Distribusi-normal.pdf

  • Uploaded by: Naufal Farhan
  • 0
  • 0
  • November 2019
  • PDF

This document was uploaded by user and they confirmed that they have the permission to share it. If you are author or own the copyright of this book, please report to us by using this DMCA report form. Report DMCA


Overview

Download & View Distribusi-normal.pdf as PDF for free.

More details

  • Words: 1,526
  • Pages: 63
DISTRIBUSI PROBABILITAS: Distribusi Normal

2

Sekilas Distribusi Normal atau Gaussian ▪ Distribusi Normal atau Gaussian termasuk distribusi variabel kontinyu. ▪ Kurva distribusi berbentuk lonceng (bellshaped distribution) ▪ Distribusi Normal dirumuskan bermula dari observasi pada model sebaran error atau residual dalam pengukuran ilmiah yang mengikuti pola simetris dalam distribusi berbentuk lonceng.

3

Distribusi Normal

4

Tokoh Statistik Terkait Distribusi Normal ▪ Abraham DeMoivre (1733) ▪ Laplace (1775) ▪ Legendre (1805) ▪ Karl Friedrich Gauss (1809)

De Moivre 1667-1754

Laplace 1749-1827

Legendre 1752-1833

Gauss 1777-1855

5

Sifat Penting Distribusi Normal 1. Rentang variabel acak meliputi semua bilangan nyata dari negatif tak hingga sampai positif tak hingga (- < x < ) 2. Nilai fungsi probabilitas (pdf) bernilai positif untuk semua variabel acak (f(x) > 0) 3. Total probabilitas bernilai sebesar 1     f ( x)dx = 1    4. −...

6

Sifat Penting Distribusi Normal 3. ... 4. Nilai mean, median dan mode berimpit. 5. Kurva simetris dengan pembatas pada nilai rata-rata atau mean sebagai axis vertikal. 6. Titik belok atau perubahan fungsi kurva (inflection points) di +, pada bagian tengah cembung (concave downward) dan pada sisi luar (tail) cekung (concave upward) 7. ...

7

Sifat Penting Distribusi Normal 6. ... 7. Nilai fungsi probabilitas simetris terhadap mean. f ( − x) = f ( + x) 8. Nilai fungsi probabilitas di kedua ujung (tail) distribusi mengecil.

(lim f (x) = 0 x →−

dan

lim f ( x) = 0 x →

)

8

Distribusi Normal

9

Dua Bilangan Konstanta Spesial ▪ Bilangan natural (e) n 2 3 a a a   lim e −a = 1 −  = 1 − a + − +  n → 2! 3!  n e = 2,718281828459045235360287 ▪ Bilangan phi ()  1 1 1  lim  = 41 − + − +  n →  3 5 7   = 3,141592653589793238462643

10

The Law of Large Number ▪ Semakin banyak data ditambahkan dalam observasi atau eksperimen, maka selisih antara statistik rata-rata sampel (x) dengan parameter rata-rata populasi () adalah sangat kecil atau mendekati 0 (nol). ▪ Data observasi atau eksperimen yang sangat banyak mempunyai statistik sampel (x dan s) sebagai pendekatan parameter populasi ( dan )

11

Central Limit Theorem ▪ Jika sebuah variabel x adalah rata-rata sederet variabel acak independent dengan ukuran sampel yang sangat besar, maka distribusi rata-rata sampel tersebut mendekati distribusi normal dengan pendekatan rata-rata dan simpangan baku x = x = s x = n

x

( N / n)

x  = N

12

13

14

15

P(1)=P(2)=P(3)=P(4)=P(5)=P(6)=1/6

P(1)=P(6)=1/36 P(2)=P(5)=3/36 P(3)=P(4)=5/36 P(1)=P(6)= 1/216 P(2)=P(5)=10/216 P(3)=P(4)=25/216 P(1)=P(6)= 1/7776 P(2)=P(5)=126/7776 P(3)=P(4)=651/7776

16

Distribusi Normal ▪ Distribusi Normal menunjukkan sebaran variabel acak yang membentuk pola simetris berbentuk lonceng dengan laju . Variabel acak meliputi semua bilangan nyata mulai dari negatif tak hingga (-) sampai tak hingga (), X{-<x<}.

17

Distribusi Normal ▪ Penerapan Distribusi Normal antara lain untuk menunjukkan sebaran data hasil pengukuran ilmiah baik observasi ataupun eksperimen, sebaran kesalahan, sebaran rata-rata data subgrup, sebaran data yang sangat banyak (Law of Large Number dan Central Limit Theorem).

18

Distribusi Normal ▪ Parameter ➔  (mean) dan  (standard deviation) ▪ Probability Density Function, f(x)

f ( x) =

e

− ( x −  ) 2 /( 2 2 )

2 .

2

f(x)

▪ Cummulative Distribution Function, F(x) x

F ( x) =

 f (i)di

−

F(x)

19

Distribusi Normal ▪ Dinotasikan dengan N(x;,) ▪ Parameter ➔  dan  ▪ Mean

=

▪ Variance

 = 2

2

Distribusi Normal

Distribusi Normal

Distribusi Normal

Distribusi Normal

Distribusi Normal

25

Perbedaan Dua Distribusi Normal

1   2 1 =  2

1 =  2 1   2

1   2 1   2

Distribusi Normal

27

Distribusi Standardized Normal ▪ Distribusi Standard (Standardized) Normal adalah distribusi normal yang mempunyai parameter  = 0 dan  = 1 ▪ Distribusi Standard (Standardized) Normal juga disebut dengan Distribusi Z.

28

Distribusi Standardized Normal ▪ Parameter ➔  (mean) dan  (standard deviation) ▪ Probability Density Function, f(x)

f ( x) =

e

− x2 / 2

2

f(x)

▪ Cummulative Distribution Function, F(x) x

F ( x) =

 f (i)di

−

F(x)

29

Distribusi Standardized Normal ▪ Dinotasikan dengan Z(x) ▪ Parameter ➔  dan  ▪ Mean

 =0

▪ Variance

 2 =1

30

Distribusi Standardized Normal ▪ Hubungan Distribusi Standard (Standardized) Normal dengan Distribusi Normal ▪ Jika X adalah variabel acak independen X − berdistribusi Normal (,), maka Z= adalah variabel acak berdistribusi Standard  Normal

31

Distribusi Standardized Normal

32

33

Distribusi Normal

Distribusi Normal

Distribusi Normal

Distribusi Normal

Distribusi Normal

Distribusi Normal

Distribusi Normal ▪ Menggunakan Tabel Distribusi Normal Standar

Distribusi Normal ▪ Contoh Soal

▪ Suatu perusahaan generator menghitung berat salah satu komponennya. Berat komponen tersebut berdistribusi normal dengan rata-rata 35 gram, dan standard deviasi 9 gram. 1.

Hitung probabilitas bahwa satu komponen yang diambil secara acak akan memiliki berat antara 35 dan 40 gram? 2. Berapa peluang pengambilan acak satu komponen dengan berat paling ringan 50 gram? ▪ JAWAB: 1. 𝐏 𝟑𝟓 ≤ 𝐱 ≤ 𝟒𝟎 : ▪ 𝑥 = 40 𝑔𝑟𝑎𝑚, 𝑥 − 𝜇 40 − 35 𝑧= = = 0,56, 𝑃 𝑍 ≤ 0,56 = 0,7123 𝜎 9 ▪ 𝑥 = 35 𝑔𝑟𝑎𝑚, 𝑥 − 𝜇 35 − 35 𝑧= = = 0, 𝑃 𝑍 ≤ 0 = 0,5 𝜎 9 ▪ 𝑃 35 ≤ 𝑥 ≤ 40 = 𝑃 0 ≤ 𝑧 ≤ 0,56 = 0,7123 − 0,5 = 0,2123

Distribusi Normal ▪ Contoh Soal

Distribusi Normal ▪ Latihan Soal: ▪ Nilai ujian fisika di sebuah kelas terdistribusi secara normal dengan rata-rata 60 dan standar deviasi 10. Berapa persen siswa yang memperoleh nilai antara 60 dan 70?

Distribusi Normal

▪ Menghitung nilai 𝑥 𝑥−𝜇 𝑧= , 𝜎 ▪ Contoh:

𝑚𝑎𝑘𝑎 𝑥 = 𝑧𝜎 + 𝜇

▪ Diketahui suatu distribusi normal dengan 𝜇 = 40 dan 𝜎 = 6. Carilah nilai 𝑥, yang memiliki: a. 45% area dari sisi kiri b. 14% area dari sisi kanan

Jawab: a. 𝑃 𝑍 ≤ 𝑧 = 0.45, 𝑧 = −0,13 𝑥 = 6 −0,13 + 40 = 39,22

Distribusi Normal ▪ Latihan Soal: ▪ Diketahui rata-rata hasil ujian adalah 74 dengan simpangan baku 7. Jika nilai-nilai peserta ujian berdistribusi normal dan 12% peserta nilai tertinggi mendapat nilai A, berapa batas nilai A yang terendah ?

Distribusi Normal ▪ Menyelesaikan permasalahan binomial dengan distribusi normal

Pendekatan Normal Untuk Binomial Distribusi Binomial :

Exp : Pendekatan normal untuk binomial dengan n = 15, p = 0,4

Pendekatan Normal Untuk Binomial Menurut Teorema Limit Pusat : Jika x suatu variable random binomial dengan mean & variansi . Jika n cukup besar (n>30) dan p tidak terlalu dekat dengan 0 atau 1, maka :

49

Distribusi Student’s t ▪ Distribusi Student’s X t adalah sebaran variabel acak Y   yang merupakan model gabungan variabel acak X berdistribusi Standard Normal yang mempunyai parameter =0 dan =1 dengan variabel acak Y berdistribusi Chi square dengan derajat bebas sebesar  yang mempunyai parameter =/2 dan =2.

50

51

Distribusi Lognormal ▪ Parameter ➔  dan  ▪ Probability Density Function, f(x)

 e − (ln( x ) −  ) /( 2  f ( x) =  x. 2 . 2 0  2

2

)

x0 other

f(x)

▪ Cummulative Distribution Function, F(x) x0 0 x  F ( x) =  f (i )di x  0   0 F(x)

52

Distribusi Lognormal ▪ Parameter ➔  dan  ▪ Mean

 =e

 + 2 / 2

▪ Variance

 =e 2

2  + 2

2

(e

− 1)

53

Distribusi Lognormal ▪ Hubungan Distribusi Lognormal dengan Distribusi Normal ▪ Jika X adalah variabel acak independen berdistribusi Normal (,), maka eX adalah variabel acak berdistribusi Lognormal

54

Distribusi Chi-Square ▪ Parameter ➔  (degree of freedom) ▪ Probability Density Function, f(x)  2 − / 2 x ( / 2)−1e − x / 2  x0  f ( x) =  ( 2 ) 0 other ▪ Cummulative Distribution Function, F(x)

0 x F ( x) =  f (i )di   0

f(x)

x0 x0

F(x)

55

Distribusi Chi-Square ▪ Dinotasikan dengan CHISQR(x;) atau 2 ▪ Parameter ➔  (degree of freedom) ▪ Mean

 =

▪ Variance

 = 2 2

56

Distribusi Chi-Square ▪ Hubungan Distribusi Chi Square dengan Distribusi Normal ▪ Jika X adalah variabel acak independen berdistribusi Normal (,) dengan derajat kebebasan sebesar , maka X2 adalah variabel acak berdistribusi Chi Square

57

Distribusi Chi-Square ▪ Hubungan Distribusi Chi Square dengan Distribusi Gamma ▪ Jika X adalah variabel acak independen berdistribusi Chi Square dengan parameter , maka akan ekuivalen dengan variabel acak berdistribusi Gamma (, ) dengan parameter =/2 dan =2

58

59

Distribusi F ▪ Hubungan Distribusi F dengan Distribusi Chi Square ▪ Jika X1 dan X2 adalah variabel acak independen berdistribusi Chi-Square dengan derajat kebebasan sebesar 1 dan 2, maka rasio X1 dan X2 adalah variabel acak berdistribusi F

X1 F=

X2

1 2

60

61

62

63

Terima kasih ...

... Ada pertanyaan ???

More Documents from "Naufal Farhan"