Kelompok 3 : Chairunnida,Daniel,Dina sinaga, monica

DISTRIBUSI NORMAL

A. Pengertian

Distribusi normal, disebut pula distribusi Gauss, adalah distribusi

probabilitas yang paling banyak digunakan dalam berbagai
analisis statistika. Distribusi normal baku adalah distribusi normal yang
memiliki rata-rata nol dan simpangan baku satu. Distribusi ini juga
dijuluki kurva lonceng (bell curve) karena grafik fungsi kepekatan
probabilitasnya mirip dengan bentuk lonceng.

Distribusi normal memodelkan fenomena kuantitatif pada ilmu

alam maupun ilmu sosial. Beragam skor pengujian psikologi dan
fenomena fisika seperti jumlah foton dapat dihitung melalui pendekatan
dengan mengikuti distribusi normal. Distribusi normal banyak digunakan
dalam berbagai bidang , misalnya distribusi sampilng rata-rata akan
mendekati normal, meski distribusi populasi yang diambil statistika, tidak
berdistribusi normal. Distribusi normal juga banyak digunakan dalam
berbagai distribusi dalam statistika, dan kebanyakan pengujian
hipotesis mengasumsikan normalitas suatu data.
B. Kurva Normal

Grafik dari distribusi normal yang berbentuk seperti genta (lonceng)

setangkup yang simetris disebut kurva normal.
Kurva normal adalah bila X adalah suatu peubah acak normal dengan nilai
tengah µ dan ragam σ2, maka persamaannya adalah

n(x; µ; σ) =

Untuk – ∞ < x < ∞. Dalam hal ini π = 3.14159… dan e = 2.71828…

Bentuk kurva normal itu sendiri berbeda tergantung dari nilai µ dan σ2 nya.
Jika nilai µ berharga positif maka kurva akan bergeser ke kanan dan jika
bernilai negatif maka kurva akan bergeser ke kiri dari titik X = 0. Jika nilai
 σ2 bernilai semakin besar maka kurva normal akan semakin landai dan jika
nilai σ2 bernilai semakin kecil maka kurva normal akan semakin curam.
Berikut perbandingan kurvanya

Gambar 1. Kurva normal

Dari gambar di atas maka dapat diperoleh sifat-sifat kurva normal, yaitu :

1. Modusnya yaitu titik pada sumbu mendatar yang membuat fungsi mencapai
maksimum yang terjadi pada x = µ
2. Kurvanya setangkup terhadapa suatu garis tegak yang melalui nilai tengah µ
3. Kurva ini mendekati sumbu mendatar secara asimtotik dalam kedua arah bila
kita semakin menjauhi nilai tengahnya.
4. Luasan daerah yang terletak di bawah kurva tetapi di atas sumbu mendatar
sama dengan 1

Fungsi densitas distribusi normal diperoleh dengan persamaan sebagai berikut

dimana :
π = 3,1416
e = 2,7183
µ = rata-rata
σ = simpangan baku

Persamaan di atas bila dihitung dan diplot pada grafik akan terlihat seperti
pada Gambar 2 berikut.
 Gambar 2. kurva distribusi normal umum

Sifat-sifat penting distribusi normal adalah sebagai berikut:

1. Grafiknya selalu berada di atas sumbu x
2. Bentuknya simetris pada x = µ
3. Mempunyai satu buah modus, yaitu pada x = µ
4. Luas grafiknya sama dengan satu unit persegi, dengan rincian
a. Kira-kira 68% luasnya berada di antara daerah µ – σ dan µ + σ
b. Kira-kira 95% luasnya berada di antara daerah µ – 2σ dan µ + 2σ
c. Kira-kira 99% luasnya berada di antara daerah µ – 3σ dan µ + 3σ

Membuat kurva normal umum bukanlah suatu pekerjaan yang mudah.

Rumus untuk mencari fungsi densitasnya (nilai pada sumbu Y) begitu rumit.
Oleh karena itu, tidak banyak digunakan oleh masyarakat luas.

Kurva distribusi normal yang lebih banyak digunakan adalah distribusi

normal baku. Kurva distribusi normal baku diperoleh dari distribusi normal
umum dengan cara transformasi nilai x menjadi nilai z, dengan formula sbb:

Kurva distribusi normal baku disajikan pada Gambar 3 berikut ini.

 Gambar 3. Kurva distribusi normal baku

Kurva distribusi normal baku lebih sederhana dibanding kurva normal

umum. Pada kurva distribusi normal baku, nilai µ = 0 dan nilai σ=1,
sehingga terlihat lebih menyenangkan. Namun, sifat-sifatnya persis sama
dengan sifat-sifat distribusi normal umum.

Untuk keperluan praktis, para ahli statistika telah menyusun Tabel distribusi
normal baku dan tabel tersebut dapat ditemukan hampir di semua buku teks
Statistika. Tabel distribusi normal bakui disebut juga dengan Tabel Z dan
dapat digunakan untuk mencari peluang di bawah kurva normal secara umum,
asal saja nilai µ dan σ diketahui. Sebagai catatan nilai µ dan σ dapat diganti

masing-masing dengan nilai dan S.

Luas daerah di bawah kurva normal, bila x menyatakan peubah acak

distribusi maka P(x1 < x < x2) diberikan oleh daerah yang berwarna abu-abu.
 P(x1<x<x2) = probabilitas variabel random x memiliki nilai antara x1dan x2
P(x1<x<x2) = luas dibawah kurva normal antara x=x1dan x=x2

C. Probabilitas Kurva Normal

A. Pengertian Ekspektasi Matematika

Ekspektasi matematika atau harga harapan atau mean(rata- rata)
atau sering disebut ekspektasi saja, adalah satu konsep penting dalam teori
 dasar statistika. Jika X adalah sembarang peubah acak, maka ekspektasi
matematika dari peubah acak X biasanya dinotasikan dengan E(X) atau µ.

B. Ekspektasi Satu Peubah Acak

1. Nilai Ekspektasi

Definisi (Nilai Ekspektasi Diskrit

Jika X adalah peubah acak diskrit dengan nilai fungsi peluangnya di x adalah p (x)
dan u (X) adalah fungsi dari X, maka nilai ekspektasi dari u (X), dinotasikan
dengan E [u(X)], didefinisikan sebagai :

E [u(X)] =  u(x) . p(x)

x

Contoh 1 :

Misalnya fungsi peluang dari peubah acak berbentuk :

𝑥
𝑝(𝑥) = ; 𝑥 = 1,2,3,4,5
15
Hitung

a. E(𝑋 2 − 1)

b. E[X(X + 1)]

Penyelesaian :

a. Berdasarkan definisi nilai ekspektasi diskrit, maka :

E(𝑋 2 − 1) = 
x
(𝑥 2 − 1) . 𝑝 (𝑥)

𝑥
= ∑5𝑥=1(𝑥 2 − 1) . 15

1 2 3 4
= ( 1 – 1) (15) + (4 − 1) (15) + (9 − 1) (15) + (16 − 1) (15)

5
+ (25 − 1)(15)

6 24 60 120
= 0 + 15 + 15 + 15 + 15

210
E(𝑋 2 − 1) = = 14
15
 b. Berdasarkan definisi nilai ekspektasi diskrit, maka :

E[X(X + 1)] = x
𝑥(𝑥 + 1) . 𝑝 (𝑥)

𝑥
= ∑5𝑥=1 𝑥(𝑥 + 1) . 15

1 2 3
= (1)(1 + 1) (15) + (2)(2+1) (15) + (3)(3+1) (15)

4 5
+ (4)(4+1) (15) +(5)(5+1)( 15)

2 12 36 80 150
= + + + +
15 15 15 15 15

280
E[X(X + 1)] = 15

Definisi (Nilai Ekspektasi Kontinu)

Jika X adalah peubah acak kontinu dengan nilai fungsi densitasnya

di x adalah f (x) dan u(X) adalah fungsi dari X, maka nilai ekspektasi dari
u(X), dinotasikan dengan E[u(X)], didefinisikan
sebagai:

∞
E[u(X)] = ∫∞ 𝑢(𝑥). 𝑓(𝑥)𝑑𝑥

Contoh 2:
Misalkan fungsi densitas dari peubah acak X berbentuk :
f (x) = 2(1 − x) ; 0 < x < 1
=0 ; x lainnya
Tentukan :
a. E[𝑋 2 − 1]
b. E[X(X+1)]

Penyelesaian :
a. Berdasarkan definisi nilai ekspektasi kontinu,maka :

∞
E[𝑋 2 − 1] = ∫−∞(𝑥 2 − 1). 𝑓(𝑥)𝑑𝑥
0 1 ∞
=∫−∞(𝑥 2 − 1). 𝑓(𝑥)𝑑𝑥 + ∫0 (𝑥 2 − 1). 𝑓(𝑥)𝑑𝑥 + ∫1 (𝑥 2 −
1). 𝑓(𝑥)𝑑𝑥
 0 1 ∞
= ∫−∞(𝑥 2 − 1). 0𝑑𝑥 + ∫0 (𝑥 2 − 1). 2(1 + 𝑥)𝑑𝑥+∫1 (𝑥 2 − 1). 0𝑑𝑥
1
= 0 + 2 ∫0 (𝑥 2 − 𝑥 3 − 1 + 𝑥)𝑑𝑥 + 0

1 1 1
= 2 (3 𝑥 3 − 4 𝑥 4 − 𝑥 + 2 𝑥 2 )

1 1 1
= 2 (3 − 4 − 1 + 2)

5
E[𝑋 2 − 1] = −6
b. Berdasarkan definisi nilai ekspektasi kontinu,maka :

∞
E[X(X+1)] = ∫−∞ 𝑥(𝑥 + 1). 𝑓(𝑥)𝑑𝑥
0 1 ∞
=∫−∞ 𝑥(𝑥 + 1). 𝑓(𝑥)𝑑𝑥 + ∫0 𝑥(𝑥 + 1). 𝑓(𝑥)𝑑𝑥 + ∫1 𝑥(𝑥 +
1). 𝑓(𝑥)𝑑𝑥
0 1 ∞
= ∫−∞ 0𝑑𝑥 + ∫0 𝑥(𝑥 + 1). 2(1 − 𝑥)𝑑𝑥+∫1 0𝑑𝑥
1
= 0 + 2 ∫0 (𝑥 − 𝑥 3 )𝑑𝑥 + 0

1 1
= 2 . (3 𝑥 2 − 4 𝑥 4 )

1 1
= 2 (2 − 4)
1
E[X(X+1)] =2

2. Sifat-sifat Nilai Ekspektasi (Dalil 1)

a. Jika c adalah sebuah konstanta, maka E(c) = c.

b. Jika c adalah sebuah konstanta dan u(X) adalah fungsi dari X, maka:
E[c · u(X)] = c · E[u(X)]
c. Jika 𝑐1 𝑑𝑎𝑛 𝑐2 adalah dua buah konstanta dan 𝑢1 (X) dan 𝑢2 (X)
adalah dua buah fungsi dari X, maka:
E[𝑐1 · 𝑢1 (X) + 𝑐2 · 𝑢2 (X)] = 𝑐1 · E[𝑢1 (X)] + 𝑐2 · E[𝑢2 (X)]

Contoh 3 :
Hitung E(𝑋 2 − 1) dan E[X(X + 1)] dengan menggunakan sifat-sifat nilai
ekspektasi.

Penyelesaian :

a. E(𝑋 2 − 1) = E(𝑋 2 ) − 𝐸(1)

 = E(𝑋 2 ) − 1

=  x
𝑥 2 . 𝑝 (𝑥) − 1

𝑥
= (∑5𝑥=1 𝑥 2 . 15) − 1

1
= {(15)(1 + 8 + 27 + 64 + 125)} … 1

225
= ( 15 ) − 1

= 15 – 1

E(𝑋 2 − 1) = 14

b. E[X(X + 1)] = E(𝑋 2 + 𝑋)

= E(𝑋 2 ) + 𝐸(𝑋)

= 15 + x
𝑥 . 𝑝 (𝑥)

𝑥
= 15 + ∑5𝑥=1 𝑥. 15

1
= 15 + ( )(1 + 4 + 9 + 16 + 25)
15

55
= 15 + (15)

280
E[X(X + 1)] = 15
 3. Rataan

Definisi (Rataan Diskrit)

Jika X adalah peubah acak diskrit dengan nilai fungsi peluang dari X di x
adalah p(x), maka rataan dari peubah acak X didefinisikan sebagai:

E(X) = 
x
x . p(x)

Pemahaman penggunaan rumus rataan diperjelas melalui contoh di bawah

ini :

Contoh 4 :

Jika Sandy mengundi sebuah dadu yang seimbang, maka tentukan rataan
dari munculnya angka pada mata dadu itu.

Penyelesaian :

Misalnya peubah acak X menunjukkan munculnya angka pada mata dadu.

Jadi nilai-nilai yang mungkin dari X adalah { x : x = 1,2,3,4,5,6}, dengan masing-
1
masing nilai mempunyai peluang yang sama yaitu 6 .
Jadi :
E(X) =  x . P(x)
x
1
= ∑6𝑥=1 𝑥. 6
1
= (6) (1 + 2 + 3 + 4 + 5 + 5)
21
E(X) = 6 = 3,5
Sehingga apabila dadu yang seimbang itu diundi terus-menerus, maka diharapkan
rataan angka pada mata dadu yang akan muncul adalah 3,5.

Definisi (Rataan Kontinu)

Jika X adalah peubah acak kontinu dengan nilai fungsi densitas

dari X di x adalah f (x), maka rataan dari peubah acak X
didefinisikan sebagai:
∞
E[X] = ∫−∞ 𝑥 . 𝑓 (𝑥)
Contoh 5 :
Misalnya fungsi densitas dari X berbentuk :
𝑓(𝑥) = 20𝑥 3 (1 − 𝑥); 0 < 𝑥 < 1
= 0 ; x lainnya
Hitung E(X)!

Penyelesaian :
∞
E(X) = ∫−∞ 𝑥 . 𝑓(𝑥)𝑑𝑥
0 1 ∞
= ∫−∞ 𝑥 . 𝑓(𝑥)𝑑𝑥 + ∫0 𝑥 . 𝑓(𝑥)𝑑𝑥 + ∫1 𝑥 . 𝑓(𝑥)𝑑𝑥
0 1 ∞
= ∫−∞ 𝑥 . 0𝑑𝑥 + ∫0 𝑥 . 20. 𝑥 3 (1 − 𝑥)𝑑𝑥 + ∫1 𝑥 . 0𝑑𝑥
0
= 0 + 20 ∫1 (𝑥 4 − 𝑥 5 )𝑑𝑥 + 0

1 1
= 20(5 𝑥 5 − 6 𝑥 6 )
1 1
= 20 (5 − 6)

20 2
E(X) = 30 = 3

Rataan dari sebuah peubah acak, baik diskrit maupun kontinu biasanya
dinotasikan dengan 𝜇 (dibaca “mu”), sehingga apabila peubah acaknya X maka
𝜇 = 𝐸(𝑋)
Nilai rataan dari sebuah peubah acak, baik diskrit maupun kontinu tidak
selalu ada, artinya nilai rataan tersebut bisa mempunyai nilai dan bisa juga tidak
mempunyai nilai. Nilai rataan dari sebuah peubah acak itu ada, jika hasil
penjumlahannya atau pengintegralannya ada. Sebaliknya, nilai rataan dari sebuah
peubah acak tidak ada, jika hasil penjumlahannya atau pengintegralannya tidak
ada.

4. Varians

Berikut ini akan dijelaskan definisi varians dari sebuah peubah acak yang
berlaku bagi peubah acak diskrit maupun kontinu.

Definisi (Varians)

Misalnya X adalah peubah acak, baik diskrit maupun kontinu.

Varians dari X didefinisikan sebagai :
Var(X) = E[X – E(X)]2 Atau Var(X) = E(X − μ)2
 Definisi (Varians Diskrit)

Jika X adalah peubah acak diskrit dan p(x) adalah nilai fungsi peluang dari
X di x, maka Varians dari X didefinisikan sebagai:
Var(X) =  (x − μ)2 · p(x)
x

Contoh 6 :
Misalnya distribusi peluang dari peubah acak X adalah sebagai berikut :
X 1 2 3

p(x) 1 1 1
2 3 6

Hitung Var (X).

Penyelesaian :

Berdasarkan definisi varians diskrit, maka :

Var (X) =  (x − μ)2 · p(x)
x
Dengan μ = E(X) = ∑3𝑥=1 𝑥. 𝑝(𝑥)

= (1). 𝑝(1) + (2). 𝑝(2) + (3). 𝑝(3)

1 1 1
= (1) (2) + (2) (3) + (3)(6)
10 5
μ = E(X) = =3
6
5
Jadi : Var (X) = ∑3𝑥=1(𝑥 − 3)2 . 𝑝 (𝑥)
5 5 5
= (1 − 3)2 . 𝑝(1) + (2 − 3)2 . 𝑝(2) + (3 − 3)2 . 𝑝(𝑥)
4 1 1 1 16 1
= (9) (2) + (9) (3) + ( 9 )(6)
2 1 8
= 9 + 27 + 27
15 5
Var (X) = 27 = 9

Definisi (Varians Kontinu)

Jika X adalah peubah acak kontinu dan f (x) adalah nilai fungsi
densitas dari X di x, maka Varians dari X didefinisikan sebagai:
∞
Var(X) = ∫−∞(𝑥 − 𝜇)2 . 𝑓 (𝑥)𝑑𝑥
Contoh 7 :
Misalnya fungsi densitas dari X berbentuk :
𝑓(𝑥) = 𝑒 −𝑥 ; 𝑥 > 0
= 0 ; x lainnya
Hitung Var (X)!

Penyelesaian :
∞
Var(X) = ∫−∞(𝑥 − 𝜇)2 . 𝑓(𝑥)𝑑𝑥
∞
Dengan 𝜇 = E (X) = ∫−∞ 𝑥. 𝑓(𝑥)𝑑𝑥
0 ∞
= ∫−∞ 𝑥. 𝑓(𝑥)𝑑𝑥 + ∫0 𝑥. 𝑓(𝑥)𝑑𝑥
0 ∞
= ∫−∞ 𝑥. 0𝑑𝑥 + ∫0 𝑥. 𝑒 −𝑥 𝑑𝑥
∞
= 0 + ∫0 𝑥. 𝑒 −𝑥 𝑑𝑥
𝑏
= lim ∫0 𝑥. 𝑒 −𝑥 𝑑𝑥
𝑏→∞

𝑏
= lim (−𝑥. 𝑒 −𝑥 + ∫0 𝑥. 𝑒 −𝑥 𝑑𝑥)
𝑏→∞

= lim (−𝑏. 𝑒 −𝑏 + 1 − 𝑒 −𝑏 )
𝑏→∞
= lim − 𝑏. 𝑒 −𝑏 + 1 − lim 𝑒 −𝑏
𝑏→∞ 𝑏→∞
𝜇 =0+1–0=1
Jadi :
∞
Var (X) = ∫−∞(𝑥 − 1)2 . 𝑓(𝑥)𝑑𝑥
0 ∞
= ∫−∞(𝑥 − 1)2 . 𝑓(𝑥)𝑑𝑥+ ∫0 (𝑥 − 1)2 . 𝑓(𝑥)𝑑𝑥
0 ∞
= ∫−∞(𝑥 − 1)2 . 0𝑑𝑥 + ∫0 (𝑥 − 1)2 . 𝑒 −𝑥 𝑑𝑥
∞
= 0 + ∫0 (𝑥 2 − 2𝑥 + 1)𝑒 −𝑥 𝑑𝑥
𝑏
= lim ∫0 (𝑥 2 − 2𝑥 + 1). 𝑒 −𝑥 𝑑𝑥
𝑏→∞
𝑏 𝑏
= lim ∫0 𝑥 2 . 𝑒 −𝑥 𝑑𝑥 − 2. lim ∫0 𝑥. 𝑒 −𝑥 𝑑𝑥
𝑏→∞ 𝑏→∞
𝑏
lim ∫ 𝑒 −𝑥 𝑑𝑥
𝑏→∞ 0
= 2 – (2) (1) + 1
=1

Dalil 2 :
Jika C adalah sebuah konstanta, maka Var (c) = 0
Dalil 3 :
Jika X adalah peubah acak dan c adalah sebuah konstanta, maka
Var (X + c) = Var (X)
Dalil 4 :
Jika a dan b adalah dua buah konstanta dan X adalah peubah acak, maka :
𝑉𝑎𝑟 (𝑎𝑋 + 𝑏) = 𝑎2 . 𝑉𝑎𝑟 (𝑋)