STATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling

Transkripsi

1 STATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling Rengganis Banitya Rachmat rengganis.rachmat@gmail.com

2 4. Distribusi Probabilitas Normal dan Binomial Tujuan Instruksional Khusus: Setelah mengikuti materi ini, mahasiswa diharapkan mampu: Menjelaskan pengertian distribusi probabilitas Menjelaskan pengertian distribusi probabilitas diskrit dan distribusi probabilitas kontinu Menjelaskan pengertian distribusi binomial dan pemanfaatannya dalam penelitian Menjelaskan pengertian distribusi normal dan pemanfaatannya dalam sebah penelitian serta dalam proses statistik induktif Menggunakan distribusi teoritis untuk menghitung nilai probabilitas

3 KEGIATAN BELAJAR 1 1 Distribusi Probabilitas 1. Distribusi Probabilitas Diskrit. Distribusi Probabilitas Kontinu 3. Harapan Matematis

4 DISTRIBUSI PROBABILITAS DISKRIT 1 Variabel X disebut set diskrit (himpunan bilangan bulat saja) X = {X1, X, X3, X4,.,Xn} Dengan probabilitas p = {p1, p, p3, p4,..,pn} Dimana : p1+p+p3+p4+.+pn = 1 X memiliki nilai tertentu dengan probabilitas tertentu yang disebut sebagai variabel acak diskrit

5 DISTRIBUSI PROBABILITAS DISKRIT 1 Contoh : Pelemparan dua buah dadu bersama-sama. Misalnya X adalah jumlah biji yang keluar dari dadu tesebut yaitu 1+1, 1+, 1+3, 1+4,..,6+6. Maka probabilitas yang terjadi yaitu :

6 DISTRIBUSI PROBABILITAS DISKRIT 1

7 DISTRIBUSI PROBABILITAS KONTINU 1 Luas kurva yang dibatasi oleh X=a dan X=b adalah probabilitas X antara a dan b Pr (a< X < b) P(X) disebut juga sebagai Probability Density Function Var X adalah variabel kontinu

8 HARAPAN MATEMATIS 1 Harapan matematis : Menjelaskan perhitungan nilai rata-rata jangka panjang. Disimbolkan dengan : P. S Dimana : P : probabilitas kejadian S : Value dari kejadian tsb Contoh :

9 HARAPAN MATEMATIS 1 Disebut juga sebagai Ekspektasi Contoh :

10 KEGIATAN BELAJAR 1I Distribusi Binomial dan Normal 1. Distribusi Binomial. Distribusi Normal

11 Distribusi Binomial Distribusi Binomial adalah distribusi yg memiliki kategori. Misalkan : sukses atau gagal, laki-laki atau perempuan.

12 Distribusi Binomial Contoh : Probabilitas untuk memperoleh sekurang-kurangnya gambar burung (B) dari 6 kali lemparan. Jawab :

13 Distribusi Binomial Berdasarkan Distribusi Bernoulli, properties dari distribusi Binomial :

14 Distribusi GAUSS Properti Distribusi Normal : 1. Terdiri dari himpunan bilangan kontinu dan diskrit. Jumlah sampel besar 3. Kurva frekuensi relatif berbentuk lonceng simetri, dengan simbol matematis p(x)

15 Distribusi Normal Baku Properti Distribusi Normal Baku: 1. Terdiri dari bilangan random (z). Memiliki nilai rata-rata nol dan simpangan baku 1 (N; (0,1))

16 Distribusi Normal Baku Properti Distribusi Normal Baku: 1. Terdiri dari bilangan random (z). Memiliki nilai rata-rata nol dan simpangan baku 1 (N; (0,1))

17 Distribusi Normal Baku Contoh :

18 Distribusi Normal Baku Contoh : Carilah luas kurva normal baku yang dibatasi oleh z= -,08 Jawab : Karena mengikuti distribusi normal, maka Z=-,08 sama dengan Z=,08. Maka nilai probabilitasnya adalah 0,481

19 Distribusi Normal Baku Contoh : Besar probabilitas terjadinya x jika (0 x 1,4) Jawab : Pr (0 x 1,4) adalah sama dengan luas kurva normal baku antara z = 0 dan z=1,4. Cari probabilitas dimana z = 1,4 yaitu 0,4

20 Distribusi Normal Baku Contoh : Bila Y adalah variabel random dari distribusi normal baku, maka nilai z atas peristiwa Pr (0 y z) = 0,436 Jawab : Pr (0 y z) = 0,436 = Luas kurva Pada tabel distribusi normal, cari nilai z mengacu kepada nilai probabilitas 0,436, yaitu 1,43

21 Distribusi Normal Baku Contoh : Pr (m y ) = 0,1000. Berapa nilai m Jawab : 1. Pada tabel distribusi normal, dapat dicari probabilitas z=0 sampai z=, yaitu 0,477 Lanjut.

22 Distribusi Normal Baku. Cari nilai A terlebih dulu Nilai probabilitas A adalah 0,477 0,1000 = 0,377. A 0, Setelah probabilitas A didapat, maka cari nilai Z menggunakan tabel. Didapat A=1,16

23 Penggunaan Tabel Distribusi Normal 1. Menggunakan angka kontinu. Tabel kurva normal baku disajikan sebagai luas kumulatif. 3. Jumlah sampel sedikit tabel Distribusi-t Contoh : Diketahui n=10 dan luasnya 95% carilah nilai t batasnya. Pada tabel distribusi-t, probabilitas adalah bagian ekor dari grafik. Maka Probabilitas = 1-0,95 = 0,05 Karena simetris maka α = 0,05/ = 0,05 Dengan α = 0,05, dari tabel distribusi-t dapat dicari nilai t, yaitu,6..>

24 Penggunaan Tabel Distribusi Normal Tabel distribusi-t

25 5. Teori Sampling Tujuan Instruksional Khusus: Setelah mengikuti materi ini, mahasiswa diharapkan mampu: Menjelaskan pengertian dan konsep cuplikan acak Menghitung moment dari rata-rata sampel Menerapkan Teorema Limit Tendensi Sentral Menjelaskan sifat cuplikan acak data nol-satu Menghitung cuplikan populasi yang kecil Menerapkan teori cuplikan

26 KEGIATAN BELAJAR 1 1 Cuplikan acak dan sifat-sifatnya

27 Cuplikan Acak (Random) 1 Sampel adalah Sebagian anggota populasi yang terpilih untuk diteliti. Menggunakan sampel karena : Keterbatasan sumber daya yang ada Kelangkaan Sifat uji yang rusak Sifat sampel seharusnya mewakili populasi. Sampel bersifat ACAK. Acak artinya memperhitungkan semua kemungkinan dapat terjadi. Untuk memastikan setiap anggota populasi acak, secara sederhana bisa dilakukan dengan mencatat setiap anggota populasi.

28 Cuplikan Acak (Random) 1 Properti cuplikan acak (random) Nilai harapan matematis

29 Cuplikan Acak (Random) 1 Properti cuplikan acak (random) Variance Simpangan Baku

30 Cuplikan Acak (Random) 1 Contoh:

31 Cuplikan Acak (Random) 1 Contoh:

32 Teorema Limit Sentral 1 Teorema : Jumlah anggotanya diperbesar, data yg diambil dari populasi, apapun bentuknya distribusinya, mendekati bentuk distribusi normal.

33 Pengecualian Sifat Cuplikan Acak 1. Sifat cuplikan yang memiliki variabel nol-satu.. Properti cuplikan variabel non-satu :

34 Pengecualian Sifat Cuplikan Acak

35 Sifat-Sifat Cuplikan dari Populasi Kecil 1. Nilai momen pertama = π. Nilai momen kedua / variance = σ 3. Nilai variance = Var Dimana N = Jumlah anggota populasi n = jumlah anggota sampel

36 Sifat-Sifat Cuplikan dari Populasi Kecil Contoh :

37 Sifat-Sifat Cuplikan dari Populasi Kecil

38 Sifat-Sifat Cuplikan dari Populasi Kecil