Sebaran Probabilitas Kontinu :

Sebaran Normal, Sebaran Eksponensial dan

Gamma, Sebaran Chi Kuadrat

KELOMPOK 5
• AGO LIGAR
• E R S YA L D W I S YA H R I Z A L
• R I D H O FA D H I L A
 Sebaran Probabilitas Kontinu

Sebaran probabilitas kontinu menggambarkan peluang distribusi suatu variabel

acak kontinu. Berbeda dengan sebaran probabilitas diskrit, sebaran probabilitas
kontinyu memiliki nilai probabilitas pada setiap titik yang tak hingga banyaknya.
 Beberapa materi penting dalam sebaran probabilitas
kontinu adalah sebagai berikut:

Fungsi kepadatan probabilitas (PDF)Fungsi kepadatan probabilitas adalah fungsi yang menggambarkan distribusi
suatu variabel acak kontinu. Fungsi ini didefinisikan sebagai turunan kumulatif fungsi distribusi (CDF) suatu
variabel acak.

Fungsi distribusi kumulatif (CDF) menggambarkan peluang variabel acak kontinu lebih kecil atau sama dengan
nilai tertentu. CDF juga dapat digunakan untuk menghitung peluang suatu rentang nilai.

Distribusi normal, juga dikenal sebagai distribusi Gaussian, adalah salah satu distribusi probabilitas kontinyu
paling umum. Distribusi ini digunakan untuk menggambarkan data yang simetris dan cenderung berpusat di sekitar
nilai rata-rata.
 Distribusi chi-square digunakan untuk menguji hipotesis statistik dalam analisis data. Distribusi ini
berguna dalam menguji apakah varian dari sampel yang diambil berasal dari suatu populasi dengan varian
tertentu.

 Distribusi t-Student digunakan dalam statistik inferensial untuk menguji hipotesis tentang rata-rata
populasi. Distribusi ini sering digunakan ketika ukuran sampel kecil dan variasi populasi tidak diketahui.
 Sebaran Normal

Sebaran normal atau juga dikenal sebagai sebaran Gaussian, merupakan salah
satu sebaran probabilitas kontinyu yang paling penting dalam statistik. Sebaran
normal digunakan untuk menggambarkan data yang memiliki bentuk bell curve,
yaitu bentuk distribusi yang simetris di sekitar nilai tengah (mean) dengan nilai
ekstrem yang jarang terjadi di kedua ujung.
 Beberapa materi penting dalam sebaran normal adalah
sebagai berikut:

Fungsi kepadatan probabilitas (PDF) sebaran normal memiliki bentuk kurva simetris dan bergantung pada dua
parameter, yaitu nilai rata-rata (mean) dan simpangan baku (standard deviation). PDF ini didefinisikan sebagai:

f(x) = (1/(σ*√(2π))) * exp(-(x-μ)²/(2σ²)) di mana μ adalah nilai rata-rata dan σ adalah simpangan baku.

Fungsi distribusi kumulatif (CDF) sebaran normal memberikan peluang bahwa suatu nilai acak kurang dari atau
sama dengan nilai tertentu. Fungsi ini dapat dihitung menggunakan tabel statistik atau dengan menggunakan
perangkat lunak komputer.
 Z-score digunakan untuk mengukur seberapa jauh suatu nilai acak dari rata-rata dalam satuan standar
deviasi. Z-score didefinisikan sebagai:

Z = (x - μ) / σdi mana x adalah nilai acak, μ adalah nilai rata-rata, dan σ adalah simpangan baku.

 Distribusi normal standar adalah sebaran normal dengan nilai rata-rata μ=0 dan simpangan baku σ=1.
Distribusi ini digunakan untuk menghitung Z-score dan untuk membandingkan sebaran normal yang
berbeda.

 Aplikasi sebaran normal. Sebaran normal banyak digunakan dalam analisis statistik untuk memprediksi hasil
yang mungkin terjadi dalam suatu populasi. Beberapa aplikasi sebaran normal adalah dalam analisis regresi,
pengujian hipotesis, estimasi interval, dan pemodelan risiko keuangan.
 Sebaran Eksponensial dan Gamma
Sebaran eksponensial dan gamma adalah dua jenis sebaran probabilitas kontinu yang sangat penting dalam statistik
dan ilmu pengetahuan lainnya.

Sebaran eksponensial digunakan untuk menggambarkan waktu antara dua kejadian yang terjadi secara acak dan
independen dengan laju kejadian tertentu. Fungsi kepadatan probabilitas (PDF) sebaran eksponensial diberikan oleh:

f(x) = λ * e^(-λ*x)di mana λ (lambda) adalah laju kejadian dan x adalah waktu antara dua kejadian.

Rata-rata (mean) dan simpangan baku (standard deviation) sebaran eksponensial adalah 1/λ. Sebaran eksponensial
memiliki sifat kekurangan ingatan (memoryless), artinya peluang bahwa suatu kejadian terjadi dalam waktu tertentu
tidak tergantung pada waktu yang telah berlalu sebelumnya.
 Sebaran gamma digunakan untuk menggambarkan waktu yang dibutuhkan untuk terjadinya beberapa
kejadian. Sebaran gamma dapat digunakan untuk menggambarkan jumlah waktu antara beberapa kejadian
yang terjadi secara acak dan independen.
Fungsi kepadatan probabilitas (PDF) sebaran gamma diberikan oleh:

f(x) = (x^(k-1) * e^(-x/θ)) / (θ^k * Γ(k))

di mana k adalah parameter bentuk, θ adalah parameter skala, x adalah waktu, dan Γ(k) adalah fungsi gamma.

Rata-rata (mean) dan simpangan baku (standard deviation) sebaran gamma adalah kθ dan √(k)θ, masing-
masing. Sebaran gamma adalah generalisasi dari sebaran eksponensial.
 Sebaran Chi Kuadrat
Sebaran chi-kuadrat (χ²) adalah jenis sebaran probabilitas kontinu yang sering digunakan dalam statistik
inferensial. Sebaran ini digunakan untuk menguji hipotesis tentang variasi data dalam sampel.

Sebaran chi-kuadrat didefinisikan oleh jumlah kuadrat dari variabel-variabel acak independen standar
normal. Sebaran ini ditentukan oleh derajat kebebasan (degrees of freedom) yang menyatakan jumlah
variabel acak yang dijumlahkan.
Fungsi kepadatan probabilitas (PDF) sebaran chi-kuadrat didefinisikan oleh:
f(x) = (1/(2^(k/2) * Γ(k/2))) * x^(k/2 - 1) * e^(-x/2)
di mana k adalah derajat kebebasan, Γ(k/2) adalah fungsi gamma, dan x adalah nilai chi-kuadrat.
Rata-rata (mean) dan simpangan baku (standard deviation) sebaran chi-kuadrat tergantung pada derajat
kebebasan, dan dinyatakan sebagai berikut:
mean = kstandard deviation = √(2k)
Sebaran chi-kuadrat sering digunakan dalam analisis variasi untuk menguji hipotesis tentang kesamaan
variansi antara dua atau lebih kelompok data. Sebaran ini juga digunakan dalam pengujian kemandirian
variabel acak dan dalam analisis korelasi.