Kuswanto, 2012

Sebaran peluang kontinyu

 Sebaran Peluang kontinyu
 Sebagian besar kegiatan di alam ini mengikuti
sebaran kontinyu
 Salah satu sebaran kontinyu adalah sebaran
normal.
 Sebaran normal menjadi syarat untuk
dilakukan Analisis varian, dalam Perancangan
Percobaan.
 Contoh sebaran kontinyu : luas lahan, tinggi
tanaman, tebal lapisan olah tanah, bobot buah,
diameter batang, hasil panen dll
 Perbedaan dg sebaran diskrit
 Berbeda dengan sebaran peluang diskrit, apabila
X kontinyu, maka :
P(a< X  b) = P(a < X < b) + P (X=b)
= P (a < X < b)
 Dimana tidak ada bedanya apakah kita
memasukkan titik ujung selang atau tidak.
 Pada sebaran kontinyu tidak ditentukan batas
tegas antara titik b dan titik <b.
 Contoh : berapakah batas tegas antara 2 dan
kurang dari 2?? Tentu tidak dapat didefinisikan.
 Fungsi kepekatan

 Sebaran ini tak dapat disajikan dalam

bentuk tabel, tetapi dapat dalam bentuk
rumus yang dapat digambarkan sebagai
suatu kurva kontinyu dan disebut fungsi
kepekatan peluang atau disingkat
fungsi kepekatan
 Secara lengkap akan dijelaskan
kemudian
Sebaran Normal
 Sebaran NORMAL
 Sebaran peluang kontinyu yang paling penting
dalam bidang statistika adalah sebaran normal.
 Grafiknya disebut kurva normal, yaitu grafik
berbentuk genta (shape-bell) seperti yang
terlihat di bawah.
 Grafik ini digunakan banyak sekali untuk
gugusan data yang terjadi di alam, industri dan
penelitian.
 Bentuk persamaan kurva normal :
 Bentuk persamaan normal
( x )2
1 / 2
1 2
f(x) = e
2 2

untuk - < x < ,  = 3,14159, e = 2,71828

f(x)

bentuk kurva normal

(shape-bell)

Dibidang pertanian, kita akan lebih sering menerapkan rumus tersebut.

Yang tertarik mempelajari asal usul rumus tersebut, dapat membaca di
buku-buku statistika
 Ciri kurva normal

 ada 2 parameter, yaitu 

(mean) dan 
(sigma=standar deviasi)
μ -σ μ μ+σ  grafiknya disebut kurva
normal  lihat gambar
dibawah
Distribusi normal Ciri :
dituliskan dengan - simetris terhadap μ
X ~ N (μ, σ) - mempunyai titik belok x =
Dibaca : X menyebar normal, dengan μ+σ
rerata mu dan standar deviasi sigma
 Distribusi normal baku
 Fungsi normal juga sudah ditabelkan,
tetapi khusus untuk μ=0 dan σ=1.
 Dapat diakses darin internet, atau dari
buku statistika.
 Distribusi normal dengan mean 0 dan
standar deviasi 1 disebut Distribusi
Normal Baku dan diberi notasi Z~N(0,1)
dan Z = (x- μ)/σ
 Yang tersedia tabel P(Z ≤ zo)
Gambar distribusi Z (normal baku)
Luas kurva distribusi normal baku

-1 0 +1

Mengingat distribusi normal mempunyai sifat

simetris dan luas dibawah kurva sama dengan 1,
maka P(Z ≤ 0) = P(Z ≥ 0) = 0,5
Contoh tabel normal
 Contoh :
 a. Hitung peluang P(Z<1,37) dan P(Z>1,37)
 Dengan melihat tabel kurva normal
 P(Z<1,37) = 0,9147 artinya peluang terjadinya Z<1,37
adalah 0,9147
 P(Z>1,37) = 1 - P(Z<1,37)
= 1 - 0,9147
= 0,0853 artinya peluang terjadinya Z>1,37
adalah0,0853

0.0853
0,9147

1,37
b. P(-1,55 ≤ Z ≤ 1,60) = P(Z ≤1,60) - P(Z ≤-1,55)
= 0,9452 - 0,0606 = 0,8846 (apa artinya?)

0,8846

-1,55 1,60

c. Tentukan harga Zo sedemikian hingga

P(Z>Zo) = 0,025
Dengan cara dibalik, maka
P(Z ≤ Zo) = 1 - 0,025 = 0,975 (apa artinya?)
Dicari di tabel (ingat soal dibalik)  Zo = 1,96
 Normal baku
 Karena Distribusi normal X ~ N (μ, σ) dengan
transformasi menjadi baku
Z = x-μ maka Z ~ N (0,1)
σ

 Soal d. Rata-rata kalori humburger yang

dihidangkan untuk makan siang adalah 200 dengan
standar deviasi 5. Bila kalori mengikuti distribusi
normal, tentukan : P(X>208) dan P(190< x <200)
 Jawab:
P(x>208) = P[(x-200)/5] > (208-200)/5]
= P(Z>1,6)
= 1 - P(Z ≤ 1,6) = 1 - 0,9452 = 0,0548 (artinya
peluang kalori humberger >208 kal adalah 0,0548)
 Soal kedua
P(190< x <200) = P[(190-200)/5 <
(x-200)/5 < (200-200)/5]
= P(-2 < Z < 0)
= 0,5 - P(Z<-2)
= 0,5 - 0,0228 = 0,4772
(apa artinya?)
 Bila diambil contok acak n
 Dari teorema limit pusat, misalkan diambil
contok acak berukuran n dari suatu populasi
yang mempunyai mean μ dan standar deviasi σ,
maka
x1+ x2 + x3 + …+ xn
x = -----------------------------------
n
 akan mempunyai distribusi normal dengan mean
μ dan varian σ²/n
 Dalam praktek n  ∞, dapat didekati untuk n ≥
30.
 Teorema limit pusat ini membuat peranan
distribusi normal menjadi penting.
Dengan pengambilan contoh acak n, maka bentuk
kurva normal dapat dilukiskan sebagai :

μ-σ/n μ μ+σ/n
titik belok titik belok

σ biasanya juga tidak diketahui

dan bisa diduga s (standar deviasi contoh)
 Contoh :
 Suatu populasi mempunyai rata-rata = 82 dan standar
deviasi =12. Diambil contoh acak sebanyak n = 64.
Tentukan P(80,8 ≤x ≤ 83,2) dan P(x > 93,2).
 Menurut teorema limit pusat x ~ (82,144/64)
dimana μ = 82 dan σx = σ/√n = 12/8 = 1,5, maka

P(80,8 ≤x ≤ 83,2) = P[(80,8-82)/1,5 ≤ (x -82)/1,5 ≤

(83,2-82)/1,5]
= P(-1,2/1,5 ≤ Z ≤ 1,2/1,5)
= P(-0,8 ≤ Z ≤ 0,8)
= P(Z ≤ 0,8) - P(Z ≤ -0,8)
= 0,7881 - 0,2119
= 0,5762
(peluang rerata 80,8 ≤x ≤ 83,2 adalah 0,5762)
 P(x > 93,2) = P[(x-82)/1,5 > (93,2-82)/1,5]
= P(Z> 11,2/1,5)
= P(Z > 7,46)
= 1 - P(Z ≤ 7,46)
=1-1=0
(apa artinya?)
 Persentase data
untuk distribusi normal
The Normal Distribution:

68.27%

95.44%
f

99.73%

3 2   2 3
X
There is an equation which describes the height of
the normal curve in relation to its standard dev ()
Normal distribution with σ = 1, with varying means

μ=0 μ=1 μ=2

ƒ

-3 -2 -1 0 1 2 3 4 5

If you get difficulties to keep this term,

read statistics books
Normal distribution with μ = 0, with varying standard
deviations
σ=1

σ = 1.5
ƒ

σ=2

-5 -4 -3 -2 -1 0 1 2 3 4 5
Exercise!
Exercises, normal distribution
1. For the standard normal random variable Z, find
P(Z < 0,42),
P(-1,2 < Z < 2,1),
P(Z < 1,64)
2. Find z-value in each of the following cases :
P( Z < z ) = 0,1736
P(Z > z ) = 0,10
P(-z < Z < z) = 0,954
P(-0,6 < Z < z ) = 0,50
3. Scores on certain nationwide college
entrance examination follow a normal
distribution with a mean of 500 and a
standard deviation of 100. Find the
probability that a student will score :
Over 650
Less than 250
Between 325 and 675
 Soal
4. Sebuah perusahaan alat listrik memproduksi
bohlam yang umurnya menyebar normal
dengan nilai tengah 800 jam dan simpangan
baku 40 jam. Hitunglah peluang sebuah
bohlam hasil produksinya akan mencapai
umur antara 778 dan 834 jam. Tunjukkan luas
daerahnya dalam gambar sebaran normal.
5. Find normal distribution cases in your daily
needed, at least 2 cases. You must be explain
it completely, consist of stetement, sample of
data and the figure illustration. Write all in
English fluently.