Universitas Gadjah Mada Fakultas Teknik
Departemen Teknik Sipil dan Lingkungan
DISTRIBUSI PROBABILITAS
VARIABEL RANDOM
http://istiarto.staff.ugm.ac.id
Distribusi Probabilitas Variabel Random
q Distribusi probabilitas variabel random diskrit
q Distribusi Hipergeometrik
q Proses Bernoulli
n Distribusi Binomial
n Distribusi Geometrik
n Distribusi Binomial Negatif
q Proses Poisson
n Distribusi Poisson
n Distribusi Exponensial
n Distribusi Gamma
q Distribusi Multinomial
q
Distribusi probabilitas variabel random kontinu
q Distribusi Normal
q Distribusi t
q Distribusi Chi-kuadrat (χ2)
q Distribusi F
18-Oct-16
2
Distribusi Probabilitas Variabel Random
Distribusi Hipergeometrik
Distribusi Probabilitas Variabel Random Diskrit
3
http://istiarto.staff.ugm.ac.id
Distribusi Hipergeometrik
Distribusi Probabilitas Variabel Random
4
q
Situasi
q Mengambil sampel (random) berukuran n tanpa pengembalian dari suatu populasi berukuran N
q Elemen-elemen di dalam populasi tersebut terbagi kedalam dua kelompok, masing-masing berukuran k dan (N – k)
q
Contoh
q Suatu populasi berupa
n hari hujan dan hari tak hujan
n stasiun dengan data baik dan stasiun dengan data jelek
n sukses dan gagal
18-Oct-16
Distribusi Hipergeometrik
5
q
Persamaan/rumus
q Jumlah cara/hasil dari memilih n elemen dari N objek adalah sebuah kombinasi
q Jumlah cara/hasil dari memilih/memperoleh x sukses dan (n – x) gagal dari suatu populasi yang terdiri dari k sukses dan (N – k) gagal adalah:
( )
! !! n n N
N n
N
= −
⎟⎟⎠
⎞
⎜⎜⎝
⎛
( )
( )
( ) (
!)
!!
!
!
!
x n x n k N
k N x
x k
k x
n k N x k
− +
−
−
−
= −
⎟⎟⎠
⎞
⎜⎜⎝
⎛
−
−
⎟⎟⎠
⎞
⎜⎜⎝
⎛
http://istiarto.staff.ugm.ac.id
Distribusi Hipergeometrik
18-Oct-16 Distribusi Probabilitas Variabel Random
6
q Jadi probabilitas mendapatkan X = x sukses dalam sampel berukuran n yang diambil dari suatu populasi berukuran N yang memiliki k elemen sukses adalah
q Distribusi kumulatif dari probabilitas mendapatkan x sukses atau kurang adalah:
( )
⎟⎟⎠
⎞
⎜⎜⎝
⎛
⎟⎟⎠
⎞
⎜⎜⎝
⎛
−
−
⎟⎟⎠
⎞
⎜⎜⎝
=⎛
n N x
n k N x k k
n N x
fX ; , ,
( ) ∑
= ⎟⎟
⎠
⎞
⎜⎜⎝
⎛
⎟⎟⎠
⎞
⎜⎜⎝
⎛
−
−
⎟⎟⎠
⎞
⎜⎜⎝
= ⎛
x i
X n
N i
n k N i k k
n N x F
0
, ,
;
Distribusi Hipergeometrik
7
q Nilai rerata (mean) suatu distribusi hipergeometrik adalah
q Varian
q Catatan:
( )
Nk X n
E =
( ) ( )( )
(
1)
Var 2
−
−
= −
N N
n N n N k X n
k N x n N n N k n x k
x ≤ ; ≤ ; ≤ ; ≤ ; − ≤ −
http://istiarto.staff.ugm.ac.id
Distribusi Hipergeometrik
Distribusi Probabilitas Variabel Random
8
q
Contoh
q Suatu DAS memiliki 12 stasiun penakar curah hujan dan diketahui bahwa 2 diantaranya dalam keadaan rusak.
q Manajemen telah memutuskan untuk mengurangi jumlah stasiun menjadi 6 saja.
q Apabila 6 stasiun dipilih secara acak dari 12 stasiun tersebut, berapakah peluang terpilihnya stasiun rusak sejumlah 2, 1, atau tidak ada sama sekali?
18-Oct-16
Hypergeometric Distributions
9
q
Penyelesaian
q populasi, N = 12
q jumlah stasiun rusak, k = 2
q ukuran sampel, n = 6
q peluang (probabilitas) mendapatkan stasiun rusak sejumlah x = 2, 1, 0 dalam sampel berukuran n = 6 yang diambil dari populasi berukuran N = 12 yang memiliki stasiun rusak sejumlah k = 2 adalah:
( )
⎟⎟⎠
⎞
⎜⎜⎝
⎛
⎟⎟⎠
⎞
⎜⎜⎝
⎛
−
−
⎟⎟⎠
⎞
⎜⎜⎝
=⎛
n N x
n k N x k k
n N x
fX ; , ,
http://istiarto.staff.ugm.ac.id
Distribusi Hipergeometrik
18-Oct-16 Distribusi Probabilitas Variabel Random
10
( )
⎟⎟⎠
⎞
⎜⎜⎝
⎛
⎟⎟⎠
⎞
⎜⎜⎝
⎛
−
−
⎟⎟⎠
⎞
⎜⎜⎝
=⎛
n N x
n k N x k k
n N x
fX ; , ,
( )
( )
(
0;12,6,2)
02 126 02 126 0.2273: 0
5454 . 6 0
12 1
6 2 12 1 2 2
, 6 , 12
; 1 :
1
2273 . 6 0
12 2
6 2 12 2 2 2
, 6 , 12
; 2 :
2
⎟⎟=
⎠
⎞
⎜⎜⎝
⎛
⎟⎟⎠
⎞
⎜⎜⎝
⎛
−
−
⎟⎟⎠
⎞
⎜⎜⎝
=⎛
=
⎟⎟=
⎠
⎞
⎜⎜⎝
⎛
⎟⎟⎠
⎞
⎜⎜⎝
⎛
−
−
⎟⎟⎠
⎞
⎜⎜⎝
=⎛
=
⎟⎟=
⎠
⎞
⎜⎜⎝
⎛
⎟⎟⎠
⎞
⎜⎜⎝
⎛
−
−
⎟⎟⎠
⎞
⎜⎜⎝
=⎛
=
X X X
f x
f x
f x
Distribusi Hipergeometrik
11
q Ekspektasi jumlah stasiun rusak yang ada di dalam sampel adalah:
q atau
( )
112 2
E 6× =
=
= N k X n
( )
0 0.2273 1 0.5454 2 0.2273 12 0
1 =
∑
= × + × + × =i=
i X i f x x
M
http://istiarto.staff.ugm.ac.id
Distribusi Hipergeometrik
18-Oct-16 Distribusi Probabilitas Variabel Random
12
( )
⎟⎟⎠
⎞
⎜⎜⎝
⎛
⎟⎟⎠
⎞
⎜⎜⎝
⎛
−
−
⎟⎟⎠
⎞
⎜⎜⎝
=⎛
n N x
n k N x k k
n N x
fX ; , ,
( ) ∑
= ⎟⎟
⎠
⎞
⎜⎜⎝
⎛
⎟⎟⎠
⎞
⎜⎜⎝
⎛
−
−
⎟⎟⎠
⎞
⎜⎜⎝
= ⎛
x i
X n
N i
n k N i k k
n N x F
0
, ,
;
=HYPGEOM.DIST(x,n,k,N,FALSE)
=HYPGEOM.DIST(x,n,k,N,TRUE)
fX(2;12,6,2)=HYPGEOM.DIST(2,6,2,12,FALSE) = 0.2273 fX(1;12,6,2)=HYPGEOM.DIST(1,6,2,12,FALSE) = 0.5454 fX(0;12,6,2)=HYPGEOM.DIST(0,6,2,12,FALSE) = 0.2273
Distribusi Binomial
Distribusi Probabilitas Variabel Random Diskrit
13
http://istiarto.staff.ugm.ac.id
Contoh Ilustrasi
Distribusi Probabilitas Variabel Random
14
q
Investigasi thd suatu populasi
q karakteristik populasi → variabel
q nilai variabel
n nilai ujian: 0 s.d. 100
n status perkawinan: tidak kawin, kawin, cerai, duda/janda
n usia: 0 s.d. ...
n cuaca: cerah, berawan, hujan
18-Oct-16
Contoh Ilustrasi
15
q
Contoh lain
q Jawaban pertanyaan:
n ya / tidak
n benar / salah
n menang / kalah
n lulus / tak-lulus
n sukses / gagal
SUKSES vs GAGAL
http://istiarto.staff.ugm.ac.id
Distribusi Binomial
Distribusi Probabilitas Variabel Random
16
q
Jika
q variabel hanya memiliki 2 kemungkinan hasil
q probabilitas (peluang) kedua hasil tersebut tidak berubah (tetap) apapun hasil eksperimen sebelumnya
q
Probabilitas hasil suatu distribusi binomial
q prob(sukses) = p
q prob(gagal) = q = 1 – p
Distribusi Binomial
18-Oct-16
Distribusi Binomial
17
q Ilustrasi
q Peluang sukses (S) dalam suatu eksperimen adalah p → prob(S) = p
q Peluang gagal (G) adalah q = 1 – p → prob(G) = q
q 1x eksperimen:
n peluang sukses p
n peluang gagal q
q 2x eksperimen:
n peluang sukses kmd sukses (S,S): pp
n peluang sukses kmd gagal (S,G): pq
n peluang gagal kmd sukses (G,S): qp
n peluang gagal kmd gagal (G,G): qq
http://istiarto.staff.ugm.ac.id
Sukses-Gagal dalam 2x Eksperimen
18-Oct-16 Distribusi Probabilitas Variabel Random
18
Jumlah sukses Cara sukses Jumlah cara sukses Probabilitas sukses
2 SS 1 pp 1 p2q0
1 SG atau GS 2 pq+qp 2 p1q1
0 GG 1 qq 1 p0q2
Sukses-Gagal dalam 3x Eksperimen
19
Jumlah
sukses Cara sukses Jumlah cara
sukses Probabilitas sukses
3 SSS 1 ppp 1 p3q0
2 SSG, SGS, GSS 3 ppq+pqp+qpp 3 p2q1
1 SGG, GSG, GGS 3 pqq+qpq+qqp 3 p1q2
0 GGG 1 qqq 1 p0q3
http://istiarto.staff.ugm.ac.id
Sukses-Gagal dalam 3x atau 5x Eksperimen
Distribusi Probabilitas Variabel Random
20
3 2 3
2 10
2
5⎟⎟p q = p q
⎠
⎞
⎜⎜⎝
⎛ q
3x eksperimen:
q peluang sukses pada eksperimen ke-3: qqp
q peluang sukses di salah satu eksperimen: pqq + qpq + qqp
q
5x eksperimen:
q peluang sukses 2x: ppqqq + pqpqq + ... + qqqpp
18-Oct-16
Distribusi Binomial
21
q
Jika
q peluang sukses p dan peluang gagal q = 1 – p
q probabilitas sukses p tidak berubah apapun hasil eksperimen yang lain
q
Maka
q peluang mendapatkan x kali sukses dalam n kali eksperimen adalah:
( )
p(
p)
x nx p n
n x
fX ; , ⎟⎟ x 1− n x, =0,1,2,...,
⎠
⎞
⎜⎜⎝
=⎛ −
koefisien binomial =COMBIN(n,x)
http://istiarto.staff.ugm.ac.id
Distribusi Binomial
18-Oct-16 Distribusi Probabilitas Variabel Random
22
q Distribusi binomial dan distribusi binomial kumulatif
( ) ( )
( ) ∑ ( )
=
−
−
⎟⎟ −
⎠
⎞
⎜⎜⎝
= ⎛
=
⎟⎟ −
⎠
⎞
⎜⎜⎝
=⎛
x
i
i i n
X
x x n
X
p i p
p n n x F
n x
p x p
p n n x f
0
1 ,
;
..., , 2 , 1 , 0 ,
1 ,
; =BINOM.DIST(x,n,p,FALSE)
=BINOM.DIST(x,n,p,TRUE)
Distribusi Binomial
23
q Nilai rerata dan varian
q Koefisien skewness
( )
( )
X npqp n X
=
= VAR E
q p n
p cs q−
=
p = q à simetris
q > p à negative skew q < p à positive skew
http://istiarto.staff.ugm.ac.id
Distribusi Binomial
Distribusi Probabilitas Variabel Random
24
q
Contoh #1
q Setiap tahun dalam 5 tahun dilakukan pemilihan acak untuk menetapkan alokasi dana kepada 1 dari 4 kegiatan (A,B,C,D).
q Setiap kali dilakukan pemilihan, masing-masing kegiatan memiliki peluang yang sama untuk terpilih (mendapatkan dana).
q Berapa persen peluang kegiatan A mendapatkan dana 3x?
q Berapa persen peluang kegiatan A mendapatkan dana 5x, 4x, 3x, 2x, 1x, 0x?
18-Oct-16
Distribusi Binomial
25
q Setiap kali pemilihan
n prob(As) = probabilitas kegiatan A terpilih prob(As) = ¼ = 0.25 = p
n prob(Ag) = probabilitas kegiatan A tak terpilih prob(Ag) = 1 – p = 0.75 = q
q Dalam 5x pemilihan, maka probabilitas kegiatan A mendapatkan dana 3x adalah:
( ) ( )
0.25(
1 0.25)
0.08793 25 5
. 0 , 5
; 3 ,
; ⎟⎟ 3 − 5 3 =
⎠
⎞
⎜⎜⎝
=⎛
= X −
X x n p f
f
=BINOM.DIST(3,5,0.25,FALSE)
http://istiarto.staff.ugm.ac.id
Distribusi Binomial
18-Oct-16 Distribusi Probabilitas Variabel Random
26
Jumlah sukses Jumlah cara sukses Probabilitas
0 1 0.237
1 5 0.396
2 10 0.264
3 10 0.088
4 5 0.015
5 1 0.001
Jumlah = 1.000
Distribusi Poisson
Distribusi Probabilitas Variabel Random Diskrit
27
http://istiarto.staff.ugm.ac.id
Distribusi Poisson
Distribusi Probabilitas Variabel Random
28
q
Situasi
q Proses Bernoulli dalam suatu selang waktu à p adalah probabilitas terjadinya suatu event dalam selang waktu tersebut.
q Jika selang waktu t sangat pendek, sedemikian hingga probabilitas p menjadi kecil dan jumlah pengamatan (eksperimen) n bertambah, sedemikian hingga np konstan, maka
n ekspektasi jumlah kejadian dalam selang waktu total à tetap
18-Oct-16
Distribusi Poisson
29
q
Sifat
q Proses Poisson adalah suatu proses diskrit pada skala waktu kontinu.
n Oleh karena itu, distribusi probabilitas jumlah event dalam suatu waktu T adalah sebuah distribusi diskrit,
n akan tetapi distribusi probabilitas waktu antar events serta waktu sampai ke event ke- n adalah distribusi kontinu.
http://istiarto.staff.ugm.ac.id
Distribusi Poisson
18-Oct-16 Distribusi Probabilitas Variabel Random
30
q
Probabilitas distribusi Poisson
q
Distribusi Poisson kumulatif
(
;)
, =0,1,2,... dan λ = >0!
= λ λ
λ
− x np
x x e
fX x
( ) ∑
=
λ
−
!
= λ λ
x
i i
X i
x e F
0
;
Distribusi Poisson
31
q
Nilai rerata dan varian
q
Skewness coefficient
( )
X = λ VAR( )
X = λE
12
λ− s = c
http://istiarto.staff.ugm.ac.id
Distribusi Poisson
18-Oct-16 Distribusi Probabilitas Variabel Random
32
q
Contoh
q Suatu printer membuat kesalahan secara random pada kertas cetak rerata 2 kesalahan per halaman.
q Hitunglah probabilitas terjadi satu salah cetak dalam satu halaman.
q
Penyelesaian
( ) ( )
2 0.27071 2 2
; 1
; 1 2 = 2 =
= !
= λ
−
e f e
x
fX X
λ = 2, x = 1
Distribusi Normal
Distribusi Probabilitas Variabel Random Kontinu
33
http://istiarto.staff.ugm.ac.id
Flash-back Distribusi Binomial
18-Oct-16 Distribusi Probabilitas Variabel Random
34
q
Ilustrasi contoh pemilihan kegiatan
q Setiap tahun dalam 5 tahun dilakukan pemilihan secara acak untuk menetapkan alokasi dana kepada 1 dari 4 kegiatan (A,B,C,D).
q Setiap kali dilakukan pemilihan, masing-masing kegiatan memiliki peluang yang sama untuk terpilih (mendapatkan dana).
q Berapakah probabilitas kegiatan A mendapatkan dana 5×, 4×, 3×, 2×, 1×, 0×?
Flash-back Distribusi Binomial
35
Distribusi Binomial
memilih 1 di antara 4 kegiatan untuk diberi dana
Histogram distribusi probabilitas kegiatan A mendapatkan dana
http://istiarto.staff.ugm.ac.id
Flash-back Distribusi Binomial
Distribusi Probabilitas Variabel Random
36
q
Setiap kali pemilihan
q prob(As) = probabilitas kegiatan A terpilih prob(As) = ¼ = 0.25 = p
q prob(Ag) = probabilitas kegiatan A tak terpilih prob(Ag) = 1 – p = 0.75 = q
q
Dalam 5x pemilihan, maka probabilitas kegiatan A mendapatkan dana 3x adalah:
(
; ,) (
3;5,0.25)
35⎟⎟0.253(
1−0.25)
5 3 =0.0879⎠
⎞
⎜⎜⎝
=⎛
= X −
X x n p f
f =BINOM.DIST(3,5,0.25,FALSE)
18-Oct-16
Flash-back Distribusi Binomial
37
Jumlah sukses Jumlah cara sukses Probabilitas
0 1 0.2373
1 5 0.3955
2 10 0.2637
3 10 0.0879
4 5 0.0146
5 1 0.0010
Jumlah = 1.0000
http://istiarto.staff.ugm.ac.id
Flash-back Distribusi Binomial
18-Oct-16 Distribusi Probabilitas Variabel Random
38
0.2373
0.3955
0.2637
0.0879
0.0146 0.0010
0 0.1 0.2 0.3 0.4 0.5
0 1 2 3 4 5
Probabilitas
Frekuensi perolehan dana
Distribusi probabilitas kegiatan A mendapatkan dana
Flash-back Distribusi Binomial
39
q
Apabila pemilihan dilakukan untuk waktu yang lebih panjang
q 10 tahun
q 20 tahun
q n tahun
n diperoleh n + 1 kemungkinan hasil
n Kegiatan A dapat memperoleh dana sejumlah n kali, n – 1 kali, ... 0 kali
http://istiarto.staff.ugm.ac.id
Flash-back Distribusi Binomial
0 0.05 0.1 0.15 0.2 0.25 0.3
0 1 2 3 4 5 6 7 8 9
Probabilitas
Frekuensi perolehan dana
0 0.05 0.1 0.15 0.2 0.25
0 2 4 6 8 10 12 14 16 18 20
Probabilitas
Frekuensi perolehan dana
18-Oct-16
40
Distribusi Probabilitas Variabel Random
n = 10 n = 20
Distribusi Binomial vs Kurva Normal
41
q
Apabila pemilihan (eksperimen) dilakukan sejumlah n kali dan n »
q histogram distribusi probabilitas sukses (Kegiatan A memperoleh dana) memiliki selang (interval) kecil
q garis yang melewati puncak-puncak histogram → kurva mulus berbentuk seperti lonceng
Kurva Normal
http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16
42
0 0.05 0.1 0.15 0.2 0.25
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Peobabilitas
Frekuensi perolehan dana
Distribusi probabilitas kegiatan A mendapatkan dana
n = 20
0 0.02 0.04 0.06 0.08 0.1 0.12 0.14
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42 44 46 48 50
Peobabilitas
Frekuensi perolehan dana
Distribusi probabilitas kegiatan A mendapatkan dana
n = 50
http://istiarto.staff.ugm.ac.id
Kurva Normal dan Distribusi Normal
18-Oct-16 Distribusi Probabilitas Variabel Random
44
q Kurva Normal
q berbentuk seperti lonceng dengan karakteristika tertentu
q tidak setiap kurva berbentuk seperti lonceng adalah kurva normal
q Kurva Normal menggambarkan suatu distribusi yang disebut Distribusi Normal
q Permasalahan distribusi binomial dapat diselesaikan dengan pendekatan distribusi normal
q Distribusi normal lebih mudah dilakukan daripada distribusi binomial karena karakteristika distribusi normal telah diketahui (didefinisikan)
q tabel distribusi normal
q perintah/fungsi dalam MSExcel
Distribusi Normal
45
q
Karakteristika distribusi normal
q simetris terhadap nilai rerata (mean)
q score mengumpul di sekitar nilai rerata
q kisaran score tak terbatas, namun sangat sedikit yang berada di luar kisaran tiga kali simpangan baku dari nilai rerata
http://istiarto.staff.ugm.ac.id
Distribusi Normal
18-Oct-16 Distribusi Probabilitas Variabel Random
46
μ−3σ
−∞ X
luas = 1
μ−2σ μ−σ μ μ+σ μ+2σ μ+3σ
+∞
Distribusi Normal
47
X
luas = 0.9973 luas = 0.00135
luas = 0.00135
μ−3σ
−∞
μ−2σ μ−σ μ μ+σ μ+2σ μ+3σ+∞
http://istiarto.staff.ugm.ac.id
μ−3σ
−∞
μ−2σ μ−σ μ μ+σ μ+2σ μ+3σ+∞
pdf Distribusi Normal
18-Oct-16 Distribusi Probabilitas Variabel Random
48
X
pX(x)
N(μ,σ2) pX
( )
x =(
2πσ2)
−12e−12(x−µ) σ2pdf (probability density function)
pdf Distribusi Normal
49
X
pX(x)
N(μ1,σ12)
N(μ2,σ22)
N(μ3,σ32) μ1=μ2=μ3
σ1 > σ2> σ3
−∞
μ1=μ2=μ3+∞
http://istiarto.staff.ugm.ac.id
pdf Distribusi Normal
18-Oct-16 Distribusi Probabilitas Variabel Random
50
X
pX(x)
N(μ1,σ12)
N(μ2,σ22)
N(μ3,σ32) μ1 < μ2 < μ3
σ1 = σ2= σ3
−∞
μ1 μ2 μ3+∞
Distribusi Normal
51
q Jika X berdistribusi normal, N(µ,σ2), maka prob(X ≤ x) dapat dicari dengan:
−∞
x
+∞( ) ( ) ∫ ( ) ∫ ( )
( )∞
−
σ µ
−
− − 2
∞
−
πσ 2
=
=
=
≤
x t
x X
X x p t t e t
P x
X d 2 d
prob 12 12
luas di bawah kurva pdf (dari −∞ s.d. x) à cdf
cdf (cumulative distribution function)
http://istiarto.staff.ugm.ac.id
pdf - cdf
18-Oct-16 Distribusi Probabilitas Variabel Random
52
–∞ µ
01
+∞
pX(x)
cdf
PX(x)
Distribusi Normal
53
q Luas di bawah kurva pdf
q menunjukkan probabilitas suatu event
q menunjukkan percentile rank
q prob(X ≤ x) = prob(-∞ ≤ X ≤ x)
= luas di bawah kurva antara -∞ s.d. x
q prob(-∞ ≤ X ≤ +∞) = 1
= luas di bawah kurva antara -∞ s.d. +∞
q prob(X ≥ x) = prob(x ≤ X ≤ +∞)
= luas di bawah kurva antara x s.d. +∞
= 1 – prob(X ≤ x)
-∞ x +∞
http://istiarto.staff.ugm.ac.id
Distribusi Normal
18-Oct-16 Distribusi Probabilitas Variabel Random
54
q
Probabilitas
q prob(X ≤ µ) = prob(X ≥ µ) = 0.50
q prob(µ-x ≤ X ≤ µ) = prob(µ ≤ X ≤ µ+x)
µ +∞
−∞
Distribusi Normal
55
q
Probabilitas
q prob(X = x) = luas di bawah kurva antara x s.d. x = 0
q prob(X ≤ x) = prob(X < x)
q prob(X ≥ x) = prob(X > x)
q prob(xa ≤ X ≤ xb) = prob(xa < X < xb)
xa +∞
-∞ xb
http://istiarto.staff.ugm.ac.id
Distribusi Normal Standar
18-Oct-16 Distribusi Probabilitas Variabel Random
56
q
Distribusi normal biasa disajikan dalam bentuk distribusi normal standar
q dinyatakan dalam variabel Z
q Zx berdistribusi normal dengan μ = 0 dan σ = 1, N(0,1) à disebut dengan nama distribusi normal standar
σ µ
= X − Zx
Distribusi Normal Standar
57
μ μ+σ μ+2σ μ+3σ
μ−3σ μ−2σ μ−σ
−∞ +∞ X
luas = 1
0
−1
−2
−3 1 2 3
−∞ +∞ Z
http://istiarto.staff.ugm.ac.id
Tabel Distribusi Normal Standar
18-Oct-16 Distribusi Probabilitas Variabel Random
58
q
Tabel z vs ordinat kurva normal standar
q z vs ordinat pdf (probability density function) à file1
q
Tabel z vs luas di bawah kurva
q z vs cdf (cumulative distribution function)
q luas kurva dari 0 s.d. zx à file2
q luas kurva dari −∞ s.d. zx à file3
Tabel Distribusi Normal Standar
59
q
Contoh
q Suatu variabel random X berdistribusi normal, serta memiliki nilai rerata 12, dan simpangan baku 3
q prob(X < 15)= prob(Z < 1)= … (lihat tabel)
q prob(X < 9)= prob(Z < −1)= … (lihat tabel)
q prob(9 < X < 15)= prob(−1 < Z < 1)= … (lihat tabel)
http://istiarto.staff.ugm.ac.id
Perintah (Fungsi) MS Excel
18-Oct-16 Distribusi Probabilitas Variabel Random
60
q
Distribusi Normal
q NORM.DIST(x,mean,standard_dev,cumulative)
n x = nilai yang diinginkan untuk dicari distribusi normalnya
n mean = nilai rerata (aritmetik)
n standard_dev = nilai simpangan baku
n cumulative = TRUE atau FALSE; TRUE jika ingin menghitung cdf, FALSE jika ingin menghitung pdf
q NORM.INV(probability,mean,standard_dev)
n probability = probabilitas suatu distribusi normal
n mean = nilai rerata (aritmetik)
n standar_dev = nilai simpangan baku
Perintah (Fungsi) MS Excel
61
q Distribusi Normal Standar
q NORM.S.DIST(z,TRUE)
n menghitung nilai cdf distribusi normal standar
q NORM.S.DIST(z,FALSE)
n menghitung nilai pdf distribusi normal standar
q NORM.S.INV(probability)
n kebalikan dari NORM.S.DIST(z)
n mencari nilai z apabila probabilitasnya diketahui
q Ingat
q Distribusi Normal Standar
n mean = 0
n simpangan baku = 1
http://istiarto.staff.ugm.ac.id
Perintah (Fungsi) MS Excel
18-Oct-16 Distribusi Probabilitas Variabel Random
62
q
Contoh 1
q NORM.DIST(15,12,3,TRUE)
n rerata = 12
n simpangan baku = 3
n prob(X < 15) = NORM.DIST(15,12,3,TRUE) = 0.8413
q NORM.INV(0.8,12,3)
n prob(X < x) = 0.8
n x = NORM.INV(0.8,12,3) = 14.5249
Perintah (Fungsi) MS Excel
63
q
Contoh 2
q NORM.S.DIST(3,TRUE)
n rerata = 0
n simpangan baku = 1
n prob(Z < 3) = NORM.S.DIST(3,TRUE) = 0.9987
n prob(0 < Z < 3) = NORM.S.DIST(3,TRUE) – 0.5 = 0.4987
n prob(1 < Z < 3) = NORM.S.DIST(3,TRUE) – NORM.S.DIST(1,TRUE)
n prob(Z > 1.5) = 1 – NORM.S.DIST(1.5,TRUE)
q NORM.S.INV(0.65)
n prob(Z < z) = 0.65
n z = NORM.S.INV(0.65) = 0.3843
http://istiarto.staff.ugm.ac.id Distribusi Probabilitas Variabel Random 18-Oct-16
64