Contoh Soalan dan Perbincangan Fungsi Taburan Normal
Taburan normal, juga dikenali sebagai taburan Gaussian, merupakan salah satu taburan kebarangkalian yang paling asas dalam statistik dan analisis data. Taburan ini dicirikan oleh lengkung loceng simetri di sekitar min, dengan sebaran data mencerminkan sisihan piawai nilai di sekelilingnya. Taburan normal merupakan asas bagi banyak konsep dalam statistik inferens dan digunakan secara meluas dalam pelbagai bidang, termasuk ekonomi, psikologi, dan sains sosial.
Dalam artikel ini, kita akan membincangkan beberapa contoh masalah dan penyelesaiannya untuk lebih memahami fungsi taburan normal.
Konsep Asas Taburan Normal
Taburan normal digambarkan oleh dua parameter utama:
1. Purata (μ): Purata set data.
2. Sisihan Piawai (σ): Mengukur sejauh mana sebaran data di sekitar min.
Fungsi ketumpatan kebarangkalian bagi taburan normal ialah:
\[ f(x) = \frac{1}{\sqrt{2\pi\sigma^2}} e^{ -\frac{(x-\mu)^2}{2\sigma^2} } \]
Berikut adalah beberapa langkah asas dalam menyelesaikan masalah menggunakan taburan normal:
1. Menentukan nilai Z: Nilai Z ialah ukuran sejauh mana data berada daripada min dalam unit sisihan piawai dan dikira menggunakan formula:
\[ Z = \frac{X – \mu}{\sigma} \]
2. Menggunakan jadual Z: Jadual Z atau jadual taburan normal piawai digunakan untuk mencari kebarangkalian atau peratusan data yang berada di bawah atau di atas nilai Z tertentu.
Contoh Soalan dan Perbincangan Taburan Normal
Soalan 1
Sebuah kelas mempunyai purata skor ujian matematik sebanyak 70 dengan sisihan piawai sebanyak 10. Jika skor ujian bertaburan normal, berapa peratuskah pelajar yang mendapat skor lebih daripada 85?
Perbincangan:
1. Menentukan skor-Z: Pertama, kira skor-Z untuk X = 85.
\[ Z = \frac{X – \mu}{\sigma} = \frac{85 – 70}{10} = 1.5 \]
2. Melihat Jadual Z: Kita mencari nilai kebarangkalian untuk Z = 1.5 daripada jadual Z. Nilai kebarangkalian untuk Z = 1.5 ialah 0.9332. Ini bermakna 93.32% daripada nilai tersebut adalah di bawah Z = 1.5.
3. Mengira Peratusan: Oleh kerana kita memerlukan peratusan pelajar yang mendapat markah lebih daripada 85, kita mengira 1 – 0.9332 = 0.0668.
Jadi, 6.68% pelajar mendapat markah lebih daripada 85.
Soalan 2
Ketinggian lelaki dewasa di sebuah negara mengikut taburan normal dengan min 175 cm dan sisihan piawai 6 cm. Tentukan peratusan lelaki yang tingginya antara 170 cm dan 180 cm.
Perbincangan:
1. Tentukan skor-Z untuk 170 cm:
\[ Z_{170} = \frac{170 – 175}{6} = – \frac{5}{6} \approx -0.83 \]
2. Tentukan skor-Z untuk 180 cm:
\[ Z_{180} = \frac{180 – 175}{6} \lebih kurang 0.83 \]
3. Lihat Jadual Z:
– Kebarangkalian untuk Z = -0.83 ialah 0.2033.
– Kebarangkalian untuk Z = 0.83 ialah 0.7967.
4. Mengira Peratusan:
– Kebarangkalian ketinggian antara 170 cm dan 180 cm ialah 0.7967 – 0.2033 = 0.5934.
– Jadi, 59.34% lelaki mempunyai ketinggian antara 170 cm dan 180 cm.
Soalan 3
Ujian IQ menggunakan taburan normal dengan min 100 dan sisihan piawai 15. Apakah skor yang berada dalam persentil ke-85?
Perbincangan:
1. Mencari nilai Z untuk persentil ke-85: Daripada jadual Z atau dengan menggunakan kalkulator, persentil ke-85 sepadan dengan Z = 1.04.
2. Mengira skor IQ:
\[ X = Z\sigma + \mu \]
\[ X = 1.04 \darab 15 + 100 \]
\[ X = 15.6 + 100 \]
\[ X = 115.6 \]
Jadi, skor IQ yang berada dalam persentil ke-85 adalah sekitar 115.6.
Soalan 4
Jika diketahui bahawa purata skor keputusan ujian kognitif pelajar sekolah menengah ialah 65 dengan sisihan piawai 12, apakah skor yang berada dalam persentil ke-25?
Perbincangan:
1. Mencari nilai Z untuk persentil ke-25: Daripada jadual Z atau menggunakan kalkulator, Z untuk persentil ke-25 adalah lebih kurang -0.674.
2. Mengira skor ujian:
\[ X = Z\sigma + \mu \]
\[ X = -0.674 \darab 12 + 65 \]
\[ X = -8.088 + 65 \]
\[ X \lebih kurang 56.912 \]
Jadi, nilai yang berada dalam persentil ke-25 ialah sekitar 56.912.
Kesimpulannya
Taburan normal merupakan konsep penting dalam statistik yang membolehkan kita menganalisis dan memahami data dari perspektif kebarangkalian. Dengan menggunakan pendekatan taburan normal, kita boleh mengira peratusan, menentukan nilai tertentu berdasarkan persentil dan membandingkan data dengan min.
Menyelesaikan masalah dengan taburan normal bukan sahaja berguna untuk peperiksaan dan penyelidikan akademik, tetapi juga mempunyai aplikasi praktikal dalam banyak bidang kehidupan sebenar seperti psikologi, perniagaan dan sains sosial. Melalui contoh dan perbincangan di atas, kami berharap anda akan mendapat pemahaman yang lebih baik tentang fungsi taburan normal dan cara mengaplikasikannya dalam pelbagai konteks.
