BAB 6
Distribusi Normal, Distribusi t, dan Distribusi f.
DISTRIBUSI PELUANG
A. Distribusi Binomial
Diperhatikan sebuah eksperimen yang hanya menghasilkan dua
peristiwa A dan bukan A (ditulisi ), dimana P (A) = =
peluang terjadinya peristiwa A. dilakukan percobaan sebanyak N kali secara
independen, dimana X diantaranya menghasilkan peristiwa A dan sisannya (N-X)
peristiwa.
Jika+ P(A) untuk tiap percobaan, 1- = P(A),
maka peluang terjadinya peristiwa a sebanyak X =x kali diantara N,
dihitung oleh:
P(x) = P(X=x) = ( x (1-∏) n-x
Dengan N! + 1x2x3x….. x(N-1)xN dan 0! = 1 (N!
dibaca N faktorial) rumus tersebut merupakan koefisienbinomial
Rumus
: = N
σ =
dimana parameter ditinjau
dari peristiwa A.
contoh :
1. Peluang
untuk mendapatkan 6 muka A, ketika melakukan undian dengan sebuah mata uang
logam homogin sebanyak 10 kali adalah
P (x=7) = (1/2)4
=
0,2050
2. Pada
pelemparan sebuah mata uang logam yang homogen sebanyak 5 kali, ditentukan X =
banyaknya G (gambar) yang muncul. Carilah P (X≤2)
Jawab : =1/2, X = 5
P(X≤2) = P(X=0) = P(X=1) +
P(X=2)
P9X=0) = (1/2) 0(1/2)5 =
0,0312
P(X=1) = (1/2) 1(1/2)4
= 0,1562
P(X=2) = (1/2) 2 (1/2)5
=
0,3125
P(X≤2) = 0,312 + 0,1562 +
0,3125 = 0,4993
B. Distribusi Poisson
Pada dasarnya distribusi poisson merupakan perluasan dari
distribusi binomial, dengan N cukup besar dan π cukup kecil
Rumus : P(X) = P (X=x) =
Dimana :
x =
0, 2, ………. = banyaknya sukses
e.
= 2,7183
λ =
bilangan tetap = n π
n =
banyaknya ulangan yang dilakukan
distribusi poisson mempunyai parameter :
μ = λ
σ =
contoh :
Jika peluang pengunjung yang pingsan saat
melihat parade akibat terik matahari adalah 0,005 maka hitunglah peluang bahwa
dari 3000 pengunjung parade tersebut, trdapat 18 orang yang pingsan akibat
terik matahari.
Jawab :
π =
0,005 n = 3000
λ =
n π = 3000 (0,005) = 15
x = 18
P(X) = P (X=x)
C. Distribusi Normal
Distribusi normal merupakan distribusi dengan variabel acak
kentinu dan merupakan distribusi yang sangat dominan. Distribusi normal sering disebut sebagai
distribusi Gauss.
Jika variabel acak kontinu mempunyai fungsi
densitas pada X = x dengan persamaan : F(x) =
Dimana :
π = 3,1416
e = 2,7183
μ = parameter merupakan rata-rata untuk
distribusi
σ= parameter merupakan simpangan baku untuk
distribusi
nilai x : - , maka
dikatakan variabel acak X berdistribusi normal.
Apabila = 1
dan = 0, maka diperoleh distribusi standar.
Fungsi identitasnya :
F(z) =
Untuk Z ;
- < Z <
Mengubah distribusi normal umum, menjadi
distribusi normal standar dapat ditempuh dengan menggunakan transforamsi:
Z = ;
Dimana μ =
rata-rata dan σ = deviasi standar
Untuk m =
0 dan s = 1
Kurva normal mempunyai sifat-sifat antara lain:
1. bentuknya
simetrik terhadap sumbu x = m
2. grafiknya
selalu ada di atas sumbu datar x
3. grafiknya
mendekati (berasimtutkan) sumbu datar x dimulai dari x = m - 3skekanan
sampai m + 3
4. mempunyai
satu modus, jadi kurga unimodal, tercapai pada x = m sebesar
5. luas
daerah grafik selalu
sama dengan satu unit persegi hubungan
sifat yang kelima dengan rumus:
f (x) = , adlah . Untuk menentukan
peluang harga X antara a dan b, yakni P (a < X < b), digunakan rumus:
P (a < X < b) = dk, untuk
penggunaan rumus ini tak perlu dipakai,
karena telah ada daftar yang dimaksudkan.
Setelah kita memiliki distribusi normal baku
yang di dapat dari distribusi normal umum dengan transformasi, maka daftar distribusi
normal baku dapag digunakan. Dengan daftar ini,
bagian-bagian luas dari distribusi normal baku dapat dicari. Caranya adalah:
1. hitung Z hingga dua decimal
2. gambarkan kurvanya
3. letakkan
harga Z pada sumbu datar, lalu tarik garis vertikal hingga
memotong kurva.
4. luas
yang tertera dalam daftar adalah luas daerah antara garis ini dengan garis
tegak dititik nol.
5. dalam
daftar, cari tempat harga Z pada kolom paling kiri hanya hingga satu desimal
dan desimal keduanya dicari pada baris paling atas.
6. dari
Z di kolom kiri maju kekanan dan dari Z di baris atas turun ke bawah, maka
didapat bilangan yang merupakan luas yang dicari.
Bilangan yang di dapat ditulis dalam bentuk
0, xxxx (empat desimal) karena seluruh luas = 1 dan kurva simetrik
terhadap m = 0, maka luas dari garis tetak pada titik nol kekiri
ataupun kekanan adalah 0,5.
Contoh:
Penggunaan daftar normal baku.
Akan dicari luas daerah:
1. antara z = 0 dan z = 2,26
Di baah Z pada kolom kiri cari 2,2 dan di atas
sekali angka 6. Dari 2,2 mamu ke kanan dan dari 6 menurut didapat 4881
luas daerah yang dicari 0,4881
2. antara z = 0 dan z =
-2,26
Di bawah Z pada kolom kiri cari 2,2 dan
diatas sekali angka 6. dari 2,2 maju ke kanan dan dari 6 menurun di dapat 4881
luas daerah yang dicari 0,4881
3. antara
z = -1,50 dan z = 1,26 dari grafik terlihat kita perlu mencari luas daerah dua
kali, lalu dijumlahkan dengan cara seperti no. 1
untuk z = 1,5 didapat 0,4332
untuk z = 1,26 didapat 0,3962
jumlah = luas yang dicari = 0,8294
4. Berat
bayi yang baru lahir rata-rata 3.750 gram dengan simpangan baku 325 gram.Jika berat bayi berdistribusi normal, maka
tentukan:
a. ada
berapa bayi yang beratnya lebih dari 4500 gram?
b. Ada
berapa bayi yang beratnya antara 3500 gram dan 4500 gram, jika semua ada
10.0000 bayi?
c. Berapa
bayi yang beratnya lebih kecil atau sama dengan 40000 gram, jika
semuanya ada 10.000 bayi
d. Ada
berapa bayi yang beratnya 4250 gram jika semuanya ada5000 bayi?
Penyelesaian:
Dengan X = berat bayi dalam gram, m =rerata berat bayi dalam gram, m = 3750 gram, s = 325 gram, maka:
a. untuk X = 4500
Z =
gram, pada grafiknya ada di sebelah kanan z =
2,31 luasnya 0,4896 , luas daerah lebih besar 2,31 luas daerah ini = 0,5 –
0,4896 = 0,0104. jika ada 1.04% dari bayi yang beratnya lebih dari 4500 gram.
b. dengan
X = 3500 dan 4500 gram di dapat Z = dan Z = 2,31
Luas daerah yang dibatasi anara --0,77 sampai
2,31 adalah jumlah dari 0,2794 dengan 0,4896 = 0,7690. Banyaknya bayi yang
beratnya antara 3500 gram sampai 4500 gram adalah = 0,7690 x 10000 =7690.
c. Bayi
yang beratnya lebih kecil atua sama dengan 4000 gram, maka beratnya harus lebih
kecil dari 4000,0 gram Z = peluang bayi yang lebih kecil atau sama dengan
4000 gram = 0,5 – 0,2794 = 0,2206 banyaknya bayi = (0,2206) x 10,000
= 2,206. Berat 4250 gram berarti berat antara 4249,5 gram
dan 4250,5 gram.
Jadi untuk X = 4249,5 dan X = 4250,5 didapat:
Z = Z =
Maka luas daerahnya adalah 0,4382 – 04370 =
0,0012.
Banyaknya bayi = 0.0012 x 5000 = 6
D. Distribusi Student (t)
Distribusi dengan variabel acak kontinu lainnya, selain dari
distribusi normal, ialah distribusi student atau distribusi t.
Rumus : t =
Dimana:
t =
Rata-rata sampel
m =
rata-rata populasi
s =
simpang baku, populasi
Maka di dapat distribusi harga t dengan persamaan:
f (t) =
dimana:
f = merupakan
bilangan tetap yang besarnya bergantung pada n sedemikian hingga luas daerah di
bawah kurwa sama dengan satu unit.
(n – 1) = m = derajat
kebebasan, biasa disingkat dengan dk
Bentuk grafiknya seperti distribusi normal
baku simetrik terhadap t = 0, sehingga sempitas lalu hampir tak ada bedanya.
Untuk harga n yang besar, biasanya > 30, distribusi t
mendekati distribusi normal.
Untuk perhitungan-perhitungan, daftar
distribusi t sudah disusun dalam daftar. Distribusi ini ditemukan oleh Gosse t
yang menggunakan nama samaran “student”.
Contoh:
Untuk n = 20, tentukan t supaya luas daerah
antara t dengan t = 0,9.
Dari grafik dapat dilihat bahwa luas luas
ujung kiri dan luas ujung kanan = 1-0,90 = 0,10
Kedua ujung luasnya sama, mulai dari t
kekanan luasnya = 0,05, mulai dari t kekiri luasnya = 1-0,05 = 0,95.
Jadi untuk m= n-1 = 20 – 1 = 19 dan P = 0,95 didapat
harga t = 1,73
Jadi antara t = -1,73 dan t = 1,73 luasnya =
0,90
E. Distribusi Chi Kuadrat (χ2)
Distribusi chi kuadrat merupakan distribusi dengan variabel acak
kontinu.Simbul yang
dipakai ialah χ2.
apabila besar sampel n dan varians s2, maka : χ2 = dan
didapat distribusi sampling χ2 untuk
memudahkan menulis, dan harga u > 0, v = (n-1) = derajat kebebasam K
bilangan tetap yang bergantung pada v, sedemikian sehingga luas daeah di bawah
kurva sama dengan satu satuan luas dan e = 2,7183. Grafik distribusi x2 umumnya
merupakan kurva positif yaitu miring kekanan, makin berkurang kemiringannya
jika v makin besar.
Contoh: Gambar di bawah distribusi x2 dengan
n = 10.
a. Luas
daerah yang diarsir sebalah kanak = 0,025, hitung X12
b. Luas
daerah yang diarsir sebelah kiri = 0,05, hitung X12
Jawab:
a. v
= (n-1) = 10 – 1 = 9; P = 1 – 0,25 = 0,975, dicari pada tabel di dapat X21 =
19,0
b. v
= (n – 1) = 10 – 1 = 9; P = 1 – 0,05 = 0,95 dicari pada
tabel didapat X12
Catatan :
Karena distribusi X22 tidak
simetrik, luas ujung-ujung daerah yang diarsir bila diketahui jumlahnya, maka
luas daerah ujung kiri yang diarsir dan luas daerah ujung kanan harganya dapat
berbeda-beda.
Dalam beberapa hal, kecuali dinyatakan lain,
biasa diambil luas daerah ujung kanan yang diarsir sama dengan luas daerah
ujung kiri yang diarsir.
F. Distribusi F
Jika S12 dan S22 adalah
varian-varians dari sampel-sampel acak independen dengan besar berturut-turut n1 dan
n2 yang berasal dari populasi-populasi normal dengan
varians-varians s12 dan s22,
maka distribusi sampling harga S12/ S22 berbentuk
distribusi F dengan derajat kebebasan: dk1 = v1 =
n1 – 1; dk2; v2 = n2 –
1, Distribusi F ini juga mempunyai variabel acak yang kontinu.
Fungsi densitasnya mempunyai persamaan:
f (F) = K
dengan variabel acak F memenuhi batas F > 0, K = bilangan tetap
yang harganya bergantung pada v1 dan v2, sedemikian
hingga luas di bawah kurva sama dengan satu.Kurva distribusi F tidak simetrik dan umumnya sedikit positif.
Tabel distribusi F terdapat pada lampiran, daftar tersebut
berisikan nilai-nilai F untuk peluang 0,01 dan 0,05 dengan dk v1 dan
v2. Peluang ini sama dengan luas daerah ujung kanan yang diarsir,
sedangkan dk = v1 ada pada baris paling atas dan dk = v2pada
kolom paling kiri untuk stiap pasang dk v1 dan v2.
daerah ini (0,01 atau 0,05). Untuk tiap dk = v2, daftar
terdiri atas dua baris yang atas untuk peluang P = 0,05 dan yang bawah untuk P
= 0,01.
Daftar berisikan harga-harga F dengan kedua luas V
Contoh:
Untuk pasangan dk, v1 = 8 dan v2 =
29 ditulis juga (v1, v2) = 8,29), maka untuk P = 0,5
didapat F = 2,28 dan 3,20 untuk P = 0,01.
Meskipun daftar yang diberikan hanya untuk peluang P = 0,01 dan P
= 0,05, tetapi sebenarnya masih bisa didapat nilai-nilai F dengan peluang 0,99
dan 0,95 digunakan hubungan:
F(1-P) (v1, v2) =
Dalam rumus di atas perhatikan antara P dan
1-P dan pertukaran antara dk (v1, v2) menjadi (v1,
v2)
Contoh:
Telah didapat F0,05(8,29) =
2,28
Maka F0,095 (8,29) =
Telah didapat F0,01 (29,8) =
3,20
Maka F0,099(29,8) =
Sumber :
· Irianto, Agus. 2008.
· Statistik Konsep Dasar dan Aplikasinya. Jakarta:
Kencana.
· Hasan, Iqbal. 2006. Analisis Data Penelitian
dengan Statistik. Jakarta: Bumi Aksara.
· Riduwan. Dasar-Dasar Statistika.2005. Bandung :
Alfabeta.
· Sudjana. 2002. Metoda Statistika edisi ke 6.
Bandung: Tarsito.
· Tedjo N Raksonoatmodjo. 2009. Statistika
Teknik.Jakarta : Refilka Aditam
Tidak ada komentar:
Posting Komentar