Distribusi Probabilitas
Diskrete Continous
Binomial Normal
Poisson
• Data Diskrete : Data diskrit digunakan untuk mengklasifikasikan
(menggolongkan) objek-objek amatan atau kejadian-kejadian dalam
kelompok, kategori atau klasifikasi tertentu dengan jalan menghitung
untuk menunjukan kesamaan atau perbedaan ciri-ciri tertentu dari objek.
• Contoh :Jumlah siswa laki-laki dan perempuan; Jumlah responden yang
menjawab ya atau tidak; Pengelompokan bunga berdasarkan warnanya;
Pengelompokan benda berdasarkan bentuk dan ukurannya
• Data kontinum (kontinyu) adalah data yang diperoleh dari hasil
pengukuran, yaitu data yang besarannya dapat menempati semua nilai
yang ada di antara dua titik.
• Contoh : Ketebalan kulit, waktu penyembuhan suatu penyakit,
temperature, Tinggi badan
Distribusi Probabilitas
Continous
Normal
Distribusi Normal
F (x)
µ= Mean
=Median= Mo
Ciri Distribusi Normal
• Bell shaped
• Simetris
• Mean, median dan modus equal
• Sebaran ditentukan oleh standar deviasi, σ
The Normal Probability Density Function
• Formula untuk menguji data yang terdistribusi normal :
1
F (x) = e – (1/2) (x- µ)/ 𝜎]2
2𝜋𝜎
• Dimana :
• e = the mathematical constant approximated by 2,71828
• 𝜋= the mathematical constant approximated by 3,14
• µ= rata-rata populasi
µ= 0
Contoh
• Jika X adalah distribusi normal dengan rata-rata 100,
dan SD = 50, maka nilai z untuk x = 200 adalah…
𝒙− µ 𝟐𝟎𝟎−𝟏𝟎𝟎
Z= = =2
𝝈 𝟓𝟎
= 50
100 200 X = µ= 100= 𝜎
= 1
0 2 Z = µ= 0= 𝜎
Notes: Distribusi nya sama, hanya skala yang berubah,. Kita dapat
menggambarkan masalah dalam satuan unit (x) atau dalam standar unit (z)
Menemukan Distribusi Normal
• Probabilitas diukur dengan area dibawah kurva
P (a ≤ x ≤ b)
a b
Probabilitas Area dibawah Kurva
• Area total dibawah kurva adalah 1.0 dan kurva merupakan kurva simetris,
jadi setengah diatas rata-rata dan setengah di bawah rata-rata
P = ( -∞ < 𝑥 < 𝜇 = 0,5 P = ( 𝜇 < 𝑥 < ∞ = 0,5
𝑇𝑦𝑝𝑒 𝑒𝑞𝑢𝑎𝑡𝑖𝑜𝑛 ℎ𝑒𝑟𝑒. 𝑇𝑦𝑝𝑒 𝑒𝑞𝑢𝑎𝑡𝑖𝑜𝑛 ℎ𝑒𝑟𝑒.
P = ( -∞ < 𝑥 < ∞ = 1
𝑇𝑦𝑝𝑒 𝑒𝑞𝑢𝑎𝑡𝑖𝑜𝑛 ℎ𝑒𝑟𝑒.
F (x) Aturan Secara Empiris
•
σ σ
𝑇𝑦𝑝𝑒 𝑒𝑞𝑢𝑎
x
µ -1 𝜎 µ µ −1 𝜎
𝑡𝑖𝑜𝑛 ℎ𝑒𝑟𝑒.
68,26%
F (x)
2𝜎 2𝜎
x
µ
95,44%
F (x)
3𝜎 3𝜎
x
µ
99,73%
The Standardized Normal Table
• Menggunakan tabel manual untuk mengetahui luas
kurva yang terdistribusi normal
• Contoh: Diketahui P (Z< 2,00)= 0,9722
0,9722
Z
0 2,0
Cont’ The Standardized Normal Table
Prosedur untuk Menemukan Probability
• Untuk menemukan P(a <x <b) ketika x terdistribusi
normal
1. Gambarlah kurva normal untuk x
2. Transform nilai x ke nilai z
3. Gunakan Tabel Standarisasi Normal
Contoh
• Jika diketahui x terdistribusi normal dengan rata-rata
8,0 dan SD 5,0, Carilah nilai P(x<8,6)
?
8,0 8,6
𝑥 − 𝜇 8,6−8,0
Z= = 5,0 = 0,12
𝜎
𝜇=8 𝜇=0
𝜎 = 10 𝜎=1
Z
X 0,1
0
8,0 8,6 2
P (Z< 0,12)
P (x <8,6)
Finding P (Z<0,12)
P (X< 8,6)
Z .00 .01 .02 = P (Z< 0,12)
0.0 .5000 .5040 .5080
= 0.5478
0.1 .5398 .5438 .5478
Z
0 0,12
Upper Tail Probabilities
• Jika x adalah normal dengan rata-rata 8,0 dan SD 5,0
• Carilah P (X>8,6)
?
8,0 8,6
P (x <8,6)
Cont’ Upper Tail Probabilities
1,000 1,000 −
0,547 0,5478 =
8 0,4522
Z
0,1 Z
0,1
0 0
2 2
P (Z< 0,12) P (Z< 0,12)
Probilitas diantara 2 nilai
• Jika x adalah normal dengan rata-rata 8,0 dan SD 5,0
• P (8<x< 8,6)
?
𝑥 − 𝜇 8−8
Z= = 5,0 =0
𝜎
8 8,6 X
𝑥 − 𝜇 8,6−8
Z= = 5,0 = 0,12 0 0,12 Z
𝜎
P (8< X<8,6)
0 0,12 Z
Probabilitas di Lower Tail
• Jika X normal dengan rata-rata 8.0 dan SD 5.0
• Carilah P (7.4 < X < 8)
7,4 8 X
Mencari nilai X untuk Probabilitas yang
diketahui
1. Carilah nilai Z untuk probabilitas yang diketahui
2. Konversikan ke dalam nilai X dengan formula :
X = 𝜇 + 𝑍𝜎
Cont’
• Jika X adalah normal dengan rata-rata 8,0 dan SD 5
• Tentukan nilai X jika hanya 20% di bawah nilai X
0,2000
? 8,0 X
0 Z
Tentukan Nilai Z untuk 20% di bagian bawah
1. Carilah nilai Z untuk probabilitas yang diketahui
Z .00 .03 .04 .05 0,2000
-0.9 …. .1762 .1736 .1711
-0.8 …. .2033 .2005 .1977
-0.7 …. .2327 .2296 .2266
8,0 X
-0,84 0 Z
X = 𝜇 + 𝑍𝜎