Disusun Oleh :
Aria Dwi Budi Santoso (1907066003)
Rara Suciati (1907066005)
Wulandari (1907066012)
3.1 Pengertian Distribusi Probabilitas Kontinu (Yang ini 3.1.1) Yang lain sesuaikan!
Distribusi probabilitas 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.
Distribusi peluang variabel acak kontinu tidak dapat disajikan dalam bentuk tabel,
melainkan dapat dinyatakan dalam bentuk rumus. Rumus itu merupakan fungsi nilai-nilai
variabel acak kontinu X, sehingga dapat digambarkan sebagai suatu kurva kontinu.
Fungsi peluang yang digambarkan oleh kurva ini disebut fungsi kepekatan peluang.
Peluang variabel kontinu merupakan peluang variabel pada suatu selang (interval)
tertentu dari nilai-nilainya. Sehingga peluang tepat untuk salah satu dari nilai variabelnya
(peluang nilai tunggal dari suatu titik) adalah nol (ingat kalkulus integral tertentu).
Distribusi probabilitas variabel acak kontinu dinyatakan dengan fungsi f(x) dan sring
disebut sebagai fungsi kepadatan atau fungsi kepadatan probabilitas dan bukan fungsi
probabilitas. Nilai f(x) bisa lebih besar dari 1.
Fungsi kepadatan probabilitas harus memenuhi syarat sebagai berikut.
1. f(x) ≥ 0
∞
2. ∫ f ( x ) dx=1 (integral seluruh fungsi kepadatan probabilitas f(x) = 1)
−∞
b
3. p ( a< x <b ) =∫ f ( x ) dx
a
{
f ( x ; a , b )= ( b−a )
,a≤ x≤b
0 , x lainnya
a+b ( b−a )2
µ¿ 2 σ¿
12
{
f ( x )= x−a ,untuk a ≤ x< b
b−a
1 , untuk x ≥ b
Fungsi kerapatan peluang (pdf) dari peubah acak normal x, dengan mean (µ)
dan variansi (σ 2) yang memiliki distribusi normal adalah:
2
−1 ( x−µ )
n(x; µ,σ)
1
e 2 [ σ ] ,−∞< x <∞
√ 2 ᴨσ
x dapat bernilai -∞ sampai +∞, dengan demikian nilai distribusi normal tak
terbatas.
dengan:
x= nilai dari distribusi variabel
µ= mean (rata-rata) dari nilai-nilai distribusi variabel
σ= standar deviasi dari nilai-nilai distribusi variabel
Nilai ᴨ = 3,14
Nilai e = 2,718
x−µ
Transformasi : z= σ
Memetakan distribusi normal menjadi distribusi normal baku.
Transformasi ini mempertahankan luas dibawah kurvanya.
¿∫
1
e
2 [ σ ] dx
x1 √2 πσ
2
X2 x
1 (
− )
¿ ( )∫
√2π X1
e 2 dx
z2
= ∫ n ( z ; 0,1 ) dz
z1
= P ( z 1 < Z < z 2)
3.2 Distribusi Normal Kumulatif
Perhitungan distribusi probabilitas normal baku variabel acak Z lebih mudah
dilakukan dengan memaai fungsi kumulatif distribusi peluang normal baku sbb:
P ( z 1< Z < z 2) =P ( Z < z 2 )−P ( Z< z1 ) =F ¿
4. Distribusi T-Student
Distribusi t dipakai untuk jumlah sampel < 30 , sehingga nilai standar deviasi
berfluktuasi relatif besar.
K
f ( t )= 1
t2 2 n
1+ ( )
n−1
dengan:
K merupakan tetapan yang besarnya tergantug dari besar n sedemikian sehingga luas
daerah antara kurva fungsi itu dan sumbu t adalah 1.
Bilangan n-1 disebut derajat kebebasan (dk), yaitu kemungkinan banyak pilihan dari
sejumlah objek yang diberikan. Misalnya kita mempunyai dua objek yaitu A dan B.
Dari dua objek ini kita hanya mungkin melakukan 1 kali pilihan saja, A dan B.
Seandainya terpilih A maka B tidak usah dipilih lagi. Dan untuk itu dk = 2 – 1 = 1.
( x́−µ)
t=
s
dengan:
x = nilai rata-rata sampel
= nilai rata-rata populasi
Sifat Distribusi T
Mempunyai rata-rata sama dengan nol tetapi dengan standar deviasi yang berbeda
beda sesuai dengan besarnya sampel. Semakin besar sampel maka semakin mendekati
distribusi normal.
∞
ᴦ (α )∫ x a−1 e− x dx
0
α =n , maka ᴦ ( n ) =( n−1 ) !
x a−1 e− x
{
f G ( x ; a ) = ᴦ ( α ) , untuk x ≥ 0
0 ,untuk x yang lain
Sedangkan fungsi distribusi kumulatif gamma standard adalah:
F G=P ¿
Fungsi ini dapat digunakan untuk menghitung probabilitas dari suatu distribusi
gamma yang tidak standard karena untuk sebuah variabel acak kontinu X yang memiliki
distribusi gamma dengan parameter α dan b berlaku hubungan:
P ( X ≤ x )=F G ( x ; α , β )=F G ( βx ; α )
{
2 2
x e , x >0
f (x)
2
v
2 (ᴦ v2 )
0 ,untuk x lainnya
3.4 Pembahasan
1. Diketahui :
Mahasiswa = 1000 orang
μ =174,5 cm
ϭ = 6,9 cm
Ditanya:
x−μ
a) P(x<160) =P Z<
ϭ ( )
160−174,5
= P Z<( 6,9 )
=0,0179
=0,018
b) P(171,5<x<182,0)= P ( 171,5−174,5
6,9
< Z<
182,0−174,5
6,9 )
= P(-0,44 < Z <1,09)
= P(Z<1,09) – P(Z<-0,44)
= 0,8621 – 0,333
= 0,5285
= 0,529
Banyak mahasiswa yang memiliki tinggi antara 171,5 dan 182,0 adalah
P(171,5<x<182,0) ×1000 orang = 0,529 ×1000 orang
=529 orang
188−174,5
c) P(x≥188)= P Z ≥( 6,9 )
= P(Z≥1,96)
= 0,025
Banyak mahasiswa yang memiliki tinggi lebih besar sama dengan 188 cm
adalah
P(x≥188) ×1000 orang = 0,025 × 1000 orang
= 25 orang
2. Diketahui:
μ = 800 jam
ϭ = 40 jam
Ditanya:
P(778<x<834)
Probabilitas bolam produksinya akan berumur antara 778 jam dan 834 jam.
x−μ
Untuk menghitung secara manual, harus ditransformasikan ke distrbusi Z=
ϭ
[1] 0.5111778
pnorm(0.85,mean=0,sd=1)-pnorm(-0.55,mean=0,sd=1)
[1] 0.5111778
ans =
0.5112
3.5.3 Distribusi T-
Student
1. Suatu pabrik
bola lampu yakin
bahwa bola
https://slideplayer.info/slide/13963547/
https://www.google.com/url?sa=i&url=https%3A%2F%2Focw.upj.ac.id%2Ffiles%2FSlide-CIV-110-
pertemuan-9-
10.pdf&psig=AOvVaw3MU8p42VM9QQFFrkzVVxVZ&ust=1586920294986000&source=images&
cd=vfe&ved=0CA0QjhxqFwoTCIihhf745ugCFQAAAAAdAAAAABAD
https://keepcopying.blogspot.com/2013/12/distribusi-probabilitas-kontinu.html
https://docplayer.info/35875752-Beberapa-distribusi-peluang-kontinu-normal-gamma-
eksponensial-khi-kuadrat-student-dan-f.html