STATISTIKA EKONOMI

“Distribusi Probabilitas Kontinu”

Disusun untuk Memenuhi Tugas Mata Kuliah Statistika Ekonomi

Dosen Pengampu Susianti, S.E., M.Sc.

Disusun Oleh:
Kelompok 6

1. Fauzan Dzaky Rakha P 142230148

2. Aziyah Setyaningrum 142230163
3. Via Laela Fitriana 142230170
4. Nurya Dewi Puspitasari 142230184

PROGRAM STUDI AKUNTANSI

FAKULTAS EKONOMI DAN BISNIS
UNIVERSITAS PEMBANGUNAN NASIONAL”VETERAN” YOGYAKARTA
2023
 A. Ciri Ciri Distribusi Seragam

Distribusi probabilitas seragam merupakan distribusi yang paling sederhana pada variable
acak kontinu. Distribusi ini berbentuk segi empat dan ditentukan oleh nilai maksimum dan
minimum

Seperti yang terlihat pada gambar diatas , Bentuk distribusi seragam adalah segi empat dan
memiliki nilai minimum A dan maksimum B, tinggi dari distribusinya konstan atau seragam
pada seluruh nilai diantara A dan B.

Rata rata distribusi seragam terletak pada pertengahan rentang di antara nilai minimum dan
maksimum.

Standar Deviasi menggambarkan sebaran distribusi, Pada distribusi seragam, standar deviasi
juga berhubungan dengan rentang di antara nilai maksimum dan minimum.
Persamaan Distribusi Seragam

Distribusi Probabilitas berguna untuk membuat pernyataan probabilitas yang berfokus pada
nilai dari variable acak.

B. Menghitung probabilitas menggunakan distribusi sergam

Untuk mencari luas, hasilnya selalu sama dengan 1,00. dengan kata lain, total luas pada
distribusi probabilitas kontinu sama dengan 1,00. Secara Umum :

Luas = (Tinggi)(Alas) = 1/(b-a) = 1,00

C. Ciri – Ciri Distribusi Probabilitas Normal

Distribusi probabilitas normal memiliki ciri – ciri utama berikut :

1. Kurva berbentuk lonceng/genta (µ = Md = Mo)
2. Kurva berbentuk simetris
3. Kurva normal berbentuk asimetris
4. Kurva mencapai puncak saat X = µ
5. Luas daerah di bawah kurva adalah 1 yang terdiri dari 1⁄2 di sisi kanan nilai tengah

dan 1⁄2 di sisi kiri nilai tengah

Kita juga dapat menghitung besarnya distribusi probabilitas normal dengan rumus di bawah ini

1 (𝑥 − µ)2
𝑃(𝑥) = = 𝑒[ ]
𝜎√2𝜋 2𝜎 2
Dimana,

22
𝜋 = konstanta dengan nilai 3,14 atau 7

𝑒 = bilangan eksponensial dengan nilai 2,7183

µ = Mean (rata-rata) dari data

𝜎 = simpangan baku data berdistribusi normal

Jenis – jenis kurva distribusi probabilitas normal

 D. Distribusi Probabilitas Normal Baku

Jumlah dari distibusi normal adalah tidak terhingga, masing – masing memiliki rata – rata ( ),

standar deviasi ( ) yang berbeda, atau keduanya. Ketika memungkinkan untuk menyediakan
table probabilitas pada distribusi diskrit seperti binomial dan Poisson, penyediaan table untuk
jumlah terbatas dari distribusi normal tidaklah mungkin. Untungnya, salah satu anggota data
rumpun dapat dipergunakan untuk menentukan probabilitas untuk semua distribusi normal. Hal
ini disebut dengan distribusi probabilitas normal baku, dan distribusinya unik karena memiliki
rata – rata 0 dan standar deviasinya 1.

Distribusi probabilitas normal apapun dapat diubah menjadi distribusi probabilitas normal baku
dengan mengurangankan rata – ratanya dan setiap pengamatan dan membagi selisihnya dengan
standar deviasi. Hasilnya disebut nilai z atau skor z

Nilai z merupakan jarak dari rata – ratanya, diukur dalam satuan standar deviasi.

Sebagaimana yang teretera pada pengertian sebelumnya, nilai z menyatakan jarak atau selsisih
antara nilai x dengan rata – ratanya dalam standar deviasi. Sekali pengamatan terdistribusi
normal distandarisasi, nilai z terdistribusi normal dengan ratz – rata 0 dan standar deviasi 1.
Jadi, distribusi z memiliki seluruh ciri – ciri probabilitas normal baku manapun.
Aturan Empiris di Distribusi Normal

1. Jika nilai Standar Deviasi sebesar 1, maka sebanyak 68% nilai data akan berada di
dalamnya.
2. Sedangkan jika nilai Standar Deviasi sebesar 2, maka sebanyak 95% nilai data akan
berada di dalamnya.
3. Namun apabila nilai Standar Deviasi sebesar 3, maka sebanyak 99,7% nilai data akan
berada di dalamnya.
Tabel distribusi normal
Penerapan ke dalam soal

1. Transformasi X ke Z

2. Penerapan kurva normal

a. Menghitung nilai Z
b. Nilai Z ditransformasikan ke dalam Z tabel
c. Dianalisis untuk menggambarkan kurva
Jika digambarkan dalam kurva, maka hasilnya akan seperti ini

E. Menentukan probabilitas pengamatan yang berada diantara dua titik pada

ditribusi normal

Contoh soal :

F. Menentukan probabilitas menggunakan Aturan Empiris

Aturan Empiris untuk Distribusi Normal

Aturan empiris distribusi normal, atau diketahui juga sebagai aturan 68-95-99.7, adalah sebuah
cara yang bermanfaat untuk memahami distribusi data dalam distribusi normal.

Aturan ini dapat digunakan untuk memperkirakan probabilitas dan membuat prediksi
berdasarkan karakteristik populasi. Aturan ini menyatakan bahwa:

1. Sekitar 68% dari data termasuk dalam satu standar deviasi dari rata-rata.

2. Sekitar 95% data termasuk dalam dua standar deviasi dari rata-rata.

3. Sekitar 99,7% data termasuk dalam tiga standar deviasi dari rata-rata.

Persentase tersebut berlaku untuk setiap distribusi normal terlepas dari rata-rata atau standar
deviasinya.

Aturan empiris distribusi normal dapat digunakan untuk memperkirakan dengan cepat proporsi
data yang berada dalam rentang nilai tertentu tanpa perlu melakukan perhitungan yang rumit
atau mencari nilai dalam tabel.

Misalnya, terdapat populasi berdistribusi normal dengan rata-rata 100 dan standar deviasi 10.
Proporsi nilai yang berada dalam rentang tertentu dapat diperkirakan menggunakan aturan
empiris, yaitu:
Sekitar 68% dari nilai akan jatuh antara 90 dan 110.

Sekitar 95% dari nilai akan jatuh antara 80 dan 120.

Sekitar 99,7% dari nilai akan jatuh antara 70 dan 130.

Mencari Luas di Bawah Kurva Normal

• Dibatasi oleh X = X1 dan X =X2

• P(X₁ < X < X2) dinyatakan oleh luas daerah gelap.

RUMUS:

Cara Menentukan Luas di Bawah Kurva Normal

Misal 1

Luas dari 0 ke -z sama dengan luas dari 0 ke +z, sehingga luas dari -z sampai +z adalah jumlah
luas dari 0 ke -z dan dari 0 ke +z

Misal 2

Untuk menghitung luas daerah yang diarsir, dapat dilakukan dengan mengurangi luas dari 0 ke
z1 dengan luas dari 0 ke z2

G. Pendekatan Normal terhadap Binomial

Pendekatan yang lebih efisien adalah menerapkan pendekatan normal terhadap binomial. Kita
dapat menggunakan distribusi normal (distribusi kontinu) sebagai pengganti distribusi
binomial (suatu distribusi diskret) pada nilal n yang besar karena, jika n bertambah, distribusi
binomial menjadi semakin mendekati dan dekat dengan distribusi normal.

Empat kondisi bagi distribusi probabilitas normal meliputi:

1. Hanya terdapat dua kemungkinan hasil.

2. Nilai tetap sama dari percobaan ke percobaan.

3. Percobaannya saling bebas.

4. Distribusinya berasal dari penghitungan jumlah keberhasilan pada sejumlah percobaan

Faktor Koreksi Kontinuitas

Guna menunjukkan penerapan pendekatan normal terhadap binomial dan perlunya suatu faktor
koreksi. Perhatikan bahwa kondisi-kondisi binomial terpenuhi: (1) Hanya ada dua probabilitas
hasil-seorang pelanggan akan datang kembali atau tidak. (2) Kita dapat menghitung Jumlah
keberhasilannya, yakni, sebagai contoh, 57 dari 80 pelanggan akan datang kembali. (3)
Masing-masing percobaannya saling bebas, yang berarti bahwa jika pelanggan ke-34 datang
kembali, hal ini tidak akan memengaruhi pelanggan ka-58 untuk datang kembali atau tidak. (4)
Probabilitas pelanggan datang kembali tetapkan 0,70 untuk seluruh 80 pelanggan baru ini.

Oleh karena itu, kita harus menggunakan rumus binomial :

Rata-rata dan variansi distribusi binomlal dihitung sebagai berikut :

Faktor koreksi kontinuitas 0,5 dipergunakan untuk memperpanjang nilai X satu setengah
satuan pada salah satu arah. Koreksi ini mengimbangi pendekatan distribusi diskret melalui
disabilitas kontinu.

Rumpun Dari Distribusi Eksponensial

Distribusi probabilitas kontinu ini biasanya menggambarkan waktu antar-kejadian dalam

urutannya. Tindakan yang terjadi saling bebas pada tingkat konstan per satuan lamanya waktu.
Karena waktu tidak pernah negatif variabel acak eksponensial selalu positif.

Distribusi probabilitas eksponensial adalah asimetris positif. Distribusinya berbeda dari

distribusi seragam dan normal, yang keduanya simetris. Selain itu, distribusi dijelaskan hanya
dengan satu parameter. Diagram berikut menampilkan perubahan dalam bentuk distribusi
eksponensial
Ciri lain dari distribusi eksponensial adalah hubungan dekatnya terhadap distribusi Poisson.
Poisson merupakan distribusi probabilitas diskret dan juga memiliki parameter tunggal

Densitas probabilitasnya diketahui melalui rumus:

Distribusinya tidak negatif, asimetris positif, menurun secara mantap ke sebelah kanan, dan
asymptotic.

Area di bawah kurva diketahui melalui rumus:

 DAFTAR PUSTAKA

Apa Itu Distribsi Normal ? Pengertian dan Contoh 2023. (2023). Retrieved from revou.co:
https://revou.co/kosakata/distribusi-normal

Distribusi Probababilitas Normal. (2021). Retrieved from WongNdeso Edukasi:

https://www.youtube.com/watch?v=u9jFoHYrK08&t=17s

Jayantika, T. (2021). Menentukan Luas di Bawah Kurva Normal. Retrieved from Real Matika:
https://youtu.be/DHgZcsZ2Lbo?si=N1T35KxEoh9xdoVz

Syihanudin. (2016, Januari 22). Distribusi Peluang Kontinu. Retrieved from rsyihanudin
blogspot: https://rsyihanudin.blogspot.com/2016/01/distribusi-peluang-
kontinu_22.html