DISTRIBUTIONS
DISTRIBUSI SERAGAM KONTINU Rumus nya;
distribusi seragam kontinu atau distribusi
persegi panjang. Distribusi menggambarkan
percobaan di mana ada hasil yang terletak di
antara batas tertentu.Batas ditentukan oleh
parameter, a dan b , yang merupakan nilai Standar deviasi menggambarkan sebaran
minimum dan maksimum.
distribusi. Pada distribusi seragam,
Bentuk distribusinya segi empat dan memiliki standar deviasi juga berhubungan
nilai minimum a dan maksimum b, contoh
gamabar ; dengan rentang dia antara nilai
maksimum dan minimum.
Rumus nya;
Contoh soal :
Universitas Negeri Arizona Barat Daya menyediakan layanan bus kepada siswa saat
mereka berada di kampus. Sebuah bus tiba di halte North Main Street dan College
Drive setiap 30 menit antara pukul 6 pagi dan 11 malam. selama hari kerja. Siswa
tiba di halte bus secara acak. Waktu dimana seorang siswa menunggu
didistribusikan secara seragam dari 0 hingga 30 menit.
1. Gambarlah grafik dari distribusi ini.
2. Tunjukkan bahwa area distribusi seragam ini adalah 1,00.
3. Berapa lama seorang siswa “biasanya” harus menunggu bus? Dengan kata lain,
apa yang dimaksud waktu tunggu? Apa standar deviasi dari waktu tunggu?
4. Berapa probabilitas seorang siswa akan menunggu lebih dari 25 menit?
5. Berapa probabilitas seorang siswa akan menunggu antara 10 dan 20 menit?
Dalam hal ini, variabel acak adalah lama waktu yang harus ditunggu siswa. Waktu diukur pada
skala berkelanjutan, dan waktu tunggu dapat berkisar dari 0 menit hingga 30 menit.
2. Waktu siswa harus menunggu bus seragam selama interval dari 0 menit hingga 30 menit,
jadi dalam hal ini a adalah 0 dan b adalah 30.
3. Untuk menemukan rata-rata,
Rata-rata distribusi adalah 15 menit, jadi waktu tunggu tipikal untuk layanan bus adalah 15 menit.
Untuk menemukan standar deviasi dari waktu tunggu
distribusi probabilitas normal standar adalah distribusi peubah acak dengan memiliki rata-
rata 0 dan deviasi standar 1. Setiap distribusi probabilitas normal dapat dikonversi menjadi
distribusi probabilitas normal standar dengan mengurangi rata-rata dari setiap pengamatan
dan membagi perbedaan ini dengan standar deviasi. Hasilnya disebut nilai z atau skor z.
z VALUE Jarak yang ditandatangani antara nilai yang dipilih, yang ditunjuk x, dan rata-rata, ,
dibagi dengan standar deviasi, , .
Jadi, nilai z adalah jarak dari rata-rata, diukur dalam satuan standar deviasi. Formula untuk
konversi ini adalah:
di mana:
Z = skor Z atau nilai baku
x = nilai dari pengamatan atau pengukuran tertentu.
rata-rata hitung suatu distribusi
deviasi standar dari distribus
Seperti yang kita catat dalam definisi sebelumnya, nilai z menyatakan jarak atau perbedaan antara nilai x dan
rata-rata aritmatika dalam satuan deviasi standar. Setelah pengamatan berdistribusi normal distandarisasi,
nilai z terdistribusi normal dengan rata-rata 0 dan standar deviasi 1. Oleh karena itu, distribusi z memiliki
semua karakteristik dari distribusi probabilitas normal.
Z sebesar 1,00 menunjukkan bahwa pendapatan mingguan $ 1.100 adalah satu standar
deviasi di atas rata-rata, dan z sebesar -1,00 menunjukkan bahwa pendapatan $ 900 adalah
satu standar deviasi di antara rata-rata. Perhatikan bahwa kedua pendapatan ($ 1.100 dan $
900) adalah jarak yang sama ($ 100) dari nilai tengah.
Aturan Empiris pada Distribusi Probabilitas Berkelanjutan
Aturan empiris juga disebut sebagai aturan tiga sigma atau aturan 68-95-99,7, adalah
aturan statistik yang menyatukan variabel acak jika didistribusikan secara normal,
hampir semua data termasuk dalam tiga standar deviasi yaitu :
1. Sekitar 68% dari pengamatan akan berada dalam plus dan minus satu standar
deviasi dari mean (
2. Sekitar 95% dari pengamatan akan berada di dalam plus dan minus dua standar
deviasi dari mean (
3. Atau sekitar 99,7% dari pengamatan, akan terletak dalam plus dan minus tiga
standar deviasi dari mean (
Mengubah pengukuran menjadi standar normal deviasi mengubah skala. Hal itu juga
ditampilkan dalam grafik. Sebagai contoh, μ + 1σ dikonversi ke nilai z dari 1,00. Demikian
juga, μ - 2σ ditransformasikan ke nilai z −2.00. Perhatikan bahwa pusat distribusi z adalah
nol, menunjukkan tidak ada penyimpangan dari rata-rata, μ
Mencari Daerah di Bawah Kurva Normal