TUGAS PEMODELAN DAN SIMULASI

DISTRIBUSI KONTINU

Oleh Dede Yanuar Ferdiansyah 10111727 MOSI 6

TEKNIK INFORMATIKA FAKULTAS TEKNIK DAN ILMU KOMPUTER UNVERSITAS KOMPUTER INDONESIA BANDUNG 2014

Distribusi kontinu
1. Distribusi Uniform / Seragam Kontinu

Distribusi Seragam kontinu adalah distribusi peluang kontinu yang paling sederhana. Suatu peubah acak X dikatakan memiliki distribusi seragam pada selang (a, b), dinotasikan X ~ UNIF(a,b), dengan fungsi densitas peluang. 1 (, , ) = { , 0

Kurva fungsi padat peluangnya

Rataan dan variansi dari distribusi seragam kontinu adalah: = ( + ) ( )2 2 = 2 12

Fungsi kumulatif: 0 < < () = { 1 Kasus khusus: jika a = 0 dan b = 1, maka distribusinya disebut distribusi seragam baku (standard uniform distribution), dilambangkan dengan U(0,1). Contoh : 1. Sebuah ruang konferensi dapat disewa untuk rapat yang lamanya tidak lebih dari 4 jam. Misalkan X adalah peubah acak yang menyatakan waktu rapat, yang mempunyai distribusi seragam.

a) Tentukan fungsi densitas peluang dari X. b) Tentukan peluang suatu rapat berlangsung 3 jam atau lebih.

Jawaban : , 0 < 4 a) a = 0, b = 4, sehingga () = {4 0, b) p(x 3) = 3

41 4 =4 dx = 4 |=3 =44 = 1 4 3 1 4 1

2.

Distribusi Normal (GAUSSIAN) Distribusi normal pertama kali dipublikasikan oleh Abraham de Moivre pada tahun 1733 sebagai Suatu pendekatan terhadap distribusi jumlah peubah acak binomial. Suatu peubah acak X dikatakan berdistribusi normal (atau Gauss) dengan rata-rata dan varians 2 , dinotasikan ~ (, 2 ), jika ia memiliki fungsi densitas peluang dengan bentuk 1 (, , ) = (1/2)[/] , < < 2 Misal didefinisikan

Untuk memeriksa apakah fungsi integral fungsi densitas peluang ini sama dengan 1, gunakan teknik substitusi, misal z =(x - )/ dengan dx = dz.Perhatikanbahwa f(z)=(1/sqrt 2)exp(- 2 ) adalah fungsi genap, yakni f(z)= f(-z). Dengan demikian

Apabila dimisalkan w = 2 /2, maka z = 2 dan dz =( 1/2 /2), sehingga

Distribusi normal adalah distribusi yang paling penting di antara distribusi yang lain. Kurva dari distribusi normal mempunyai bentuk setangkup seperti lonceng:

Nama lainnya: distribusi Gauss (Gaussian distribution) Kurva distribusi normal disebut juga kurva normal atau kurva topi orang Meksiko (mexican hat). yang dalam hal ini = 3.14159... dan e = 2.71828... Cukup dengan mengetahui dan , maka seluruh kurva normal diketahui. Misalnya bila = 30 dan = 8, maka ordinat n(x; 30, 8) dapat dihitung untuk berbagai nilai x dan kurvanya dapat digambarkan. Kurva normal dengan 1 < 2 dan 1 = 2 :

Kurva normal dengan 1 < 2 dan 1 < 2 :

 Kurva normal dengan 1 = 2 dan 1 < 2 :

Contoh : 2. Diberikan distribusi normal baku, hitunglah daerah di bawah kurva yang dibatasi: (a) sebelah kanan z = 1.84 (b) antara z = -1.97 dan z = 0.86 Jawaban: (a) Luas sebelah kanan = 1 luas sebelah kiri z = 1.84 (lihatgambar di halaman berikut ini). Dari tabel luas sebelah kiri = gambar di halaman berikut ini). Dari tabel luas sebelah kiri = 0.9671, jadi Luas sebelah kanan = 1 0.9671 = 0.0329 (b) Luas daerah antar batas tersebut adalah luas di sebelah kiri z = 0.86 dikurangi dengan luas di sebelah kiri z = -1.97. Dari tabel diperoleh 0.8051 - 0.0244 = 0.7807

3.

Distribusi Gamma

Fungsi gamma adalah fungsi berbentuk: () = 0 1 untuk > 0

Peubah acak kontinu X mempunyai distribusi gamma, dengan parameter dan, jika fungsi padat peluangnya diberikan oleh: 1 f(x) ={() 0 Grafik fungsi gamma:
1 ,Untuk x>0

dengan > 0 dan > 0

Contoh 6.2 Suatu data pengujian kekuatan luluh suatu baja menunjukkan rata-rata dan standar deviasi sebesar 39.09 dan 9.92 N/mm2. Tentukan probabilitas kekuatan luluh yang terjadi pada 20 N/mm . Jawaban: 2 = 39.09 = 2 = = 0.397 ( )1 2 9.922 2

= = 15.5 = (; 0.397,15.5) = 0.018092

4.

Distribusi Eksponensial

Suatu peubah acak X dikatakan berdistribusi eksponensial dengan parameter > 0, dinotasikanX~ EXP() jika memiliki fungsi densitas peluang dengan bentuk

Distribusi eksponensial dengan parameter, yakni EXP() adalah kejadian khusus dari distribusi gamma dengan parameter =1 ,yakni GAM( ,1). Dengan demikian sifat-sifat distribusi gamma berlaku untuk distribusi eksponensial.

4.1 Fungsi distribusi kumulatif Fungsi distribusi kumulatif X dapat dinyatakan sebagai

Dengan menghitung langsung integral persamaan diatas maka diperoleh

4.2 Rata-rata dan varians Rata-rata dan varians juga merupakan hasil khusus dari distribusi GAM(, 1). untuk ratarata dan varians distribusi gamma dengan memanfaatkan kedua hasil ini serta mensubstitusikan =1 maka diperoleh E(X)= = .1= dan var(X)= 2 = 2 . 1 = 2 . Contoh : Suatu sistem mengandung sejenis komponen yang daya tahannya dalam tahun dinyatakan oleh peubah acak T. Peubah acak T berdistribusi eksponensial dengan parameter

waktu rataan sampai gagal = 5. Jika terdapat 5 buah komponen dipasang pada sistem yang berlainan, tentukan peluang sekurang-kurangnya 2 komponen masih berfungsi sampai akhir tahun ke-8 Jawaban: Peluang komponen masih berfungsi hingga akhir tahun ke 8 adalah P (T> 8) = 5 8 85 = 85 0.2 Misalkan X adalah jumlah komponen yang masih berfungsi hingga akhir tahun ke-8, maka dengan distribusi binomial
1 P(x 2) = 5 =2 (; 5,0.2) = 1 =0 (; 5,0.2) = 1 0.7373 = 0.2627 1

5.

Distribusi Khi-kuadrat

Distribusi gamma khusus ke dua diperoleh bila =/2, =2 dan bilangan bulat positif. Fungsi peluang padat seperti itu disebut Distribusi Khi-kuadrat dengan derajat kebebasan . Distribusi Khi-kuadrat Peubah acak kuntinu X berdistribusi khi-kuadrat, dengan derajat kebebasan , bila fungsi padatnya diberikan oleh : () = 1 22 ( 2) 21 2

Rataan dan variansi distribusi khikuadrat adalah : = dan 2 = 2

6.

Distribusi Weibull Distribusi Weibul merupakan salah satu distribusi yang banyak digunakan dalam bidang pengujian tahan hidup benda. Distribusi ini diberi nama setelah fisikawan W.Weibull,menyarankan penggunaannya pada berbagai aplikasi, terutama uji kelelahan dan kekuatan material. Peubah acak kontinu X dikatakan memiliki distribusi Weibull dengan parameter > 0 dan > 0 untuk x > 0, dinotasikan WEI(, ), bila memiliki fungsi idensitas peluang dengan bentuk

Parameter disebut parameter bentuk (shape parameter). Seperti halnya pada distribusi gamma, maka akan ada tiga bentuk dasar bergantung pada < 1, =1,atau >1.

Dan fungsi cdf sebagai berikut :

Dari kurva yang terlihat diatas dengan parameter bentuk = 1, 2, dan 4 serta parameter skala = 1. Dengan bertambah besarnya nilai maka kurva cenderung menjadi simetris. Mean dan varian Distribusi Weibull

Contoh : Pengukuran kecepatan angin dilakukan untuk menghitung kekuatan struktur lepas pantai erhadap beban angin. Diperoleh data parameter weibull =25 m/s dan =1. hitunglah probabilitas kecepatan angin sekurang-kurangnya 35 m/s. Jawaban :

Daftar Pustaka

1. 2. 3.

sumarjaya, i. w. (2010). statistika matematika . jimbaran. diktat itb. (2014, maret senin). Retrieved from http://www.informatika.org/~rinaldi/Probstat/2010-2011/Distribusi%20Peluang%20Kontinu.pdf Singh, V. (2009). System Modeling and Simulation. new age international.