5 distribusi peluang kontinyu
TRANSCRIPT
-
8/20/2019 5 Distribusi Peluang Kontinyu
1/8
13/11/20
STATISTIK INDUSTRI 1
Agustina Eunike, ST., MT., MBA
Distribusi Peluang Kontinyu
Distribusi Peluang Kontinyu
• Rata-rata dan Variansi
– Rumus Umum:
UNIFORM
Distribusi Peluang Diskrit dan Kontinyu
Distribusi Diskrit Uniform
Distribution Random Variable
X
Possible
Values of X
Distribution Function
Fx a) = P X =a)
Mean
E(X)
Uniform Realization of, , … , , , … , 1/
Distribusi Diskrit Uniform
• Contoh:
– Suatu bacth produk terdiri dari nomor serial, dengannomor urut pertama terdiri dari 0 sampai dengan 9.Jika salah satu produk diambil secara acak, maka Xadalah munculnya nomor serial dengan angkapertama tersebut masing-masing nomor(R={0,1,2,...,9) memiliki peluang 0,1.
= 110 =0, 1 = ()
-
8/20/2019 5 Distribusi Peluang Kontinyu
2/8
13/11/20
Distribusi Kontinyu Uniform Distribusi Kontinyu Uniform
• Contoh:
– Variabel acak kontinyu menotasikan pengukuran arus pada
kawat tembaga dalam miliamper. Jika diketahui bahwaf(x)=0,05 untuk 0 ≤ x ≤ 20. Berapakah peluang pengukuranarus berada antara 5 dan 10 mA.
– 5 10 = = 5 0,05 = 0,25 – Rata-rata dan Variansi distribusi uniform arus kawat
tembaga: a=0, b=20
• = = (+) =10 • = = (−) =33,33 • = 5,77
NORMAL
Distribusi Peluang Kontinyu
Distribusi Normal
• Gaussian distribution (Karl Friedrich Gauss, 1777-1855)
• Bell-shaped curve
• Probability density function:
– ; , = −
(−) , – ∞ ∞ – =3,14159… – =2,71828…
Distribusi Normal Distribusi Normal• Area dalam Kurva Normal
-
8/20/2019 5 Distribusi Peluang Kontinyu
3/8
13/11/20
Distribusi Normal• Area dalam Kurva Normal
Distribusi Normal
• Standard Distribusi Normal:
– Kurva normal yang telah di-standarisasi dan
menggambarkan nilai standar deviasi dari nilai
rata-rata.
– = 0, = 1. (0,1). – : = 0, = 1
= = =
Distribusi Normal Distribusi Normal• Menggunakan Tabel
Distribusi Normal
Standar
Distribusi Normal• Contoh Soal
– Suatu perusahaan generator menghitung berat salah satu
komponennya. Berat komponen tersebut berdistribusi normal denganrata-rata 35 gram, dan standard deviasi 9 gram.
1. Hitung probabilitas bahwa satu komponen yang diambil secara acak akanmemiliki berat antara 35 dan 40 gram?
2. Berapa peluang pengambilan acak satu komponen dengan berat palingringan 50 gram?
• JAWAB:
1. ≤ ≤ : – = 40 , = =
4 0 3 59 = 0 ,56 , ≤ 0, 56 = 0,7 12 3
– = 35 , = =
3 5 3 59 = 0, ≤ 0 = 0,5
– 35 ≤ ≤ 40 = 0 ≤ ≤ 0,56 = 0 ,7123 0 ,5 = 0,2123
Distribusi Normal• Contoh Soal
-
8/20/2019 5 Distribusi Peluang Kontinyu
4/8
13/11/20
Distribusi Normal
• Latihan Soal:
– Nilai ujian fisika di sebuah kelas terdistribusi
secara normal dengan rata-rata 60 dan standar
deviasi 10. Berapa persen siswa yang memperoleh
nilai antara 60 dan 70?
Distribusi Normal• Menghitung nilai
=
, =
• Contoh:
– Diketahui suatu distribusi normal dengan = 4 0 dan = 6. Carilah nilai , yang memiliki:
a. 45% area dari sisi kiri
b. 14% area dari sisi kanan
Jawab:
a. ≤ = 0.45, = 0,13 = 6 0,13 40 = 39,22
Distribusi Normal
• Latihan Soal:
– 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 ?
Distribusi Normal
• Central Limit Theory
• Menyelesaikan permasalahan binomial
dengan distribusi normal
GAMMA
Distribusi Peluang Kontinyu
• Diaplikasikan pada masalah antrian dan masalah
keandalan (reliabilitas).
• Time / space occuring until a specified number of
Poisson events occur
• Fungsi gamma:
• Properti fungsi gamma:
Distribusi Gamma
-
8/20/2019 5 Distribusi Peluang Kontinyu
5/8
13/11/20
• Fungsi distribusi gamma:
– : – : / – λ: / (λ = 1 / ) – : (lama waktu atau luasan area hingga kejadian berikutnya)
Distribusi Gamma
: ;:
Distribusi Gamma• Rata-rata dan Variansi:
• Jika dan adalah variabel acak yangindependen, dan ~ (, ); ~ (, ), maka ~ ( , )
• Sehingga, jika ~ , , =1 , … ,
, maka
( ⋯ )~ ( ⋯ , ) EKSPONENSIAL
Distribusi Peluang Kontinyu
Distribusi Eksponensial• Bentuk khusus dari distribusi peluang gamma ( = 1)• Time to arrival or time to first poisson event problems
• Diaplikasikan pada permasalahan waktu antar
kedatangan pada fasilitas jasa, life time / waktu
kegagalan komponen, survival time, dan waktu respon
komputer
Distribusi Eksponensial
• Eksponensial menganut proses Poisson (λ : laju kedatangan)• ~ λ : ≥ = λ
=
= 1λ ; =1 /λ – λ = 1 /
• Karakter penting: memoryless property
– Pada permasalahan life time (hingga terjadi break down / failure /kerusakan), misal life time dari lampu, TV, kulkas
• Kerusakan yang diakibatkan oleh pemakaian berkala (misalpemakaian mesin), tidak berlaku distirbusi eksponensial. Lebihtepat menggunakan distribusi GAMMA atau distribusi WEIBULL
-
8/20/2019 5 Distribusi Peluang Kontinyu
6/8
13/11/20
Contoh: Gamma Contoh: Gamma
Contoh: Gamma• Dari Tabel:
Contoh: Eksponensial• Jumlah telpon masuk pada nomor darurat 119 pada suatu kota diketahui
berdistribusi Poisson dengan rata-rata 10 telpon per jam. Jika saat ini
dilakukan pengamatan, berapakah peluang telpon masuk terjadi paling
cepat 5 menit dari sekarang?
– = 10 = 10/60 – = 1/λ = 6 menit per telpon – ≥ = – ≥ 5 = ()() =2,71828, =0,4347
X = menit antar telp ke 119
Rangkuman
Distributions with
Parameters
Possible Values of X Density Function Normal (, ) ∞ ∞
− (−)
Exponential (λ ) 0 λ Gamma (, ) 0 1
Γ() / Note:
()= CHI-SQUAREDDistribusi Peluang Kontinyu
-
8/20/2019 5 Distribusi Peluang Kontinyu
7/8
13/11/20
Distribusi Chi-Squared
• Distribusi gamma dengan α = ν / 2 dan = 2 • ν: degrees of freedom (derajat kebebasan), positive integer
• Density Function:
; ν = /(/)(/)/ , > 00,
• Mean dan Variansi:
= ν dan = 2ν
Distribusi Chi-Squared
• Di suatu kota, pemakaian tenaga listrik harian dalam jutaankilowatt-jam, variabel acak berdistribusi gamma dengan = 6 dan = 12.a. Cari ni lai dan b. Cari peluang suatu hari tertentu pemakaian harian tenaga listrik
akan melebihi 12 juta kilowatt-jam
• Jawab:
a. α = ν / 2, ν = μ = 6, α = = 3, = 2 b. P X > 12 = 1 −
P X > 12 = 1 −
P X > 12 = 1 F 6; 3 = 1 0 .9380 = 0.0620
BETA
Distribusi Peluang Kontinyu
Distribusi Beta• Pengembangan dari distribusi uniform
• Distribusi kontiyu yang fleksibel tetapi terbatas pada suatu rangetertentu. Misal: proporsi radiasi matahari yang diserap oleh suatumaterial, waktu maksimal untuk menyelesaikan suatu proyek
• Fungsi Beta:
, = ( 1 ) = Γ()Γ()Γ ( ) , , > 0
Dengan parameter: > 0 , > 0 • Density Function:
; ν = (,) ( 1 ) , 0 1
0,
– Catatan: distribusi uniform (0,1) adalah distribusi beta denganparameter = 1 , = 1
• = , distribusi beta akan berbentuk simetris
Distribusi Beta Distribusi Beta• Mean dan Variansi:
=
dan
=
– Modus:
= 1 2
– Distribusi uniform (0,1), mean dan variansi:
= = dan = ()() =
-
8/20/2019 5 Distribusi Peluang Kontinyu
8/8
13/11/20
Distribusi Beta
• Jika diketahui waktu maksimum penyelesaian suatuproyek berdistribusi beta dengan = 3, dan = 1.a. Berapakah peluang waktu penyelesaian melebihi 0.7?b. Berapa rata-rata dan variansi distribusi tersebut?
• Jawab:
a. P X > 0.7 = (β)()(β) x( 1 x )β. P X > 0.7 = Γ(4)Γ(3)Γ(1) x( 1 x )
.
P X > 0.7 = 10.7 =4∗0.219=0.876 b. Ratarata=0.75; Variansi=0.0375
Referensi
• Montgomery, D.C., Runger, G.C., Applied Statistic and
Probability for Engineers, 5th ed, John Wiley & Sons, Inc., NJ,
2011• Walpole, Ronald B., Myers, Raymond H., Myers, Sharon L., Ye,
Keying, Probability & Statistics for Engineers and Scientist ,
9th ed, Prentice Hall Int., New Jersey, 2012.
• Weiers, R.M., 2011, Introduction to Business Statistics ,
Cengage Learning, OH, 2008.