Taburan Kebarangkalian Diskret 1

MTE 1034 Kebarangkalian
IPGK KENT TUARAN
3.0
TAB
URA
N
KEB
ARA
NGK
3.1 Taburan Kebarangkalian
ALIA
Pembolehubah rawak
Pembolehubah rawak adalah sesuatu set X yang unsurnya ialah nilai yang
merupakan kesudahan yang ditentukan dalam satu ujikaji ialah suatu
pembolehubah rawak.
Dalam suatu kajian

pasukan bola sepak
yang lalu, kita boleh
permainan
sebagai
DISK
RET
tentang
rekod
Jinjang dalam dua permainan

merekodkan keputusan
{ MM , SS , KK , MS , SM , MK , KM , SK , KS } .
1
setiap
menang (M), seri (S), atau kalah
(K).
Oleh itu, ruang sampel ialah
permainan
IPGK KENT TUARAN
Namun demikian, adakalanya kita hanya ingin mengetahui bilangan kemenangan dalam
dua permainan itu. Maka nombor yang terlibat ialah
{ 0, 1,2 } .
Jika ia dipindah dalam bentuk set :
Nombor 0, 1, 2 boleh dianggap sebagai nombor yang timbul secara rawak.

Maka set
{ 0, 1,2 } dikenali sebagai satu pembolehubah rawak.
Contoh 1:
3 benda dipilih secara rawak daripada satu proses pengeluaran. Setiap benda diperiksa dan
dikelaskan sebagai cacat atau baik. Jika X mewakili bilangan benda yang baik, apakah nilai
X yang mungkin?
Penyelesaian:
S = {BBB, CCC, CCB, BCC, CBC, BCB, CBB, BBC}
Umpukkan nombor untuk setiap unsur di ruang sampel S.
X : Bilangan benda yang baik.
x = 0, 1, 2, 3
Contoh 2:
4 biji bola dikeluarkan daripada satu kotak yang mengandungi 4 bola merah dan 6 bola
hitam, jika X mewakili bola merah yang didapati, apakah nilai-nilai yang mungkin?
i)
tanpa pengembalian.
ii)
dengan pengembalian.
Penyelesaian:
i)
Bilangan titik di ruang sampel S ialah 10C4

X : Bilangan bola merah didapati
x = 0, 1, 2, 3, 4
2
ii)
IPGK KENT TUARAN
Bilangan titik di ruang sampel S ialah 104

X : Bilangan bola merah yang didapati
x = 0, 1, 2, 3, 4
Contoh 3:
Sekeping syiling dilambung 3 kali. Jika X mewakili bilangan kepala yang timbul, senaraikan
nilai-nilai yang mungkin bagi X.
Penyelesaian:
S = {HHH, TTT, TTH, HHT, THH, HTT, HTH, THT}
X : bilangan kepala yang timbul. Berikan nilai untuk setiap titik di ruang sampel, iaitu
HHH : berikan nilai 3
TTH : berikan nilai 1
TTT : berikan nilai 0
HHT : berikan nilai 2 dan seterusnya
Nombor-nombor 0, 1, 2, 3 adalah cerapan-cerapan rawak dan nilainya ditentukan daripada
suatu ujikaji. Maka bilangan kepala yang timbul ialah pembolehubah rawak ditandakan
dengan X.
x : nilai yang diberikan
X ialah = 0, 1, 2, 3
IPGK KENT TUARAN
1. 3 biji guli dikeluarkan tanpa gantian daripada sebuah kotak yang
Latihan
mempunyai 4 guli merah dan 6 guli biru. Jika X mewakili bilangan merah
yang didapati, apakah nilai-nilai X yang mungkin?
2. Seorang kerani stor mengembalikan tiga topi keledar secara rawak
kepada 3 orang pekerja kilang besi yang memang mengenali topi masingmasing. Jika Ang, Cheong dan Lee, mengikut tertib ini, menerima satu
topi seorang daripada tiga buah topi ini, tentukan nilai-nilai bagi X di mana
X adalah bilangan padanan yang betul.
3. Sekeping duit syiling dilambungkan
sebanyak
kali.
Tentukan
pembolehubah rawak X yang mewakili bilangan kali mendapat angka.

4. Untuk mengkaji kefahaman seorang budak tentang suatu konsep, dia
dikehendaki menjawab dua soalan. Bagi jawapan yang betul, budak itu
diberikan 2 mata dan 1 mata akan ditolak jika jawapanya salah. Jika
pembolehubah rawak X ialah bilangan mata yang diperoleh, cari nilai-nilai
yang mungkin bagi X.
Taburan kebarangkalian diskret

Pembolehubah adalah diskret jika ia hanya boleh dianggap sebagai beberapa nilai yang
boleh dikira (terhingga atau tak terhingga).
Pembolehubah diskret yang hasil daripada pengiraan mempunyai nilai integer.
Contoh pembolehubah diskret adalah:
Bilangan pokok, x, dalam satu hutan.
Bilangan budak, y, sedang menonton televisyen.
Bilangan cip computer, z, dihasilkan dalam satu tahun.
Pembolehubah rawak diskret A boleh ditulis sebagai A = 1, 2, 3, 4, 5 iaitu nilai-nilai yang A
boleh ambil adalah 1 atau 2 atau ... 5.
Katakan X ialah pembolehubah diskret dengan nilai-nilai
setiap
x1 ,
x 2 , ...,
x 1 diperuntukakan kebarangkalian P(X= x 1 ).

n
P( X x )
i 1
Jika
= 1, maka X adalah pembolehubah rawak diskret.

4
xn
dan
IPGK KENT TUARAN
Contoh 1:
Sebuah kotak mengandungi tiga guli yang sama dengan menandakan A, B, dan C. Satu
permainan dijalankan dengan memilih dua guli satu demi satu secara rawak dari kotak
dengan pengembalian. Seorang pemain mendapat 3 mata jika dia terpilih guli A, 2 mata jika
dia terpilih guli B, dan 1 mata jika dia terpilih guli C. Jumlah mata yang diperolehi daripada
dua guli diambil kira. Menunjukkan bahawa mata yang diperolehi daripada pemain adalah
taburan kebarangkalian diskret.
Penyelesaian:
Ruang sampel bagi setiap percubaan adalah:
S=
{ ( AA ) , ( AB ) , ( AC ) , ( BB ) , ( BA ) , ( BC ) , ( CC ) , ( CA ) ,(CB)}
Katakan X mewakili skor pemain, oleh itu:
X =2 X =3 X =4 X =5 X=6
)
P
P ( X=2 ) + P ( X=3 )+ P ( X=4 ) + P ( X=5 )+ P ( X =6)
1 2 3 2 1
+ + + +
9 9 9 9 9
1
Oleh itu, X adalah taburan kebarangkalian diskret.
IPGK KENT TUARAN
Contoh 2:
Satu patrol pengakap mempunyai seramai 8 orang ahli, 3 ahli memiliki lencana basikal, dua
ahli dari patrol dipilih secara rawak, dan X mewakikan bilangan yang memiliki lencana
basikal. Tunjukkan bahawa X ialah pembolehubah rawak diskret.
Penyelesaian:
Katakan B = ahli yang mendapat lencana basikal.
B = ahli yang tidak dapat lencana basikal.
Ruang sampel =
{ B' B' , B' B , B B' , BB }
Maka nilai-nilai yang mungkin bagi X ialah 0, 1, dan 2.
P ( X=1 )=P ( B' B ) + P (BB ')
P ( X=0 )=P ( B ' B' )
'
P(B ' ) P ( B '|B ' )
P ( B ) P ( B|B' ) + P( B) P ( B '|B )
5 4

8 7
5 3 3 5
+
8 7 8 7
5
14
15
28
P ( X=2 ) =P (BB)
P ( X =x ) =P ( X=0 )+ P ( X =1 ) + P ( X=2 )
P ( B ) P ( B|B )
3 2

8 7
() ()
5 15 3
+ +
14 28 28
3
28
Maka X ialah suatu pembolehubah rawak diskret.

Contoh 3:
Diberi
Y = {0, 2, 4, 6 }
dan P ialah fungsi taburan kebarangkalian yang ditakrifkan kepada
unsur Y dengan petua:

6
IPGK KENT TUARAN
P (Y = y ) =
12 y
36
Tunjukkan bahawa Y ialah pembolehubah rawak diskret dan cari:

a) Taburan kebarangkalian bagi Y.
b) P(Y 2)
Lukiskan graf taburan kebarangkalian bagi Y.
Penyelesaian:
P ( Y = y )=
12 y
36
Y = {0, 2, 4, 6 }
P ( Y = y ) =P ( Y =0 ) + P ( Y =2 ) + P ( Y =4 ) + P ( Y =6 )
12 10 8 6
+ + +
36 36 36 36
1
Oleh itu, Y ialah satu pembolehubah rawak diskret.
a) Taburan kebarangkalian Y ialah:
P (Y = y )
b)
1
3
5
18
2
9
1
6
Jumlah
1
P (Y > 2 )=P(Y =4 atau 6)
P ( Y =4 ) + P (Y =6 )
2 1
+
9 6
7
8
Graf taburan kebarangkalian bagi Y adalah seperti berikut:
IPGK KENT TUARAN
Contoh 4:
Pembolehubah rawak diskret U mempunyai fungsi taburan kebarangkalian P yang
ditakrifkan sebagai
u
bagi u=2, 3, 5
2k
P (U =u ) = u
bagi u=7, 8, 10
5k
0 bagiu yang lain .
Cari nilai k. Seterusnya, cari
a) Jadual taburan kebarangkalian bagi U.
b)
P ( 4<U 8 ) .
Penyelesaian:
U= {2, 3, 5,7,8, 10 }
P ( U=u )=P ( U=2 ) + P ( U=3 )+ P ( U =5 ) + P (U =7 ) + P ( U=8 ) + P(U =10)
2
3
5
7
8 10
+ + + + +
2k 2k 2k 5k 5k 5k
10 25
+
2k 5k
5 5
+
k k
10
k
Diberi U ialah suatu pembolehubah rawak diskret, maka
P ( U=u )=1
10
=1
k
IPGK KENT TUARAN
k =10
a) Jadual taburan kebarangkalian bagi U ialah:
P(U=u) 0.10
b)
10
0.15
0.25
0.14
0.16
0.20
P ( 4<U 8 ) =P ( 5 )+ P ( 7 ) + P( 8)
0.25+0.14+ 0.16
0.55
Jumla
h
1
1.
X ={ 0,2, 4, 6 }
IPGK KENT TUARAN
Latihan
ialah suatu pembolehubah dengan satu fungsi yang
ditakrifkan seperti dalam jadual yang berikut.
P( X =x)
0.20
0.35
0.30
0.15
Tunjukkan bahawa X ialah suatu pembolehubah rawak diskret dengan

fungsi taburan kebarangkalian P.
2. Sekeping syilling dilambung 3 kali. Jika X mewakili bilangan kepala
yang timbul, senaraikan nilai-nilai yang mungkin bagi X dan carikan
fungsi kebarangkalian bagi x.
3. 3 biji guli dikeluarkan tanpa gantian daripada sebuah kotak yang
mempunyai 4 guli merah dan 6 guli biru.
Jika X mewakili bilangan
merah yang didapati, apakah nilai-nilai X yang mungkin.Seterusnya cari

fungsi kebarangkalian bagi x.
4. Y ialah suatu pembolehubah dengan kebarangkalian bagi unsurnya
diberi sebagai
0.1 bagi y=1, 3,5, 7

P(Y = y) 0.2 bagi y=2, 4,6
0 bagi y lain .
Tunjukkan bahawa Y ialah suatu pembolehubah rawak diskret dengan
fungsi kebarangkalian P.
5. Taburan kebarangkalian
X ={ 1,2, 3, 4 }
bagi
diberi oleh
pembolehubah
P ( X=x )=m(x +1)2
berkenaan.
a) Cari nilai m.
b) Dapatkan taburan kebarangkalian bagi X.
c) Cari
P ( X >2 ) .
d) Cari
P ( X 2) .
10
rawak
diskret
bagi setiap x
IPGK KENT TUARAN
Min, Varians, Sisihan Piawai

1) Min (Nilai Jangkaan)
Nilai min bagi sesuatu pembolehubah rawak disebut sebagai nilai jangkaan atau
jangkaan matematik bagi pembolehubah rawak diskret yang diberikan simbol atau
E( x ).
Katakan X adalah satu pembolehubah rawak diskret dengan fungsi kebarangkalian
P( x) ,
maka nilai
x P (X )
ditakrifkan sebagai nilai jangkaan atau jangkaan
matematik bagi pembolehubah rawak tersebut.
Mean,
E( X )
x P( X=x )
Jika kebarangkalian mendapatkan nilai
p1 ,
adalah
p2 ,
p3 dan
a1 , a2 , a3 dan a 4 masing-masing
p4 , maka jangkaan matematiknya ialah:
2+ a3 p 3+ a p
1+ a 2 p
x P ( X ) =a1 p
2)
P(x)
x P(X)
a1
p1
a1 p 1
a2
p2
a2 p 2
a3
p3
a3 p3
a4
p4
a4 p4
2+ a3 p 3+ a p
1+ a 2 p
x P ( X ) =a1 p
Varians dan Sisihan Piawai

Varians
adalah
satu
pembolehubah
11
IPGK KENT TUARAN
rawak X yang disumbangkan oleh
atau Var(X). Ia ditakrifkan sebagai nilai min
kuasa dua daripada sisihan X dari nilai jangkaan
2=E [ (X )2 ]
Variance,
Varians boleh dinyatakan dalam bentuk yang lain yang lebih mudah untuk digunakan
dalam pengiraan yang melibatkan kuantiti ( X
yang bukan integer.
2=E [ ( X )2 ]
Variance,
2
2
E [ ( X 2 X + ) ]
E ( X 2 ) 2 EX+ 2
E ( X 2 ) 2 2 + 2
Oleh itu:
Variance,
2=E ( X 2 ) 2 where E ( X 2 ) = x 2 P(X =x)
Sisihan piawainya adalah:
x P( x)
2
Varian dan sisihan piawai bagi data krisis di dalam Jadual adalah dikira dan ditunjukkan
di dalam Jadual. Min data krisis adalah 1.15 krisis. Sisihan piawai ialah 1.19 krisis dan
varian ialah 1.41.
Pengiraan Varian dan Sisihan Piawai Data Krisis
(X - )2
(X - )2.P(X)
P(X)
0.37
(0-1.15)2 = 1.32
(1.32)(0.37) = 0.49
0.31
(1-1.15)2 = 0.02
(0.02)(0.31) = 0.01
12
IPGK KENT TUARAN
0.18
(2-1.15)2 = 0.72
(0.72)(0.18) = 0.13
0.09
(3-1.15)2 = 3.42
(3.42)(0.09) = 0.31
0.04
(4-1.15)2 = 8.12
(8.12)(0.04) = 0.32
0.01
(5-1.15)2 =14.82
(14.82)(0.01) = 0.15
(X-)2.P(X) = 1.41
Varian 2 = [(X-)2.P(x) = 1.41
1.41
Sisihan piawai, =
= 1.19 krisis
Contoh 1:
Pembolehubah rawak diskret X mempunyai taburan kebarangkalian seperti berikut:
X
=
x
P
(
X
=
x)
0
.
1
0
.
3
0
.
3
0
.
2
0
.
1
(a) Carikan min X.

(b) Carikan varians X.
Penyelesaian:
(a) Mean,
x P( X=x )
1 ( 0.1 ) +2 ( 0.3 ) +3 ( 0.3 ) + 4 ( 0.2 ) +5(0.1)
2.9
(b) Variance,
2= ( X )2 P( X =x)
( 12.9 )2 ( 0.1 )+ ( 22.9 )2 ( 0.3 ) + ( 32.9 )2 ( 0.3 ) + ( 42.9 )2 ( 0.2 ) + ( 52.9 )2 ( 0.1 )
0.361+0.243+0.003+0.242+0.441
1.29
Contoh 2:
13
IPGK KENT TUARAN
Katakan 20% daripada penduduk Kuala Lumpur mengemari Pepsi sebagai pilihan minuman
ringan mereka. Jika sampel rawak 6 responden yang dipilih, bilangan pengemar Pepsi
adalah antara 0 dan 6. Ditunjukkan di sini kebarangakalian bilangan pengemar Pepsi di
dalam sampel. Gunakan data ini untuk menentukan min bilangan pengemar Pepsi di dalam
sampel 6 responden di Kuala Lumpur dan kirakan sisihan piawai.
Bilangan Pengemar
Kebarangkali
Pepsi
0
1
2
3
4
5
6
an
0.262
0.393
0.246
0.082
0.015
0.002
0.000
Penyelesaian:
Min adalah dikira sebagaimana berikut:
Bilangan Pengemar Pepsi (X)
0
1
2
3
4
5
6
Kebarangkalian P(X)
X.P(X)
0.262
0.000
0.393
0.393
0.246
0.492
0.082
0.246
0.015
0.060
0.002
0.010
0.000
0.000
[X.P(X)] = 1.201
= E(X) = [X.P(X)] = 1.201

Nilai terjangka pengemar Pepsi ialah 1.201.
X
0
1
2
3
4
5
6
P(X)
(X-)2
0.262
1.442
0.393
0.040
0.246
0.638
0.082
3.236
0.015
7.834
0.002
14.432
0.000
23.030
2
[X-) .P(X)] = 0.963
(X-)2.P(X)
0.378
0.016
0.157
0.265
0.118
0.029
0.000
2 = [X-)2.P(X)] = 0.963
14
IPGK KENT TUARAN
0.963
=
= 0.981
Varian ialah 0.963 dan sisihan piawai ialah 0.981.
Contoh 3:
Biarkan X sebagai no. yang diperolehi apabila sebiji dadu 6-sisi dilambung (x = 1, 2, 3, 4, 5,
6). Biarkan Y sebagai no. yang diperolehi apabila sebiji dadu 4-sisi dilambung (y = 1, 2, 3, 4).
(a)
Cari E(X) dan E(Y).
(b)
Cari Var (X) dan Var (Y).
Penyelesaian:
x
p(x)
X p(x)
x 2 p ( x)
1
2
3
4
5
6
1/6
1/6
1/6
1/6
1/6
1/6
1
1/6
2/6
3/6
4/6
5/6
6/6
21/6
1/6
4/6
9/6
16/6
25/6
36/6
91/6
Daripada jadual kita dapati,
X E ( X ) xP( x)
21
3.5
6
Y E (Y ) yP( y )
10
2.5
4
(a)
X Var ( X ) x 2 p( x) X
(b)
91 21
6
6
105
2.92
36
15
p(y)
Y p(y)
y 2 p( y )
1
2
3
4
2/4
4/4
4/4
9/4
16/4
10/4
30/4
IPGK KENT TUARAN
Y Var (Y ) y 2 p( y ) y
2
20
10
4
4
20
1.25
16
3.2 Taburan Binomial

Ujikaji Binomial
Salah satu taburan diskret yang diketahui dengan meluas ialah taburan binomial.
Taburan binomial telah digunakan beratus tahun dahulu lagi. Beberapa andaian
disebalik penggunaan taburan binomial ialah:
n hasil ditandakan sebagai berjaya atau gagal.

ng sebelumnya.
ana sebutan p ialah kebarangkalian memperolehi kejayaan dan sebutan q = ( 1 p ) ialah kebarangkalian memperolehi k
Sebagaimana ditunjukkan oleh perkataan binomial, mana-mana percubaan tunggal ujikaji
binomial mengandungi hanya dua kemungkinan hasil sahaja.
Dua hasil ini adalah dilabelkan sebagai kejayaan atau kegagalan.
Sebagai contoh, jika analisis kawalan kualiti melihat keluaran yang rosak, ia akan
mempertimbangkan untuk mencari keluaran yang rosak sebagai kejayaan
16
IPGK KENT TUARAN
Jika penyelidik hendak mengkaji orang kidal, hasil memperolehi orang yang kidal di
dalam ujikaji adalah kejayaan.
Lain-lain kemungkinan hasil di dalam ujikaji binomial adalah dipanggil kegagalan.
Perkataan kegagalan adalah digunakan hanya di dalam songsangan kepada kejayaan.
Di dalam ujikaji di atas, kegagalan adalah untuk memperolehi barangan yang baik
(songsangan kepada barangan yang rosak) atau orang yang tidak kidal (songsangan
kepada orang yang kidal).
Taburan binomial adalah taburan diskret. Di dalam n percubaan, hanya X kejayaan adalah
mungkin, dimana X adalah nombor bulat di antara 0 dan n.
Di dalam ujikaji binomial, ujikaji mestilah bebas.
Kekangan ini bermakna sama ada ujikaji secara semula jadi menghasilkan percubaan yang
bebas (seperti melambung duit syiling atau melempar dadu) atau ujikaji dilakukan dengan
penggantian.
Kesan keperluan ujikaji bebas ialah p, kebarangkalian memperolehi kejayaan bagi satu
ujikaji, masih tetap dari satu ujikaji ke satu ujikaji.
Rumus Kebarangkalian Binomial
P(X) n C X .p X .q n -X
n!
.p X .q n -X
X! (n - X)!
Dimana:
n = bilangan percubaan (atau bilangan sampel)
X = bilangan kejayaan yang diperlukan
p = kebarangkalian memperolehi kejayaan di dalam satu percubaan
q = 1 p = kebarangkalian memperolehi kegagalan dalam satu percubaan.
Contoh 1:
Sebuah Syarikat Insuran mendapati bahawa 10% daripada tuntutan kerosakan adalah
disebabkan oleh kecurian. Jika 5 tuntutan dipilih secara rawak, selesaikan masalah di
bawah:
a)
Cari kebarangkalian lebih daripada 4 tuntutan disebabkan oleh kecurian.
b)
Sekurang-kurangnya 2 tuntutan bukan disebabkan oleh kecurian.
c)
Dua hingga empat tuntutan disebabkan oleh kecurian

Penyelesaian:
a) X = bilangan tuntutan kerosakan yang disebabkan oleh kecurian.
X ~ B(n = 5, p = 0.1)
P( x 5) 1 P( x 4)
= 1 0.9997
17
= 0.0003
IPGK KENT TUARAN
5
(0.1) 5 (0.9) 0
5
P x 4 P( x 5)
atau
= (0.1)5
b) P(x 2) = 1 P(x 1)
[Daripada Jadual Binomial], p = 0.9 P(X 1)
= 0.7373
= 1 [P(x = 0)] + P(x = 1)]
= 1 0.7373 = 0.2627
c) P(2 X 4) = P(x = 2) + P(x = 3) + P(x = 4)
= P(x 4) P(x 1)
= 0.9997 0.7373
= 0.2624
Contoh 2:
Sebuah kotak mengandungi 6 guli biru dan 4 guli merah. 3 biji guli dikeluarkan dengan
gantian. Cari kebarangkalian berikut:
i)
Kebarangkalian tiada guli biru yang didapati
ii)
Kebarangkalian sekurang-kurangnya mendapat 1 guli biru.
Penyelesaian:
4 4 4
. . 0.064
10 10 10
i)
P(MMM) =
Atau
X mewakili bilangan biru, nilai bagi x = 0, p = 6/10
P(x = 0) =
3
0
3
0.6 0.4
0
= 0.064
ii)
Sekurang-kurangnya satu bermakna 1 atau lebih biru.
18
IPGK KENT TUARAN
X: bilangan biru yang didapati.
P(X 1) 1 P(x 0) 1 0.064 0.936
Contoh 3:
Satu kajian mendapati 65% daripada semua pelanggan syarikat kewangan adalah amat
berpuas hati dengan institusi kewangan utama. Katakan 40 pelanggan syarikat kewangan
dipilih secara rawak, apakah kebarangkalian hanya 23 daripada 40 pelanggan amat
berpuashati dengan institusi kewangan utama mereka.
Penyelesaian:
Nilai p ialah 0.65 (amat berpuas hati),
nilai q = 1 p
= 1 0.65
= 0.35 (amat tidak berpuas hati),
n = 40,
X = 23.
Formula binomial menghasilkan jawapan berikut:
C23(0.65)23(0.35)17 = (88732378800)(0.000049775)(0.000000)
40
= 0.0784
19
IPGK KENT TUARAN
Latihan
1. Cari kebarangkalian mendapat nombor 6 timbul jika sebiji dadu

dilemparkan sekali.
2. Cari kebarangkalian nombor 6 timbul tepat 4 kali jika sebiji dadu

dilemparkan 10 kali.
3. Menurut bancian Jabatan Buruh, hampir 6% semua dari tenaga
kerja adalah tidak berkerja. Di dalam menjalankan bancian melalui
telefon, apakah kebarangkalian memperolehi dua atau kurang
daripada tenaga kerja tidak berkerja?
4. Satu kajian terhadap keluaran makanan di Malaysia mendapati

Nestle mengawal lebih kurang 10% bahagian pasaran untuk bijirin.
Katakan 20 pembeli bijirin adalah dipilih secara rawak daripada
populasi, apakah kebarangkalian kurang daripada empat pembeli
membeli keluaran Nestle?
20
IPGK KENT TUARAN
Min, Varians dan Sisihan piawai

Taburan binomial mempunyai nilai terjangka atau purata jangka panjang, ditandakan
sebagai . Nilai ditentukan dengan n.p.
Sebagai contoh, jika n = 10 dan p = 0.4 maka = (10(0.4)) = 4.
Purata jangka panjang atau nilai terjangka bermakna jika n item dibuat persampelan di
dalam jangka panjang dan jika p adalah kebarangkalian memperolehi kejayaan bagi
satu percubaan, purata bilangan kejayaan bagi setiap sampel adalah dijangkakan
menjadi n.p.
Jika 40% dari semua guru pelatih di IPG adalah lelaki dan jika sampel rawak 10 guru
pelatih dipilih banyak kali, jangkaannya adalah, secara purata 4 daripada 10 guru
pelatih adalah wanita.
Min (
), varians (
) dan Sisihan Piawai (
n.p
2 n.p.q
n.p.q
21
) Taburan Binomial
4.0
IPGK KENT TUARAN
TABUR
AN
KEBAR
ANGK
ALIAN
SELAN
JAR:
TABUR
4.1 Pengenalan kepada
Normal Piawai
Sifat-sifat taburan
Taburan normal
AN
KEBAR
Setiap separuh
cermin daripada
Kebanyakan jadual
nilai kebarangkalian
taburan Normal dan taburan

Normal
adalah simetri.
daripada taburan ialah imej
ANGK
ALIAN
22
sebelah bahagian yang satu lagi.

taburan normal mengandungi
hanya untuk satu bahagian
IPGK KENT TUARAN
taburan disebabkan nilai kebarangkalian bagi bahagian taburan yang satu lagi adalah
identikal dengan simetri.
Secara teorinya, taburan normal adalah asimtot kepada paksinya. Ia tidak menyentuh
paksi-X dan ia pergi terus di dalam setiap arah.
Realitinya ialah kebanyakkan penggunaan keluk normal adalah ujikaji yang
mempunyai limit finit bagi potensi hasil.
Sebagai contoh, keputusan ujian SAT yang dianalisis oleh taburan normal, skor SAT
hanyalah antara 200 hingga 800.
Keluk normal kadangkala dirujukkan sebagai keluk berbentuk lonceng. Ia adalah
unimodal di dalam nilai yang meningkat hanya di dalam satu bahagian graf, iaitu di
tengah-tengah keluk.
Taburan normal sebenarnya adalah keluarga keluk. Setiap nilai unik bagi min dan nilai
unik bagi sisihan piawai mempunyai keluk normal yang berlainan.
Sebagai tambahan, jumlah keluasan di bawah sebarang taburan normal adalah 1.
Keluasan di bawah keluk menghasilkan kebarangkalian, oleh itu jumlah semua
kebarangkalian bagi taburan normal ialah 1.
Disebabkan oleh taburan normal adalah simetri, keluasan taburan di setiap bahagian
keluk mempunyai min 0.5.
Taburan normal ini adalah mustahak di antara taburan-taburan yang lain dan sering
digunakan dalam statistik.
Jika pembolehubah rawak X tertabur secara normal dengan min dan varians 2,
secara ringkas ditanda dengan X~ N(, 2), maka fungsi ketumpatan kebarangkalian
bagi x ialah
,
parameter : , 2 ,
: min populasi ,
2 : varian populasi
Populasi normal biasanya mengandungi unsur-unsur yang terlalu banyak, iaitu nilai N
yang terlalu besar.
Populasi Normal ini diperihalkan oleh bentuk Histogram daripada Taburan Kekerapan
Relatif.
23
IPGK KENT TUARAN
Oleh kerana populasi normal dianggap mempunyai cerapan-cerapan yang terlalu

banyak, selang kelas bagi Histogram Taburan Kekerapan Relatif boleh dipilih sekecilkecilnya sehingga Histogram tersebut kelihatan seperti satu lengkungan yang licin
Kekerapan Relatif
seperti dalam Rajah di bawah.

Rajah Histogram Kekerapan Relatif Bagi Populasi Normal
Tinggi
Sifat-sifat taburan Normal Piawai

Bentuk dan tempat letaknya sesuatu lengkung normal bergantung kepada parameter
dan .
Jika dan diketahui, lengkung normal dapat diketahui dengan lengkapnya.
24
IPGK KENT TUARAN
Kebarangkalian bahawa pembolehubah rawak X mengambil nilai-nilai di antara X = a dan X

= b, dengan
a<b , diwakili oleh luas di bawah lengkung yang berpadanan dalam selang
(a, b), iaitu:
Kesulitan wujud apabila kebarangkalian dihiting dengan mencari luas di antara dua nilai X di
bawah suatu lengkung normal.
Oleh itu, sifar luas lengkung normal diperlukan untuk rujukan segera.
Untuk tujuan ini, taburan normal dengan min 0 dan sisihan piawai 1 digunakan sebagai dan
ia disebut taburan normal piawai.
Persamaan bagi fungsi ketumpatan kebarangkalian ialah:
Kita akan menggunakan huruf Z untuk mewakili suatu pembolehubah rawak noral piawai,
iaitu
Z N (0, 1) .
Mencari luas di bawah taburan Normal
25
IPGK KENT TUARAN
4.2 Taburan Normal: Mengira kebarangkalian

Mencari kebarangkalian untuk taburan Normal
26
IPGK KENT TUARAN
27
IPGK KENT TUARAN
28
IPGK KENT TUARAN
4.3 Taburan normal: mencari nilai

Skor Z
Skor Z mewakili nombor nilai sisihan piawai di atas atau di bawah min bagi set nombor
apabila data adalah bertaburan normal.
Menggunakan skor Z membolehkan kita menterjemahkan nilai kasar jarak daripada
min kepada unit sisihan piawai.
X-
Jika skor Z negatif, maka nilai kasar (X) adalah di bawah min dan sebaliknya.
Contoh 1:
Bagi set data yang bertaburan normal dengan min adalah 50 dan sisihan piawai 10,
tentukan skor Z bagi nilai 70 (X = 70).
Penyelesaian:
Nilai X = 70 adalah 20 unit di atas min, oleh itu:
70 - 50
10
20
2
2.00
Skor Z ini menunjukkan skor kasar 70 adalah dua sisihan piawai di atas min.
Bagaimana skor Z ini ditafsirkan? Peraturan empirikal menyatakan bahawa 95% daripada
semua nilai adalah disekitar dua sisihan piawai dari min jika data adalah hampir bertaburan
normal. Nilai 70 adalah dua sisihan piawai di atas min ( Z = 2.00), 95% daripada nilai
Z
adalah di antara 70 dan 30, iaitu dua sisihan piawai di bawah min
29
30 - 50
- 2.00
10
IPGK KENT TUARAN
Oleh kerana 5% daripada nilai diluar jeda dua sisihan piawai daripada min dan bertaburan
normal adalah simetri, 2.5% adalah di bawah nilai 30.
Oleh itu, 97.5% daripada nilai
adalah di bawah 70. Disebabkan skor Z adalah bilangan sisihan piawai bagi nilai individu
data daripada min, peraturan empirikal boleh dinyatakan semula didalam sebutan skor Z.
Rajah 4.3: Peratus Pecahan Skor Dua Sisihan Piawai daripada Min
Di antara Z = -1.00 dan Z = +1.00 adalah hampir 68% daripada nilai

Di antara Z = -2.00 dan Z = +3.00 adalah hampir 95% daripada nilai
Di antara Z = -3.00 dan Z = +4.00 adalah hampir 99.5% daripada nilai
JADUAL TABURAN NORMAL (z)
0.00
0.01
0.02
0.03
0.04
0.05
0.06
0.07
0.08
0.09
0.0
0.0000
0.0040
0.0080
0.0120
0.0160
0.0199
0.0239
0.0279
0.0319
0.0359
0.1
0.0398
0.0438
0.0478
0.0517
0.0557
0.0596
0.0636
0.0675
0.0714
0.0753
0.2
0.0793
0.0832
0.0871
0.0910
0.0948
0.0987
0.1026
0.1064
0.1103
0.1141
0.3
0.1179
0.1217
0.1255
0.1293
0.1331
0.1368
0.1406
0.1443
0.1480
0.1517
0.4
0.1554
0.1591
0.1628
0.1664
0.1700
0.1736
0.1772
0.1808
0.1844
0.1879
0.5
0.1915
0.1950
0.1985
0.2019
0.2054
0.2088
0.2123
0.2157
0.2190
0.2224
0.6
0.2257
0.2291
0.2324
0.2357
0.2389
0.2422
0.2454
0.2486
0.2517
0.2549
0.7
0.2580
0.2611
0.2642
0.2673
0.2704
0.2734
0.2764
0.2794
0.2823
0.2852
0.8
0.2881
0.2910
0.2939
0.2967
0.2995
0.3023
0.3051
0.3078
0.3106
0.3133
0.9
0.3159
0.3186
0.3212
0.3238
0.3264
0.3289
0.3315
0.3340
0.3365
0.3389
1.0
0.3413
0.3438
0.3461
0.3485
0.3508
0.3531
0.3554
0.3577
0.3599
0.3621
1.1
0.3643
0.3665
0.3686
0.3708
0.3729
0.3749
0.3770
0.3790
0.3810
0.3830
1.2
0.3849
0.3869
0.3888
0.3907
0.3925
0.3944
0.3962
0.3980
0.3997
0.4015
30
IPGK KENT TUARAN
1.3
0.4032
0.4049
0.4066
0.4082
0.4099
0.4115
0.4131
0.4147
0.4162
0.4177
1.4
0.4192
0.4207
0.4222
0.4236
0.4251
0.4265
0.4279
0.4292
0.4306
0.4319
1.5
0.4332
0.4345
0.4357
0.4370
0.4382
0.4394
0.4406
0.4418
0.4429
0.4441
1.6
0.4452
0.4463
0.4474
0.4484
0.4495
0.4505
0.4515
0.4525
0.4535
0.4545
1.7
0.4554
0.4564
0.4573
0.4582
0.4591
0.4599
0.4608
0.4616
0.4625
0.4633
1.8
0.4641
0.4649
0.4656
0.4664
0.4671
0.4678
0.4686
0.4693
0.4699
0.4706
1.9
0.4713
0.4719
0.4726
0.4732
0.4738
0.4744
0.4750
0.4756
0.4761
0.4767
2.0
0.4772
0.4778
0.4783
0.4788
0.4793
0.4798
0.4803
0.4808
0.4812
0.4817
2.1
0.4821
0.4826
0.4830
0.4834
0.4838
0.4842
0.4846
0.4850
0.4854
0.4857
2.2
0.4861
0.4864
0.4868
0.4871
0.4875
0.4878
0.4881
0.4884
0.4887
0.4890
2.3
0.4893
0.4896
0.4898
0.4901
0.4904
0.4906
0.4909
0.4911
0.4913
0.4916
2.4
0.4918
0.4920
0.4922
0.4925
0.4927
0.4929
0.4931
0.4932
0.4934
0.4936
2.5
0.4938
0.4940
0.4941
0.4943
0.4945
0.4946
0.4948
0.4949
0.4951
0.4952
2.6
0.4953
0.4955
0.4956
0.4957
0.4959
0.4960
0.4961
0.4962
0.4963
0.4964
2.7
0.4965
0.4966
0.4967
0.4968
0.4969
0.4970
0.4971
0.4972
0.4973
0.4974
2.8
0.4974
0.4975
0.4976
0.4977
0.4977
0.4978
0.4979
0.4979
0.4980
0.4981
2.9
0.4981
0.4982
0.4982
0.4983
0.4984
0.4984
0.4985
0.4985
0.4986
0.4986
3.0
0.4987
0.4987
0.4987
0.4988
0.4988
0.4989
0.4989
0.4989
0.4990
0.4990
3.1
0.4990
0.4991
0.4991
0.4991
0.4992
0.4992
0.4992
0.4992
0.4993
0.4993
3.2
0.4993
0.4993
0.4994
0.4994
0.4994
0.4994
0.4994
0.4995
0.4995
0.4995
3.3
0.4995
0.4995
0.4995
0.4996
0.4996
0.4996
0.4996
0.4996
0.4996
0.4997
3.4
0.4997
0.4997
0.4997
0.4997
0.4997
0.4997
0.4997
0.4997
0.4997
0.4998
Nota:
Taburan di atas adalah satu sisi kanan (positif) (z 0).
Oleh kerana taburan normal berbentuk simetri dengan z = 0, maka taburan satu
sisi kiri (negatif) adalah sama seperti kawasan satu sisi kanan (positif).
P(1.96 z 0) = 0.475, oleh itu:
P(1.96 z 1.96) = 2(0.475)
= 0.95.
31
IPGK KENT TUARAN
4.4 Taburan Pensampelan dan Teorem Had Memusat

Definisi Taburan persampelan
Persampelan meluas digunakan di dalam perniagaan untuk memperolehi maklumat
yang berguna berkaitan populasi.
Data adalah diambil daripada sampel dan kesimpulan adalah dibuat terhadap populasi
sebagai bahagian daripada proses pentaabiran statistik.
Sebagai contoh, katakan penyelidik mahu menjalankan kajian terhadap kepuasan
pekerja-pekerja kilang disekitar Kota Kinabalu. Untuk melakukan kajian ini, sampel
rawak pekerja-pekerja kilang dari beberapa kilang disekitar Kota Kinabalu akan dipilih.
Soal selidik yang dibuat dengan teliti akan digunakan untuk memperolehi data yang
dikehendaki. Penyelidik kemudiannya akan menganalisis data yang diperolehi dari
jawapan pekerja-pekerja yang telah dipilih. Ringkasan dan keputusan kajian akan
disediakan berdasarkan keputusan analisis yang diperolehi. Pihak pengurusan kilang
dan pembuat keputusan akan menggunakan lapuran keputusan kajian tersebut uantu
membantu mereka di dalam memperbaiki keadaan tempat kerja dan motivasi pekerjapekerja.
Biasanya sampel yang sempurna akan dapat memberikan maklumat yang amat
berguna di dalam proses membuat keputusan.
Taburan persampelan daripada min sampel
Di dalam proses statistik pentaabiran, sampel rawak adalah dipilih dari populasi,
statistik dikira berdasarkan sampel, dan kesimpulan adalah dibuat berkaitan parameter
populasi dari statistik.
Di dalam percubaan untuk menganalisis statistik sampel, biasanya kita perlu
mengetahui taburan statistik.
Di dalam bahagian ini, kita akan mengkaji min sampel,
, sebagai statistik. Min
sampel ialah statistik yang biasa digunakan di dalam statistik pentaabiran.

Untuk mengira dan menetapkan kebarangkalian terjadi sesuatu nilai bagi min sampel,
penyelidik mesti mengetahui taburan bagi min sampel.
32
IPGK KENT TUARAN
Satu cara untuk menguji taburan kebarangkalian adalah mengambil populasi dengan
taburan tertentu, memilih sampel rawak bagi saiz tertentu, kira min sampel, dan cuba
untuk menentukan bagaimana mereka bertaburan.
Katakan populasi finit yang kecil mengandungi hanya N = 8 angka: 54, 55, 59, 63, 64,
68, 69, 70.
Menggunakan histogram, kita lihat bentuk taburan bagi populasi data.
Katakan kita mengambil semua kemungkinan sampel bersaiz n = 2 daripada populasi

ini dengan penggantian. Keputusannya adalah sebagaimana pasangan data berikut:
(54,54)
(55,54)
(59,54)
(63,54)
(64,54)
(68,54)
(69,54)
(70,54
(54,55)
(55,55)
(59,55)
(63,55)
(64,55)
(68,55)
(69,55)
(70,55
(54,59)
(55,59)
(59,59)
(63,59)
(64,59)
(68,59)
(69,59)
(70,59
(54,63)
(55,63)
(59,63)
(63,63)
(64,63)
(68,63)
(69,63)
(70,63
(54,64)
(55,64)
(59,64)
(63,64)
(64,64)
(68,64)
(69,64)
(70,64
(54,68)
(55,68)
(59,68)
(63,68)
(64,68)
(68,68)
(69,68)
(70,68
(54,69)
(55,69)
(59,69)
(63,69)
(64,69)
(68,69)
(69,69)
(70,69
(54,70)
(55,70)
(59,70)
(63,70)
(64,70)
(68,70)
(69,70)
(70,70
33
IPGK KENT TUARAN
Min bagi setiap sampel ini ialah

54.0
54.5
56.5
58.5
59.0
61.0
61.5
62.0
54.5
55.0
57.0
59.0
59.5
61.5
62.0
62.5
56.5
57.0
59.0
61.0
61.5
63.5
64.0
64.5
58.5
59.0
61.0
63.0
63.5
65.5
66.0
66.5
59.0
59.5
61.5
63.5
64.0
66.0
66.5
67.0
61.0
61.5
63.5
65.5
66.0
68.0
68.5
69.0
61.5
62.0
64.0
66.0
66.5
68.5
69.0
69.5
62.0
62.5
64.5
66.5
67.0
69.0
69.5
70.0
Sekali lagi, menggunakan histogram, kita boleh melihat bentuk taburan bagi min
sampel ini.
Perhatikan bentuk histogram bagi min sampel adalah lebih kurang sama bentuknya
histogram populasi. Min sampel kelihatannya memenuhi ke arah pertengahan taburan
dan mengecil kearah hujung taburan.
Walau bagaimanapun, min sampel yang diambil dari populasi ini menghampiri taburan
normal, terutamanya apabila saiz sampel bertambah besar.
34
IPGK KENT TUARAN
Apakah akan terjadi kepada taburan min sampel jika kita mengkaji populasi yang
mempunyai bentuk taburan yang berbeza? Jawapan akan diberikan di dalam teorem
had memusat.
Tafsiran Teorem Had Memusat

Teorem had memusat membentuk potensi penggunaan taburan normal kepada
banyak masalah apabila saiz sampel adalah cukup besar.
Min sampel yang hendak dikira dari sampel rawak yang dipilih daripada populasi yang
bertaburan normal adalah bertaburan normal.
Walau bagaimanapun, kebaikan sebenar teorem had memusat ialah bahawa sampel
data adalah diambil daripada populasi yang tidak bertaburan normal atau populasi
yang tidak diketahui bentuknya juga boleh dianalisis menggunakan taburan normal
kerana min sampel adalah bertaburan normal untuk sampel yang cukup besar
saiznya.
Lajur 1 Rajah 4.4 menunjukkan empat taburan populasi yang berbeza. Setiap lajur
yang bersebelahan menunjukkan bentuk taburan min sampel bagi saiz sampel yang
tertentu. Perhatikan dibaris bawah sekali bagi populasi yang bertaburan normal
menunjukkan min sampel adalah juga bertaburan normal apabila n = 2.
Perhatikan juga bagi lain-lain taburan populasi, taburan min sampel menghampiri
keluk normal apabila n menjadi semakin besar. Bagi semua empat taburan, taburan
min sampel menghampiri normal apabila n = 30.
Jika sampel bersaiz n diambil secara rawak daripada populasi dan
Teorem
mempunyai min dan sisihan piawai , min sampel
, adalah
bertaburan normal bagi sampel saiz yang cukup besar (n 30)

menurut bentuk taburan populasi. Jika populasi bertaburan normal,
min sampel adalah bertaburan normal bagi sebarang saiz sampel.
Dari jangkaan matematik, ia boleh ditunjukkan bahawa min bagi min
sampel ialah min populasi.
X
dan sisihan piawai bagi min sampel ialah sisihan piawai populasi
dibahagikan dengan punca kuasadua saiz sampel.
35
IPGK KENT TUARAN
Rajah 4.4: Bentuk Taburan Min Sampel bagi Tiga Saiz Sampel yang diambil dari Empat Taburan Populasi yang
Berbeza
Jika populasi adalah bertaburan normal, min sampel adalah bertaburan normal bagi
sampel saiz sekecil n = 1. Sebagaimana yang ditunjukkan di dalam Rajah 4.4,
taburan adalah semangkin tirus. Ini disebabkan sisihan piawai bagi min ialah
Nilai ini akan menjadi semangkin kecil apabila saiz n ditingkatkan.

Di dalam jadual 4.4.1, min dan sisihan piawai bagi min adalah ditunjukkan bagi
sampel rawak berbagai saiz (n = 2 hingga n = 30) diambil dari taburan seragam
dengan a = 10 dan b = 30. Min populasi ialah 20, dan sisihan piawai populasi ialah
5.774. Perhatikan min bagi min sampel bagi setiap saiz sampel adalah hampir 20 dan
sisihan piawai bagi min sampel bagi setiap set 90 sampel adalah hampir sama
dengan
.
36
IPGK KENT TUARAN
Perbezaan yang kecil di antara sisihan piawai min sampel dan
disebabkan tidak
semua sampel yang mungkin bagi sampel saiz yang diberi diambil dari populasi
(hanya 90).
Secara teorinya, jika semua kemungkinan sampel bagi sampel saiz yang diberi adalah
diambil, min bagi min sampel adalah sama dengan min populasi dan sisihan piawai
bagi min sampel adalah sama sebagaimana sisihan piawai dibahagi dengan punca
kuasa dua n.
X
Jadual 4.4.1
X
dan
90 Sampel rawak untuk Lima Saiz Sampel yang Berbeza
Saiz sampel
Min bagi Min Sampel
Sisihan Piawai bagi Min Sampel
n=2
19.92
3.87
20
4.08
n=5
20.17
2.65
20
2.58
n = 10
20.04
1.96
20
1.83
n = 20
20.20
1.37
20
1.29
n = 30
20.25
0.99
20
1.05
Teorem had memusat menyatakan min sampel adalah bertaburan normal bergantung
kepada bentuk populasi untuk sampel yang besar dan bagi sebarang saiz sampel
dengan populasi yang bertaburan normal. Min sampel ini boleh dianalisis dengan
menggunakan skor Z. Ingat kembali bahawa skor-z adalah:
Z
X-
Jika min sampel adalah bertaburan normal, formula skor Z yang digunakan untuk min
sampel adalah:
Z
X - X
Keputusan ini mengikut corak am skor Z: perbezaan di antara statistik dan min
dibahagi dengan stastistik sisihan piawai.
37
IPGK KENT TUARAN
X
Di dalam formula ini, min statistik yang diminati ialah
dan sisishan piawai yang
X
dikehendaki ialah
, kadang kala dirujukkan sebagai ralat piawai bagi min.
X
Untuk menentukan
, penyelidik mesti mempunyai pilihan rawak daripada semua
kemungkinan sampel untuk saiz daripada populasi, kirakan min sampel, dan
mempuratakannya.
Tugas ini adalah mustahil untuk disiapkan di dalam masa yang realistik. Oleh yang
X
demikian,
adalah sama sebagaimana , yang mana mudah untuk diperolehi.
X
Disamping itu, untuk menentukan nilai
, penyelidik perlu mengambil semua
kemungkinan sampel bagi saiz yang diperlukan dari populasi, kirakan min sampel, dan
tentukan sisihan piawai bagi sampel.
X
Kerja ini juga adalah mustahil. Oleh itu,
boleh dikira dengan menggunakan
sisihan piawai populasi dibahagikan dengan punca kuasa dua saiz sampel.
Apabila sampel saiz meningkat, sisihan piawai bagi min sampel menjadi kecil dan kecil
disebabkan sisihan piawai populasi dibahagikan dengan nilai yang semakin besar
punca kuasa dua n. Kebaikan utama teorem had memusat ialah praktikal, versi yang
amat berguna bagi formula Z untuk min sampel.
Formula Z bagi Min Sampel
X -

Apabila populasi adalah bertaburan normal dan saiz sampel adalah 1, formula ini bagi
min sampel akan menjadi formula Z yang asal bagi nilai individu. Ini disebabkan min
bagi nilai satu ialah nilai tersebut, dan apabila n = 1 nilai.
38
IPGK KENT TUARAN
Kebarangkalian dan Teorem Had memusat: Mencari kebarangkalian untuk taburan

pensampelan
Contoh 1:
Min perbelanjaan per pelanggan di pasar raya ialah RM85.00, dengan sisihan piawai
RM9.00. Jika sampel rawak 40 pelanggan diambil, apakah kebarangkalian purata
sampel perbelanjaan per pelanggan bagi sampel ini adalah RM87.00 atau lebih?
Penyelesaian:
Disebabkan saiz sampel adalah lebih besar daripada 30, teorem had memusat boleh
digunakan, dan min sampel adalah bertaburan normal. Dengan = RM85.00, =
RM9.00 dan formula Z bagi min sampel, Z dikira sebagai:
X-

n
RM87.00 - RM85.00
RM9.00
40
RM2.00
RM1.42
1.41
39
IPGK KENT TUARAN
Untuk Z = 1.41 di dalam taburan Z, kebarangkaliannya ialah 0.4207. Ia adalah

kebarangkalian memperolehi min di antara RM87.00 dan min populasi, RM85.00.
Menyelesaikan untuk hujung taburan menghasilkan:
0.5000 0.4207 = 0.0793
dimana kebarangkalian
RM87.00. Iaitu, 7.93% dari sampel rawak 40 pelanggan
dari populasi ini akan menghasilkan min perbelanjaan RM87.00 atau lebih.
Rajah dibawah menunjukkan masalah ini dan penyelesaiannya.
40
IPGK KENT TUARAN
Contoh 2:
Katakan dalam sata satu jam di dalam pasaraya yang besar, purata bilangan
pelanggan ialah 448, dengan sisihan piawai 21 pelanggan. Apakah kebarangkalian
sampel rawak 49 jam membeli belah yang berbeza akah menghasilkan min sampel
antara 441 dan 446 pelanggan?
Penyelesaian:
Bagi masalah ini, = 448, = 21, dan n = 49. Masalahnya ialah untuk mencari P(441
446). Gambar rajah di bawah meenerangkan masalah tersebut.
41
IPGK KENT TUARAN
Menyelesaikan masalah ini dengan mengira skor Z.
441 - 448 - 7
- 2.33
3
21
49
dan
446 - 448 - 2
- 0.67
3
21
49
Kebarangkalian nilai Z = -2.33 ialah 0.4901 dan kebarangkalian nilai Z = -0.67 ialah
0.2486. Oleh itu kebarangkalian nilai Z di antara Z = -2.33 dan Z = 0.67 ialah 0.4901
0.2486 = 0.2415. Oleh yang demikian, terdapat 24.15% peluang memilih secara
rawak tempoh masa 49 jam untuk memperolehi min sampel di antara 441 dan 446
pelanggan.
4.5 Penghampiran Normal kepada taburan Binomial

Adalah sangat menarik untuk dipaparkan bahawa walaupun taburan normal merupakan
taburan selanjar, ianya boleh digunakan untuk dibuat penghampiran bagi taburan
Binomial.
Penghampiran ini dianggap baik sekiranya sampel saiz n besar dan p tidak terlalu
hampir kepada 0 atau 1.
Sebagai panduan, penghampiran Normal boleh digunakan sekiranya n 20 dan 0.05
< p < 0.95, nilai np 5 dan nq 5. Secara ringkasnya boleh dinyatakan,
X ~ N(np, npq)
Apabila n besar dan np 5 dan nq 5,
X N( = np, 2 = npq)
Maka,
Z
X X np
~ N(0, 1)
npq
Oleh kerana taburan Binomial adalah diskrit dan taburan normal adalah selanjar, maka
diperlukan Pembetulan Faktor Keselanjaran iaitu dengan menolak atau menambah 0.5
ditempat yang sepatutnya.
Sebagai panduan;
P(X k ) = p(X k + 0.5)
P(X k) = p(X k 0.5)
P(X = k) = p(k x k 42
+ 1)
= p(k 0.5) X (k + 1) 0.5)
IPGK KENT TUARAN
Contoh 1:
Misalkan X ~ B(n = 20, P = 0.3). Cari P(5 X 10)
Penyelesaian:
Kebarangkalian X di antara 5 dan 10 boleh ditunjukkan dengan Rajah di bawah:
Rajah: Taburan Binomial dengan n = 20, p = 0.3
Dengan Taburan Normal superimposed dengan = 6, = 2.05
P(5
10) adalah kawasan yang dilorekkan dalam rajah atas.
Kita akan
selesaikan masalah ini iaitu dengan menggunakan Taburan Binomial, Penghampiran

Normal Tanpa Pembetulan Faktor keselanjaran dan Penghampiran Normal Dengan
Faktor Keselanjaran.
43
IPGK KENT TUARAN
P(5 X 10) dengan menggunakan Jadual Binomial:

P(x 10) P(x 4) = 0.9829 0.2375 = 0.7454
Penghampiran Normal Tanpa Pembetulan Faktor Keselanjaran
10 6
56
X
2.05
2.05
P(5 X 10) P
= P(0.49 < Z < 1.95) = 0.9744 0.3121 = 0.6623

Penghampiran Normal Dengan Pembetulan Faktor Keselanjaran
P(5 X 10) P(4.5 X 10.5)
10.5 6
4.5 6
Z
2.05
2.05
=
= P(-0.73 Z 2.20) = P(Z 2.20) P(Z - 0.73)
= 0.986 0.2327 = 0.7534
Daripada contoh di atas, jelaslah di sini bahawa dengan menggunakan pembentulan

faktor keselanjaran memberikannilai yang hampir kepada Taburan Binomial.
Contoh 2:
Misalkan 40% daripada pelajar yang mengambil kursus MTK 3003 pada semester
lepas telah mendapat gred C. Jika 100 orang pelajar dipilih secara rawak apakah
kebarangkalian lebih daripada 30 orang telah mendapat gred C.
Penyelesaian:
X : bilangan pelajar yang mendapat gred C. X ~ B(n = 100, p = 0.4)
Oleh kerana n besar dan np dan nq > 5, maka:
X N( = np = 100 x 4 = 40, 2 = npq = 100 x (0.4)(0.6) = 24)
Maka,
P(X > 30) = P(X 31) P(X 30.5)
= 1 P(X 30.5)
30.5 40
1 P Z
1 P(Z 1.94)
4.8990
=
= 1 0.0262 = 0.9738
44
IPGK KENT TUARAN
Contoh 3:
Sejenis bateri storan pada puratanya dapat digunakan selama 3 tahun dengan sisihan
piawai 0.5 tahun.
Anggap hayat/umur bateri tersebut tertabur secara normal.
Selesaikan:
1. Jika sebuah bateri dibeli, cari kebarangkalian bahawa bateri tersebut boleh
digunakan selama:
a) kurang daripada 2.3 tahun.
b) lebih besar daripada 4.25 tahun
2. Jika min hayat 1000 bateri storan adalah boleh digunakan selama 3 tahun dengan
sisihan piawai 0.5 tahun, kirakan berapa buah bateri yang boleh digunakan di
antara 2.32 hingga 4.65 tahun.
3. 2.5% tertinggi daripada umur bateri adalah lebih daripada berapa tahun?
Penyelesaian:
Soalan 1
a)
2.3 - 3
P(X 2.3) P z
0.5
P(z 1.4)
0.0808
b)
(4.25 - 3)
P(X 4.25) P Z
0.5
P(Z 2.5)
1 P(Z 2.5)
= 1 - .9938
= 0.0062
2. P(2.32 < X < 4.65)
45
IPGK KENT TUARAN
4.65 3
2.32 3
Z
P( 1.36 Z 3.3)
0.5
0.5
= P(Z < 3.3) P(Z < - 1.36)

= 0.9995 - 0.0869
= 0.9126
Bilangan bateri yang boleh digunakan di antara 2.32 hingga 4.65 tahun adalah
sebanyak (1000 x 0.9126) = 9126.
3.
P(X > x0) = 0.025
P(X < x0) = 0.975
x 3
P Z 0
.975
0.5
x0 3
1.96 ,
0.5
, P(Z 1.96) 0.975
x 0 0.98 3 3.98
RUJUKAN
Abdul Hadi Yaakub dan Ong Beng Sim. (2013). Mathematics for Matriculation. Selangor Darul
Ehsan. Oxford Fajar Sdn.Bhd.
Mansoh Jusoh. (1986). KEBARANGKALIAN DAN STATISTIK. Kuala Lumpur: Dewan Bahasa dan
Pustaka Kementerian Pelajaran Malaysia.
Pa Ismail. (1985). Kebarangkalian. Kuala Lumpur: Dewan Pusaka Kementerian Pelajar Malaysia.
Soon Chin Loong dan Lau Too Kya. (2012). Per-U Text STPM Mathematics (T) Third Term. Kuala
Lumpur. Pearson Malaysia SDN BHD.
Stefan Waner. (2000). Probability. Muat turun 1 September 2013, dari
http://people.hofstra.edu/stefan_waner/RealWorld/Summary6.html
46
IPGK KENT TUARAN
Tan Chong Eng, Lye Min Soon dan Khor Bean Hwa. (2004). Pure and Statistics. Selangor Darul
Ehsan. Oxford Fajar Sdn.Bhd.
LAM
PIRA
N
47

Taburan Kebarangkalian Diskret 1

Uploaded by

Copyright:

Available Formats

You might also like

Taburan Kebarangkalian Diskret 1

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Taburan Kebarangkalian Diskret 1

Uploaded by

Copyright:

Available Formats

MTE 1034 Kebarangkalian

IPGK KENT TUARAN

Dalam suatu kajian

Jinjang dalam dua permainan

menang (M), seri (S), atau kalah

MTE 1034 Kebarangkalian

IPGK KENT TUARAN

Jika ia dipindah dalam bentuk set :

Nombor 0, 1, 2 boleh dianggap sebagai nombor yang timbul secara rawak.

{ 0, 1,2 } dikenali sebagai satu pembolehubah rawak.

Bilangan titik di ruang sampel S ialah 10C4

MTE 1034 Kebarangkalian

IPGK KENT TUARAN

Bilangan titik di ruang sampel S ialah 104

MTE 1034 Kebarangkalian

IPGK KENT TUARAN

1. 3 biji guli dikeluarkan tanpa gantian daripada sebuah kotak yang

pembolehubah rawak X yang mewakili bilangan kali mendapat angka.