Distribusi Probabilitas Normal.

Presentasi berjudul: "Distribusi Probabilitas Normal."— Transcript presentasi:

1 Distribusi Probabilitas Normal

2 Distribusi Normal (Distribusi Gaus)
Distribusi Normal (Distribusi Gauss)  merupakan distribusi probabilitas yang paling penting baik dalam teori maupun aplikasi statistik. Terminology “normal”  karena memang distribusi ini adalah yang paling banyak digunakan sebagai model bagi data riil diberbagai bidang : - antara lain karakteristik fisik mahluk hidup (berat, tinggi badan manusia, hewan dll), - kesalahan-kesalahan pengukuran dalam eksperimen ilmiah pengukuran-pengukuran intelejensia dan perilaku, - nilai skor berbagai pengujian dan berbagai ukuran dan indikator ekonomi.

3 KARAKTERISTIK DISTRIBUSI KURVA NORMAL
= Md= Mo Kurva berbentuk simetris Kurva mencapai puncak pada saat X=  Luas daerah di bawah kurva adalah 1; ½ di sisi kanan nilai tengah dan ½ di sisi kiri.

4 DEFINISI KURVA NORMAL Bila X suatu pengubah acak normal dengan nilai tengah , dan standar deviasi , maka persamaan kurva normalnya adalah:

5 Untuk setiap distribusi populasi dari suatu variabel acak yang mengikut sebuah distribusi normal, maka 68,26% dari nilai-nilai variabel berada dalam ± 1 x dari x , 95,46% dari nilai-nilai variabel berada dalam ± 2 x dari x , 99,73% dari nilai-nilai variabel berada dalam ± 3 x dari x 

6 Gambar hubungan antara luasan dan N(,2)

7 LUAS DI BAWAH KURVA NORMAL
68,26% 95,44% 99,74% =x Z=0 -3 -3 -2 -2 -1 -1 +1 +1 +2 +2 +3 +3 Luas antara nilai Z (-1<Z<1) sebesar 68,26% dari jumlah data. Berapa luas antara Z antara 0 dan sampai Z = 0,76 atau biasa dituis P(0<Z<0,76)? Dapat dicari dari tabel luas di bawah kurva normal. Nilainya dihasilkan = 0,2764

8 Sifat-Sifat Distribusi Normal:
Bentuk distribusi normal ditentukan oleh μ dan σ. 1 2 μ1 = μ2 σ1 > σ2 1 2 μ1 < μ2 σ1 = σ2 1 2 μ1 < μ2 σ1 < σ2

9 Transformasi dari X ke Z
TRANSFORMASI DARI NILAI X KE Z Transformasi dari X ke Z x z Distribusi Normal Baku yaitu distribusi probabilitas acak normal dengan nilai tengah nol dan simpangan baku 1 Di mana nilai Z: Z = Skor Z atau nilai normal baku X = Nilai dari suatu pengamatan atau pengukuran = Nilai rata-rata hitung suatu distribusi = Standar deviasi Z = X -  

10 Jika X distribusi normal dengan mean  dan deviasi standard  maka

11 Z > 0 jika x >  Z < 0 jika x < 

12

13

14 TRANSFORMASI DARI X KE Z
Contoh Soal: Harga saham di BEJ mempunyai nilai tengah (X)=490,7 dan standar deviasinya 144,7. Berapa nilai Z untuk harga saham 600? Jawab: Diketahui: Nilai  = 490,7 dan  = 144,7 Maka nilai Z =( X - ) /  Z = (600 – 490,7)/144,7 Z = 0,76

15 Contoh : Diketahui data berdistribusi normal dengan mean  = 55 dan deviasi standar = 15 a) P(55≤x≤75) = = = P(0≤Z≤1,33) = 0, (Tabel Z) Atau Tabel Z  A = 0,4082

16 b) P(60≤x≤80) = = P(0,33≤Z≤1,67) = P(0≤Z≤1,67) – P(0≤Z≤0,33) = 0,4525 – 0,1293 = 0,3232 Z1 = = 0,33  B = 0,1293 Z2 = = 1,67  A = 0,4525 C = A – B = 0,3232

17 c) P(40≤x≤60)= A + B = = P(-1,00≤Z≤0,33) = P(-1,00≤Z≤0) + P(0≤Z≤0,33) = 0, ,1293 = 0,4705 Atau : Z1 = = = -1,00  A = 0,3412 Z2 = = 0,33  B = 0,1293

18 d) P(x ≤ 40) = 0,5 – A = 0,5 – 0,3412 = 0,1588

19 P(x ≥ 85) P(x ≤ 85) = 0,5 + A = 0,5 + 0,4772 = 0,9772

20 Latihan Soal: PT GS mengklaim rata-rata berat buah mangga “B” adalah 350 gram dengan standar deviasi 50 gram. Bila berat mangga mengikuti distribusi normal, berapa probabilitas bahwa berat buah mangga mencapai kurang dari 250 gram, sehingga akan diprotes oleh konsumen.

21 Jawab: Transformasi ke nilai z AP(x< 250); P(x=250) = ( )/50=-2,00 Jadi P(x<250)=P(z<-2,00) Lihat pada tabel luas di bawah kurva normal P(z<-2,00)=0,4772 Luas sebelah kiri nilai tengah adalah 0,5. Oleh sebab itu, nilai daerah yang diarsir menjadi 0,5 – 0,4772=0,0228. Jadi probabilitas di bawah 250 gram adalah 0,0228 (2,28%). Dengan kata lain probabilitas konsumen protes karena berat buah mangga kurang dari 250 gram adalah 2,28%.

22 Contoh Soal: PT Work Electric, memproduksi Bohlam Lampu yang dapat hidup 900 jam dengan standar deviasi 50 jam. PT Work Electric ingin mengetahui berapa persen produksi pada kisaran antara jam, sebagai bahan promosi bohlam lampu. Hitung berapa probabilitasnya!

23 Jawab: P(800<X<1.000)? Hitung nilai Z Z1 = ( )/50 = -2,00; Z2 = ( )/50 = 2,00 Jadi: P(800<X<1.000) =P(-2,00<Z<2,00); P(-2,00<Z) = 0,4772 dan P(Z>2,00) = 0,4772 Sehingga luas daerah yang diarsir adalah = 0,4772+0,4772= 0,9544. Jadi P(800<X<1.000) = P(-2,00 < Z<2,00) = 0,9544. Jadi 95,44% produksi berada pada kisaran jam. Jadi jika PT Work Electric mengklaim bahwa lampu bohlamnya menyala jam, mempunyai probabilitas benar 95,44%, sedang sisanya 4,56% harus dipersiapkan untuk garansi.

24 PENDEKATAN NORMAL TERHADAP BINOMIAL
Apabila kita perhatikan suatu distribusi probabilitas binomial, dengan semakin besarnya nilai n, maka semakin mendekati nilai distribusi normal. Gambar berikut menunjukkan distribusi probabilitas binomial dengan n yang semakin membesar.

25 DALIL PENDEKATAN NORMAL TERHADAP BINOMIAL
Bila nilai X adalah distribusi acak binomial dengan nilai tengah =np dan standar deviasi =npq, maka nilai Z untuk distribusi normal adalah: di mana n  dan nilai p mendekati 0,5 Z = X - np npq Untuk mengubah pendekatan dari binomial ke normal, memerlukan faktor koreksi, selain syarat binomial terpenuhi: (a) hanya ada dua peristiwa, (b) peristiwa bersifat independen; (c) besar probabilitas sukses dan gagal sama setiap percobaan, (d) data merupakan hasil penghitungan.  Menggunakan faktor koreksi yang besarnya 0.5

26 CONTOH: Adi merupakan pedagang buah di Tangerang. Setiap hari ia membeli 300 kg buah di Pasar Induk Kramat Jati, Jakarta Timur. Probabilitas buah tersebut laku dijual dalah 80% dan 20% kemungkinan tidak laku dan busuk. Berapa probabilitas buah sebanyak 250 kg laku dan tidak busuk ? Penyelesaian: n = 300; probabilitas laku p = 0.8, dan q = 1 – 0.8 = 0.2 = np = 300 x 0.80 = 240  =  Npq =  300 x 0.80 x = 6.93 Dengan demikian nilai Z menjadi: Z = (250 – 240) / 6.93 = 1.44 dan P (Z<1.44) = Jadi probabilitas laku adalah = Dengan kata lain harapan buah laku 250 kg adalah 92.51%

27 LATIHAN

28 Pendapatan Perkapita Rata-rata (ribuan)
Berikut adalah pendapatan per kapita rata-rata penduduk Indonesia tahun 2000 sampai 2006 Tahun Pendapatan Perkapita Rata-rata (ribuan) 2000 2.751 2001 3.181 2002 4.955 2003 5.915 2004 6.228 2005 7.161 2006 8.140 Rata-Rata 5.476 Standar Deviasi 1.986 Hitunglah Probabilitas Pendapatan dibawah ! Hitunglah Probabilitas Pendapatan antara – !