DISTRIBUSI PELUANG KONTINU

Pengertian Distribusi Peluang Kontinu

Distribusi peluang kontinu adalah peubah acak yang dapat
memperoleh semua nilai pada skala kontinu. Ruang sampel
kontinu adalah bila ruang sampel mengandung titik sampel yang
tak terhingga banyaknya. Syarat dari distribusi kontinu adalah
apabila fungsi f(x) adalah fungsi padat peluang peubah acak
kontinu X yang didefinisikan di atas himpunan semua bilangan riil
R bila:
1. F ( x)  0 untuk semua x  R

2. 
f ( x)dx  1

3. P ( a  X  b )  

f ( x )dx
 MACAM2 DISTR KONTINU
• DISTRIBUSI NORMAL DAN NORMAL STANDAR
• DISTRIBUSI T STUDENT
• DISTRIBUSI CHI KUADRAT
• DISTRIBUSI F FISHER
 DITRSIBUSI NORMAL
• Distribusi normal, disebut pula distribusi Gauss, adalah distribusi
probabilitas yang paling banyak digunakan dalam berbagai analisis statistika.
Distribusi normal baku adalah distribusi normal yang memiliki rata-rata nol
dan simpangan baku satu. Distribusi ini juga dijuluki kurva lonceng (bell curve)
karena grafik fungsi densiti probabilitasnya mirip dengan bentuk lonceng.
• Distribusi normal memodelkan fenomena kuantitatif pada ilmu alam maupun
ilmu sosial. Beragam skor pengujian psikologi dan fenomena fisika seperti
jumlah foton dapat dihitung melalui pendekatan dengan mengikuti distribusi
normal. Distribusi normal banyak digunakan dalam berbagai bidang statistika,
misalnya distribusi sampling rata-rata akan mendekati normal, meski
distribusi populasi yang diambil tidak berdistribusi normal. Distribusi normal
juga banyak digunakan dalam berbagai distribusi dalam statistika, dan
kebanyakan pengujian hipotesis mengasumsikan normalitas suatu data.
Kurva Distribusi Normal

 x

Berdasarkan gambar di atas, distribusi Normal akan memiliki beberapa ciri

diantaranya:
a. Kurvanya berbentuk garis lengkung yang halus dan berbentuk seperti genta.
b. Simetris terhadap rataan (mean).
c. Kedua ekor/ ujungnya semakin mendekati sumbu absisnya tetapi tidak
pernah maemotong.
d. Jarak titik belok kurva tersebut dengan sumbu simetrisnya sama dengan σ
e. Luas daerah di bawah lengkungan kurva tersebut dari –  sampai +  sama
dengan 1 atau 100 %.
 SIFAT DISTRIBUSI NORMAL
Sebuah variabel acak kontinu X dikatakan memiliki distribusi
normal dengan parameter 𝜇 dan 𝜎 dimana − < 𝜇 < 
dan 𝜎𝑥 > 0 jika fungsi kepadatan probabilitas dari X adalah :

2
1  ( x2)
f ( x;  , )  e 2 π = 3.14159...
 2 e = 2.71828...

• Notasi N(,2)
•  : rata - rata
• 2 : varian:  : standar deviasi
• x : nilai perubah acak
Fungsi densitas probabilitas
 Probabilitas Normal Standar / Baku
Untuk menghitung probabilitas 𝑃(𝑎 ≤ 𝑥 ≤ 𝑏) dari suatu variabel acak
kontinu X yang terdistribusi secara normal dengan parameter 𝜇
dan 𝜎 maka persamaan (1) harus diintegralkan mulai dari 𝑥 = 𝑎
sampai 𝑥 = 𝑏.
Namun, tidak ada satupun dari teknik-teknik pengintegralan biasa
yang bisa digunakan untuk menentukan integral tersebut. Untuk
itu para ahli statistik/matematika telah membuat sebuah
penyederhanaan dengan memperkenalkan sebuah fungsi
kepadatan probabilitas normal khusus dengan nilai mean 𝜇 = 0 dan
deviasi standard 𝜎 = 1. Distribusi ini dikenal sebagai distribusi
normal standard (standard normal distribution). Variabel acak dari
distribusi normal standard ini biasanya dinotasikan dengan Z.
 DISTRIBUSI NORMAL STANDAR
1  z2
Sehingga diperoleh : f ( z;0,1)  e 2

2
Notasi N(,2)= N(0,1)
Distribusi normal variabel acak kontinu X dengan nilai-nilai
parameter 𝜇 dan 𝜎 berapapun dapat diubah menjadi distribusi
normal kumulatif standard jika variabel acak standard zx memenuhi
hubungan :

x Nilai 𝑧 dari variabel acak standard 𝑧

z sering juga disebut sebagai skor z dari
 variabel acak X.
Z=0.12
1. Diberikan distribusi normal baku, hitunglah daerah di bawah kurva yang
dibatasi:
(a) sebelah kanan z = 1.84
(b) antara z = -1.97 dan z = 0.86
2. Diberikan distribusi normal dengan μ = 50 dan σ = 10, hitunglah peluang x
terletak antara 45 dan 62.
3. suatu distribusi normal dengan μ = 40 dan s = 6, carilah x sehingga:
(a) luas di sebelah kirinya 45%
(b) luas di sebelah kanannya 14%
Latihan 1. Suatu jenis batere mobil rata-rata berumur 3,0 tahun dengan
simpangan baku 0,5 tahun. Bila dianggap umur bater berdistribusi normal,
carilah peluang suatu batere berumur kurang dari 2,3 tahun.

Latihan 2. Suatu perusahaan listrik menghasilkan bola lampu yang umurnya

berdistribusi normal dengan rataan 800 jam dan simpangan baku 40 jam,
Hitunglah peluang suatu bola lampu dapat menyala antara 778 dan 834 jam.

Latihan 3. dari 200 orang mahasiswa yang mengikuti ujian Kalkulus di sebuah
Prodi, diperoleh bahwa nilai rata-rata adalah 60 dan simpangan baku (standard
devisasi) adalah 10. Bila distribusi nilai menyebar secara normal, berapa:
(a) persen yang mendapat A, jika nilai A ³ 80;
(b) persen yang mendapat nilai C, jika nilai C terletak pada interval 56 ≤ C ≤ 68;
(c) persen yang mendapat nilai E jika nilai E < 45
 Distribusi t-student
Distribusi student’s t adalah distribusi yang ditemukan oleh seorang mahasiswa
yang tidak mau disebut namanya. Untuk menghargai hasil penemuannya itu,
distribusinya disebut distribusi Student yang lebih dikenal dengan distribusi “t”,
diambil daru huruf terakhir kata “student”.
Distribusi t dipakai untuk jumlah sampel yang kecil (kurang dari 30 ), sehingga
nilai standar deviasi berfluktuasi relatif besar.

K
f (t )  1n K merupakan tetapan yang besarnya tergantung
 t 
2 2
dari besar n sedemikian sehingga luas daerah
1   

 n 1
antara kurva fungsi itu dan sumbu t adalah 1.

Bilangan n – 1 disebut derajat kebebasan (dk). Yang dimaksudkan dengan dk

ialah kemungkinan banyak pilihan dari sejumlah objek yang diberikan. Misalnya
kita mempunyai dua objek yaitu A dan B. Dari dua objek ini kita hanya mungkin
melakukan 1 kali pilihan saja, A dan B. Seandainya terpilih A maka B tidak usah
dipilih lagi. Dan untuk itu dk = 2 – 1 = 1.
 Distribusi t-student
Untuk merubah distribusi normal menjadi distribusi t digunakan rumus :
(x  ) • x = nilai rata-rata sampel
t •  = nilai rata-rata populasi
s
• S= standar deviasi sampel
n • n = banyak sampel

Sifat Distribusi t
Mempunyai rata-rata sama dengan nol tetapi dengan standar deviasi yang
berbeda beda sesuai dengan besarnya sampel . Semakin besar sampel maka
semakin mendekati distribusi normal
Contoh soal
1. Selama kurun waktu 2003 diketahui harga saham perusahaan pertanian
Rp. 354 per lembar. Untuk mengetahui kinerja perusahaan pertanian
diadakan penyelidikan dengan sampel 4 perusahaan. Diperoleh rata-rata
saham adalah Rp 272 perlembar dengan standar deviasi Rp 260. Dengan
taraf signifikan 1% apakah harga saham tersebut mengalami penurunan

• Perkiraan awal harga saham  354

• Apakah turun ≤ 354 (uji satu arah) Dengan taraf signifikan
1% perusahaan tidak
• V= n–1 = 3 diperoleh t = 4,541
mengalami penurunan

t
 272  354  0,63 yang nyata
260
4

Yang
ditolak –0,63 Yang diterima

4,541
Contoh 2
Kereta api eksekutif jurusan malang, surabaya dan yogya berjumlah 24 unit.
Harga rata-rata tiket Rp.253.000,-.Karena persaingan dengan perusahaan
penerbangan agar penumpang tidak turun drastis maka diberikan diskon.
Harga tiket rata-rata setelah didiskon dari 16 jenis tiket adalah Rp.212.000,-
dengan standar devisi Rp.46.000,-. Apakah penurunan tarif tersebut untuk
tingkat signifikan 5% memberikan perbedaan yang nyata.

• Harga awal Rp.253.000,-.

• Harga berubah  Rp 253.000,-
• Tanda  menandakan kondisi 2 arah
• V = n – 1 = 16 – 1 = 15 dengan  = 5% diperoleh t tabel = 2,131
• t hitung =3,57

Yang Yang diterima

ditolak

–2.131 Yang
Terdapat perbedaan yang signifikan ditolak
2.131