Contoh Soal:
Ketika melakukan lemparan dengan sebuah uang logam yang kita
dapatkan P (Gambar) = P (Angka) = ½.
Jika dihitung banyaknya Gambar (G) yang muncul, maka Angka
(A) = 0 G dan Gambar (G) = 1 G.
Jika banyak G kita beri simbol n, maka A berlaku n = 0 dan
G berlaku n = 1.
Pembahasan:
Ketika melakukan lemparan dengan dua buah uang logam, maka
peristiwa yang terjadi adalah : GG,GA,AG,AA. Jika n menyatakan
banyak G, maka = 0, 1, 2. Sehingga P(n=0) = ¼, P(n=1) = ½ dan
P(n=2) = ¼.
Dalam hal ini di dapat tabel berikut :
n P(x)
0 ¼
1 ½
2 ¼
Jumlah 1
E (x) =
Banyak 0 1 2 3 4 5 6 7 8
Kendaraa
n
Peluang 0,01 0,05 0,10 0,28 0,22 0,18 0,08 0,05 0,03
E (x) =
= 0 (0,01) + 1 (0,05) + 2 (0,10) + 3 (0,28) + 4 (0,22) + 5 (0,18) + 6 (0,08)
+ 7 (0,05) + 8 (0,03)
= 0 + 0,05 + 0,2 + 0,84 + 0,88 + 0,9 + 0,48 + 0,35 + 0,24
= 3,94 kendaraan per menit.
DISTRIBUSI NORMAL
Distribusi Normal (Gaussian) mungkin merupakan distribusi
probabilitas yang paling penting baik dalam teori maupun aplikasi
statistik.
Distribusi ini paling banyak digunakan sebagai model bagi data riil
di berbagai bidang yang meliputi antara lain karakteristik fisik makhluk
hidup (berat, tinggi badan manusia, hewan, dll).
Terdapat empat alasan mengapa distribusi normal menjadi
distribusi yang paling penting :
a. Distribusi normal terjadi secara alamiah.
b. Beberapa variabel acak yang tidak terdistribusi secara normal dapat
dengan mudah ditransformasi menjadi suatu distribusi variabel acak
yang normal.
c. Banyak hasil dan teknik analisis yang berguna dalam pekerjaan
statistik hanya bisa berfungsi dengan benar jika model distribusinya
merupakan distribusi normal.
d. Ada beberapa variabel acak yang tidak menunjukkan distribusi
normal pada populasinya, namun distribusi dari rata-rata sampel yang
diambil secara random dari populasi tersebut ternyata menunjukkan
distribusi normal.
Distribusi Normal disebut juga Gausian distribution adalah salah
satu fungsi distribusi peluang berbentuk lonceng seperti gambar berikut.
Berdasarkan gambar di atas, distribusi Normal akan memiliki beberapa
ciri diantaranya:
a. Kurvanya berbentuk garis lengkung yang halus dan berbentuk seperti
genta.
Untuk setiap nilai 𝜇𝑥 dan 𝜎𝑥, kurva fungsi akan simetris terhadap
𝜇𝑥 dan memiliki total luas dibawah kurva tepat 1. Nilai dari 𝜎𝑥
menentukan bentangan dari kurva sedangkan 𝜇𝑥 menentukan pusat
simetrisnya.
Untuk setiap nilai 𝜇𝑥 dan 𝜎𝑥, kurva fungsi akan simetris terhadap
𝜇𝑥 dan memiliki total luas dibawah kurva tepat 1. Nilai dari 𝜎𝑥
menentukan bentangan dari kurva sedangkan 𝜇𝑥 menentukan pusat
simetrisnya.
Distribusi normal kumulatif didefinisikan sebagai probabilitas variabel
acak normal X bernilai kurang dari atau sama dengan suatu nilai x
tertentu. Maka fungsi distribusi kumulatif dari distribusi normal ini
dinyatakan sebagai :
Untuk menghitung probabilitas (𝑎≤𝑥≤𝑏) dari suatu variabel acak kontinu X yang
terdistribusi secara normal dengan parameter 𝜇𝑥 dan 𝜎𝑥 maka persamaan (1) harus diintegralkan
mulai dari 𝑥=𝑎 sampai 𝑥=𝑏. Namun, tidak ada satupun dari teknik-teknik pengintegralan biasa
yang bisa digunakan untuk menentukan integral tersebut. Untuk itu para ahli statistik/matematik
telah membuat sebuah penyederhanaan dengan memperkenalkan sebuah fungsi kepadatan
probabilitas normal khusus dengan nilai mean 𝜇=0 dan deviasi standard 𝜎=1. Distribusi ini
dikenal sebagai distribusi normal standard (standard normal distribution). Variabel acak dari
distribusi normal standard ini biasanya dinotasikan dengan Z.
Dengan menerapkan ketentuan diatas pada persamaan (1) maka fungsi kepadatan
probabilitas dari distribusi normal standard variabel acak kontinu Z adalah:
Sedangkan fungsi distribusi kumulatif dari distribusi normal standard ini dinyatakan sebagai :
Nilai 𝑧𝑥 dari variabel acak standard 𝑧𝑥 sering juga disebut sebagai skor z dari variabel acak X
Contoh Soal:
1. Sebuah pabrik baterai memproduksi baterai dengan daya tahan 400
jam. Jika simpangan 20 jam. Berapa peluang baterai tersebut hidup
antara 400 hingga 434,4 jam!
Pembahasan:
Diketahui : 𝛍 = 400 ; 𝞼= 20 ; x1 = 400 ; x2=434,4.
Tanya : P [400 jam < X < 434,4 jam]
Jawab :
Z1= x1−μ Z2= x2−μ
σ σ
= 400−400 = 434,4−400
20 20
=0 = 1,72
P [400 jam < X < 434,4 jam] = P [0 < z < 1,72]. Daerahnya bisa dilihat
pada kurva yang diarsir berikut:
Berdasarkan tabel distribusi normal, maka nilai luas daerah untuk 1,72
adalah = 0,4573. Jadi peluang sebuah batrai bisa bertahan hingga 400
sampai 434,4 jam adalah 0,4573.
2. Sebuah permen dipotong dengan rata-rata 25 mm. Dengan simpangan baku 2 cm. Berapa
persenkah kemungkinan permen diproduksi dengan panjang dibawah 23 mm.
Pembahasan:
Diketahui : 𝛍 = 25 ; 𝞼= 2 ; x1 = 23.
Ditanyakan : P [400 jam < X < 434,4 jam]
Jawab :
Z1 = x1−μ
σ
= 23-25
2
= -1
P [ X < 23 mm] = P [ z < -1]. Ketika melihat tabel abaikan negatif, lihat nilai untuk 1,00 saja.
Adapun nilai untuk z =1 adalah 0,3413. Namun ini belum hasil akhir, sebab daerahnya adalah
Untuk nilai yang terlihat ditabel adalah daerah antara 0 dan -1 yang nilainya 0,3413. Sementara
untuk daerah z< -1 adalah daerah yang arsir hijau. Ingat luas bagian kiri dan kanan adalah 0,5.
Pada bagian kiri, daerah hijau didapat dari 0,5 - 0,3413 = 0,1587 atau 15,87%.
3. Sebuah alat elektronik diberikan jaminan tak akan rusak rata-rata selama 800 hari. Dengan
standar deviasi 40 hari. Berapa peluang alat elektronik tersebut tak akan rusak antara 778 hari
dan 834 hari.
Pembahasan:
Untuk sampel ukuran n ≥ 3, taksiran σ 2 dapat diperoleh dengan menghitung nilai S2.
Bila n ≥ 30, maka S2 memberikan taksiran σ 2 yang baik dan tidak berubah
dan distribusi statistik ¿,
berdistribusi sama dengan peubah normal baku z.
Bila ukuran sampel ( n < 30 ), nilai S2 berubah cukup besar dari sampel ke sampel dan
distribusi peubah acak ¿ tidak lagi distribusi normal baku.
Dalam hal ini didapatkan distribusi statistik yang disebut T
X́−μ
T=
S/ √ n
Distribusi sampel T di dapat dari anggapan bahwa sampel acak berasal dari populasi normal.
T =¿ ¿
Dengan ,
X́−μ
Z=
σ /√n
Berdistribusi normal baku,dan
( n−1 ) S 2
V=
σ2
Z
T=
√V /v
Diberikan oleh,
− ( v+1) /2
Γ [ ( v+1 ) /2 ] t2
h ( t )=
Γ ( v /2 ) √ πv ( )
1+
v
Distribusi Z dan T berbeda karena variansi T bergantung pada ukuran sampel n dan
variansi ini selalu lebih besar dari 1. Hanya bila ukuran sampel n → ∞ kedua distribusi menjadi
sama. Pada gambar dibawah diperlihatkan hubungan antara distribusi normal baku ( v=∞) dan
distribusi t untuk derajat kebebasan 2 dan 5.
t1 t 0
t t
Karena distribusi t setangkup terhadap rataan nol, maka t 1−α =−t α; yaitu, nilai t yang luas
sebelah kanannya 1−α, atau luas sebelah kirinya α, sama dengan minus nilai t yang luas bagian
kanannya α.
Panjang selang nilai t yang dapat diterima tergantung pada bagaimana pentingnya μ. Bila
μ ingin ditaksir dengan ketelitian yang tinggi, sebaiknya digunakan selang yang lebih pendek
seperti −t 0,05 sampai t 0,05.
Sifat distribusi student “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.”
Contoh soal
1. Selama kurun waktu 2003 diketahui harga saham perusahaan pertanian Rp. 354 per lembar.
Untuk mengetahui kinerja perusahaan pertanian diadakan penyelidikan dengan sampel 4
perusahaan. Diperoleh rata-rata saham adalah Rp.272 per lembar dengan standar deviasi
Rp.260. Dengan taraf signifikan 1% apakah harga saham tersebut mengalami penurunan.
Pembahasan:
Perkiraan awal harga saham ³ 354. Apakah turun ≤ 354 (uji satu arah)
V= n-1
= 4 -1 =3 diperoleh t=4.54 (t tabel) ---- lihat daftar G (Sujana, hal. 491)
(272−354 )
t hitung t= =−0 ,63
260
√4
Yang
Yang
ditolak-0.63
4.541 diterima
(212−253 )
t= =−3 .57
46
√ 15