Professional Documents
Culture Documents
Taburan Kebarangkalian Diskret 1
Taburan Kebarangkalian Diskret 1
Taburan Kebarangkalian Diskret 1
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.
sebagai
DISK
RET
tentang
rekod
{ MM , SS , KK , MS , SM , MK , KM , SK , KS } .
1
setiap
(K).
Oleh itu, ruang sampel ialah
permainan
Namun demikian, adakalanya kita hanya ingin mengetahui bilangan kemenangan dalam
dua permainan itu. Maka nombor yang terlibat ialah
{ 0, 1,2 } .
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)
x = 0, 1, 2, 3, 4
2
ii)
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
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
x1 ,
x 2 , ...,
P( X x )
i 1
Jika
xn
dan
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)}
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.
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 =
'
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
Y = {0, 2, 4, 6 }
P (Y = y ) =
12 y
36
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 =4 ) + P (Y =6 )
2 1
+
9 6
7
8
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 }
2
3
5
7
8 10
+ + + + +
2k 2k 2k 5k 5k 5k
10 25
+
2k 5k
5 5
+
k k
10
k
P ( U=u )=1
10
=1
k
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 }
Latihan
P( X =x)
0.20
0.35
0.30
0.15
X ={ 1,2, 3, 4 }
bagi
diberi oleh
pembolehubah
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
E( x ).
Katakan X adalah satu pembolehubah rawak diskret dengan fungsi kebarangkalian
P( x) ,
maka nilai
x P (X )
Mean,
E( X )
x P( X=x )
Jika kebarangkalian mendapatkan nilai
p1 ,
adalah
p2 ,
p3 dan
a1 , a2 , a3 dan a 4 masing-masing
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
2=E [ (X )2 ]
Variance,
Varians boleh dinyatakan dalam bentuk yang lain yang lebih mudah untuk digunakan
dalam pengiraan yang melibatkan kuantiti ( X
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,
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
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
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
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
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
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
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)
(b)
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
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
Y Var (Y ) y 2 p( y ) y
2
20
10
4
4
20
1.25
16
16
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)
b)
c)
P( x 5) 1 P( x 4)
= 1 0.9997
17
= 0.0003
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)
ii)
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)
18
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
Latihan
20
Min (
), varians (
n.p
2 n.p.q
n.p.q
21
) Taburan Binomial
4.0
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
ANGK
ALIAN
22
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
Kekerapan Relatif
Tinggi
24
a<b , diwakili oleh luas di bawah lengkung yang berpadanan dalam selang
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) .
25
26
27
28
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
Oleh kerana 5% daripada nilai diluar jeda dua sisihan piawai daripada min dan bertaburan
normal adalah simetri, 2.5% adalah di bawah nilai 30.
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
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
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
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.
(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
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
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.
, adalah
X
dan sisihan piawai bagi min sampel ialah sisihan piawai populasi
dibahagikan dengan punca kuasadua saiz sampel.
35
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
dengan
.
36
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
Saiz 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
X
Di dalam formula ini, min statistik yang diminati ialah
X
dikehendaki ialah
X
Untuk menentukan
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,
X
Disamping itu, untuk menentukan nilai
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,
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
X-
n
RM87.00 - RM85.00
RM9.00
40
RM2.00
RM1.42
1.41
39
dimana kebarangkalian
dari populasi ini akan menghasilkan min perbelanjaan RM87.00 atau lebih.
Rajah dibawah menunjukkan masalah ini dan penyelesaiannya.
40
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
41
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.
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)
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
Kita akan
10 6
56
X
2.05
2.05
P(5 X 10) P
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
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
Contoh 3:
Sejenis bateri storan pada puratanya dapat digunakan selama 3 tahun dengan sisihan
piawai 0.5 tahun.
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
45
4.65 3
2.32 3
Z
P( 1.36 Z 3.3)
0.5
0.5
x 3
P Z 0
.975
0.5
x0 3
1.96 ,
0.5
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
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