Distribusi Peluang Kontinu

Statistika dan Probabilitas

 Outline

Memahami tentang :
• Distribusi Uniform
• Distribusi Normal
• Distribusi Eksponensial
• Distribusi lainnya
 Distribusi Uniform
• Suatu variabel acak disebut berdistribusi uniform
pada interval (0,1) jika pdf adalah:

• X berdistribusi normal pada interval () jika pdf nya

• Cdf dari dist uniform adalah

 Distribusi Uniform

f(a) f(a)

1
1
𝛽 −𝛼
𝛼 x 𝛼 x
𝛽 𝛽
• Contoh: x berdistribusi uniform pada interval (0,8).
Carilah peluang: P(), P(), P()
 Distribusi Normal
• X merupakan variabel acak normal atau x
berdistribusi normal dengan parameter (mean) dan
(varian). Densitas x dapat dinyatakan:

• Fungsi densitas sering disebut dengan kurva

berbentuk bel dan simetri terhadap
Distribusi Normal
• Jika dan , maka Z akan berdistribusi normal
standard (normal dengan mean = 0 dan standard
deviasi = 1) pdf:
Soal 1: Usia mahasiswa Prodi Ilkom berdistribusi
normal dengan rata-rata 20 dan deviasi standar 10.
Tentukan:
a. Berapa persen mhs yg berusia lebih dari 30?
b. Berapa persen mhs yg berusia antara 19
sampai 25?
c. Berapa persen mhs yg berusia tepat 18?
 Distribusi Normal
Pendekatan Normal untuk distribusi Binomial
• Teorema De Moivre Laplace limit theorem ditemukan
oleh De Moivre pd tahun 1733 untuk kejadian ,
kemudian diperluas ke , yg umum oleh laplace pd
tahun 1912
• Teorema: Jika Sn menyatakan jumlah atau
banyaknya sukses terjadi pada n percobaan
independen, dan masing-masing peluang sukses = ,
maka untuk setiap a < b:
Note: distribusi normal dengan
 Distribusi Normal
Pendekatan Normal untuk distribusi Binomial
• Soal 2: suatu percobaan menyatakan setiap
membuat produksi 100 bola lampu, selalu 4 yg cacat.
Diambil sampel dari 1000 produksi bola lampu,
tentukan:
a. Berapa peluang produk yg cacat terletak antara
38 dan 41?
b. Berapa peluang produk yg cacat lebih dari 37?
c. Berapa peluang produk yg cacat tepat 43?
 Distribusi Eksponensial
• Suatu variabel acak kontinu disebut berdistribusi
eksponensial dengan parameter jika pdf diberikan
oleh:

• CDF:
 Distribusi Eksponensial
Hubungan antara dist Eksponensial dan dist Poisson
• Adalah jika banyaknya kejadian merupakan distribusi
poisson maka waktu antar kejadian berdistribusi
eksponensial.
• Rata-rata distribusi eksponensial
• Contoh: andaikan panjangnya pembicaraan dalam
telepon dalam menit adalah dist ekponensial dengan
parameter jika ada pendatang didepan saudara pd telpon
umum (mendadak). berapakah peluang saudara
menunggu:
a. Lebih dari 10 menit
b. Antara 10 sampai 20 menit
Distribusi lainnya