610 likes | 2.3k Views
Probabilitas dan Statistika BAB 5 Distribusi Peluang Kontinu. Pembahasan. Distribusi Normal Luas di Bawah Kurva Normal Hampiran Normal terhadap Binomial Distribusi Gamma dan Eksponensial Distribusi Khi-Kuadrat Distribusi Weibull. Distribusi normal.
E N D
Pembahasan • Distribusi Normal • LuasdiBawahKurvaNormal • HampiranNormal terhadapBinomial • DistribusiGamma danEksponensial • DistribusiKhi-Kuadrat • DistribusiWeibull
Distribusi normal Distribusisuatu data darisebuah sample yang memilikikurva normal (normal curve) yang berbentuklonceng. Ditemukanoleh Abraham DeMoivere (1733). Seringdisebutdistribussi Gauss (Gaussian distribution)
Distribusi normal • Distribusi Normal, FungsiPenuhpeubahacak normal X, denganrataan µ danvariansiσ2adalah • Dengan : 3,14159… dane=2,71828…
Karakteristikkurva normal • Kurvaberbentukgenta (= Md= Mo) • Kurvaberbentuksimetris • Kurvamencapaipuncakpadasaat X= • Luasdaerahdibawahkurvaadalah 1; ½ disisikanannilaitengahdan ½ disisikiri
Jenis-jenisdistribusi normal • Distribusikurva normal dengan samadan berbeda
Jenis-jenisdistribusi normal • Distribusikurva normal dengan berbedadan sama
Jenis-jenisdistribusi normal • Distribusidengan dan yang berbeda
a b x luasdibawahkurva normal • Luasdibawahkurva normal denganbatas x1=a dan x2 = b
luasdibawahkurva normal • P(x1 < X < x2) = = • Integral diatastidakdapatdiselesaikansecaraanalitis. Untukmemudahkanperhitungantersediatabel normal yang berisikanluasdibawah area kurva normal baku
Contoh 1 • DiketahuinilaimatakuliahProbabilitasdanStatistikakelas C, berdistribusi normal dengan mean = 55 dandeviasistandar = 15. Tentukannilaipeluang • 55 ≤ X ≤ 75 • 60 ≤ X ≤ 80X ≤ 40
Answer 55 < X < 75 P(55<X<75) = = = P(0≤Z ≤1,33) = 0,4082 ……(see table ….) Atau = 0,4082
b) P(60≤x≤80) = = P(0,33≤Z≤1,67) = P(0≤Z≤1,67) – P(0≤Z≤0,33) = 0,4525 – 0,1293= 0,3232 atau : Z1 = = 0,33 B = 0,1293 Z2 = = 1,67 A = 0,4525 C = A – B = 0,3232
c). P(x ≤ 40) = 0,5 – A • = 0,5 – 0,3412 • = 0,1588
Contoh 2 Tinggibadanmahasiswa UGM berdistribusi normal denganrata-rata 165 cm dandeviasistandar 10 cm. Tentukanberapaproblabilitasmahasiswa UGM dengantinggilebihdari 180 cm? Answer: P(180<X<) Z=X-/ 180-165/102,5 Dengantabeldidapatbahwapeluangnyaadalah : 0,9938 Makabesarnyapeluangnyaadalah 1 - 0,9938 = 0,0062
Contoh 3 Diketahuirata-rata hasiladalah 74dengansimpanganbaku 7. Jikanilai-nilaipesertaujianberdistribusi normal dan 12% pesertanilaitertinggimendapatnilai A, berapabatasnilai A yang terendah ?
Hampiran normal terhadap binomial • Persamaandistribusi binomial b(x;n,p) Review : = simpangan = rataan • Distribusi Normal : = npdan denganq= (1-p)
Hampiran normal paling bergunadalamperhitungandengannilai n yang besar • Ex: peluang yang tepatdiberikanoleh
Untukhampiran normal : x1= 6,5 dan x2 = 9,5 • Selanjutnya =P(Z<1,85)-P(Z<0,26) =0,9678 – 0,6026 =0,3652 • Hasilinimendekatidenganhasil yang sebenarnya
Soallatihan • Peluangseorangmahasiswasembuhdari hepatitis A adalah 0,4. Bilaada 100 mahasiswa yang terkenapenyakitini, berapapeluangbahwakurangdari 30 mhs yang sembuh. • Saat UM UGM terdapat 200 soalpilihangandadengan 4 pilihandanhanya 1 pilihan yang benar. Seorangsiswamengerjakansoaltanpamembacasoalsedikitpun, berapapeluangsiswatadimenjawab 25 sampai 30 soaldenganbenaruntuk 80 dari 200 soal???
Penyelesaian : Misal: peubah binomial X menyatakanbanyaknyapenderita yang sembuh, Karenan = 100 maka µ = np= 100 x 0,4 = 40 Dan Untukmendapatkanpeluang yang dicaridigunakan x= 29,5 Peluang ≤ 30 pasien yang sembuhdari 100 pasien : P(X<30) ≈ P(Z < ─2.14) = 0,0162
Distribusi Gamma danEksponensial • Fungsi gamma didefinisikan sebagai: • Untuk • Jadi • Sifat penting fungsi gamma :
Jika di integralkan per bagian (parsial) dengan Diperoleh Maka Jadi diperoleh
Dengan formula (rumus) berulang diperoleh : : dan seterusnya Jika dengan bilangan n bulat positif, maka
Distribusi gamma • Perubah acak kontinu X berdistribusi gamma dengan parameter dan , jika fungsi padatnya berbentuk : • Distribusi gamma yang khusus dengan disebut distribusi Eksponensial
Perubah acak kontinu X terdistribusi eksponensial dengan parameter, , jika fungsi padatnya berbentuk : • Rata-rata dan variansi distribusi gamma : • Rata-rata dan variansi distribusi eksponensial :
Contoh 4 • Suatu sistem memuat sejenis komponen yang mempunyai daya tahan pertahun dinyatakan oleh perubah acak T yang berdistribusi eksponensial dengan parameter waktu rata-rata sampai gagal Bila sebanyak 5 komponen tersebut dipasangkan dalam sistem yang berlainan, berapa pobabilitas bahwa paing sedikit 2 masih akan berfungsi pada akir tahun ke delapan. • Jawab: Probabilitas bahwa suatu komponen tertentu masih akan berfungsi setelah 8 tahun adalah:
Contoh 5 • Hubungan saluran telepon tiba i suatu gardu (sentral) memrnuhi proses poisson dengan rata-rata 5 hubungan yang masuk per menit. Berapa probabilitasnya bahwa setelah semenit berlalu baru 2 sambungan telepon masuk ke gardu tadi • Jawab: Proses poisson berlaku dengan waktu sampai kejadian poisson memenuhi distribusi gamma dengan parameter Misalkan X perubah acak yang menyatakan waktu dalam menit yang berlalu sebelum 2 hubungan masuk,probabilitasnya adalah:
Khikuadrat • Distribusi ini adalah kasus spesial dari distribusi gamma : • Laludisubstitusidengan : • Menjadi :
Khikuadrat • Parameter V merupakanderajatkebebasan • Rataandistribusi chi kuadrat : • Variansidistribusi chi kuadrat :
Distribusiweibull • Perubah acak kontinyu X terdistribusi Weibull dengan parameter , jika fungsi padatnya berbentuk: • Jika maka distribusi weibull menjadi distribusi eksponensial. • Jika maka kurvanya mirip lonceng dan menyerupai kurva normal tetapi agak mencong.
Rata-rata dan variansi distribusi Weibull • Rata-rata : • Variansi : • Seperti distribusi gamma dan eksponensial, distribusi weibull juga dipakai pada persoalan keandalan dan pengujian panjang umur misal misal panjang umur suatu komponen, diukur dari suatu waktu tertentu sampai rusak.