STATISTIKA DASAR
-
Upload
fredrica-justin -
Category
Documents
-
view
87 -
download
0
description
Transcript of STATISTIKA DASAR
Informatics Eng. Department UNIJOYO
STATISTIKA DASARVariabel Random Kontinue dan Distribusi
Probabilitas
Abdullah Basuki R.,S.Si,M.TAbdullah Basuki R.,S.Si,M.T
Informatics Engineering DepartmentInformatics Engineering Department
Trunojoyo UniversityTrunojoyo University
Probabilitas - Bagian 3 2
Informatics Eng. Department UNIJOYO
Variabel Random KontinyuDistribusi Probabilitas UniformDistribusi Probabilitas EksponensialDistribusi Probabilitas NormalDistribusi Porbabilitas GammaDistribusi Probabilitas Weibull
Distribusi Probabilitas Kontinyu5
Probabilitas - Bagian 3 3
Informatics Eng. Department UNIJOYO
6.56.05.55.04.54.03.53.02.52.01.51.0
0.15
0.10
0.05
0.00
Minutes
P(x )
Minutes to Complete Task: By Half-Minutes
0.0. 0 1 2 3 4 5 6 7Minutes
P(x )
Minutes to Complete Task: Fourths of a Minute
Minutes
P( x)
Minutes to Complete Task: Eighths of a Minute
0 1 2 3 4 5 6 7
Interval waktu dapat dibagi menjadi:Interval 0.5 menit Interval 0.25 menit Interval 0.125 menit
Interval kecil tak terbatas Jika sebuah variabel random diskrit dibagi menjadi interval kecil yang tidak terbatas, maka perhitungan probabilitasnya ditentukan oleh sebuah rentangnilai dan nilai probabilitas adalah luas area di bawah kurva dalam rentang tersebut. Untuk contoh di samping, dinyatakan dengan P(2<X<3).
Jika sebuah variabel random diskrit dibagi menjadi interval kecil yang tidak terbatas, maka perhitungan probabilitasnya ditentukan oleh sebuah rentangnilai dan nilai probabilitas adalah luas area di bawah kurva dalam rentang tersebut. Untuk contoh di samping, dinyatakan dengan P(2<X<3).
76543210
Minutes
f(z)
Dari Diskrit Menjadi Kontinyu
Probabilitas - Bagian 3 4
Informatics Eng. Department UNIJOYO
Variabel Random Kontinyu
Variabel Random Kontinyu adalah sebuah variabel random yang dapat berupa sembarang nilai pada suatu interval yang diamati.
Probabilitas dari variabel random kontinyu X ditentukan oleh sebuah fungsi densitas, dinotasikan dengan f(x), dan memiliki beberapa sifat berikut.
f(x) > 0 untuk setiap nilai x. Probabilitas bahwa X berada diantara dua nilai a dan b adalah sama dengan luas area dibawah f(x) yang dibatasi oleh a dan b. Total luas area di bawah kurva f(x) adalah 1.00.
Probabilitas - Bagian 3 5
Informatics Eng. Department UNIJOYO
Fungsi Densitas dan Kumulatif
F(x)
f(x)x
x0
0
ba
F(b)
F(a)
1
ba
}
P(a < X < b) = Area di bawah f(x) yang dibatasi oleh a dan b = F(b) - F(a)
P(a X b)=F(b) - F(a)
Fungsi kumulatif
Fungsi densitas
Probabilitas - Bagian 3 6
Informatics Eng. Department UNIJOYO
Distribusi Uniform Kontinyu (1)
Densitas uniform [0,5] : 1/5 for 0 < X < 5 f(x)= 0 lainnya E(X) = 2.5
{
6543210-1
0.5
0.4
0.3
0.2
0.1
0.0.
x
f(x)
Total luas area f(x) = 1/5 * 5 = 1.00
Luas area di bawah f(x) Interval 1 sampai 3 = P(1<X<3) = 2.(1/5) = 2/5
Distribusi Uniform
Probabilitas - Bagian 3 7
Informatics Eng. Department UNIJOYO
Distribusi Uniform Kontinyu (2)
Definisi:Jika variabel random X memiliki nilai (kontinyu) dengan kemungkinan
kemunculan yang sama maka dikatakan bahwa variabel random (kontinyu) x mengikuti distribusi uniform dengan fungsi densitas probabilitas:
1/( - ), untuk <x<f(x)=
0 untuk x lainnya.
Ekspektasi dan variansi: E(X)=(+)/2 dan V(X)= ( - )2/12
{
Probabilitas - Bagian 3 8
Informatics Eng. Department UNIJOYO
Distribusi Uniform Kontinyu (3)
Contoh: • Dalam program komputer simulai terdapat subrutin pembangkit
bilangan random uniform dalam interval [0,10]. Sebuah proses simulasi akan akan berhenti (terminate) bila terjadi kemunculan sebuah bilangan random [3/2 , 7/2]. Jika dilakukan replikasi pembangkitan bilangan random, berapa kemungkinan proses tersebut akan berhenti (terminate)?
• Persoalan tersebut mengikuti distribusi uniform kontinyu dengan fungsi f(x)=1/10 untuk [1,10], dengan demikian probabilitas bahwa proses simulasi akan berhenti adalah P(3/2<x<7/2)=0,2.
Probabilitas - Bagian 3 9
Informatics Eng. Department UNIJOYO
Distribusi Eksponensial (1)
Distribusi eksponensial memiliki kaitan erat dengan distribusi Poisson (dari proses poisson) jika persoalan didekati dari variabel interval antar kedatangan.
D a r i u r a i a n t e n t a n g d i s t r i b u s i p o i s s o n d i p e r o l e hk e m u n g k i n a n t i d a k a d a k e d a t a n g a n s e b a g a i tep )0( .K e m u n g k i n a n i n i d a p a t d i i n t e r p r e t a s i k a n s e b a g a ik e m u n g k i n a n b a h w a t i d a k a d a k e j a d i a n k e d a t a n g a n p a d ar e n t a n g w a k t u s a m p a i t e r j a d i n y a k e d a t a n g a n p e r t a m a l e b i hb e s a r d a r i t a t a u 0 ,)()0( tetTPp t .
U n t u k v a r i a b e l r a n d o m w a k t u k e d a t a n g a n T , m a k a d a p a td i p e r o l e h b e s a r n y a k e m u n g k i n a n m e l a l u i
0 ,1)()( tetTPtF t . D e n g a n d e m i k i a n d i p e r o l e h.0 ,)(')( tetFtf t
Probabilitas - Bagian 3 10
Informatics Eng. Department UNIJOYO
Distribusi Eksponensial (2)
Definisi:Sebuah variabel random (kontinyu) X menyatakan intervalwaktu antar kedatangan dimana kejadian kedatangantersebut mengikuti proses Poisson, dikatakan mengikutidistribusi eksponensial dengan fungsi distribusi:
lainnya. x 0
0 )(
xexf x
Parameter pemusatan dan penyebaran adalah sebagaiberikut :
0
x- e)( dxxXE /1 dan 20
2 /1 )(
dxexXV x 2/1
Probabilitas - Bagian 3 11
Informatics Eng. Department UNIJOYO
Distribusi Eksponensial (3)
• Sebuah peralatan dilengkapi dengan komponen pengaman untuk melindungi peralatan dari kegagalan. Berdasarkan data dan pengamatan yang panjang, komponen pengaman tersebut memiliki daya tahan yang dinyatakan oleh variabel random satuan waktu (minggu) T yang berdistribusi eksponensial dengan parameter =1/5. Saat ini perusahaan memiliki 5 set peralatan terpisah (independent) dimana masing-masing dilengkapi dengan komponen pengaman yang diasumsikan identik. Dari perhitungan pesanan masuk yang harus dipenuhi, perusahaan menginkan peralatan tersebut tidak mengalami kegagalan total untuk memenuhi pesanan yang direncanakan akan dipenuhi dalam 8 minggu. Jika diinginkan paling sedikit dua peralatan dapat beroperasi untuk memenuhi pesanan tersebut, berapa besar kemungkinan tersebut terjadi?
Probabilitas - Bagian 3 12
Informatics Eng. Department UNIJOYO
Distribusi Eksponensial (4)
Dalam kasus tersebut, perusahaan harus dapat memperkirakanketersediaan (availability) bahwa sebuah peralatan masih dapatbekerja selama paling sedikit 8 minggu. Kemungkinan bahwasuatu komponen pengaman masih akan berfungsi setelah 8
minggu adalah
8
5/
5
1)8( dteTP t = e-8/5~ 0,2.
Selanjutnya, misalkan X sebagai variabel random yangmenyatakan banyaknya komponen pengaman yang masihberfungsi setelah 8 minggu dengan kemungkinan p=0.2, denganmenggunakan fungsi distribusi kemungkinan binomial, dapatdiperoleh kemungkinan paling sedikit dua peralatan dapatberoperasi sebagai berikut
5
2
)2.0,5;()2(x
xbXP =1-
1
0
)2.0,5;(x
xb = 0,68.
Probabilitas - Bagian 3 13
Informatics Eng. Department UNIJOYO
Untuk p0,5 dan dengan meningkatnya n, distribusi binomial menjadi …
n = 6 n = 14n = 10
6543210
0.3
0.2
0.1
0.0
x
P(x
)
Binomial D is tribution: n=6, p=.5
109876543210
0.3
0.2
0.1
0.0
x
P(x
)
Binomial D istribution: n=10, p=.5
14131211109876543210
0.3
0.2
0.1
0.0
x
P(x)
Binomial D istribution: n=14, p=.5
50-5
0.4
0.3
0.2
0.1
0.0
x
f(x)
Normal Distribution: = 0, = 1
Distribusi Probabilitas Normal (1)
Distribusi yang berbentuk kurva sepertilonceng (bell)
Probabilitas - Bagian 3 14
Informatics Eng. Department UNIJOYO
Distribusi Probabilitas Normal (2)
• Distribusi kemungkinan variabel random kontinyu yang terpenting dalam statistika adalah distribusi normal, yang merupakan variabel random yang berasal dari proses random dengan satu titik pemusatan dan menyebar disekitar titik pemusatan tersebut secara simetris.
• Dikenal sebagai distribusi Gauss, sebagai orang pertama yang mempublikasikannya pada tahun 1809 (bentuk matematika pertama kali diturunkan dari distribusi binomial oleh DeMoivre 1733 dan Laplace 1775) dan selanjutnya dipromosikan sebagai sebuah dalil probabilitas untuk setiap variabel random kontinyu.
Probabilitas - Bagian 3 15
Informatics Eng. Department UNIJOYO
Fungsi densitas probabilitas normal:
50-5
0.4
0.3
0.2
0.1
0.0
x
f(x)
Normal Distribution: = 0, = 1
Distribusi Probabilitas Normal (3)
xxfx
e2
1)(
221 /-
D efi n is iSebuah variabe l random (ko n tin yu ) x ( x ) d ikatakan m eng iku tid istribusi n o rm al dengan param eter lokasi pem u satan dan param eterpenyebaran ( variansi) 02 j ika m eng iku ti fu ngsi d istrib usi
kem ung kinan beriku t :
xxfx
e2
1)(
221 /-
d im ana ...14159,3 dan e = 2 ,71828… (b ilangan natu ra l) .
Probabilitas - Bagian 3 16
Informatics Eng. Department UNIJOYO
• Kurva normal membentuk: Kurva lonceng dan berdistribusi simetris, sehingga setengah (.50
or 50%) bagian akan berada di salah satu sisi dari rata-rata. Setiap kurva dicirikan oleh pasangan rata-rata, , dan variansi,
, dan dintayakan dengan: [X~N()]. Setiap kurva bersifat asymptotik. Luas area di bawah kurva fungsi densitas probabilitas normal
dalam rantang k dari adalah sama untuk setiap distribusi, berapapun besarnya nilai rata-rata dan variansi.
Distribusi Probabilitas Normal (4)
Probabilitas - Bagian 3 17
Informatics Eng. Department UNIJOYO
Distribusi Probabilitas Normal (5)
Distribusi ini digunakan sangat luas dan seringkalidinotasikan dengan 2 ~ , NX .
Jika dan diketahui maka lokasi dan bentuk kurvanormal dapat diketahui.
Nilai parameter (parameter lokasi) yang semakinbesar akan menggeser kurva ke kanan, dan nilaiparameter (parameter bentuk) yang semakinmembesar akan menyebabkan kurva normal semakinlandai (memperbesar jarak dari pemusatan ke posisititik-titik belok kurva).
Probabilitas - Bagian 3 18
Informatics Eng. Department UNIJOYO
Distribusi Probabilitas Normal (6)
B e b e ra p a s ifa t p e n tin g fu n g s i d e n sita s p ro b a b ilita s n o rm a l:
i. L u as d ae rah d i b aw ah ku rva
1 )( dxxf .
D en g an m e laku kan tran s fo rm as i lin ie r /)( xy , akand ip e ro leh fu n g s i d is tr ib u s i kem u n g k in an n o rm a l s tan d a r
221
2
1)(
yeyf
. K em u d ian d efi n is ikan b en tu k satu an b e riku t
dyeIy
221
2
1
,
d an p e rtim b an g kan seb u ah b en tu k sa tu an d a ri va r iab e l ran d o mZ yan g ju g a m en g iku ti fu n g s i d is tr ib u s i ke m u n g k in a n n o rm a l s ta n d a r
dzeIz
221
2
1
.
Probabilitas - Bagian 3 19
Informatics Eng. Department UNIJOYO
Distribusi Probabilitas Normal (7)
Selan ju tnya defin isikan perkalian kedua ben tuk satuantersebu t sebagai beriku t
dzdyedzedyeIzyzy
2
1=
2
1
2
1 )(222
212
212
21
.
G unakan transfo rm asi beriku t cosdan ,sin rzry , m akadapat d ipero leh
.1 2
1
0
2
00
22
212
21
drerdrderIrr
K arena 12 I , m aka 12
1 221
dyeI
y
.
ii. U ntuk setiap n ila i variabe l random X , n ila i 0)( xf .
Probabilitas - Bagian 3 20
Informatics Eng. Department UNIJOYO
Distribusi Probabilitas Normal (8)
iii. Kurva fungsi distribusi kemungkinan normal bersifatassymptotic pada kedua sisinya (tail), atau 0)(lim
x
xf dan
0)(limx
xf .
iv. Kurva fungsi distribusi kemungkinan normal simetris di kiridan kanan lokasi pemusatan , atau xfxf .
v. Nilai maksimum (modus) dari kurva fungsi distribusikemungkinan normal )(xf berada pada lokasi pemusatan
x .vi. Titik belok (point of onflections) dari kurva fungsi distribusikemungkinan normal )(xf berada pada titik-titik x .Kurva memiliki bentuk cekung dari bawah untuk
-<x<+, dan cekung dari atas untuk harga x lainnya.
Probabilitas - Bagian 3 21
Informatics Eng. Department UNIJOYO
Distribusi Probabilitas Normal (9)
Kedua parameter fungsi normal dan 2 adalah rata-rata (ekspektasi )( XE ) dan variansi ( 2)( XV )distribusi probabilitas normal.Bukti :
e
2
1)(
-
/- 221
dxxXEx
.
Gunakan transformasi /)( xz , dan diperoleh :
.)0()1(
e2
e2
1
e2
)()(
-
-
-
-
-
-
2212
21
221
dzz
dz
dzz
XE
zz
z
Probabilitas - Bagian 3 22
Informatics Eng. Department UNIJOYO
Distribusi Probabilitas Normal (10)
Selanjutnya hitung variansi sebagai berikut:
.10
2
1
2
2
2
)(
])[()(
22
2
22
)(2
2
2112
11
211
211
dzeez
dzez
dxex
XEXV
zz
z
X
Probabilitas - Bagian 3 23
Informatics Eng. Department UNIJOYO
Distribusi Probabilitas Normal (11)
B e s a r n y a n i l a i p r o b a b i l i t a s v a r i a b e l r a n d o m n o r m a ld i t e n t u k a n d e n g a n f o r m u l a s i b e r i k u t :
dxexXPxFux 2
21 )(
2
1)()(
.
N i l a i p r o b a b i l i t a s t e r s e b u t t i d a k d a p a t d i h i t u n g s e c a r aa n a l i t i s m a t e m a t i s m e l a l u i p e r s a m a a n i n t e g r a l d i a t a s , u n t u ki t u d i g u n a k a n t a b e l d i s t r i b u s i n o r m a l y a n g d i p e r o l e h m e l a l u ip e n d e k a t a n n u m e r i k .
Probabilitas - Bagian 3 24
Informatics Eng. Department UNIJOYO
Distribusi Probabilitas Normal (12)
B e b e r a p a p e n d e k a t a n n u m e r i k y a n g d a p a t d i g u n a k a n u n t u km e n e n t u k a n b e s a r n y a n i l a i p r o b a b i l i t a s a d a l a h :i . P e n d e k a t a n H o y t ( 1 9 6 8 ) m e n g g u n a k a n f u n g s i
31untuk )3(
1untuk )3(2
161
281
xx
xx
p e n d e k a t a n i n i m e m b e r i k a n k e s a l a h a n k u r a n g d a r i 0 . 0 1 .i i . P e n d e k a t a n P o l y a ( 1 9 4 5 ) m e n g g u n a k a n f u n g s i
2/1221 )}/2exp(1{1)( xxF .
P e n d e k a t a n i n i m e m b e r i k a n k e s a l a h a n m a k s i m u ms e b e s a r 0 . 0 0 3 p a d a x = 1 . 6 .
Probabilitas - Bagian 3 25
Informatics Eng. Department UNIJOYO
Distribusi Probabilitas Normal (13)
i i i . P e n d e k a t a n B u r r ( 1 9 6 7 ) m e n g g u n a k a n f u n g s i
kcxxG
)(11)( d i m a n a = 0 . 6 4 4 6 9 3 , = 0 . 1 6 1 9 8 4 , c = 4 . 8 7 4 , d a n k = -6 . 1 5 8 . P e n d e k a t a n y a n g l e b i h b a i k d e n g a n f u n g s i G ( x )a d a l a h )](1)([)( 2
1 xGxGxH . D e n g a n p e n d e k a t a n i n im e m b e r i k a n k e s a l a h a n m a k s i m u m a d a l a h 0 . 0 0 0 4 6 p a d ax = 0 . 6 d a n x = - 0 . 6 .
P e n d e k a t a n l a i n n y a d a p a t d i l i h a t p a d a :J o h n s o n , N . L . & K o t z , S . , ( 1 9 7 0 ) , C o n t i n u o u s U n i v a r i a t eD i s t r i b u t i o n , J W S .
Probabilitas - Bagian 3 26
Informatics Eng. Department UNIJOYO
Semua kurva di bawah ini mengikuti distribusi normal dengan nilai rata-rata dan variansi yang berbeda
50-5
0.4
0.3
0.2
0.1
0.0
z
f(z)
Normal Distribution: =0, =1
454035
0.4
0.3
0.2
0.1
0.0
w
f(w)
Normal Distribution: =40, =1
6050403020100
0.2
0.1
0.0
x
f(x)
Normal Distribution: =30, =5
65554535
0.2
0.1
0.0
y
f(y)
Normal Distribution: =50, =3
50
Perhatikan bahwa:
P(39 W 41)P(25 X 35)P(47 Y 53)P(-1 Z 1)
Nilai probabilitas dari setiap interval adalah luas area di bawah kurva fungsi densitas probabilitas normal.
Distribusi Probabilitas Normal (14)
Probabilitas - Bagian 3 27
Informatics Eng. Department UNIJOYO
543210-1-2-3-4-5
0.4
0.3
0.2
0.1
0.0
Z
f(z)
Stand ard Norm al D is tribution
• Probabilitas bahwa variabel random normal berada dalam rentang satu deviasi standar dari rata-rata adalah 0.6826, atau sekitar 0.68.
• Probabilitas bahwa variabel random normal berada dalam rentang dua deviasi standar dari rata-rata adalah 0.9544, atau sekitar 0.95.
• Probabilitas bahwa variabel random normal berada dalam rentang tiga deviasi standar dari rata-rata adalah 0.9974.
Distribusi Probabilitas Normal (15)
Probabilitas - Bagian 3 28
Informatics Eng. Department UNIJOYO
Variabel random normal standar, Z, adalah variabel random normal dengan rata-rata = 0 dan deviasi standar = 1: Z~N(0,12).
543210- 1- 2- 3- 4- 5
0 . 4
0 . 3
0 . 2
0 . 1
0 . 0
Z
f(z )
Standard Normal Distribution
=0
=1{
Distribusi Normal Standar (1)
Probabilitas - Bagian 3 29
Informatics Eng. Department UNIJOYO
543210-1-2-3-4-5
0.4
0.3
0.2
0.1
0.0
Z
f( z)
Standard Normal Distribution
1.56{
z .00 .01 .02 .03 .04 .05 .06 .07 .08 .090.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.03590.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.07530.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.11410.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.15170.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.18790.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.22240.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.25490.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.28520.8 0.2881 0.2910 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.31330.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.33891.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.36211.1 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 0.38301.2 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.40151.3 0.4032 0.4049 0.4066 0.4082 0.4099 0.4115 0.4131 0.4147 0.4162 0.41771.4 0.4192 0.4207 0.4222 0.4236 0.4251 0.4265 0.4279 0.4292 0.4306 0.43191.5 0.4332 0.4345 0.4357 0.4370 0.4382 0.4394 0.4406 0.4418 0.4429 0.44411.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505 0.4515 0.4525 0.4535 0.45451.7 0.4554 0.4564 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4625 0.46331.8 0.4641 0.4649 0.4656 0.4664 0.4671 0.4678 0.4686 0.4693 0.4699 0.47061.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744 0.4750 0.4756 0.4761 0.47672.0 0.4772 0.4778 0.4783 0.4788 0.4793 0.4798 0.4803 0.4808 0.4812 0.48172.1 0.4821 0.4826 0.4830 0.4834 0.4838 0.4842 0.4846 0.4850 0.4854 0.48572.2 0.4861 0.4864 0.4868 0.4871 0.4875 0.4878 0.4881 0.4884 0.4887 0.48902.3 0.4893 0.4896 0.4898 0.4901 0.4904 0.4906 0.4909 0.4911 0.4913 0.49162.4 0.4918 0.4920 0.4922 0.4925 0.4927 0.4929 0.4931 0.4932 0.4934 0.49362.5 0.4938 0.4940 0.4941 0.4943 0.4945 0.4946 0.4948 0.4949 0.4951 0.49522.6 0.4953 0.4955 0.4956 0.4957 0.4959 0.4960 0.4961 0.4962 0.4963 0.49642.7 0.4965 0.4966 0.4967 0.4968 0.4969 0.4970 0.4971 0.4972 0.4973 0.49742.8 0.4974 0.4975 0.4976 0.4977 0.4977 0.4978 0.4979 0.4979 0.4980 0.49812.9 0.4981 0.4982 0.4982 0.4983 0.4984 0.4984 0.4985 0.4985 0.4986 0.49863.0 0.4987 0.4987 0.4987 0.4988 0.4988 0.4989 0.4989 0.4989 0.4990 0.4990
Probabilitas Normal Standar
Lihat pada baris 1.5 dan kolom .06 untuk menemukanP(0<z<1.56) = 0.4406
Distribusi Normal Standar (2) P(0 < Z < 1.56)
Probabilitas - Bagian 3 30
Informatics Eng. Department UNIJOYO
Untuk P(Z<-2.47):Lihat tabel untuk 2.47
P(0 < Z < 2.47) = .4934
P(Z < -2.47) = .5 - P(0 < Z < 2.47) = .5 - .4934 = 0.0066
543210-1-2-3-4-5
0.4
0.3
0.2
0.1
0.0
Z
f(z)
Standard Normal Distribution
Nilai tabel area 2.47P(0 < Z < 2.47) = 0.4934
Area di sebelah kiri -2.47P(Z < -2.47) = .5 - 0.4932 = 0.0068
Distribusi Normal Standar (3) P(Z < -2.47)
z ... .06 .07 .08. . . .. . . .. . . .2.3 ... 0.4909 0.4911 0.49132.4 ... 0.4931 0.4932 0.49342.5 ... 0.4948 0.4949 0.4951.
Probabilitas - Bagian 3 31
Informatics Eng. Department UNIJOYO
z .00 ... . . . . . .0.9 0.3159 ...1.0 0.3413 ...1.1 0.3643 ... . . . . . .1.9 0.4713 ...2.0 0.4772 ...2.1 0.4821 ... . . . . . .
Temukan P(1 < Z < 2):1. Temukan nilai tabel 2.00
F(2) = P(Z < 2.00) = .5 + .4772 =.97722. Temukan nilai tabel 1.00
F(1) = P(Z < 1.00) = .5 + .3413 = .8413
3. P(1 < Z < 2.00) = P(Z < 2.00) - P(Z < 1.00)
= .9772 - .8413 = .1359
543210-1-2-3-4-5
0.4
0.3
0.2
0.1
0.0
Z
f(z)
Standard Normal Distribution
Luas area diantara 1 dan 2P(1 < Z < 2) = .4772 - .8413 = 0.1359
Distribusi Normal Standar (4) P(1< Z < 2)
Probabilitas - Bagian 3 32
Informatics Eng. Department UNIJOYO
Temukan z sehingga P(0 < Z < z) = .40:Temukan nilai probabilitas sedekat mungkin dengan .40 dari tabel kemungkinan normal standar.•Tentukan nilai z pada baris dan kolom yang sesuai. P(0<z<1.28) 0.40
Karena P(Z < 0) = .50
P(Z <1.28) .90
543210-1-2-3-4-5
0.4
0.3
0.2
0.1
0.0
Z
f(z)
Standard Normal Distribution
Area = .40 (.3997)
Z = 1.28
Luas area di kiri 0 = .50P(z 0) = .50
Distribusi Normal Standar (5) P(0 < Z < z) = 0.40
z .00 .01 .02 .03 .04 .05 .06 .07 .08 .090.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.03590.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.07530.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.11410.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.15170.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.18790.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.22240.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.25490.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.28520.8 0.2881 0.2910 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.31330.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.33891.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.36211.1 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 0.38301.2 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.40151.3 0.4032 0.4049 0.4066 0.4082 0.4099 0.4115 0.4131 0.4147 0.4162 0.4177 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Probabilitas - Bagian 3 33
Informatics Eng. Department UNIJOYO
z .04 .05 .06 .07 .08 .09. . . . . . . . . . . . . .. . . . . . .2.4 ... 0.4927 0.4929 0.4931 0.4932 0.4934 0.49362.5 ... 0.4945 0.4946 0.4948 0.4949 0.4951 0.49522.6 ... 0.4959 0.4960 0.4961 0.4962 0.4963 0.4964. . . . . . .. . . . . . .. . . . . . .
Untuk memperoleh probabilitas 0.99 di tengah distribusi, akan ada (1/2)(1-.99) = (1/2)(.01) = .005 di ekor (tail) distribusi, dan (1/2)(.99) = .495 setengah dari interval .99, atau :
P(0<Z<z.005) = .495
Dari tabel probabilitas normal standar:
2,57 < z.005 < 2,58 z.005 2,575
P(-.2575 < Z < 2,575) = .99
543210-1-2-3-4-5
0.4
0.3
0.2
0.1
0.0
Zf(z
)-z.005 z.005
Area di ekor kanan = .005Area di ekor kiri = .005
Area di kanan = .495
Area di kiri = .495
2.575-2.575
Area di tengah = .99
Distribusi Normal Standar (6) P(-z.005< Z < z.005) = 0.99
Probabilitas - Bagian 3 34
Informatics Eng. Department UNIJOYO
Luas area dalam interval k dari rata-rata untuk variabel random normal adalah sama. Jadi area di bawah kurva normal ekuivalan dengan area di bawah kurna normal standar. Contoh: P(40 X P(-1 Z untukdan
Luas area dalam interval k dari rata-rata untuk variabel random normal adalah sama. Jadi area di bawah kurva normal ekuivalan dengan area di bawah kurna normal standar. Contoh: P(40 X P(-1 Z untukdan
1009080706050403020100
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0.00
X
f(x)
Normal Distribution: =50, =10
=10{
543210-1-2-3-4-5
0.4
0.3
0.2
0.1
0.0
Z
f(z)
Standard Normal Distribution
1.0
{
Transformasi pada
(2) Pembagian dengan x)
Transformasi X menjadi Z:Transformasi X menjadi Z:
ZX x
x
Transformasi sebaliknya Z menjadi X:
Transformasi sebaliknya Z menjadi X: X x Z x
Transformasi Variabel Random Normal
(1) Pengurangan: (X - x)
Probabilitas - Bagian 3 35
Informatics Eng. Department UNIJOYO
Contoh: X~N(160,302)
P X
PX
P Z
P Z
( )
.. . .
100 180100 180
100 160
30
180 160
30
2 66670 4772 0 2475 0 7247
ContohX~N(127,222)
P X
PX
P Z
P Z
( )
.. . .
150150
150 127
22
1 0450 5 0 3520 0 8520
Transformasi Variabel Random Normal
Probabilitas - Bagian 3 36
Informatics Eng. Department UNIJOYO
MTB > cdf 100;SUBC> normal 160,30.Cumulative Distribution FunctionNormal with mean = 160.000 and standard deviation = 30.0000
x P( X <= x) 100.0000 0.0228
MTB > cdf 180;SUBC> normal 160,30.Cumulative Distribution FunctionNormal with mean = 160.000 and standard deviation = 30.0000
x P( X <= x) 180.0000 0.7475
MTB > cdf 100;SUBC> normal 160,30.Cumulative Distribution FunctionNormal with mean = 160.000 and standard deviation = 30.0000
x P( X <= x) 100.0000 0.0228
MTB > cdf 180;SUBC> normal 160,30.Cumulative Distribution FunctionNormal with mean = 160.000 and standard deviation = 30.0000
x P( X <= x) 180.0000 0.7475
MTB > cdf 150;SUBC> normal 127,22.
Cumulative Distribution Function
Normal with = 127.000 and = 22.0000
x P( X <= x) 150.0000 0.8521
MTB > cdf 150;SUBC> normal 127,22.
Cumulative Distribution Function
Normal with = 127.000 and = 22.0000
x P( X <= x) 150.0000 0.8521
Transformasi Variabel Random Normal(Minitab)
Probabilitas - Bagian 3 37
Informatics Eng. Department UNIJOYO
Contoh X~N(383,122)
P X
PX
P Z
P Z
( )
. .
. . .
394 399394 399
394 383
12
399 383
12
0 9166 1 333
0 4088 0 3203 0 0885
440390340
0.05
0.04
0.03
0.02
0.01
0.00
X
f( X)
Normal Distribution: = 383, = 12
MTB > cdf 394;SUBC> normal 383,12.
Cumulative Distribution Function
Normal with mean = 383.000 and standard deviation = 12.0000
x P( X <= x) 394.0000 0.8203
MTB > cdf 394;SUBC> normal 383,12.
Cumulative Distribution Function
Normal with mean = 383.000 and standard deviation = 12.0000
x P( X <= x) 394.0000 0.8203
MTB > cdf 399;SUBC> normal 383,12.
Cumulative Distribution Function
Normal with mean = 383.000 and standard deviation = 12.0000
x P( X <= x) 399.0000 0.9088
MTB > cdf 399;SUBC> normal 383,12.
Cumulative Distribution Function
Normal with mean = 383.000 and standard deviation = 12.0000
x P( X <= x) 399.0000 0.9088
543210-1-2-3-4-5
0.4
0.3
0.2
0.1
0.0
Z
f(z)
Standard Normal Distribution
Equivalent areas
Transformasi Variabel Random Normal(Minitab)
Probabilitas - Bagian 3 38
Informatics Eng. Department UNIJOYO
Transformasi Variabel Random Normal(Excel)
Probabilitas - Bagian 3 39
Informatics Eng. Department UNIJOYO
Transformasi X menjadi Z:
ZX x
x
Transformasi kebalikan Z menjadi X:X
xZ
x
Transformasi X menjadi Z, dengan nilai a dan b:
P X a P Za
P X b P Zb
P a X b Pa
Zb
( )
( )
( )
Transformasi Variabel Random Normal
Probabilitas - Bagian 3 40
Informatics Eng. Department UNIJOYO
z .07 .08 .09 . . . . . . . . . . . . . . .1.1 . . . 0.3790 0.3810 0.38301.2 . . . 0.3980 0.3997 0.40151.3 . . . 0.4147 0.4162 0.4177 . . . . . . . . . . . . . . .
Untuk menemukan nilai probabilitas dengan interval tertentu untuk sembarang variabel random normal adalah dengan mengekspresikan interval tersebut dalam satuan deviasi standar dari rata-ratanya.
Jika X~N(50,102), P(X >70) dapat diperoleh karena 70 adalah 2 deviasi standar di atas rata-rata X: 70=+2. P(X > 70) ekuivalen dengan P(Z > 2), luas area di bawah kurva normal standar.
Untuk menemukan nilai probabilitas dengan interval tertentu untuk sembarang variabel random normal adalah dengan mengekspresikan interval tersebut dalam satuan deviasi standar dari rata-ratanya.
Jika X~N(50,102), P(X >70) dapat diperoleh karena 70 adalah 2 deviasi standar di atas rata-rata X: 70=+2. P(X > 70) ekuivalen dengan P(Z > 2), luas area di bawah kurva normal standar.
P X Px
P Z P Z( ) ( )
70
70 70 50
102
Contoh: X~N(124,122) P(X > x) = 0.10 dan P(Z > 1.28) 0.10x = + z = 124 + (1.28)(12) = 139.36
Transformasi Variabel Random Normal
Probabilitas - Bagian 3 41
Informatics Eng. Department UNIJOYO
z .02 .03 .04 . . . . . . . . . . . . . . .2.2 . . . 0.4868 0.4871 0.48752.3 . . . 0.4898 0.4901 0.49042.4 . . . 0.4922 0.4925 0.4927 . . . . . . . . . . . . . . .
z .05 .06 .07 . . . . . . . . . . . . . . .1.8 . . . 0.4678 0.4686 0.46931.9 . . . 0.4744 0.4750 0.47562.0 . . . 0.4798 0.4803 0.4808 . . . . . . . . . .
Contoh: X~N(5.7,0.52)P(X > x)=0.01 dan P(Z > 2.33) 0.01x = + z = 5.7 + (2.33)(0.5) = 6.865
Contoh: X~N(5.7,0.52)P(X > x)=0.01 dan P(Z > 2.33) 0.01x = + z = 5.7 + (2.33)(0.5) = 6.865
Contoh: X~N(2450,4002)P(a<X<b)=0.95 dan P(-1.96<Z<1.96)0.95x = z = 2450 ± (1.96)(400) = 2450 ±784=(1666,3234)P(1666 < X < 3234) = 0.95
Contoh: X~N(2450,4002)P(a<X<b)=0.95 dan P(-1.96<Z<1.96)0.95x = z = 2450 ± (1.96)(400) = 2450 ±784=(1666,3234)P(1666 < X < 3234) = 0.95
8.27.26.25.24.23.2
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
8.27.26.25.24.23.2
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
X
f(x)
Normal Distribution: = 5.7 = 0.5
543210-1-2-3-4-5
z Z.01 = 2.33
Area = 0.49
Area = 0.01
4000300020001000
0.0015
0.0010
0.0005
0.0000
X
f(x)
Normal Distribution: = 2450 = 400
4000300020001000
0.0015
0.0010
0.0005
0.0000
543210-1-2-3-4-5
Z
.4750.4750
.0250.0250
-1.96 1.96
Transformasi Variabel Random Normal
X.01 = +z = 5.7 + (2.33)(0.5) = 6.865
Probabilitas - Bagian 3 42
Informatics Eng. Department UNIJOYO
4000300020001000
0.0012
0.0010
0.0008
0.0006
0.0004
0.0002
0.0000
X
f( x)
Normal Distribution: = 2450, = 400
.
.
.
.
.
.
543210-1-2-3-4-5
0.4
0.3
0.2
0.1
0.0
Z
f(z)
S tand ard N o rm al D is trib utio n
1. Gambarkan distribusi normal yang ingin diteliti dan distribusi normal standar.
1. Gambarkan distribusi normal yang ingin diteliti dan distribusi normal standar.
Transformasi Variabel Random Normal
2. Arsir daerah probabilitas yang diteliti.
2. Arsir daerah probabilitas yang diteliti.3. Dari tabel distribusi normal standar, temukan nilai z.
3. Dari tabel distribusi normal standar, temukan nilai z.
4. Transformasikan nilai z menjadi x (nilai variabel random asal).
4. Transformasikan nilai z menjadi x (nilai variabel random asal).
Probabilitas - Bagian 3 43
Informatics Eng. Department UNIJOYO
4. Transformasi nilai z ke nilai x
4. Transformasi nilai z ke nilai x
x = z = 2450 ± (1.96)(400) = 2450 ± 784 =(1666,3234)
x = z = 2450 ± (1.96)(400) = 2450 ± 784 =(1666,3234)
Transformasi Variabel Random Normal
z .05 .06 .07 . . . . . . . . . . . . . . .1.8 . . . 0.4678 0.4686 0.46931.9 . . . 0.4744 0.4750 0.47562.0 . . . 0.4798 0.4803 0.4808 . . . . . . . . . .
3. Temukan nilai z dari tabel normal standar z=-1,96 dan z=1.96
3. Temukan nilai z dari tabel normal standar z=-1,96 dan z=1.96
1. Distribusi normal dan normal standar.
1. Distribusi normal dan normal standar.
2. Arsir daerah 0.95 (masing-masing 0.475 di kiri dan kanan.
2. Arsir daerah 0.95 (masing-masing 0.475 di kiri dan kanan.
400300200100
0.0012
0.0010
0.0008
0.0006
0.0004
0.0002
0.0000
Xf( x
)
Nor al Distribution: = 2450, = 40
.
.
.
.
.
.
.4750.4750
.9500
543210-1-2-3-4-5
0.4
0.3
0.2
0.1
0.0
Z
f(z)
S tand ard No rm al D is trib utio n
.4750.4750
.9500
-1.96 1.96
Normal Distribution: = 2450, = 400
Probabilitas - Bagian 3 44
Informatics Eng. Department UNIJOYO
Using EXCEL
Transformasi Variabel Random Normal
Probabilitas - Bagian 3 45
Informatics Eng. Department UNIJOYO
1050
0.3
0.2
0.1
0.0
X
f(x)
Normal Distribution: = 3.5, = 1.323
76543210
0.3
0.2
0.1
0.0
X
P(x
)
Binomial Distribution: n = 7, p = 0.50
Distribusi normal dengan = 3.5 dan = 1.323 mendekati distribusi binomial dengan n = 7 dan p = 0.50.
Distribusi normal dengan = 3.5 dan = 1.323 mendekati distribusi binomial dengan n = 7 dan p = 0.50.
P(x<4.5) = 0.7749
MTB > cdf 4.5;SUBC> normal 3.5 1.323.Cumulative Distribution FunctionNormal with mean = 3.50000 and standard deviation = 1.32300
x P( X <= x) 4.5000 0.7751
MTB > cdf 4.5;SUBC> normal 3.5 1.323.Cumulative Distribution FunctionNormal with mean = 3.50000 and standard deviation = 1.32300
x P( X <= x) 4.5000 0.7751
MTB > cdf 4;SUBC> binomial 7,.5.Cumulative Distribution FunctionBinomial with n = 7 and p = 0.500000
x P( X <= x) 4.00 0.7734
MTB > cdf 4;SUBC> binomial 7,.5.Cumulative Distribution FunctionBinomial with n = 7 and p = 0.500000
x P( X <= x) 4.00 0.7734
P( x 4) = 0.7734
Pendekatan untuk Binomial (1)
=0.0017
Probabilitas - Bagian 3 46
Informatics Eng. Department UNIJOYO
1050
0.3
0.2
0.1
0.0
X
f(x)
Normal Distribution: = 5.5, = 1.6583
11109876543210
0.2
0.1
0.0
X
P(x
)
Binomial Distribution: n = 11, p = 0.50
Distribusi normal dengan = 5.5 dan = 1.6583 pendekatan yang lebih baik untuk distribusi binomial dengan n = 11 dan p = 0.50.
Distribusi normal dengan = 5.5 dan = 1.6583 pendekatan yang lebih baik untuk distribusi binomial dengan n = 11 dan p = 0.50.
P(x<4.5) = 0.2732P(x4) = 0.2744
MTB > cdf 4.5;SUBC> normal 5.5 1.6583.Cumulative Distribution FunctionNormal with mean = 5.50000 and standard deviation = 1.65830
x P( X <= x) 4.5000 0.2732
MTB > cdf 4.5;SUBC> normal 5.5 1.6583.Cumulative Distribution FunctionNormal with mean = 5.50000 and standard deviation = 1.65830
x P( X <= x) 4.5000 0.2732
MTB > cdf 4;SUBC> binomial 11,.5.Cumulative Distribution FunctionBinomial with n = 11 and p = 0.500000
x P( X <= x) 4.00 0.2744
MTB > cdf 4;SUBC> binomial 11,.5.Cumulative Distribution FunctionBinomial with n = 11 and p = 0.500000
x P( X <= x) 4.00 0.2744
Pendekatan untuk Binomial (2)
=0.0012
Probabilitas - Bagian 3 47
Informatics Eng. Department UNIJOYO
Pendekatan untuk Binomial (3)
D e fi n i s i :B i la X v a r ia b e l r a n d o m b in o m ia l d e n g a n r a t a - r a t a = n pd a n v a r ia n s i 2 = n p q , m a k a b e n t u k p e n d e k a t a n a d a la h
d is t r ib u s i ,npq
npXZ
b i la n a d a la h d is t r ib u s i n o r m a l
b a k u N ( 0 , 1 ) .
D a r i p e r h i t u n g a n , d is t r ib u s i n o r m a l m e m b e r ik a n p e n d e k a t a nn i la i p r o b a b i l i t a s y a n g b a ik t e r h a d a p d is t r ib u s i b in o m ia l b i l an b e s a r d a n p m e n d e k a t i 0 . 5 , b a h k a n b i la n m e n g e c i l t a p i pt id a k t e r la lu j a u h d a r i 0 . 5 m a s ih d ip e r o le h p e n d e k a t a n y a n gc u k u p b a ik .
Probabilitas - Bagian 3 48
Informatics Eng. Department UNIJOYO
P a X b Pa np
np pZ
b npnp p
( ) ( ) ( )
1 1
for large (n 50) and not too close to 0 or 1.00n p
P a X b Pa np
np pZ
b npnp p
( ) ( ) ( )
1 1
for large (n 50) and not too close to 0 or 1.00n p
P a X b Pa np
np pZ
b npnp p
( ) .( )
.( )
0 51
0 51
for moderately large (20 n < 50).n
P a X b Pa np
np pZ
b npnp p
( ) .( )
.( )
0 51
0 51
for moderately large (20 n < 50).n
Atau:
Jika p kecil (mendekati 0) atau besar (mendekati 1), gunakan pendekatan dengan distribusi Poisson.Jika p kecil (mendekati 0) atau besar (mendekati 1), gunakan pendekatan dengan distribusi Poisson.
Pendekatan untuk Binomial (4)
Untuk n besar (n>50) dan p tidak mendekati 0 atau 1.00
Untuk n sedang (20<n<50)
Probabilitas - Bagian 3 49
Informatics Eng. Department UNIJOYO
Pendekatan untuk Binomial (5)
S u a t u p r o s e s m e n g h a s i l k a n s e j u m l a h p r o d u k ( d e n g a n k e m u n g k i n a nd p r o d u k c a c a t 1 0 % ) . B i l a 1 0 0 p r o d u k d i a m b i l s e c a r a a c a k , b e r a p a k a hk e m u n g k i n a n b a h w a t e r d a p a t l e b i h d a r i 1 3 p r o d u k c a c a t ?
D a l a m k a s u s i n i , b a n y a k n y a c a c a t b e r d i s t r i b u s i b i n o m i a l d e n g a np a r a m e t e r n = 1 0 0 d a n p = 0 , 1 . K a r e n a u k u r a n s a m p e l b e s a r d i l a k u k a np e n d e k a t a n d e n g a n f u n g s i k e m u n g k i n a n n o r m a l d i m a n a p a r a m e t e r n y aa d a l a h 10)1,0)(100( np , d a n 0,3)9,0)(1,0)(100( npq .
K a r e n a i n g i n d i a m a t i k e m u n g k i n a n b a h w a t e r d a p a t l e b i h d a r i 1 3 p r o d u kc a c a t , m a k a d i c a r i p r o b a b i l i t a s x > 1 3 . U n t u k k a s u s d i s k r i t , d i g u n a k a nb a t a s x = 1 3 . 5 , d a n h a r g a z y a n g s e s u a i a d a l a h 167,13/)105.13( z .D a r i t a b e l d i p e r o l e h k e m u n g k i n a n z > 1 . 1 6 7 a d a l a h 0 . 1 2 1 6 .
S u a t u p r o s e s m e n g h a s i l k a n s e j u m l a h p r o d u k ( d e n g a n k e m u n g k i n a nd p r o d u k c a c a t 1 0 % ) . B i l a 1 0 0 p r o d u k d i a m b i l s e c a r a a c a k , b e r a p a k a hk e m u n g k i n a n b a h w a t e r d a p a t l e b i h d a r i 1 3 p r o d u k c a c a t ?
D a l a m k a s u s i n i , b a n y a k n y a c a c a t b e r d i s t r i b u s i b i n o m i a l d e n g a np a r a m e t e r n = 1 0 0 d a n p = 0 , 1 . K a r e n a u k u r a n s a m p e l b e s a r d i l a k u k a np e n d e k a t a n d e n g a n f u n g s i k e m u n g k i n a n n o r m a l d i m a n a p a r a m e t e r n y aa d a l a h 10)1,0)(100( np , d a n 0,3)9,0)(1,0)(100( npq .
K a r e n a i n g i n d i a m a t i k e m u n g k i n a n b a h w a t e r d a p a t l e b i h d a r i 1 3 p r o d u kc a c a t , m a k a d i c a r i p r o b a b i l i t a s x > 1 3 . U n t u k k a s u s d i s k r i t , d i g u n a k a nb a t a s x = 1 3 . 5 , d a n h a r g a z y a n g s e s u a i a d a l a h 167,13/)105.13( z .D a r i t a b e l d i p e r o l e h k e m u n g k i n a n z > 1 . 1 6 7 a d a l a h 0 . 1 2 1 6 .
Probabilitas - Bagian 3 50
Informatics Eng. Department UNIJOYO
• Dalam EXCEL, perintah NORMSDIST(number) akan memberikan nilai probabilitas kumulatif dari variabel random normal standar.
• Perintah NORMDIST(number, mean, standard deviation) akan memberikan nilai probabilitas dari variabel random normal secara umum.
Perhitungan dengan Excel (1)
Probabilitas - Bagian 3 51
Informatics Eng. Department UNIJOYO
Contoh:
• NORMSDIST(1.0) = 0.8413.
• NORMDIST(10.0, 5, 2) = 0.9938.
• Perintah inversinya NORMSINV(number) dan NORMINV(number, mean, standard deviation).
• NORMSINV(0.975) = 1.96.
• NORMINV(0.975, 20, 10) = 39.6.
Contoh:
• NORMSDIST(1.0) = 0.8413.
• NORMDIST(10.0, 5, 2) = 0.9938.
• Perintah inversinya NORMSINV(number) dan NORMINV(number, mean, standard deviation).
• NORMSINV(0.975) = 1.96.
• NORMINV(0.975, 20, 10) = 39.6.
Perhitungan dengan Excel (2)
Probabilitas - Bagian 3 52
Informatics Eng. Department UNIJOYO
Distribusi Normal Multivariat (1)
Distribusi dalam analisis multivariat umumnya adalahdistribusi multivariat normal sebagai perluasan daridistribusi normal univariat.Terdapat dua landasan pokok untuk hal tersebut, yaitu :i. Kasus pengukuran multivariat seringkali adalah bentuk
penjumlahan dari beberapa pengaruh random yangindependen. Dengan teorema central limit, beberapavariabel tadi membentuk distribusi normal multivariat.
ii. Teori statistika yang berlandaskan pada distribusi normalterbukti telah menunjukkan keberhasilan dalammelakukan kajian secara terstruktur dan sistematis.
Distribusi dalam analisis multivariat umumnya adalahdistribusi multivariat normal sebagai perluasan daridistribusi normal univariat.Terdapat dua landasan pokok untuk hal tersebut, yaitu :i. Kasus pengukuran multivariat seringkali adalah bentuk
penjumlahan dari beberapa pengaruh random yangindependen. Dengan teorema central limit, beberapavariabel tadi membentuk distribusi normal multivariat.
ii. Teori statistika yang berlandaskan pada distribusi normalterbukti telah menunjukkan keberhasilan dalammelakukan kajian secara terstruktur dan sistematis.
Probabilitas - Bagian 3 53
Informatics Eng. Department UNIJOYO
Distribusi Normal Multivariat (2)
N i l a i e k s p e k t a s i d a r i s e b u a h v e k t o r v a r i a b e l r a n d o mX = ( X 1 , … , X m ) ’ a d a l a h ')(),...,()( 1 mXEXEXE .
J i k a X m e m p u n y a i r a t a - r a t a m a t r i k s v a r i a n s i -k o v a r i a n s i X d i d e fi n i s i k a n s e b a g a i m a t r i k s ( m x m ) b e r i k u t
)')(()( XXEXCov .
E l e m e n k e - i d a n k e - j d a r i m a t r i k s v a r i a n s i - k o v a r i a n s ia d a l a h )])([( jjiiij XXE , s e d a n g k a n e l e m e n k e - i
d i k e n a l s e b a g a i v a r i a n s i ])[( 2iiii XE .
Probabilitas - Bagian 3 54
Informatics Eng. Department UNIJOYO
Distribusi Normal Multivariat (3)
Agar variansi variabel random Xi ada, maka matriks definit nonnegatif. Karena similaritas kovariansi, makamatriks adalah matriks simetris, sehingga ' . Sebuah matriks simetris (mxm) A disebut definit non-negatif jika 0' A untuk semua mR dan pasti positif
jika 0' A untuk semua 0, mR . mR adalah ruangEuklidean berdimensi m dengan komponen real.
)()'(
2
1exp)(det)2()( 12/12/ xxxf m
x
)()'(
2
1exp)(det)2()( 12/12/ xxxf m
x
Probabilitas - Bagian 3 55
Informatics Eng. Department UNIJOYO
Distribusi Probabilitas Gamma (1)
D i s t r i b u s i g a m m a d i k e n a l d a r i f u n g s i g a m m a y a n g b a n y a k d i g u n a k a nd a l a m b i d a n g m a t e m a t i k a . F u n g s i g a m m a d i d e fi n i s i k a n o l e h
0
1)( dxex x u n t u k 0 .
J i l a d i l a k u k a n i n t e g r a s i p a r s i a l a t a s 1 xu d a n d v = e - x d x , m a k a a k a n
d i p e r o l e h
0
21 )1(0
)( dxxexe xx =
0
2)1( dxxe x ,
s e h i n g g a d i h a s i l k a n p e n g u l a n g a n f u n g s i g a m m a )1()1()( ,)2()2)(1()( , d a n s e t e r u s n y a j i k a = n , d i m a n a n b i l a n g a n
b u l a t p o s i t i f , m a k a )1()...2)(1()( nnn . K a r e n a m e n u r u t d e fi n i s i
f u n g s i g a m m a
0
1)1( dxe x , m a k a )!1()( nn .
S a t u s i f a t p e n t i n g f u n g s i g a m m a , a d a l a h )2/1( .
D i s t r i b u s i g a m m a d i k e n a l d a r i f u n g s i g a m m a y a n g b a n y a k d i g u n a k a nd a l a m b i d a n g m a t e m a t i k a . F u n g s i g a m m a d i d e fi n i s i k a n o l e h
0
1)( dxex x u n t u k 0 .
J i l a d i l a k u k a n i n t e g r a s i p a r s i a l a t a s 1 xu d a n d v = e - x d x , m a k a a k a n
d i p e r o l e h
0
21 )1(0
)( dxxexe xx =
0
2)1( dxxe x ,
s e h i n g g a d i h a s i l k a n p e n g u l a n g a n f u n g s i g a m m a )1()1()( ,)2()2)(1()( , d a n s e t e r u s n y a j i k a = n , d i m a n a n b i l a n g a n
b u l a t p o s i t i f , m a k a )1()...2)(1()( nnn . K a r e n a m e n u r u t d e fi n i s i
f u n g s i g a m m a
0
1)1( dxe x , m a k a )!1()( nn .
S a t u s i f a t p e n t i n g f u n g s i g a m m a , a d a l a h )2/1( .
Probabilitas - Bagian 3 56
Informatics Eng. Department UNIJOYO
Distribusi Probabilitas Gamma (2)
D e fi n i s iS e b u a h v a r i a b e l r a n d o m k o n t i n y u X b e r d i s t r i b u s i g a m m ad e n g a n p a r a m e t e r b i l a 0 d a n 0 , b i l a m e n g i k u t if u n g s i
/1
)(
1)( xexxf
x > 0
= 0 , u n t u k x l a i n n y a .
P a r a m e t e r p e m u s a t a n d a n p e n y e b a r a n a d a l a h s e b a g a ib e r i k u t :
)( XE d a n 22)( XV .
D e fi n i s iS e b u a h v a r i a b e l r a n d o m k o n t i n y u X b e r d i s t r i b u s i g a m m ad e n g a n p a r a m e t e r b i l a 0 d a n 0 , b i l a m e n g i k u t if u n g s i
/1
)(
1)( xexxf
x > 0
= 0 , u n t u k x l a i n n y a .
P a r a m e t e r p e m u s a t a n d a n p e n y e b a r a n a d a l a h s e b a g a ib e r i k u t :
)( XE d a n 22)( XV .
Probabilitas - Bagian 3 57
Informatics Eng. Department UNIJOYO
Distribusi Probabilitas Gamma (3)
Hal ini dapat dibuktikan dengan mengevaluasi momen ke-r disekitar titik asal distribusi gamma adalah
0
/1'
)(
1)( dxexXE rr
r
.
Jika dimisalkan y=x/, maka
0
/1'
)(dyeyr
r
r
)(
)(
rr
.
Dengan demikian
)(
)1('1 , dan
222
2'2
2
)(
)2(
= 2Distribusi gamma yang khusus (spesifik) untuk =v/2, =2,dan v bilangan bulat positif disebut distribusi khi-kuadrat (chi-square) dengan degree of freedom v.
Hal ini dapat dibuktikan dengan mengevaluasi momen ke-r disekitar titik asal distribusi gamma adalah
0
/1'
)(
1)( dxexXE rr
r
.
Jika dimisalkan y=x/, maka
0
/1'
)(dyeyr
r
r
)(
)(
rr
.
Dengan demikian
)(
)1('1 , dan
222
2'2
2
)(
)2(
= 2Distribusi gamma yang khusus (spesifik) untuk =v/2, =2,dan v bilangan bulat positif disebut distribusi khi-kuadrat (chi-square) dengan degree of freedom v.
Probabilitas - Bagian 3 58
Informatics Eng. Department UNIJOYO
Distribusi Probabilitas Gamma (4)
Proposisi:J ika niX i ,...,2,1, adalah variabel random gamma independen
dengan parameter ),( i , maka
n
i iX1 juga gamma dengan
parameter ,1
n
i i .(parameter /1adalah )Proposisi:J ika niX i ,...,2,1, adalah variabel random independen
eksponensial independen dan identik dengan rata-rata ,
maka
n
i iX1 adalah variabel random gamma dengan
parameter ),( n .
Proposisi:J ika niX i ,...,2,1, adalah variabel random gamma independen
dengan parameter ),( i , maka
n
i iX1 juga gamma dengan
parameter ,1
n
i i .(parameter /1adalah )Proposisi:J ika niX i ,...,2,1, adalah variabel random independen
eksponensial independen dan identik dengan rata-rata ,
maka
n
i iX1 adalah variabel random gamma dengan
parameter ),( n .
Probabilitas - Bagian 3 59
Informatics Eng. Department UNIJOYO
Distribusi Probabilitas Weibull (1)
D i s t r i b u s i W e i b u l l ( W a l o d d i W e i b u l l , S w e d i s h , 1 9 3 9 ) b a n y a k d i g u n a k a nd a l a m a n a l i s i s k e a n d a l a n y a n g b e r k i a t a n d e n g a n u m u r ( r e n t a n gw a k t u ) , c o n t o h n y a r a n t a n g w a k t u d i m a n a s e b u a h p e r a l a t a n m u n g k i na k a n r u s a k ( t i d a k b e r f u n g s i ) .D e fi n i s iV a r i a b e l r a n d o m k o n t i n y u T b e r d i s t r i b u s i W e i b u l l , d e n g a n d u ap a r a m e t e r 0 d a n 0 , j i k a f u n g s i p a d a t n y a m e n g i k u t i
atettf 1)( u n t u k t > 0 , d a n f ( t ) = 0 , u n t u k t l a i n n y a
P a r a m e t e r p e m u s a t a n d a n p e n y e b a r a n a d a l a h s e b a g a i b e r i k u t :
1
1)( /1TE d a n
2
/22 11
21)(
TV
D i s t r i b u s i W e i b u l l ( W a l o d d i W e i b u l l , S w e d i s h , 1 9 3 9 ) b a n y a k d i g u n a k a nd a l a m a n a l i s i s k e a n d a l a n y a n g b e r k i a t a n d e n g a n u m u r ( r e n t a n gw a k t u ) , c o n t o h n y a r a n t a n g w a k t u d i m a n a s e b u a h p e r a l a t a n m u n g k i na k a n r u s a k ( t i d a k b e r f u n g s i ) .D e fi n i s iV a r i a b e l r a n d o m k o n t i n y u T b e r d i s t r i b u s i W e i b u l l , d e n g a n d u ap a r a m e t e r 0 d a n 0 , j i k a f u n g s i p a d a t n y a m e n g i k u t i
atettf 1)( u n t u k t > 0 , d a n f ( t ) = 0 , u n t u k t l a i n n y a
P a r a m e t e r p e m u s a t a n d a n p e n y e b a r a n a d a l a h s e b a g a i b e r i k u t :
1
1)( /1TE d a n
2
/22 11
21)(
TV
Probabilitas - Bagian 3 60
Informatics Eng. Department UNIJOYO
Distribusi Probabilitas Weibull (2)
D e n g a n m e n g g u n a k a n a n a l o g i , f u n g s i d i s t r i b u s i k e m u n g k i n a nW e i b u l l d a p a t m e n c a k u p t i g a p a r a m e t e r W ( , , ) d a n f u n g s ik e a n d a l a n n y a d i d e fi n i s i k a n o l e h
, t,exp),,;(1
tttf d a n
t
tR exp),,;( .
M e a n t i m e t o f a i l u r e ( M T T F ) d a n v a r i a n s i n y a a d a l a h
1
),,;( TE d a n
12
),,;( 22TVar .
D e n g a n m e n g g u n a k a n a n a l o g i , f u n g s i d i s t r i b u s i k e m u n g k i n a nW e i b u l l d a p a t m e n c a k u p t i g a p a r a m e t e r W ( , , ) d a n f u n g s ik e a n d a l a n n y a d i d e fi n i s i k a n o l e h
, t,exp),,;(1
tttf d a n
t
tR exp),,;( .
M e a n t i m e t o f a i l u r e ( M T T F ) d a n v a r i a n s i n y a a d a l a h
1
),,;( TE d a n
12
),,;( 22TVar .
Probabilitas - Bagian 3 61
Informatics Eng. Department UNIJOYO
Distribusi Probabilitas Weibull (3)
Distribusi Weibull digunakan secara luas dalam analisis keandalan yang mengeneralisasi aplikasi distribusi tersebut dengan menyertakan hazard rate yang tidak konstan, meningkat atau menurun, dan mencakup initial failure serta wear-out failures.
Distribusi Weibull digunakan secara luas dalam analisis keandalan yang mengeneralisasi aplikasi distribusi tersebut dengan menyertakan hazard rate yang tidak konstan, meningkat atau menurun, dan mencakup initial failure serta wear-out failures.
kerusakan karena terjadi wear-out causes dan chance causes
lajukerusakan
Kerusakan karena terjadinya earlycauses dan chance causes
hanya terjadichance failure
t