Contoh Soalan Perbincangan tentang Nilai Jangkaan bagi Taburan Normal
Taburan normal, juga dikenali sebagai taburan Gaussian, merupakan salah satu taburan kebarangkalian berterusan yang paling kerap digunakan dalam statistik dan kebarangkalian. Taburan ini sering digunakan sebagai andaian asas dalam pelbagai inferens statistik kerana sifat matematiknya yang baik, seperti simetri dan keunikannya dalam parameterisasi dengan min (µ) dan sisihan piawai (σ). Artikel ini akan membincangkan contoh dan nilai jangkaan taburan normal untuk memberikan pemahaman yang lebih mendalam tentang konsep ini.
Memahami Taburan Normal
Taburan normal digambarkan oleh lengkung loceng simetri, dengan kebanyakan nilai tertumpu di sekitar nilai tengah, atau min. Dalam taburan ini, min (µ) dan sisihan piawai (σ) adalah dua parameter penting yang menentukan lokasi dan jumlah sebaran dalam data.
Fungsi ketumpatan kebarangkalian (PDF) bagi taburan normal ialah:
\[f(x) = \frac{1}{\sqrt{2\pi\sigma^2}} e^{-\frac{(x – \mu)^2}{2\sigma^2}}\]
Di mana:
– \( \mu \) ialah min atau purata
– \( \sigma \) ialah sisihan piawai
– \( x \) ialah pembolehubah rawak
Nilai Jangkaan dalam Taburan Normal
Nilai jangkaan bagi pembolehubah rawak dengan taburan normal adalah sama dengan min bagi taburan tersebut. Jika \( X \sim N(\mu, \sigma^2) \), maka nilai jangkaan \( E(X) \) ialah:
\[ E(X) = \mu \]
Mari kita teruskan dengan beberapa contoh masalah mengenai nilai yang dijangkakan dalam taburan normal untuk mengukuhkan pemahaman kita.
Contoh Soalan dan Perbincangan
Contoh Soalan 1:
Katakan \( X \) ialah pembolehubah rawak bertaburan normal dengan \( \mu = 50 \) dan \( \sigma = 10 \). Kirakan nilai jangkaan bagi \( X \).
Perbincangan:
Seperti yang dinyatakan sebelum ini, dalam taburan normal, nilai yang dijangkakan \( E(X) \) adalah sama dengan \( \mu \). Jadi,
\[ E(X) = \mu = 50 \]
Contoh Soalan 2:
Diberi pembolehubah rawak \( Y \) bertaburan normal dengan \( \mu = 120 \) dan \( \sigma = 15 \). Cari nilai jangkaan bagi \( Y \).
Perbincangan:
Sama seperti contoh pertama, nilai jangkaan bagi \( Y \) ialah nilai tengah atau min bagi taburan normal, iaitu:
\[ E(Y) = \mu = 120 \]
Contoh Soalan 3:
Jika pembolehubah rawak \( Z \) mengikuti taburan normal dengan \( \mu = 0 \) dan \( \sigma = 1 \) (taburan normal piawai), apakah nilai jangkaan bagi \( Z \)?
Perbincangan:
Taburan normal piawai mempunyai min \( \mu = 0 \), jadi nilai yang dijangkakan \( E(Z) \) ialah:
\[ E(Z) = \mu = 0 \]
Contoh Soalan 4:
Katakan \( W \) ialah pembolehubah rawak bertaburan normal dengan min \( \mu = 75 \) dan sisihan piawai \( \sigma = 20 \). Jika kita mentakrifkan pembolehubah rawak baharu \( V = 2W + 3 \), apakah nilai jangkaan bagi \( V \)?
Perbincangan:
Untuk mencari nilai jangkaan bagi \( V \), kita perlu menggunakan sifat lineariti bagi nilai jangkaan. Diberi \( V = 2W + 3 \), maka:
\[ E(V) = E(2W + 3) \]
Berdasarkan sifat lineariti bagi nilai yang dijangkakan, kita boleh memisahkan pemalar daripada pembolehubah rawak:
\[ E(V) = 2E(W) + E(3) \]
Mengetahui bahawa nilai yang dijangkakan bagi suatu pemalar ialah pemalar itu sendiri:
\[ E(3) = 3 \]
Dan nilai jangkaan bagi \( W \) ialah min bagi taburan normal \( W \):
\[ E(W) = \mu = 75 \]
Jadi,
\[ E(V) = 2 \digandakan 75 + 3 \]
\[ E(V) = 150 + 3 \]
\[ E(V) = 153 \]
Contoh Soalan 5:
Pembolehubah rawak \( Q \) mengikuti taburan normal dengan min \( \mu = 40 \) dan sisihan piawai \( \sigma = 5 \). Apakah nilai jangkaan \( Q \) jika \[ U = Q/2 \]?
Perbincangan:
Kita menggunakan prinsip yang sama seperti dalam contoh 4, iaitu sifat lineariti bagi nilai yang dijangkakan. Memandangkan \( U = Q/2 \), maka:
\[ E(U) = E\left(\frac{Q}{2}\right) \]
Berdasarkan sifat lineariti bagi nilai yang dijangkakan:
\[ E(U) = \frac{1}{2} E(Q) \]
Kita tahu bahawa nilai jangkaan bagi \( Q \) ialah min bagi taburan normal \( Q \):
\[ E(Q) = \mu = 40 \]
Jadi,
\[ E(U) = \frac{1}{2} \kali 40 \]
\[ E(U) = 20 \]
Kesimpulannya
Dalam taburan normal, nilai jangkaan bagi pembolehubah rawak sentiasa sama dengan min (µ) taburan. Contoh masalah di atas menunjukkan pelbagai syarat untuk mengira nilai jangkaan menggunakan sifat lineariti. Memahami konsep asas ini memudahkan pengendalian masalah taburan normal dalam statistik dan kebarangkalian.
Taburan normal adalah penting dalam statistik kerana ia digunakan dalam pelbagai aplikasi praktikal, termasuk pengujian hipotesis, anggaran parameter dan pelbagai inferens statistik yang lain. Pemahaman yang baik tentang nilai jangkaan taburan ini merupakan langkah pertama yang penting dalam analisis data.
Semoga artikel ini memberikan penjelasan yang jelas dan berguna tentang nilai yang dijangkakan dalam taburan normal berserta contoh soalan dan perbincangan yang berkaitan.
