Peubah Acak Kontinu Peubah Acak Kontinu Continuous Random Variables
• Peubah Acak Kontinu adalah peubah acak dimana keluarannya merupakan suatu nilai dalam sebuah interval pada garis bilangan riil. • Biasanya merupakan pengukuran. • Contoh: – Y = panjang dalam mm – X = waktu dalam detik – Y = temperatur dalam ºC
Peubah Acak Kontinu • Tidak bisa menghitung P(Y = y), yang bisa dihitung adalah P(a < Y < b), dimana a dan b adalah bilangan riil. • Untuk peubah acak kontinu P(Y = y) = 0.
Peubah Acak Kontinu
• Probability density function (pdf) jika digambar terhadap semua nilai Y akan berbentuk kurva. Daerah (area) dibawah kurva pada interval tertentu adalah peluang.
0.40
f(y)
a
b Y
Sifat dari Probability Density Function (pdf) 1) f(y) > 0 untuk semua nilai dalam interval yang mengandung y. 2) f ( y )dy 1 3) Jika y0 adl nilai yang diamati, maka cumulative distribution function (cdf) y adalah: F ( y ) P(Y y ) f ( y )dy
Besaran lead (gram) per liter bensin mempunyai probability density function (pdf): f(y) = 12.5y - 1.25
untuk 0.1 < y < 0.5
0
0
0
4) Jika y1 dan y2 adl dua nilai yang diamati, maka y P( y1 Y y2 )
2
f ( y)dy F ( y ) F ( y ) 2
Berapa peluang bahwa seliter bensin mengandung kurang dari 0.3 grams lead?
1
y1
Nilai Harapan Peubah Acak Kontinu • Ingat Nilai Harapan dari peubah acak diskrit:
E (Y ) y p( y )
• Nilai Harapan dari Peubah Acak Kontinu:
E (Y )
yf ( y)dy
Nilai Harapan Peubah Acak Kontinu dari g(y)
g( y)=k + y E [ g( y)]=E [k + y] ∞
=∫−∞ (k + y )f ( y)dy ∞
∞
=k ∫−∞ f ( y)dy +∫−∞ y f ( y)dy =k +μ
Nilai Harapan Peubah Acak Kontinu dari g(y)
g( y)=ky
Varians Peubah Acak Kontinu Ingat Varians dari Peubah Acak Diskrit:
∞
E [ g( y)]=E [ky ]=∫−∞ ky f ( y)dy ∞
=k ∫−∞ y f ( y)dy =k μ
Var (Y ) 2 ( y ) 2 p ( y ) Varians untuk Peubah Acak Kontinu:
Var (Y ) ( y ) 2 f ( y )dy 2
Penggunaan Distribusi Normal 1. Menjelaskkan banyak proses acak yang kontinu Bisa digunakan untuk mendekati peluang peubah acak diskrit
Example: Binomial
Dasar dari semua statistik inferensia klasik
Normal Distribution 1. ‘Bell-Shaped’ & Symmetrical
f(X )
2. Mean, Median, Mode sama
X
3. ‘Middle Spread’ adl 1.33 Peubah Acak mempunyai range tak hingga
Mean Median Mode
Normal Distribution Sifat yg penting • Hampir separo “bobot/ weight” berada dibawah mean (krn symmetri) • 68% peluang berada dlm 1 standard deviation dari mean • 95% peluang berada dlm 2 standard deviations • 99% peluang berada dlm 3 standard deviations
Probability Density Function
f(X )
f ( x )=
3 2
2 3
Mean Median Mode
X
x π e
x− μ 2 σ
)
= Nilai Peubah acak (- < x < ) = Standard Deviation dari populasi = 3.14159 = 2.71828 = Mean dari peubah acak x
Akibat dari Variasi Parameter ( & )
Notasi X ~ N(μ,σ) Peubah Acak X mengikuti distribusi Normal (N) dengan mean μ dan standard deviation σ. X ~ N(40,1) X ~ N(10,5) X ~ N(50,3)
1 e σ √ 2π
1 2
( )(
−
f(X) B A
C X
Normal Distribution Probability Peluang dibawah kurva!
d
P (c x d ) ? f ( x) dx c
Tak hingga tabel Normal Tiap distribusi memerlukan satu tabel.
? f(X)
f(x )
c
X
x
d
Standardize the Normal Distribution Z
Normal Distribution
X
Z is N(0,1) Standardized Normal Distribution
=1
X
Contoh Standarisasi
=0 Hanya satu tabel!
Z Normal Distribution
X 6.2 5 .12 10
Standardized Normal Distribution
= 10
Z
=5
=1
6.2
X
=0
.12
Z
Mendapatkan Peluangnya
Contoh P(3.8 X 5)
Standardized Normal Probability Table (Portion) Z
.00
.01
Z
.02
Normal Distribution
=1
0.0 .0000 .0040 .0080
.0478
0.1 .0398 .0438 .0478 0.2 .0793 .0832 .0871
X 3.8 5 .12 10 Standardized Normal Distribution
= 10
=1 .0478
=0
.12
Z
0.3 .1179 .1217 .1255
3.8
Probabilities
= 5
X
Contoh P(2.9 X 7.1) X 2.9 5 .21 10 X 7.1 5 Z .21 10
Z
Standardized Normal Distribution
= 10
=1
Normal Distribution
Standardized Normal Distribution
= 10
=1 .5000 .1179
.0832 .0832
5 7.1
X
-.21
Z
X 85 .30 10
.1664
2.9
=0
Contoh P(X 8)
Z Normal Distribution
-.12
0 .21
Z
=5
8
X
=0
.30
.3821
Z
Contoh P(7.1 X 8) X 7.1 5 .21 10 X 8 5 Z .30 10 Z Normal Distribution
Standardized Normal Distribution
= 10
=1 .1179 .0832
=5
7.1
8
X
=0
.21
.30
.0347
Z