Distribusi Normal dan T

Distribusi F dan Khi Kuadrat

Masdianah
2020110978 Dosen Pengampu : Hartini, S.Pd., M.Pd
Distribusi Normal
Distribusi Normal adalah model distribusi kontinu yang paling penting dalam teori probabilitas
Mayoritas kasus mengikuti distribusi normal
Distribusi normal memiliki kurva berbentuk lonceng yang simetris
Dua parameter yang menentukan distribusi normal adalah rataan/ mean (μ) dan standar deviasi (σ)
Ciri-ciri Distribusi Normal
• Distribusi normal mempunyai beberapa sifat dan ciri, yaitu:
• Kurva distribusi normal mempunyai satu puncak (uni-modal)
• Kurva berbentuk simetris dan menyerupai lonceng hingga mean, median dan modus terletak pada satu titik.
• Kurva normal dibentuk dengan N yang tak terhingga.
• Peristiwa yang dimiliki tetap independen.

Sifat-sifat Distribusi Normal :

1. Nilai mean = median = modus
2. Mempunyai satu modus
3. Luas seluruh daerah di bawah kurva adalah 1
(Domainnya: )
4. Kurva simetris pada nilai μ
(Luas daerah kanan = Luas daerah kiri)
5. Semakin besar σ (simpangan baku) maka semakin lebar kurva
 Distribusi Normal
Distribusi Normal Standar
Z : variabel normal standar
X : nilai variabel random
μ : rata-rata variabel random
σ : simpangan baku variabel random

Mentransformasi kurva ke bentuk kurva standar (yaitu dengan z = 0 pada sumbu simetris)

Latihan Soal
Suatu distribusi normal mempunyai mean 60 dan standar deviasi 12. Hitunglah :
Luas kurva normal antara x1=68 dan x2=84.

P(68 ≤ x ≤ 84)= P(0,67 ≤ Z ≤ 2,00)= 0,9772-0,7486 = 0,228

Distribusi Normal
Distribusi T
Dalam probabilitas dan statistik, Student’s t-distribusi (t-distribusi) adalah distribusi probabilitas yang muncul dalam
memperkirakan masalah berarti sebuah terdistribusi normal populasi ketika ukuran sampel kecil.
Distribusi Student muncul ketika (seperti dalam hampir semua statistik praktis) populasi deviasi standar tidak diketahui dan harus
diperkirakan dari data.
Untuk sampel nukuran n>= 3, taksiran dapat diperoleh dengan menghitung nilai S2. Bila n>= 30, maka S2 memberikan taksiran
yang baik dan tidak berubah dan distribusi statistik

masih secara hampiran, berdistribusi sama dengan peubah normal baku z. Bila ukuran sampel ( n < 30 ), nilai S2 berubah cukup
besar dari sampel ke sampel dan distribusi peubah acak

tidak lagi distribusi normal baku. Dalam hal ini didapatkan distribusi statistik yang disebut T

Keterangan
X : rata-rata sampel
µ : rata-rata spesifik atau rata-rata tertentu (yang menjadi
perbandingan)
S : standart deviasi sampel
n : jumlah sampel.
Distribusi T
Distribusi T
Contoh
Suatu pabrik bola lampu yakin bahwa bola lampunya akan tahan menyala rata – rata selama 500 jam. Untuk mempertahankan nilai
tersebut, tiap bulan diuji 25 bola lampu. Bila nilai t yang dihitung terletak antara –t0,05 dan t0,05 maka pengusahan pabrik tadi akan
mempertahankan kenyakinannya. Kesimpulan apa yang seharusnya dia ambil dari sampel dengan rataan x = 518 jam dan
simpangan baku s = 40 jam? Anggap bahwa distribusi waktu menyala, secara hampiran, normal.

Jadi pengusaha tali kemungkinan besar akan menyimpilkan bahwa produksinya lebih baik daripada yang diduganya semula.
Distribusi T
Distribusi F
Dalam teori probabilitas dan statistika, distribusi F merupakan distribusi probabilitas kontinyu. Distribusi F juga dikenal dengan
sebutan distribusi F Snedecor atau distribusi Fisher-Snedecor (setelah R.A. Fisher dan George W. Snedecor). Distribusi F
seringkali digunakan dalam pengujian statistika, antara lain analisis varians dan analisis regresi. Distribusi dipakai untuk
membandingkan dua varian yang berpopulasi normal.

Walpole et al. (1998) juga mendiskusikan ciri-ciri dari distribusi F, yaitu sebagai berikut.
1. Distribusi F bersifat kontinu
2. Ditribusi F tidak dapat bernilai negatif.
3. Bentuknya tidak simetris.
4. Bersifat asimtotik (asymptotic).
Distribusi Khi Kuadrat
Dalam teori probabilitas dan statistika, distribusi khi-kuadrat (Chi-square distribution) atau distribusi χ² dengan n derajat bebas
adalah distribusi jumlah kuadrat n peubah acak normal baku yang saling bebas. Distribusi Chi-Kuadrat antara lain digunakan
untuk menguji kompatibilitas, menguji sifat independensi dan sifat homo-genitas.

Pengujian tentang Kompatibilitas

(Tes Goodness of Fit)
Dalam pengujjian kompabilitas, apabila frekuensi yang diobservasi Prosedur pengujian hipotesis :
konsisten, maka tidak terdapat perbedaan nyata, dengan kata lain 1. menyatakan Ho dan hipotesis
hipotesisnya dapat diterima. Sebaliknya apabila tidak ada konsistensi, alternatifnya,
maka hipotesisnya ditolak. 2. tentukan taraf nyata (tingkat signifikansi
atau ),
3. tentukan statistik uji dan derajat
bebasnya,
Oi = frekuensi observasi 4. tentukan daerah penolakannya,
Ei = frekuensi teoritis dengan derajat bebas = k - 1 5. hitung dan tentukan ditolak atau
ukuran perbedaan antara frekuensi observasi dengan frekuensi diterima Ho-nya
teoritis. Jika tidak ada perbedaan antara frekuensi observasi dengan
frekuensi teoritis, maka= 0. Semakin besar perbedaan antara frekuensi
observasi dengan frekuensi teoritis, maka nilai akan semakin besar pula.
Nilai akan dievaluasi dengan distribusi Chi-Kuadrat.
Distribusi Khi Kuadrat
Contoh
Sebuah dadu dilempar 120 kali dan hasilnya disajikan pada tabel di bawah ( sisi angka 1 diperoleh 13 kali, sisi 2 diperoleh 28 kali,
dan seterusnya). Jika dadu tersebut dipandang ideal, maka:
(a) Tentukan nilai 2
(b) Apabila digunakan derajat signifikan 5% apakah hasil tersebut menunjukkan bahwa dadu itu tidak ideal?
Jawab
Ho = probabilitas semua kejadian sama
H1 = ada pi pj
= 0,05
n = 6-1 = 5 Dari tabel distribusi chikuadrat
Statistik uji = didapat nilai kritis 2 = 11,07.

18,70 > 11,07), hipothesis atau anggapan

bahwa dadu tersebut ideal kita tolak karena
ada beda cukup signifikan antara hasil
observasi dengan nilai harapan.
 THANK YOU

LET'S WORK
TOGETHER