistik.
 Terminology “normal” → karena memang distribusi ini adalah yang paling
banyak digunakan sebagai model bagi data riil diberbagai bidang :
antara lain karakteristik fisik mahluk hidup (berat, tinggi badan manusia,
hewan dll),
kesalahan-kesalahan pengukuran dalam eksperimen ilmiah pengukuran-
pengukuran intelejensia dan perilaku,
nilai skor berbagai pengujian dan berbagai ukuran dan indikator ekonomi.
 Bergantung pada 2 parameter yaitu μ (rata-rata) dan σ (standar deviasi)

σ Kurva Normal

x
μ
Alasan mengapa distribusi normal menjadi
penting:
 Distribusi normal terjadi secara alamiah. Seperti diuraikan sebelumnya
banyak peristiwa di dunia nyata yang terdistribusi secara normal.
 Beberapa peubah acak yang tidak terdistribusi secara normal dapat
dengan mudah ditranformasikan menjadi suatu distribusi peubah acak
yang normal.
 Banyak hasil dan teknik analisis yang berguna dalam pekerjaan statistik
hanya bisa berfungsi dengan benar jika model distribusinya berupa
distribusi normal
 Ada beberapa peubah acak yang tidak menunjukkan distribusi normal
pada populasinya. Namun distribusi rata-rata sampel yang diambil secara
random dari populasi tersebut ternyata menunjukkan distribusi normal.
Fungsi Kepadatan Peluang Fungsi Distribusi
Kumulatif Normal
 Sebuah peubah acak kontinu X dikatakan memiliki distribusi normal
dengan parameter µx dan σx dengan -∞ < x < ∞ dan σx >0 jika fungsi
kepadatan peluang “probabilitas density function” (pdf) dari X adalah :

( x − µ x )2
−
1 ( 2σ )
f ( x ; µx ,σ x )
2

= e x
−∞ < x < ∞
σ x 2π
 Fungsi Kepadatan Peluang Fungsi Distribusi
Kumulatif Normal
 Definisi: Fungsi kepadatan peubah acak normal X, dengan rata-rata μ dan
varians σ 2, ialah Rataan

 1  ( x−µ ) 
2
−   
1  2  σ 
f ( x ; µ ,σ )
= e , −∞ < x < ∞
σ 2π
Simpangan Baku/

dengan π = 3.14159 dan e = 2.71828

Standar Deviasi

σ1
σ1 σ2
σ2

x x
μ1 μ2 μ1= μ2
Distribusi normal kumulatif didefinisikan sebagai peluang peubah acak
normal x tertentu. Fungsi distribusi kumulatif (cdf – cumulative
distribution function) dari distribusi normal ini dinyatakan sebagai :

F ( x ; µ x ,=
σ x ) P( X ≤ x)
( t − µ x )2
( 2σ )
x x
1
f ( t ; µ , σ ) dt ∫
2

= ∫=
x
e dt
σ 2π
x x
−∞ −∞ x

F(x), hanya bisa ditentukan dari integrasi secara numerik, karena

persamaan tersebut tidak bisa diintegrasi secara analitik.
Distribusi Normal
 Luas di bawah kurva normal:

x2

∫ f ( x; µ , σ ) dx
P( x1 < X < x2 ) =
x1
 1  ( x−µ ) 
2
x2 −  
1 

∫e
 2  σ 
= dx
2πσ x1

P( x1 < X < x2 ) =
luas arsiran

x
x1 μ x2
Sifat-Sifat Distribusi Normal:
 Bentuk distribusi normal ditentukan oleh μ dan σ.

1 1
2
μ1 = μ2 σ1 > σ 2 μ1 < μ2 σ1 = σ 2

μ1 < μ2 σ1 < σ 2
Distribusi Normal Standard
 Untuk menghitung peluang P(a ≤ X ≤ b) dari suatu peubah
acak kontinu X yang berdistribusi normal dengan parameter
µ dan σ maka fungsi kepadatan peluangnya harus
diintegralkan mulai dari x = a sampai x = b.
 Namun, tidak ada satupun dari teknik-teknik pengintegralan
biasa yang bisa digunakan untuk menentukan integral
tersebut.
 Untuk itu diperkenalkan sebuah fungsi kepadatan peluang
normal khusus dengan nilai mean µ = 0 dan standar deviasi
σ = 1.
 Peubah acak dari distribusi normal standard ini biasanya
dinotasikan dengan Z. Fungsi kepadatan peluang dari
distribusi normal standard peubah acak kontinu Z :

− z2
1
N ( z ; 0,1)
f= −∞ ≤ z ≤ ∞
2
e
2π

 Fungsi distribusi kumulatif :

z −t 2
1
f N ( z ; 0,1) =
P(Z ≤ z) =
Φ(z) =
∫−∞ 2π e 2
dt
Men-Standar-kan Distribusi Normal
 Distribusi normal peubah acak kontinu X dengan nilai-nilai parameter µ
dan σ berapapun dapat diubah menjadi distribusi normal kumulatif
standard jika peubah acak X diubah menjadi peubah acak standard Z
menurut hubungan :
x−µ
Z=
σ
 Jika X distribusi normal dengan mean µ dan standard deviasi σ maka

 x − µx   a − µx 
P ( X ≤ a) = P  Zx ≤ = Φ 
 σ x  σ
 x 
 a − µx b − µx   b − µx   a − µx 
P (a ≤ x ≤ b) = P  ≤ Zx ≤  = Φ   −Φ 
 x σ σ x  σ
 x   x  σ
 b − µx   b − µx   a − µx 
P ( X ≤ b ) =≤
P  Zx =1− P  Zx ≥ =1− Φ  
 σ x   σ x  σ
 x 
Z > 0 jika x > µ
Z < 0 jika x < µ
Simetri : P(0 ≤ Z ≤ b) = P(-b ≤ Z ≤ 0)
Men-Standar-kan Distribusi Normal
 Mengatasi kesulitan penghitungan integral fungsi padat peluang
→ Transformasi ke dalam bentuk Z yakni

x−µ
Z=
sehingga, σ
P( x1 < X < x2 )= P( z1 < Z < z2 )

σ=1

μ=0
x z
x1 x2 μ z1 z2
 Ditentukan distribusi normal baku, carilah luas di bawah kurva yang
terletak:
a. Di sebelah kanan z = 1.84
b. Antara z = -1.97 dan z = 0.86
Solusi:
a. P(Z > 1.84) = 1 - P(Z < 1.84) ?
= 1 - 0.9671
= 0.0329 z
0 1.84

b. P(-1.97 < Z < 0.86) = P(Z < 0.86) – P(Z < -1.97)
= 0.8051 – 0.0244
= 0.7807 ?

z
-1.97 0 0.86
Tabel Z Distribusi Normal
Contoh :
1. Diketahui data berdistribusi normal dengan mean µ = 55 dan standar
deviasi = 15
a) P(55 ≤ x ≤ 75) = =

= P(0 ≤ Z ≤ 1,33)
= 0,4082 (Tabel Z)

Tabel Z  A = 0,4082
b) P(60≤x≤80) =
= P(0,33≤Z≤1,67)
= P(0≤Z≤1,67) – P(0≤Z≤0,33)
= 0,4525 – 0,1293 = 0,3232

Z1 = = 0,33  B = 0,1293

Z2 = = 1,67  A = 0,4525
C = A – B = 0,3232
c) P(40≤x≤60)= A + B

=
= P(-1,00≤Z≤0,33)
= P(-1,00≤Z≤0) + P(0≤Z≤0,33)
= 0,3412 + 0,1293
= 0,4705
Atau : Z1 = = = -1,00
 A = 0,3412
Z2 = = 0,33
 B = 0,1293
d) P(x ≤ 40) = 0,5 – A
= 0,5 – 0,3412
= 0,1588
e. P(x ≥ 85)

f. P(x ≤ 85) = 0,5 + A

= 0,5 + 0,4772
= 0,9772
2) Diketahui rata-rata hasil ujian adalah 74 dengan simpangan
baku 7. Jika nilai-nilai peserta ujian berdistribusi normal dan
12% peserta nilai tertinggi mendapat nilai A, berapa batas
nilai A yang terendah ?
Jawab:
Jika 5% peserta terendah mendapat nilai E,
berapa batas atas nilai E ?
P( ≤ x ≤ 0) = 0,45
P( ≤ Z ≤ 0) = = -1,645  (x<µ)

= .σ + µ
= (-1,645)7 + 74
= 62,485
Distribusi Normal
Latihan:
1) Ditentukan distribusi normal baku, carilah nilai k sehingga
a. P(Z > k) = 0.3015
b. P(k < Z < -0.18) = 0.4197

2) Diketahui suatu distribusi normal dengan μ = 50, dan σ = 10, carilah peluang bahwa X
mendapat nilai antara 45 dan 62!

3) Diketahui distribusi normal dengan μ = 300, dan σ = 50, carilah peluang bahwa X mendapat
nilai lebih besar dari 362!

4) Diketahui suatu distribusi normal dengan μ = 40, dan σ = 6, carilah nilai x sehingga
a. Luas di sebelah kirinya 45%
b. Luas di sebelah kanannya 14%

5) Tinggi 1000 mahasiswa berdistribusi normal dengan rata-rata 174.5 cm dengan standar deviasi
6.9. Berapa banyak mahasiswa, dapat diharapkan, tingginya
a. Kurang dari 160.0 cm?
b. Antara, dan termasuk 171.5 dan 182.0 cm?
c. Sama dengan 175.0 cm?
d. Lebih besar atau sama dengan 188.0?