Week ke - 6
Continous Probability
Distributions
Dalam bab ini kita akan melanjutkan pembahasan tentang distribusi peluang dari variable
kontinu distribusi peluang Uniform, Normal dan Exponential.
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)
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.
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.
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.
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.
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:
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:
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
Karena Z=-1.28, maka X=7+(-1,28)2=4.44 detik. Jadi 10% waktu membuka adalah
kurang dari 4.44 detik.
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.
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 :
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
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.