Anda di halaman 1dari 49

DISTRIBUSI PROBABILITAS

MATA KULIAH : STATISTIKA PERTANIAN

Oleh : Vita Mukti, SP., M.Agr


Capaian Pembelajaran Khusus

• Mahasiswa mampu menentukan


probabilitas, distribusi probabilitas,
distribusi sampling dan mengaplikasikan
dalam bidang pertanian.
DISTRIBUSI PROBABILITAS

DISTRIBUSI PROBABILITAS DISKRIT

DISTRIBUSI PROBABILITAS KONTINU

DISTRIBUSI SAMPLING
DISTRIBUSI PROBABILITAS

• Kunci aplikasi probabilitas dalam statistik adalah


memperkirakan terjadinya peluang/probabilitas yang
dihubungkan dengan terjadinya peristiwa tersebut
dalam beberapa keadaan.
• Jika kita mengetahui keseluruhan probabilitas dari
kemungkinan outcome yang terjadi, seluruh
probabilitas kejadian tersebut akan membentuk suatu
distribusi probabilitas.
• DISTRIBUSI PROBABILITAS menunjukkan hasil-
hasil yang mungkin terjadi dari percobaan dan
probabilitas dari setiap hasil yang bersangkutan.
KONSEP VARIABEL RANDOM

• Variabel random/acak adalah sebuah fungsi yg mengaitkan sebuah bilangan


real dengan setiap elemen di ruang sampel.
• Notasi X: variabel randomnya disebut var random krn nilai yang akan muncul
bersifat random (tdk dapat diduga sebelumnya)
x: salah satu nilai X yang mungkin

Contoh:
Dalam pelemparan mata uang, ada dua kejadian yg mungkin: gambar (G) dan
Angka (A). percobaan dilakukan dengan melempar 3 mata uang. Misal didefinisikan
variabel randomnya adalah banyak G dalam pelemparan mata uang tersebut. Maka
ruang sampelnya: S = {GGG,GGA,GAG,GAA, AGG,AGA,AAG,AAA}

X adalah fungsi yang menyatakan banyaknya G dalam pelemparan mata uang


tersebut. jadi X bisa mengambil nilai : 0,1,2,3.
X adalah contoh Variabel (fungsi) random.
S = {GGG,GGA,GAG,GAA, AGG,AGA,AAG,AAA} – ruang sample
X={ 3 ,2 , 2 ,1 , 2 ,1 ,1 ,0} - variabel random
Variabel random : jumlah yang dihasilkan dari percobaan,
dimana peluang terjadinya muncul secara acak (nilai-nilai yang
berbeda)

• Variabel random diskrit :


variabel random yang hanya dapat mengasumsikan nilai
pasti yang terpisah secara jelas.
ciri : jika nilai hasilnya berupa bilangan bulat
Contoh: Jumlah bayi lahir berbobot minimal 3 kg, Jumlah
mahasiswa asli Yogyakarta, Jumlah karyawan yang hadir,
Jumlah sapi di desa A, Banyak tanaman teki di suatu petak

• Variabel random kontinu :


variabel random yang dapat berupa satu dari sekian banyak
nilai yang jumlahnya tak hingga
Ciri : jika nilai hasilnya berupa bilangan real
– Contoh: hasil pengukuran Panjang daun, Tinggi
tanaman, Bobot kambing, Kadar air, Absorbansi
senyawa kimia
DISTRIBUSI PROBABILITAS
• Tiap nilai sebuah variabel random memiliki probabilitas tertentu
untuk muncul.
• Contoh:
– Melempar 3 mata uang (tiap kali Gambar, Angka). Misal
didefinisikan variabel randomnya X : banyak G dalam
pelemparab tsb. Maka ruang sampelnya:
S = {GGG,GGA,GAG,GAA, AGG,AGA,AAG,AAA}
X = { 3 ,2 , 2 , 1 , 2 ,1 ,1 ,0}

x=0  {AAA}  P(X=0) = 0


x=1  {GAA,AGA,AAG}  P(X=1) = 3/8
x=2  {GGA,GAG,AGG}  P(X=2) = 3/8
x=3  {GGG}  P(X=3) = 1/8
Tabel distribusi
probabilitas Distribusi Probabilitas

x P(x) 0.5
0.375 0.375
0.4
0 0

Probabilitas
0.3
1 3/8 0.2
0.125
0.1
2 3/8 0
0
0 1 2 3
3 1/8 X (banyak G)
RATA-RATA DISTRIBUSI PROBABILITAS

• Rata-rata merupakan suatu nilai yang


digunakan untuk mewakili letak pemusatan
distibusi probabilitas
• Nilai rata-rata merupakan nilai rata-rata jangka
panjang dari variabel acak
• Nilai perkiraan/nilai yang diharapkan

µ = ∑{x.P(x)}
Dimana x : variabel randomnya
p(x) : probabilitas dari nilai x
Contoh
• Hasil survey dari 40 petani yang akan menanam padi pada musim tanam ini :
- 10 petani menyatakan tanaman padi akan aman terhadap serangan hama wereng
dan perkiraan keuntungan yang akan diperoleh mencapai 6 juta rupiah.
- 20 petani menyatakan serangan hama wereng pada tanaman padi dalam kategori
sedang dan perkiraan keuntungan yang akan diperoleh 5 juta rupiah
- Sisanya menyatakan serangan hama wereng akan tinggi dan keuntungan yang
akan diperoleh hanya 4 juta rupiah.
Berapa perkiraan rata2 keuntungan petani yang akan diperoleh dalam musim
tanam ini?
kondisi penyerangan
Laba (000) Pendapat Peluang Terjadi
hama wereng pada
(x) Subjektif P(x)
padi
Aman 6000 10 10/40 = 0,25
Sedang 5000 20 20/40 = 0,50
Tinggi 4000 10 10/40 = 0,25
Jumlah 40 1,00
Jawab :
kondisi penyerangan
Laba (000) Pendapat Peluang Terjadi
hama wereng pada
(x) Subjektif P(x)
padi
Aman 6000 10 10/40 = 0,25
Sedang 5000 20 20/40 = 0,50
Tinggi 4000 10 10/40 = 0,25
Jumlah 40 1,00

• Berapa rata-rata /perkiraan laba yang akan diperoleh petani?

kondisi
Laba (000) Peluang Terjadi Laba x peluang
penyerangan hama
x P(x) x . p(x)
wereng pada padi

Aman 6000 0,25 1500


Sedang 5000 0,50 2500
Tinggi 4000 0,25 1000
Jumlah 1,00 5000

• Jadi rata-rata /perkiraan laba yang akan diperoleh petani adalah Rp.5.000.000,-
VARIANSI, STANDAR DEVIASI DAN
KOEFISIEN VARIASI DISTRIBUSI
PROBABILITAS
• merupakan suatu nilai yang digunakan untuk
menggambarkan jumlah sebaran dalam
distribusi probabilitas

  {(x - µ) P(x)}
2 2

   2 
CV 

Dimana x : variabel randomnya
p(x) : probabilitas dari nilai x
kondisi Peluang Laba x (laba - rata2)2 x
Laba laba - rata2 (laba - rata2)2
penyerangan Terjadi peluang peluang
hama wereng
pada padi
x P(x) x.p(x) (x-µ) (x-µ)2 (x-µ)2 .P(x)
Aman 6.000.000 0,25 1.500.000 1.000.000 1.000.000.000.000 250.000.000.000
Sedang 5.000.000 0,50 2.500.000 0 0 0
Tinggi 4.000.000 0,25 1.000.000 -1.000.000 1.000.000.000.000 250.000.000.000
Jumlah 1 5.000.000 500.000.000.000

Maka variansi nya adalah Rp. 500.000.0000.000 dan standar


deviasinya adalah 707.107
Koefiesien variasinya adalah 100.000
Latihan soal
•Distributor pupuk menjual pupuk terbanyak saat musim tanam tiba.
Distribusi probabilitasnya adalah sebagai berikut:
Jumlah pupuk P(x)
yang terjual
(ton)
0 0,10
1 0,20
2 0,30
3 0,30
4 0,10

•Berapa perkiraan banyak pupuk yang terjual dalam satu musim?


•Berapa perkiraan banyak pupuk yang terjual selama setahun dengan
asumsi satu tahun tiga kali musim tanam?
•Berapa variansi distribusinya?
DISTRIBUSI PROBABILITAS
DISKRIT

DISTRIBUSI PROBABILITAS BINOMIAL

DISTRIBUSI PROBABILITAS
HIPERGEOMETRIS

DISTRIBUSI PROBABILITAS POISSON


DISTRIBUSI PROBABILITAS
BINOMIAL
Karakteristik :
1. Hasil dari setiap percobaan mempunyai dua
kemungkinan yang saling lepas contoh: sukses
atau gagal, laki-laki atau perempuan, naik atau
turun,dll.
2. Probabilitas sukses atau gagal tetap sama pada
setiap percobaan. P(S) = p dan P(T)=q tetap
untuk setiap trial dengan p+q=1
3. Variabel random binomial x adalah jumlah
sukses dalam n trial.
4. Percobaan saling lepas/bebas artinya hasil dari
tiap percobaan tidak mempengaruhi hasil dari
percobaan lainnya.
Distribusi Probabilitas untuk variabel random
Binomial adalah :

n x n!
p( x) n C x p (1  p) x
n Cx 
x!(n  x)!

Rata rata dan variansi distribusi binomial :

  np   np(1  p)
2

n  jumlah percobaan
x  variabel random yang diartikan jumlah keberhasil an
p  probabilit as keberhasil an pada setiap percobaan
Untuk Distribusi Probabilitas Binomial kumulatif adalah :

c
p ( x  c)   {n C x p (1  p) x n x
}
x 0

Untuk peristiwa lainnya ditranfer dalam bentuk :


P(x=a) =P(x≤a) – P(x≤(a-1))
P(a≤x≤b) = P(x≤b) – P[(x≤(a-1)]
P(x>c) = 1 – P(x≤c).
Contoh :
Kelompok tani Melon Laren mengirim buah melon hasil panennya
ke supermarket A. Buah yang dikirim 90% diterima dan sisanya
ditolak. Setiap hari 15 buah dikirim ke supermarket A. Berapa
peluang 10 buah diterima dan peluang 13 buah diterima?

Jawab: p(10)15 C10 (0,9)10 (1  0,9)1510


P(s) = p = 0,9 15!
n = 15
 (0,9)10 (0,1) 4
10!(15!-10!)
P(10)=….?
 (3003) (0,3486) (0,00001)
P(13)=….?
 0,01
p( x) n C x p x (1  p) n  x
p (13)15 C13 (0,9)13 (1  0,9)1513
Untuk mencari nilai distribusi binomial
15! dapat menggunakan tabel distribusi
 (0,9)13 (0,1) 2
13!(15!-13!) binomial dengan n=15; di mana X =10,
dan X = 13 dengan P(s)= 0,9 dan dapat
 (105) (0,254) (0,01) diperoleh nilai 0,01 dan 0,267
 0,267
MENGGUNAKAN MS EXCEL UNTUK
DISTRIBUSI BINOMIAL
• Buka ms.excel
MENGGUNAKAN MS EXCEL UNTUK
DISTRIBUSI BINOMIAL
• klik icon
formula
• Lalu klik icon
fx atau insert
function
• pilih menu
statistical
pada
function
category
MENGGUNAKAN MS EXCEL UNTUK
DISTRIBUSI BINOMIAL
• pilih menu
Binomdist
pada
function
name,
tekan OK.
MENGGUNAKAN MS EXCEL UNTUK
DISTRIBUSI BINOMIAL

Nilai P(x)
akan
muncul
pada baris
Formula
result atau
tanda (=)

keluar kotak BINOMDIST


Number_s : ………… (masukkan nilai X)
dialog seperti Trials : ……….. (masukkan nilai n)
berikut : Probability : ………… (masukkan nilai p)
Cumulative: ………… (tulis kata False)
DISTRIBUSI PROBABILITAS
HIPERGEOMETRIK
Karakteristik :
1. Hasil dari setiap percobaan mempunyai dua
kemungkinan yaitu sukses atau gagal.
2. Variabel random hipergeometrik x adalah jumlah
sukses dalam n trial
3. probabilitas keberhasilan berubah pada setiap
percobaan
4. Sampel random sebanyak n elemen diambil dari
populasi N tanpa pengembalian elemen dimana :
– s elemen dikatergorikan sukses
– N–s elemen dikategorikan sebagai gagal
5. Besaran sampel n lebih dari 5% dari besaran populasi
N yaitu n/N>0,05 .
LATIHAN
Kecepatan perusahaan utilitas dapat meyelesaikan permasalahan
sangatlah penting. Sebuah perusahaan A melaporkan dapat
menyelesaikan permasalahan pelanggan di hari yang sama adalah 70%
dari kasus-kasusnya. Anggaplah ada 15 kasus yang dilaporkan hari ini
mewakili seluruh pengaduan.
a. Berapa banyak permasalahan yang anda perkirakan dapat
diselesaikan hari ini?
b. Berapa standar deviasinya?
c. Berapa probabilitas 10 permasalahan yang dapat diselesaikan hari
ini?
d. Berapa probabilitas 10 atau 11 permasalahan yang dapat
diselesaikan hari ini?
e. Berapa probabilitas lebih dari 10 permasalahan yang dapat
diselesaikan hari ini?
Distribusi probabilitas hipergeometrik :

P( x) 
 s C x  N  s Cn  x 
 N Cn 
Rata rata dan variansi distribusi hipergeometrik:

s  s  N  s  N  n 
 n    n 
2
 
N  N  N  N  1 
N  jumlah populasi
n  jumlah sampel atau percobaan
x  jumlah keberhasil an pada sampel
S  jumlah keberhasil an pada populasi
Contoh :
Seorang sales pupuk harus menyinggahi distributor/kelompok tani
di enam kecamatan secara acak dari 10 kecamatan di kabupaten
Gresik selama perjalanannya. Enam dari kecamatan-kecamatan
tersebut mampu menjual produk nya diatas target yang
direncanakan, sedangkan empat kecamatan lainnya tidak mampu
menjual produk nya diatas target yang direncanakan. Berapa
probabilitas bahwa empat kota yang disinggahinya mampu menjual
produknya diatas target yang direncanakan?

Jawab : P( x) 
 s C x  N  s Cn  x 
n=6  N Cn 
N=10  C 
 6 4 10 6 6  4
C 
S=6
x=4
10 C6 
 C  C 
 6 4 4 2
10 C6 

156 
 0,43
210
MENGGUNAKAN MS EXCEL UNTUK
DISTRIBUSI HIPERGEOMETRIK
• Buka ms.excel
• klik icon formula
• Lalu klik icon fx atau insert function
• pilih menu statistical pada function category
• Pilih menu HYPGEOMDIST pada function name, tekan OK
• Setelah tekan OK, maka akan keluar kotak dialog seperti
berikut: HYPGEOMDIST
Sampel_s : ………… (masukkan nilai r)
Number_sampel : ……….. (masukkan nilai n)
Population_s : ………… (masukkan nilai S)
Number_pop : ………… (masukkan nilai N)

• Nilai P(x) akan muncul pada baris Formula result atau


tanda (=)
LATIHAN
• Sebuah perusahaan budidaya memiliki 15 tractor yang
digunakan untuk mengolah lahannya. Dari 15 tractor
tersebut, 6 memiliki permasalahan rem. Sampel berupa 5
tractor dipilih secara acak. Berapa probabilitas bahwa 2
diantaranya telah teruji memiliki rem yang rusak?
Distribusi Poisson
Karakteristik :
1. Percobaan terdiri dari sejumlah kejadian yang muncul/terjadi
selama rentang tertentu(peluang suatu kejadian yang jarang terjadi).
Rentang tersebut dapat berupa waktu, luas, jarak atau volume.
2. Probabilitas kejadian sama dengan ukuran rentang
3. Jumlah kejadian dalam rentang adalah independen (saling bebas
dan tidak ada pengulangan).

x 
Rumus :
P( x) 
 e
x!
  rata  rata dari kejadian berhasil pada suatu rentang
e  konstanta 2,71828 (basis dari sistem logaritma Napier)
x  jumlah kejadian berhasil
Rata rata dan variansi distribusi poisson:

  np  2

Probabilitas Poisson komulatif

x 
P( x)  
c
 e
x 0 x!

Apabila pada distribusi probabilitas binomial n besar dan p


atau q sangat kecil (mendekati nol) yaitu n ≥ 30 dan np <5
atau nq < 5 maka dapat dikerjakan dengan pendekatan
poisson.
Contoh :
Diketahui probabilitas untuk terjadi shock pada saat imunisasi
dengan vaksinasi meningitis adalah 0,0005. Kalau di suatu kota
jumlah orang yang dilakukan vaksinasi sebanyak 4000
orang.Hitunglah peluang tepat tiga orang akan terjadi shock!

Jawab :
p = 0,0005
n= 4000
P(3) =…..?
x 
P( x) 
 e
x!
  np
P(3) 
2 3
2,71828 2
 (4000)(0,0005) 3!
2  0,1804
MENGGUNAKAN MS EXCEL UNTUK
DISTRIBUSI POISSON
• Buka ms.excel
• klik icon formula
• Lalu klik icon fx atau insert function
• pilih menu statistical pada function category
• Pilih menu POISSON pada function name, tekan OK
• Setelah tekan OK, maka akan keluar kotak dialog seperti
berikut:
POISSON
X : ………… (masukkan nilai x)
Mean : ……….. (masukkan nilai )
Cumulative : ………… (tulis FALSE)

• Nilai P(x) akan muncul pada baris Formula result atau


tanda (=)
LATIHAN
• Diperkirakan bahwa sebanyak 0,5 persen dari penelepon
bagian layanan konsumen perusahaan akan menerima
sinyal sibuk. Berapa probabilitas bahwa dari 1200
penelepon hari ini, sedikitnya 5 diantaranya menerima
sinyal sibuk?
• Terdapat lima distributor pupuk di wilayah Gresik bagian utara.
Anggaplah probabilitas keterlambatan ketersediaan pupuk setiap
distributor adalah 0,20.
– Berapa probabilitas tidak satupun dari distributor yang terlambat pada
musim tanam ini?
– Berapa probabilitas bahwa satu dari distributor tersebut terlambat pada
musim ini?

• Petani kacang bogor didaerah A berjumlah 50 petani. 40 diantaranya adalah


anggota kelompok tani. Lima petani dipilih secara acak untuk membentuk
kepanitiaan untuk bertemu dengan Kepala BGRC Unmuh Gresik mengenai
program pengembangan kacang bogor. Seorang petani hanya dapat dipilih
sekali untuk kepanitian. Berapa probabilitas empat dari lima yang terpilih
adalah anggota kelompok tani?

• BGRC baru-baru ini mengembangkan susu bambara. Mereka menguji


sekelompok orang berjumlah 10 orang. Enam diantaranya menyatakan
suka denga rasa susu bambara dan empat sisanya menyatakan tidak suka.
Empat dari 10 dipilih untuk ikut serta dalam wawancara mendalam dengan
BGRC. Berapa probabilitas bahwa orang-orang yang terpilih pada
wawancara, dua diantaranya menyukai rasanya dan dua lainnya tidak?
DISTRIBUSI PROBABILITAS
KONTINU

DISTRIBUSI PROBABILITAS NORMAL


DISTRIBUSI PROBABILITAS
NORMAL
• Distribusi probabilitas kontinu yang
terpenting adalah distribusi normal
dan grafiknya disebut kurva normal.
• Variabel random X yang
distribusinya berbentuk seperti
lonceng disebut variabel random
normal.
DISTRIBUSI NORMAL MEMEGANG
PERANAN PENTING DALAM STATISTIK

Disebabkan 2 hal :
1. Mempunyai beberapa sifat yang
memungkinkan untuk dipergunakan
dalam pengambilan kesimpulan dari
hasil sampel.
2. Sangat sesuai dengan distribusi
frekuensi empiris. semua peristiwa
dalam alam akan membentuk distribusi
ini, sehingga disebut distribusi normal
DISTRIBUSI PROBABILITAS
NORMAL
Karakteristik distribusi probabilitas normal :
1. Kurva berbentuk genta/lonceng (µ= Md= Mo)
2. Luas daerah di bawah kurva adalah 1; ½ di sisi kanan,
nilai tengah dan ½ di sisi kiri.
3. Kurva berbentuk simetris dan asymptotic
simetris : jika kurva normal dipotong secara tegak pada nilai
tengahnya kedua bagian akan menjadi bayangan cermin.
asymptotic : kurva semakin mendekati sumbu x tetapi tidak
menyinggungnya, ekor kurva memanjang dengan tak terbatas pada
kedua arahnya
4. Kurva mencapai puncak/maksimum pada saat X= µ


5. Letak distribusi normal ditentukan µ. Sebaran distribus
ditentukan
Bentuk distribusi normal ditentukan oleh µ dan 
Bila X suatu pengubah acak normal
dengan nilai tengah , dan standar
deviasi , maka persamaan kurva
normalnya adalah:
 ( x )2 
 2 
1   
P( x)  e 2

 2

Untuk -<X<
di mana  = 3,14159
e = 2,71828
DISTRIBUSI PROBABILITAS NORMAL BAKU

• Distribusi Normal Baku yaitu distribusi probabilitas acak


normal dengan nilai tengah nol dan standar deviasi 1
• Distribusi normal apapun dapat diubah menjadi
distribusi probabilitas normal baku yaitu dengan
mentransformasikan nilai x ke z

Transformasi dari X
ke Z

X  Z = Skor Z atau nilai normal baku


z X = Nilai dari suatu pengamatan atau pengukuran
 = Nilai rata-rata hitung suatu distribusi
= Standar deviasi
ATURAN EMPIRIS
Luas di bawah kurva normal

68%

95 %

Hampir semua

-3 -2 -1 =x +1 +2 +3


-3 -2 -1 Z=0 +1 +2 +3

• Luas antara nilai Z (-1<Z<1) sebesar 68% dari jumlah data


terletak di dalam satu standar deviasi dari rata-ratanya yaitu
µ ± 1σ
• Luas antara nilai Z (-2<Z<2) sebesar 95% dari jumlah data
terletak di dalam dua standar deviasi dari rata-ratanya yaitu
µ ± 2σ
• Hampir semua daerah /luas di bawah kurva normal terletak
di dalam tiga standar deviasi dari rata-ratanya yaitu µ ± 3σ
Contoh :
• PT. PW mengklaim rata-rata berat buah mangga “B” adalah 350
gram dengan standar deviasi 50 gram. Bila berat mangga mengikuti
distribusi normal, berapa probabilitas bahwa berat buah mangga
mencapai kurang dari 250 gram, sehingga akan diprotes oleh
konsumen?

• Jawab:
µ = 350
σ = 50
P(x<250) =….?
250  350 Jadi probabilitas di bawah 250 gram
z  2 adalah 0,0228 (2,28%). Dengan kata
50 lain probabilitas konsumen protes
karena berat buah mangga kurang
P(x<250) = P(z<-2)
dari 250 gram adalah 2,28%.
lihat tabel P(z<-2,00)=0,4772
Maka nilai P(x<250)= 0,5 - 0,4772=0,0228.
PENDEKATAN NORMAL TERHADAP
BINOMIAL
• Distribusi normal dapat digunakan sebagai pengganti
distribusi binomial pada nilai n yang besar.
• semakin besarnya nilai n pada distribusi binomial, maka
semakin mendekati nilai distribusi normal
0.6

0.5

0.4

0.3

0.2

0.1

0
0 1 r 0 1 2 3 r 0 2 4 6 8 10 12 14 16 18 20 r

Pendekatan normal terhadap binomial dapat digunakan ketika np dan


n(1 - p) keduanya sedikitnya 5
PENDEKATAN NORMAL TERHADAP
BINOMIAL
Bila nilai X adalah distribusi acak binomial dengan =np dan =npq,
maka nilai Z untuk distribusi normal adalah:

X  np
z
npq
di mana n  dan nilai p mendekati 0,5

Untuk mengubah pendekatan dari binomial ke normal,


memerlukan aturan/penyesuaian berupa faktor koreksi yaitu
menambahkan atau mengurangkan variabel X dengan 0,5.
Jika berada di batas bawah (kiri) variabel X dikurangi 0,5
Jika berada di batas atas (kanan) variabel X ditambah 0,5
Contoh :
• Adi merupakan pedagang buah di Gresik. Setiap hari ia membeli
300 kg buah di Pasar Induk Osowilangun, Surabaya. Probabilitas
buah tersebut laku dijual dalah 80% dan 20% kemungkinan tidak
laku dan busuk. Berapa probabilitas buah sebanyak tidak lebih dari
250 kg laku dan tidak busuk ?

Jawab :
 = np = 300 x 0,80 = 240
n = 300
 =  Npq =  300 x 0,80 x 0,20 = 6,93
P = 0,8 X = 250, dan dikurangi faktor koreksi 0,5 sehingga
q = 0,2 X = 250 – 0,5 = 249,5
P(x<250)=…..? Z = (249,5 – 240) / 6,93 = 1,37
P (Z=1,37) = 0.4147

Jadi probabilitas laku adalah 0.5 + 0.4147 = 0.9147


Dengan kata lain harapan buah laku 250 kg adalah 91.47%
Berapa probabilitas banyak buah yang laku dan tidak busuk antara 230 kg
sampai dengan 250 kg?
soal
suatu data tentang hasil panen padi yang dihasilkan 300 orang
petani menyebar mengikuti distribusi normal dengan nilai tengah 50
ku/ha dan simpangan baku = 20. Berdasarkan informasi ini, carilah:
a. Peluang petani menghasilkan panen padi antara 50 sampai 60
(ku/ha)
b. Banyaknya petani yang mempunyai hasil panen padi antara 50
sampai 60 (ku/ha)
c. Peluang hasil panen padi lebih dari dari 75 (ku/ha)
d. Banyaknya petani yang mempunyai hasil panen lebih dari 75
(ku/ha)

Anda mungkin juga menyukai