Taburan Normal

Ng L F
2018
Objektif Pembelajaran
• menganalisis taburan normal sebagai model penyelesaian masalah

1. Ciri-ciri Taburan Normal

2. Kepencongan (Skewness)
3. Taburan Normal Piawai
4. Penggunaan Taburan Normal
1. Ciri-ciri Taburan Normal
1. Taburan normal merupakan taburan data yang berbentuk loceng
(bell-shaped),simetrik
2. Nilai min= median= mod (bertindihan)
3. Graf taburan normal adalah tidak menyentuh paksi-x
4. Setiap graf taburan normal mempunyai min dan sihihan piawai yang
berbeza
5. luas rantau di antara lengkungan dan paksi-x -ꝏ ke ꝏ adalah sama
dengan 1 , iaitu 
 
f ( x ) dx  1
6. Jenis taburan selanjar
7. Taburan simetri
8. Keluasan di sebelah kanan min
adalah 1/2 (50%).
9. Keluasa disebelah kiri min
adalah 1/2 (50%).
• Rupa bentuk lengkung “loceng” adalah sama bagi populasi normal
yang mempunyai min yang berbeza tetapi sisihan piawainya yang
sama
Lengkung loceng berbeza jika min sama tetapi
sisihan piawai yang berbeza
1. Banyak pemboleh ubah seperti ketinggian, berat badan, tekanan
darah dan skor ujian piawai mempunyai taburan yang menyerupai
taburan normal bagi data populasi.
2. Perhatikan bahawa kebanyakan nilai bagi pemboleh ubah tertumpu
di bahagian tengah taburan ini, semakin jauh daripada bahagian
tengah taburan, sama ada di sebelah kiri atau kanan, kekerapan nilai
yang dicerap semakin berkurangan.
3. Ini bermakna, jika taburan ini dibahagikan kepada dua bahagian di
puncak taburan, dua bahagian yang dihasilkan akan serupa dari segi
bentuk dan merupakan imej cermin antara satu sama lain
 2. Kepencongan (Skewness)
• Dalam teori kebarangkalian dan statistik, kepencongan ialah pengukuran
asimetri taburan kebarangkalian bagi pemboleh rawak daripada nilai
minnya.
• Nilai kepencongan boleh menjadi sifar, negatif atau positif.
1. Nilai kepencongan sifar merujuk kepada pembolehubah rawak yang
bertabur secara normal (Taburan normal)
2.Taburan terpencong secara positif ( terpencong ke kanan)
Mod < median < min
Taburan ini banyak berlaku dalam kehidupan harian. contoh:
gaji, bilangan anak dalam keluarga dll.
3.Taburan terpencong secara negatif ( terpencong ke kiri)
Min < median < mod
Taburan ini boleh berlaku apabila kita mengkaji suhu harian
yang terendah bagi sesuatu bulan atau masa tindak balas bagi
sesuatu uji kaji.
3. Taburan Normal Piawai

𝑥−𝜇
𝑍=
𝜎
Membaca Jadual Normal Piawai
1. P(Z> 0.1)
2. P(Z>2)
3. P(Z>-2)
4. P(0.51<Z<1.1)
5. P(-1.1<Z<0.51)
6. P(Z>-2.7)
7. P(Z<2.7)
4. Penggunaan Taburan Normal
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.
1. Apakah kebarangkalian skor yang dipilih secara rawak daripada ujian
GMAT ini di antara 600 dan nilai min?
P(494< X< 600)
2. Apakah kebarangkalian memperolehi skor lebih besar daripada 700
pada ujian GMAT jika min ialah 494 dan sisihan piawai 100?
P(X>700)
3. Bagi ujian GMAT yang sama, apakah kebarangkalian skor kurang
daripada 550?
P(X<550)
4. Apakah kebarangkalian memperolehi skor kurang daripada 400 di
dalam ujian GMAT?
P(X<400)
5. Apakah kebarangkalian memperolehi skor di antara 300 dan 600
untuk ujian GMAT yang sama?
P(300< X <600)
6. Apakah kebarangkalian untuk memperolehi skor di antara 350 dan
450 bagi ujian GMAT yang sama?
P (350 < X <450)
1. Apakah kebarangkalian skor yang dipilih secara rawak daripada
ujian GMAT ini di antara 600 dan nilai min?

P(494  X  600)|  = 494 dan  = 100) = ?

X - 600 - 494 106 Penyelesaian:
Z    1.06
 100 100 P(494 X  600) = P(0  Z  1.06)
= P(Z=0) - P(Z>1.06)
= 0.5000-0.1446
= 0.3554

Z=0 Z=1.06
 = 494 X=600
 = 100
2. Apakah kebarangkalian memperolehi skor lebih besar daripada 700
pada ujian GMAT jika min ialah 494 dan sisihan piawai 100?

X > 700

P(X > 700)|  = 494 dan  = 100) = ?

 = 494
X- 700 - 494 206 X = 700
Z    2.06  = 100
 100 100
Penyelesaian:
Dari jadual Z:
0.0197

P(Z>2.06) = 0.0197

Z=0 Z=2.06
3. Bagi ujian GMAT yang sama, apakah kebarangkalian skor
kurang daripada 550?
P(X <550)|  = 494 dan  = 100) = ?

X -  550 - 494 56
Z    0.56
 100 100  = 494
 = 100
X=550

Keluasan di bawah keluk bagi

Z = 0.56 ialah 0.2123
P(X <550) = P(Z < 0.56)
= 1- P(Z>0.56)
= 1 - 0.2877
= 0.7123
Z=0 Z=0.56

18
4. Apakah kebarangkalian memperolehi skor kurang
daripada 400 di dalam ujian GMAT?
P(X <400)|  = 494 dan  = 100) = ?
X=400  = 494
 = 100
X- 400 - 494 - 94
Z    - 0.94
 100 100
P(Z<-0.94)=P(Z>0.94)
= 0.1736

0.5000 0.5000

0.1735 0.3264 0.3264 0.1735

Z=-0.94 Z=-0.94

19
 5. Apakah kebarangkalian memperolehi skor di antara 300 dan
600 untuk ujian GMAT yang sama?

P(300  X < 600| = 494 dan  100) = ?

X- 600 - 494 106
Z    1.06 P(z= 1.06) = 0.1446 X = 300  = 494 X = 600
 100 100  = 100

X- 300 - 494 - 194

Z    1.94 P(z= -1.94)= 0.0262
 100 100

P(-1.94 < Z < 1.06) = 1- P(Z<-1.94) - P(Z>1.06)

= 1- 0.0262 - 0.1446 0.4738 0.3554
= 0.8292
Z=-1.94 Z=0 Z=1.06

20
 6. Apakah kebarangkalian untuk mem-perolehi skor di antara 350
dan 450 bagi ujian GMAT yang sama?

P(X 350 < X < 450| = 494 dan  = 100) = ? X = 350 X=430  = 494
 = 100
X- 350 - 494 - 144
Z    - 1.44
 100 100
X- 450 - 494 - 44
Z    - 0.44
 100 100

0.4251
P(-1.44 < Z < -0.44) = P(Z<-0.44) - P(Z<-1.44)
= 0.3300- 0.0749 Z=-1.44 Z= -0.44
= 0.2551
21