Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

com

DISTRIBUSI PROBABILITAS KONTINU 185

PENGANTAR
Bab 6 memulai studi kami tentang distribusi probabilitas. Kami mempertimbangkan duadiskrit
distribusi probabilitas: binomial dan Poisson. Distribusi ini didasarkan pada variabel acak diskrit, yang
hanya dapat mengasumsikan nilai yang dipisahkan dengan jelas. Sebagai contoh, kami memilih untuk
mempelajari 10 usaha kecil yang mulai beroperasi pada tahun 2014. Jumlah yang masih beroperasi
pada tahun 2017 dapat berupa 0, 1, 2, . . . , 10. Tidak boleh ada 3,7, 12, atau
− 7 masih beroperasi pada tahun 2017. Dalam contoh ini, hanya hasil tertentu yang mungkin
dan hasil ini diwakili oleh nilai yang dipisahkan dengan jelas. Selain itu, hasilnya biasanya
ditemukan dengan menghitung jumlah keberhasilan. Kami menghitung jumlah bisnis dalam
studi yang masih beroperasi pada tahun 2017.
Kami melanjutkan studi kami tentang distribusi probabilitas dengan memeriksa
kontinudistribusi probabilitas. Distribusi probabilitas berkelanjutan biasanya dihasilkan
dari pengukuran sesuatu, seperti jarak dari asrama ke ruang kelas, berat badan
seseorang, atau jumlah bonus yang diperoleh CEO. Sebagai contoh, di Dave's Inlet Fish
Shack, flounder adalah item menu unggulan ikan segar. Distribusi jumlah flounder yang
terjual per hari memiliki rata-rata 10,0 pound per hari dan standar deviasi 3,0 pound per
hari. Distribusi ini berkelanjutan karena Dave, sang pemilik, “mengukur” jumlah flounder
yang terjual setiap hari. Penting untuk disadari bahwa variabel acak kontinu memiliki
jumlah nilai tak terhingga dalam rentang tertentu. Jadi, untuk variabel acak kontinu,
probabilitasnya adalah untuk rentang nilai. Probabilitas untuk nilai tertentu dari variabel
acak kontinu adalah 0.
Bab ini menunjukkan cara menggunakan dua distribusi probabilitas kontinu:
distribusi probabilitas seragam dan distribusi probabilitas normal.

LO7-1
Deskripsi seragam
KELUARGA DISTRIBUSI PROBABILITAS
distribusi probabilitas dan SERAGAM
menggunakannya
distribusi kemampuan adalah distribusi yang paling sederhana untuk distribusi
kemungkinan
kontinu berbentuk persegi panjang dan sepenuhnya ditentukan oleh nilai
maksimum dan maksimum. Berikut adalah beberapa contoh distribusi yang
foluniform.

Penjualan bensin di Kwik Fill di Medina, New York, mengikuti

©Jeffrey Hamilton/Visi Digital/Getty Images RF
distribusi seragam yang bervariasi antara 2.000 dan 5.000
galon per hari. Variabel acak adalah jumlah galon yang terjual
per hari dan kontinu dalam interval antara 2.000 galon dan
5.000 galon.
Relawan di Perpustakaan Umum Grand Strand menyiapkan
formulir pajak pendapatan federal. Waktu untuk menyiapkan
formulir 1040-EZ mengikuti distribusi seragam selama interval
antara 10 menit dan 30 menit. Variabel acak adalah jumlah menit
untuk melengkapi formulir, dan dapat mengasumsikan nilai antara
10 dan 30.

Distribusi yang seragam ditunjukkan pada Bagan 7–1. Bentuk distribusi adalah persegi panjang dan
memiliki nilai minimumsebuahdan maksimalb.Perhatikan juga pada Bagan 7–1 ketinggian distribusi
adalah konstan atau seragam untuk semua nilai di antaranyasebuahdanb.
Rata-rata distribusi seragam terletak di tengah interval antara nilai minimum dan
maksimum. Itu dihitung sebagai:

a+b
BERARTI DISTRIBUSI SERAGAM μ= (7–1)
2
186 BAB 7

P (x)

1
b‒a

sebuah b
BAGAN 7–1Distribusi Seragam Berkelanjutan

Standar deviasi menggambarkan dispersi distribusi. Dalam distribusi seragam,

standar deviasi juga terkait dengan interval antara nilai maksimum dan minimum.

DEVIASI STANDAR (b − a)2

σ= √ (7–2)
DISTRIBUSI SERAGAM 12

Persamaan untuk distribusi probabilitas yang seragam adalah:

1
DISTRIBUSI SERAGAM P(x) = jikasebuah≤x≤bdan 0 di tempat lain (7–3)
b−a

Seperti yang kami jelaskan di Bab 6, distribusi probabilitas berguna untuk membuat
pernyataan probabilitas mengenai nilai variabel acak. Untuk distribusi yang mendeskripsikan
variabel acak kontinu, area dalam distribusi mewakili probabilitas. Dalam distribusi seragam,
bentuk persegi panjang memungkinkan kita menerapkan rumus luas persegi panjang. Ingatlah
bahwa kita mencari luas persegi panjang dengan mengalikan panjangnya dengan tingginya.
Untuk distribusi seragam, tinggi persegi panjang adalahP(x),yaitu 1/(b-a). Panjang atau pangkal
distribusi adalahb − a.Jadi, jika kita mengalikan tinggi distribusi dengan seluruh rentangnya
untuk mencari luasnya, hasilnya selalu 1,00. Dengan kata lain, luas total dalam distribusi
probabilitas kontinu sama dengan 1,00. Secara umum

1
Luas = (tinggi) (alas) = (b − a) =1.00
(b − a)

Jadi jika distribusi seragam berkisar dari 10 sampai 15, tingginya adalah 0,20, ditemukan oleh 1/(15 − 10).
Basisnya adalah 5, didapat dari 15 − 10. Luas totalnya adalah:

1
Luas = (tinggi) (alas) = (15 − 10) = 1,00
(15 − 10)

Contoh berikut mengilustrasikan fitur distribusi seragam dan bagaimana kami menggunakannya
untuk menghitung probabilitas.

CONTOH
Southwest Arizona State University menyediakan layanan bus untuk mahasiswa saat
mereka berada di kampus. Bus tiba di North Main Street dan College Drive berhenti
setiap 30 menit antara pukul 06.00 dan 23.00 selama hari kerja. Siswa tiba di
DISTRIBUSI PROBABILITAS KONTINU 187

halte bus pada waktu acak. Waktu seorang siswa menunggu didistribusikan secara merata dari 0 hingga
30 menit.
1. Gambarlah grafik distribusi ini.
2. Tunjukkan bahwa luas distribusi seragam ini adalah 1,00.
3. Berapa lama seorang siswa “biasanya” harus menunggu bus? Dengan kata lain,
berapa waktu tunggu rata-rata? Berapa standar deviasi dari waktu tunggu?
4. Berapa peluang seorang siswa akan menunggu lebih dari 25 menit?
5. Berapa peluang seorang siswa akan menunggu antara 10 dan 20 menit?

LARUTAN
Dalam hal ini, variabel acaknya adalah lamanya waktu yang harus ditunggu oleh seorang siswa.
Waktu diukur dalam skala berkelanjutan, dan waktu tunggu dapat berkisar dari 0 menit hingga
30 menit.
1. Grafik distribusi seragam ditunjukkan pada Bagan 7–2. Garis horizontal ditarik pada
ketinggian 0,0333, ditemukan oleh 1/(30 − 0). Kisaran distribusi ini adalah 30
menit.

. 060
Kemungkinan

. 0333

0
0 10 20 30 40
Lama Menunggu (menit)

BAGAN 7–2Distribusi Probabilitas Seragam Waktu Tunggu Siswa

2. Waktu siswa harus menunggu bus seragam selama selang waktu 0 menit sampai 30
menit, jadi dalam hal inisebuahadalah 0 danbadalah 30.

1
Luas = (tinggi) (alas) = (30 − 0) = 1,00
(30 - 0)
3. Untuk mencari mean, kita menggunakan rumus (7–1).

a+b 0 + 30
μ= = =15
2 2
Rata-rata distribusinya adalah 15 menit, jadi waktu tunggu tipikal untuk layanan bus
adalah 15 menit.
Untuk mencari standar deviasi waktu tunggu, kami menggunakan rumus (7–2).
rumusnya begitu
(b − a)2 (30 - 0)2
σ= √ = √ =8.66
12 12
Standar deviasi distribusi adalah 8,66 menit. Ini mengukur variasi dalam
waktu tunggu siswa.
4. Area di dalam distribusi untuk interval 25 sampai 30 mewakili probabilitas
khusus ini. Dari rumus luas:
1
P(25 < waktu tunggu < 30) = (tinggi) (alas) = (5) = 0,1667
(30 - 0)
188 BAB 7

Jadi peluang seorang siswa menunggu antara 25 dan 30 menit adalah 0,1667.
Kesimpulan ini diilustrasikan oleh grafik berikut.

P (x)
Luas = 0,1667
. 0333

0 10 μ =15 20 25 30

5. Area di dalam distribusi untuk interval 10 sampai 20 mewakili probabilitas.

1
P(10 < waktu tunggu < 20) = (tinggi) (alas) = (10) = 0,3333
(30 - 0)

Kita dapat mengilustrasikan probabilitas ini sebagai berikut.

P(x)
Luas =.3333
. 0333

0 10 μ =15 20 30

DIRI - TINJAUAN7–1
Oven microwave hanya bertahan lama. Masa manfaat oven microwave mengikuti distribusi
seragam antara 8 dan 14 tahun.
(a) Gambarkan distribusi seragam ini. Berapa nilai tinggi dan alasnya?
(b) Tunjukkan luas total di bawah kurva adalah 1,00.
(c) Hitung rata-rata dan standar deviasi dari distribusi ini.
(d) Berapa probabilitas oven microwave tertentu bertahan antara 10 dan 14 tahun?
(e) Berapa peluang sebuah oven microwave akan bertahan kurang dari 9 tahun?

LATIHAN
1.Distribusi seragam didefinisikan selama interval dari 6 sampai 10.
sebuah.Untuk apa nilai-nilai itusebuahdanb?
b.Apa maksud dari distribusi seragam ini?
c.Berapa standar deviasinya?
d.Tunjukkan bahwa luas totalnya adalah 1,00.
e.Temukan probabilitas nilai lebih dari 7.
f.Temukan probabilitas nilai antara 7 dan 9.
2.Distribusi seragam didefinisikan selama interval dari 2 sampai 5.
sebuah.Untuk apa nilai-nilai itusebuahdanb?
b.Apa maksud dari distribusi seragam ini?
c.Berapa standar deviasinya?
d.Tunjukkan bahwa luas totalnya adalah 1,00.
e.Temukan probabilitas nilai lebih dari 2,6.
f.Temukan probabilitas nilai antara 2,9 dan 3,7.
 DISTRIBUSI PROBABILITAS KONTINU 189

3.Harga penutupan saham biasa Schnur Sporting Goods Inc. didistribusikan secara merata
antara $20 dan $30 per saham. Berapa probabilitas bahwa harga saham akan:
sebuah.Lebih dari $27?
b.Kurang dari $24?
4.Menurut Lembaga Asuransi Amerika, sebuah keluarga beranggotakan empat orang menghabiskan antara
$400 dan $3.800 per tahun untuk semua jenis asuransi. Misalkan uang yang dibelanjakan didistribusikan
secara merata di antara jumlah-jumlah ini.
sebuah.Berapa jumlah rata-rata yang dihabiskan untuk asuransi?
b.Berapa standar deviasi dari jumlah yang dibelanjakan?
c.Jika kita memilih sebuah keluarga secara acak, berapa peluang mereka membelanjakan kurang dari
$2.000 per tahun untuk asuransi?
d.Berapa probabilitas sebuah keluarga membelanjakan lebih dari $3.000 per tahun?
5.Curah hujan April di Flagstaff, Arizona, mengikuti distribusi seragam antara 0,5 dan
3,00 inci.
sebuah.Untuk apa nilai-nilai itusebuahdanb?
b.Berapa curah hujan rata-rata selama sebulan? Berapa standar deviasinya?

c.Berapa probabilitas kurang dari satu inci hujan untuk bulan itu?
d.Berapa probabilitasnyatepat1,00 inci hujan?
e.Berapa probabilitas lebih dari 1,50 inci hujan untuk bulan itu?
6.Pelanggan yang mengalami kesulitan teknis dengan layanan kabel Internet mereka dapat
menghubungi nomor 800 untuk dukungan teknis. Dibutuhkan teknisi antara 30 detik dan 10
menit untuk menyelesaikan masalah. Distribusi waktu tumpuan ini mengikuti distribusi
yang seragam.
sebuah.Untuk apa nilai-nilai itusebuahdanbdalam menit?
b.Apa waktu rata-rata untuk menyelesaikan masalah? Berapa standar deviasi
waktu itu?
c.Berapa persen masalah yang membutuhkan waktu lebih dari 5 menit untuk diselesaikan?
d.Misalkan kita ingin menemukan 50% tengah dari waktu penyelesaian masalah. Apa
titik akhir dari dua waktu ini?

LO7-2
Mendeskripsikan ciri-ciri
KELUARGA DISTRIBUSI PROBABILITAS
distribusi probabilitas NORMAL
normal.
Selanjutnya kita mempertimbangkan distribusi probabilitas normal. Berbeda dengan distribusi seragam [lihat
rumus (7–3)], distribusi probabilitas normal memiliki rumus yang sangat kompleks.

(x−μ)2
1 e−[
DISTRIBUSI PROBABILITAS NORMAL P(x) = 2σ2] (7–4)
σ√2π

Namun, jangan terganggu dengan betapa rumitnya formula ini. Anda sudah
terbiasa dengan banyak nilai. Simbol μ dan σ mengacu pada rata-rata dan standar
deviasi, seperti biasa. Simbol Yunani π adalah konstanta dan nilainya kira-kira 22/7
atau 3,1416. Suratejuga merupakan konstanta. Ini adalah dasar dari sistem log
natural dan kira-kira sama dengan 2,718.xadalah nilai variabel acak kontinu. Jadi
distribusi normal didasarkan pada — yaitu, ditentukan oleh — rata-rata dan standar
deviasinya.
Anda tidak perlu melakukan perhitungan menggunakan rumus (7–4). Sebagai gantinya, Anda akan
menggunakan tabel, yang diberikan di Lampiran B.3, untuk menemukan berbagai probabilitas. Probabilitas
ini juga dapat dihitung menggunakan fungsi Excel serta perangkat lunak statistik lainnya.
 total probabilitas 1
190 BAB 7

STATISTIK DALAM AKSI

Distribusi probabilitas normal memiliki ciri-ciri sebagai berikut:
• Diaberbentuk loncengdan memiliki satu puncak di pusat distribusi. Rata-rata
Banyak variabel yang kira-
aritmetika, median, dan modus sama dan terletak di tengah distribusi. Luas total di
kira berdistribusi normal,
bawah kurva adalah 1,00. Separuh luas di bawah kurva normal berada di sebelah
seperti skor IQ, harapan
kanan titik pusat ini, dan separuh lainnya berada di sebelah kirinya.
hidup, dan dewasa
• Diasimetristentang rata-rata. Jika kita memotong kurva normal secara vertikal pada nilai tengah,
tinggi. Ini menyiratkan bahwa
bentuk kurva akan menjadi bayangan cermin. Juga, luas setiap setengahnya adalah 0,5.
hampir semua pengamatan
• Itu jatuh dengan lancar di kedua arah dari nilai pusat. Artinya, distribusinya
terjadi dalam 3 standar
asimptotik:Kurva semakin dekat dan lebih dekat keX-sumbu tetapi tidak pernah
deviasi rata-rata. Di sisi lain,
benar-benar menyentuhnya. Dengan kata lain, ekor kurva memanjang tanpa batas di
pengamatan yang terjadi di
kedua arah.
luar 3 standar deviasi dari
• Lokasi distribusi normal ditentukan oleh rata-rata, μ. Dispersi atau penyebaran
rata-rata sangat jarang
distribusi ditentukan oleh standar deviasi, σ.
terjadi. Misalnya, rata-rata
tinggi badan pria dewasa Karakteristik ini ditunjukkan secara grafis pada Bagan 7–3.
adalah
68,2 inci (sekitar 5 kaki 8 inci)
dengan standar deviasi 2,74.
Ini berarti bahwa hampir Kurva normal simetris
Dua bagian identik
semua laki-laki memiliki
tinggi antara 60,0 inci (5 kaki)
dan 76,4 inci (6 kaki 4 inci).
LeBron James, pemain bola Ekor Ekor
ketball profesional dengan

Cleveland Cavaliers, Secara teoritis, kurva Secara teoritis, kurva

berukuran 80 inci, atau 6 kaki meluas ke –∞ Maksud, median, meluas ke +∞
8 inci, yang jelas melebihi 3 dan modus adalah

standar deviasi dari rata-rata. setara

Ketinggian ambang pintu
standar adalah 6 kaki 8 inci,
yang seharusnya cukup tinggi
untuk hampir semua pria
dewasa, kecuali orang langka
seperti LeBron James.
Sebagai contoh lain,
kursi pengemudi di sebagian
besar kendaraan diatur agar
muat dengan nyaman untuk
orang yang tingginya minimal
159 cm (62,5 inci). Distribusi
tinggi badan wanita dewasa kira-
kira berdistribusi normal dengan
rata-rata
161,5 cm dan standar
deviasi 6,3 cm. Jadi sekitar
35% wanita dewasa tidak
akan nyaman duduk di
kursi pengemudi.
BAGAN 7–3Karakteristik Distribusi Normal
Tidak hanya ada satu distribusi probabilitas normal, melainkan sebuah “keluarga” dari
mereka. Misalnya, dalam Bagan 7–4 distribusi probabilitas lama masa kerja karyawan di
tiga pabrik berbeda dibandingkan. Di pabrik Camden, rata-ratanya adalah 20 tahun dan
standar deviasinya adalah 3,1 tahun. Ada lagi distribusi probabilitas normal untuk lama
layanan di pabrik Dunkirk, di mana μ = 20 tahun dan σ = 3,9 tahun. Di pabrik Elmira, μ = 20
tahun dan σ = 5,0 tahun. Perhatikan bahwa rata-ratanya sama tetapi standar deviasinya
berbeda. Saat standar deviasi semakin kecil, distribusi menjadi lebih sempit dan
"memuncak".
σ =3,1 tahun,
Tanaman Kamden
σ =3,9 tahun,
tanaman Dunkirk
σ =5,0 tahun,
tanaman elmira

0 4 7 10 13 16 19 22 25 28 31 34 37 40
μ =20 tahun pelayanan

BAGAN 7–4Distribusi Probabilitas Normal dengan Mean yang Sama tetapi Standar Deviasi Berbeda
DISTRIBUSI PROBABILITAS KONTINU 191

Gula Alfabet Berat

Yummies Permata Dropper
σ =1,6 gram σ =1,6 gram σ =1,6 gram

μ μ μ
283 301 321
gram gram gram

BAGAN 7–5Distribusi Probabilitas Normal Memiliki Sarana yang Berbeda tetapi Standar Deviasinya Sama

Bagan 7–5 menunjukkan distribusi bobot kotak dari tiga sereal berbeda. Bobot
mengikuti distribusi normal dengan cara yang berbeda tetapi standar deviasi identik.

Terakhir, Bagan 7-6 menunjukkan tiga distribusi normal yang memiliki rata-rata dan
standar deviasi yang berbeda. Mereka menunjukkan distribusi kekuatan tarik, diukur
dalam pound per inci persegi (psi), untuk tiga jenis kabel.

σ =26psi

σ =41psi
σ =52psi

μ μ μ
2.000 2.107 2.186
psi psi psi
BAGAN 7–6Distribusi Probabilitas Normal dengan Mean dan Standar Deviasi yang Berbeda

Dalam Bab 6, ingatlah bahwa distribusi probabilitas diskrit menunjukkan kemungkinan tertentu
akan terjadi nilai diskrit. Misalnya, pada halaman 166, distribusi binomial digunakan untuk
menghitung probabilitas tidak satu pun dari lima penerbangan yang tiba di Bandara Regional
Bradford Pennsylvania akan terlambat.
Dengan distribusi probabilitas kontinu, area di bawah kurva menentukan probabilitas.
Luas total di bawah kurva normal adalah 1,0. Ini memperhitungkan semua hasil yang
mungkin. Karena distribusi probabilitas normal adalah simetris, luas di bawah kurva di
sebelah kiri rata-rata adalah 0,5, dan luas di bawah kurva di sebelah kanan rata-rata
adalah 0,5. Terapkan ini pada distribusi Sugar Yummies di Bagan 7–5. Itu terdistribusi
normal dengan rata-rata 283 gram. Jadi, peluang isi kotak lebih dari 283 gram adalah 0,5
dan peluang isi kotak kurang dari 283 gram adalah 0,5. Kita juga dapat menentukan
probabilitas sebuah kotak memiliki berat antara 280 dan 286 gram. Namun, untuk
menentukan probabilitas ini kita perlu mengetahui tentang distribusi probabilitas normal
standar.
192 BAB 7

LO7-3
Jelaskan standarnya
probabilitas normal
distribusi dan menggunakannya
untuk menghitung probabilitas.
DISTRIBUSI PROBABILITAS NORMAL
STANDAR
Jumlah distribusi normal tidak terbatas, masing-masing memiliki rata-rata (μ), standar deviasi
(σ), atau keduanya yang berbeda. Meskipun dimungkinkan untuk menyediakan tabel
probabilitas dalam jumlah terbatas untuk distribusi diskrit seperti binomial dan Poisson,
menyediakan tabel untuk distribusi normal dalam jumlah tak terbatas tidaklah praktis.
Untungnya, salah satu anggota keluarga dapat digunakan untuk menentukan probabilitas
semua distribusi probabilitas normal. Ini disebutdistribusi probabilitas normal standar,dan
unik karena memiliki rata-rata 0 dan standar deviasi 1.
Setiapdistribusi probabilitas normaldapat diubah menjadi adistribusi probabilitas
normal bakudengan mengurangkan rata-rata dari setiap pengamatan dan membagi
perbedaan ini dengan standar deviasi. Hasilnya disebutznilai-nilaiatauzskor.

zNILAIJarak yang ditandatangani antara nilai yang dipilih, yang ditunjukx,dan rata-
rata, μ, dibagi dengan standar deviasi, σ.

Jadi, sebuahznilai adalah jarak dari rata-rata, diukur dalam satuan standar
deviasi. Rumus untuk konversi ini adalah:

x−μ
NILAI NORMAL STANDAR z= (7–5)
σ

di mana:

xadalah nilai dari pengamatan atau pengukuran tertentu.

μadalah rata-rata distribusi.
σadalah standar deviasi dari distribusi.

STATISTIK DALAM AKSI
Keterampilan individu
bergantung pada kombinasi dari
banyak faktor keturunan dan
lingkungan, masing-masing
memiliki bobot atau pengaruh
yang sama terhadap
keterampilan. Jadi, seperti
distribusi binomial dengan
jumlah percobaan yang banyak,
banyak keterampilan dan atribut
mengikuti distribusi normal.
Seperti yang kita catat dalam definisi sebelumnya, aznilai menyatakan jarak atau
perbedaan antara nilai tertentu darixdan rata-rata aritmatika dalam satuan standar
deviasi. Setelah pengamatan yang terdistribusi normal dibakukan,znilai terdistribusi
normal dengan rata-rata 0 dan standar deviasi 1. Oleh karena itu,z distribusi memiliki
semua karakteristik distribusi probabilitas normal. Karakteristik ini tercantum pada
halaman 190 di bagian Family of Normal Probability Distributions. Tabel di Lampiran
B.3 mencantumkan probabilitas untuk distribusi probabilitas normal standar. Tabel
7–1 menyajikan sebagian kecil dari tabel ini.
TABEL 7–1Area di bawah Kurva Normal
z 0,00 0,01 0,02 0,03 0,04 0,05 ...

Misalnya, Tes Penalaran SAT 1.3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115
adalah tes standar yang paling 1.4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265
banyak digunakan untuk 1.5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394
penerimaan perguruan tinggi di 1.6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505
Amerika Serikat. Skor didasarkan 1.7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599
pada distribusi normal dengan 1.8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678
rata-rata 1.500 dan standar 1.9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744
.
.
penyimpangan 300. .
 DISTRIBUSI PROBABILITAS KONTINU 193

Aplikasi Distribusi Normal Standar

Distribusi normal standar sangat berguna untuk menentukan probabilitas untuk setiap variabel
acak yang terdistribusi normal. Prosedur dasar adalah untuk menemukanznilai untuk nilai
tertentu dari variabel acak berdasarkan rata-rata dan standar deviasi distribusinya. Kemudian,
menggunakanznilai, kita dapat menggunakan distribusi normal standar untuk menemukan
berbagai probabilitas. Contoh/solusi berikut menjelaskan detail aplikasi.

CONTOH
Dalam beberapa tahun terakhir jenis layanan taksi baru telah berkembang di lebih dari 300 kota di
seluruh dunia, di mana pelanggan terhubung langsung dengan pengemudi melalui smartphone. Ide
tersebut pertama kali dikembangkan oleh Uber Technologies, yang berkantor pusat di San Francisco,
California. Ini menggunakan aplikasi seluler Uber, yang memungkinkan pelanggan dengan smartphone
untuk mengirimkan permintaan perjalanan, yang kemudian diteruskan ke pengemudi Uber yang
menjemput pelanggan dan membawa pelanggan ke lokasi yang diinginkan. Tidak ada uang tunai yang
terlibat; pembayaran untuk transaksi ditangani melalui pembayaran digital.
Misalkan pendapatan mingguan pengemudi Uber mengikuti distribusi probabilitas normal dengan
rata-rata $1.000 dan standar deviasi $100. Apakah yangznilai pendapatan untuk pengemudi yang
berpenghasilan $1.100 per minggu? Untuk pengemudi yang berpenghasilan $900 per minggu?

LARUTAN
Menggunakan rumus (7–5), theznilai yang sesuai dengan keduanyaxnilai ($1.100 dan $900)
adalah:

Untukx = $1.100: Untukx = $900:

x−μ x−μ
z= z=
σ σ
$1.100 – $1.000 $900 – $1.000
= =
$100 $100
=1.00 = −1.00
Ituz1,00 menunjukkan bahwa pendapatan mingguan sebesar $1.100 adalah satu standar deviasi
di atas rata-rata, danzdari −1.00 menunjukkan bahwa pendapatan $900 adalah satu standar
deviasi di bawah rata-rata. Perhatikan bahwa kedua pendapatan ($1.100 dan $900) memiliki jarak
yang sama ($100) dari rata-rata.

DIRI - TINJAUAN7–2
Sebuah survei nasional baru-baru ini menyimpulkan bahwa rata-rata orang mengkonsumsi 48
ons air per hari. Asumsikan konsumsi air harian mengikuti distribusi probabilitas normal
dengan standar deviasi 12,8 ons.
(a) Apa ituznilai untuk seseorang yang mengkonsumsi 64 ons air per hari? Berdasarkan iniz
nilai, bagaimana orang ini dibandingkan dengan rata-rata nasional?
(b) Apa ituznilai untuk seseorang yang mengkonsumsi 32 ons air per hari? Berdasarkan iniz
nilai, bagaimana orang ini dibandingkan dengan rata-rata nasional?

Aturan Empiris
Aturan Empiris diperkenalkan pada halaman 79 Bab 3. Ini menyatakan bahwa jika variabel acak
terdistribusi secara normal, maka:

1. Kira-kira 68% dari pengamatan akan berada dalam plus dan minus satu standar
deviasi rata-rata.
194 BAB 7

2. Sekitar 95% dari pengamatan akan berada dalam plus dan minus dua standar
deviasi rata-rata.
3. Hampir semua, atau 99,7% dari pengamatan, akan berada dalam plus dan minus tiga
standar deviasi rata-rata.
Sekarang, mengetahui bagaimana menerapkan distribusi probabilitas normal standar,
kita dapat memverifikasi Aturan Empiris. Misalnya, satu standar deviasi dari rata-rata
sama dengan a znilai 1,00. Ketika kita mengacu pada tabel probabilitas normal standar, az
nilai 1,00 sesuai dengan probabilitas 0,3413. Jadi, berapa persen dari pengamatan yang
berada dalam plus dan minus satu standar deviasi rata-rata? Kita mengalikan (2)(0,3413),
yang sama dengan 0,6826, atau kira-kira 68% dari pengamatan berada dalam plus dan
minus satu standar deviasi rata-rata.
Aturan Empiris diringkas dalam grafik berikut.

68%
95%
Praktis semua

μ –3σ μ –2σ μ –1σ μ μ +1σ μ +2σ μ +3σ Skalax

mengkonversi ke

–3 –2 –1 0 1 2 3 Skalaz

Mengubah pengukuran menjadi standar normal menyimpang mengubah skala.

Konversi juga ditampilkan dalam grafik. Misalnya, μ + 1σ diubah menjadi aznilai 1,00.
Demikian juga, μ − 2σ diubah menjadi aznilai −2.00. Perhatikan bahwa pusat dariz
distribusi adalah nol, menunjukkan tidak ada penyimpangan dari rata-rata, μ.

CONTOH
Sebagai bagian dari program jaminan kualitasnya, Autolite Battery Company melakukan
pengujian masa pakai baterai. Untuk baterai alkaline sel-D tertentu, masa pakai rata-rata
adalah 19 jam. Masa pakai baterai mengikuti distribusi normal dengan standar deviasi 1,2
jam. Jawab pertanyaan berikut.

1. Sekitar 68% baterai memiliki masa pakai antara dua nilai berapa?
2. Sekitar 95% baterai memiliki masa pakai antara dua nilai berapa?
3. Hampir semua, atau 99%, baterai memiliki umur antara dua nilai apa?

LARUTAN
Kita dapat menggunakan Aturan Empiris untuk menjawab pertanyaan-pertanyaan ini.

1. Diperkirakan sekitar 68% baterai bertahan antara 17,8 dan 20,2 jam,
ditemukan pada 19,0±1(1,2) jam.
2. Kami memperkirakan sekitar 95% baterai bertahan antara 16,6 dan 21,4 jam,
ditemukan pada 19,0±2(1,2) jam.
3. Kita dapat mengharapkan sekitar 99%, atau hampir semua, baterai bertahan antara 15,4 dan
22,6 jam, ditemukan pada 19,0±3(1,2) jam.
 DISTRIBUSI PROBABILITAS KONTINU 195

Informasi ini dirangkum dalam bagan berikut.

68%
95%
Praktis semua
μ –3σ μ – 2σ μ –1σ μ μ +1σ μ +2σ μ +3σ
15.4 16.6 17.8 19.0 20.2 21.4 22.6 Skala jam

DIRI - TINJAUAN7–3
Distribusi pendapatan tahunan sekelompok karyawan manajemen menengah di
Compton Plastics mendekati distribusi normal dengan rata-rata $47.200 dan standar
deviasi $800.
(a) Sekitar 68% pendapatan berada di antara dua jumlah berapa?
(b) Sekitar 95% pendapatan berada di antara dua jumlah berapa?
(c) Hampir semua pendapatan berada di antara dua jumlah berapa?
(d) Berapa pendapatan median dan modalnya?
(e) Apakah distribusi pendapatan simetris?

LATIHAN
7.Jelaskan apa yang dimaksud dengan pernyataan ini: "Tidak hanya ada satu distribusi probabilitas
normal tetapi 'keluarga' dari mereka."
8.Daftar karakteristik utama dari distribusi probabilitas normal.
9.Rata-rata distribusi probabilitas normal adalah 500; standar deviasinya adalah 10.
sebuah.Sekitar 68% dari pengamatan terletak di antara dua nilai apa?
b.Sekitar 95% dari pengamatan terletak di antara dua nilai apa?
c.Secara praktis semua pengamatan terletak di antara dua nilai apa?
10.Rata-rata distribusi probabilitas normal adalah 60; standar deviasinya adalah 5.
sebuah.Kira-kira berapa persen pengamatan yang terletak antara 55 dan 65?
b.Kira-kira berapa persen pengamatan yang terletak antara 50 dan 70?
c.Kira-kira berapa persen pengamatan yang terletak antara 45 dan 75?
11.Keluarga Kamp memiliki anak kembar, Rob dan Rachel. Baik Rob maupun Rachel lulus
kuliah 2 tahun lalu, dan masing-masing kini berpenghasilan $50.000 per tahun. Rachel
bekerja di industri ritel, di mana rata-rata gaji eksekutif dengan pengalaman kurang
dari 5 tahun adalah $35.000 dengan standar deviasi $8.000. Rob adalah seorang
insinyur. Gaji rata-rata untuk insinyur dengan pengalaman kurang dari 5 tahun adalah
$60.000 dengan standar deviasi $5.000. Hitungznilai untuk Rob dan Rachel, dan
komentari temuan Anda.
12.Sebuah artikel terbaru diCincinnati Enquirermelaporkan bahwa rata-rata biaya tenaga kerja untuk
memperbaiki pompa kalor adalah $90 dengan standar deviasi $22. Layanan Plumbing dan
Pemanasan Monte menyelesaikan perbaikan pada dua pompa panas pagi ini. Biaya tenaga kerja
untuk yang pertama adalah $75, dan $100 untuk yang kedua. Asumsikan distribusi biaya tenaga
kerja mengikuti distribusi probabilitas normal. Menghitungznilai untuk masing-masing, dan
komentari temuan Anda.
196 BAB 7

contoh dari pak Fuad

Mencari Area di Bawah Kurva Normal
Penerapan selanjutnya dari distribusi normal standar melibatkan pencarian luas dalam
distribusi normal antara rata-rata dan nilai yang dipilih, yang kami identifikasi sebagaix.Contoh/
solusi berikut akan mengilustrasikan detailnya.

CONTOH
Pada contoh/solusi pertama yang dijelaskan pada halaman 193 di bagian ini, kami melaporkan
bahwa pendapatan mingguan pengemudi Uber mengikuti distribusi normal dengan rata-rata
$1.000 dan standar deviasi $100. Artinya, μ = $1.000 dan σ = $100. Berapa kemungkinan memilih
pengemudi yang pendapatan mingguannya antara $1.000 dan $1.100?

LARUTAN
Kita telah mengonversi $1.100 menjadi aznilai 1,00 menggunakan rumus (7–5). Mengulang:

x−μ $1.100 – $1.000

z= = =1.00
σ $100
Probabilitas yang terkait dengan azdari 1,00 tersedia di Lampiran B.3. Sebagian dari
Lampiran B.3 berikut. Untuk menemukan probabilitas, turun ke kolom kiri ke 1.0, lalu
pindah secara horizontal ke kolom yang menuju 0.00. Nilainya adalah 0,3413.

z 0,00 0,01 0,02

. . . .
. . . .
. . . .
0,7 . 2580 . 2611 . 2642
0,8 . 2881 . 2910 . 2939
0,9 . 3159 . 3186 . 3212
1.0 . 3413 . 3438 . 3461
1.1 . 3643 . 3665 . 3686
. . . .
. . . .
. . . .

Area di bawah kurva normal antara $1.000 dan $1.100 adalah 0,3413. Kita juga dapat
mengatakan 34,13% pengemudi Uber berpenghasilan antara $1.000 dan $1.100 setiap minggu,
atau kemungkinan memilih pengemudi dan menemukan penghasilannya antara $1.000 dan
$1.100 adalah 0,3413.
Informasi ini diringkas dalam diagram berikut.

. 3413

0 1.0 Skalaz
$1.000 $1.100 Skala dolar

STATISTIK DALAM AKSI
Banyak proses, seperti pengisian
botol soda dan pengalengan buah,
terdistribusi secara normal.
Produsen harus waspada terhadap
overfilling dan underfilling. Jika
mereka memasukkan terlalu
banyak ke dalam kaleng atau botol,
mereka akan membagikan produk
mereka. Jika mereka memasukkan
terlalu sedikit, pelanggan mungkin
merasa tertipu dan pemerintah
mungkin mempertanyakan
deskripsi label. "Bagan kendali",
dengan batas yang ditarik tiga
standar deviasi di atas dan rata-
rata rendah, secara rutin
digunakan untuk memantau jenis
proses produksi ini.
DISTRIBUSI PROBABILITAS KONTINU 197
Dalam contoh/solusi yang baru saja selesai, kita tertarik pada probabilitas antara rata-rata dan
nilai yang diberikan. Mari kita ubah pertanyaannya. Alih-alih ingin mengetahui probabilitas memilih
pengemudi acak yang berpenghasilan antara $1.000 dan $1.100, misalkan kita menginginkan
probabilitas memilih pengemudi yang berpenghasilan kurang dari $1.100. Dalam notasi probabilitas,
kami menulis pernyataan ini sebagaiP(pendapatan mingguan < $1.100). Cara penyelesaiannya sama.
Kami menemukan probabilitas memilih pengemudi yang berpenghasilan antara $1.000, rata-rata, dan
$1.100. Probabilitas ini adalah 0,3413. Selanjutnya, ingatlah bahwa separuh luas, atau probabilitas,
berada di atas rata-rata dan separuh lagi di bawah. Jadi, peluang memilih pengemudi yang
berpenghasilan kurang dari $1.000 adalah 0,5000. Terakhir, kita tambahkan kedua probabilitas, jadi
0,3413 + 0,5000 = 0,8413. Sekitar 84% pengemudi Uber berpenghasilan kurang dari $1.100 per
minggu. Lihat diagram berikut.
. 5000 . 3413
0 1.0 Skalaz
$1.000 $1.100 Skala dolar
Excel akan menghitung adalah
Perintahdi Appe
Sumber: Microsoft Excel
CONTOH
Lihat contoh/solusi pertama yang dibahas pada halaman 193 di bagian ini mengenai
pendapatan mingguan pengemudi Uber. Distribusi pendapatan mingguan mengikuti
distribusi probabilitas normal, dengan rata-rata $1.000 dan standar deviasi $100. Berapa
peluang terambilnya seorang pengemudi yang berpenghasilan:
1. Antara $790 dan $1.000?
2. Kurang dari $790?
198 BAB 7

LARUTAN
Kita mulai dengan menemukanznilai yang sesuai dengan pendapatan mingguan sebesar $790. Dari
rumus (7–5):

x−μ $790 – $1.000

z= = = −2.10
s $100
Lihat Lampiran B.3. Turunkan margin kiri ke baris 2.1 dan melintasi baris itu ke kolom
menuju 0.00. Nilainya adalah 0,4821. Jadi luas daerah di bawah kurva normal baku
yang bersesuaian dengan aznilai 2,10 adalah 0,4821. Namun, karena distribusi
normalnya simetris, luasnya antara 0 dan negatifznilainya sama dengan antara 0 dan
positif yang sesuaiznilai. Kemungkinan menemukan seorang pengemudi yang
berpenghasilan antara $790 dan $1.000 adalah 0,4821. Dalam notasi probabilitas, kita
menulisP($790 < pendapatan mingguan < $1.000) = 0,4821.

z 0,00 0,01 0,02

. . . .
. . . .
. . . .
2.0 . 4772 . 4778 . 4783
2.1 . 4821 . 4826 . 4830
2.2 . 4861 . 4864 . 4868
2.3 . 4893 . 4896 . 4898
. . . .
. . . .
. . . .

Rata-rata membagi kurva normal menjadi dua bagian yang identik. Luas di bawah
setengah di sebelah kiri rata-rata adalah 0,5000, dan luas di sebelah kanan juga 0,5000.
Karena luas di bawah kurva antara $790 dan $1.000 adalah 0,4821, luas di bawah $790
adalah 0,0179, ditemukan oleh 0,5000 - 0,4821. Dalam notasi probabilitas, kita menulis P(
pendapatan mingguan < $790) = 0,0179.
Jadi kami menyimpulkan bahwa 48,21% pengemudi Uber memiliki pendapatan mingguan
antara $790 dan $1.000. Selanjutnya, kita dapat mengantisipasi bahwa 1,79% berpenghasilan
kurang dari $790 per minggu. Informasi ini diringkas dalam diagram berikut.

. 4821 . 5000
. 0179

– 2.10 0 Skalaz
$790 $1.000 Skala dolar

DIRI - TINJAUAN7–4
Suhu kopi yang dijual di Coffee Bean Cafe mengikuti distribusi probabilitas normal,
dengan rata-rata 150 derajat. Deviasi standar dari distribusi ini adalah 5 derajat. (a)
Berapa peluang suhu kopi antara 150 derajat dan 154 derajat?

(b) Berapa peluang suhu kopi lebih dari 164 derajat?

 DISTRIBUSI PROBABILITAS KONTINU 199

LATIHAN
13.Populasi normal memiliki rata-rata 20,0 dan standar deviasi 4,0.
sebuah.Hitungznilai yang terkait dengan 25.0.
b.Berapa proporsi populasi antara 20,0 dan 25,0?
c.Berapa proporsi populasi yang kurang dari 18,0?
14.Populasi normal memiliki rata-rata 12,2 dan standar deviasi 2,5.
sebuah.Hitungznilai yang terkait dengan 14.3.
b.Berapa proporsi populasi antara 12,2 dan 14,3?
c.Berapa proporsi populasi yang kurang dari 10,0?
15.Sebuah studi baru-baru ini tentang upah per jam anggota kru pemeliharaan untuk maskapai
besar menunjukkan bahwa upah per jam rata-rata adalah $20,50, dengan standar deviasi
$3,50. Asumsikan distribusi upah per jam mengikuti distribusi probabilitas normal.
Jika kita memilih seorang anggota awak secara acak, berapa peluang yang diperoleh anggota awak
tersebut:
sebuah.Antara $20,50 dan $24,00 per jam?
b.Lebih dari $24,00 per jam?
c.Kurang dari $19,00 per jam?
16.Rata-rata distribusi probabilitas normal adalah 400 pound. Deviasi standar adalah
10 pon.
sebuah.Berapa luas antara 415 pound dan rata-rata 400 pound?
b.Berapa luas antara rata-rata dan 395 pound?
c.Berapa probabilitas memilih nilai secara acak dan menemukan bahwa nilainya
kurang dari 395 pound?

Aplikasi lain dari distribusi normal melibatkan penggabungan dua area, atau probabilitas.
Salah satu area berada di sebelah kanan rata-rata dan yang lainnya di sebelah kiri.

CONTOH
Melanjutkan contoh/solusi yang pertama dibahas di halaman 193 dengan menggunakan
pendapatan mingguan pengemudi Uber, pendapatan mingguan mengikuti distribusi probabilitas
normal, dengan rata-rata $1.000 dan standar deviasi $100. Berapakah luas daerah di bawah
kurva normal antara $840 dan $1.200?

LARUTAN
Masalahnya dapat dibagi menjadi dua bagian. Untuk area antara $840 dan rata-
rata $1.000:
$840 – $1.000 - $160
z= = = −1.60
$100 $100
Untuk area antara rata-rata $1.000 dan $1.200:
$1.200 – $1.000 $200
z= = =2.00
$100 $100
Luas daerah di bawah kurva azdari −1.60 adalah .4452 (dari Lampiran B.3). Luas daerah di
bawah kurva azdari 2,00 adalah 0,4772. Menambahkan dua area: .4452 + .4772 = .9224.
Jadi, peluang memilih pendapatan antara $840 dan $1.200 adalah 0,9224. Dalam notasi
probabilitas, kita menulisP($840 < pendapatan mingguan < $1.200) = 0,4452 + . 4772 =
0,9224. Sebagai rangkuman, 92,24% pengemudi memiliki pendapatan mingguan antara
$840 dan $1.200. Ini ditunjukkan dalam diagram:
200 BAB 7

. 4452 . 4772

Apatini
kemungkinan?
sebuah

‒ 1.6 0 2.0 Skalaz

$840 $1.000 $1.200 Skala dolar

Penerapan lain dari distribusi normal melibatkan penentuan luas antara nilai-
nilai padasamasisi rata-rata.

CONTOH
Kembali ke distribusi pendapatan mingguan pengemudi Uber (μ = $1.000, σ = $100),
berapa luas di bawah kurva normal antara $1.150 dan $1.250?

LARUTAN
Situasi ini sekali lagi dipisahkan menjadi dua bagian, dan rumus (7–5) digunakan. Pertama, kita
menemukanznilai yang terkait dengan pendapatan mingguan sebesar $1.250:

$1.250 – $1.000
z= =2.50
$100
Selanjutnya kita menemukanznilai pendapatan mingguan sebesar $1.150:

$1.150 – $1.000
z= =1,50
$100
Dari Lampiran B.3, area yang terkait dengan aznilai 2,50 adalah 0,4938. Jadi peluang
penghasilan mingguan antara $1.000 dan $1.250 adalah 0,4938. Demikian pula
dengan daerah yang berhubungan dengan aznilai 1,50 adalah 0,4332, jadi peluang
penghasilan mingguan antara $1.000 dan $1.150 adalah 0,4332. Peluang penghasilan
mingguan antara $1.150 dan $1.250 ditemukan dengan mengurangkan luas znilai
1,50 (0,4332) dari yang terkait dengan azdari 2,50 (0,4938). Jadi, peluang penghasilan
mingguan antara $1.150 dan $1.250 adalah 0,0606. Dalam notasi probabilitas, kita
menulisP($1.150 < pendapatan mingguan < $1.250) = 0,4938 − 0,4332 = 0,0606.

. 4332
. 0606

$1.000 $1.150 $1.250 Skala pendapatan

0 1,50 2,50 Skalaz
 DISTRIBUSI PROBABILITAS KONTINU 201

Ringkasnya, ada empat situasi untuk mencari luas di bawah distribusi

probabilitas normal baku.
1. Untuk mencari luas antara 0 danzatau (-z),mencari probabilitas langsung di tabel.

2. Untuk menemukan area di luarzatau (-z),menemukan kemungkinanzdalam tabel dan kurangi

probabilitas itu dari 0,5000.
3. Untuk mencari luas antara dua titik pada sisi yang berbeda rata-rata, tentukanlah znilai
dan menambahkan probabilitas yang sesuai.
4. Untuk mencari luas antara dua titik pada sisi rata-rata yang sama, tentukanlah znilai dan
kurangi probabilitas yang lebih kecil dari yang lebih besar.

DIRI - TINJAUAN7–5
Lihat Tinjauan Diri 7–4. Suhu kopi yang dijual di Coffee Bean Cafe mengikuti distribusi
probabilitas normal dengan rata-rata 150 derajat. Deviasi standar dari distribusi ini
adalah 5 derajat.
(a) Berapa peluang suhu kopi antara 146 derajat dan 156 derajat?
(b) Berapa peluang suhu kopi lebih dari 156 tetapi kurang dari 162 derajat?

LATIHAN
17.Distribusi normal memiliki rata-rata 50 dan standar deviasi 4.
sebuah.Hitung probabilitas nilai antara 44,0 dan 55,0.
b.Hitung probabilitas nilai yang lebih besar dari 55,0.
c.Hitung probabilitas nilai antara 52,0 dan 55,0.
18.Populasi normal memiliki rata-rata 80,0 dan standar deviasi 14,0.
sebuah.Hitung probabilitas nilai antara 75,0 dan 90,0.
b.Hitung probabilitas nilai 75,0 atau kurang.
c.Hitung probabilitas nilai antara 55,0 dan 70,0.
19.Misalkan Internal Revenue Service melaporkan bahwa pengembalian pajak rata-rata untuk
tahun 2017 adalah $2.800. Asumsikan standar deviasi adalah $450 dan jumlah yang
dikembalikan mengikuti distribusi probabilitas normal.
sebuah.Berapa persen pengembalian dana yang lebih dari $3.100?
b.Berapa persen pengembalian dana yang lebih dari $3.100 tetapi kurang dari $3.500?
c.Berapa persen pengembalian dana yang lebih dari $2.250 tetapi kurang dari $3.500?
20.Distribusi jumlah penonton untukIdola amerikaacara televisi mengikuti distribusi
normal dengan rata-rata 29 juta dan standar deviasi 5 juta. Berapa peluang acara
minggu depan akan:
sebuah.Memiliki antara 30 dan 34 juta pemirsa?
b.Memiliki setidaknya 23 juta penonton?
c.Melebihi 40 juta pemirsa?
21.WNAE, sebuah stasiun AM semua berita, menemukan bahwa distribusi lama waktu
pendengar mendengarkan stasiun tersebut mengikuti distribusi normal. Rata-rata
distribusinya adalah 15,0 menit dan standar deviasinya adalah 3,5 menit. Berapa
peluang pendengar tertentu akan mendengarkan:
sebuah.Lebih dari 20 menit?
b.20 menit atau kurang?
c.Antara 10 dan 12 menit?
22.Di antara tiga puluh kota terbesar di AS, rata-rata waktu perjalanan sekali jalan ke
tempat kerja adalah 25,8 menit. Waktu tempuh sekali jalan terlama adalah di New
York City, dimana waktu rata-ratanya adalah 39,7 menit. Asumsikan distribusi waktu
perjalanan di New York City mengikuti distribusi probabilitas normal dan standar
deviasinya adalah 7,5 menit.
sebuah.Berapa persen perjalanan Kota New York selama kurang dari 30 menit?
b.Berapa persen antara 30 dan 35 menit?
c.Berapa persen antara 30 dan 50 menit?
 202 BAB 7

Contoh/solusi sebelumnya memerlukan penemuan persentase pengamatan

yang terletak di antara dua pengamatan atau persentase pengamatan di atas, atau di
bawah, pengamatan tertentux.Penerapan lebih lanjut dari distribusi normal
melibatkan pencarian nilai pengamatanxketika persen di atas atau di bawah
pengamatan diberikan.

using z in finding x given area

CONTOH
Layton Tire and Rubber Company ingin
menetapkan jaminan jarak tempuh minimum
pada ban MX100 barunya. Tes
mengungkapkan jarak tempuh rata-rata
adalah 67.900 dengan standar deviasi 2.050
mil dan distribusi mil mengikuti distribusi
probabilitas normal. Layton ingin menetapkan
jarak tempuh minimum yang dijamin sehingga
tidak lebih dari 4% ban harus diganti. Berapa
jarak tempuh minimum yang dijamin yang
harus diumumkan Layton?

LARUTAN
Aspek kasus ini ditunjukkan pada diagram
berikut, di manaxmewakili jarak tempuh
minimum yang dijamin.

©Jupiterimages/Getty Images RF

. 5000

. 4600
4% atau 0,0400

Ban diganti jika jarak x μ Skala mil

tempuh kurang dari ? 67.900
nilai ini

Memasukkan nilai-nilai ini dalam rumus (7–5) untukzmemberikan:

x−μ x -67.900
z= =
σ 2.050
Ada dua yang tidak diketahui dalam persamaan ini,zdanx.Mencarix,pertama kita temukanz
dan kemudian memecahkan untukx.Ingat dari karakteristik kurva normal bahwa luas di
sebelah kiri μ adalah 0,5000. Area antara μ danxadalah .4600, ditemukan oleh .5000 −
.0400. Sekarang lihat Lampiran B.3. Telusuri badan tabel untuk area yang paling dekat
dengan . 4600. Area terdekat adalah .4599. Pindah ke margin dari nilai ini dan baca
 DISTRIBUSI PROBABILITAS KONTINU 203

ituznilai 1,75. Karena nilainya di sebelah kiri rata-rata, sebenarnya

- 1.75. Langkah-langkah ini diilustrasikan pada Tabel 7–2.

TABEL 7–2Area Terpilih di bawah Kurva Normal

z… . 03 . 04 . 05 . 06
. . . . .
. . . . .
. . . . .
1.5 . 4370 . 4382 . 4394 . 4406
1.6 . 4484 . 4495 . 4505 . 4515
1.7 . 4582 . 4591 . 4599 . 4608
1.8 . 4664 . 4671 . 4678 . 4686

Mengetahui bahwa jarak antara μ danxadalah −1,75σ atauz = −1,75, sekarang kita dapat
memecahkannyax (jarak tempuh minimum yang dijamin):

x -67.900
z=
2.050
x -67.900
− 1,75 =
2.050
− 1,75(2.050) =x -67.900
x =67.900 − 1,75(2.050) = 64.312
Jadi Layton dapat mengiklankan bahwa mereka akan mengganti ban apa pun yang aus sebelum
mencapai 64.312 mil secara gratis, dan perusahaan akan mengetahui bahwa hanya 4% ban yang akan
diganti berdasarkan rencana ini.

Excel akan juga

mandat diberikan

Sumber: Microsoft Excel

DIRI - TINJAUAN7–6
Analisis skor tes akhir untuk Pengantar Bisnis mengungkapkan skor mengikuti distribusi
probabilitas normal. Rata-rata distribusinya adalah 75 dan standar deviasinya adalah 8.
Profesor tersebut ingin memberikan nilai A kepada mahasiswa yang nilainya berada di 10%
tertinggi. Apa poin pembagian bagi siswa yang mendapatkan nilai A dan siswa yang
mendapatkan nilai B?