Mohammad Adiwirabrata 1. Sketsa Kurva Distribusi Normal ... · PDF file4. Pembuktian fungsi X...
-
Upload
trinhkhuong -
Category
Documents
-
view
289 -
download
19
Transcript of Mohammad Adiwirabrata 1. Sketsa Kurva Distribusi Normal ... · PDF file4. Pembuktian fungsi X...
1. Sketsa Kurva Distribusi Normala. P(0 < Z < 2,17) = Φ (2,17) - Φ (0) = 0,9850 - 0,5000 = 0,4850
0-1-2-3-4 1 2 3 4
b. P(0 < Z < 1) = Φ (1) - Φ (0) = 0,8413 - 0,5000 = 0,3413
0-1-2-3-4 1 2 3 4
c. P(-2,50 < Z < 0) = Φ (0) - Φ (-2,50) = 0,5000 - 0,0062 = 0,4938
0-1-2-3-4 1 2 3 4
2,17
-2,50
d. P(-2,50 < Z < 2,50) = Φ (2,50) - Φ (-2,50) = 0,9938 - 0,0062 = 0,9875
0-1-2-3-4 1 2 3 4-2,50 2,50
e. P(Z < 1,37) = Φ (1,37) = 0,9147
0-1-2-3-4 1 2 3 41,37
f. P(-1,75 < Z ) = Φ (-1,751) = 0,0401
0-1-2-3-4 1 2 3 4-1,75
g. P(|Z| > 1,9 ) = 1 - P(|Z| < 1,9 ) = 1 - Φ (1,9) = 1 - 0,9713 = 0,0287
0-1-2-3-4 1 2 3 41,9
2. Menstandarkan Distribusi Normal
a. presentase bantalan peluru antara 0,610 sampai 0,618
Diketahui Mean µx = 0,614 dan Deviasi Standard δx = 0,0025
0,610 - 0,614
0,0025=
P(0,610 < Z < 0,618)
P(a < Z < b)
= (Pa - µx
δx(< Z <
b - µx δx
(P < Z < 0,618 - 0,614
0,0025 (= P(-1,6 < Z < 1,6) = Φ (1,6) - Φ (-1,6)= 0,9452 - 0,0548 = 0,8904
0-1-2-3-4 1 2 3 41,6-1,6
b. presentase berat lebih dari 0,617
0,608 - 0,614
0,0025=
P(Z > 0,617) = 1 - P(Z < 0,617)
(P Z < (= P(Z < -2,4) = Φ (-2,4)= 0,0082
0-1-2-3-4 1 2 3 41,2
0,1151
0,8904
c. presentase berat lebih kurang dari 0,608
P(Z < 0,607)
0,617 - 0,614
0,0025= (1 - P Z < (= 1 - P(Z < 1,2) = 1 - Φ (1,2)= 1 - 0,8849 = 0,1151
0-1-2-3-4 1 2 3 41,2
0,0082
0,4850
0,3413
0,4938
0,9875
0,9147
0,0401
Mohammad Adiwirabrata0906604943Teknik Mesin Ekstensi
4. Pembuktian fungsi X
a. µy dan δy
P(a < Z < b)
3. Distribusi Teoritis a. antara 67 dan 75 berapa probabilitas yang dapat digunakan
P(67 < Z < 75)
µx δx
= = 3
70
= (Pa - µx
δx(< Z <
b - µx δx
= (P67 - 70
3 (< Zx < 75 - 70
3
=== 0,9525 - 0,1587= 0,7938
P(-1 < Zx < 1,67)Φ (1,67) - Φ (-1)
0-1-2-3-4 1 2 3 4
0,7938
1,67
b. antara (70 - c) sampai (70 + c), tentukan c sehingga 95% digunakan
= (Pa - µx
δx(< Z <
b - µx δx
= (P(70 - c) - 70
3 (< Zx <
==
0,95 =
1,65 =
c =
P(-c/3 < Zx < c/3)Φ (c/3) - Φ (-c/3)
Φ
2,475
P((70 - c) < Z < (70 + c))
(70 + c) - 703
µx δx
= = 3
70
2c3
2c3
c. antara 67 sampai 75 diambil 10 spesimen berapa yang bisa digunakan?
ambil dari tabel
= 0,7938 (79,83%)p
yang bisa digunakan
p = ===
probabilitas x jumlah spesimen79,83% x 107,9837 spesimen yang dapat digunakan
d. berapa probabilitas sebanyak-banyaknya 8 dari 10 spesies diukur memiliki bilangan kekerasan kurang dari 73,84
= (P Z <
= P (Z < 1,28) = Φ (1,28)= 0,8897
P(Z < 73,84)
0-1-2-3-4 1 2 3 41,28
0,8897
(b - µx δx
= (P Z < (73,84 - 703
b. jika dalam derajat Celcius °C mean 115 dan deviasi standard 2 distribusi temperatur dalam derajat Fahrenheit °F
µx δx
= = 2
115
= (Pa - 239
2 (< Z < b - 239
2
=
konversi skala ke Fahrenheit
x °C = x + 32°F95
mean dalam konversi skala Fahrenheit sedangkan std deviasi tetap
115 °C = 115 + 32°F
= 239°F
95
P(Z < a)
= ( (Φa - 239
2
= (P (Z < a - 239
2
( (Φb - 239
2 ( (Φa - 239
2-
P(Z > b)
= ( (1 - Φb - 239
2
= (P (Z > b - 239
2
= (1 - P (Z <b - 239
2
5. Pengujian umur lifetime µx δx
= = 12
24 ;;
µx δx²
= α . β= α . β²
mencari α . β dari persamaan µx δx
= = 12
24 ;;
24 144
= α . β ...........(1)= α . β²...........(2)
dari persamaan didapat
144 = 24β
x β²
βα
= = 4
6
a. probabilitas 12 sampai 24 minggu
P(12 < X < 24)
= P (X < 24) - P (X < 12)= FG (24; 4, 6) - FG (12; 4, 6)= FG (24/6; 4) - FG (12/6; 4)= FG (4; 4) - FG (2; 4)= 0,5665 - 0,1429= 0,4236
b. probabilitas paling lama 24 minggu P(X < 24)
= P (X < 24) = FG (24; 4, 6)= FG (24/6; 4) = FG (4; 4) = 0,5665
c. persentil ke-99 dari distribusi umur pakai transistor tersebut
d. lama pengujian sehingga hanya tersisa 0,5% dari seluruh transistor
P(X < x)
= P (X < x) = FG (x; 4, 6)= (x/6; 4) = (x/6)= (x/6)= 26,4 minggu
0,56654,4
x
6. Distribusi Eksponensial
a. probabilitas jarak perpindahan sejauh-jauhnya (I)= 100 m, (ii) = 200 m, (iii) = antara 100 s/d 200 m
P(X < 100)
= F (100; 0,01386)
= 1 - e= 1 - 0,250074= 0,749926
parameter γ = 0,01386
-(0,01386) (100)
P(X < 200)= F (200; 0,01386)
= 1 - e= 1 - 0,06257= 0,93743
-(0,01386) (200)
P(100 < X < 200)
= F (200; 0,01386) - F (100; 0,01386)
= 1 - e - 1 - e= 1 - 0,06257 - 1 - 0,250074 = 0,93743 - 0,749926= 0,187504
-(0,01386) (200) -(0,01386) (100)
b. probabilitas melebihi jarak rata-ratanya (mean) sebesar lebih dari 2 deviasi standard
µx δx
= = 2
1/λ ;;
µx
= 1/0,01386= 72,15007215
P(X > 72,15007215)
= 1 - P(X < 72,15007215)
= 1 - (1 - e )= 1 - (1 - 0,36788)= 0,36788
-(0,01386) (72,15007215)
c. nilai median dari jarak perpindahan reptil pada distribusi tersebut
7. Distribusi Erlang αβ
= = 1/λ
n
fEr (x; n, λ )
λ ( λx) en-1 -λx
(n - 1)!0
= x > 0 yang lain
λ ( λx) en-1 -λx
(n - 1)!P(X < x) =
x
0dt
a. kedatangan dua pelanggan secara berurutan λ = 0,5 berapa selang waktu yang diharapkan sebelum pelanggan ke sepuluh datang
0,5 ( 0,5 . 10) e2-1 -(0,5) 10
(2 - 1)!P(X < x) =
x
0dt
= 0,01684487
8. Distribusi Weibull αβ
= = 200
2,5
a. probabilitas sebuah spesimen mengalami penuaan (I)= kurang dari 200 jam, (ii) = lebih dari 300 jam, (iii) = antara 100 s/d 200 jam
P(X < 200)
= Fw (x; α, β)
= Fw (200; 2,5, 200) = 1 - e= 1 - 0,367879441= 0,632120559
-(200/200)2,5
= 1 - e-(x/β)α
P(X > 300)
= 1 - Fw (x; α, β)
= 1 - Fw (300; 2,5, 200) = 1 - (1 - e )= 1 - (1 - 0,22313016)= 0,22313016
-(300/200)2,5
= 1 - (1 - e )-(x/β)α
= 1 - P (X < 300)
P(100 < X < 200)
= Fw (x2; α, β) - Fw (x1; α, β)= Fw (200; 2,5, 200) - Fw (100; 2,5, 200)
= 1 - e - (1 - e )= 1 - 0,036789441 - (1 - 0,837966886) = 0,632120559 - 0,162033114= 0,470087445
-(100/200)-(200/200)2,5 2,5
9. Distribusi Weibull
b. mean (µx) & varians (δx²)
b. 50% waktu penuaan spesimen memiliki waktu penuaan lebih dari waktu tersebut
P(X > A)
= 1 - Fw (A; α, β)
= 1 - Fw (300; 2,5, 200)
= 1 - P (X < A)
0,50
= 1 - (1 - e )-(A/200)
2,5
= 1 - (1 - e )-(A/β)α
= e -(A/200)
2,5
0,50
0,50
ln 0,50
= A / 200
= -(A / 200)2.5
0,6931472,5
- ln 0,50 = A / 200 2.5
= A172,72
αβ
= = 1,5
2
a. fungsi distribusi kumulatif (cdf) dari X
P(X)
= Fw (x; α, β)
= Fw (X; 2, 1,5) = 1 - e-(X/1,5)
2
= 1 - e-(x/β)α
µx = E(X)
= βΓ 1 +α( )
= 1,5Γ 1 +
= 1,5Γ1,5= 1,5(0,5!)= 0,75
2( )1
1
δx² = β²= 1,5²= 2,25
c. probabilitas
P(5 < X < 8)
= Fw (x2; α, β) - Fw (x1; α, β)= Fw (8; 2, 1,5) - Fw (5; 2, 1,5)
= 1 - e - (1 - e )=
-(5/1,5)-(8/1,5)2 2
P(5 > X)
= 1 - P (5 > X)= 1 - Fw (5; 2, 1,5)
= 1 - (1 - e )=
-(5/1,5)2
( )
( )
10. Distribusi Lognormal µδ
= = 0,1
5
a. nilai harapan X (µx) dan varians X (δx²)
µx = E(X)
= e 2δ²
µ +
( )= e= 149,1571
20,1²
5 +
δx² = E(X)
= e2µ + δ² ( )e
δ²
- 1
( )=
= 22247,84 . (1.01005 - 1)= 223,590792
e2(5) + 0,1² ( )e
0,1²
- 1
b. probabilitas
P(X > 120)
= 1 - P (X < 120)
= 1 - P Z <
= 1 - Φ
( )ln (x) - µ
δ
( )ln (x) - µ
δ
= 1 - Φ
= 1 - Φ (-2,125)= 1 - 0,0170= 0,9830
( )ln (120) - 5
0,1
c. probabilitas
P(110 < X < 130)
= P (X < 130) - P (X < 110)
= P Z < - P Z <( )ln (x) - µ
δ
= Φ - Φ
= Φ (-1,324) - Φ (-2,995)= 0,0934 - 0,0014= 0,0920
( )ln (130) - 5
0,1
( )ln (x) - µ
δ
= P Z < - P Z <( )ln (130) - 5
0,1 ( )ln (110) - 5
0,1
( )ln (110) - 5
0,1
d. 10 sampel diukur berapa yang sekurang-kurangnya memiliki kekuatan 120
P(X > 120)
= 9,830
jadi, hanya 98.30% dari 10 sample material yang memiliki kekuatan minimal 120 berarti hanya ada 9 material.