Materi 3.

MENGAPLIKASIKAN DISTRIBUSI PROBABILITAS KONTINU

Ernawati Puji Rahayu (1906452164)

Fauziah Khairatunnisa (2006491273)

Departemen Biologi
Program Magister Biologi
Universitas Indonesia
2020
 OUTLINE

1. Distribusi probabilitas kontinu

2. Distribusi seragam kontinu
3. Distribusi normal (Gaussian)
4. Distribusi Gamma
5. Distribusi Eksponensial
6. Distribusi Chi-kuadrat
7. Distribusi Log normal
8. Distribusi Weibull
2
 1. Distribusi Probabilitas Kontinu

• Distribusi probabilitas 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 є R

2. ∫∞∞ 𝑓(𝑥)𝑑𝑥 = 1
3. 𝑃(𝑎 < 𝑋 < 𝑏) = ∫∞∞ 𝑓(𝑥)𝑑x

3
 2. Distribusi Seragam Kontinu
Distribusi seragam kontinu adalah distribusi yang peluang setiap peubah acaknya sama.

• Distribusi Seragam kontinu adalah distribusi peluang kontinu yang paling sederhana.
• Fungsi padat peluang dari peubah acak seragam kontinu X pada selang [a, b] adalah:

4
 2. DISTRIBUSI SERAGAM KONTINU
Fungsi kerapatan dari variabel acak
Mean dan variansi dari distribusi ini sbb : seragam kontinu X pada interval (A,B) :


A B
dan  2

 B  A
2
F(X;A,B) = 1/B-A, A<X<B
2 12
F(X;A,B) = 0, untuk x lain

Fungsi kerapatan ini membentuk

persegi panjang dengan alas B-A dan
tinggi konstan 1/B-A, oleh karena itu
disebut juga sebagai distribusi persegi
panjang.
Fungsi kerapatan variabel acak
seragam kontinu pada interval (1,3).
 2. Distribusi Seragam Kontinu
Contoh 1 :
Dalam suatu percobaan di laboratorium,
galat yang terjadi dalam penentuan
kepadatan suatu substansi merupakan
suatu variabel random yang mempunyai
distribusi seragam kontinu dengan
parameter α=-0,025 dan β=0,025.
1. Tulislah formula fungsi densitasnya
2. Carilah peluang bahwa galat terletak
antara 0,01 dan 0,02

6
 2. Distribusi Seragam Kontinu
Contoh 2 :
Sebuah ruang konferensi dapat disewa untuk rapat yang lamanya tidak lebih dari 4 jam.
Misalkan X adalah peubah acak yang menyatakan waktu rapat, yang mempunyai distribusi
seragam.
a. Tentukan fungsi densitas peluang dari X
b. Tentukan peluang suatu rapat berlangsung 3 jam atau lebih.

7
3. Distribusi Normal (Gaussian)
Merupakan distribusi probabilitas yang paling penting. Distribusi ini paling banyak digunakan
sebagai model bagi data riil, antara lain karakteristik fisik makhluk hidup (berat, tinggi badan
manusia, hewan, dll).
Terdapat empat alasan mengapa distribusi normal menjadi distribusi yang paling penting :
1. Distribusi normal terjadi secara alamiah
2. Beberapa variabel acak yang tidak terdistribusi secara normal dapat dengan mudah
ditransformasi menjadi suatu distribusi variabel acak yang normal.
3. Banyak hasil dan teknik analisis yang berguna dalam pekerjaan statistik hanya bisa berfungsi
dengan benar jika model distribusinya merupakan distribusi normal.
4. Ada beberapa variabel acak yang tidak menunjukkan distribusi normal pada populasinya,
namun distribusi dari rata-rata sampel yang diambil secara random dari populasi tersebut
ternyata menunjukkan distribusi normal.

8
3. Distribusi Normal (Gaussian)
Distribusi Normal disebut juga Gausian distribution adalah salah satu fungsi distribusi peluang

berbentuk lonceng seperti gambar berikut.

Berdasarkan gambar di atas, distribusi Normal akan memiliki beberapa ciri diantaranya:
1. Kurvanya berbentuk garis lengkung yang halus dan berbentuk seperti genta.
2. Simetris terhadap rataan (mean).
3. Kedua ekor/ ujungnya semakin mendekati sumbu absisnya tetapi tidak pernah memotong.
4. Jarak titik belok kurva tersebut dengan sumbu simetrisnya sama dengan σ
5. Luas daerah di bawah lengkungan kurva tersebut dari – ~ sampai + ~ sama dengan 1 atau 100
% 9
 3. DISTRIBUSI NORMAL (GAUSSIAN)
Sifat kurva normal
• Salah satu bentuk distribusi distribusi probabilitas
yang menggunakan pendekatan kurva normal.
• Dalam kurva normal, distribusi dianggap merata.
• Nilai rata-rata = median = modus
• Variabel random kontinu X dinyatakan
erdistribusi normal dengan mean µ dan variasi σ2
jika X mempunyai fungsi kepadatan probabilitas
berbentuk

x

  2


 

 


e 2
 

f  x;  ,   1 



-  x  
 2
Dengan π = 3.14159... dan e = 2.71828


Z  x

 


 

 
 
 
3. Distribusi Normal (Gaussian)
Sifat Distribusi Normal
a. f(y)≥ 0, -  x   Jika Y mempunyai distribusi (0, σ2) dan X=aY + b
maka X mempunyai distribusi N(a µ+b, a2 σ2)
b. Grafik f(y) simetrik terhadap y =µ dan
memiliki titik belok y = µ± σ d. Jika Y mempunyai distribusi N(µ, σ2) dan Z =
Y-µ/σ, maka Z mempunyai distribusi N(0,1).
c. Jika Z mempunyai distribusi N(0,1), maka Z
dikatakan berdistribusi normal baku
(standard normal), sehingga fungsi
kepadatan probabilitas Z dinyatakan
sebagai berikut :

1  1/ 2  Z 2
f Z  e -  Z  
2
11
3. Distribusi Normal (Gaussian)
Contoh 1 :

Diketahui data ujian akhir siswa

SMA x untuk pelajaran biologi
diperoleh nilai rata-rata 65
dengan standar deviasi nilai 15,
asumsi data distribusi normal.
a. Hitunglah Z score dari nilai
siswa yang memiliki nilai 70?
b. Jika dari data tersebut,
diketahui nilai Z score siswa
adalah 1,5 berapakah nilai
anak tersebut?

12
4. Distribusi Gamma
Tidak selamanya distribusi normal dapat digunakan untuk
memecahkan masalah teknik dan sains. Contohnya dalam teori
antrian dan keandalan, pendekatan distribusi gamma dan distribusi
eksponensial lebih tepat untuk digunakan.
• Nilai rataan µ = α.β
• Nilai variansi σ = α.β2

13
4. Distribusi Gamma
Contoh 1 :
Pada kota H diketahui konsumsi harian ikan
(dalam kwintal) mengikuti distribusi gamma
dengan α=2 dan β=3. Jika suplai harian kota itu
adalah 9 (kwintal).
Berapakah probabilitas bahwa pada setiap hari
persediaan ikan tidak mencukupi?

14
5. Distribusi Eksponensial
• Distribusi gamma yang khusus dengan α = 1 disebut distribusi eksponensial.
• Peubah acak kontinu X mempunyai distribusi eksponensial dengan parameter β, jika
fungsi padat peluangnya berbentuk:

• Nilai rataan µ = β
• Nilai variansi σ = β2

15
5. Distribusi Eksponensial
• Contoh 1 :
Hari-hari antara kecelakaan pesawat terbang berikut distribusi eksponensial
dengan rata-rata 44 hari antara setiap kecelakaan. Jika satu terjadi pada 1 Juli
setiap tahun tertentu :
a. Berapa probabilitas dari yang lain seperti kecelakaan dalam sebulan?
b. Berapa varians dari waktu antara kecelakaan di tahun tersebut?

16
6. Distribusi Chi Kuadrat
• Kasus khusus yang lain dari distribusi gamma adalah dengan mengambil α = v/2 dan β =
2, untuk v bilangan bulat positif. Hasilnya disebut distribusi khi-kuadrat (chi-squared).
• Parameter v disebut derajat kebebasan.
• Peubah acak kontinu X mempunyai distribusi khi-kuadrat dengan derajat kebebasan v, bila
fungsi padat peluangnya diberikan oleh:
 1  / 2 1  x / 2
 2  / 2  x e x0

f  x  
 0 lainnya



• Rataannya adalah µ = v
• Variansinya adalah σ2 = 2v
17
6. Distribusi Chi Kuadrat
• Contoh 1:

18
19
 7. DISTRIBUSI LOG NORMAL
beberapa ukuran statistik deskriptif untuk distribusi lognormal.
Variabel acak kontinu x memiliki Mean (Nilai Harapan):
   2

distribusi log normal bila variabel x  E( X )  e

2
(A)

acak Y = ln(X) memiliki suatu Varians

distribusi normal dengan mean =µ 

 x2  e 2  
2

 e 2
1  (B)

dan dan standar deviasi =σ, fungsi Kemencengan (skewness)

  
2
kerapatan X yang terjadi adalah 1   32  e  1  e  1 
2


2


(C)

Keruncingan (kurtosis)
 2

 2
 2   4  e  1 e3  3e 2  6e  6  3
2 2

 (D)
7. Distribusi Log Normal
Contoh 1:

21
 8. DISTRIBUSI WEIBULL
• Distribusi Weibull sering digunakan untuk
memodelkan waktu kegagalan dari banyak fisik
beberapa ukuran statistik deskriptif untuk distribusi Weibull.
• Variabel acak kontinu x memiliki distribusi
weibull dengan parameter α dan β jika fungsi Mean (Nilai Harapan):
 1
kerapatnnya diberikan oleh :  x  E ( X )    1   (A)
 

Varians
  2   1   
2

     1       1    
2
x
2
(B)
         

Kemencengan (skewness)
2
  3  1  2   3   
3

1   3     1    3   1     1    2    1    
2
(C)
          
 
Keruncingan (kurtosis)
2 4
 4  1  3   1   2   1 
 2   4    1    4  1     1    6   1      1    3   1   
                
(D)
8. Distribusi Weibull
Contoh 1 :

23
Referensi
• Setiawan A. Pengantar Teori Probabilitas. 2015
• Soong TT. Fundamental Of Probability And Statistics For Engineers. State
University Of New York. USA.
• Walpole, Ronald E. 1993. Pengantar Statistika Edisi Ke-3.Jakarta:PT Gramedia
Pustaka Utama.
• Walpole RE, Myers SL, Myers, Ye K. Probability & Statistics for Engineering and
Statistics, 9th ed., 2012, Prentice Hall International Edition.

24