1.

Distribusi Peluang Kontinu

A. Definisi Distribusi Peluang kontinyu

Bila ruang sampel titik sampel yang tak berhingga banyaknya dan bayangannya sebanyak
titik pada sepotong garis, maka ruang sampel itu disebut ruang sampel kontinu. Suatu peubah
acak kontinu mempunyai peluang nol pada setiap titik x. Karena itu, distribusi peluangnya tidak
mungkin disajikan dalam bentuk tabel, akan tetapi distribusinya dapat dinyatakan dalam
persamaan yang merupakan fungsi nilai-nilai berubah acak kontinu dan digambarkan dalam
bentuk kurva.

Fungsi f(x) adalah fungsi padat peluang berubah acak kontinu X, yang didefenisikan
diatas semua bilangan real R , bila

a.

b.

c.

Distribusi komulatif (tumpukan) F(x) suatu peubah acak kontinu X dengan fungsi padat
f(x) deberikan oleh

Nilai Harapan Sebaran Kontinu , jika X adalah peubah acak kontinu yang mempunyai
fungsi kepekatan peluang f(x), maka nilai harapan dari X adalah

Sebagai contoh, dapatkan E[X] jika diketahui fungsi kepekatan peluang

 Bentuk umum fungsi padat ( kontinu)

F(x) F(x)

F(x)
F(x) x
x
(a) (b)

x x
(c) (d)

1. Distribusi seragam
Andaikan berubah acak kontinu X nila-nilainya di dalam terbatas, misalnya selang buka
(a, b) dan andaikan fungsi padat peluangnya konstan, katakan f(x) = c, a < x < b. Maka menurut

sifat fungsi padat peluang nilai c = sebab :

1) f(x) = ≥ 0, untuk semua x dan

2) = c(b-a) = 1.

Apabila didefenisikan f(x) = 0 di luar selang itu maka lengkaplah sifat padat peluang itu.
Distribusi khusus ini diketahui sebagai distribusi seragam pada selang (a, b) dengan fungsi padat
peluang f(x; a, b) = , a < x < b, dan nol untuk nilai x yanglain. Penggunaan distribusi

seragam terjadi dalam simulasi komputer yang terkait pada pembangkitan bilangan acak.
Pembangkit bilangan acak merupakan fungsi dalam bahasa komputer yang didesain untuk
menghasilkan bilangan apabila data berasal dari distribusi seragam atas selang (0, 1). Fungsi
distribusi kumulatis dari peubah acak yang berdistribusi seragam atas selang (a, b) mempunya
bentuk :

F(x; a, b)

Rataan berubah acak ini E(X) = , sedang variansinya Var(X) = . Besaran-besaran ini

dapat dicari dengan menghitung E(X), E(X2) dalam bentuk integral.

2. Distribusi gamma
Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu. Distribusi
ini merupakan distribusi fungsi padat yang terkenal luas dalam bidang matematika. Distribusi
gamma berasal dari fungsi gamma yang sudah dikenal luas dan juga dipelajari dalam banyak
bidang matematika. Salah satu bentuk khusus dari distribusi gamma adalah distribusi

khikuadrat dengan didefinisikan sebagai jumlah kuadrat dari

peubah-peubah acak yang bebas dan menyebar normal dengan rataan nol dan ragam satu.

Distribusi bergantung pada derajat bebasnya, untuk setiap derajat bebas terdapat satu

sebaran .
A. Distribusi Khi-Kuadrat
Distribusi Khi-Kuadrat ini seringkali digunakan dalam statistika inferensial, seperti dalam
uji hipotesis, atau dalam penyusunan selang kepercayaan. Salah satu penggunaan distribusi ini
adalah uji khi-kuadrat untuk kebersesuaian (goodness of fit) suatu distribusi pengamatan dengan
distribusi teoretis, kriteria klasifikasi analisis data yang saling bebas, serta pendugaan selang
kepercayaan untuk simpangan baku populasi berdistribusi normal dari simpangan baku sampel.
 Menurut Hogg dan Tanis (2001) jika merupakan peubah acak berdistribusi gamma
Fungsi berfungsi densitas dari yaitu :

Jika dimana bilangan bulat positif, maka fungsi densitasnya

menjadi

Dikatakan bahwa X berdistribusi khi-kuadrat dengan derajat bebas v, dilambangkan

dengan . Diketahui bahwa rataan sama dengan derajat bebas

Bukti

3. Distribusi eksponensial

Salah satu distribusi yang banyak digunakan dalam statistika, khususnya proses stokastik,
adalah distribusi eksponensial. Distribusi eksponensial adalah salah satu kasus khusus dari
distribusi gamma. Distribusi ini banyak digunakan sebagai model di bidang teknik dan sains.
 Peubah acak kontinu X berdistribusi eksponensial Dengan parameter β, bila fungsi
padatnya diberikan oleh :

dengan β > 0, Sehingga distribusi eksponensial juga disebut dengan distribusi gamma dengan α =
1.

Distribusi eksponensial juga merupakan suatu distribusi yang berguna untuk mencari
selisih waktu yang terjadi dalam suatu peluang tertentu.Dalam distribusi eksponensial ini
digunakan pencarian atau pengolahan data dengan menggunakan variabel random. Dimana
variabel random itu sendiri adalah variabel yang berupa nilai atau angka yang merupakan
outcome dari eksperimen random. Variabel random bersifat diskrit bila hanya berupa nilai
tertentu yang dapat dihitung. Namun variabel random bersifat kontinu bilamana berupa suatu
nilai manapun dalam suatu interval.

Contoh :

Suatu sistem mengandung sejenis komponen yang daya tahanya dlm tahun dinyatakan
oleh variabel acak X yang berdistribusi eksponensial dgn rata-rata waktu sampai komponen
rusak adalah 5 tahun. Bila sebanyak 5 komponen tersebut dipasang dalam sistem yang berlainan,
berapakah probabilitas paling sedikit 2 komponen masih akan berfungsi pada akhir tahun
kedelapan?

Jawab :

• Probabilitas bahwa sebuah komponen masih akan berfungsi setelah 8 tahun:


1
5e
x / 5
p ( X  8)  dx  e 8 / 5  0.2
8

• Misalkan Y menyatakan byknya komponen yg masih berfungsi setelah 8 thaun, dgn

menggunakan distribusi binomial diperoleh:
P (Y  2)  1  P ( X  1)
5
1  ( 0.2) c ( 0.8) 5  c
 1  
c
c 0
 1  0.737  0.263
 A. Statistik Deskriptif Distribusi Eksponensial

Tanpa pembuktian secara matematik, berikut ini diberikan rumusan beberapa ukuran
statistik deslcriptif untuk distribusi eksponensial

B. Karakteristik Distribusi Eksponensial :

a) Mempunyai nilai variansi;
b) Mempunyai nilai mean;
c) Pencarian pada distribusi eksponensial menggunakan variabel random;
d) Peluang yang terjadi pada suatu percobaan mempengaruhi selisih waktu yang terjadi pada
percobaan tersebut;
e) Mempunyai nilai β> 0.
C. Kegunaan dan Aplikasi Distribusi Eksponensial

Distribusi eksponensial berguna dalam mencari selisih waktu yang terjai dalam suatu
peluang pada daerah tertentu.Dalam aplikasinya distribusi eksponensial ini sangat berperan
sekali,seperti:untuk mengukur selisih waktu antara orang 1 dan ke-2 dlam suatu antrean.
Selanjutnya distribusi ini juga berguna untuk mengukur tingkat kegagalan yang mungkin terjadi
dalam suatu peluang. Kemudian distribusi eksponensial juga berguna dalam mencari peubah
acak kontinu x, dengan menggunakan variabel random (bilangan acak).

4. Distribusi normal
 Distribusi peluang kontinu yamg terpenting dalam seluruh bidang statistika adalah
distribusi normal. Grafiknya disebut kurva normal, berbentuk lonceng. Dibidang pengukuran
fisik seperti percobaan meteorologi, penelitian curah hujan, dan pengukuran suku cadang yang
diprosuksi sering kali menggunakan distribusi normal.
Pada tahun 1733, Abraham DeMoivre menemukan persamaan matematika kurva normal.
Ini merupakan dasar bagi banyak teori statistika induktif. Distribusi normal sering pula disebut
distribusi Gauss untuk menghormati Karl Friedrich Gauss (1777-1855), yang juga menemukan
persamaan waktu meneliti galad dalam pengukuran yang berulang-ulang mengenai bahan yang
sama.
Persamaan matematika distribusi peluang peubah normal kontinu bergantung pada dua

parameter dan , yaitu rataan dan simpangan bakunya. Jadi fungsi padat X akan dinyatakan

dengan n( x; , ).

Distribusi normal. Fungsi padat peubah acak normal X, dengan rataan dan variansi ,

adalah n ( x; , ) = , , Dengan = 3,14159 . . . dan e =

2,71828 . . .

Begitu dan diketahui, maka seluruh kurva normal diketahui.

 x

Gambar 1.1 kurva normal

Gambar 1.2 kurva normal dengan dan

Pada diatas telah dilukiskan dua buah kurva normal yang mempunyai simpangan
baku yang sama tetapi rataannya berbeda. Kedua kurva persis sama tetapi titik
tengahnya terletak ditempat yang berbeda sepanjang di sumbu datar.

x
Gambar 1.3 kurva normal dengan dan

Gambar diatas terlukis dua kurva normal dengan rataan yang sama tetapi simpangan
bakunya berlainan. Terlihat kedua kurva mempunayi titik tengah yang sama pada
sumbu datar, tapi kurva dengan simpangan baku yang lebih besar tampak lebih
melebar. Perhatikan bahwa luas dibawah kurva-peluang harus sama dengan 1
sehingga bila kumpulan data semakin berbeda maka makin rendah dan melebar pula
kurvanya.

Gambar 1.4 kurva normal dengan dan

Gambar diatas memperlihatkan dua kurva normal yang baik rataan maupun
simpangan bakunya berlainan. Jelas keduanya memiliki letak titik tengah yang

berlainan pada sumbu datar dan bentuknya mencerminkan dua nilai yang berlainan.

Dengan mengamati gambar 1.1 sampai 1.4 serta memeriksa turunan pertama dan

kedua dari n(x; dapat diperoleh lima sifat kurva normal berikut :

1. Modus, titik pada sumbu datar yang memberikan maksimum kurva, terdapat pada

x= ;

2. Kurva setangkup terhadap sumbu tegak yang melalui rataan ;

3. Kurva mempunyai titik belok pada x = , cekung dari bawah bila

, dan cekung dari atas untuk nilai x lainnya;

4. Kedua ujung kurva normal yang mendekati asimtot sumbu datar bila nilai x

bergerak menjauhi baik kekiri maupun ke kanan;

5. Seluruh luas di bawah kurva dan diatas sumbu datar sama dengan 1.

Untuk tiap pasang , sifat-sifat diatas selalu dipenuhi, hanya untuk

kurvanya saja yang berlainan. Jika makin besar, maka kurvanya makin rendah dan

sebaliknya.
Berkaitan dengan sifat yang berlaku untuk sebuah fungsi densitas, dalam
distribusi normal berlaku pula :

1.

2.

1. Luas dibawah kurva normal

Kurva setiap distribusi peluang kontinu atau fungsi padat dibuat sedemikian rupa
sehingga luas dibawah kurva diantara kedua ordinat x = x1 dan x = x2 sama dengan
peluang peubah acak X mendapat nilai anatara x = x1 dan x = x2.
 x

Gambar 1.5

Berdasarkan fungsi densitas tersebut maka, peluang x mempunyai nilai antara a dan b
adalah luas daerah yang diarsir antara x = a dan x = b.
Secara umum, untuk sebuah fungsi densitas kontinyu f(x), berlaku :

1. untuk semua

2.

3.

Contoh
Misalkan peubah acak X mempunyai fungsi dentitas

untuk yang lainnya

1. Buktikan bahwa fungsi tersebut adalah fungsi dentitas

2. Hitung

Jawab :

1.

2.
Sedangkan, untuk distribusi kumulatif F(x) suatu peubah acak kontinu x dengan
fungsi densitas di berikan oleh

Akibat persamaan diatas, maka

P(a<x<b) = F (b)- F (a), dan f(x) =

jika fungsi turunan ini terdefenisi