Download as doc, pdf, or txt
Download as doc, pdf, or txt
You are on page 1of 15

STATISTICS IN EUCATION GROUP

ASSGINMENT
(SGDP 5053)

COLLEGES OF ARTS AND SCIENCES


MASTER OF SCIENCE
(EDUCATIONAL MANAGEMENT)

(SGDP 5053)
STATISTICS IN EUCATION

DISEDIKAN OLEH:

VIJAYA A/P MUTHUSAMY 815343

JEGENTHAMBAL A/P ARUMUGAM 815360

AMUNIYAMMAL A/P SUPRAMANIAM 815422

Konsep Taburan Normal

1
STATISTICS IN EUCATION GROUP
ASSGINMENT
(SGDP 5053)

Taburan normal adalah satu konsep yang penting untuk menentukan data yang
dikumpul itu normal atau tidak normal. Taburan normal, juga dikenali sebagai taburan
Gaussian. Taburan Normal sering dipanggil sebagai "lengkung loceng". Taburan normal
adalah keluarga pengagihan, ia adalah satu pemboleh ubah rawak dengan min dan
sisihan piawai daripada saiz unit-unit yang berbeza mempunyai corak taburan yang
berbeza.

Ia adalah pengedaran teori yang paling biasa digunakan dalam penyelidikan


psikologi.Keluasan di bawah keluk menghasilkan kebarangkalian bagi kenormalan 1.
Disebabkan oleh kenormalan adalah simetri, keluasan taburan di setiap bahagian keluk
atas dan bawah min mempunyai varians 0.5.

Ciri-Ciri Taburan Normal


Data yang bertaburan kenormalan mempunyai ciri-ciri berikut:

 bertaburan selanjar.
 bertaburan simetri
 melalui paksi simetri berserenjang dengan titik purata.
 keluk normal dengan min berpusatkan, simetri, kedua-dua hujung
lengkung dengan paksi mendatar tidak pernah bertemu.
 ia adalah uni-modal
 keluasan di bawah keluk ialah 1
 Taburan normal adalah keluarga pengagihan, ia adalah satu pemboleh
ubah rawak dengan min dan sisihan piawai daripada saiz unit-unit yang
berbeza mempunyai corak taburan yang berbeza.
 berbentuk loceng
 titik pusat tertinggi, dan kemudian beransur-ansur menurun ke tepi, bentuk
garis melengkung mereka selekoh pertama, kemudian bengkok ke luar.
 keluk normal pada awal di mana yang sama, masing-masing, ke kiri dan
kanan sama rata dan secara beransur-ansur merosot.

2
STATISTICS IN EUCATION GROUP
ASSGINMENT
(SGDP 5053)

 sisihan piawai keluk taburan normal dengan nombor tetap hubungan kawasan
kebarangkalian. Semua boleh didapati melalui taburan normal Z skor formula ke
dalam taburan normal piawai.

 Taburan normal mempunyai dua parameter, iaitu μ min dan sisihan piawai σ,
boleh ditandakan sebagai N (μ, σ).

min=mod=median

Rajah 1: Keluk Normal

Keluk normal ini berguna untuk mengkaji keterangan tentang sifat-sifat data.Keluk
normal dan jadual normal boleh memberikan bahagian pencerapan yang terkandung di
antara dua nilai. Sebarang keluk normal ini ditentukan oleh sisihan piawai,(s) dan
kedudukannya pada paksi mengufuk ditentukan oleh min. Untuk panduan, selang
dalam sisihan piawai,(s) dan peratusan diantaranya diberikan seperti di Rajah dibawah.

3
STATISTICS IN EUCATION GROUP
ASSGINMENT
(SGDP 5053)

Rajah 2 : Selang dalam Sisihan Piawai dalam Lengkung Normal

Nilai-nilai :

-1 σ hingga +1 σ : 68.2% dari cerapan

-2 σ hingga +2 σ : 95.4% dari cerapan

-3 σ hingga +3 σ : 99.7% dari cerapan

Apabila x <; μ, keluk meningkat, apabila x>; μ, keluk berkurangan.Apabila keluk ke


sebelah kiri memanjangkan terhingga di paksi-x sebagai asymtot itu. Keluk normal
simetri terhadap garis x = μ. Apabila sisihan piawai(σ) lebih besar, keluk normal adalah
rata; sebaliknya apabila sisihan piawai (σ) adalah lebih kecil, lebih tajam keluk normal
curam. Di bawah keluk normal dan bahagian x-paksi di kawasan seluas adalah1. Di
mana, P (μ-σ <X ≤ μ +σ) = 68.2% P (μ-2σ <X ≤ μ +2 σ) = 95.4 % P (μ-3σ <X ≤ μ +3 σ) =
99.7%.

Fungsi Ketumpatan Kebarangkalian kenormalan


Fungsi kenormalan adalah seperti dalam formula berikut:

4
STATISTICS IN EUCATION GROUP
ASSGINMENT
(SGDP 5053)

µ= min X

α= sisihan piawai X

π = 3.1416

e = 2.7183

Graf taburan normal bergantung kepada dua faktor iaitu min dan sisihan piawai. Purata
taburan menentukan lokasi pusat graf, dan sisihan piawai menentukan ketinggian dan
lebar graf. Apabila sisihan piawai adalah besar, lengkung adalah pendek dan lebar.
Apabila sisihan piawai adalah kecil, lengkung adalah tinggi dan sempit.

Raja 3: Lengkung loceng berbentuk simetri

Kesemua taburan normal kelihatan seperti lengkung loceng berbentuk yang simetri,
seperti Rajah di atas. Keluk di sebelah kiri adalah lebih pendek dan lebih luas daripada
lengkung di sebelah kanan, kerana lengkung di sebelah kiri mempunyai sisihan piawai
yang lebih besar.

Konsep Empirikal

Empirikal adalah kaedah yang digunakan melalui kajian-kajian dengan pengumpulan


data. Bagi taburan data yang berbentuk simetri adalah seperti berikut:

5
STATISTICS IN EUCATION GROUP
ASSGINMENT
(SGDP 5053)

1) 68% daripada semua cerapan berada dalam lingkungan 1 sisihan piawai


daripada min, ditulis:

_ _
(X - 1s, X + 1s)

2) 95% daripada semua cerapan berada dalam lingkungan 2 sisihan piawai


daripada min, ditulis:
_ _
(X - 2s, X + 2s)

3) 99% daripada semua cerapan berada dalam lingkungan 3 sisihan piawai


daripada min, ditulis:
_ _
(X - 3s, X + 3s)

Berikut adalah contoh pengiraan sisihan piawai:

Taburan perbelanjaan 150 orang pekerja adalah simetri. Nilai min perbelanjaan ialah
453 dan sisihan piawai pula ialah 123. 68% daripada perbelanjaan pekerja dalam
lingkungan 1 sisihan piawai daripada nilai min. Ini bermakna kira-kira 68 daripada 150
pekerja membuat perbelanjaan antara RM 330 dan RM 576.

(453-1x123, 453+1x123)= (330, 576)

95% daripada perbelanjaan pekerja dalam lingkungan 2 sisihan piawai daripada nilai
min. Ini bermakna kira-kira 95 daripada 150 pekerja membuat perbelanjaan antara
RM 207 dan RM 699.
(453-2x123, 453+2x123) = (207, 699)

99% daripada perbelanjaan pekerja dalam lingkungan 3 sisihan piawai daripada nilai
min. Ini bermakna kira-kira 99 daripada 150 pekerja membuat perbelanjaan antara
RM 84 dan RM 822.

6
STATISTICS IN EUCATION GROUP
ASSGINMENT
(SGDP 5053)

(453-3x123, 453+3x123) = (84, 822)

Rajah 2 di atas dapat menjelaskan peraturan empirikal bagi taburan frekuensi


berbentuk simetri dan berbentuk loceng. Kira-kira 68.2 peratus cerapan adalah dalam
lingkungan 1 sisihan piawai daripada min. Kira-kira 95.4 peratus cerapan adalah dalam
lingkungan 2 sisihan piawai daripada min, dan secara praktikalnya kira-kira 99.7
peratus cerapan adalah dalam lingkungan 3 sisihan piawai daripada min. Untuk
menukar empirikal piawai kepada unit standard perlu mengira skor z.

Konsep Taburan Normal Piawai (Standard Normal Distribution)

Taburan normal piawai atau keluk normal piawai adalah taburan kebarangkalian
normal, di mana min dan sisihan piawai adalah tetap, iaitu min (μ)= 0 dan sisihan piawai
(σ)=1. Paksi X keluk normal piawai boleh dinyatakan dalam unit sisihan piawai atau unit
z.

Taburan Kenormalan yang Dipiawaikan

Semua kenormalan boleh ditukarkan kepada taburan tunggal iaitu taburan Z. Proses ini
menghasilkan taburan normal piawai. Formula penukaran bagi sebarang nilai X oleh
kenormalan adalah seperti berikut:

7
STATISTICS IN EUCATION GROUP
ASSGINMENT
(SGDP 5053)

Taburan Z adalah
kenormalan dengan min 0 dan sisihan piawai 1, bagi sebarang nilai X pada min keluk
normal. Nilai Z ialah sisihan piawai di mana nilai X, di atas atau di bawah min yang sifar.
Jika nilai X kurang daripada min, nilai Z adalah negatif; dan jika nilai X lebih besar
daripada min, nilai Z adalah positif. Formula ini membolehkan pengubahan jarak
sebarng nilai X daripada min kepada unit sisihan piawai. jadual Z piawai boleh
digunakan untuk mencari kebarngkalian bagi sebarang masalah keluk normal yang
telah ditukarkan kepada nilai. Dalam taburan Z, lebih kurang 68% daripada nilai Z
adalah antara Z=-1 dan Z=+1. Nilai kebarangkalian taburan Z diberi dalam Jadual 1.

Rajah 4 di bawah menunjukkan empat jenis graf yang mempunyai nilai µ=0 yang sama
tetapi varians(α2) yang berbeza. Kedudukan keluk diterangkan seperti berikut:

a. µ=0 dan α2 =0.2

Keluk yang berwarna biru mempunyai nilai m=0 dan s 2=0.2.Keluk ini mempunyai
taburan data dalam bentuk leptokurtosis. Nilai s 2 yang kecil dalam sesuatu data
mempunyai maklumat seragam tentang sesuatu fenomena.

b. µ=0 dan α2 =1.0

Keluk ini digambarkan dengan warna merah yang mempunyai nilai m=0 dan
s2=1.0.Keluk ini mempunyai data yang berbentuk kenormalan. Data dalam
bentuk ini mempunyai pelbagai maklumat yang sesuai untuk mengkaji sesuatu
fenomena.

c. µ=0 dan α2 =5.0

Keluk yang berwarna kuning mempunyai nilai min=0 da s2=5.0. Keluk ini
mempunyai nilai varians yang tinggi dan dinamakan sebagai platikurtosis. Bentuk
keluk ini mempunyai maklumat tersebar secara meluas.

8
STATISTICS IN EUCATION GROUP
ASSGINMENT
(SGDP 5053)

d. µ=0 dan α2 =0.5

Keluk yang berwarna hijau ini mempunyai nilai m=0 dan s2=0.5. Keluk ini terletak
di sebelah kiri supaya ianya jelas dan sepatutnya berada pada m=0.

Rajah 4:Keluk min empat kombinasi min dan sisihan piawai yang berbeza.

Jadual Z

Second Decimal Place in Z

Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09

0.00 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359

0.10 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0753

9
STATISTICS IN EUCATION GROUP
ASSGINMENT
(SGDP 5053)

0.20 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141

0.30 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517

0.90 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389

1.00 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621

1.10 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 0.3830

1.20 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.4015

2.00 0.4772 0.4778 0.4783 0.4788 0.4793 0.4798 0.4803 0.4808 0.4812 0.4817

3.00 0.4987 0.4987 0.4987 0.4988 0.4988 0.4989 0.4989 0.4989 0.4990 0.4990

3.40 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4997 0.4998

3.50 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998 0.4998

JADUAL 1

Berikut adalah contoh-contoh pengiraan skor z:

Contoh 1:

Graduate Management Aptitude Test (GMAT) banyak digunakan untuk keperluan


memasuki sekolah siswazah pengurusan di USA. Andaikan skor GMAT adalah
bertaburan normal, kebarangkalian mencapai skor melebehi berbagai jeda GMAT boleh
ditentukan. Di dalam beberapa tahun kebelakangan, min skor GMAT ialah 494 dan
sisihan piawai lebih kurang 100. Apakah kebarangkalian skor yang dipilih secara rawak
daripada ujian GMAT ini di antara 600 dan nilai min? Iaitu,
P(494 £ X £ 600)| m = 494 dan s = 100) = ?

10
STATISTICS IN EUCATION GROUP
ASSGINMENT
(SGDP 5053)

X- 600 - 494 106


Z    1.06
 100 100

P(494 £ X £ 600) = P(0 £ Z £ 1.06) = 0.3554

Nilai Z=1.06 menunjukkan bahawa skor ujian GMAT 600 mempunyai 1.06 sisihan
piawai lebih daripada min. Nilai Z yang diberikan dalam Jadual 1 adalah nilai
kebrangkalian di antara nilai X dengan min. Nombor bulat dan satu titik perpuluhan nilai
Z boleh dilihat dari lajur pertama Jadual 1 (1.06 bahagian nilai Z). Di sepanjang baris
atas jadualialah dua titik perpuluhan bahagian nilai Z. Nilai kebarngkalian Z=1.06 ialah
0.3554. bahagian yang berwarna biru dalam rajah di bawah menunjukkan nilai
kebarangkalian diberi selalunya adalah kebarangkalian di antara nilai X dan min. Dalam
contoh ini keluasan yang dikehendaki adalah 0.3554 daripada skor ujian GMAT yang
terletak antara skor 600 dengan min 494.

0.3554

m = 494 X=600
s = 100

Rajah 5: Graf menunjukkan keluasan di antara skor 600 dan min 494 ujian GMAT.

Contoh 2:

11
STATISTICS IN EUCATION GROUP
ASSGINMENT
(SGDP 5053)

Apakah kebarangkalian memperolehi skor lebih besar daripada 700 pada ujian GMAT
jika min ialah 494 dan sisihan piawai 100?
(X > 600)| m = 494 dan s = 100) = ?

X>700

m = 494 X = 700
s = 100

Rajah 6: Kebarangkalian 0.4803 bagi nilai dua

Masalah inu boleh diselesaikan dengan menentukan keluasan dibahagian hujung


kanan taburan. Nilai Z bagi data ini ialah

X- 700 - 494 206


Z    2.06
 100 100

Dari jadual Z:
Z=2.06 > 0.4803

Rajah 6 menunjukkan kebarangkalian 0.4803 bagi nilai Z. Walau bagaimanapun jadual


kebarangkalian ini ialah nilai ujian GMAT secra rawak antara min dan skor 700. Mencari
kebarangkalian nilai min lebih besar daripada 700 di mana kedudukannya di hujung
ekor taburan memerlukan kita menolak nilai kebarangkalian 0.4803 daripada 0.5
disebabkan setiap separuh daripada taburan mengandungi 0.5 daripada keluhasan
keluruhan.Keputusan ialah 0.0197.Perhatikan percubaan untuk menentukan keluasan
X3 700 berbanding X>700 tidak mempunyai perbezaan disebabkan ia merupakan
taburan selanjar, keluasan di bawah nombor tepat sepertiX=700 ialah sifar.

12
STATISTICS IN EUCATION GROUP
ASSGINMENT
(SGDP 5053)

P(Z>2.06) = 0.5000 - 0.4803


= 0.0197

0.5000 (kebarangkalian X lebih besar daripada min)


-0.4803 (kebarangkalian X di antara 700 dan min)
0.0197(kebarangkalian X lebih besar daripada 700)

0.500

0.4803 0.0197

Z=0 Z=2.06

Rajah 7: Penyelesaian Kebarangkalaian

Contoh 3 :

Apakah kebarangkalian memperolehi skor di antara 300 dan 600 untuk ujian GMAT
yang sama?

P(300 £ X < 600|m = 494 dan s 100) = ?

Lakaran berikut menunjukkan masalah tersebut secara graf dalam menentukan nilai
antara X=300 dan X=600.

X = 300 m = 494 X = 600


13
STATISTICS IN EUCATION GROUP
ASSGINMENT
(SGDP 5053)

s = 100

Rajah 8: Graf dalam menentukkan nilai X=300 dan X=600

X- 600 - 494 106


Z    1.06
 100 100

dan

X- 300 - 494 - 194


Z    1.94
 100 100

Kebarangkalian Z=1.06 ialah 0.3554 dan kebarangkalian Z=-1.94 ialah 0.4738.


Penyelesaian P(300≤ X ≤600) adalah diperoleh dengan menjumlahkan kebarangkalian
tersebut.

0.3554 (kebarangkalian nilai di antara min dan 600)

+0.4738 (kebarangkalian nilai di antara min dan 300)

0.8292 (kebarangkalian nilai di antara 300 dan 600)

Secara graf, penyelesaian ditunjukkan dala Rajah 9 untuk menilai Z.

0.4738 0.3554

Z=1.94 Z=0 Z=1.06

Rajah 9 : Graf penyelesaian untuk nilai Z

Kesimpulan
14
STATISTICS IN EUCATION GROUP
ASSGINMENT
(SGDP 5053)

Secara kesimpulanya, taburan normal telah diperkenalkan sebagai taburan


kebarangkalian dan contoh telah diberikan tentang kegunaan lengkung normal melalui
penyeragaman taburan skor z. jadual 1 digunakan untuk menentukan keluasan di
bawah keluk kenormalan. Dalam bahagian ini tiga contoh digunakan untuk mencari
keluasan di bawah keluk kenormalan. Kenormalan data adalah penting untuk
memahami ciri-ciri sesuatu data yang dikumpul dan seterusnya dianalis.

RUJUKAN

Fielding, J., & Gilbert, N. 2006. Understanding social statistics, (2nd ed.). London:
Sage Publications

Welkowitz, J., Cohen, H. B., & Lea, B. R. 2012. Introductory statistics for the
behavioural sciences, (7th ed.). New Jersey: John Wiley & Sons, Inc.

Meier, J.K., Brudney, L. J., & Bothe, J. 2012. Applied statistic for public and
nonprofit

administration, (8th ed.). :

15

You might also like