STATISTIKA II

3 sks
DISTRIBUSI NORMAL
Pertemuan 6

IR.SUMIARTI ANDRI M.KOM

INFORMATIKA
INSTITUT TEKNOLOGI INDONESIA
 Distribusi Normal
Distribusi probabilitas yg terpenting dalam statistik adalah
distribusi normal atau Gaussian.
Fungsi rapat probabilitas variabel random X dengan mean μ dan
variansi σ yang memiliki distribusi normal adalah:
2

1
1  ( x )2
n( x;  ,  )  2 2
e
2 
n(x)

0.3

0.25

0.2

0.15 σ
0.1

0.05

0
-6 -4 -2 0 2 4 6
x

μ
 Contoh Distribusi Normal
Contoh variabel random yg memiliki distribusi normal
misalnya:
• distribusi error dalam pengukuran
• pengukuran dalam meteorologi
• pengukuran curah hujan
• sebagai pendekatan bagi distribusi binomial
• distribusi hipergeometrik, dan lainnya
 Sifat Distribusi Normal
1. Rata-ratanya (mean) μ dan standard deviasinya = σ
2. Mode (maximum) terjadi di x=μ
3. Bentuknya simetrik thd x=μ
4. Titik belok tepat di x=μ±σ
5. Kurva mendekati nol secara asimptotis semakin x jauh
dari x=μ
6. Total luasnya = 1
 Distribusi Normal : Sifat
Bentuk distribusi normal ditentukan oleh μ dan σ.

1 1
2
μ1 = μ2 σ1 > σ2 μ1 < μ2 σ1 = σ2

2
1

μ1 < μ2 σ1 < σ2
 Kurva Normal

0.4

0.3
dnorm(x)

0.2
0.1


0.0

-4 -2 0 2 4

x
7
 Distribusi Normal

0.5
0.4
0.3
dnorm(x, 5, 1)

1   2
12   22  1
0.2
0.1
0.0

0 2 4 6 8 10

Kurva normal dengan simpangan baku sama

8
 Distribusi Normal

1.5
1  0,12  0.25

1.0
dnorm(x, 0, 0.25)

2  0, 22  0.5
0.5

3  0, 32  0.75

4  0, 42  1
0.0

-4 -2 0 2 4

Kurva normal dengan rata-rata sama

9
 0.8
1  1,1  0.5

0.6
dnorm(x, 1, 0.5)

0.4
0.2
0.0 2  2, 2  1

-6 -4 -2 0 2 4

Kurva normal dengan mean dan standart deviasi

yang berbeda
10
 Luas di Bawah Kurva dan
Probabilitas

P(x1<x<x2) = probabilitas variabel random x memiliki

nilai antara x1 dan x2
P(x1<x<x2) = luas di bawah kurva normal antara x=x1
dan x=x2

x1 μ x2
 Luas di Bawah Kurva dan
Probabilitas

Mencari luas daerah dibawah kurva dihitung dengan rumus

integral :
P(a<=x<=b) =

Oleh karena perhitungan integral normal tsb sulit, maka

disusunlah tabel nilai distribusi probabilitas. Akan tetapi karena
nilai distribusi probabilitasnya tergantung pada μ dan σ maka
sangatlah tidak mungkin mentabelkan untuk semua nilai μ dan σ
 Kurva Distribusi Normal Baku

Distribusi normal Baku : distribusi normal dengan mean μ=0 dan

standard deviasi σ=1.
Transformasi z  x  

memetakan distribusi normal menjadi distribusi normal standard,

sebab distribusi normal dengan variabel z ini memiliki mean =0

dan standard deviasi = 1.

 Kurva DIstribusi Normal
Standard
Transformasi ini juga mempertahankan luas dibawah kurvanya, artinya:

Luas dibawah kurva distribusi normal antara x1 dan x2 = luas dibawah kurva

distribusi normal baku antara z1 dan z2

Dengan z1 = (x1-μ)/σ dan z2 = (x2-μ)/σ.

Sehingga cukup dibuat tabel distribusi normal baku kumulatif saja!

 Untuk mengatasi kesulitan menghitung integral.

Gunakan tabel distribusi normal baku (Z) yaitu distribusi normal

dengan   0 dan   1
2

Caranya menggunakan transformasi dengan rumus z  x


Setiap pengamatan perubah acak X dapat
ditransformasikan ke perubah acak Z dengan rata-rata 0 dan
variansi 1.
x
Jika X mendapat nilai padanannya diberikan oleh z .


15
• Untuk mengatasi kesulitan menghitung integral.

x1  
Jika X bernilai x  x1 dan x  x 2 maka perubah acak Z akan bernilai z1 
x2   
dan z 2   kemudian dinyatakan sebagai:

2
x2 1  x  z2
    z
1 2

 
1 2   1
P(x1  x  x 2 )  e dx  e 2 dx
2 2
x1 2 2
z1
z2

 n(z, 0,1) dx  P(z1  z  z 2 )
z1

16
 0.5
0.4
dnorm(x, 1, 0.75)

0.3
0.2
0.1
0.0

-4 -2 0 2 4
X1 x2
x

P(x1<x<x2) untuk kurva normal yang berbeda

17
 Definisi (6.1)
Distribusi perubah acak normal dengan rata-rata nol dan variansi 1 disebut
distribusi normal baku

0.8

0.4
0.6

0.3
dnorm(x, -1, 0.5)

dnorm(x, 0, 1)
0.4

0.2
0.2

0.1
0.0

0.0
-4 -3 -2 -1 0 1 2 -4 -2 0 2 4
x1 x2 z1 z
z2
P(x1  x  x 2 ) P(z1  z  z2 )

Distribusi normal asli dan yang telah ditransformasikan

P(x1  x  x 2 )  P(z1  x  z 2 )
18
 Contoh :
Diketahui suatu distribusi normal dengan   50dan   10
Carilah probabilitas untuk X antara 45 dan 62
Jawab :
z1  4550  0.5 z2  62 50  1.2 x1  45 dan x 2  62
10 10
P( 45  x  62)  P( 0, 5  z  1.2)

0.4
0.04

0.3
0.03

0.2
0.02

0.1
0.01

0.0
0.00

-4 -2 0 2 4

P( 0, 5  z  1.2)
0 20 40 60 80 100

P( 45  x  62)
Luas daerah contoh 6.1 19
Gunakan tabel distribusi normal standart, diperoleh:
P( 45  x  62)  P( 0, 5  z  1, 2) Dengan R
 P(z  1, 2)  P(z  0, 5) > pnorm(-0.5)
 0, 8849  0, 3085 [1] 0.3085375
 0, 5764
> pnorm(1.2)
Tabel 6.1. Luas daerah di bawah kurva normal [1] 0.8849303
z 0.00 ……… 0.04 …….. 0.09
:
:
-0.5 0.3085

0
:
:
1.2 0.8849
:
:
20
 Tabel Distribusi Normal
Standard Kumulatif

Z
-3.4
-3.3
-3.2
-3.1
-3.0
 Contoh: Hitung Luas
Pergunakanlah tabel distribusi normal baku untuk menghitung luas
daerah :
a) Di sebelah kanan z=1.84
b) Antara z=-1.97 s/d z=0.86

Jawab.
Ingat bahwa luas yg diberikan dalam tabel distribusi normal
kumulatif adalah luas dari z=-∞ s/d z0 tertentu: P(z<z0).
a) P(z>1.84) = 1 – P(z≤1.84) = 1 -0.9671 = 0.0329
b) P(-1.97 <z<0.86) = P(z<0.86) – P(z<-1.97) = 0.8051 – 0.0244 =
0.7807
 Contoh: Cari z
Carilah nilai z=k di distribusi normal baku sehingga
a) P(Z>k) = 0.3015
b) P(k<z<-0.18) =0.4197

Jawab:
a) P(Z>k) = 0.3015 berarti P(Z<k) = 1- P(z>k) = 1 – 0.3015
= 0.6985
Dari tabel terbaca luas ke kiri = 0.6985 adalah untuk
z=0.52.
 Contoh: Luas di bawah kurva
normal non standard
Contoh.
Variaber X terdistribusi normal dengan mean 50 dan standard deviasi =10.
Carilah probabilitas untuk menemukan X bernilai antara 45 dan 62?

Jawab.
Dalam soal ini μ = 50 dan σ=10. x1 = 45 dan x2 =62
Pertama kita mapping x ke z (melakukan normalisasi atau standardisasi):
z1 = (x1 -μ)/σ  z1 = (45-50)/10 = -0.5
z2 = (x2 -μ)/σ  z2 = (62-50)/10 = 1.2
Sehingga
P(45 <x< 62) = P(-0.5<z<1.2)
P(-0.5<z<1.2) = P(z<1.2) – P(z<-0.5) = 0.8849-0.3085=0.5764
Contoh
Contoh:
Sumiarti
Andri
Laboratorium Komputer ITI

Sumiarti Andri

Sumiarti.andri@gmail.com +81 29234100

28
Thank You for
Any Questions?
Watching!