CONTINUOUS DISTRIBUTION

Slides:



Advertisements
Presentasi serupa
Business Statistics, A First Course (4e) © 2006 Prentice-Hall, Inc. Chap 6-1 Bab 6 Distribusi Normal.
Advertisements

Euphrasia Susy Suhendra
DISTRIBUSI NORMAL.
Analisa Data Statistik Chap 6: Distribusi Probabilitas Kontinu
BAGIAN II Probabilitas dan Teori Keputusan
DISTRIBUSI NORMAL.
BAB 6 DISTRIBUSI DATA Oleh M. YAHYA AHMAD
Distribusi Normal.
Selamat Datang Dalam Kuliah Terbuka Ini 1. Kuliah terbuka kali ini berjudul “Pilihan Topik Matematika -II” 2.
Pertemuan II SEBARAN PEUBAH ACAK
STATISTIKA DISTRIBUSI PROBABILITAS
DISTRIBUSI DISKRIT DAN KONTINYU
DISTRIBUSI NORMAL DAN TARAF KEPERCAYAAN
Distribusi Probabilitas Diskrit dan Kontinu
Distribusi Normal Simetris Mean, Median and Modus f(x) sama
Distribusi Teoritis Probabilitas
KURVE NORMAL. Distribusi Normal – Suatu alat statistik untuk menaksir dan meramalkan peristiwa-peristiwa yang lebih luas dan akan terjadi. Ciri –Ciri.
STATISTIKA INFERENSI : UJI HIPOTESIS (SAMPLE TUNGGAL)
DISTRIBUSI PROBABILITA KONTINU
Turunan Fungsi-Fungsi Oleh: Sudaryatno Sudirham
STATISTIKA LINGKUNGAN
DISTRIBUSI NORMAL Srikandi Kumadji.
Distribusi Normal Distribusi normal memiliki variable random yang kontinus. Dimana nilai dari variable randomnya adalah bilang bulat dan pecahan. Probabilitas.
PENDUGAAN STATISTIK Tita Talitha, MT.
DISTRIBUSI NORMAL.
SAMPLING DAN DISTRIBUSI SAMPLING
FUNGSI PENERIMAAN R R = f(Q) Q
V. DISTRIBUSI NORMAL Dipelajari pertama kali pd abad ke -18 Pencetus :
HIPOTESIS DAN UJI RATA-RATA
Distribusi Peluang Diskrit atau Teoritis (z, t, F dan chi square)
DISTRIBUSI NORMAL.
Fungsi Penerimaan.
Analisa Data Statistik Chap 6: Distribusi Probabilitas Kontinu
1 Pertemuan 10 Fungsi Kepekatan Khusus Matakuliah: I0134 – Metode Statistika Tahun: 2007.
Sebaran Peluang Kontinu (I) Pertemuan 7 Matakuliah: I0014 / Biostatistika Tahun: 2008.
1 Pertemuan #2 Probability and Statistics Matakuliah: H0332/Simulasi dan Permodelan Tahun: 2005 Versi: 1/1.
Distribusi Normal Arum Handini Primandari.
Distribusi Probabilitas Normal
PERTEMUAN Ke- 4 Dosen pengasuh: Moraida Hasanah, S.Si., M.Si
DISTRIBUSI PROBABILITAS DAN DISTRIBUSI SAMPLING
ANALISIS VARIANSI (ANOVA)
Statistika Inferensi : Estimasi Titik & Estimasi Interval
Nanda A. Rumana nandaarumana.blogspot.com
Distribusi Normal.
Distribusi Normal.
Statistik Distribusi Probabilitas Normal
DISTRIBUSI KONTINU DISTRIBUSI NORMAL.
Fungsi Distribusi normal
DISTRIBUSI KONTINYU.
Analisa Data Statistik Chap 6: Distribusi Probabilitas Kontinu
STATISTIKA INFERENSI : UJI HIPOTESIS (SAMPEL TUNGGAL)
Probabilitas dan Statistika BAB 5 Distribusi Peluang Kontinu
Distribusi Probabilitas Kontinyu
Distribusi dan Teknik Sampling
DISTRIBUSI PROBABILITAS BAG 2 (DISTRIBUSI NORMAL)
DISTRIBUSI NORMAL.
DISTRIBUSI PROBABILITA COUNTINUES
Distibusi Probabilitas Statistik Bisnis -8
Fungsi Kepekatan Peluang Khusus Pertemuan 10
Bagian 5 – DISTRIBUSI KONTINYU Laboratorium Sistem Produksi 2004
DISTRIBUSI NORMAL.
Pertemuan 4 Kurve Normal.
BAB 8 DISTRIBUSI NORMAL.
Mendeskripsikan Data Fadjar Pambudhi.
Pertemuan ke 9.
STATISTIK II Pertemuan 3-4: Metode dan Distribusi Sampling
DISTRIBUSI NORMAL.
Statistika Inferensi : Estimasi Titik & Estimasi Interval
Ukuran Distribusi.
PENGERTIAN DISTRIBUSI TEORITIS
Transcript presentasi:

CONTINUOUS DISTRIBUTION Continuous Distribution menyakup: Normal dstribution Exponential dstribution Uniform distribution t Distribution Chi-Square Distribution F Distribution Normal Distribution. Karakteristik: Continuous distribution Symetrical distribution (kurve terbagi kanan kiri sama besar/simetris) Asymtotic to the axis (kurva tidak pernah berpotongan dengan axis/sumbu x) Unmodal (bentuk kurva seperti lonceng, sehingga nilai-nilai mengumpul pada hanya pada satu bagian kurva) Family curves (setiap nilai mean yang unik dan standard deviation memiliki kurva normal yang berbeda) Area under the curve sums to 1 (luas bagian kanan 0.5 dan kiri 0.5, sehingga total sama dengan 1) µ X Normal Curve

σ=5 σ=5 σ=10 Probability Function of the Normal Distribution Normal distribution dicirikan dengan 2 parameter yakni: µ dan σ. Nilai parameter tersebut menghasilkan normal distribution. Fungsi ND: Stadardized Normal Distribution. Setiap pasang nilai µ dan σ memiliki ND yang berbeda. µ = Mean X σ = Standard Deviation of X σ2= Variance of X Π = 3.14 e = 2.718 σ=5 σ=10 50 σ=5 80

Contoh 1. Z = ------------ σ Formula untuk suatu nilai X dengan ND: Zscore adalah angka standard deviation yang menunjukkan nilai X dari mean. Jika Zsecore negatif, maka nilai X lebih kecil dari mean Jika Zsecore positif, maka nilai X lebih besar dari mean Formula itu dapat digunakan untuk mengonversi jarak suatu nilai X dari mean dengan ukuran unit standard deviation. Tabel standard Z digunakan untuk menentukan probabilitas masalah kurva normal yang telah dikonversi kedalam Zscore. Z Distribution adalah normal distribution dengan mean sama dengan 0 dan standard deviation sama dengan 1. Contoh 1. Nilai mean untuk GMAT adalah 485 dengan standard deviation adalah 105. Jika nilai GMAT berdstribusi normal, maka berapa probabilitas suatu nilai antara 600 dan mean yang dipilih secara random?. P(485≤ X ≤ 600│µ=485 dan σ=105)=…?

TABEL Z DISTRIBUTION Z 0.00 0.01 0.02 0.03 0.04 0.05 … 0.09 0.3643 P(485≤ X ≤ 600│µ=485 dan σ=105)=…? X - µ Z = ------------ σ 600-485 Z = ------------ = 1.10 105 Zscore untuk 1.10 menyatakan bahwa score GMAT sebesar 600 adalah 1.10 standard deviation lebih dari mean. Nilai 1.10 jika dlihat pada tabel Z Distribution sebaga berikut: Z 0.00 0.01 0.02 0.03 0.04 0.05 … 0.09 0.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0359 0.1 0.0398 0.2 0.0793 0.3 0.1179 0.1517 . 1.0 0.3413 0.3621 1.1 0.3643 0.3830 Dst TABEL Z DISTRIBUTION

Probablitas untuk Z=1.10 adalah 0.3643 P(485≤ X ≤ 600│µ=485 dan σ=105)=…? Probablitas untuk Z=1.10 adalah 0.3643 Bagian yang diarsir dari gambar dikanan menunjukkan bahwa nilai probabilitas merupakan probabilitas atau daerah antara nilai X dan mean µ=485 X=600 σ=105 µ=485 X=600 σ=105 0.3643 Solusi terhadap nilai X Z=0 Z=1.10 0.3643 Solusi terhadap nilai X dengan nilai Z

Contoh 2. Berapa probabilitas untuk memperoleh nilai GMAT lebih besar dari 700 dengan mean=485 dan standard deviation=105? P(X >600│µ=485 dan σ=105)=…? µ=485 X=700 σ=105 X>700 X - µ Z = ------------ σ 700-485 Z = ------------ = 2.05 105 Nilai Z=2.05 jika dilihat pada tabel Z distribution menunjukkan Zscore = 0.4798. µ=485 X=700 σ=105 0.5000 0.4798 Z=0 Z=2.05 0.5000 0.4798 Probablitas untuk memperoleh score > 700 adalah =0.5000-0.4798 =0.0202