LECTURE NOTES

Week ke - 6

Continous Probability
Distributions

COMP6334 - Probability and Statistics

 LEARNING OUTCOMES
LO1: Explain the data and statistics (data, variables, sample, population)
LO2: Calculate descriptive measures, probability, discrete and continuous distribution and
sampling distribution
LO4: Interpret the result of calculation

OUTLINE MATERI (Sub-Topic):

• The Uniform Distribution

• The Normal Distribution
• The Exponential Distribution

COMP6334 - Probability and Statistics

 ISI MATERI
Perbedaan mendasar antara variabel acak diskrit dan kontinu adalah dalam hal bagaimana
nilai peluang dihitung. Untuk variabel acak diskrit, fungsi peluang f (x) memberikan nilai
peluang dari variabel acak pada nilai tertentu. Sementara itu variabel acak kontinu, fungsi
peluang f (x) berupa fungsi kepekatan (probability density function), artinya fungsinya tidak
secara langsung memberikan nilai peluangnya. Nilai peluang untuk variabel acak kontinu
dihitung dari luas area di bawah grafik f (x) pada suatu interval.

Distribusi probabilitas kontinu bervariasi berdasarkan bentuk area di bawah kurva.

Gambar berikut memvisualisasikan distribusi probabilitas normal, seragam, dan eksponensial

Dalam bab ini kita akan melanjutkan pembahasan tentang distribusi peluang dari variable
kontinu distribusi peluang Uniform, Normal dan Exponential.

Distribusi Peluang Normal

Distribusi peluang yang paling penting untuk menggambarkan variabel acak kontinu
adalah distribusi peluang normal. Distribusi normal banyak digunakan dalam berbagai aplikasi
praktis dan untuk pengambilan keputusan. Distribusi normal dapat digunakan untuk
memperkirakan berbagai distribusi probabilitas diskrit dan karena hubungannya dengan Central
Limit Theorem, distribusi normal menyediakan dasar untuk statistik inferensia.

Kurva normal

Bentuk distribusi normal diilustrasikan oleh kurva berbentuk lonceng (seperti pada
Gambar berikut)

COMP6334 - Probability and Statistics

 Bentuk kurva normal adalah simetris dengan titik tengah di rata-ratanya (μ) artinya
sebagian besar datanya mengelompok di sekitar rata-rata. Luas kurva di sebelah kiri rata-rata
sama dengan luas kurva di sebelah kanan rata-rata. Ekor kurva normal meluas hingga tak hingga
di kedua arah dan asymptotic (tidak pernah menyentuh sumbu horizontal). Lebar kurva
ditentukan oleh standar deviasinya. Semakin besar nilai standar deviasi, kurvanya semakin
lebar, yang menunjukkan variabilitas dalam data yang lebih besar (lihat gambar berikut):

Fungsi kepekatan peluang (Probability Density Function) dari distribusi normal adalah sebagai
berikut:

dimana

Peluang untuk variabel acak normal ditentukan oleh area di bawah kurva normal. Total area di
bawah kurva untuk distribusi normal adalah 1. Karena distribusi simetris, area di bawah kurva di
sebelah kiri rata-rata adalah 0,50 dan area di bawah kurva di sebelah kanan rata-rata adalah 0,50.
Persentase nilai pada kurva normal adalah sebagai berikut (lihat Gambar di bawah ini):
a. 68,3% dari nilai-nilai variabel acak normal berada dalam plus atau minus satu standar deviasi
dari rata-rata.
b. 95,4% dari nilai-nilai variabel acak normal berada dalam plus atau minus dua standar deviasi
rata-rata.

COMP6334 - Probability and Statistics

c. 99,7% dari nilai-nilai variabel acak normal berada dalam plus atau minus tiga standar deviasi
dari rata-rata.

Standard Normal Probability Distribution

Variabel acak yang memiliki distribusi normal dengan rata-rata nol (μ= 0) dan standar
deviasi satu (σ=1) dikatakan memiliki distribusi peluang standar normal (Standard Normal
Probability Distribution). Huruf z umumnya digunakan untuk menunjuk variabel acak normal
tersebut. Gambar di bawah ini adalah kurva dari distribusi standar normal:

Karena µ= 0 dan σ= 1, rumus untuk fungsi kepekatan peluang standar normal menjadi lebih
sederhana sebagai berikut:

di mana

Luas area di bawah kurva standard normal telah dihitung dan tersedia dalam bentuk tabel
yang dapat digunakan untuk menghitung peluang. Tabel Standar Normal dikenal juga sebagai
Tabel Z. Bentuk tabel bervariasi diberbagai referensi. Untuk menentukan nilai peluang, pertama
perhatikan gambar kurva yang ada di atas tabel. Berikut adalah salah satu bentuk Tabel Z.
COMP6334 - Probability and Statistics
COMP6334 - Probability and Statistics
 Tabel Z di atas mempunyai gambar kurva dengan warna tebal di sebelah kiri titik z. Hal
tersebut berarti angka-angka di dalam Tabel menunjukan luas area di bawah kurva pada interval
-∞ sampai z. Kolom di sebelah kiri tabel adalah nilai z yang berkisar antara -3.0 sampai 3.0 dan
angka-angka pada baris paling atas adalah digit kedua dan ketiga dari z.

Contoh cara membaca Tabel Z

1. Misalkan kita ingin mengetahui nilai P(z ≤ 1.00). Tarik garis dari kolom z dengan nilai 1.0
dan dari .00 pada baris atas, nilai peluangnya pada titik potongnya, jadi P(z ≤ 1.00)= 0.8413.

COMP6334 - Probability and Statistics

2. Misalkan kita ingin menghitung peluang z pada interval -0.5 sampai 2.5 atau
P(-0.50≤ z≤1.25).

Tiga langkah diperlukan untuk menghitungnya :

a. Tentukan area di bawah kurva normal di sebelah kiri z= 1.25. Cari baris 1.2 dalam tabel
dan kolom 0.05 diperoleh angka 0.8944. Jadi P (z≤ 1.25)= 0.8944
b. Tentukan area di bawah kurva normal di sebelah kiri z=-0.50. Cari nilai tabel di baris -0.5
dan kolom .00 dan diperoleh nilai 0.3085, sehingga P (z≤-0.50)=0 .3085.
c. Kurangi area di sebelah kiri z= 1.25 dengan area di sebelah kiri z= 0.50 untuk
menemukan P (.50≤ z ≤1.25). Jadi, P (-0.50 ≤z≤ 1.25)-P (z≤ 1.25) -P (z≤-0.50)=0.8944-
0.3085=0.5859.

3. Misalkan kita ingin menghitung peluang z paling sedikit 1.58 atau P(z ≥ 1.58).

Cari nilai di dalam table pada baris 1.5 dan kolom 0.08 dan diperoleh 0.9429, jadi
P(z<1.58)=0.9429. Karena total area di bawah kurva normal =1, maka P(z ≥1.58)=1-
P(z<1.58)=1-0.9429=0.0571.

COMP6334 - Probability and Statistics

4. Misalkan kita ingin menentukan nilai z sedemikian sehingga peluang nilai z adalah 0.10.
P(Z≥ ??)=0.1.
Ingat bahwa angka di dalam tabel adalah area di sebelah kiri z dan kita akan mencari area
di sebelah kanan z yang besarnya 0.10 atau sama dengan area di sebelah kiri z=0.90. Cari di
dalam table yang nilainya mendekati 0.9000. Di dalam tabel kita temukan nilai yang terdekat
adalah 0,8997. Kemudian tentukan nilai z dengan menarik garis pada kolom dan baris yang
sesuai dan diperoleh z=1.28. Jadi P(Z≥1.28)=0.10

Menghitung peluang dari distribusi normal dengan rata-rata= μ dan standar deviasi =σ

Nilai peluang dari distribusi normal dengan rata-rata =μ dan standar deviasi=σ, dapat
dihitung terlebih dahulu mengkonversinya ke distribusi standar normal. Rumus yang digunakan
untuk mengkonversi variabel acak normal x dengan rata-rata μ dan standar deviasi σ ke variabel
acak standar normal z adalah sebagai berikut:

COMP6334 - Probability and Statistics

Contoh: Diketahui bahwa X yaitu waktu untuk membuka halaman penjualan (the sales page
load time) pada suatu website mengikuti distribusi normal dengan rata-rata (µ)= 7 detik dan
standar deviasi (σ )= 2 detik.
1. Berapa peluang bahwa waktu untuk membuka halaman penjualan akan lebih dari 9 detik?
Yang ditanyakan adalah P(X>9) dikonversi ke Z menjadi:

Dari table dapat diperoleh P(Z≤1) =0.8413. Dengan demikian, peluang bahwa waktu
membuka akan lebih dari 9 detik adalah = 1 – 0.8413 = 0.1587.

2. Berapa peluang waktu membuka halaman penjualan kurang dari 7 detik atau lebih dari 9
detik ---- P(X<7) atau P(X>9)

Konversi X ke Z:

COMP6334 - Probability and Statistics

3. Berapa peluang waktu membuka halaman penjualan antara 5 dan 9 detik P(5< X <9)?

4. Menentukan nilai X.
Berapa waktu (dalam detik) akan berlalu sebelum 10% waktu tercepat untuk memuat
halaman penjualan terjadi?
Karena 10% dari waktu untuk membuka diharapkan terjadi sebelum X detik, maka luas
area di bawah kurva pada nilai lebih kecil dari X adalah 0.1000. Cari nilai di dalam table
yang mendekati 0.1000. Nilai yang paling mendekati adalah 0.1003 (Gambar). Dari nilai
tersebut kita dapat menarik garis ke kolom dan baris yang berhubungan, dan akan
diperoleh nilai Z=-1.28

Dengan persamaan maka

Karena Z=-1.28, maka X=7+(-1,28)2=4.44 detik. Jadi 10% waktu membuka adalah
kurang dari 4.44 detik.

COMP6334 - Probability and Statistics

Distribusi Peluang Uniform

Distribusi uniform, dikenal juga sebagai distribusi persegi panjang, berisi nilai-nilai yang
terdistribusi secara merata dalam kisaran antara nilai terkecil dan nilai terbesar. Dalam distribusi
yang seragam, setiap nilai memiliki peluang yang sama.

Fungsi kepekatan peluang dari distribusi peluang adalah sebagai berikut :

Fungsi distribusi kumulatif adalah

Rata-rata dari distribusi Uniform adalah

Ragam dan standar deviasinya adalah

Contoh: X mempunyai distribusi Uniform dengan a = 0 and b = 1. Berapa peluang untuk X

diantara 0.10 dan 0.30?

COMP6334 - Probability and Statistics

Distribusi Peluang Exponential

Distribusi peluang Eksponensial digunakan untuk variabel acak seperti waktu antar kedatangan
mobil di tempat cuci mobil, waktu yang diperlukan untuk memuat truk, jarak antar kerusakan
utama di jalan raya, dan sebagainya. Jika μ adalah rata-rata X, fungsi kepekatan peluang adalah
sebagai berikut :

Fungsi distribusi kumulatifnya

Contoh : Misalkan x adalah waktu memuat barang ke sebuah truk di dermaga pemuatan dan x
mengikuti distribusi eksponensial dengan rata-rata waktu pemuatan adalah 15 menit (μ = 15).

a. Berapa peluang waktu muat ke sebuah truk akan memakan waktu 6 menit atau kurang

b. Berapa peluang waktu muat ke sebuah truk akan memakan waktu antara 6 dan 18 menit

COMP6334 - Probability and Statistics

 SIMPULAN
Fungsi peluang dari variabel acak kontinu berupa fungsi kepekatan (probability density
function). Nilai peluangnya dihitung dari luas area di bawah kurva pada suatu interval. Tiga
distribusi peluang variable kontinu yang penting adalah distribusi peluang Normal, Uniform, dan
Eksponensial. Distribusi peluang normal adalah distribusi variable kontinu yang paling penting
karena dapat digunakan untuk memperkirakan berbagai distribusi peluang diskrit dan karena
hubungannya dengan Central Limit Theorem, distribusi normal menyediakan dasar untuk
statistik inferensia. Distribusi uniform berisi nilai-nilai yang terdistribusi secara merata dalam
kisaran antara nilai terkecil dan nilai terbesar, dimana setiap nilai memiliki peluang yang sama.
Distribusi peluang Eksponensial digunakan untuk variabel acak kontinu seperti waktu antar
kedatangan mobil di tempat cuci mobil, waktu yang diperlukan untuk memuat truk, jarak antar
kerusakan utama di jalan raya, dan sebagainya

COMP6334 - Probability and Statistics

 DAFTAR PUSTAKA

1. Levine, D.M., Stephan, D. F., and Szabat, K. A. (2017). Statistics for Managers using
Microsoft Excel. 8th Ed. Global Edition Pearson Education. New Jersey. ISBN 13: 978-1-
292-15634-7. Chapter 6.

2. Anderson, David R., Sweeney, Dennis J., Williams, Thomas A. (2011). Statistics for
Business and Economics. 11th Ed. Cengage Learning. USA. ISBN 13: 978-0-324-78325-4.
Chapter 6.

COMP6334 - Probability and Statistics