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

com

Kontinu
10Kemungkinan Pekan

Distribusi
TI1302 – Statistik Industri 1
 Distribusi Probabilitas Berkelanjutan
Distribusi Probabilitas Eksponensial Chi-Square
Distribusi Probabilitas Weibull
Distribusi Probabilitas Chi-Square

Eksponensial

Weibull
Distribusi eksponensial
 Distribusi Probabilitas Eksponensial

• Distribusi probabilitas eksponensial berguna untuk menggambarkan waktu yang

diperlukan untuk menyelesaikan suatu tugas.

• Dengan kata lain, kita dapat mengatakan bahwa distribusi eksponensial

digunakan untuk mengukurwaktu yang berlalu antara dua kejadian
suatu peristiwa (waktu antara kedatangan)

• Variabel acak eksponensial dapat digunakan untuk menjelaskan:

• Waktu antar truk tiba di dermaga bongkar muat
• Waktu antar transaksi di Mesin ATM
• Waktu antar panggilan telepon ke operator utama
• Waktu antara kedatangan kendaraan di pintu tol
• Jarak antara cacat utama di jalan raya
 Distribusi Probabilitas Eksponensial

Masalah. Fungsi Kepadatan (PDF)

1 untukX>0,-> 0
Di mana:-= berarti
F(X) =e−X/- e=2.71828
-

Fungsi Distribusi Kumulatif (CDF)

P(X-X0) = 1 -e−Xo /-

Di mana:X=beberapa nilai tertentu dariX

Model waktu/jarak antar kedatangan
untuk proses Poisson
Fungsi Kepadatan Eksponensial (PDF)

• Distribusi Right-Skewed dengan maksimum paday=0

• Variabel acak hanya dapat mengambil nilai positif
Eksponensial Cum. Distr. Fungsi (CDF)
CDF eksponensial

0,9

0,8

0,7

0,6

F(y|th=1)
F(y|th=2)
F(y)

0,5
F(y|th=5)
F(y|th=10)

0,4

0,3

0,2

0,1

0
0 3 6 9 12 15
y
 Contoh:
Pompa Servis Lengkap Al

Waktu antara kedatangan mobil di pompa bensin layanan penuh Al

mengikuti distribusi probabilitas eksponensial dengan waktu rata-rata
antara kedatangan 3 menit. Al ingin mengetahui peluang bahwa waktu
antara dua kedatangan yang berurutan adalah 2 menit atau kurang.
 Contoh:
Pompa Servis Lengkap Al

F(X)

.4 P(X<2) = 1 - 2,71828-2/3= 1 - 0,5134 = . 4866

.3
.2
.1
X
1 2 3 4 5 6 7 8 9 10
Waktu Antara Kedatangan Berturutan (menit)
Distribusi Eksponensial - Ekspektasi

-1 e−y -- 1 - −
e(Y) =-
- -
y- -dy= kamuy -dy=- y2−1e−y -dy=
0 -- - -- 0 0

1
= -(2)-2=-(2 −1)!=-
-
1 -
EY(=2) - - y2e− y -dy=-
- -
y2-- 1 e -dy=
−y -
y3−1e−y -dy=
0 -- - --0 0

1
= -(3)-3=-2(3 −1)!= 2-2
-
-V(Y) =e(Y2)−-e(Y)- 2= 2-2− (-)2=-2

--=-
 Contoh:
Pompa Servis Lengkap Al

Sifat distribusi eksponensial adalah rata-rata,-, dan standar deviasi,-,

adalah sama. Jadi, standar deviasi-, dan varians,-2, untuk waktu antara
kedatangan di pompa layanan penuh Al adalah:

-=-=3 menit -2= (3)2= 9

• Distribusi eksponensial miring ke kanan.

• Ukuran kemiringan untuk distribusi eksponensial adalah 2.
 Hubungan antara Poisson dan
Distribusi Eksponensial

Distribusi Poisson eksponensial

distribusi memberikan
menyediakan yang tepat deskripsi yang tepat
deskripsi dari dari panjang
jumlah kejadian selang waktu antara

per interval kejadian

 Contoh
Contoh: Pelanggan tiba di konter klaim dengan tarif
15 per jam (didistribusikan Poisson).Berapa peluang
waktu kedatangan antara pelanggan yang berurutan
kurang dari lima menit?

▪ Waktu antar kedatangan terdistribusi secara

eksponensial dengan rata-rata waktu antar kedatangan
4 menit (rata-rata 15 per 60 menit)

▪ µ = 4,0, jadi - = 0,25

▪ P(x < 5)= 1 - e-x/µ= 1 – e-(0,25)(5)= . 7135

Distribusi Weibull
 Distribusi Weibull

Definisi
 Distribusi Weibull

Gambar 4-27Weibull
kepadatan probabilitas
fungsi untuk dipilih
nilai - dan -.
Distribusi Weibull
Distribusi Weibull
 Distribusi Weibull
Contoh
Distribusi Ch Square
 Chi-Square

• Digunakan untuk meneliti/menganalisis perbedaan

distribusi data (kebanyakan : nominal)

• Sebuah perbandingan matematis antara

frekuensi yang diharapkan dan frekuensi
yang diamati

• Teoretis,atauFrekuensi yang Diharapkan (E):

dikembangkan atas dasar beberapa hipotesis
• Frekuensi Teramati (O): diperoleh secara
empiris melalui observasi langsung
 Distribusi Chi-Square
• Ada keluarga dariχ2distribusi, masing-masing ditentukan oleh nilai
derajat kebebasan tunggal.
• Untuk satu variabel:df = k – 1
• Untuk beberapa variabel:df = (r – 1)(c – 1) Di
mana R=jumlah baris C=
jumlah kolom
• Sebagai derajat kebebasan meningkat, distribusi
sampling mendekati distribusi normal.

k=jumlah kategori, pengelompokan,

atau kemungkinan hasil
 Distribusi Chi-Square
• Positif miringtetapi menjadisimetrisdengan meningkatnya
derajat kebebasan
• Kategori didasarkan padadata tingkat nominal, ordinal,
interval, dan rasio. Nilai dalam kategori adalah frekuensi.
• Rata-rata (µ) = k ,dimana k = derajat kebebasan
• Varians = 2k
 Mengapa ini digunakan?

• Analisis chi-kuadrat terutama digunakan untuk menanganikategori

(frekuensi) data
• Kami mengukur“kebaikan cocok”antara hasil yang kami amati dan
hasil yang diharapkan untuk beberapa variabel
• Dengan dua variabel, kami menguji khususnya apakah mereka independen
satu sama lain dengan menggunakan pendekatan dasar yang sama.
 Variabel Tunggal
• Misalkan kita ingin tahu bagaimana orang-orang di daerah tertentu akan memilih
dalam pemilihan umum dan bertanya kepada mereka.

Republik Demokrat Lainnya

20 30 10

• Bagaimana kita akan melihat apa yang sebenarnya terjadi?

 Larutan
• Hipotesis (Ho): Perwakilan harus memenangkan distrik

• Solusi: analisis chi-square untuk menentukan apakah hasil

kami berbeda dari yang diharapkan jika tidak ada
preferensi

2
(HAI−e)
- =-
2

e
 Larutan
Republik Demokrat Lainnya

Diamati 20 30 10
Mengharapkan 20 20 20

• Hubungkan ke formula

( − e)2
-2 =-HAI
e
(20 - 20)2 (30 - 20)2 (10 - 20)2
= + +
20 20 20

= 10
 Larutan
• Karena df = k-1, maka df = 3-1 = 2

-2(2) =10
-2. 05= 5,99
• Lihat tabel chi-square dengan alpha = 0.05 dan df = 2,
sehingga nilai chi-square = 5.99
• Kesimpulan: Tolak H0
• Distrik mungkin akan memilih demokratis
• Namun…
 Kesimpulan
• Perhatikan bahwa yang benar-benar dapat kami simpulkan adalah bahwa data
kami berbeda dari hasil yang diharapkan dalam suatu situasi
– Meskipun tampaknya distrik akan memilih secara demokratis,
sebenarnya kita hanya dapat menyimpulkan bahwa mereka tidak
menanggapi secara kebetulan
– Terlepas dari posisi frekuensi kami akan
mendapatkan hasil yang sama
– Dengan kata lain, ini adalah tes non-arah terlepas dari
prediksi
 Lebih kompleks

• Apa yang dilakukan anak-anak statistik dengan waktu luang mereka?

televisi Tidur sebentar Khawatir Menatap

Langit-langit

Laki-laki 30 40 20 10
Betina 20 30 40 10
• Apakah ada hubungan antara jenis kelamin dan statistik yang
dilakukan anak-anak dengan waktu luang mereka?

televisi Tidur sebentar Khawatir Menatap Total

Langit-langit

Laki-laki 30 40 20 10 100
Betina 20 30 40 10 100
50 70 60 20 200

• Diharapkan = (RSaya*CJ)/N
• Contoh untuk TV laki-laki: (100*50)/200 = 25
 Larutan
televisi Tidur sebentar Khawatir Menatap Total
Langit-langit

Laki-laki 30 (25) 40 (35) 20 (30) 10 (10) 100

(E)
Betina 20 (25) 30 (35) 40 (30) 10 (10) 100
(E)
50 70 60 20 200

• df = (R-1)(C-1)
– R = jumlah baris
– C = jumlah kolom
 Penafsiran

-2(3) = 10,10
-2. 05= 7,82

• Tolak H0, ada beberapa hubungan antara jenis kelamin dan

bagaimana siswa statistik menghabiskan waktu luang mereka
 Lainnya

• Poin penting tentang sifat tes non-arah, tes chi-kuadrat

dengan sendirinyatidak dapat berbicara dengan hipotesis
spesifik tentang cara hasil akan keluar
• Tidak berguna untuk data ordinalkarena alasan ini
 Asumsi
• Normalitas
– Rule of thumb adalah yang kita butuhkansetidaknya 5 untuk nilai frekuensi
yang diharapkan
• Pencantuman non-kejadian
– Harus termasuksemua tanggapan, bukan hanya yang positif itu
• Kemandirian
- Bukan karena variabelnya independen atau terkait (untuk
itulah tes dapat digunakan), tetapi seperti halnya dengan
pengujian kami, pengamatan (poin data) tidak memiliki
kaitan satu sama lain.
• Untuk membantu dua yang terakhir, pastikan bahwa AndaN sama
dengan jumlah total orang yang merespons
Distribusi Erlang
 Distribusi Erlang
Distribusi Erlang digunakan jika pelayanan dalam suatu
sistem antrian sifatnya sama dan rutin serta waktu
pelayanannya cenderung menurun
 Distribusi Erlang

Fungsi kerapatan probabilitas

Erlang untuk nilai yang dipilih
dariRDan -
Distribusi Erlang
Distribusi Gamma
 Distribusi Gamma

• Keluarga Distribusi Miring Kanan

• Variabel Acak hanya dapat mengambil nilai positif
• Digunakan untuk memodelkan banyak karakteristik biologis dan ekonomi
• Dapat mengambil berbagai bentuk untuk mencocokkan data empiris
Distribusi Gamma
 Distribusi Gamma

Fungsi kepadatan probabilitas gamma

.
untuk nilai yang dipilih dariRDan -
Distribusi Gamma
 Distribusi Gamma – Kasus Khusus

• Distribusi eksponensial -a=1

• Distribusi Chi-Square –a=n/2, -=2 (n≡ bilangan bulat)

– E(Y)=NV(Y)=2N
– M(t)=(1-2t)-n/2
– Distribusi banyak digunakan untuk inferensi statistik
– Notasi: Chi-Square denganNderajat kebebasan:

Y~-2 N
Distribusi Beta
 Distribusi Beta
• Digunakan untuk memodelkan probabilitas (dapat digeneralisasikan ke rentang positif dan
terbatas apa pun)

• Estimasi kasar untuk data yang hilang

• Parameter memungkinkan berbagai bentuk untuk memodelkan data empiris

- -(A+-) yA−1(1
− y)- −1
0 -y-1, A,--0
- -(A)-(-)
-
F(y) = -
-0 jika tidak
-
-

Mendapatkan Probabilitas di EXCEL:

Untuk mendapatkan:F(y) = P(Y ≤ y) Gunakan Fungsi:=BETADIST(y,a,b)
 Fungsi Kepadatan Beta (PDF)
Fungsi Kepadatan Beta

4.5

3.5

Beta(1,1)
2.5 Beta(2,2)
f(y)

Beta(4,1)

2 Beta(1,3)
Beta(5,5)

1.5

0,5

0
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
y
Distribusi Lognormal
Distribusi Lognormal
 Distribusi Lognormal

.
Fungsi kerapatan probabilitas lognormal dengan - = 0 untuk nilai terpilih dari -2
 Distribusi Lognormal

Contoh
Misalkan umur motor memiliki distribusi lognormal. Berapa probabilitas
waktu hidup melebihi 12.000 jam jika rata-rata dan varian dari variabel acak
normal berturut-turut adalah 11 jam dan 1,3 jam?

= 11,   = 1,3,     > 12.000 =?

  > 12.000 = 1−     ≤ 12.000

Dalam12.000 - 11
  > 12.000 = 1−Φ
1.3
9.393−11
  > 12.000 = 1−     ≤
1.3
  > 12.000 =     > 1 −     ≤ −1,236 1 −
12.000 = 0,10823 = 0,8918
 Distribusi Lognormal

Contoh (lanjutan)
Umur berapa yang dilampaui oleh 99% motor? Pertanyaannya adalah untuk menentukan 
seperti yang    >   = 0,99

1−  ≤ = 0,99
0,01 =  ≤ 
 = - 2.326
Karena itu

Pada  −11
= - 2.326
1.3
Dalam   = 7.976
 = 2909.533