MAKALAH

TEORI PELUANG
Distribusi Beta, Normal Dan Luas Kurva Dibawah Kurva Normal

DISUSUN OLEH KELOMPOK 7:

1. Ulfi Waddani Yuni (20205033)
2. Vikri Hamdani (20205035)
3. Widya mariska (20205036)
4. Winda Safitri (20205038)

Dosen Pembina: Dr. Yerizon M.Si

PROGRAM STUDI PENDIDIKAN MATEMATIKA

PROGRAM PASCA SARJANA
UNIVERSITAS NEGERI PADANG
2020
 DAFTAR ISI

DAFTAR ISI............................................................................................ i

BAB I PENDAHULUAN

A. Latar Belakang.............................................................................. 1

B. Rumusan Masalah......................................................................... 1

C. Tujuan Penulisan........................................................................... 1

BAB II PEMBAHASAN

A. Distribusi Beta............................................................................... 2

B. Distribusi Normal.......................................................................... 4

C. Luas Kurva di Bawah Kurva Normal............................................ 7

DAFTAR KEPUSTAKAAN................................................................... 15

1
 BAB I
PENDAHULUAN

A. Latar Belakang
Tujuan utama dari teori peluang adalah untuk mengembangkan suatu
model matematika yang mampu menjelaskan peluang dari sebuah kejadian
yang mungkin muncul dalam suatu percobaan. Karena persamaan matematika
selalu dinyatakan dalam nilai numerik dan bukan dalam “sisi angka”, “warna”
atau sifat-sifat lain yang memiliki suatu objek, maka akan lebih baik bila
dalam teori peluang ini didefinisikan suatu fungsi yang menghubungkan setiap
keluaran dalam suatu percobaan dengan suatu bilangan riil. Fungsi semacam
itu dinamakan peubah acak. Dengan cara demikian, kita dapat menyatakan
model peluang untuk suatu percobaan secara numerik yaitu dalam nilai-nilai
peubah acaknya. Pada percobaan yang hasil alaminya sudah dinyatakan dalam
nilai numerik, fungsi yang digunakan sebagai peubah acak adalah fungsi
identitas.

Pengukuran fisik di bidang seperti percobaan meteorologi, penelitian

curah hujan, dan pengukuran suku cadang yang diproduksi sering dengan baik
dapat diterangkan dengan menggunakan distribusi normal.

B. RumusanMasalah
Dalam makalah ini dapat dirumuskan hal-hal sebagai berikut:
1. Apa itu distribusi beta?
2. Apaitu distribusi normal?
3. Bagaimana luas daerah di bawah kurva normal?
C. Tujuan Penulisan
1. Untuk mengetahui distribusi beta.
2. Untuk mengetahui distribusi normal.
3. Untuk mengetahui luas daerah di bawah kurva normal.

BAB II

2
 PEMBAHASAN

A. DISTRIBUSI BETA
Definisi (Spiegel, Schiller dan Srinivasan, 2004)
Suatu peubah acak dikatakan memiliki distribusi Beta dengan parameter
a dan b , jika fungsi kepadatannya adalah

{
1
a−1 b−1
f ( x )= β (a , b) x (1−x) , untuk 0< x <1
0 , x lainnya

Dimana β (a , b) merupakan fungsi Beta yang didefinisikan sebagai

1
β ( a , b )=∫ x
a−1 b−1
(1−x ) dx a> 0 ,b >0
0

Fungsi Beta dihubungkan dengan fungsi Gamma

Γ ( a ) Γ (b)
β ( a , b )= .
Γ (a+ b)
Sehingga distribusi Beta juga dapat didefinisikan oleh fungsi kepadatan

{
Γ ( a+b )
b−1
f ( x )= Γ (a ) Γ (b ) x a−1 ( 1−x ) , untuk 0< x <1
0 , untuk x lainnya
Teorema:
Rataan dan variansi dari distribusi Beta dengan parameter a dan b masing-
masing adalah

a 2 ab
μ= dan σ =
a+ b (a+b+1)(a+b)
2

Bukti:
Menghitung dengan menggunakan momen dari distribusi Beta, dapat
dilakukan dengan metode sebagai berikut:

1
1
E( X ¿¿ n)= ∫
β( a , b) 0
n a−1 b−1
(x ) x (1−x ) dx ¿

3
 1
1
¿ ∫ x( a+n )−1(1−x)b−1 dx
β(a , b) 0
(1)

maka juga dapat diperoleh persamaan

β( a+n , b) Γ ( a+n ) Γ (a+b)

E( X ¿¿ n)= = ¿ (2)
β ( a ,b) Γ ( a+b+ n ) Γ (a)

Berdasarkan persamaan (1) dan persamaan (2) maka untuk memperoleh

mean/rataan (E ( X )) dan Var ( X )=E ( X 2 )−E ( X )2 adalah dengan
mensubsitusikan n = 1 dan n = 2 ke persamaan (2) maka

1 Γ ( a+1 ) Γ (a+b)
Mean ( X )=E( X) =
Γ ( a+ b+1 ) Γ (a)

a Γ (a)Γ (a+b)
¿
(a+ b) Γ (a+b) Γ (a)

a
¿
(a+ b)

dan

Var ( X )=E ( X 2 )−E (X )2.

Karena

Γ ( a+ 2 ) Γ (a+b)
E( X ¿¿ 2)= ¿
Γ ( a+ b+2 ) Γ ( a)

( a+1 ) a Γ (a) Γ ( a+b)

¿
( a+b+1 )(a+b) Γ (a+ b) Γ (a)

( a+1 ) a
¿
( a+b+1 )(a+b)

maka

4
 ( a+1 ) a
( )
2
a
Var ( X )= −
( a+ b+1 ) ( a+b ) ( a+b )

( a+1 ) a a2
¿ −
( a+b+1 )( a+ b ) (a+ b)2

( a+b ) ( a2+ a ) −a2 (a+ b+1)

¿ 2
(a+b) ( a+b+1 )

ab
¿ 2
(a+ b) ( a+ b+1 )

B. DISTRIBUSI NORMAL
Distribusi normal adalah distribusi peluang kontinu yang terpenting dalam
seluruh bidang statistika. Grafiknya, disebut kurva normal, berbentuk lonceng
seperti pada gambar 5.1, yang menggambarkan dengan cukup baik banyak gejala
yang muncul di alam, industri, dan penelitian. Pengukuran fisik di bidang seperti
percobaan meteorologi, penelitian curah hujan, dan pengukuran suku cadang yang
diproduksi sering dengan baik dapat diterangkan dengan menggunakan distribusi
normal.
Suatu peubah acak kontinu X yang distribusinya berbentuk lonceng seperti
pada gambar dibawah disebut peubah acak normal.

Gambar 5.1 kurva normal

Persamaan matematika distribusi peluang peubah normal kontinu

bergantung pada dua parameter μ dan σ , yaitu rataan dan simpangan bakunya.
Jadi fungsi padat X akan dinyatakan dengan n(x ; μ , σ ).

5
Distribusi normal padat peubah acak normal X, dengan rataan μ dan
variansi σ 2, ialah

(12 )[ x−μ
σ ]
2

1 −
n ( x ; μ , σ )= e ,−∞ < x< ∞
σ √2 π
Dengan π=3,14159 … dan e=2,71828 …
Begitu μ dan σ diketahui maka seluruh kurva normal diketahui.
Sebagai contoh bila μ=50 dan σ =5 , maka ordinat n ( x ; 50 , 5 ) dapat
dengan mudah dihitung untuk berbagai nilai x dan kurvanya dapat
digambarkan. Pada gambar 5.2 telah dilukiskan dua buah kurva normal
yang mempunyai simpangan baku yang sama tapi rataannya berbeda.
Kedua kurva bentuknya persis sama tapi titik tengahnya terletak di tempat
yang berbeda di sepanjang sumbu datar.

Gambar 5.2 kurva normal dengan μ1 ¿ μ 2 dan σ 1 σ 2

Pada gambar 5.3 terlukis dua kurva normal dengan rataan yang sama
tapi simpangan bakunya berlainan. Terlihat kedua kurva mempunyai titik
tengah yang sama pada sumbu datar, tapi kurva dengan simpangan baku
yang lebih besar tampak lebih rendah dan lebih melebar. Perhatikan bahwa
luas di bawah kurva-peluang harus sama dengan 1 sehingga bila kumpulan
datamakin berbeda maka makin rendah dan melebar kurvanya.

6
 Gambar 5.3 kurva normal dengan μ1 ¿ μ 2 dan σ 1< σ 2

Gambar 5.4 memperlihatkan lukisan dua kurva normal yang baik

rataan maupun simpangan bakunya berlainan. Jelas keduanya mempunyai
letak titik tengah yang berlainan pada sumbu datar dan bentuknya
mencerminkan dua nilai σ yang berlainan.

Gambar 5.4 Kurva normal dengan μ1 ≠ μ2 dan σ 1 < σ 2

Dengan mengamati gambar 5.1 sampai 5.4 serta memeriksa turunan

pertama dan kedua dari n(x ; μ , σ ) dapat diperoleh lima sifat kurva normal
berikut :

1. Modus, titik pada sumbu datar yang memberikan maksimum kurva, terdapat
pada x=μ.
2. Kurva setangkup terhadap sumbu tegak yang melalui rataan μ .
3. Kurva mempunyai titik belok pada x=μ ± σ , cekung dari bawah bila
μ−σ < X < μ+ σ , dan cekung dari atas untuk nilai x lainnya.
4. Kedua ujung kurva normal mendekati asimtot sumbu datar bila nilai x
bergerak menjauhi μ baik ke kiri maupun ke kanan.
5. Seluruh luas di bawah kurva dan di atas sumbu datar sama dengan 1.

7
 Sekarang akan diperlihatkan bahwa parameter μ dan σ adalah betul
rataan dan variansi distribusi normal. Untuk menghitung rataan, tulislah
−( )
[ ] dx
2
∞ 1 x−μ
1
E ( X )= ∫
σ √ 2 π −∞
xe 2 σ

x−μ
Dengan mengganti z= dan dx=σdz , diperoleh
σ
∞
1 2

∫
− z /2
E ( X )= ( μ+σz )e dz
√ 2 π −∞
∞ ∞
1 σ
∫ ∫
2 2

¿μ e−z /2 dz+ ze −z /2 dz
√ −∞
2 π √ −∞
2 π
Integral pertama adalah μ kali luas di bawah kurva normal dengan
rataan nol dan variansi 1, jadi sama dengan μ. Dengan mencari integralnya
langsung ataupun dengan penggunaan fakta bahwa integralnya (fungsi di
belakang tanda integral) adalah fungsi ganjil, integral kedua adalah nol.
Jadi
E ( X ) =μ .
Variansi distribusi normal diberikan oleh
∞
1
E [ ( X −μ ) ]= ∫ ( x−μ )2 e−(1 /2) ¿¿ ¿
2

σ √ 2 π −∞
x−μ
Sekali lagi ganti z= dan dx=σdz , diperoleh
σ
2 ∞
σ
E [ ( X −μ ) ]= ∫
2
2 2 − z /2
z e dz
√ 2 π −∞
2
Integralkan menurut bagian dengan σ =z dan dv =z e− z / 2 , sehingga du=dz dan
2

, sehingga diperoleh
−z /2
v=−e

( )
2 ∞
σ
E [ ( X −μ ) ]= +∫ e
2 2
2 −z /2 −z /2
−z e dz
√2 π −∞

2
¿ σ ( 0+2 )
¿σ2

C. LUAS DI BAWAH KURVA NORMAL

8
 Kurva setiap distribusi peluang kontinu atau fungsi padat dibuat sedemikian
rupa sehingga luas dibawah kurva di antara kedua ordinat x=x 1 dan x=x 2 sama
dengan peluang peubah acak X mendapat nilai antara x=x 1 dan x=x 2. Jadi untuk
kurva normal pada gambar 5.5,
x2

P ( x 1< X < x 2) =∫ n(x ; μ , σ )dx

x1

− ( )[ ] dx
2
x2 1 ( x− μ)
1
¿ ∫
σ √2 π x
e 2 σ

Gambar 5.5 P ( x 1< X < x 2) =¿ luas daerah yang dihitami

Pada gambar 5.2, 5.3, dan 5.4 telah ditunjukkan bahwa kurva normal
bergantung pada rataan dan simpangan baku distribusi. Luas di baawah
kurva antara dua ordinat sembarang tentulah pula tergantung pada harga
μ dan σ .

Hal ini jelas terlihat pada gambar 5.6; di sini daerah yang
berpadanan dengan P( x 1 < X < x 2) untuk kedua kurva dengan rataan dan
variansi yang berbeda telah dihitami. P( x 1 < X < x 2), dengan X peubah acak
yang menyatakan distribusi I, dinyatakan dengan daerah yang lebh hitam.

Bila X menyatakan peubah acak distribusi II maka P( x 1 < X < x 2)

diberikan oleh daerah yang dihitami. Jelas bahwa kedua daerah yang
dihitami berlainan luasnya; jadi, peluang yang berpadanan dengan masing-
masing distribusi akan berlainan pula untuk kedua nilai X.

9
 Gambar 5.6 P( x 1 < X < x 2) untuk kurva normal yang berbeda

Untuk mengatasi kesulitan dalam menghitung integral fungsi padat

normal maka dibuat tabel luas kurva normal sehingga memudahkan
penggunaanya. Akan tetapi, tidak akan mungkin membuat tabel yang
berlainan untuk setiap μ dan σ . Untunglah, seluruh pengamatan setiap
peubah acak normal X dapat ditransformasikan menjadi himpunan
pengamatan baru satu peubah acak normal Z dengan rataan nol dan
variansi 1. Hal ini dapat dikerjakan dengan transformasi.

X−μ
Z=
σ

Bilamana X mendapat suatu nilai x, nilai Z padanannya diberikan

oleh z=(x−μ)/σ . Jadi bila X bernilai antara x=x 1 dan x=x 2 maka peubah
acak Z akan bernilai antara z 1=( x1−μ)/σ dan z 2=( x2 −μ)/σ . Karena itu,
dapat ditulis

x2
1 2

P ( x 1< X < x 2) = ∫
σ √2π x
e−( 1/2 ) [ ( x−μ) /σ ] dx
1

z2 −z
2

1
¿ ∫e
√2 π z
2
dz
1

z2

¿ ∫ n( z ;0,1)dz
z

¿ P ( z 1< Z < z 2)

10
 dengan Z terlihat merupakan suatu peubah acak normal dengan rataan
nol dan variansi 1.

Definisi 5.1 Distribusi peubah acak normal dengan rataan nol dan variansi 1
disebut distribusi normal baku.

Distribusi asli dan yang sudah ditransformasi dilukiskan pada

gambar 5.7.Karena semua nilai X antara x 1 dan x 2 mempunyai nilai Z
padanan antara z 1 dan z 2 , luas di bawah kurva X antara ordinat
x=x 1 dan x=x 2 pada gambar 5.7 sama dengan luas di bawah kurva Z
antara ordinat z=z 1 dan z =z2 yang telah ditransformasikan.

Gambar 5.7 Distribusi normal asli dan yang telah ditransformasikan

Sekarang banyaknya tabel luas kurva normal yang diperlukan telah

diperkecil menjadi satu, yaitu disribusi normal baku. Tabel L.3 luas di
bawah kurva normal baku yang berpadanan dengan P( Z< z) untuk nilai z
dari – 3,49 sampai 3,49. Untuk menjelaskan penggunaan tabel tersebut,
misalkanlah hendak dicari peluang bahwa Z lebih kecil dari 1,74. Pertama,
lihatlah pada kolom sebelah kiri nilai z yang sama dengan 1,7, kemudian
bergeraklah mendatar sampai kolom di bawah 0,04 dan menemukan
bilangan 0,9591. Jadi P ( Z <1,74 )=0,9591. Untuk menemukan nilai z yang
sesuai dengan peluang tertentu, proses tadi dibalik. Sebagai contoh, nilai z
yang luasnya 0,2148 di bawah kurva sebelah kiri z adalah – 0,79.

Contoh 5.1
Ditentukan distribusi normal baku, carilah luas di bawah kurva yang terletak

11
 a. Di sebelah kanan z = 1,84
b. Antara z = – 1,97 dan z = 0,86
Jawab:
a. Luas digambar 5.8(a) di sebelah kanan z = 1,84 adalah 1 dikurangi luas di
tabel L.3 di sebelah kiri z = 1,84, yaitu 1 – 0,9671 = 0,0329
b. Luas digambar 5.8(b) antara z = – 1,97 dan z = 0,86 sama dengan luas di
sebelah kiri z = 0,86 dikurangi luas di sebelah kiri z = – 1,97. Dari tabel
L.3 diperoleh luas yang dicari sebesar 0,8051 – 0,0244 = 0,7807.

Gambar 5.8 Daerah untuk contoh 5.1

Contoh 5.2
Ditentukan distribusi normal baku, carilah nilai k sehingga
a. P ( Z >k )=0,3015
b. P ( k < Z← 0,18 )=0,4197
Jawab:
a. Di gambar 5.9(a) terlihat bahwa nilai k yanng membuat luas 0,3015 ke
sebelah kanan haruslah membuat luas 0,6985 ke sebelah kirinya. Dari
tabel L.3 diperoleh k = 0,52.
b. Dari tabel L.3 terlihat bahwa jumlah luas di sebelah kiri – 0,18 sebesar
0,4286. Di gambara 5.9(b) terlihat bahwa luas antara k dengan – 0,18
adalah 0,4197 jadi luas di sebelah kiri k haruslah 0,4286 – 0,4197 =
0,0089. Jadi dari tabel L.3 diperoleh k = – 2,37.

12
 Gambar 5.9 Daerah untuk contoh

Contoh 5.3
Diketahui suatu distribusi normal dengan μ=50 dan σ=10 , carilah peluang X
mendapat nilai antara 45 dan 62.
Jawab:
Nilai z yang berpadanan dengan x 1=45 dan x 2=62 adalah
45−50
z 1= =−0,5
10
dan
62−50
z 2= =1,2
10
Jadi,
P ( 45< X <62 )=P(−0,5<Z <1,2)
Nilai P(−0,5< Z <1,2) diberikan oleh luas yang dihitami pada gambar 5.10. Luas
ini dapat dicari dengan mengurangkan luas bagian kiri ordinat z=−0,5 dari
seluruh luas bagian kiri z=1,2. Dengan menggunakan tabel L.3, diperoleh
P ( 45< X <62 )=P(−0,5<Z <1,2)
¿ P ( Z <1,2 )−P( Z ←0,5)
¿ 0,8849−0,3085
¿ 0,5764

13
 Gambar 5.10 Daerah untuk contoh 5.3

Contoh 5.4
Diketahui distribusi normal dengan μ=300 dan σ=50 , carilah peluangnya bahwa
X mendapat suatu nilai lebih besar dari 362.
Jawab:
Distribusi peluang normal dengan luas yang dicari diperlihatkan di gambar 5.11.
Untuk mencari P ( X >362 ) , kita perlu menghitung luasdi bawah kurva normal di
sebelah kanan x = 362.

Gambar 5.11 Daerah untuk contoh 5.4

Ini dapat dihitung dengan mentransformasikan x = 362 ke nilai z padanannya,

kemudian cari luas daerah di sebelah kiri z dari tabel L.3, dan kemudian cari
selisih luas ini dengan 1. Jadi diperoleh
362−300
z= =1,24
50
Sehingga
P ( X >362 )=P ( Z>1,24 )
¿ 1−P ( Z >1,24 )
¿ 1−0,8925
¿ 0,1075

14
15
16
 DAFTAR PUSTAKA

Walpole, Ronald E, Raymond H. Myers. 1995. Ilmu Peluang dan Statistika untuk
Insinyur dan Ilmuan. Bandung: ITB.

http://aeunike.lecture.ub.ac.id/files/2013/10/5-Distribusi-Peluang-Kontinyu.pdf

https://en.wikipedia.org/wiki/Beta_distribution

https://www.rumusstatistik.com/2013/07/distribusi-beta.html

17