DISTRIBUSI KONTINYU

1. DISTRIBUSI NORMAL (Z)

- Distribusi normal sering disebut distribusi Gauss.

- Kurva normal : Kurva berbentuk genta yang dapat digunakan dalam
banyak sekali gugusan data yang terjadi di alam, industri, dan penelitian.

x1  x2 x

- Bila X adalah suatu peubah acak normal dengan nilai tengah  dan
ragam 2, maka persamaan kurva normalnya adalah:
2
1  x 
1   untuk -  < x <  ;
n(x; , ) = e 2   
2
dimana  = 3.14159; e= 2.71828

Sifat Kurva Normal:

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

Nilai peluang di bawah kurva normal dapat diketahui dengan men-

transformasikan setiap pengamatan yang berasal dari sembarang peubah
acak normal X menjadi suatu nilai peubah acak normal Z dengan nilai
tengah nol dan ragam 1.
x
Z=

1 1
Niai tengah Z adalah nol karena E(Z) = E X           0
 
 1 2 2
Sedangkan ragamnya adalah  2
 x  /   2
x /  2 x  2 1
 
Distribusi peubah acak normal dengan nilai tengah nol dan simpangan
baku 1 disebut distribusi normal baku.

Contoh
1. Untuk distribusi normal dengan  = 300 dan  = 50, hitunglah peluang
bahwa X mengambil sebuah nilai yang lebih kecil dari 362.

362  300
Jawab: Z =  1.24
50

Nilai peluang P(X < 362) = P (Z < 1.24) (lihat tabel Z)

= 0.8925

2. Untuk distribusi normal dengan  = 300 dan  = 50, hitunglah peluang

bahwa X mengambil sebuah nilai yang lebih besar dari 362.

362  300
Jawab: Z =  1.24
50

Nilai peluang P(X > 362) = P (Z > 1.24)

= 1- P(Z<1.24) (lihat tabel Z)
= 1-0.8925
= 0.1075
Bila X berada di antara x = x1 dan x = x2, maka peubah acak Z akan
berada diantara nilai-nilai padanannya:

x1   x2  
Z1 = dan Z2 =
 

Contoh
Untuk distribusi normal dengan  = 50 dan  = 10, hitunglah peluang
bahwa X mengambil sebuah nilai diantara 45 dan 62.

Jawab
45  50 62  50
Z1 =  0.5 dan Z2 =  1.2
10 10
Dengan demikian P (45 < X < 62) = P (-0.5 < Z < 1.2)
= P(Z< 1.2) – P(Z<-0.5) (lihat tabel Z)
= 0.8849 – 0.3085
= 0.5764
2. DISTRIBUSI T
Disebut juga distribusi t student

Bila ukuran contoh kecil ( n< 30), nilai-nilai s 2 berfluktuasi cukup besar dari
contoh satu ke contoh lainnya, dan distribusi nilai-nilai ( x -)/(s/n) tidak
lagi normal baku. Bila demikian halnya, kita sesungguhnya berhadapan
dengan distribusi suatu statistik yang disebut T, yang nilai-nilainya adalah

x
t=
s/ n

Distribusi T menyerupai distribusi Z dalam hal keduanya setangkup di

sekitar nilai tengah nol. Kedua distribusi tersebut berbentuk genta, tetapi
sebaran t lebih bervariasi, berdasarkan kenyataan bahwa nilai t
bergantung pada fluktuasi dua besaran, yaitu x dan s2, sedangkan nilai z
tergantung hanya pada perubahan x dari contoh satu ke contoh lainnya.
Distribusi bagi T berbeda dengan Z dalam hal ragamnya bergantung pada
ukuran contoh n dan selalu lebih besar dari 1. Hanya bila ukuran contoh n
 kedua distribusi itu menjadi sama.

Nilai t dapat dijadikan dasar pengambilan kesimpulan

(penerimaan/penolakan hipotesis)dengan cara dibandingkan dengan nilai
tabel t bedasarkan v = n -1 (derajad bebas), dan  (1- selang
kepercayaan).

Contoh
Suatu distribusi data mempunyai  = 500. Jika diambil 25 sampel ternyata
rata-ratanya ( x ) = 518, dengan simpangan baku (s) = 40, pada  = 0.05,
berapa nilai t nya? Apa kesimpulannya?

Jawab:
518  500
t hitung =  2.25
40 / 25

t tabel ( v = 24,  = 0,05) = 1.711

Kesimpulan: Karena t hitung > daripada t tabel, maka hipotesis diterima.