DISTRIBUSI KONTINU
• Uniform
• Normal
• Gamma & Eksponensial
SV Analisis Data 2
Distribusi Uniform
1 x−
2
1 − 2
f ( x) = e , - < x <
2 Simpangan baku
/standar deviasi
= 3.14159… e = 2.71828…
Kurva Normal
Modus tunggal
Peluang X di
sekitar 1, 2,
http://www.comfsm.fm/~dleeling/statistics/normal_curve.gif
dan 3
SV Analisis Data 5
Pengaruh dan
Kurva normal
dengan
yang sama
1 < 2 < 3
1
2
Kurva normal
3 dengan yang
sama
parameter
skala 1 < 2 < 3
parameter
lokasi
1 2 3
SV Analisis Data 6
X ~ N(,2)
X ~ N(,2) Z ~ N(0,1)
0
a- m b- m
z1 = z2 =
s s
SV Analisis Data 7
1 − 2
P ( a X b) = e dx
a 2
X −
Z=
2. Dengan tabel normal standar P (Z z)
N(0,1)
SV Analisis Data 8
P(Z z) DITABELKAN
− x2 / 2
P(Z z ) = 1
e dx
2 untuk -3.4 z 3.4
−
P(Z z )
SV Analisis Data 9
Hitung P (0 Z 1,24 )
Contoh 1
http://ismailfahmi.org/wp/wp-
content/uploads/2007/07/light-bulb.jpg
Jawab
Contoh 2
Jawab
B (6;0,2)
B (15;0,2)
Contoh 3
http://www.bratachem.com/abate/imag
es/demam.jpg
Jawab
Misal X : banyaknya pasien yang
sembuh
X ~ B(n,p) , n = 100 ; p = 0,4
Rataan: = np = 100 x 0,4 = 40
St.Dev: = np(1 − p) = 40 0, 6 = 4,899
a. Peluang bahwa P( X = 30) P(29,5 X 30,5)
banyaknya pasien 29,5 − 40 30,5 − 40
= P Z
yang sembuh tepat
4,899 4,899
30 orang adalah:
= P(−2,14 Z −1,94)
= P( Z −1,94) − P( Z −2,14)
= 0, 0262 − 0, 0162
= 0, 01
SV Analisis Data 18
Jawaban lanjutan
29,5 − 40
P( X 30) P Z
4,899
= P (Z −2,14)
= 0, 0162
SV Analisis Data 19
Distribusi Gamma
• Observasi kontinu dan selalu non-negatif sering dianggap
mengikuti distribusi gamma dengan parameter >0 dan β>0.
• Notasi X ~ Gamma(,)
• f.k.p
1 𝛼−1 𝑒 −𝑥Τ𝛽
𝑥 ,0 < 𝑥 < ∞
𝑓(𝑥) = ൞𝛤(𝛼)𝛽𝛼
0 , 𝑥 lainnya
𝛼 > 0 dan 𝛽 > 0
• () disebut fungsi gamma
( ) = y −1e − y dy
0
dimana (1) = 1 dan () = ( -1)!, jika > 1
• E[X] = dan Var(X) = 2
• Digunakan untuk memodelkan waktu tunggu
• Keluarga Gamma(,): distribusi eksponensial, khi kuadrat,
Weibull, dan Erlang
(n) = (n − 1)!
SV Analisis Data 20
Bukti
−1
( ) = −e x −x
+ e − x ( − 1)x −2dx
0 0
= ( − 1) e − x x −2dx = ( − 1)( − 1)
0
• Untuk =1, (1) = e− x dx = 1
0
sehingga jika kita ambil >1, tulis n= didapat persamaan
rekursif:
(n) = (n − 1)!
SV Analisis Data 21
Bukti 1 −
x
E[ X ] = x x −1
e dx
0 ( )
1 x
x
− x
=
( ) 0
e dx , misal y =
1 −y
=
( ) 0
y e dy
( + 1)
= =
( )
• Dengan cara yang sama kita juga bisa menentukan E[X2]
, sehingga kita bisa mendapatkan Var(X) = 2
SV Analisis Data Page 22
Contoh Soal
• Di suatu kota, pemakaian tenaga listrik harian, dalam
jutaan kilowatt-jam, berbentuk peubah acak 𝑋 yang
berdistribusi gamma dengan 𝜇 = 6 dan variansi 𝜎 2 = 12
• Tentukan
• a. nilai 𝛼 dan 𝛽
• b. peluang bahwa pada suatu hari tertentu pemakaian
tenaga listrik akan melebihi 12 juta kilo-watt
SV Analisis Data 23
Distribusi Eksponensial
• E[X] = 1/
• Var(X) = 1/ 2
• Digunakan untuk memodelkan waktu antar kedatangan
SV Analisis Data 24
Contoh 4
Misalkan lama pembicaraan telepon
dapat dimodelkan oleh distribusi
eksponensial, dengan rataan 10
menit/orang.
Bila seseorang tiba-tiba
mendahului anda di suatu
telepon umum, carilah
peluangnya bahwa anda harus
menunggu:
a. lebih dari 10 menit
b. antara 10 sampai 20 menit
SV Analisis Data 25
Jawab
Distribusi Chi-Square
• X ~ χ2(r)
• Kasus distribusi Gamma dengan =r/2 dan β=2,
1 r
−1
𝑥 2 𝑒 −𝑥Τ2 ,0 < 𝑥 < ∞
𝑓(𝑥) = ൞𝛤(r/2)2𝑟/2
0 , 𝑥 lainnya
• = = r
• σ2 = 2 = 2r
SV Analisis Data Page 27
Distribusi - t
• Misalkan Z peubah acak normal baku dan V peubah acak
khi-kuadrat dengan derajat kebebasan . Bila Z dan V
bebas, maka distribusi peubah acak T, bila
Z
T=
V
diberikan oleh,
( + 1) 2 t 2
− ( +1) 2
h (t ) = 1 + , − t
( 2 )
Distribusi F
• Misalkan U dan V dua peubah acak bebas masing-
masing berdistribusi khi kuadrat dengan derajat
kebebasan 1 dan 2. Maka distribusi peubah acak,
U 1
F=
V 2
• Diberikan oleh,
(1 + 2 ) 2 (1 2 )
1 2
f 1 2 −1
Referensi
Walpole, Ronald E. dan Myers, Raymond H., Ilmu
Peluang dan Statistika untuk Insinyur dan Ilmuwan, Edisi 4,
Bandung: Penerbit ITB, 1995.
Walpole, Ronald E., et.al, 2007, Statistitic for Scientist and
Engineering, 8th Ed., New Jersey: Prentice Hall.
Pasaribu, U.S., 2007, Catatan Kuliah Biostatistika.