Distribusi Probabilitas : Normal · 2018. 4. 25. · Karakteristik Distribusi Kurva Normal 1. Kurva berbentuk genta (µ= Md= Mo) 2. Kurva berbentuk simetris 3. Kurva normal berbentuk

Distribusi Probabilitas : Normal Statistika Industri 1 Semester Genap 2017/2018 Jurusan Teknik Industri - Universitas Brawijaya 10

Outline

Pendahuluan

Jenis Distribusi Normal

Transformasi dari Nilai X ke Z

Pendekatan Normal untuk Binomial

14/07/2014 Statistika Industri 1 - Genap 2017/2018

2

Distribusi Probabilitas Normal


3

Karakteristik Distribusi Kurva Normal 1.  Kurva berbentuk genta (µ= Md= Mo) 2.  Kurva berbentuk simetris

3.  Kurva normal berbentuk asimptotis

4.  Kurva mencapai puncak pada saat X= µ

5.  Luas daerah di bawah kurva adalah 1; ½ di sisi kanan nilai tengah dan ½ di

sisi kiri.


4

µ

x

Definisi Kurva Normal


5

Bila X suatu variabel random normal dengan nilai tengah µ, dan standar deviasi σ, maka persamaan kurva normalnya adalah:

N(X; µ,σ) = 1 e –1/2[(x-µ)/σ]2, √2πσ2

Untuk -∝

JENIS-JENIS DISTRIBUSI NORMAL (1)

012

34567

8910

m

Mesokurtic Platykurtic Leptokurtic

Distribusi kurva normal dengan µ sama dan σ berbeda


6


Distribusi kurva normal dengan µ berbeda dan σ sama

Mangga “C”

Mangga “B”

Mangga “A”

150

300

450


7


Distribusi kurva normal dengan µ dan σ berbeda

85 850


8

Grafik kurva normal

P(x ≤ µ) = 0,5

P(x ≥ µ) = 0,5

Luas kurva normal :

0,5 0,5

µ

a µ b x

Luas kurva normal antara x = a & x = b

= probabilitas x terletak antara a dan b


9

Transformasi dari Nilai X Ke Z

Transformasi dari X ke Z

x z

Z = X - µ

σ

Di mana nilai Z:


10

Z > 0 jika x > µ Z < 0 jika x < µ

Simetri : P(0 ≤ Z ≤ b) = P(-b ≤ Z ≤ 0)


11


12

Contoh (1)

a.  P(55 ≤ x ≤ 75) Solusi:

P(55 ≤ x ≤ 75) =

=

= P(0 ≤ Z ≤ 1,33)

= 0,4082 (Tabel III)


13

Diketahui data berdistribusi normal dengan mean µ = 55 dan deviasi standar = 15

Atau Tabel III à A = 0,4082

Contoh (1)

b.  P(60 ≤ x ≤ 80)


14


Solusi:

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

Atau

Z1 = = 0,33 à B = 0,1293 Z2 = = 1,67 à A = 0,4525

C = A – B = 0,3232

Contoh (1)

c.  P(40 ≤ x ≤ 60) = A + B


15


Solusi:

P(40 ≤ x ≤ 60) =

= P(-1,00 ≤ Z ≤ 0,33)

= P(-1,00 ≤ Z ≤ 0) + P(0 ≤ Z ≤ 0,33)

= 0,3412 + 0,1293

= 0, 4705

Atau Z1 = = -1,00 à A = 0,3412 Z2 = = 0,33 à B = 0,1293

Contoh (1)


16


d. P(x ≥ 85) e. P(x ≤ 85)

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

Contoh (2)


17

Diketahui rata-rata hasil ujian adalah 74 dengan simpangan baku 7. Jika nilai-nilai peserta ujian berdistribusi normal dan 12% peserta nilai tertinggi mendapat nilai A, berapa batas nilai A yang terendah ?

Solusi

Pendekatan Normal untuk Binomial

Distribusi Binomial :

Exp : Pendekatan normal untuk binomial dengan n = 15, p = 0,4


18

Menurut Teorema Limit Pusat :

Jika x suatu variabel random binomial dengan

mean & variansi .

Jika n cukup besar (n>30) dan p tidak terlalu

dekat dengan 0 atau 1, maka :


19

Contoh (1)

Suatu pabrik/ perusahaan pembuat CD menghasilkan 10%

CD yang cacat/ rusak. Jika 100 CD dipilih secara random,

berapa probabilitas terdapat :

a) 8 CD yang rusak

b) Paling sedikit 12 CD yang rusak

c) Paling banyak 5 CD yang rusak


20

Solusi:

x = banyak CD yang rusak

x ∼ Bin(100; 0,1) n = 100, p = 0,1

µ = n.p = 100.(0,1) = 10

σ2 = n.p.(1-p)=100.(0,1).(0,9)=9 à σ = √9 = 3


21 Contoh (1) a)  P(x = 8)

= Luas kurva normal antara x1 = 7,5 dan x2 = 8,5

Z1 = = -0,83 à A = 0,2967 Z2 = = -0,50 à B = 0,1915

P(x = 8) = A – B

= 0,2967 – 0,1915 = 0,1052


22 Contoh (1) b)  P(x ≥ 12)

= Luas kurva normal dari x = 11,5 ke kanan

à  A = 0,1915 P(x ≥ 12) = 0,5 – 0,1915 = 0,3085


23 Contoh (1) c)  P(x ≤ 5)

= Luas kurva normal dari x = 5,5 ke kiri

= -1,50

à A = 0,4332

P(x≤5) = 0,5 – 0,4332 = 0,0668


24 Contoh (2) Dalam ujian pilihan ganda, tersedia 200 pertanyaan

dengan 4 alternatif jawaban dan hanya 1 jawaban yang

benar. Jika seseorang memilih jawaban secara random,

berapa peluang dia lulus ujian (syarat lulus : benar paling

sedikit 60).

Solusi x = banyak jawaban yang benar P = 0,25 = ¼ à 1 – p = 0,75 x ∼ Bin(200; 0,25) µ = n.p = 50 σ2 = n.p(1-p) = 200(0,25).(0,75) = 37,5 à σ = 6,13


25 Contoh (2)

P(x ≥ 60) = Luas kurva normal dari x = 59,5 ke kanan

Z1 = = 1,55

à A = 0,4394

P(x ≥ 60) = 0,5 – 0,4394

= 0,0606

= 6,06 %

Distribusi Probabilitas : Normal · 2018. 4. 25. · Karakteristik Distribusi Kurva Normal 1. Kurva berbentuk genta (µ= Md= Mo) 2. Kurva berbentuk simetris 3. Kurva normal berbentuk

Documents