Statistika Matematika (Bagian 2)

Slide 3 : Distribusi Normal

Oleh : Sutrisno
Jurusan Matematika Fakultas Sains dan Matematika
Universitas Diponegoro
Semarang
3.1 Distribusi Normal
Suatu peubah acak kontinu X dikatakan memiliki distribusi Normal
(atau Gauss) dengan parameter a dan b2>0, dinotasikan
X ~ N (a, b2 ) jika fungsi densitas peluangnya berbentuk
( x a )2
1 
f X ( x; a, b2 )  e 2b2 ,   x  .
b 2

Contoh : Diberikan variabel random X ~ N (10,4) , PDF :

( x 10)2

f X ( x)  0,199e 8x ,  
yang diilustrasikan oleh gambar berikut.
3.1 Distribusi Normal
Beberapa hasil penting dari X ~ N (a, b2 ) :
 Fungsi distribusi kumulatif :
1  x  a 
FX ( x : a, b )  1  erf 
2

2  2 
  2b  
 b2t 2 
 Fungsi pembangkit momen : M X (t )  exp  at  
 2
 
 Nilai harapan: E( X )    M (0)  a
 Variansi : Var ( X )   2  M (0)   2  b2
3.1 Distribusi Normal
 Karena distribusi normal memiliki rata-rata   a dan varian
 2  b2 , maka distribusi normal dapat ditulis dengan notasi
X ~ N (, 2 ) dan pdf-nya adalah
( x   )2
1 
f X ( x;  , 2 )  e 2 ,
2
   x  .
 2
 Jika peubah acak kontinu X berdistribusi normal dengan rataan
  0 dan varian  2  1 , dinotasikan X ~ N (0,1) , X disebut
berdistribusi normal standar atau normal baku, dan pdf-nya
adalah
x2
1 
f X ( x;   0, 2  1)  e 2,    x  .
2
3.1 Distribusi Normal
Sifat-sifat dari kurva pdf distribusi normal:
1) Simetris terhadap garis x  
1
2) Memiliki nilai maksimum terjadi pada x  
 2
3) Sumbu-x adalah asimtot datar
4) Memiliki dua titik belok pada x    

Gambar : pdf distribusi normal untuk

beberapa nilai parameter  dan  2
3.1 Distribusi Normal

Gambar : cdf distribusi normal untuk beberapa

nilai parameter  dan  2
3.1 Distribusi Normal
Teorema. Jika variabel acak X ~ N (, 2 ), 2  0, maka
X 
variabel acak W  ~ N (0,1) .


Teorema diatas dapat digunakan untuk menghitung peluang dari

X 
X ~ N (, 2 ) menggunakan W  ~ N (0,1) .


Teorema. Jika variabel acak X ~ N (, 2 ), 2  0, maka

( X   )2
variabel acak V  ~  2 (1) .
2
3.1 Distribusi Normal
Diberikan X ~ N (, 2 ) , c1  c2 , maka peluang
P(c1  X  c2 )  P( X  c2 )  P( X  c1)
 X   c2     X   c1   
 P    P     
     
(c2   )/ w2 (c1   )/ w2
1  1 
  2
e 2 dw 
 2
e 2 dw
 
c   c1   
  2      
    
z w2
1 
dengan  2 e
( z )  dan ( z )  1  ( z ) .
2 dw Nilai

taksiran dari ( z) dapat dilihat di tabel distribusi normal.
3.1 Distribusi Normal
Contoh. Diberikan data berat badan dari 1000 penduduk suatu desa
pada tabel berikut.
Sampel ke- 1 2 3 … 1000
Berat badan (kg) 50.21 99.12 27.16 … 60.00
Data lengkap tersebut disajikan dalam histogram berikut.
3.1 Distribusi Normal
Misal X adalah variabel random yang menyatakan berat badan
(diasumsikan mengikuti bilangan real). Misalkan, melalui suatu uji
statistik dan estimasi parameter, diketahui bahwa X ~ N (60,100) ,
maka pdf dari X adalah
( x60)2
1 
f X ( x)  e 200 ,    x  .
10 2

Gambar :Histogram dan pdf dari X

3.1. Distribusi Normal
Hasil-hasil lain dari X adalah :
 Fungsi distribusi kumulatif :
1  x  60  
FX  FX ( x :  , )  1  erf  
2  200  

 Nilai harapan : E( X )    60
 Variansi : Var ( X )   2  100
 100t 2 
 Fungsi pembangkit momen : M X (t )  exp  60t  
 2
 
3.1. Distribusi Normal
 Jika dipilih seorang secara acak, maka peluang ia memiliki
berat badan antara 40 s/d 70 kg adalah
P(40  X  70)  P( X  70)  P( X  40)
 X  60 70  60   X  60 40  60 
 P     
10 
P
 10 10   10
  1    2 
  1  1    2  
 0.841  (1  0.977)
 0.818
 Peluang seorang diantara mereka memiliki berat badan kurang
dari 50 kg adalah
 X  60 50  60 
P( X  50)  P   
 10 10 
   1  1  (1)  1  0.841  0.159
3.2 Soal Latihan
1) Jika variabel random Y ~ N (0,1) , tentukan P(Y  2) ,
P(2  Y  2) dan P(0  Y  1.73)
2) Jika variabel random X ~ N (75,100) , tentukan P( X  60)
dan P(70  X  100)

3) Jika variabel random X ~ N (, 2 ) , cari nilai b sedemikian

X 
sehingga P(b   b)  0.90

4) Jika variabel random X ~ N (  , 2 ) memenuhi

P( X  89)  0.90 dan P( X  94)  0.95 , cari nilai  dan  2

3.2 Soal Latihan


5) Jika exp 5t  50t 2  adalah m.g.f dari variabel random Z,

hitung P(10  Z  23)

6) Jika diketahui variabel random Y~N(3,4), tentukan c sehingga
P(Y  c)  2P(Y  c)

7) Jika X ~ N (5,10) , hitung P(0.04  ( X  5)2  38.4)

8) Jika X ~ N (1,4) , hitung P(1  X 2  9)

9) Nilai ujian masuk UNDIP untuk jurusan Matematika FSM
tahun 2015 berdistribusi Normal dengan   75 dan   10 .
Berapakah probabilitas seorang peserta mempunyai nilai
antara 80 dan 90?