BAB VI
DISTRIBUSI PROBABILITAS MENERUS
6.1 Distribusi Uniform (seragam) Menerus
Distribusi seragam menerus merupakan distribusi yang paling sederhana.
Karaketristik distribusi ini adalah fungsi kepadatannya datar (sama). Fungsi kepadatannya dalam interval [A,B] secara matematis dinyatakan sebagi berikut:
⎪⎩
⎪ ⎨
⎧ ≤ ≤
= −
selainnya
0
1
) , :
( A x B
A B B
A x
f
Contoh: Bila ruang konferensi dapat didigunakan tidak lebih dari 4 jam.
Diasumsikan bahwa lamanya waktu konferensi X memiliki distribusi yang seragam.
a. Tentukan fungsi kepadatan probabilitas:
⎪⎩
⎪ ⎨
⎧ ≤ ≤
=
selainnya
0
4 0
4 1 ) , :
( x
B A x f
b. Berapa probabilitas bahwa waktu konferensi paling tidak 3 jam
[ 3 ]
4( ) 1 / 4 1 / 4
3
=
=
≥ ∫ dx
X P
Rata-rata dan varians dari distribusi seragam adalah:
2 B A +
μ = dan
12 )
(
22
= B − A
σ
6.2 Distribusi Normal
Distribusi probabilitas menerus yang paling penting adalah ditsribusi normal.
Secara grafiknya disebut kurva normal seperti gambar berikut:
σ
x
Distribusi normal sering disebut juga dengan Distribusi Gauss. Secara matematis distribusi normal tergantung dari dua variabel yaitu μ (rata-rata) dan σ (deviasi standar). Fungsi kepadatannya (density function) sbb:
( ) ( ) ,
2 exp 1 2
1
2⎥ ⎥
⎦
⎤
⎢ ⎢
⎣
⎡
⎥⎦ ⎤
⎢⎣ ⎡ −
−
= σ
μ π
σ x x
f
x− ∞ < x < ∞ , π = 3 . 14159 K Notasi singkat distribusi ini adalah N( μ , σ )
Distribusi Normal Standar
Distribusi Gauss dengan μ = 0, dan σ = 1; disebut sebagai distribusi normal standar dan ditulis sebagai N(0,1). Sehingga fungsi kepadatannya adalah:
( ) ,
2 exp 1 2
1
2⎥⎦ ⎤
⎢⎣ ⎡−
= s
s f
sπ − ∞ < s < ∞ ,
Notasi khusus Φ(s) biasanya digunakan untuk menandakan fungsi distribusi variasi normal standar S. Φ(s) = F
s(s), dimana S adalah distribusi N(0,1).
f
s(s)
N(0,1)
x
Gambar: Fungsi kepadatan normal standar
μ
0 s
pProbabilitas = p
Dengan merujuk pada gambar diatas, maka Φ(s
p) = p
Sebaliknya, nilai variasi normal standar pada probabilitas kumulatif p dapat ditulis sebagai:
s
p= Φ
-1(p)
Fungsi distribusi dari N(0,1), yakni Φ(s) sudah dibuat dalam tabel di berbagai buku statitsik dan probabilitas, tabel ini disebut sebagai Tabel probabilitas normal. Contoh tabelnya sebagai berikut:
x Φ(s)
0.0 0.01 0.02 . . 0.50
0.500000 0.503989 0.507978 .
.
0.694463
Tabel biasanya diberikan untuk nilai variasi yang positif, untuk nilai yang negatif dapat diperoleh dengan:
Φ(-s) = 1- Φ(s)
Nilai s untuk p < 0.5 dapat dihitung dengan:
s = Φ
-1(p) = - Φ
-1(1-p)
Dengan tabel Φ(s), probabilitas untuk setiap distribusi normalyang lain dapat ditentukan sebagai berikut. Bila variasi normal X dengan distribusi N( μ , σ );
maka probabilitasnya adalah:
( ) ∫ ⎥ ⎥
⎦
⎤
⎢ ⎢
⎣
⎡
⎥⎦ ⎤
⎢⎣ ⎡ −
−
=
≤
<
ba
x dx b
X a P
)
2( 2 exp 1 2
1
σ μ π
σ
Area diatas dapat diilustrasikan seperti gambar berikut:
f
x(x)
N( μ , σ )
x
Gambar: Fungsi kepadatan probabilitas untuk N( μ , σ )
Persamaan diatas dapat juga diselesaikan dengan membuat perubahan variasi berikut:
σ μ ) / ( −
= x
s dan dx = σ ds
sehingga:
( )
( ) ( )
−
∫
−
=
−≤
<
σ μ
σ μ
π σ σ
/
/
) 2 / 1
( 2
2
1
ba
s
ds e
b X a P
( ) ( )
−
∫
−
=
−σ μ
σ
π
μ //
) 2 / 1
( 2
2 1
ba
s
ds e
persamaan ini merupakan area (luasan) dari fungsi kepadatan normal standar antara (a- μ )/ σ dan (b- μ )/ σ . Sehingga dapat ditentukan dengan:
( ) ⎟
⎠
⎜ ⎞
⎝ Φ ⎛ −
⎟ −
⎠
⎜ ⎞
⎝ Φ ⎛ −
=
≤
< σ
μ σ
μ a
b b X a P
Contoh: Dari data menunjukkan curah hujan total tahunan di suatu kolam penampung diperkirakan memiliki distribusi normal dengan rata-rata 60 in, dan deviasi standar 15 in.
a. Tentukan probabilitas bahwa pada tahun depan curah hujan tahunan antara 40 sampai 70 in.
a b
Area = P(a < x ≤ b)
μ
Solusi:
( ) ⎟
⎠
⎜ ⎞
⎝
⎛ −
Φ
⎟ −
⎠
⎜ ⎞
⎝
⎛ −
Φ
=
≤
< 15
60 40 15
60 70 70
40 X P
( 0 . 67 ) − Φ ( − 1 . 33 )
Φ
=
( 0 . 67 ) − [ 1 − Φ ( 1 . 33 ) ]
Φ
= Dari tabel diperoleh:
( 40 < X ≤ 70 ) = 0 . 7486 − ( 1 − 0 . 9082 ) = 0 . 6568 P
b. Berapa probabilitas curah hujan tahunan paling tidak (minimal) 30 in
( ) ( ) ⎟
⎠
⎜ ⎞
⎝
⎛ −
Φ
−
∞ Φ
=
≥ 15
60 30 30
X P
( 2 . 00 ) 1 [ 1 ( 2 . 00 ) ] ( 2 . 00 ) 0 . 9772
1 − Φ − = − − Φ = Φ =
=
c. Tentukan nilai curah hujan tahunan bila disktribusi kumulatifnya adalah 10%.
( X ≤ x
.10) = 0 . 10 P
10 . 15 0
10
60 ⎟ =
⎠
⎜ ⎞
⎝
⎛ −
Φ x
Dari table menunjukkan bahwa probabilitas kurang dari 0.5 terkait dengan nilai variasi negative, sehingga;
( 0 . 10 ) ( 0 . 90 ) 1 . 28 15
60
1 110
− = Φ
−= − Φ
−= −
x
Sehingga, x
10= 60 − 1 . 28 ( 15 ) = 40 . 8 in
Contoh: struktur cangkang ditopang oleh tiga tiang A, B, C seperti tunjukkan pada gambar berikut:
Walaupun beban dari atap dapat diperkirakan dengan tepat, namun kondisi tanah tidak bisa diprediksi
dengan tepat. A
C
B
Asumsikan bahwa penurunan pondasi ρ
A,ρ
B,ρ
C,adalah variasi normal bebas dengan rata-rata 2, 2.5; dan 3 cm. Koefesien varians masing-masing adalah 20%, 20%, 25%. Berapa probabilitas maksimum penurunan melebihi 4 cm?
Solusi: P ( max ρ > 4 cm ) = 1 − P ( max ρ ≤ 4 cm )
( 4 4 4 )
1 − ≤ ∩ ≤ ∩ ≤
= P ρ
Aρ
Bρ
C( 4 ) ( 4 ) ( 4 )
1 − ≤ ≤ ≤
= P ρ
AP ρ
BP ρ
C⎟ ⎠
⎜ ⎞
⎝ Φ ⎛ −
⎟ ⎠
⎜ ⎞
⎝ Φ ⎛ −
⎟ ⎠
⎜ ⎞
⎝ Φ ⎛ −
−
= 0 . 75
3 4 5
. 0
5 . 2 4 4
. 0
2 1 4
( ) ( ) ( 5 3 1 . 333 )
1 − Φ Φ Φ
=
= 1 − 1 x 0 .9986 x 0 .9088 = 0.0925
6.3 Distribusi Logaritmik Normal (Log-normal)
Suatu variabel acak X merupakan distribusi probabilitas logaritmik normal (log- normal) bila ln X (logaritmik natural X) adalah normal. Dalam kasus ini fungsi kepadatannya adalah:
( ) (ln ) ,
2 exp 1 2
1
2⎥ ⎥
⎦
⎤
⎢ ⎢
⎣
⎡
⎥ ⎦
⎢ ⎤
⎣
⎡ −
−
= ζ
λ π
ζ
x x x
f
x0 ≤ x < ∞
dimana rata-rata = λ = E ln ( X ) dan deviasi standar = ζ = Var ln ( X )
Karena transformasi logaritmik, distribusi probabilitas log-normal dapat ditentukan dengan menggunakan distribusi normal.
( ) ∫ ⎥ ⎥
⎦
⎤
⎢ ⎢
⎣
⎡
⎥ ⎦
⎢ ⎤
⎣
⎡ −
−
=
≤
<
ba
x dx b x
X a P
)
2(ln 2 exp 1 2 1
ζ λ π
ζ Bila,
ζ λ
= x − s ln
, maka dx = x ζ ds
( ) [ ]
( )
( )
−
∫
−
⎟ ⎠
⎜ ⎞
⎝
⎛ −
Φ
⎟ −
⎠
⎜ ⎞
⎝
⎛ −
Φ
⎥⎦ =
⎢⎣ ⎤
⎡−
=
≤
<
ζ λ
ζ
λ
ζ
λ ζ
λ π
/ ln
/ ln
2
ln ln
2 exp 1 2
1
ba
a ds b
s b
X
a
P
Rumus diatas menunjukkan probabilitas adalah fungsi dari parameter λ dan ζ.
Parameter ini terkait dengan nilai rata-rata μ dan deviasi standar σ.
Misalkan Y = ln X , merupakan distribusi normal N ( λ , ζ ) , maka X = e
Y, dan
( ) X E ( ) e
YE =
μ =
∫
∞∞
−
⎥ ⎥
⎦
⎤
⎢ ⎢
⎣
⎡
⎥ ⎦
⎢ ⎤
⎣
− ⎡ −
= y dy
e
y)
2( 2 exp 1 2
1
ζ λ π
ζ
∫
∞∞
−
⎥ ⎥
⎦
⎤
⎢ ⎢
⎣
⎡
⎥ ⎦
⎢ ⎤
⎣
− ⎡ −
= y dy
y
)
2( 2 exp 1 2
1
ζ λ π
ζ
( ) ⎟
⎠
⎜ ⎞
⎝ ⎛ +
⎥ ⎥
⎦
⎤
⎢ ⎢
⎣
⎡
⎪⎭
⎪ ⎬
⎫
⎪⎩
⎪ ⎨
⎧
⎥ ⎦
⎢ ⎤
⎣
⎡ − +
−
=
∞∫
∞
−
2 2 2
2 exp 1
2 exp 1 2
1 λ ζ
ζ ζ λ π
μ ζ y dy
Persamaan dalam tanda kurung diatas adalah total satu satuan luas dari fungsi kepadatan Gauss N ( λ + ζ
2, ζ ) . Oleh karena itu:
⎟ ⎠
⎜ ⎞
⎝ ⎛ +
=
22 exp λ 1 ζ
μ Æ
22 ln μ 1 ζ λ = −
Dengan cara yang sama, varians dari X adalah:
( ) X
2=
E
∞∫
∞
−
⎥ ⎥
⎦
⎤
⎢ ⎢
⎣
⎡
⎥ ⎦
⎢ ⎤
⎣
− ⎡ − y dy
e
y2
2
( )
2 exp 1 2
1
ζ λ π
ζ
( )
{ }
∞
∫
∞
−
⎥
⎦
⎢ ⎤
⎣
⎡ − − + +
=
2y
22 2
2y
2dy
2 exp 1 2
1 λ ζ λ
ζ π
ζ
( )
∞∫ ( ) [ ( ) ]
∞
−
⎥ +
⎥
⎦
⎤
⎢ ⎢
⎣
⎡
⎭ ⎬
⎫
⎩ ⎨
⎧ − +
−
=
22 2
2
2 exp 2
2 exp 1 2
1 λ ζ
ζ ζ λ π
ζ dy
X y E
( )
[ 2
2]
exp λ + ζ
=
Karena; Var ( ) X = E ( ) X
2− μ
x2; maka
( ) X = exp [ 2 ( λ + ζ
2) ] − exp [ 2 ( λ +
1ζ
2) ] = μ
2( ) eζ2 − 1
Var
dari persamaan diatas kita dapatkan:
⎟⎟ ⎠
⎜⎜ ⎞
⎝
⎛ +
=
222
ln 1 μ
ζ σ ;
Bila σ/μ tidak besar (≤0.30), maka ln [ 1 + ( σ
2/ μ
2) ] ≅ σ
2/ μ
2; sehingga:
= COV
=
≅ δ
μ ζ σ
Median (x
m) = nilai tengah dari log-normal adalah:
( X ≤ x
m) = 0 . 5
P atau ln ⎟ = 0 . 5
⎠
⎜ ⎞
⎝
⎛ −
Φ ζ
m
λ
x ; maka:
( ) 0 . 5 0 ln − = Φ
−1=
ζ
m
λ
x Æ λ = ln x
mSebaliknya: x
m= e
yDengan menggunakan persamaan-persamaan sebelumnya diperoleh:
1 δ
2μ
= +
x
mÆ
1
2ln δ
λ μ
= +
Hal ini berarti median dari suatu distribusi log-normal selalu lebih kecil dari nilai rata-ratanya, yakni x
m< μ
Contoh: Dari data menunjukkan curah hujan total tahunan di suatu kolam penampung diperkirakan memiliki distribusi log-normal dengan rata-rata 60 in, dan deviasi standar 15 in.
a. Tentukan probabilitas bahwa pada tahun depan curah hujan tahunan antara 40 sampai 70 in.
Solusi:
25 . 60 0 15 =
=
≅ μ
ζ σ
( 0 . 25 ) 4 . 06 60
2 ln
ln − 1
2= −
21 2=
= μ ζ
λ
( ) ⎟
⎠
⎜ ⎞
⎝
⎛ −
Φ
⎟ −
⎠
⎜ ⎞
⎝
⎛ −
Φ
=
≤
< 0 . 25
06 . 4 40 25
. 0
06 . 4 70 70
40 X P
( 0 . 75 ) − Φ ( − 1 . 48 )
Φ
=
( 0 . 75 ) − [ 1 − Φ ( 1 . 48 ) ]
Φ
= Dari tabel diperoleh:
( 40 < X ≤ 70 ) = 0 . 773373 − 0 . 069437 = 0 . 7039 P
b. Berapa probabilitas curah hujan tahunan paling tidak (minimal) 30 in
( ) ( ) ⎟
⎠
⎜ ⎞
⎝
⎛ −
Φ
−
∞ Φ
=
≥ 0 . 25
06 . 4 30 30
X P
( 2 . 64 ) 0 . 9958
1 − Φ − =
=
c. Tentukan nilai curah hujan tahunan bila disktribusi kumulatifnya adalah 10%.
( X ≤ x
.10) = 0 . 10 P
10 . 25 0
. 0
06 . 4
ln
10⎟ =
⎠
⎜ ⎞
⎝
⎛ −
Φ x
Dari table menunjukkan bahwa probabilitas kurang dari 0.5 terkait dengan nilai variasi negative, sehingga;
( 0 . 10 ) ( 0 . 90 ) 1 . 28 25
. 0
06 . 4
ln x
10− = Φ
−1= − Φ
−1= −
Sehingga, 74 ln x
10= 4 . 06 − 1 . 28 ( 0 . 25 ) = 3 . inc
e
x
10=
3.74= 42 . 10
6.4 Distribusi Gamma dan exponensial
Distribusi gamma dan exponensial terkait dengan proses Poisson. Distribusi gamma berasal dari fungsi gamma yang diformulasikan sebagai berikut:
( ) = ∫
∞x
−e
−xdx
Γ
10
α
αuntuk α >0
Dengan memisalkan u = x
α−1dan dv = e
−xdx , diperoleh:
( ) e
xx e
x( ) x dx ( ) x
2dx
0 2
0 0
1 ∞ ∞ −
1
−1
∞ −−
−
+ ∫ − = − ∫
−
=
Γ α
αα
αα
αuntuk α >1., menghasilkan rumusan pengulangan
( ) ( = − 1 ) ( Γ − 1 ) .
Γ α α α
( ) ( = − 1 )( − 2 ) ( Γ − 2 ) ( = − 1 )( − 2 )( − 3 ) ( Γ − 3 ) .
Γ α α α α α α α α
dan seterusnya,
Bila α = n , dimana n adalah bilangan bulat positif, maka
( ) ( = − 1 )( − 2 ) ,...., Γ ( ) 1
Γ n n n
Berdasarkan rumus fungsi gamma:
( ) 1 1
0
=
=
Γ ∫
∞e
−xdx
( ) ( = − 1 ) !.
Γ n n
Sehingga: Fungsi kepadatan distribusi gamma dari suatu variabel acak X, dengan parameter α dan β adalah:
( ) ( )
⎪⎩
⎪ ⎨
⎧ Γ
=
−
−
selainnya
, 0
1
α 1 /β,
α
α
β
e
xx x
f x > 0
dimana α > 0 dan β > 0
Bila α = 1, maka distribusi tersebut dinamakan distribusi exponensial, fungsi kepadatannya adalah:
( ) ⎪⎩
⎪ ⎨
⎧ >
=
−
selainnya
0
0
1
/x x e
f
x β
β
Rata-rata dan varians distribusi gamma adalah:
αβ
μ = dan σ
2= αβ
2Rata-rata dan varians distribusi exponensial adalah β
μ = dan σ
2= β
2Contoh:
Suatu sistem terdiri dari komponen tertentu yang waktu terjadi kerusakkannya dinyatakan dengan T. Variabel acak T diasumsikan memiliki distribusi exponensial dengan rata-rata β = 5. Bila 5 dari kompenen ini dipasang pada sisitem yang berbeda, berapa probabilitas bahwa paling tidak 2 komponen masih berfungsi pada akhir tahun ke 8.
Solusi:
Probabilitas komponen masih berfungsi pada akhir tahun ke 8 adalah:
( ) 0 . 2
5
8 1
8/58 8
/
= ≅
=
>
∞∫ e
−dt e
−T
P
tDengan menggunakan distribusi binomial diperoleh:
( ) ∑ ⎟⎟
−⎠
⎜⎜ ⎞
⎝
= ⎛
≥
52
2 p
xq
n xx
X n
P = ∑ ⎟⎟
−⎠
⎜⎜ ⎞
⎝
−
1⎛
0