Pengertian Data Berdistribusi Normal Hingga Parameternya

Tambah pengetahuan kamu dengan memahami bagaimana konsep serta seperti apa pengertian Data berdistribusi normal.

Dalam suatu teori distribusi atau peluang atau bahkan probabilitas, maka distribusi normal ini menduduki posisi paling vital diberbagai analisa statistika. Jenis distribusi ini pun sering kali digunakan sebagai bajan perhitungan atas fenomena dalam keseharian.

Memahami Pengertian Data Distribusi Normal

Distribusi normal merupakan salah satu jenis distribusi dengan variabel acak secara kontinu. Pada distribusi normal sendiri ternyata terdapat kurva dengan bentuk lonceng hingga grafik.

Tidak hanya itu saja, distribusi normal juga dapat berfungsi sebagai distribusi gauss. Persamaan distribusi normal diantaranya sebagai fungsi desitas.

Jika distribusi normal dengan fungsi probabilitas, maka akan menunjukkan variabel atau penyebaran distribusi. Fungsi tersebut nantinya akan dibuktikan dengan sistem grafik simetrik atau bahkan bell curve.

Di samping hal tersebut, distribusi merata dengan kurva akan memuncak pada bagian tengahnya. Sehingga bisa menandai dikedua sisinya. Dengan menggunakan persamaan nilai yang sama atau setara.

Teori satu ini pun dikenal dengan istilah Gaussian Distribution atau distribusi gaus. Istilah yang mengacu pada Carl Friedrich Gauss atau seorang Matematikawan dari Jerman. Ia mengembangkan sebuah teori distribusi dengan fungsi eksponensial dua parameter pada periode tahun 1794 hingga 1809.

Walaupun begitu, teori atas cikal bakal kemunculannya. Dikembangkan oleh Abraham de Moivre tepat di tahun 1733. Setelah tahu parameter teori distribusi normal sebagai ciri utamanya.

Nah, kemudian bisa ditarik kesimpulan. Bahwa teori ini ternyata memiliki posisi penting dalam sistem dan konsep statistika peluang. Penerapannya juga dianggap membantu untuk menempatkan anggota-anggota yang paling tepat dalam suatu kelompok tertentu.

Misalnya saja saat mengelompokkan pegawai atau bahkan melakukan evaluasi atas nilai dari siswa. Di dalam suatu kriteria tertentu, pastikan untuk dapat menghindari terjadinya penilaian yang contoh atau pastikan untuk menggunakan penilaian biasa pada satu kategori saja.

Dengan distribusi yang dilakukan berpusat serta smiteris, maka nilai rata-rata dari seluruh data disuatu populasi, penilaian yang berat sebelah atau mungkin tidak seimbang bisa dihindari.

Selain itu juga nanti dapat membantu dalam menentukan tingkat normalisasi suatu data menjadi hal penting yang tidak bisa diabaikan.

Nah, bagaimana? Apakah kamu sudah paham dan mengerti bagaimana pengertian Data berdistribusi normal?

Parameter Distribusi Normal

Selain memahami bagaimana pengertian Data berdistribusi normal, kiranya kamu juga harus paham tentang bagaimana parameter distribusi normalnya. Bagaimana penjelasannya?

1. Nilai Rata-rata

Nah, nilai rata-rata pada umumnya akan digunakan sebagai pusat distribusi atau persebaran nilai lainnya. Nilai ini kemudian akan menentukan tentang lokasi hingga titik puncak dalam suatu kurva lonceng. Sementara untuk nilai lainnya dibuat sengaja tersebar mengikuti rata-ratanya.

2. Standar Deviasi

Menjadi penghitungan variabilitas, berfungsi sebagai penentu lebar suatu kurva distribusi normal. Nah, standar ini juga bisa menghitung seberapa jauh kecenderungan data akan melebar atas nilai rata-rata sebagai titik pusatnya.

Semakin kecil nilai standar sebuah deviasi, maka kurva juga akan memiliki bentuk semakin runcing. Selain itu, standar deviasi juga berfungsi untuk menggambarkan selisih umum atau bahkan jarak diantara mean dengan data lainnya yang diobservasi.

3. Parameter Populasi

Atau parameter populasi dengan perkiraan sample. Rata-rata serta deviasa standar, menjadi nilai parameter yang berlaku untuk seluruh populasi.

Nah, pada suatu distribusi normal. Ahli statistik juga menandai parameternya menggunakan simbol yunani. Namun parameter populasi ini pada umumnya tidak diketahui, sebab secara umum tidak memungkinkan suatu melakukan pengukuran terhadap seluruh populasi.

Pada sample acak, untuk dapat menghitung estimasi parameter ini pun bisa digunakan. Ahli statistik merepresentasikan estimasi sample dari parameter menggunakan mean untuk sampel dan s untuk deviasi standar sample.

Karakteristik Distribusi Normal

Bukan hanya sekadar pengertian Data berdistribusi normal dan bagaimana parameternya. Kamu juga ternyata harus tahu terkait dengan bagaimana karakteristik distribusi normal.

Menurut salah satu ahli statistika dunia, ciri utama dari distribusi normal adalah bentuk kurvanya tidak begitu simetris. Hal tersebut bisa dilihat dari beberapa karakteristik di bawah ini, apa saja?

1. Kurva Berbentuk Lonceng

Nah, distribusi normal menjadi jenis distribusi probabilitas yang memiliki bentuk simetris menyerupai kurva lonceng. Hal tersebut menunjukkan, bahwa sebagian besar data akan mengelompok disekitar rata-rata dan distribusinya merata pada dua sisi.

2. Nilai Mean, Median Hingga Modus yang Sama

Median sendiri adalah titik tengah distribusi. Sedangkan modus merupakan nilai yang paling sering muncul dan hadir dalam distribusi.

Di dalam distribusi normal, mean, media hingga modus memiliki nilai sama. Sebab bentuknya simetrik pada sekitar mean.

3. Tidak Cocok untuk Data Distribusi Miring

Bagaimana maksudnya? Ya, maksudnya memang tidak cocok untuk data dengan distribusi miring. Data distribusi miring akan memiliki bentuk yang tidak simetris, serta tidak cocok untuk permodelan dengan sistem distribusi normal.

Selain itu, distribusi miring pun memiliki ekor yang lebih panjang disuatu sisi pada sisi lainnya. Hal tersebut menampakkan bahwa datanya tidak terdistribusi secara rata. Dengannya data tersebut perlu menggunakan jenis distribusi lain, sesuai untuk memodelkan dari data miring.

4. Cocok dengan Variabel Kontinu

Selain beberapa karakteristik di atas, ternyata distribusi normal juga cocok untuk memodelkan sistem variabel kontinu. Yang mana nantinya akan membentuk data dengan jumlah nilai tidak terbatas.

Sehingga pemanfaatannya akan sangat luas, guna menganalisis data diberbagai keperluan. Seperti penelitian ekonomi atau bahkan penelitian dalam ilmu sosial.

Pengaturan Empiris untuk Distribusi Normal

Mengenai aturan empiris distribusi normal, atau dapat diketahui juga sebagai aturan 68-95-99.7 menjadi sebuah cara yang sangat berguna untuk dapat memahami distribusi data dalam sebuah distribusi normal.

Ketentuan tersebut sangat bisa digunakan untuk dapat memperkirakan probabilitas dan membuat prediksi atas dasar karakteristik populasi. Aturan tersebut menyatakan bahwa:

1. Sekitar 68% data, termasuk dalam satu standar deviasi atas rata-rata
2. Sekitar 95% data, akan masuk dalam dua standar deviasi atas rata-rata
3. Kemudian sekitar 99.7% data, termasuk dalam tiga standar deviasi atas rata-rata

Dari persentase tersebut berlaku pada setiap distribusi normal, terlepas dari rata-rata atau bahkan standar deviasinya.

Ketentuan empiris distribusi normal bisa digunakan untuk memperkirakan secara cepat proporsi data yang berada dalam rentang nilai tertentu. Tanpa harus melakukan perhitungan rumit. Atau bahkan mencari nilai dalam suatu tabel.

Misalnya, terdapat populasi berdistribusi normal dengan rata-ratanya 100 dan standar deviasi 10. Proporsi nilai yang berada pada rentang tertentu, ternyata bisa diperkirakan menggunakan aturan empiris.

Kapan Data Berdistribusi Normal Harus Digunakan?

Mungkin kamu selama ini mempertanyakan hal tersebut, dan ternyata data distribusi normal dapat digunakan untuk statistik inferensial. Ketika data cukup besar, maka distribusi rata-rata data cenderung mengikuti distribusi normalnya.

Kemudian dapat digunakan saat akan melakukan pengujian hipotesis, jika ukuran data cukup besar dan variasi populasinya diketahui. Maka seseorang bisa menggunakan distribusi normal untuk pengujian hipotesisnya.

Lalu terakhir, kamu dapat menggunakannya untuk analisis regresi, ketika residual dari model regresi mengikuti distribusi normal. Sehingga seseorang bisa membuat kesimpulan statistik secara valid.

Nah, itulah beberapa penjelasan terkait dengan pengertian Data berdistribusi normal hingga kapan penggunaannya harus dimanfaatkan. Jelas bukan?