Disusun Oleh:
Kelompok 6
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.
Untuk mencari luas, hasilnya selalu sama dengan 1,00. dengan kata lain, total luas pada
distribusi probabilitas kontinu sama dengan 1,00. Secara Umum :
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
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
Contoh soal :
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.
RUMUS:
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
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.
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.
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.
Distribusinya tidak negatif, asimetris positif, menurun secara mantap ke sebelah kanan, dan
asymptotic.
Apa Itu Distribsi Normal ? Pengertian dan Contoh 2023. (2023). Retrieved from revou.co:
https://revou.co/kosakata/distribusi-normal
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