Upload
novia-tri-yuniawati
View
48
Download
3
Embed Size (px)
DESCRIPTION
sdcs
Citation preview
Bab I Distribusi Khusus Tipe Kontinue
Arika Indah Kristiana, S.Si, M.Pd 1
BAB I
DISTRIBUSI KHUSUS TIPE KONTINUE
1.1 DISTRIBUSI GAMMA
Beberapa nilai dan sifat dalam fungsi gamma:
1. Γ(1) = 1
Karena Γ (1) = ∫ 푒∞ 푥1 1푑푥
= ∫ 푒∞ 푥0푑푥
= ∫ 푒∞ . 1푑푥
= 1
2. Jika 푟 > 1, berlaku (r) = (r – 1) (r – 1)
Dimana Γ(푟) = ∫ 푒 푥 1푑푥∞0 dengan menggunakan integral parsial, kita
misalkan :
푢 = 푥 1 ; 푑푢 = (푟 − 1)푥 2푑푥
푑푣 = 푒 ; 푣 = −푒
Γ(푟) = ∫ 푒 푥 1푑푥∞0 = 푥 1.−푒 − ∫ −푒 (푟 − 1)푥 2푑푥∞
0
= −푥 1푒 ∞0 + (푟 − 1)∫ 푒 푥( 1) 1푑푥∞
0
= 0 + (푟 − 1)∫ 푒 푥( 1) 1푑푥∞0
Dapat dituliskan sebagai Γ(푟) = (푟 − 1)Γ(푟 − 1)
3. Untuk n bilangan asli maka Γ (n) = (푛 − 1)!
Bukti :
untuk r bilangan asli sampai ke n
Γ (1) = 1
Γ (2) = (푟 − 1) Γ (푟 − 1)
Γ(푟) = 푒∞
0푥 1푑푥,푟 > 0
Definisi 1.1
Fungsi gamma dengan parameter r didefinisikan sebagai berikut:
Bab I Distribusi Khusus Tipe Kontinue
Arika Indah Kristiana, S.Si, M.Pd 2
= ( 2 – 1) Γ (2 − 1) = 1 . Γ (1) = 1!
Γ (3) = (푟 − 1) Γ (푟 − 1)
= ( 3 – 1) Γ (3 − 1) = 2 . Γ (2) = 2!
Γ (4) = (푟 − 1) Γ (푟 − 1)
= ( 4 – 1) Γ (4 − 1) = 3 . Γ (3) = 3. 2! = 3!
⋮
Γ (n) = (푛 − 1)!
4. Γ 12
= √휋
Bukti:
Γ(푟) = ∫ 푒 푥 1푑푥∞0 , r > 0
Γ12 = 푒 푥
12 1 푑푥
∞
0
Γ 12
= ∫ 푒 푥12 푑푥∞
0 ....................... pers (1)
Misal : 푥 = 푢2 푑푥 = 2푢푑푢
Substitusikan ke persamaan (1)
훤12 = 푒 2(푢2)
12 2푢푑푢
∞
0
= 푒 2푢 12푢푑푢∞
0
= 2푒 2 푑푢∞
0
Kuadratkan kedua ruas
훤12
2
= 4푒 2 푒 2푑푢푑푢∞
0
∞
0
Misalkan 푢 = 푣, maka
훤12
2
= 4푒 2푒 2푑푢푑푣∞
0
∞
0
훤12
2
= 4푒 2 2 푑푢푑푣∞
0
∞
0
Dalam kalkulus III, persamaan diatas tidak akan dapat diselesaikan
tanpa pertolongan koordinat kutub. Maka untuk mempermudah
Bab I Distribusi Khusus Tipe Kontinue
Arika Indah Kristiana, S.Si, M.Pd 3
penyelesaian, kita ubah dulu ke dalam bentuk persamaan koordinat
kutub. Kita ketahui bahwa 푢2 + 푣2 sebagai lingkaran,
Misal : 푢 = 푟 cos 휃 dan 푣 = 푟 sin 휃
Maka akan diperoleh persamaan
훤12
2
= 4 푒 2푟푑푟푑휃∞
0
2
0
Kita kerjakan terlebih dahulupengintegralan terhadap (푟)
푒 2푟푑푟 = … … . ?∞
0
Misal:
푟2 = 푢 2푟푑푟 = 푑푢 atau 푑푟 =2
Maka,
푒 2푟푑푟 = 푒∞
0푟
∞
0
푑푢2푟
=12 푒
∞
0푑푢
=12
(−푒) ]0∞
=12
Γ12
2
= 412 푑휃
2
0
Γ12
2
= 2 푑휃2
0
Γ12
2
= 2휃]02
Γ12
2
= 2휋2
Γ12
2
= 휋
Bab I Distribusi Khusus Tipe Kontinue
Arika Indah Kristiana, S.Si, M.Pd 4
훤 12
= √휋 (terbukti)
5. Fungsi gamma dapat juga digeneralisasi dengan mensubstitusi variabel
baru 푥 = →푑푥 = 1푑푦, dimana s > 0, sehingga menghasilkan
Γ(푟) = ∫ 푒 푥 1푑푥∞0 , r > 0
Γ(푟) = 푒푦푠
1 1푠 푑푦
∞
0
Γ(푟) =푦푠
1푒
1푠 푑푦
∞
0
Akan ditunjukkan f(x) adalah pdf
1. Apakah f(x) = 0?
karena 훼 > 0,훽 > 0; danΓ(α) > 0maka푓(푥) ≥ 0
2. Apakah ∫ 푓(푥) = 1∞∞ ?
∫ 푓(푥)푑푥 = ∫ 푓(푥)푑푥 + ∫ 푓(푥)푑푥∞0
0∞
∞∞
∫ 푓(푥)푑푥 = ∫ 1Γ( )
1 푥 1푒∞0 푑푥
= 1Γ( ) ∫
1푒∞
01 푑푥
misalkan푥 = 푦;훼 = 푟;훽 = 푠
= 1Γ( )∫
1푒∞
01푑푦
= 1Γ( )
Γ(푟)
= 1Γ( )
Γ(푟) = 1
= 1
Definisi 1.2
Peubah acak X dikatakan berdistribusi gamma dengan parameter > 0
dan > 0 jika X mempunyai pdf
푓(푥) = 1
Γ( )푥 1푒 ,untuk푥 > 0
0,untuk푥yanglain
Bab I Distribusi Khusus Tipe Kontinue
Arika Indah Kristiana, S.Si, M.Pd 5
Sehingga terbukti bahwa 푓(푥) = 1
Γ( )푥 1푒 ,untuk푥 > 0
0,untuk푥yanglain adalah pdf.
푀(푡) = 푒
푓(푥)푑푥
= ∫ 푒∞0
1
Γ( )푑푥
= ∫1
1
Γ( )∞
0 푑푥
= ∫1 ( 1)
Γ( )∞
0 푑푥
Misal : 푧 = (1 − 푡훽) 푑푧 = (1 − 푡훽)
푥 = (1 )
푑푥 = (1 )
푀(푡) = ∫ ( )푒 푑푧
= 1Γ( ) ∫ 1
∞0 푧 1푒 푑푧
= 1Γ( ) (1 ) ∫ 푧 1∞
0 푒 푑푧
= 1Γ( )(1 )
Γ(훼)
푀(푡) = 1
(1 − 훽푡)
Teorema 1.1
Fungsi pembangkit momen, mean dan varians dari pa X yang
berdistribusi Gamma dengan parameter dan adalah
1. Fungsi Pembangkit Momen, 푀(푡) = 1(1 )
2. Mean, =
3. Varians, 2 = 2
Bukti
Bab I Distribusi Khusus Tipe Kontinue
Arika Indah Kristiana, S.Si, M.Pd 6
Mean, =
휇 = 퐸(푥) = ∫ 푥푓(푥)푑푥∞∞
= ∫ 푥1
Γ( )∞
0 푑푥
= ∫ Γ( )∞
0 푑푥
= 1Γ( )
∫ 푥∞0 푒 푑푥
= Γ( 1) 1
Γ( )
= !( 1)!
퐸(푥) = 훼훽
Varians, 2 = 2
퐸(푥2) = Γ( 2) 2
Γ( )
= ( 1) 2( 1)!( 1)!
= 훼2훽2 + 훼훽2
휎2= 퐸(푥2) − 퐸(푥) 2
= 훼2훽2 + 훼훽2 − (훼훽)2
= 훼2훽2 + 훼훽2 − 훼2훽2
= 훼훽2
Contoh 1.1
Apabila X adalah Pa berdistribusi gamma dengan parameter = 2 dan = 3,
tentukan fungsi densitasnya!
Penyelesaian :
= 2 dan = 3, dari 푓(푥) = 1
Γ( )푥 1푒 ,untuk푥 > 0
0,untuk푥yanglain
Bukti
Bukti
Bab I Distribusi Khusus Tipe Kontinue
Arika Indah Kristiana, S.Si, M.Pd 7
Diperoleh 푓(푥) = 1
Γ(2)32 푥2 1푒 3 = 19푥푒 3 ,untuk푥 > 0
0,untuk푥yanglain
Contoh 1.2
Apabila Pa. Kontinue berdistribusi:
푓(푥) = 14푥푒 2 ,untuk푥 > 0
0,untuk푥yanglain , buktikan bahwa f(x) merupakan fungsi
densitas gamma!
Penyelesaian:
Akan ditunjukkan bahwa ∫ 푓(푥)∞∞ 푑푥 = 1
∫ 14푥푒 2
∞∞ 푑푥 = ∫ 1
4푥푒 2
0∞ 푑푥 + ∫ 1
4푥푒 2
∞0 푑푥
= 0 + ∫ 14푥푒 2
∞0 푑푥
= 14∫ 푥푒 2
∞0 푑푥
Dengan menggunakan penyelesaian integral parsial, maka didapat
∫ 14푥푒 2
∞∞ 푑푥 = 1
4 .4 = 1 hal ini menunjukkan bahwa f(x) merupakan fungsi
densitas, sekarang tinggal membuktikan f(x) merupakan fungsi densitas
gamma,
푓(푥) = 1
Γ( )푥 1푒 ,untuk푥 > 0
0,untuk푥yanglain
Jika = 2 dan = 2 maka 푓(푥) = 1
Γ(2)22 푥2 1푒 2 = 14푥푒 2 ,untuk푥 > 0
0,untuk푥yanglain
Jadi, terbukti bahwa f(x) merupakan fungsi densitas gamma dengan = 2 dan
= 2.
1.2 DISTRIBUSI BETA
퐵(푚,푛) = 푥 1(1 − 푥) 1푑푥1
=Γ(푚)Γ(푛)Γ(푚 + 푛)
Definisi 1.3
Fungsi beta dengan parameter 푚,푛 didefinisikan sebagai
Bab I Distribusi Khusus Tipe Kontinue
Arika Indah Kristiana, S.Si, M.Pd 8
Untuk fungsi beta kita memperoleh hasil sebagai berikut
1. 퐵(푚, 푛) = 퐵(푛,푚)
Bukti :
퐵(푛,푚) = ∫ 푥 1(1 − 푥) 1푑푥10
Misal : 푥 = 1 − 푦 푑푥 = −푑푦
maka,
퐵(푛,푚) = ∫ (1 − 푦) 1 1 − (1 − 푦) 1(−푑푦)10
퐵(푛,푚) = −∫ (1 − 푦) 1(푦) 1푑푦01
퐵(푛,푚) = ∫ (푦) 1(1 − 푦) 1푑푦10
Terbukti bahwa 퐵(푚,푛) = 퐵(푛,푚)
2. 퐵(1,1) = 1
Bukti :
퐵(푚,푛) = ( ) ( )( )
퐵(1,1) = (1) (1)(1 1)
= 1.1(2)
= 1
Terbukti bahwa 퐵(1,1) = 1
3. 퐵 12
, 12
= 휋
Bukti :
퐵(푚, 푛) = ( ) ( )( )
퐵 12
, 12
=12
12
12
12
= √ √(1)
=1
Terbukti bahwa 퐵 12
, 12
= 휋
Definisi1.4
Peubah acak X dikatakan berdistribusi Beta dengan parameter m dan
n jika X mempunyai pdf :
푓(푥) = 1
( , )푥 1(1 − 푥) 1푚, 푛0, 0 ≤ 푥 ≤ 1
0, 푥yanglain
Bab I Distribusi Khusus Tipe Kontinue
Arika Indah Kristiana, S.Si, M.Pd 9
Bukti f(x) adalah pdf :
1) f(x) 0
Terbukti m,n 0 syarat distribusi beta, dan 0 untuk m,n yang lain karena
kalau dimasukkan f(x) 0, maka m,n = negative karena 0
2) ∫ 푓(푥)∞∞ 푑푥 = 1
∫ 푓(푥)∞∞ 푑푥 = ∫ 푓(푥)0
∞ 푑푥 + ∫ 푓(푥)10 푑푥 + ∫ 푓(푥)∞
1 푑푥
= ∫ 1( , )
푥 1(1 − 푥) 110 푑푥
= 1( , )∫ 푥 1(1− 푥) 1푑푥1
0
= 1( , )
. 퐵(푚,푛)
= 1
Dengan demikian, f(x) merupakan pdf untuk distribusi beta.
퐸(푋) = ∫ 푥. 1( , )
푥 1(1 − 푥) 1푑푥10
= ∫( 1) 1(1 ) 1
( , )푑푥1
0
= ( 1, )( , ) ∫
( 1) 1(1 ) 1
( 1, )푑푥1
0
= ( 1, )( , )
= Γ( 1)Γ( )Γ( 1)
. Γ( )Γ( )Γ( )
= ( 1 1)!Γ( )( 1 1)!Γ( )
. Γ( )Γ( )
= ; m,n N
Sehingga diperoleh 휇 = , untuk variansi silahkan Anda coba sebagai
latihan soal.
Teorema 1.2
Rataan dan variansi dari ditribusi beta adalah
휇 = dan휎2 =( )( 1)
Bukti :
Bab I Distribusi Khusus Tipe Kontinue
Arika Indah Kristiana, S.Si, M.Pd 10
1.3 DISTRIBUSI EKSPONENSIAL
Akan ditunjukkan bahwa f(x) adalah pdf
Ingat distribusi Gamma, f(x) = 1( )
. 푥 1 . 푒
Dari Definisi 3, distribusi eksponensial merupakan distribusi gamma dengan
α = 1 dan β, sehingga Pa X berdistribusi eksponensial dengan parameter
mengikuti pernyataan dari distribusi gamma.
Karena distribusi eksponensial sesuai dengan distribusi gamma dengan
= 1, sehingga :
Rataan distribusi eksponensial
Distribusi gamma µ = αβ
Distribusi eksponensial α = β
Varians distribusi eksponensial
Distribusi gamma σ2 = α훽2
Distribusi eksponensial = σ2 = 훽2
Contoh 1.3
Pa X berdistribusi eksponensial dengan f(x) = 2 e-2x, untuk x > 0 dan f(x) = 0
untuk x yang lain. Tentukan rataan dan variansinya!
Definisi 1.5
Peubah acak X dikatakan berdistribusi eksponensial dengan parameter
β, jika ia berdistribusi Gamma dengan parameter α=1danβ
푓(푥) =1 푒 / , 푥 > 0
0, 푥yanglain
Teorema 1.3
Jika Pa X berdistribusi eksponensial dengan parameter , maka rataan
= dan variansi 2 = 2.
Bukti
Bab I Distribusi Khusus Tipe Kontinue
Arika Indah Kristiana, S.Si, M.Pd 11
Penyelesaian:
f(x) = 2 e-2x berarti = ½ karena f(x) = 1/ e-x/ , sehingga
= ½ dan 2 = ¼
1.4 DISTRIBUSI CHI-KUADRAT
Definisi 1.6
Peubah acak X dikatakan berdistribusi Chi-Kuadrat dengan derajat
kebebasan r, dinotasikan 2(r) , jika ia berdistribusi Gamma dengan
parameterα=2 danβ=2.
Ingat, distribusi Gamma
f(x) = α 1.
xβ
(α)βα , untuk α,β>0
maka, distribusi Chi-Kuadrat dengan parameterα=2 danβ=2adalah
f(x) = r2 1.
x2
( r2)2
r2
, untuk α=2, β=2>0dan0≤x≤∞
Distribusi Chi-Kuadrat merupakan pdf:
1) Apakah f(x) ≥0?
YA,karenaα=2 > 0, β=2>0dan0≤x≤∞ sehingga f(x) =
r2 1.
x2
( r2)2
r2
≥0
2) Apakah ∫ 푓(푥)∞∞ = 1?
f(x) = 푥r2−1.푒−
x2
훤( r2)2
r2
Misal, x = 2
dx = 2
Γ(r2
) = ∫ (y2
)r2 1. 푒
y2. dy
2∞
0
Γ(r2
) = ∫ (푦)r2 1. 푒
y2. (1
2)
r2 1. (1
2)1푑푦∞
0
Γ(r2
) = ∫ (푦)r2 1푒
y2. (1
2)
r2푑푦∞
0
Bab I Distribusi Khusus Tipe Kontinue
Arika Indah Kristiana, S.Si, M.Pd 12
Γ(r2
) = ∫ y2.( )
r2 1
2r2
푑푦∞0
Γ(r2
) = ∫ y2.( )
r2 1
2r2
푑푦∞0
Γ( r2)
Γ( r2)
= ∫ y2.( )
r2 1
2r2
. 1Γ( r2)푑푦∞
0
1 = ∫ y2.( )
r2 1
Γ r2 .2
r2
푑푦∞0
Oleh karena x = y, maka ∫ x2.( )
r2 1
Γ r2 .2
r2
푑푥∞0 = 1
Dengan demikian f(x) merupakan pdf distribusi Chi-Kuadrat
M(t) = E(푒 )
= ∫ 푒 .푓(푥)푑푥∞0
= ∫ 푒 .∞0
x2.( )
r2 1
Γ r2 .2
r2
푑푥
= ∫ .x2.( )
r2 1
Γ r2 .2
r2
∞ 푑푥
= ∫ x2(1 2t).( )
r2 1
Γ r2 .2
r2
∞ 푑푥
Misal, z = 2
(1 – 2t)
x = 2
(1 2 )
: Γ(
)
Teorema 1.4
Fungsi Pembangkit Momen (M(t)) dari distribusi Chi-Kuadrat adalah
M(t) = (1– 2t) 2 , t < 12
Bukti:
Bab I Distribusi Khusus Tipe Kontinue
Arika Indah Kristiana, S.Si, M.Pd 13
dx = 2
(1 2 ) dz
maka, ∫ x2(1 2t).( )
r2 1
Γ r2 .2
r2
∞ 푑푥
= ∫ z.( 2
(1 2 ))r2 1
Γ r2 .2
r2
∞ . ( 2(1 2 )) dz
= 1
Γ r2 .2
r2
∫ 푒 z. ( 2(1 2 )
)r2 1∞ . ( 2
(1 2 )) dz
= 1
Γ r2 .2
r2
∫ 푒 z. (푧)r2 1. ( 2
(1 2 ))
r2 1∞ . ( 2
(1 2 ))1 dz
= 1
Γ r2 .2
r2
∫ 푒 z. (푧)r2 1. ( 2
(1 2 ))
r2
∞ dz
= 1
Γ r2 .2
r2
. ( 2(1 2 )
)r2 ∫ 푒 z. (푧)
r2 1∞ dz
= 1
Γ r2 .2
r2 . 2
r2
(1 2 )r2
. Γ r2
= 1
(1 2 )r2
= (1– 2t) 2
Jadi, terbukti bahwa M(t) = (1– 2t) 2 , t < 12
Mean (µ) distribusi Chi-Kuadrat Mean untuk distribusi Chi-Kuadrat (χ 2) adalah turunan pertama M(t) pada
saat t = 0.
M(t) = (1-2t)-r/2 , t < ½
M’(t) = (-r/2).(1-2t)-r/2-1 . (-2) , t < ½
Teorema 5
Pa X berdistribusi Chi-Kuadrat, maka rataan = r dan variansi 2 = 2r
Bukti :
Bab I Distribusi Khusus Tipe Kontinue
Arika Indah Kristiana, S.Si, M.Pd 14
= r.( 1-2t)-r/2-1 , t < ½
M’(0) = r.( 1-2.0)-r/2-1 = r
Sehingga rataan, µ=r
Varians (σ2) distribusi Chi-Kuadrat
Varians untuk distribusi Chi-Kuadrat (χ 2) adalah turunan kedua M(t)
dikurangi kuadrat turunan pertama pada saat t = 0.
M(t) = (1-2t)-r/2 , t < ½
M’(t) = r.(1-2t)-r/2-1 , t < ½
M’’(t) = r.(-r/2-1) .(1-2t)-r/2-1-1 . (-2) , t < ½
= (r2 + 2r). (1-2t)-r/2-2 , t < ½
M’’(0) = (r2 + 2r). (1-2.0)-r/2-2 , t < ½
= r2 + 2r
Sehingga σ2 = M’’(0) – (M’(0)2) = r2 + 2r - r2 = 2r
Contoh 1.4
Jika diketahui pa X berdistribusi 2(r) dengan 푓(푥) =1
16푥2푒 /2, 푥 > 00, 푥yanglain
Tentukan a) derajat kebebasan, b) rataan, dan c) variansi
Penyelesaian
Bentuk umum fungsi densitas 2(r) adalah 푓(푥) = 1
Γ 2 22푥2 1푒 /2 sehingga
a) (r/2) – 1 = 2 r = 6
b) = r = 6
c) 2 = 2r = 12
1.5 DISTRIBUSI NORMAL
Suatu distribusi yang sangat banyak digunakan dalam statistika
inferensial adalah distribusi normal. Tetapi pada kenyataannya distribusi ini
merupakan distribusi yang sangat ideal. Dikatakan demikian karena
beberapa alasan misalnya mempunyai rataan nol, simetri terhadap garis
x = akibatnya mean, median dan modusnya sama. Dalam kenyataannya kita
Bab I Distribusi Khusus Tipe Kontinue
Arika Indah Kristiana, S.Si, M.Pd 15
sulit untuk menemukan satu peristiwa yang mempunyai distribusi normal.
Yang dapat ditemukan maksimal adalah distribusi yang hampir normal.
Akan ditunjukkan f(x) sebagai pdf
Dengan menggunakan fungsi gamma,
Dimisalkan :
y = 12 ( µ )2 dy = 1
2 . 2 ( µ ) ( 1 ) dx
2y = ( µ )2 dy = 1 ( µ ) dx
2y = ( µ ) dx = 휎 ( µ
) dy
12y
= µ
∫ 푓(푥)∞∞ dx = 1
√2π ∫ 푒∞
∞ - 12
( µ )2 dx
= 1√2π
∫ 1 푒∞∞
-y 휎 ( µ
) dy
= 1√2π
∫ 푒∞∞
-y ( 12y
) dy
= 1√2
1√π
∫ 푒∞∞
-y ( 1√2
) 1y dy
= 12 1√π
.2 ∫ 푒∞0
-y y -12 dy
= 1√π
∫ 푒∞0
-y y -12 dy
= 1√π
Γ(12 )
Definisi 1.7
Pa X dikatakan berdistribusi normal dengan rataan dan variansi 2
yang dinotasikan dengan X N(, 2) jika fungsi densitas dari X adalah
푓(푥) = 1√2
푒12
2
,−∞ < 푥 < ∞
Bab I Distribusi Khusus Tipe Kontinue
Arika Indah Kristiana, S.Si, M.Pd 16
= 1√π
√휋 = 1
Dengan menggunakan koordinat kutub
Dimisalkan 푦 = → 푑푦 = 1 푑푥 dengan kata lain 푑푥 = 휎푑푦
푓(푥)푑푥 =∞
∞
1휎√2휋
∞
∞.푒
12
2
푑푥
=1
√2휋
1휎
∞
∞.푒
12
2휎푑푦
=1
√2휋 푒
12
2∞
∞푑푦 = 퐼
Ambil y = z
퐼2 =1
√2휋
2
푒12
2 2푑푦푑푧
∞
∞
∞
∞
Misal : 푦 = 푟 cos 휃 , 푧 = 푟 sin 휃
Maka,
퐼2 =1
2휋 푒12
2∞
0
푟푑푟푑휃2
0
Misal : 푢 = − 12푟2 , 푑푢 = −푟푑푟
= 12∫ ∫ −푒 푑푢푑휃 = 1∞
02
0
1) Fungsi pembangkit momen
Teorema 1.6
Fungsi pembangkit, mean dan variansi dari Pa X yang berdistribusi
normal dengan parameter dan adalah
1) Fungsi pembangkit momen, 푀(푡) = 푒푥푝 휇푡 +2 2
2
2) Mean, E(X) =
3) Variansi = 2
Bukti :
Bab I Distribusi Khusus Tipe Kontinue
Arika Indah Kristiana, S.Si, M.Pd 17
푀(푡) = ∫ 1√2
exp − 12
2∞
∞ . exp 푡푥 푑푥
= ∫ 1√2
exp − 12
2+ 푡푥 ∞
∞ 푑푥
= ∫ 1√2
exp −2 2 2
2 2 + 푡푥 ∞∞ 푑푥
= ∫ 1√2
exp −2 2 2 2 2
2 2∞∞ 푑푥
= ∫ 1√2
exp2 2
2 2∞∞ . exp
2 2 2
2 2 푑푥
= exp2 2 2
2 2 ∫ 1√2
exp2 2
2 2∞∞ 푑푥
푀(푡) = exp 휇푡 +2 2
2
2) Mean
푀′(푡) = (휇 + 휎2푡) exp 휇푡 +2 2
2
Untuk t = 0, diperoleh, M’(0) = ( + 0) e0 =
3) Variansi
Silahkan Anda coba buktikan sebagai latihan.
Sifat-sifat grafik fungsi normal:
1. Simetris pada sumbu vertikal yaitu 푥 = 휇, artinya rataan pada grafik
fungsi normal akan simetris terhadap sumbu vertikal.
2. Maksimum pada titik 휇, 1√2
3. Sumbu 푥 sebagai asimtot datar, artinya sumbu 푥 ini tidak akan pernah
bersinggungan dengan grafik fungsi normal.
4. Titik infleksi pada 푥 = 휇 ± 휎, artinya nilai kisaran infleksi antara
푥 = 휇 + 휎 dan 푥 = 휇 − 휎.
5. Grafiknya selalu ada di atas sumbu datar 푥, artinya grafik fungsi normal
selalu ada di atas sumbu datar 푥
6. Luas daerah grafik selalu sama dengan 1 unit persegi, artinya luasan 1
unit persegi sama dengan peluang keseluruhan = 1
Bab I Distribusi Khusus Tipe Kontinue
Arika Indah Kristiana, S.Si, M.Pd 18
Transformasi Z
Pdf normal yang sering digunakan dalam statistik adalah distribusi normal
bakudenganµ=0dan atau dinotasikan dengan N(0,1) sehingga didapat
푓(푥) = 1√2
푒2
2
Dengan 푍 = yang disebut dengan Transformasi Z
Andai c1 < c2 dan P(X = c1) = 0 maka
푃(푐1 < 푋 < 푐2) = 푃(푋 < 푐2) − 푃(푋 < 푐1)
= 푃 < 2 − 푃 < 1
= ∫ 1√2
푒2
2 푑푥2
∞ − ∫ 1√2
푒2
2 푑푥1
∞
= 푁 2 −푁 1
Diketahui, ∫ 1√2
푒2
2 푑푥∞∞ = 1 sehingga
∫ 1√2
푒2
2 푑푥∞ + ∫ 1√2
푒2
2 푑푥∞ = 1
∫ 1√2
푒2
2 푑푥∞ −∫ 1√2
푒2
2 푑푥∞ = 1
푁(푥) − ∫ 1√2
푒2
2 푑푥∞ = 1
x =
rataan
Teorema 1.7
Bila 푁(푥) = ∫ 1√2
푒2
2 푑푥∞ maka berlaku N(-x) = 1 – N(x)
Bukti:
Bab I Distribusi Khusus Tipe Kontinue
Arika Indah Kristiana, S.Si, M.Pd 19
푁(푥) = 1 + ∫ 1√2
푒2
2 푑푥∞
푁(푥) = 1 −∫ 1√2
푒2
2 푑푥∞ , Sehingga didapat, N(-x) = 1 – N(x)
Contoh 1.5
Andaikan X N(2, 25) tentukan P(-8 < x < 1)
Penyelesaian :
Diketahui:
1
2
2
2 11 2
81
225 5
1 2 8 28 15 5
0, 2 2
8 1 1 0,579 1 0,977 0, 421 0,023 0,39
CC
C CP C x C N N
P x N N
N N
P x
8
, 8 1 0,398Jadi P x