Distribusi Gaussian: Panduan Komprehensif

Hanya sedikit konsep yang sama mendasarnya dan seluas penerapannya dalam statistika dan sains data seperti distribusi Gaussian. Juga dikenal sebagai distribusi normal, model matematis ini menjadi dasar bagi tak terhitung metode statistik dan teknik analisis data.

Panduan komprehensif ini membedah konsep distribusi Gaussian, mengeksplorasi sifat, aplikasi, dan signifikansinya dalam analisis data modern. Kita akan menelaah mengapa distribusi ini begitu lazim pada fenomena alam dan bagaimana distribusi ini digunakan di berbagai bidang, dari keuangan hingga manufaktur.

Jika Anda baru memulai statistika atau ingin menyegarkan dasar-dasarnya, kursus Introduction to Statistics kami menyediakan fondasi yang sangat baik. Bagi yang siap menerapkan konsep ini dalam bahasa pemrograman tertentu, kursus Statistical Thinking in Python (Part 1) dan Statistics Fundamentals with R akan membantu Anda memahami banyak cara distribusi Gaussian muncul dalam statistika deskriptif dan inferensial. 

Apa itu Distribusi Gaussian?

Distribusi Gaussian, juga dikenal sebagai distribusi normal, adalah distribusi probabilitas kontinu yang ditandai oleh kurva berbentuk lonceng. Distribusi ini didefinisikan oleh dua parameter:

1. μ (mu): Rata-rata atau nilai harapan dari distribusi
2. σ (sigma): Simpangan baku, yang mengukur sebaran distribusi

Fungsi kerapatan probabilitas (PDF) dari distribusi Gaussian diberikan oleh:

Dengan:

• x adalah variabel
• e adalah bilangan Euler (sekitar 2,71828)
• π (pi) adalah konstanta matematika pi (sekitar 3,14159)

Memvisualisasikan distribusi Gaussian

Untuk menggambarkan konsep distribusi Gaussian, pertimbangkan distribusi berat lahir bayi cukup bulan dalam populasi besar:

Beberapa pengamatan kunci dari grafik ini meliputi:

• Sebagian besar berat lahir bayi mengelompok di sekitar nilai rata-rata (puncak kurva).
• Lebih sedikit bayi yang memiliki berat lahir yang menyimpang jauh dari rata-rata ini.
• Sangat sedikit bayi yang memiliki berat lahir ekstrem (sangat tinggi atau sangat rendah).

Teorema limit pusat

Kejadian luasnya distribusi Gaussian di alam dan statistika dapat dijelaskan oleh teorema limit pusat (CLT). CLT menyatakan bahwa distribusi rata-rata sampel mendekati distribusi normal seiring bertambahnya ukuran sampel (misalnya, n ≥ 30) terlepas dari distribusi populasi dasarnya.

Satu aspek kunci CLT adalah konvergensi menuju distribusi normal ini terjadi relatif cepat seiring bertambahnya ukuran sampel. Untuk sebagian besar kebutuhan praktis, bahkan sampel berukuran sedang (misalnya, n ≥ 30) sudah cukup agar rata-rata sampel mendekati distribusi normal. Hal ini benar meskipun populasi itu sendiri menceng (skewed).

Distribusi Gaussian baku

Di dalam kelas distribusi Gaussian, ada kasus khusus yang dikenal sebagai distribusi Gaussian baku, atau lebih umum sebagai distribusi normal baku. Ini adalah distribusi Gaussian di mana:

• Rata-rata (μ) tepat 0.
• Simpangan baku (σ) tepat 1.

Fungsi kerapatan probabilitas dari distribusi Gaussian baku diberikan oleh rumus berikut. 

Perhatikan bahwa rumus fungsi kerapatan probabilitas Gaussian baku menjadi lebih sederhana dari bentuk umum karena nilai khusus yang diberikan pada rata-rata dan simpangan baku. Sekarang, mari kita visualisasikan distribusi Gaussian baku.

Distribusi Gaussian baku. Gambar oleh Penulis

Distribusi Gaussian baku, seperti yang ditampilkan pada visualisasi kita, berfungsi sebagai titik acuan dalam statistika. Pada visual, Anda dapat melihat bagaimana Gaussian baku merupakan versi terstandarkan dari distribusi Gaussian mana pun. Proses standardisasi menggeser rata-rata ke 0 dan menskalakan simpangan baku menjadi 1 sambil mempertahankan sifat-sifat fundamental distribusi.

Sifat-Sifat Distribusi Gaussian

Sekarang mari kita lihat beberapa sifat dari distribusi Gaussian.

Simetri dan kurva lonceng

Ciri khas distribusi Gaussian adalah bentuk loncengnya yang simetris. Simetri ini berarti data memiliki kemungkinan yang sama untuk berada di atas atau di bawah rata-rata, yang sangat berguna untuk memprediksi probabilitas dan membuat inferensi tentang data. Seperti terlihat pada visualisasi berikut, semua distribusi Gaussian mempertahankan bentuk lonceng yang khas ini, terlepas dari rata-rata atau simpangan bakunya.

Distribusi Gaussian divisualisasikan. Gambar oleh Penulis

Keselarasan mean, median, dan modus

Dalam distribusi Gaussian yang sempurna, mean (rata-rata), median (nilai tengah), dan modus (nilai yang paling sering muncul) semuanya sama. Keselarasan ini memberikan indikasi yang jelas tentang tendensi sentral data, yang berguna untuk merangkum kumpulan data. Pada visualisasi kita, Anda dapat melihat bagaimana puncak setiap kurva merepresentasikan titik pusat ini.

Simpangan baku dan sebaran data

Simpangan baku dalam distribusi Gaussian memberi tahu kita seberapa menyebar data dari rata-ratanya. Ini mengikuti pola yang dapat diprediksi:

• Sekitar 68% data berada dalam satu simpangan baku dari rata-rata.
• Sekitar 95% berada dalam dua simpangan baku.
• Sekitar 99,7% berada dalam tiga simpangan baku.

Aturan ini, dikenal sebagai aturan 68-95-99,7, berlaku untuk semua distribusi Gaussian, terlepas dari rata-rata atau simpangan bakunya. 

Aplikasi Praktis Distribusi Gaussian

Distribusi Gaussian bukan sekadar konsep teoretis – distribusi ini memiliki aplikasi luas di berbagai bidang. 

Inferensi statistik dan pengujian hipotesis

Banyak uji statistik, seperti uji t dan ANOVA, mengasumsikan bahwa data berdistribusi normal. Uji-uji ini membantu peneliti menentukan apakah ada perbedaan signifikan antar kelompok atau apakah efek yang diamati kemungkinan disebabkan oleh kebetulan. Asumsi kenormalan memungkinkan peneliti menghitung p-value dan interval kepercayaan, menyediakan kerangka untuk menarik kesimpulan dari data dan membuat keputusan yang tepat. 

Asumsi kenormalan begitu penting sehingga teknik pengambilan sampel ulang seperti bootstrapping dikembangkan untuk menghasilkan distribusi pengambilan sampel yang berdistribusi normal dari data yang tidak normal, sehingga lebih mudah membangun interval kepercayaan dan melakukan analisis statistik lain. Tutorial kami tentang pengujian hipotesis menunjukkan cara melakukan uji tersebut dalam berbagai skenario termasuk situasi ketika data berdistribusi normal.

Algoritme machine learning

Banyak teknik machine learning bergantung pada asumsi kenormalan, sehingga distribusi Gaussian menjadi fundamental bagi operasional dan interpretasinya. Dalam regresi linear, misalnya, kita biasanya ingin melihat nilai y (variabel dependen) mengikuti distribusi normal untuk meningkatkan keyakinan pada estimasi. Selain itu, kita mengharapkan residual (selisih antara nilai teramati dan terprediksi) berdistribusi normal. Asumsi-asumsi kenormalan ini menjadi dasar uji statistik yang digunakan untuk menilai keandalan model dan interval kepercayaan bagi prediksinya.

Selain itu, ilmuwan machine learning mungkin lebih suka bekerja dengan data yang mengikuti distribusi Gaussian karena alasan efisiensi komputasi. Distribusi Gaussian dapat berkontribusi secara tidak langsung terhadap efisiensi komputasi pada algoritme tertentu, terutama yang mengasumsikan atau bergantung pada data yang berdistribusi normal.

• Estimasi Parameter yang Efisien: Dalam distribusi Gaussian, mean dan varians adalah statistik cukup, artinya keduanya sepenuhnya mendeskripsikan distribusi. Ini mengurangi kebutuhan pemodelan momen orde lebih tinggi yang kompleks, sehingga mempercepat estimasi parameter.
• Konvergensi Algoritme: Algoritme seperti gradient descent, yang digunakan untuk optimasi dalam machine learning, dapat lebih cepat konvergen jika data berdistribusi normal. 
• Kompleksitas Komputasi yang Berkurang pada Beberapa Algoritme: Algoritme seperti Gaussian naive Bayes dirancang khusus untuk data yang berdistribusi normal dan bisa efisien secara komputasi ketika asumsi tersebut terpenuhi.