Statistika

Distribusi Probabilitas Kontinu

Dr. Reno Renaldi Tibyan

UHAMKA
Statistika
• Distribusi probabilitas kontinu
• Distribusi normal dan Distribusi normal baku
• Mengukur probabilitas dalam distribusi normal
• Distribusi kontinu lainnya (seragam dan eksponensial)

2
Statistika

3
Statistika
Distribusi Probabilitas Kontinu
Distribusi probabilitas ada yang menggunakan variabel acak kontinu, yang memiliki
nilai yang dikaitkan dengan sembarang angka pada satu atau lebih dari satu
interval (nilainya bisa tak terbatas dan tak terhitung).

x
0 1 2 3 4 5

Misalnya, ukuran waktu antar kedatangan {0, 1.5, 2.3, 3.75, 4.16, …} atau ukuran
tinggi mahasiswa di suatu kelas {57.4, 68.7, 75.2, …}.

Dengan demikian, distribusi probabilitas kontinu adalah distribusi probabilitas

variabel acak kontinu.

4
Statistika
Distribusi Probabilitas Kontinu
Jika kita mempunyai sekumpulan data, kemudian disusun dan dibuat grafiknya, maka
data tersebut akan membentuk pola tertentu. Dalam jangka panjang, pola ini dapat
berbentuk permanen/tetap. Sedangkan, munculnya suatu kejadian akan terdistribusi
pada interval tertentu.

Bentuk grafis dari distribusi probabilitas untuk variabel acak kontinu x adalah kurva
yang halus (smooth curve).

x
Secara formal, jika X adalah variabel acak kontinu, maka ia memiliki fungsi
kerapatan probabilitas ƒ(x), dan oleh karena itu probabilitasnya terletak pada
interval yang ditentukan, katakanlah [a, b], yang dituliskan pada integral: P(a ≤ X ≤
𝑏
b) = 𝑎 𝑓 𝑥 𝑑𝑥.
5
Statistika
Distribusi Probabilitas Kontinu
Secara khusus, probabilitas X yang mengambil nilai tunggal a (yaitu a ≤ X ≤ a)
adalah nol, karena integral dengan batas atas dan bawah bawah yang serupa
selalu sama dengan nol.

Kurva fungsi dari x tersebut, dilambangkan dengan simbol f(x) dan secara beragam
disebut sebagai fungsi kerapatan probabilitas (probability density function), fungsi
frekuensi, atau distribusi probabilitas.

Area di bawah distribusi probabilitas berhubungan dengan probabilitas untuk x. Area

A di bawah kurva antara dua titik a dan b adalah probabilitas, dimana x
mengasumsikan nilai antara a dan b.

6
Statistika
Distribusi Normal
Distribusi probabilitas yang paling penting dalam statistika adalah distribusi normal.
Distribusi normal adalah distribusi probabilitas kontinu untuk variabel acak x. Grafik
distribusi normal disebut sebagai kurva normal.
rata-rata
median
Kurva normal
modus
μσ μ μ+σ x
Hal-hal yang penting diketahui berkaitan dengan distribusi normal:
1. Menjelaskan banyak proses acak atau fenomena kontinu;
2. Merupakan dasar untuk inferensi statistika klasik;
3. Memiliki rata-rata, median, dan modus yang sama;
4. Kurva normal berbentuk lonceng (bell-shaped) dan simetris dari nilai tengah;
5. Total area di bawah kurva adalah sama dengan satu;
6. Kurva normal mendekati sumbu x, tetapi tidak pernah menyentuh (asimtotik) ,
karena melebar semakin jauh dari rata-rata;
7. Antara μ - σ dan μ + σ (di tengah kurva), grafik melengkung ke bawah. Grafik
melengkung ke atas di kiri μ - σ dan di kanan μ + σ. Titik-titik di mana kurva
berubah dari melengkung ke atas menjadi melengkung ke bawah disebut sebagai
titik infleksi. 7
Statistika
Distribusi Normal
Jika x adalah variabel acak kontinu yang memiliki distribusi normal dengan rata-rata
μ dan deviasi standar σ, anda dapat membuat grafik kurva normal dengan
persamaan:

1 1
−(2) (x– μ)2 , dimana:
f(x) = 𝑒
 2
e  2,71828
  3.14

Titik-titik infleksi

Luas bidang = 1
34.1% 34.1%

0.1% 13.6% 13.6% 0.1%

2.1% 2.1%
x
μ  3σ μ  2σ μσ μ μ+σ μ + 2σ μ + 3σ
8
Statistika
Distribusi Normal
Contoh:
1. Kurva mana yang memiliki rata-rata yang lebih besar?
2. Kurva mana yang memiliki deviasi standar yang lebih besar?

M N

2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32
Jawab:
1. Garis simetri kurva M terjadi pada x = 10. Garis simetri kurva N terjadi poda x
= 20. Dengan demikian, kurva N memiliki rata-rata yang lebih besar;
2. Kurva N lebih menyebar dibandingkan dengan kurva M. Sehingga, kurva N
memiliki deviasi standar yang lebih besar. 9
Statistika
Distribusi Normal Baku
Probabilitas distribusi normal adalah luas bidang di bawah kurva, sebagaimana
𝑏
dinyatakan dalam persamaan: P(a ≤ X ≤ b) = 𝑎 𝑓 𝑥 𝑑𝑥 (fungsi integral dengan
batas bawah a dan batas atas b).

Hanya saja, untuk menghitung besar P(x) pada kurva normal, tanpa diketahui
intervalnya, maka digunakan rumusan distribusi normal khusus.

Distribusi normal khusus yang disebut distribusi normal standar/baku digunakan untuk
menghitung area (probabilitas) untuk semua distribusi normal.

10
Statistika
Distribusi Normal Baku
Distribusi normal standar adalah distribusi normal dengan μ = 0 dan σ = 1. Variabel
acak dengan distribusi normal standar, dilambangkan dengan simbol z, disebut
variabel acak normal standar.

Nilai berapapun dapat diubah menjadi skor standar (z) dengan menggunakan rumus:
𝑛𝑖𝑙𝑎𝑖 𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙 𝑎𝑐𝑎𝑘 − 𝑛𝑖𝑙𝑎𝑖 𝑟𝑎𝑡𝑎−𝑟𝑎𝑡𝑎 𝑥 −μ
z= = σ
𝑑𝑒𝑣𝑖𝑎𝑠𝑖 𝑠𝑡𝑎𝑛𝑑𝑎𝑟

Jika setiap nilai data dari variabel acak berdistribusi normal diubah menjadi skor-z,
maka hasilnya akan menjadi distribusi normal standar. 11
 Statistika
Distribusi Normal Baku
Setelah rumus digunakan untuk mengubah nilai-x menjadi skor-z, Tabel Normal
Standar digunakan untuk menemukan area kumulatif di bawah kurva.
Area yang jatuh dalam interval di bawah kurva Untuk z=-3.49, luas bidang kumulatif
normal tidak standar (nilai-x) adalah sama mendekati () 0, untuk z = 3.49, luas
dengan area di bawah kurva normal standar bidang kumulatif  1. Luas bidang
(dalam batas-z yang sesuai) kumulatif  dengan  skor-z.

z
-3 -2 -1 0 1 2 3
Luas bidang di bawah kurva normal baku dari 0 ke z (dua angka desimal pada Z)
Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.00 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359
0.10 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0753
0.20 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141
0.30 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517
... ... ... ... ... ... ... ... ... ... ...
0.90 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389
1.00 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621
1.10 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 0.3830
1.20 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.4015
... ... ... ... ... ... ... ... ... ... ...
2.00 0.4772 0.4778 0.4783 0.4788 0.4793 0.4798 0.4803 0.4808 0.4812 0.4817
... ... ... ... ... ... ... ... ... ... ...
3.00 0.4987 0.4987 0.4987 0.4988 0.4988 0.4989 0.4989 0.4989 0.4990 0.4990
3.40 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4998
3.50 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 12
Statistika
Distribusi Normal Baku
Mencari luas bidang di bawah Kurva Normal Standar:
1. Buat sketsa kurva normal standar dan beri warna pada area yang sesuai di
bawah kurva;
2. Temukan luas bidang dengan mengikuti petunjuk untuk setiap persoalan yang
ditentukan:
a) Untuk menemukan luas bidang di sebelah kiri z, temukan area yang sesuai
dengan skor-z di Tabel Normal Standar;
b) Untuk menemukan area di sebelah kanan z, gunakan Tabel Normal Standar
untuk menemukan area yang sesuai dengan skor-z. Kemudian kurangi luas
bidang tersebut dari 1.

2. Luas bidang di 3. Untuk menghitung luas

kiri z = 1.25 bidang di sebelah kanan
adalah 0.8944. z = 1.25, kurangi 1 
0.8944 = 0.1056.

z
0 1.25
1. Gunakan tabel untuk
menemukan area
untuk skor-z-. 13
 Statistika
Mengukur Probabilitas dalam Distribusi Normal
Rumus normal baku dapat digunakan untuk menghitung probabilitas variabel acak x
yang berdistribusi normal.
Distribusi Normal Distribusi Normal Baku

μ = 12 μ=0
σ=5 σ=1

P(x < 17) P(z < 1)

x z
μ = 12 17 μ=0 1

Luas bidang yang diarsir adalah sama

P(x < 17) = P(z < 1) = Luas bidang yang diarsir di bawah kurva = 0.8413

14
Statistika
Mengukur Probabilitas dalam Distribusi Normal
Contoh:
Rata-rata nilai pada ujian statistika adalah 72 dengan deviasi standar 10. Jika skor
ujian berdistribusi normal, temukan probabilitas bahwa seorang siswa menerima skor
ujian lebih besar dari 81.

μ = 72 𝑥 −μ 81 −72
z = σ = 10 = 0.90
σ = 10

P(x > 81)

x
μ = 72 81
z
μ=0 0.90

P(x > 81) = P(z > 0.90) = 1 - P(z < 0.90) = 1 – 0.8159 = 0.1841

Probabilitas bahwa seorang siswa menerima skor ujian lebih besar dari 81 adalah
0.1894.
15
Statistika
Mengukur Probabilitas dalam Distribusi Normal
Untuk mengubah skor-z standar menjadi nilai data, x, dalam populasi tertentu, dapat
menggunakan rumus: x = μ + zσ.

Contoh:
Tagihan listrik bulanan di kota biasanya didistribusikan dengan rata-rata Rp 500,000
dan deviasi standar Rp 50,000. Tentukan nilai x yang sesuai dengan skor-z 2.05.

Jawab:
x = μ + zσ
= 500,000 + 2.05(50,000)
= 602,500

Kita dapat menyimpulkan bahwa tagihan listrik bulanan sebesar Rp 602,500 adalah
2.05 deviasi standar di atas rata-rata.

16
Statistika
Distribusi Kontinu (seragam)
Variabel acak kontinu yang memiliki kemungkinan hasil yang sama pada kisaran nilai
yang dapat diterima memiliki distribusi probabilitas yang seragam (uniform). Atau
dengan kata lain, ketinggian fungsi kerapatan probabilitas adalah sama untuk semua
nilai x antara nilai-nilai intervalnya (mis.: a dan b) untuk distribusi yang ditentukan.

Apabila variabel acak x dapat mengasumsikan nilai hanya dalam interval c ≤ x ≤ d,

maka fungsi frekuensi yang seragam memiliki bentuk persegi panjang.

Pada distribusi probabilitas untuk variabel

acak seragam x, terdapat beberapa formulasi,
yaitu:
1. Fungsi kepadatan probabilitas:
1
f(x) = ; c≤x≤d
d−c
𝑐+𝑑
2. Rata-rata: μ = 2
𝑑 −𝑐
3. Deviasi standar: σ = 12
4. Probabilitas: P(a < x < b) = (b – a)/(d – c)
;c≤a<b≤d 17
Statistika
Distribusi Kontinu (seragam)
Contoh:
Anda diminta untuk mengukur tinggi badan beberapa mahasiswa dalam kelas
statistika. Anda percaya bahwa ketika anda mengatur alat pengukur tinggi badan ke
angka 70 cm, hal itu benar-benar menunjukkan antara 69,5 dan 70,5 cm. Andaikan,
jumlah mahasiswa yang diukur memiliki distribusi yang seragam. Berapa probabilitas
tinggi badan mahasiswa yang kurang dari 69,8 cm dapat diukur?

Jawab:
f(x)
1.0 1 1
f(x) =
d − c = 70.5 − 69.5
= 1.0
69.8 − 69.5
P(69.5 ≤ x ≤ 69.8) = 1
= 0.30
x
69.5 69.8 70.5

18
Statistika
Distribusi Kontinu (eksponensial)
Lamanya waktu antara kedatangan darurat di rumah sakit, lamanya waktu antara
kerusakan peralatan pabrik, dan lamanya waktu antara peristiwa bencana (misalnya,
kekacauan pasar saham), semua merupakan fenomena acak kontinu yang mungkin
dapat digambarkan secara probabilistik.

Lamanya waktu atau jarak antara kejadian peristiwa acak seperti ini sering dapat
dijelaskan oleh distribusi probabilitas eksponensial. Untuk alasan ini, distribusi
eksponensial kadang-kadang disebut distribusi waktu tunggu.

Pada distribusi probabilitas untuk variabel acak seragam x, terdapat beberapa

formulasi, yaitu:
1. Fungsi kepadatan probabilitas:
𝑥
1 − 1
f(x) = 𝑒  (x > 0), dimana : parameter skala atau  =
 
2. Rata-rata: μ =  (1/ )
3. Deviasi standar:σ =  (1/)

Catatan, apabila μ = 0 dan  = 1, maka hal tersebut mencerminkan distribusi

eksponensial baku/standar, dengan f(x) = 𝑒 −𝑥 (x ≥ 0)
19
Statistika
Distribusi Kontinu (eksponensial)
Menentukan luas bidang di sebelah kanan Nomor a untuk Distribusi Eksponensial.

 = 0.25/0.5/1

Misalkan lamanya waktu (dalam jam) antara kedatangan darurat di rumah sakit
tertentu dimodelkan sebagai distribusi eksponensial dengan  = 2. Berapa probabilitas
lebih dari 5 jam berlalu tanpa kedatangan darurat?
𝑥
1 −
μ =  = 2, σ =  = 2 f(x) = 𝑒  (x > 0)


20
Statistika
Distribusi Kontinu (eksponensial)
Jawab:

Probabilitas adalah area A di sebelah kanan a = 5

𝑎 5
−
P(X ≥ a) = 𝑒  = 𝑒 −2 = 𝑒 −2.5
A = 𝑒 −2.5 = 0.082085
Dengan demikian, probabilitas lebih dari 5 jam berlalu antara kedatangan darurat
adalah sekitar 0.08.
21
22
 Distribusi Sampling Distribusi Normal yang Dibakukan

μ=9 μ=0
σ = 0.45 σ=1
𝑥

P(9.9 ≤ x ≤ 10.2) P(2 ≤ z ≤ 2.7)

x z
9 9.9 10.2 0 2 2.7

23