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 = 41 − + − + 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
)
x0 other
f(x)
▪ Cummulative Distribution Function, F(x) x0 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 x0 f ( x) = ( 2 ) 0 other ▪ Cummulative Distribution Function, F(x)
0 x F ( x) = f (i )di 0
f(x)
x0 x0
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 ???