Last modified on 14 October 2017, at 14:22

SPM : Taburan Kebarangkalian - Taburan Normal

Contoh Situasi

Cth: Histogram menunjukkan tinggi pelajar-pelajar lelaki dalam tingkatan 5
Penerangan
Normal(histogram example).png

Taburan Normal

Penerangan
Normal(example-positive).png

Min kecil vs Min besar (sisihan piawai sama)

Ingat bahawa nilai besar/kecil ditentukan paksi mengufuk
  • min kecil → lebih kiri
  • min besar → lebih kanan
  • Normal(example-large-small-mean-MS).png

Sisihan piawai kecil vs Sisihan piawai besar (min sama)

Ingat bahawa sisihan piawai ditentukan berapa jauh data terserak antara satu sama lain
  • Sisihan piawai kecil → banyak tertumpu dekat min
  • Sisihan piawai besar → kurang tertumpu dekat min

  • Normal(example-large-small-sd-MS).png
    • Perhatikan
      • Luas bawah graf perlu sama
      • S.p. tinggi mempunyai lebih data di kawasan kanan dan kiri
      • Jadi s.p. tinggi mempunyai kurang data di kawasan tengah dekat min

Taburan Normal Piawai

  • Pengiraan kebarangkalian melibatkan pencarian luas di bawah graf, suatu proses yang sukar dibuat secara manual
  • Kita lihat lagi bahawa bentuk graf dipengaruhi min dan sisihan piawai
  • Oleh itu semua kebarangkalian dikira sekali untuk suatu taburan normal piawai, dan dimasukkan ke dalam satu jadual
  • Kebarangkalian taburan normal yang bukan piawai dapat dicari dengan proses penukaran kepada yang piawai
  • Apakah nilai min dan s.p yang patut dipilih untuk taburan normal piawai?

Untuk Taburan Normal Piawai
  • Min,  
    • → supaya graf simetri pada paksi mencancang

  • Sisihan piawai,  
    • → tidak dipilih 0, kerana akan bermakna semua data adalah sama

Sifat

  • Luas di bawah graf menunjukkan kebarangkalian
  • Jumlah luas =
Normalz.png

  • Graf adalah simetri pada paksi mencancang
Normalz.png
Penerangan

Kebarangkalian Taburan Normal Piawai

a)
Normalz.png
Penerangan

b)
Normalz.png
Penerangan

c)
Normalz.png
Penerangan

 

Contoh d-g

d)
Normalz.png
Penerangan

e)
Normalz.png
Penerangan

f)
Normalz.png
Penerangan

g)
Normalz.png
Penerangan

 

Contoh h-k

h)
Normalz.png
Penerangan

i)
Normalz.png
Penerangan

j)
Normalz.png
Penerangan

k)
Normalz.png
Penerangan

Contoh l-o

l)
Normalz.png
Penerangan

m)
Normalz.png
Penerangan

n)
Normalz.png
Penerangan

o)
Normalz.png
Penerangan

Penukaran ke Taburan Normal Piawai

  • Jika mempunyai min
  • dan sisihan piawai
  •  

Contoh
mengikut taburan normal dengan min 30 dan sisihan piawai 5. Cari
  • a) Skor-z bagi
  • Skor-z   

  • b) Nilai yang memberikan skor-z
  • Skor-z 

Penerangan
c)

Penerangan
d)

Diberi kebarangkalian

Lukis
Penerangan
a)
Normalz.png

Penerangan
b)
Normalz.png

Cuba sendiri dahulu
c)
Normalz.png

Cuba sendiri dahulu
d)
Normalz.png

Cari nilai z

Penerangan
a)
Normalz.png

Penerangan
b)
Normalz.png

Penerangan
c)
Normalz.png

Penerangan
d)
Normalz.png

Contoh 1

mengikut taburan normal dengan min dan sisihan piawai

Penerangan
a)
Normalz.png

Penerangan
b)
Normalz.png

Anggaran bilangan

  • a) Jumlah 50. Kebarangkalian = 0.1
  • Anggaran bilangan?

  • b) Jumlah 200, bilangan 40.
  • Kebarangkalian?

  • c) Kebarangkalian = 0.2, bilangan 20
  • Jumlah?

 

Contoh 2

Katakan mewakili markah matematik di sebuah sekolah.
mengikut taburan normal dengan min dan sisihan piawai .

a) Cari kebarangkalian seorang pelajar yang dipilih secara rawak mempunyai markah di antara 50 hingga 90
Penerangan

b) Pelajar yang mendapat markah lebih dari 40 dianggap lulus. Jika jumlah pelajar adalah 700, berapakah pelajar yang lulus?
Penerangan

c) Pelajar yang mendapat markah lebih dari diberikan hadiah. 5% pelajar diberi hadiah. Cari nilai .
Penerangan

Bandingkan

Katakan mewakili jisim pelajar di sebuah sekolah yang mempunyai 500 orang
  • Kebarangkalian seorang pelajar lebih berat dari 60 kg
  • Anggaran pelajar yang lebih berat dari 60 kg
  • Diberi 60% daripada pelajar lebih berat dari kg
  • Diberi 200 pelajar kurang dari kg

Binomial vs Normal

  • → Taburan normal akan diberitahu dalam soalan, binomial biasanya tidak
  • → Taburan binomial, amat penting untuk bezakan dengan