yang digunakan kontinu. - yosnex.files.wordpress.com · proporsional terhadap panjang interval. ......

33
Distribusi probabilita kontinu, yaitu apabila random variabel yang digunakan kontinu. Probabilita dihitung untuk nilai dalam suatu interval tertentu. Probabilita di suatu titik = 0. Probabilita untuk random variabel kontinu (nilai-nilainya dalam suatu interval), misalkan antara x 1 dan x 2 , didefinisikan sebagai luas daerah di bawah kurva (grafik) fungsi probabilita antara x 1 dan x 2 . Haryoso Wicaksono, S.Si., M.M., M.Kom. 26

Transcript of yang digunakan kontinu. - yosnex.files.wordpress.com · proporsional terhadap panjang interval. ......

• Distribusi probabilita kontinu, yaitu apabila random variabelyang digunakan kontinu.

• Probabilita dihitung untuk nilai dalam suatu interval tertentu.

• Probabilita di suatu titik = 0.

• Probabilita untuk random variabel kontinu (nilai-nilainya dalamsuatu interval), misalkan antara x1 dan x2, didefinisikan sebagailuas daerah di bawah kurva (grafik) fungsi probabilita antara x1

dan x2.

Haryoso Wicaksono, S.Si., M.M., M.Kom. 26

• Seragam (Uniform) [K1] : Suatu random variabel dikatakanterdistribusi secara uniform apabila nilai probabilitanyaproporsional terhadap panjang interval.

• Fungsi Densitas Probabilita Uniform:

untuk a < x < b. f(x) = 0 untuk x lainnya.

dimana

a = batas bawah interval

b = batas atas interval

Haryoso Wicaksono, S.Si., M.M., M.Kom. 27

abxf

1)(

• Seragam (Uniform) :

1. Nilai Harapan (Expected Value) :

2. Varian : di mana a = batas bawah interval& b = batas atas interval

3. Contoh : Buffet Slater menjual salad, & salad yg dibayar olehpelanggan menyebar secara uniform antara 5 ons s/d 15 ons.

• Fungsi Densitas probabilita : untuk a x b.

• f(x)= 0 untuk x lainnya, dimana x = berat salad yang dibelioleh pelanggan

Haryoso Wicaksono, S.Si., M.M., M.Kom. 28

2)(

baXE

12

)()(

2abXVar

abxf

1)(

• Seragam (Uniform) : Buffet Slater, maka :

1. Contoh : Buffet Slater menjual salad, & salad yg dibayar olehpelanggan menyebar secara uniform antara 5 ons s/d 15 ons.

2. Nilai Harapan (Expected Value) :

3. Varian :

Haryoso Wicaksono, S.Si., M.M., M.Kom. 29

102

155

2)(

baXE

33,812

)515(

12

)()(

22

ab

XVar

• Normal [K2] : Fungsi Densitas Normal

dimana:

= rata-rata (mean)

= simpangan baku (standard deviation)

= 3.14159

e = 2.71828

Haryoso Wicaksono, S.Si., M.M., M.Kom. 30

22

2)(

2

1)(

x

exf22

2)(

2

1)(

x

exf

xx

• Normal : Karakterisik Distribusi Probabilita Normal :

1. Bentuk kurva normal seperti bel dan simetris.

2. Parameter , menunjukkan lebar dari kurva normal (semakinbesar nilainya, semakin lebar).

3. Titik tertinggi dari kurva nomal terletak pada nilai rata-rata =median = modus.

4. Luas total area di bawah kurva normal adalah 1. (luas bagiandi sebelah kiri µ = sebelah kanan µ).

5. Probabilita suatu random variabel normal sama dengan luasdi bawah kurva normal.

Haryoso Wicaksono, S.Si., M.M., M.Kom. 31

• Normal : Persentase nilai pada interval yang sering digunakan :

1. 68,26% nilai dari suatu variabel acak normal berada padainterval µ ±

2. 95,44% nilai dari suatu variabel acak normal berada padainterval µ ± 2.

3. 99,72% nilai dari suatu variabel acak normal berada padainterval µ ± 3.

Haryoso Wicaksono, S.Si., M.M., M.Kom. 32

• Normal : Normal Baku (Standard Normal)

1. Variabel acak yang berdistribusi Normal Baku adalah suatuvariabel acak yang berdistribusi Normal dengan rata-rata 0dan varian 1, dan dinotasikan dengan z.

2. Variabel acak Normal dapat diubah menjadi variabel acakNormal Baku dengan transformasi :

Haryoso Wicaksono, S.Si., M.M., M.Kom. 33

xz

xz

Haryoso Wicaksono, S.Si., M.M., M.Kom. 34

Rumus Matematika Tabel Statistik

Manual Hitung Sendiri Program

Kalkulator MS Excel

Haryoso Wicaksono, S.Si., M.M., M.Kom. 35

Haryoso Wicaksono, S.Si., M.M., M.Kom. 36

Haryoso Wicaksono, S.Si., M.M., M.Kom. 37

1.Gambar pada Kurva Normal. Perhatikan area yg diarsir.2.Simbol Matematis dg simbol persamaan & pertidaksamaan. ≤, ≥, atau <, >. Juga ≠. 3.Uraian atau deskripsi, dalam bentuk kalimat.

p(z≤0)=0,5[Probabilitasuntuk z kurangdari atau samadengan 0 = 0,5 =50%]

Haryoso Wicaksono, S.Si., M.M., M.Kom. 38

p(z≥0)=0,5[Probabilitasuntuk z lebihdari atau samadengan 0 = 0,5= 50%]

Haryoso Wicaksono, S.Si., M.M., M.Kom. 39

p(-~≤z≤+~)=p(-4≤z≤4)=1,00=100%

Haryoso Wicaksono, S.Si., M.M., M.Kom. 40

Haryoso Wicaksono, S.Si., M.M., M.Kom. 41

p(0≤z≤1)=0,3413=34,13%

Haryoso Wicaksono, S.Si., M.M., M.Kom.

p(-1≤z≤0)=p(0≤z≤1)=0,3413=34,13%

Haryoso Wicaksono, S.Si., M.M., M.Kom. 43

p(1,0≤z≤2,0)=p(0≤z≤2,0)-p(0≤z≤1,0)=0,4772-0,3413=0,1359=13,59%

Haryoso Wicaksono, S.Si., M.M., M.Kom. 44

p(-2,0≤z≤-1,0)=p(1,0≤z≤2,0)=p(0≤z≤2,0)-p(0≤z≤1,0)=0,4772-0,3413=0,1359=13,59%

Haryoso Wicaksono, S.Si., M.M., M.Kom. 45

p(z≤1,65)=p(-~≤z≤0)+p(0≤z≤1,65)=0,5+0,4505=0,9505=95,05%

Haryoso Wicaksono, S.Si., M.M., M.Kom. 46

p(z≥-1,72)=p(-1,72≤z≤0)+p(0≤z≤+~)=p(0≤z≤1,72)+0,5=0,4573+0,5=0,9573=95,73%

Haryoso Wicaksono, S.Si., M.M., M.Kom. 47

p(z≥1,74)=p(0≤z≤+~)-p(0≤z≤1,74)=0,5-0,4591=0,0409=4,09%

Haryoso Wicaksono, S.Si., M.M., M.Kom. 48

p(z≤-1,55)=p(z≥1,55)=p(0≤z≤+~)-p(0≤z≤1,55)=0,5-0,4394=0,0606=6,06%

Haryoso Wicaksono, S.Si., M.M., M.Kom. 49

p(-1,74≤z≤1,00)=p(-1,74≤z≤0)+p(0≤z≤1,00)=p(0≤z≤1,74)+p(0≤z≤1,00)=0,4591+0,3413=0,8004=80,04%

• Bila X merupakan variabelrandom yg memiliki distribusinormal dg rata-rata [miu] = 24dan deviasi standar [sigma]= 12,berapakah probabilita untuk17,4 x 58,8 ?

• Jawab :

• Soal 1 : p(24 x 58,8 ) =

• Soal 2 : p(x ≥ 58,8 ) =

50Haryoso Wicaksono, S.Si., M.M., M.Kom.

Haryoso Wicaksono, S.Si., M.M., M.Kom. 51

• Normal : Contoh: Toko Oli

• Penjualan oli di sebuah toko diketahui mengikuti distribusinormal dg rata-rata 15 kaleng & simpangan baku 6 kaleng. Suatuhari pemilik toko ingin mengetahui berapa probabilita terjualnyalebih dari 20 kaleng. Berapa P(X > 20) ?

• Tabel normal baku menunjukkan luas sebesar 0,2967 untukdaerah antara z = 0 dan z = 0,83. Lihat Tabel Distribusi Normal

• P(X > 20) = P(Z > 0,83) = daerah yang diarsir = 0,5 – 0,2967 =0,2033.

Haryoso Wicaksono, S.Si., M.M., M.Kom. 52

xz

xz

• Normal : Contoh: Toko Oli

• P(X > 20) = P(z > 0,83) = daerah yang diarsir = 0,5 – 0,2967 =0,2033.

Haryoso Wicaksono, S.Si., M.M., M.Kom. 53

• Normal : Contoh: Toko Oli

• P(X > 20) = P(z > 0,83) = daerah yang diarsir = 0,5 – 0,2967 =0,2033.

Haryoso Wicaksono, S.Si., M.M., M.Kom. 54

• Eksponensial (Exponential) [K3] :

Fungsi densitas: untuk x 0, µ > 0

dimana µ = rata-rata (mean) dan e = 2.71828

Fungsi Distribusi Eksponensial Kumulatif

dimana x0 = suatu nilai tertentu dari x

Haryoso Wicaksono, S.Si., M.M., M.Kom. 55

/1

)( xexf

/1

)( xexf

/0

o1)( xexxP /0

o1)( xexxP

• Eksponensial (Exponential) : Contoh : Tempat Cuci Mobil A-1

Waktu kedatangan mobil pelanggan tempat cuci A-1 mengikutidistribusi eksponensial dengan rata-rata waktu kedatangan 3menit. TCM A-1 ingin mengetahui berapa probabilita waktukedatangan antara suatu mobil dengan mobil berikutnya adalah2 menit atau kurang.

Jawab :

P(X 2) = 1 – 2,71828-2/3 = 1 - 0,5134 = 0,4866 = 48,66%

Haryoso Wicaksono, S.Si., M.M., M.Kom. 56

• Eksponensial (Exponential) : Contoh : Tempat Cuci Mobil A-1

Jawab : P(X 2) = 1 – 2,71828-2/3 = 1 - 0,5134 = 0,4866 = 48,66%

Haryoso Wicaksono, S.Si., M.M., M.Kom. 57

Haryoso Wicaksono, S.Si., M.M., M.Kom. 58