Random Variable pada Normal Distribution

 Definisi Distribusi Normal

x

Distribusi normal adalah distribusi probabilitas kontinu untuk variabel acak . Grafik distribusi normal disebut kurva normal.

Sifat-sifat Distribusi Normal

Distribusi normal memiliki sifat-sifat berikut:

1. Rata-rata, median, dan modus sama.

2. Kurva normal berbentuk lonceng dan simetris terhadap mean. 3. Luas total di bawah kurva normal sama dengan 1.

x

4. Kurva normal mendekati, tetapi tidak pernah menyentuh, sumbu - karena memanjang semakin jauh dari mean

+

5. Di antara dan (di tengah kurva), grafiknya melengkung ke bawah. +

Grafik melengkung ke atas ke kiri dan ke kanan . Titik-titik di mana kurva berubah dari melengkung ke atas menjadi melengkung ke bawah disebut titik belok.



Properties of a Normal Distribution

Properties of a Normal Distribution 

A discrete probability distribution can be graphed with a histogram. 

A continuous probability distribution, we can use a probability density function (pdf). A probability density function has two requirements: 

1. the total area under the curve is equal to 1, and 

2. the function can never be negative. 


y =1 

2σ2 





Distribusi Sampling dan The Central Limitt

Distribusi Pengambilan Sampel

Pada bagian ini, kita akan mempelajari hubungan antara mean populasi dan mean sampel yang diambil dari populasi.

Distribusi sampling adalah distribusi probabilitas dari statistik sampel yang dibentuk n

ketika sampel ukuran berulang kali diambil dari suatu populasi.

Jika statistik sampel adalah mean sampel, maka distribusinya adalah distribusi sampling dari mean sampel.

Setiap statistik sampel memiliki distribusi sampling.

Distribusi Pengambilan Sampel

n

Persegi panjang mewakili populasi yang besar, dan setiap lingkaran mewakili sampel berukuran . Karena entri sampel dapat berbeda, rata-rata sampel juga dapat berbeda. 1x¯1 2x2

Rata-rata Sampel adalah ; rata-rata Sampel adalah ; dan seterusnya.

n

Distribusi sampling rata-rata sampel untuk sampel ukuran untuk populasi ini x¯1 , x¯2 , x¯3 ,

terdiri dari dan sebagainya.

Jika sampel diambil dengan penggantian, maka jumlah sampel yang tidak terbatas dapat diambil dari populasi.




The Central Limit

Teorema Batas Pusat membentuk dasar untuk cabang statistika inferensial. Teorema ini menjelaskan hubungan antara distribusi sampling rata-rata sampel dan populasi dari mana sampel diambil.

Teorema Batas Pusat adalah alat penting yang menyediakan informasi yang Anda perlukan untuk menggunakan statistik sampel untuk membuat kesimpulan tentang rata-rata populasi.

Komentar

Posting Komentar

Postingan populer dari blog ini

Confidence Interval

 Confidence Interval adalah rentang antara dua nilai di mana nilai suatu Sample Mean tepat berada di tengahtengahnya.   Nilai sebuah confidence interval dapat dinyatakan dengan Kemungkinan (Probability) berapa sample dalam 100 kali pengambilan samples nilai Population Mean sesungguhnya akan masuk dalam sebuah rentang sample mean.       Untuk menghitungnya, kembali kita ke konsep perhitungan nilai z yakni hubungan antara nilai sebenarnya dalam distribusi frequency dengan nilai z dalam distribusi normal.   Dalam statistics, telah ditemukan jika sample kita besar, yakni lebih dari 30 samples, maka ditemukan distribusi samples nya “pasti” NORMAL, sehingga kita dapat menggunakan rumus perhitungan z dan tabel distribusi normal.
Baca selengkapnya

Probabilitas pada Distribusi Normal

 Pengenalan Distribusi Normal dan Distribusi Normal Standar Definisi Distribusi Normal x Distribusi normal adalah distribusi probabilitas kontinu untuk variabel acak . Grafik distribusi normal disebut kurva normal. Sifat-sifat Distribusi Normal Distribusi normal memiliki sifat-sifat berikut: 1. Rata-rata, median, dan modus sama. 2. Kurva normal berbentuk lonceng dan simetris terhadap mean. 3. Luas total di bawah kurva normal sama dengan 1. Sifat-sifat Distribusi Normal Sifat-sifat Distribusi Normal Distribusi probabilitas diskrit dapat digambarkan dengan histogram. Distribusi probabilitas kontinu, kita dapat menggunakan fungsi kepadatan probabilitas (pdf). Fungsi kepadatan probabilitas memiliki dua persyaratan: 1. luas total di bawah kurva sama dengan 1, dan 2. fungsi tidak pernah bisa negatif. y = 1 2σ2 Probabilitas dan Distribusi Normal x x Ketika variabel acak terdistribusi normal, kita dapat menemukan probabilitas yang terletak pada suatu interval dengan menghitung luas di bawa...
Baca selengkapnya

Distribusi Probalitas , Binomial, Geometrik, Poisson

Distribusi Probalitas Ada 2 jenis Random Variabel, yaitu Discrete dan Continuous Discrete : Semua kemungkinan outcomes dapat dihitung atau memiliki batasan. Ex. Mempresentasikan jumlah wisudawan dari Fakultas Teknologi Informasi di tahun ini Continuous : Semua kemungkinan outcomes tidak dapat dihitung, umumnya direpresentasikan dengan nilai Ex. Volume minyak goreng yang ditampung dalam sebuah tangki berkapasitas 150L Distribusi Geometrik Distribusi Geometrik merupakan suatu discrete probability distribution yang memenuhi kriteria berikut: -percobaan akann dilakukan berulangkali sampai mendapat outcome succes -setiap percobaan adalah independent terhadap trials lainnya -memiliki nilai probability success (p) yang sama untuk tiap trial -random variabel x mempresentasikan banyaknya trials yang dilakukan sampai mendapat kondisi success Distribusi Poisson yaitu suatu discrete probability distribution yang memenuhi kriteria berikut: -random variabel x merepresentasikan banyaknya kemuncul...
Baca selengkapnya