Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Kuswanto dan Rizali 2014 Download materi:

Presentasi serupa


Presentasi berjudul: "Kuswanto dan Rizali 2014 Download materi:"— Transcript presentasi:

1 Kuswanto dan Rizali 2014 Download materi:

2 Sebaran Peluang kontinyu Sebagian besar kegiatan di alam ini mengikuti sebaran kontinyu Sebagian besar kegiatan di alam ini mengikuti sebaran kontinyu Salah satu sebaran kontinyu adalah sebaran normal. Salah satu sebaran kontinyu adalah sebaran normal. Sebaran normal menjadi syarat untuk dilakukan Analisis varian, dalam Perancangan Percobaan. Sebaran normal menjadi syarat untuk dilakukan Analisis varian, dalam Perancangan Percobaan. Contoh sebaran kontinyu : luas lahan, tinggi tanaman, tebal lapisan olah tanah, bobot buah, diameter batang, hasil panen dll Contoh sebaran kontinyu : luas lahan, tinggi tanaman, tebal lapisan olah tanah, bobot buah, diameter batang, hasil panen dll

3 Perbedaan dg sebaran diskrit Berbeda dengan sebaran peluang diskrit, apabila X kontinyu, maka : Berbeda dengan sebaran peluang diskrit, apabila X kontinyu, maka : P(a< X  b) = P(a < X < b) + P (X=b) = P (a < X < b) = P (a < X < b) Dimana tidak ada bedanya apakah kita memasukkan titik ujung selang atau tidak. Dimana tidak ada bedanya apakah kita memasukkan titik ujung selang atau tidak. Pada sebaran kontinyu tidak ditentukan batas tegas antara titik b dan titik

4 Fungsi kepekatan Sebaran ini tak dapat disajikan dalam bentuk tabel, tetapi dapat dalam bentuk rumus yang dapat digambarkan sebagai suatu kurva kontinyu dan disebut fungsi kepekatan peluang atau disingkat fungsi kepekatan Sebaran ini tak dapat disajikan dalam bentuk tabel, tetapi dapat dalam bentuk rumus yang dapat digambarkan sebagai suatu kurva kontinyu dan disebut fungsi kepekatan peluang atau disingkat fungsi kepekatan Secara lengkap akan dijelaskan kemudian Secara lengkap akan dijelaskan kemudian

5

6 Sebaran NORMAL Sebaran peluang kontinyu yang paling penting dalam bidang statistika adalah sebaran normal. Sebaran peluang kontinyu yang paling penting dalam bidang statistika adalah sebaran normal. Grafiknya disebut kurva normal, yaitu grafik berbentuk genta (bell-shaped) seperti yang terlihat di bawah Grafiknya disebut kurva normal, yaitu grafik berbentuk genta (bell-shaped) seperti yang terlihat di bawah Grafik ini digunakan banyak sekali untuk gugusan data yang terjadi di alam, industri dan penelitian. Grafik ini digunakan banyak sekali untuk gugusan data yang terjadi di alam, industri dan penelitian.

7 Tinggi badan pria dewasa terdistribusi normal dengan rata-rata 69.0 inchi dan standar deviasi 2.8 inchi. Sedangkan perempuan dengan rata-rata 63.6 inchi dan standar deviasi 2.5 inchi

8 Mana yang rata-rata lebih besar? Mana yang standar deviasi lebih besar?

9 Bentuk persamaan normal f(x) = untuk -  < x < ,  = 3,14159, e = 2,71828 f(x) bentuk kurva normal (bell-shaped) Dibidang pertanian, kita akan lebih sering menerapkan rumus tersebut. Yang tertarik mempelajari asal usul rumus tersebut, dapat membaca di buku-buku statistika

10 Ciri kurva normal μ -σ μ μ+σ ada 2 parameter, yaitu  (mean) dan  (sigma=standar deviasi) grafiknya disebut kurva normal  lihat gambar dibawah Ciri : - simetris terhadap μ - mempunyai titik belok x = μ + σ Distribusi normal dituliskan dengan X ~ N (μ, σ) Dibaca : X menyebar normal, dengan rerata mu dan standar deviasi sigma

11 Distribusi normal baku Fungsi normal juga sudah ditabelkan, tetapi khusus untuk μ=0 dan σ=1. Fungsi normal juga sudah ditabelkan, tetapi khusus untuk μ=0 dan σ=1. Dapat diakses darin internet, atau dari buku statistika. Dapat diakses darin internet, atau dari buku statistika. Distribusi normal dengan mean 0 dan standar deviasi 1 disebut Distribusi Normal Baku dan diberi notasi Z~N(0,1) dan Z = (x- μ)/σ Distribusi normal dengan mean 0 dan standar deviasi 1 disebut Distribusi Normal Baku dan diberi notasi Z~N(0,1) dan Z = (x- μ)/σ Yang tersedia tabel P(Z ≤ zo) Yang tersedia tabel P(Z ≤ zo)

12

13 Tabel Distribusi normal standar (Z)

14 Gambar distribusi Z (normal baku)

15 Luas kurva distribusi normal baku Mengingat distribusi normal mempunyai sifat simetris dan luas dibawah kurva sama dengan 1, maka P(Z ≤ 0) = P(Z ≥ 0) = 0,5

16 Contoh tabel normal

17 Contoh P(z < 1.96) P(z ≤ 1.96)= P(z < 1.96) + P(z = 1.96) = P(z < 1.96) + 0 = P(z < 1.96) = (lihat di tabel)

18 P(z > 1.28) P(z > 1.28) = 1 – P(z < 1.28) = 1 – =

19 P(–1.23 < z < 0.97) P(–1.23 < z < 0.97) = P(z < 0.97) – P(z < –1.23) = – =

20 Contoh : a. Hitung peluang P(Z 1,37) a. Hitung peluang P(Z 1,37) Dengan melihat tabel kurva normal Dengan melihat tabel kurva normal P(Z<1,37) = 0,9147 artinya peluang terjadinya Z<1,37 adalah 0,9147 P(Z<1,37) = 0,9147 artinya peluang terjadinya Z<1,37 adalah 0,9147 P(Z>1,37) = 1 - P(Z 1,37) = 1 - P(Z<1,37) = 1 - 0,9147 = 1 - 0,9147 = 0,0853 artinya peluang terjadinya Z>1,37 = 0,0853 artinya peluang terjadinya Z>1,37 adalah0,0853 adalah0,0853 1, ,9147

21 b. P(-1,55 ≤ Z ≤ 1,60) = P(Z ≤1,60) - P(Z ≤-1,55) = 0, ,0606 = 0,8846 (apa artinya?) = 0, ,0606 = 0,8846 (apa artinya?) -1,55 1,60 0,8846 c. Tentukan harga Zo sedemikian hingga P(Z>Zo) = 0,025 Dengan cara dibalik, maka P(Z ≤ Zo) = 1 - 0,025 = 0,975 (apa artinya?) Dicari di tabel (ingat soal dibalik)  Zo = 1,96

22 Normal tidak baku Karena Distribusi normal X ~ N (μ, σ) dengan transformasi menjadi baku Karena Distribusi normal X ~ N (μ, σ) dengan transformasi menjadi baku Z = x-μ maka Z ~ N (0,1) Z = x-μ maka Z ~ N (0,1) σ Soal d. Rata-rata kalori humburger yang dihidangkan untuk makan siang adalah 200 dengan standar deviasi 5. Bila kalori mengikuti distribusi normal, tentukan : P(X>208) dan P(190< x <200) Jawab: Jawab: P(x>208) = P[(x-200)/5] > ( )/5] = P(Z>1,6) = P(Z>1,6) = 1 - P(Z ≤ 1,6) = 1 - 0,9452 = 0,0548 (artinya peluang kalori humberger >208 kal adalah 0,0548) = 1 - P(Z ≤ 1,6) = 1 - 0,9452 = 0,0548 (artinya peluang kalori humberger >208 kal adalah 0,0548)

23 Distribusi normal tidak baku Rata-rata tinggi perempuan 63.6 inchi dan standar deviasi 2.5 inchi Cari peluang tinggi perempuan 60 inchi atau lebih rendah? P(z ≤ 60) = P (z ≤ {60 – 63.6/2.5}) = P(z ≤ –1.44) =

24 Tinggi perempuan dewasa terdistribusi normal dengan rata- rata 63.6 inchi dan standar deviasi 2.5 inchi. Cari peluang perempuan antara 62 inchi dan 67 inchi P(62 ≤ x ≤ 67) = P( {62 – 63.6/2.5} ≤ z ≤ {67 – 63.6/2.5}) = P(–0.64 ≤ z ≤ 1.36) = – =

25 Soal kedua P(190< x <200) = P[( )/5 < (x-200)/5 < ( )/5] (x-200)/5 < ( )/5] = P(-2 < Z < 0) = 0,5 - P(Z<-2) = 0,5 - 0,0228 = 0,4772 (apa artinya?) (apa artinya?)

26 Dengan Excel P(z < 1.96) =NORMSDIST(1.96) P(z > –1.5) =1-NORMSDIST(-1.5) P(–1.23 < z < 0.97) =NORMSDIST(0.97)-NORMSDIST(-1.23) Distribusi normal baku =NORMSDIST(z)

27 Dengan Excel P(x ≤ 60) =NORMDIST(60,63.6,2.5,TRUE) Distribusi normal tidak baku =NORMDIST(x,μ,σ,TRUE) μ = 63.6, σ = 2.5

28 Dengan Excel P(x ≤ A) = =NORMSINV(0.9750) Diketahui peluangnya =NORMSINV(probability) =NORMINV(probability, mean, standard deviation) Tidak baku μ = 63.6, σ = 2.5, P = 10% =NORMINV(0.9,63.6,2.5)

29 Bila diambil contok acak n Dari teorema limit pusat, misalkan diambil contok acak berukuran n dari suatu populasi yang mempunyai mean μ dan standar deviasi σ, maka Dari teorema limit pusat, misalkan diambil contok acak berukuran n dari suatu populasi yang mempunyai mean μ dan standar deviasi σ, maka x1+ x2 + x3 + …+ xn x1+ x2 + x3 + …+ xn  x = n akan mempunyai distribusi normal dengan mean μ dan varian σ²/n akan mempunyai distribusi normal dengan mean μ dan varian σ²/n Dalam praktek n  ∞, dapat didekati untuk n ≥ 30. Dalam praktek n  ∞, dapat didekati untuk n ≥ 30. Teorema limit pusat ini membuat peranan distribusi normal menjadi penting. Teorema limit pusat ini membuat peranan distribusi normal menjadi penting.

30 Teorema Limit Pusat Apabila seluruh contoh dengan ukuran n diperoleh dari populai dengan rata-rata μ dan standar deviasi σ, distribusi dari rata-rata contoh x akan mendekati distribusi normal. Rata-rata dari rata- rata contoh (μ x ) adalah sama dengan rata-rata populasi μ. Standar deviasi dari rata-rata contoh (σ x ) adalah σ/ √n. σ x disebut dengan standard error dari rata-rata atau standard error

31 Dengan pengambilan contoh acak n, maka bentuk kurva normal dapat dilukiskan sebagai : σ biasanya juga tidak diketahui dan bisa diduga s (standar deviasi contoh) μ-σ/n μ μ+σ/n titik belok

32 Contoh : Suatu populasi mempunyai rata-rata = 82 dan standar deviasi =12. Diambil contoh acak sebanyak n = 64. Tentukan P(80,8 ≤  x ≤ 83,2) dan P(  x > 93,2). Suatu populasi mempunyai rata-rata = 82 dan standar deviasi =12. Diambil contoh acak sebanyak n = 64. Tentukan P(80,8 ≤  x ≤ 83,2) dan P(  x > 93,2). Menurut teorema limit pusat  x ~ (82,144/64) Menurut teorema limit pusat  x ~ (82,144/64) dimana μ = 82 dan σ x = σ/√n = 12/8 = 1,5, maka P(80,8 ≤  x ≤ 83,2) = P[(80,8-82)/1,5 ≤ (  x -82)/1,5 ≤ (83,2-82)/1,5] = P(-1,2/1,5 ≤ Z ≤ 1,2/1,5) = P(-1,2/1,5 ≤ Z ≤ 1,2/1,5) = P(-0,8 ≤ Z ≤ 0,8) = P(-0,8 ≤ Z ≤ 0,8) = P(Z ≤ 0,8) - P(Z ≤ -0,8) = P(Z ≤ 0,8) - P(Z ≤ -0,8) = 0, ,2119 = 0, ,2119 = 0,5762 = 0,5762 (peluang rerata 80,8 ≤  x ≤ 83,2 adalah 0,5762)

33 P(  x > 93,2) = P[(x-82)/1,5 > (93,2-82)/1,5] P(  x > 93,2) = P[(x-82)/1,5 > (93,2-82)/1,5] = P(Z> 11,2/1,5) = P(Z > 7,46) = 1 - P(Z ≤ 7,46) = = 0 (apa artinya?) (apa artinya?)

34 Dengan Excel P(80,8 ≤  x ≤ 83,2) =NORMDIST(83.2,82,1.5,TRUE) - NORMDIST(80.8,82,1.5,TRUE) =1 - NORMDIST(93.2,82,1.5,TRUE) Distribusi normal tidak baku =NORMDIST(x,μ,σ,TRUE) μ = 82, σ = 1.5 P(  x > 93.2)

35

36 The Normal Distribution: There is an equation which describes the height of the normal curve in relation to its standard dev (  ) X  22 33 22 33 68.27% 95.44% 99.73% f

37 ƒ μ = 0 Normal distribution with σ = 1, with varying means μ = 1 μ = 2 5 If you get difficulties to keep this term, read statistics books

38 ƒ σ = 1 σ = 1.5 σ = 2 Normal distribution with μ = 0, with varying standard deviations

39

40 Exercises, normal distribution 1. For the standard normal random variable Z, find P(Z < 0,42), P(-1,2 < Z < 2,1) P(  Z  < 1,64) 2. Find z-value in each of the following cases : P( Z < z ) = 0,1736 P(Z > z ) = 0,10 P(-z < Z < z) = 0,954 P(-0,6 < Z < z ) = 0,50

41 3. Scores on certain nationwide college entrance examination follow a normal distribution with a mean of 500 and a standard deviation of 100. Find the probability that a student will score : Over 650 Less than 250 Between 325 and 675

42 Soal 4. Sebuah perusahaan alat listrik memproduksi bohlam yang umurnya menyebar normal dengan nilai tengah 800 jam dan simpangan baku 40 jam. Hitunglah peluang sebuah bohlam hasil produksinya akan mencapai umur antara 778 dan 834 jam. Tunjukkan luas daerahnya dalam gambar sebaran normal. 5. Find normal distribution cases in your daily needed, at least 2 cases. You must be explain it completely, consist of stetement, sample of data and the figure illustration. Write all in English fluently.

43


Download ppt "Kuswanto dan Rizali 2014 Download materi:"

Presentasi serupa


Iklan oleh Google