SV Analisis Data Page 1

DISTRIBUSI KONTINU
• Uniform
• Normal
• Gamma & Eksponensial
 SV Analisis Data 2

Distribusi Uniform

• Distribusi kontinu yang paling sederhana

• Notasi: X ~ U (a,b)
• f.k.p:  1
 , a xb
f(x) =  b − a
f(x) 0 , x lainnya
b+a
Rataan : E[ X ] =
2
(b - a) 2
Variansi : Var ( X ) =
a b
12
 SV Analisis Data 3

Distribusi Normal (Gauss)

Karl Friedrich Gauss
- Banyak digunakan 1777-1855

• Penting dipelajari - Aproksimasi Binomial

- Teorema limit pusat
• Notasi: X ~ N ( , 2)
• f.k.p: rataan

1  x− 
2

1 − 2   
f ( x) = e , - < x < 
 2 Simpangan baku
/standar deviasi

 = 3.14159… e = 2.71828…

• N(0,1) disebut normal standar (baku)

 SV Analisis Data 4

Kurva Normal

Modus tunggal

Titik belok Titik belok

Total luas Simetri

daerah di terhadap
x=
bawah kurva =1

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

Luas di bawah kurva Normal

P(−  X  ) = 1

X ~ N(,2)

 P (z1 < Z < z2)

P(a < X < b)

X- m
Z=
s

X ~ N(,2) Z ~ N(0,1)

0
a- m b- m
z1 = z2 =
s s
 SV Analisis Data 7

Menghitung Peluang Normal

Sulit !!! 1. Cara langsung

Harus dihitung
secara numerik b 1  x− 
2

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

Arti Tabel Normal

• Misal Z ~ N(0,1) dan z  R, -3,4  z  3,4

 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

Membaca Tabel Normal

P(Z  1,24 )
 SV Analisis Data 10

Hitung P (0  Z  1,24 )

P(0  Z  1,24 ) = P(Z  1,24 ) - P(Z < 0 )

= 0,8925 – 0,5 = 0,3925
P(Z  0 ) P(Z  1,24 )
 SV Analisis Data 11

Contoh 1

Suatu perusahaan listrik

menghasilkan bola lampu yang
umurnya berdistribusi normal
dengan rataan 800 jam dan
standar deviasi 40 jam.

http://ismailfahmi.org/wp/wp-
content/uploads/2007/07/light-bulb.jpg

Hitunglah peluang suatu bola lampu

dapat menyala antara 778 dan 834 jam
http://www.nataliedee.com/101906/nightshift-at-
the-factory-factory.jpg
 SV Analisis Data 12

Jawab

Misal X : umur bola lampu

X ~ N (800,402)
X- m
Dengan transformasi Z = :
s
 778 − 800 834 − 800 
P(778  X  834) = P  Z 
 40 40 
= P (−0,55  Z  0,85)
= P ( Z  0,85) − P (Z  −0,55)
= 0,8023 − 0, 2912
= 0,5111
 SV Analisis Data 13

Contoh 2

Suatu pabrik dapat memproduksi

voltmeter dengan kemampuan
pengukuran tegangan, rataan 40 volt
dan standar deviasi 2 volt. Misalkan
tegangan tersebut berdistribusi normal.

Dari 1000 voltmeter yang

diproduksi, berapa voltmeter
yang tegangannya melebihi
43 volt?
 SV Analisis Data 14

Jawab

Misal X : tegangan voltmeter

X ~ N (40, 4)
X- m
Dengan transformasi Z =
s
 43 − 40 
P( X  43) = P  Z  
 2  Banyaknya voltmeter yang
= P (Z  1,5) tegangannya lebih dari 43
= 1 − P (Z  1,5) volt adalah
= 1 − 0,9332 1000 unit x 0,0668
 66 unit
= 0, 0668
 SV Analisis Data 15

Aproksimasi Binomial dengan Normal

Jika n →  maka B(n,p) → N (,2)
dimana  = np dan  2=np(1-p)
np(1 − p)

B (6;0,2)
B (15;0,2)

Semakin besar n, binomial semakin dekat

ke normal
 SV Analisis Data 16

Contoh 3

Misal peluang seorang pasien

sembuh dari suatu penyakit
demam berdarah adalah 0,4.

http://www.bratachem.com/abate/imag
es/demam.jpg

Bila diketahui ada 100 pasien demam

berdarah, berapa peluangnya bahwa yang
sembuh
a. tepat 30 orang
b. kurang dari 30 orang
 SV Analisis Data 17

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

b. Peluang bahwa banyaknya

pasien yang sembuh akan
kurang dari 30 adalah:

 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

• Keluarga distribusi gamma

(1, 1/)
• Notasi: X ~ Exp ()
• f.k.p
 e −  x ,0  x  
f ( x) = 
0 , x lainnya

• 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

Misalkan X : lama pembicaraan telepon

Dik. X ~ exp(1/10) sehingga
f ( x) = 101 e − x /10
Tapi lama pembicaraan setara dengan waktu
menunggu .
Jadi,
a. P( X  10) = 1 − P( X  10)
10
= 1 −  101 e− x /10 dx = 1 − 0,368 = 0, 632
0
20
P(10  X  20) =  e− x /10 dx = 0, 233
1
b. 10
10
 SV Analisis Data Page 26

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

• Dengan f.p.m untuk t < ½, 𝑟

−
𝑀 𝑡 = 1 − 2𝑡 2

•  =  = 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 )   

Ini dikenal dengan nama distribusi-t dengan derajat

kebebasan .
 SV Analisis Data Page 28

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

h(f ) = (1 +2 )

, 0f 
 (1 2 )  (2 2 ) (1 + 1 2 f 2 )
2

Ini dikenal dengan nama distribusi-F dengan derajat

kebebasan 1 dan 2.
 SV Analisis Data Page 29

1. Perusahaan minyak A memesan alat berat untuk pengeboran sumur ke suatu

manufaktur. Manufaktur tersebut memberi jaminan bahwa tingkat kecacatan dari alat
berat tersebut adalah 9% .
a. Jika seorang staf ditugaskan mengecek 8 alat yang diambil acak dari suatu
pengiriman, berapa peluang tidak lebih dari 6 alat yang cacat.
b. Jika lima tahun ke depan perusahaan minyak tersebut maju dan memesan 30 alat,
berapa peluang antara 1 dan 3 dari 30 alat yang diambil acak adalah alat yang tidak
cacat.
1
2. Umur suatu komponen elektronik berdistribusi eksponensial dengan 𝜆 = 2 . Bila
sebanyak 5 komponen elektronik tersebut dipasang pada sistem yang berlainan,
tentukan peluang paling banyak 2 komponen gagal pada tahun pertama
 SV Analisis Data Page 30

3. Seorang peneliti melaporkan

bahwa tikus akan hidup rata-rata
selama 40 bulan jika pola
makannya dijaga dan diberikan
vitamin serta protein. Dengan
menganggap waktu hidup tikus
berdistribusi normal dengan
standar deviasi 6,3 bulan,
berapakah peluang seekor tikus
akan mempunyai waktu hidup
dreamatico.com
antara 37 dan 49 bulan?
 SV Analisis Data 31

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.