2.

Peubah Acak (Random Variable)
EL2002-Probabilitas dan Statistik
Dosen: Andriyan B. Suksmono

Isi
0. • • • • • • • • • Review dari EL2009 Konsep Peubah Acak Sebaran Peluang Diskrit Sebaran Peluang Kontinyu Sebaran Empiris Sebaran Peluang Gabungan Nilai Harap Hukum Nilai Harap Sifat Variansi Teorema Chebyshev

Konsep Pubah Acak
• Eksperimen statistik dipakai untuk menyatakan proses dimana pengukuran peluang dilakukan. • Seringkali, yang lebih penting bukanlah detail dari hasil eksperimen, tetapi gambaran numerik terkait eksperimen tsb. Contoh: pelantunan koin 3 kali memberikan hasil S = {HHH, HHT, HTH, THH, HTT, THT, TTH, TTT} • Gambaran umum mengenai jumlah H yang muncul dapat dilakukan jika nilai-nilai 0, 1, 2, atau 3 bisa dikaitkan dengan hasil diatas. Hal ini dilakukan melalui konsep peubah acak (random variable).

S Random variable R -2 0 1 • Peubah acak dinyatakan dengan huruf besar.2. HTH.Definisi • Def. Untuk kasus pelantunan koin tsb diatas. yakni x untuk kasus ini. THH} .1: Suatu fungsi yang nilainya berupa bilangan riil yang ditentukan oleh setiap anggota dari ruang cuplikan disebut sebagai peubah acah (random variable). misalnya X. sedangkan nilainya dengan huruf kecil-nya. X akan bernilai 2 untuk peristiwa: E = {HHT.

1 Dua bola diambil berturutan secara acak.Contoh • Contoh 2. dimana Y menyatakan banyaknya bola merah adalah Peristiwa RR RB BR BB y 2 1 1 0 . tanpa penggantian. Hasil dapat muncul dan nilai y dari peubah acak Y. dari suatu wadah yang berisi empat bola merah (R) dan tiga bola hitam (B).

Jones. Jika helm diambil acak dan dikembalikan sesuai urutan pegawai diatas. dan Brown dalam urutan spt itu. dan m menyatakan jumlah helm yang kembali ke pemilik sebenarnya .… • Contoh 2. kemungkinan berikut bisa terjadi: Peristiwa SJB SBJ JSB JBS BSJ BJS m 3 1 1 0 0 1 .2: Petugas penyimpanan helm mengembalikan helm dari tiga orang pegawai Smith.

• Def. atau sejumlah tak berhingga titik sebanyak seluruh bilangan bulat.3: Ruang cuplikan yang mengandung sejumlah takberhingga titik cuplikan. dan peubah acak yang didefinisikan dalam ruang ini disebut sebagai peubah acak diskrit. sebanyak seluruh titik dalam segmen garis. disebut sebagai ruang cuplikan kontinyu.2: Ruang cuplikan yang mengandung sejumlah berhingga titik cuplikan. disebut sebagai ruang cuplikan diskrit.2. dan peubah acak yang didefinisikan dalam ruang ini disebut sebagai peubah acak kontinyu. .Peubah acak diskrit dan kontinyu • Def.2.

Sebaran Peluang Diskrit .

• Seringkali lebih praktis menyatakan semua kemungkinan peubah acak X kedalam formula. sehingga seluruh peluang akan berjumlah 1. yakni m=0. peubah X yang menyatakan banyaknya H muncul akan memberikan peluang 3/8 untuk x=2. Kita bisa membuat tabel berikut: m P(M=m) 0 1/3 1 1/2 3 1/6 • Nilai m menyatakan semua kasus yang mungkin terjadi. Jadi kita tuliskan f(x) = P(X=x) . misalnya f(3) = P(X=3) . peluang tidak satupun pegawai mendapatkan helm yang benar.Sebaran peluang diskrit • Dalam kasus pelantunan koin tiga kali. adalah 2/6=1/3. • Untuk kasus pengembalian helm.

f(x) ≥ 0 2.4: Fungsi f(x) adalah suatu fungsi peluang atau sebaran peluang dari peubah acak X jika. Sepasang dadu akan memiliki kombinasi muncul sebanyak 6⋅6 = 36 cara.Fungsi atau sebaran peluang • Def.2. P(X =x) = f(x) Contoh 2. Maka x akan bernilai dari 2 sampai 12.3: Tentukan sebaran peluang dari jumlah sepasang mata dadu jika dilantunkan. • • . untuk setiap hasil yang muncul x berlaku: 1. Jawab: Andaikan X peubah acak yang nilainya x merupakan jumlah pasangan mata dadu. Σx f(x) = 1 3. masing-masing dengan peluang 1/36.

.. Mata Dadu 1 2 3 4 5 6 1 2 3 4 5 6 7 2 3 4 5 6 7 8 3 4 5 6 7 8 9 4 5 6 7 8 9 10 5 6 7 8 9 10 11 6 7 8 9 10 11 12 X x f(x) 2 1/36 3 2/36 4 3/36 5 4/36 6 5/36 7 6/36 8 5/36 9 4/36 10 3/36 11 2/36 12 1/36 .

1.Sebaran kumulatif • Def.. 3. Dengan demikian f(x) = C(4. f(4)= f(0). akan ada kombinasi sebanyak C(4. dimana x = 0. dst • .4 dan 2. F(1) = f(0) + f(1) = 5/16. . 2. Jumlah titik cuplikan ada 24 = 16. f(1)=(4!/3!)/16 = 4/16.2. diperoleh : F(0) = f(0) = 1/16.. Jawab: 1. Jika x menyatakan banyaknya muncul H. x)/16. Berdasarkan Def. Tentukan: 1) formula sebaran peluang munculnya H yaitu f(x).5: Suatu koin dilantunkan empat kali.5.2. 4 f(0) = (4!/4!)/16 = 1/16 .x). dan 2) sebaran kumulatif F(x) nya. 1. f(2) = (4!/(2!2!))/16 = 6/16. f(3) = f(1).5: Sebaran kumulatif F(x) dari peubah acak diskrit X dengan sebaran peluang f(x) adalah F(x) = P(X ≤ x) = Σt≤x f(t) • Contoh 2.

untuk x < 0 ⎪ 1 . untuk 0 ≤ x < 1 ⎪ 16 ⎪ ⎪ 516 . untuk 3 ≤ x < 4 ⎪ ⎪ ⎩1.… • Dengan demikian ⎧0. untuk 2 ≤ x < 3 ⎪1516 . untuk 1 ≤ x < 2 F (x ) = ⎨ 11 ⎪ 16 . untuk x ≥ 4 F(x) 1 3/4 1/2 1/4 0 1 2 3 4 x Sebarang kumulatif diskrit .

4: f(x) = C(4. x)/16 X f(x) 0 1/16 1 4/16 2 6/16 3 4/16 4 1/16 6/16 5/16 4/16 3/16 2/16 1/16 f(x) 6/16 5/16 4/16 3/16 2/16 1/16 f(x) Luas=f(x) 0 1 2 3 Bar-chart 4 x 0 1 2 3 4 Histogram peluang x .Sebaran peluang dlm bentuk grafis • Dari contoh 2.

3 Sebaran peluang kontinyu .2.

• Peubah acak kontinyu tidak dapat ditampilkan secara tabular. mis. ada tak hingga macam tinggi badan. P(a<X≤b) = P(a<X<b) + P(X=b) = P(a<X<b) + 0 – Jadi.Arti kerapatan peluang (kontinyu) • Tinjau sebaran tinggi badan dari orang berumur 21 thn. Antara sebarang dua nilai. namun bisa dinyatakan dalam rumus. • Peubah acak kontinyu dinyatakan dalam suatu fungsi rapat peluang f(x) .5. tidak ada bedanya mengikutkan titik ujung dalam perhitungan ini ataupun tidak. 163. – Peubah acak kontinyu memiliki peluang nol untuk suatu nilai eksak dari peubah acak ini.5 – 164.

f(x) P (a < X < b ) = ∫ f ( x )dx a a b b x • Penentuan nilai peluang dalam rentang peubah acak antara a dan b.Fungsi rapat peluang kontinyu • Suatu fungsi rapat peluang dibentuk sedemikian hingga integrasi daerah dibawah kurva ke seluruh X memberikan luas sebesar satu. .

f(x) ≥ 0 untuk semua x∈R ∫∞-∞ f(x) dx = 1.Def.2. 2. P(a<X<b) = ∫ba f(x) dx • • Contoh: andaikan peubah acak X memiliki fungsi rapat peluang: f(x) = x2/3.2.6. -1<x<2 dan f(x)=0 selain itu. jika 1. fungsi rapat peluang kontinyu • Def. dan (2) Tentukan P(0< X ≤1) Jawab: 1) ∫∞-∞ f(x) dx = ∫2-1(x2/3)dx = x3/9|2-1 =(8/9) + (1/9) = 1 2) P(0< X ≤1) = ∫10(x2/3)dx= x3/9|10= 1/9 . Tentukan: (1) kondisi 2 pada Def. 3.6: Suatu fungsi f(x) adalah fungsi rapat peluang untuk peubah acak kontinyu X yang didefinisikan ke seluruh himpunan bilangan riil R.

2.Sebaran peluang kumulatif kontinyu • Def.7. yaitu: 1) P(a<X<b) = F(b) – F(a) 2) f(x) = dF(x)/dx .2.7: Sebaran peluang kumulatif F(x) dari suatu peubah acak kontinyu X dengan fungsi kerapatan f(x) diberikan oleh x F (x ) = P( X ≤ x ) = ∫ f (t )dt −∞ • Ada dua hasil langsung dari Def.

. tentukan F(x) dan gunakan untuk menghitung P(0< X ≤1) • Jawab: F(x) = ∫∞-∞ f(t) dt = ∫x-1 (t2/3)dt = t3/9|x-1 = (x3+1)/9 Oleh karena itu. P(0< X ≤1) = F(1) – F(0) = (2/9) – (1/9) = 1/9 .6.Contoh • Soal: Untuk fungsi pada contoh 2.

2.4 Sebaran Empiris .

6 3. Pabrik menjamin umur batere adalah 3 tahun.5 3.3 4.2 2.2 3.3 4.3 3.1 3. seringkali fungsi rapat peluang f(x) untuk peubah acak kontinyu X tidak diketahui.5 .2 4.7 3.Sebaran frekuensi relatif • Dalam percobaan. Umur batere dalam tahun 2.6 3.4 2.1 3. Tabel 2.1 3.1 3.9 3.5 3.7 3.0 4.3 3.4 2.8 3.2 3.9 4. • Tinjau sebaran frekuensi relatif dari 40 buah umur batere mobil dalam Tabel 2.1.5 3.1 1.7 3.6 4.1.4 3.8 2.9 3.1 3.9 1.7 4.2 3.6 4. • Pemilihan f(x) harus mempertimbangkan setiap informasi yang tersedia dari data.7 3.4 3.0 3.

075 .025 0.7 Frekuensi (f) 2 1 4 15 10 5 3 Frekuensi relatif 0.Lanjutan … • Andaikan diambil 7 kelas.5 .0 .5 – 2.7 2.100 0.2 2.4 3.7 4.9 Titik tengah kelas 1.4 4.9 2.2.2 menunjukkan sebaran frekuensi relatif-nya.7-1.6)/7=0.9 4.443.125 0.0 – 4.5 – 4.0 – 3.1.050 0. dng demikian besar interval adalah (max-min)/kelas = (4.9 3.375 0. Tabel 2.2 Interval Kelas 1.2 3.5 – 3. Tabel 2.250 0.4 2.2 4.7 3.

7 • Bentuk kurva: lingkaran? Hiperbola? Elips? Parabola f(x) = ax2 + bx + c. untuk a.Histogram dan estimasi fungsi rapat peluang 0.250 f(x) 0.7 3. .375 0. b.7 2.7 4.2 2.125 1. c tertentu? • Banyak fungsi kerapatan peluang yang dapat dinyatakan dalam kurva berbentuk lonceng (Gaussian).2 4.2 3.

Skew ke kanan setangkup Skew ke kiri .Skewness dari data • Sebaran bersifat simetrik (setangkup) atau tak simetrik (skewed).

500 * Kuartil pertama ~3.075 0.45 . kita dapat membuat sebaran frekuensi kumulatif dari umur batere.45 < 3.45 < 2.000 0.Sebaran kumulatif • Berdasarkan Tabel 2.3 dan estimasi F(x).000 F(x) decile ke tujuh ~3.050 0.95 < 4.45 < 4. Batas kelas < 1.05 1.750 Frekuensi kumulatif relatif 1.45 4.550 0.800 0. spt pada Tabel 2.70 * * * 0.000 0.45 * * * * 3.95 < 3.175 0.45 Umur batere 2.95 < 2.2.250 0.925 1.45 < 1.95 Frekuensi kumulatif relatif 0.

5 Sebaran Peluang Gabungan .2.

misalnya hasil pengukuran dua besaran P dan V yng dinyatakan sbg (p. v). kita sebut sebaran peluangnya sebagai sebaran peluang gabungan. • Def.y) = 1 3. f(x. ∑x ∑y f(x.8: Fungsi f(x.2.Y)∈A] = ∑∑A f(x. .y) 2.y) untuk sebarang daerah A dalam bidang xy.y) ≥ 0 untuk seluruh (x. P[(X.y) adalah fungsi peluang gabungan dari dua peubah diskrit X dan Y jika 1.Peluang gabungan diskrit • Jika dimensi ruang cuplikan lebih dari satu.

Cacah kombinasi terpilihnya satu dari dua refil berwarna merah dan satu dari tiga refil hijau adalah C(2.4 berikut ini. Hasilnya ditampilkan pada Tabel 2. (0.1).8 • Soal: Suatu kotak berisi tiga refil (tinta isian) berwarna biru. Jumlah total kombinasi terpilihnya dua refil dari delapan buah refil yang ada di dalam kotak adalah C(8. dua refil merah.Y)∈A]. Akan diambil dua refil secara acak dari kotak tsb. (1.0). (0. • Jawab: pasangan (x. dan (2.y) yang dapat muncul adalah (0.1) = 2⋅(3!/2!) = 6.y) untuk seluruh rentang nilai diskrit x dan y yang mungkin dapat ditentukan.y). tentukan: (1) fungsi peluang gabungan f(x.1). .1) yang menyatakan peluang terpilihnya refil merah dan hijau (karena refil biro nol). Dengan cara yang sama. dan (2) P[(X.0). nilai f(x. f(0.2) = 8!/(6!)(2!)=8⋅7/2=28. dan 3 refil hijau.1) = 6/28 =3/14. dan Y jumlah refil merah.1)⋅C(3. dimana A adalah daerah {(x. Dengan demikian.2).0). Jika X menyatakan jumlah refil biru.y)|x + y≤1}. Tinjau f(0.Contoh 2. (1.

Y)∈A] = P(X + Y ≤ 1) = f(0.… Tabel 2. P[(X.0) + f(0.0) = 3/28 + 3/14 + 9/28 = 9/14 .4 Sebaran peluang gabungan y 0 1 2 x 0 3/28 3/14 1/28 1 9/28 3/14 2 3/28 - 2).1) + f(1.

y) = x(1+3y2)/4.9 2.y) dx dy Contoh 2.2.9: Suatu fungsi f(x.y) adalah fungsi kerapatan gabungan dari peubah acak kontinyu X dan Y jika 1.y) dxdy = 1 3.Y)∈A] = ∫∫Af(x.9: Tinjau fungsi rapat peluang berikut f(x. f(x. 0<x<2.Peluang gabungan kontinyu • Def.Y)∈A] dimana A adalah daerah {(x. ¼ <y< ½} • . Periksa kondisi 2 pada Def. P[(X.2. y) 2. 0<y<1 = 0. Tentukan P[(X. lainnya 1.y) ≥0 untuk semua (x. ∫∫-∞∞ f(x.y)| 0<x<1.

1 4 2 ⎛ 1 3y = ∫⎜ ⎜2+ 2 0⎝ 1 2 ⎞ ⎛y y ⎞ 1 1 ⎟ ⎜ ⎟ ⎟dy = ⎜ 2 + 2 ⎟ = 2 + 2 = 1 ⎠ ⎝ ⎠0 x 1+ 3y2 dxdy = ∫∫ 4 1 0 21 4 1 ( ) ⎛ x 3x y = ∫⎜ ⎜ 8 + 8 1 ⎝ 4 2 2 2 1 2 ⎞ ⎟ ⎟ dy = ⎠ x =0 x =1 1 ⎛ 1 3y ⎜ ∫ ⎜8 + 8 1 ⎝ 4 2 2 ⎞ ⎛y y ⎞ 2 ⎟ ⎟ ⎟dy = ⎜ ⎜8 + 8 ⎟ ⎠1 ⎠ ⎝ 3 4 1 1 ⎞ 23 ⎛1 1 ⎞ ⎛ 1 = ⎜ + ⎟−⎜ + ⎟= ⎝ 16 64 ⎠ ⎝ 32 512 ⎠ 512 .x 1+ 3y2 (1) ∫ ∫ f (x. y )dxdy = ∫ ∫ dxdy 4 − ∞− ∞ 0 0 1 2 ∞ ∞ ( ) ⎛ x 3x y = ∫⎜ ⎜ 8 + 8 0⎝ 1 2 2 2 ⎞ ⎟ ⎟ dy ⎠ x =0 3 1 x=2 1 ) Y < < (2) P[( X . Y ) ∈ A] = P(0 < X < 1.

y) dy h(y) = ∫-∞∞ f(x. maka sebaran peluang untuk masing-masing peubah acak X dan Y (sebaran marjinal) adalah: Diskrit: g(x) = ∑y f(x.Sebaran peluang marjinal • Jika f(x.y) dx .y) h(y) = ∑x f(x.y) Kontinyu: g(x) = ∫-∞∞ f(x.y) adalah sebaran gabungan dari peubah acak X dan Y.

Bahwa masing-masing benar berupa fungsi sebaran dapa diperiksa berdasarkan Def.2. -∞<Y<∞) = ∫ab∫-∞∞ f(x.6.y) dy dx = ∫ab g(x) dx . dan Def. untuk kasus kontinyu: ∫-∞∞ g(x) dx = ∫-∞∞∫-∞∞ f(x.y) dy dx = 1 dan P(a<X<b) = P(a<X<b.… • Fungsi g(x) dan h(y) disebut sebagai sebaran marjinal dari X dan Y.4. Sbg contoh.2.

sebaran bersyarat f(x|y) dari peubah acak X jika diberikan Y=y dapat dituliskan sebagai f(x|y) = f(x. diberikan X=x. yakni: f(y|x) = f(x. • Dapat ditunjukkan bahwa fungsi f(x.y)/g(x).y)/g(x) memenuhi syarat sebagai sebaran peluang dan akan dituliskan sebagai f(y|x). h(y)>0 .Y=y)/P(X=x) = f(x.y)/h(y). P(A)>0 Jika A dan B adalah peristiwa yang dimana X=x dan Y=y. g(x) >0 untuk peubah acak diskrit X dan Y.Sebaran bersyarat diskrit • Kembali ke definisi peluang bersyarat: P(B|A) = P(A∩B)/P(A).y)/g(x) . • Dengan cara sama. g(x)>0 dan disebut sebagai sebaran bersyarat dari peubah acak diskrit Y. P(Y=y|X=x) = P(X=x.

jika diberikan Y=y adalah f(x|y) = f(x. dapat dihitung sbb: P(a<X<b|Y=y) = ∫ab f(x|y) dx . sebaran rapat peluang bersyarat dari peubah acak kontinyu X. adalah f(y|x) = f(x.Sebaran bersyarat kontinyu • Perdefinisi. h(y)>0 sedangkan sebaran rapat peluang bersyarat untuk peubah acak kontinyu Y.y)/h(y).y)/g(x). diberikan X=x. g(x)>0 • Peluang dari peubah acak kontinyui X yang terletak antara a dan b. jika diketahui Y=y.

Contoh 2.10
• Soal: Mengacu ke contoh 2.8 tentang pengambilan refil tinta, tentukan f(x|1) dan P(X=0|Y=1). • Jawab: f(x|1) = f(x,1)/h(1), tentukan tlbh dulu h(1) h(1) = ∑x=01 f(x,1) = (3/14)+(3/14)+0 = 3/7 Karena itu f(x|1) = (7/3) f(x,1), untuk x=0, 1, 2. Karena itu f(0|1) = (7/3) f(0,1) = (7/3)(3/14) = ½ f(1|1) = (7/3) f(1,1) = (7/3)(3/14) = ½ f(2|1) = (7/3) f(2,1) = (7/3) (0) = 0 dan sebaran bersyarat untuk X, diberikan Y=1 adalah

x f(x|1)

0 ½

1 ½

2 0

• Akhirnya, P(X=0|Y=1) = f(0|1) = 1/2

Contoh 2.11
• Soal: Fungsi kerapatan gabungan dari peubah acak X dan Y dinyatakan sebagai f(x,y) = 8xy; 0<x<1, 0<y<x = 0; selain itu Tentukan g(x), h(y), f(y|x), dan P(Y<1/8|X=1/2) • Jawab: Berdasarkan definisi, kita peroleh hasil-hasil berikut ini: g(x)= ∫-∞∞ f(x,y) dy = ∫0x 8xy dy = 4xy2|xy=0 = 4x3 ; 0<x<1 h(y)= ∫-∞∞ f(x,y) dx = ∫0y 8xy dx = 4x2y|yx=0 = 4y3 ; 0<y<x Selanjutnya f(y|x) = f(x,y)/g(x) = 8xy/4x3 = 2y/x2 ; 0<y<x dan P(Y<1/8|X=1/2) = ∫01/8 (2y/x2)|x=1/2 dy = ∫01/8 8y dy = 4y2|01/8 = 1/16

Kebebasan Statistik
• Contoh 2.12: Tinjau kasus fungsi kerapatan bersama pada Contoh 2.9. Tentukan g(x), h(y), f(x|y), dan P(1/4<X<1/2|Y=1/3) • Jawab: Berdasarkan definisi kita peroleh g(x)= ∫-∞∞ f(x,y) dy = ∫0x x(1+3y2)/4 dy = x/2; 0<x<2 h(y)= ∫-∞∞ f(x,y) dx = ∫0y x(1+3y2)/4 dx = (1+3y2)/2 ; 0<y<1 Akibatnya f(x|y) = f(x,y)/h(y) = {x(1+3y2)/4}/{(1+3y2)/2} = x/2 ; 0<x<2 dan P(1/4<X<1/2|Y=1/3) = ∫1/41/2 (x/2)|y=1/3 dx = 3/64 • Contoh ini memperlihatkan peluang bersyarat f(x|y) tidak bergantung pada y. Untuk kasus demikian, dapat ditunjukkan bahwa i) f(x|y) = g(x), dan ii) f(x,y)= g(x)⋅h(y).

y) = f(x|y)h(y) ke sebaran marjinal dari X. Akibatnya g(x)= f(x|y) ∫-∞∞ h(y) dy = f(x|y)⋅1 = f(x|y) Oleh karena itu g(x) = f(x|y) dan f(x.y) = g(x)⋅h(y) • Hasil ini dirangkum dalam definisi berikut .… • Bukti: substitusikan f(x. maka peluang bersyarat ini bisa dikeluarkan dari integral.y) dy= ∫-∞∞ f(x|y)h(y) dy Karena f(x|y) tdk bergatung y. yakni g(x)= ∫-∞∞ f(x.

Def. dengan demikian X dan Y dalam contoh 2.1) = 3/14 g(0) = ∑2y=0 f(0. Kebebasan Statistik • Def. baik diskret maupun kontinyu. dengan sebaran peluang gabungan f(x.11 tidak bebas statistik • Berdasarkan contoh 2.8: f(0.10: Andaikan X dan Y dua peubah acak.1) = 3/14 +3/14 + 0 = 3/7 Jelas bahwa f(0.y) = g(x)⋅h(y) untuk semua nilai (x.y) dan sebaran marjinal g(x) dan h(y). jika dan hanya jika.12 adalah bebas secara statistik • Peubah acak kontinyu pada contoh 2.1) ≠g(0)⋅h(1).y) • Peubah acak kontinyu pada contoh 2. f(x.8 tidak bersifat bebas secara statistik .2. Peubah acak X dan Y disebut bebas secara statistik.y) = 3/28 + 3/14 + 1/28 = 5/14 h(1) = ∑2x=0 f(x.

x2. x2. x2. xn) kontinyu: g(x1) = ∫-∞∞… -∞∞ f(x1. xn) . …. x2) = ∑x3 …∑xn f(x1. X5= x5. x2. • Sebaran marjinal untuk X1 diberikan oleh diskrit: g(x1) = ∑x2 …∑xn f(x1. xn)dx3…dxn • Sebaran gabungan bersyarat X1. Xn. x3| x4. …. …. x2. xn)dx2…dxn • Sebaran marjinal gabungan φ(x1. xn) kontinyu: φ(x1. x5. x2. X2. …. xn) /g(x4. xn) = f(x1. X2. xn) dari peubah acak X1. x5. X3 diberikan X4= x4. …. x2) diskrit: φ(x1. Tinjau fungsi peluang bersama f(x1. …. …. ….Generalisasi ke n-buah peubah acak • Hasil-hasil yang diperoleh dari 2-buah peubah acak dapat digeneralisasi ke n-buah peubah acak. x2. x2) = ∫-∞∞… -∞∞ f(x1. …. Xn= xn adalah f(x1. ….

f2(x2).Generalisasi kebebasan statistik • Def. dan X3 adalah f(x1. x2.e-2) (e-1 .0376 .13: Andaikan X1.x2 .x2 . 1<X2<3.x3). …. …. selain itu Tentukan P(X1<2. dan X3 adalah tiga peubah acak yang saling bebas secara statistik dan andaikan masing-masing memiliki fungsi rapat peluang: f(x) = e-x . xn) dan sebaran marjinal f1(x1). X2. x3) = f(x1) f(x2) f(x3) = e-x1 e-x2 e-x3 = exp(-x1 . fn(xn). xn) = f1(x1)⋅f2(x2) ⋅ … ⋅ fn(xn) Contoh 2. x1>0. x2>0. X3>2) Jawab: Fungsi rapat peluang bersama dari X1. Xn disebut saling bebas secara statistik jika dan hanya jika f(x1. X2.e-3) e-2 = 0. …. …. 1<X2<3. dengan sebaran peluang bersama f(x1. x3>0 maka P(X1<2. …. x>0 =0 . x2. diskrit atau kontinyu.11: Andaikan X1. Xn adalah n-buah peubah acak.x3) dx1dx2dx3 • • =(1 . x2.2. X2. X3>2) = ∫2∞ ∫13 ∫02 exp(-x1 . X2. Peubah acak X1.

30 Joint PDF: 32 .Latihan • • • • Peluang marjinal: 23 dan 24 Peluang bersyarat: 27 dan 28 Kebebasan statistik: 29.

2.6 Nilai Harap dari Peubah Acak .

untuk X kontinyu = ∫-∞∞ x⋅f(x)dx .06 • Nilai rata-rata dari peubah acak yang demikian disebut sebagai nilai harap (expected value). untuk X diskrit . maka X dpt bernilai 0. atau 2.Konsep dan Definisi • Jika dua buah koin dilantunkan 16 kali dan X menyatakan jumlah munculnya sisi H per-lantunan. Nilai harap dari X adalah E(X) = ∑x x⋅f(x) . • Def.2. maka rata-rata jumlah H perlantunan dari dua koin adalah: (0⋅4 + 1⋅7 + 2⋅5)/16 = 1. dan 5 lantunan dengan 2H.12: Andaikan X suatu peubah acak dengan sebaran peluang f(x). 1. Jika eksperimen ini menghasilkan 4 lantunan tanpa H. 7 lantunan dengan 1H.

maka sebaran peluang dari X akan diberikan oleh f(x) = C(4. f(2)=18/25.7 . komite} yakni f(0)=1/35. dan f(3)=4/35. x=0. f(1)=12/35.Contoh 2. Oleh karena itu: E(X) = 0⋅(1/35)+1⋅(12/35)+2⋅(18/35)+3⋅(4/35) = 12/7 = 1.14 • Soal: Hitung nilai harap dari jumlah Kimiawan dalam seleksi suatu Komite yang terdiri dari tiga orang.3). x)⋅C(3. 2. 3 -----------------------------------------------------------------{kombinasi x dari 4 Kimiawan} * {kombinasi (3-x) dari 3 angg. 1. 3-x)/C(7. berdasarkan 4 kandidat Kimiawan dan 3 kandidat Biologiwan • Jawab: Jika X menyatakan banyaknya Kimiawan dalam Komite.

12.000/x3. selain itu Tentukan nilai harapan hidup dari tabung jenis ini.000/x3)dx = ∫∞100 (20. maka E(X) = ∫∞100 x⋅(20. • Jawab: Berdasarkan Def. x>100 =0 .2.000 (-x-1)|∞100 = 0+200 = 200 .Contoh … • Soal: Andaikan X peubah acak yang menyatakan waktu hidup lampu tabung dalam jam.000/x2)dx = = 20. Fungsi kerapatan peluangnya dinyatakan sebagai: f(x) = 20.

1 . 1. maka P[g(X)=0] = P(X=0) = f(0) P[g(X)=1] = P(X=-1)+P(X=1) = f(-1)+f(1) P[g(X)=4] = P(X=2) = f(2) Perdefinisi 2. 0.12. dimana x=-1. Sbg contoh untuk X diskrit dengan sebaran peluang f(x).Nilai harap g(X) • Tinjau fungsi g(X) dari peubah acak X. E[g(X)] = ∑g(x) g(x)P[g(X)=g(x)] = 0⋅P[g(X)=0] + 1⋅P[g(X)=1]+4⋅P[g(X)=4] = 0⋅f(0) + 1⋅[f(1)+f(-1)] +4⋅f(2) = ∑x g(x)⋅f(x) • Hasil ini diformulasikan sebagai Teorema 2. 2 dan g(X)=X2.

1: Andaikan X suatu peubah acak dengan sebaran peluang f(x). jika X diskrit . Nilai harap dari fungsi g(X) adalah E[g(X)]= ∑x g(x)⋅f(x) .1.Nilai harap dari g(X) … • Teorema 2.17: Andaikan X adalah peubah acak dengan sebaran peluang berikut x | 0 1 2 3 ---------------------------------------------f(x)| 1/3 ½ 0 1/6 Tentukan nilai harap dari Y = (X-1)2 • Jawab: Berdasarkan Teorema 2. nilai harap dari Y adalah E[(X-1)2] = ∑03 (x-1)2 f(x) = (-1)2⋅f(0) + (0)2⋅f(1) + (1)2⋅f(2) + (2)2⋅f(3) = (1)2⋅(1/3) + (0)⋅(1/2) + (1)⋅(0) + (4)⋅(1/6) = 1 . jika X kontinyu = ∫-∞∞ g(x)⋅f(x)dx • Contoh 2.

2.1) .0) = 0 + 0 + 0 + 0 + f(1.19: Andaikan X dan Y dua peubah acak dengan sebaran peluang spt pada Tabel 2.1) + 0⋅2⋅f(0.y)⋅f(x.13: Andaikan X dan Y peubah acak dengan sebaran peluang bersama f(x.y) .y)dxdy . jika X dan Y diskrit = ∫-∞∞ ∫-∞∞ g(x.y). jika X dan Y kontinyu y 0 1 2 x 0 3/28 3/14 1/28 1 9/28 3/14 2 3/28 - • Contoh 2.13.4 (lihat sebelah).1) + 0 = f(1.0) + 0⋅1⋅f(0.1) + 2⋅0⋅f(2.Y) • Def.0) + 1⋅1⋅f(1. Nilai harap dari fungsi g(X.Y ) adalah E[g(X.Y)] = ∑x.y g(x.y)⋅f(x. kita dapat menyatakan E(XY) = ∑2x=0 ∑ 2y=0 xy⋅f(x.2) + 1⋅0⋅f(1. Tentukan nilai harap g(X.Y)=XY ! • Jawab: Perdefinisi 2.y) = 0⋅0⋅f(0.Nilai harap dari g(X.

7 Hukum Nilai Harap .2.

Teorema • Teorema 2.2: Jika a dan b konstanta. maka E(aX + b) = aE(X) + b • Corollary 1: Dengan membuat a=0. maka E(b) = b • Corollary 2: Dengan membuat b=0. maka E(aX) = aE(X) .

Yakni E[g(X) ± h(X)] = E[g(X)] ± E[h(X)] • Contoh 2.2⋅1 + 1 = 1 x | 0 1 2 3 ----------------------------------------------------------f(x)| 1/3 ½ 0 1/6 . Sehingga E(X) = 0⋅(1/3) + 1⋅(1/2) + 2⋅(0) + 3⋅(1/6) = 1 E(X2) = 0⋅(1/3) + 1⋅(1/2) + 4⋅(0) + 9⋅(1/6) = (1/2) + 1. kita dapat menuliskan E[(X-1)2] = E(X2 – 2X +1) = E(X2) -2E(X) + E(1) Dari Corollary 1.Teorema • Teorema 2.3: Nilai harap dari jumlah atau perbedaan dari dua atau lebih fungsi dari peubah acak X adalah jumlah atau perbedaan dari nilai harap fungsinya.5 = 2 Dengan demikian E[(X-1)2] = 2.17. E(1) = 1.21: Dalam contoh 2.

Teorema • Teorema 2.4: Nilai harap dari jumlah atau perbedaan dari dua atau lebih fungsi dari peubah acak X dan Y adalah jumlah atau perbedaan dari nilai harap fungsinya.5: Andaikan X dan Y dua peubah acak yang saling bebas.Y) ± h(X.Y)] ± E[h(X.Y) = Y diperoleh E[X ± Y] = E[X] ± E[Y] • Teorema 2. Yakni E[g(X.Y) = X dan h(X.Y)] = E[g(X. Maka E[X⋅Y] = E[X] ⋅ E[Y] .Y)] • Corollary: Dengan membuat g(X.

y) = x(1+3y2)/4 .Contoh 2. x y 1+ 3y x y 1+ 3y E ( XY ) = ∫ ∫ dxdy = ∫ 4 12 0 0 0 1 2 2 2 1 3 ( ) ( 2 ) x=2 2 y 1+ 3y2 5 dy = ∫ dy = 3 6 0 x =0 1 1 ( ) x2 1+ 3y2 x3 1 + 3 y 2 E(X ) = ∫ ∫ dxdy = ∫ 4 12 0 0 0 1 2 1 ( ) ( ) x=2 2 1+ 3y2 4 dy = ∫ dy = 3 3 0 x =0 2 ( ) xy 1 + 3 y x y 1+ 3y E (Y ) = ∫ ∫ dxdy = ∫ 4 8 0 0 0 1 2 2 1 2 ( ) ( ) x=2 5 y 1+ 3y2 dy = ∫ dy = 2 8 0 x =0 1 ( ) Terlihat bahwa. E(X)⋅E(Y)=(4/3)⋅(5/8) = (5/6) = E(XY) . 0<x<2.5 untuk kasus ini. selain itu Periksa berlakunya Teorema 2. 0<y<1 =0 .23 • Andaikan X dan Y dua peubah acak yang saling bebas dengan sebaran peluang f(x.

8 Ekspektasi Khusus Momen ke-k dan variansi .2.

X diskrit . X kontinyu = −∞ k x ∫ f (x )dx • Jika k=0. Momen pertama juga disebut mean dari peubah acak μ. kita dapatkan μ’1=E(X). kita dapatkan E(1) = 1 karena μ’0= E(1) = ∑x f(x) = 1 .1 akan menghasilkan nilai yang disebut sebagai momen ke-k dari titik asal dari peubah acak X. Karena itu μ k' = E (X k ) = ∑ x k f ( x ) x ∞ .Momen ke-k • Jika g(X) = Xk. yaitu nilai harap peubah acak X. X diskrit . jadi μ ≡ μ’1=E(X) . X kontinyu = ∫∞-∞ f(x) dx =1 • Jika k=1. yang dinyatakan sebagai μ’k. Teorema 2.

μ2 disebut juga sebagai variansi dari peubah acak X. Teorema 2. σ2 = μ2 = E[(X-μ)2] • Akar kuadrat positif dari variansi disebut sebagai simpangan baku (standard deviation). yang dilambangkan sebagai μk. dinyatakan sebagai σ2. memberikan ukuran keragaman (variability) hasil pengamatan terhadap mean. variansi • Jika g(X) = (X-μ)k. μ2.Momen ke-k thd mean. X diskrit x ∞ [ ] = −∞ k ( ) x − μ f ( x )dx ∫ . Dengan demikian: μk = E ( X − μ )k = ∑ (x − μ )k f (x ) . X kontinyu • Momen kedua terhadap mean.1 menghasilkan momen kek terhadap mean dari peubah acak X. .

2μE(X) + E(μ2) = E(X2) .Variansi • Teorema 2.2μX+μ2) = E(X2) .μ2 .2μ⋅μ + μ2 = E(X2) .μ2 • Bukti: σ2 = E[(X-μ)2] = E(X2 .6: Variansi dari peubah acak X diberikan oleh σ2 = E(X2) .

dimana X adalah banyaknya Kimiawan dalam komite yang terdiri dari 3 orang dan dipilih dari 4 Kimiawan dan 3 Biologiwan • Jawab: Dalam contoh 2. Selanjutnya E(X2) = 02⋅(1/35) + 12⋅(12/35) + 22⋅(18/35) + 32⋅(4/35) = 24/7 Oleh karena itu σ2 = 24/7 – (12/7)2 = 24/49 .24 • Soal: Hitung variansi dari X.Contoh 2.14 sudah didapatkan μ = 12/7.

dimana X memiliki fungsi kerapatan f(x) = 2(x-1). selain itu • Jawab: μ = E ( X ) = 2 ∫ x(x − 1)dx = 5 3 E X 2 = 2 ∫ x 2 ( x − 1)dx = 17 6 1 2 ( ) 2 1 Oleh karena itu: σ2 = (17/6) – (5/3)2 = 1/18 . 1<x<2 = 0.Contoh 2.25 • Soal: Tentukan mean dan variansi dari peubah acak X.

X dan Y kontinyu X Y .Y). Def. X dan Y diskrit = − ∞− ∞ ∫ ∫ (x − μ )( y − μ ) f (x. y ) ∞ ∞ . dimana μX=E(X) dan μY= E(Y). σ XY = E [( X − μ X )(Y − μY )] x y = ∑∑ ( x − μ X )( y − μY ) f ( x. y )dx dy . yng dilambangkan sebagai σXY atau cov(X.Y) = (X-μX)(Y-μY).13 akan menghasilkan nilai harap yang disebut kovariansi dari X dan Y.Kovariansi • Jika g(X. 2.

dan – rendahnya nilai X berasosiasi dengan rendahnya nilai Y • Kovariansi negatif: – tingginya nilai X berasosiasi dengan rendahnya nilai Y. . maka kovariansi akan bernilai nol. Hal sebaliknya tidak berlaku.Sifat-sifat Kovariansi • Kovariansi positif: – tingginya nilai X berasosiasi dengan tingginya nilai Y. atau sebaliknya • Jika X dan Y saling bebas secara statistik. kovariansi nol tidak berarti X dan Y saling bebas statistik.

7 Kovariansi dari dua buah peubah acak X dan Y dengan mean masing-masing μX dan μY adalah σXY = E(XY) . • Teorema 2.μX⋅μY • Bukti: σXY = E[(X .μYX+ μXμY) = E(XY).μXE(Y).μYE(X) +E(μXμY) = E(XY) .Kovariansi .μX)(Y .μYμX+ μXμY = E(XY) .μXμY ..μY)] = E(XY.μXμY .μXY.

y)= ∑2y=0yh(y) = 0(15/28)+1(12/28)+2(1/28) = 14/28 = ½ Akibatnya σXY = E(XY) .Contoh 2.8. y 0 1 2 g(x) x 0 3/28 3/14 1/28 10/28 1 9/28 3/14 15/28 2 3/28 3/28 h(y) 15/28 12/28 1/28 μX = E(X) = ∑2x=0 ∑ 2y=0 xf(x.μX μY = 3/14 – (3/4)(1/2) = -9/56 . dan perhitungan 2.y) = ∑2x=0 xg(x) = 0(10/28)+1(15/28)+2(3/28) =21/28=3/4 Sedangkan μY = E(Y) = ∑2x=0 ∑ 2y=0 yf(x.19 yang menghasilkan E(XY) = 3/14.26 • Tinjau sebaran peluang bersama pada contoh 2.

2.9 Sifat-Sifat Variansi .

maka σ2aX = a2σ2X = a2σ2 .9: Jika X suatu peubah acak dan b konstanta. maka σ2X+b = σ2X = σ2 • Teorema 2.μg(X)}2] • Teorema 2. Variansi dari fungsi g(X) adalah σ2g(X) = E[{g(X) .9: Jika X suatu peubah acak dan a konstanta.Sifat-sifat variansi … • Teorema 2.8: Andaikan X suatu peubah acak dengan sebaran peluang f(X).

y).Sifat-sifat variansi … • Teorema 2. maka σ2aX+bY = a2σ2X + b2σ2Y • Corollary 2: Jika X dan Y peubah acak yang saling bebas. maka σ2aX+bY = a2σ2X + b2σ2Y + 2abσXY • Corollary 1: Jika X dan Y peubah acak yang saling bebas. maka σ2aX-bY = a2σ2X + b2σ2Y .11: Jika X dan Y peubah acak dengan sebaran peluang gabungan f(x.

2. T.9 = 9σ2X + 16σ2Y . σ2Y = 4 dan kovariansi σXY= -2.Contoh 2.4Y + 8 = σ23X-4Y . T.11 = 9⋅2 + 16⋅4 .8 • Soal: Jika X dan Y peubah acak dengan variansi σ2X = 2.4Y + 8 • Jawab: σ2Z = σ23X . tentukan variansi dari peubah acak Z = 3X .24σXY .2.24⋅(-2) = 130 .

10 Teorema Chebyshev .2.

karena |x . Yakni P(μ-kσ<X< μ+kσ) ≥ 1 – 1/k2 σ 2 = E (X − μ ) = 2 [ ] ∫ (x − μ ) ∞ −∞ ∞ 2 f ( x )dx ∞ 2 μ − kσ = ≥ −∞ 2 ( ) ( ) ( ) ( ) ( ) x − μ f x dx + x − μ f x dx + x − μ f ( x )dx ∫ ∫ ∫ 2 μ + kσ μ − kσ μ + kσ μ − kσ −∞ 2 ( ) ( ) ( ) x − μ f x dx + x − μ f ( x )dx ∫ ∫ 2 μ + kσ • Karena integral kedua bernilai tak negatif. diperoleh (x . Selanjutnya.μ| ≥ kσ berarti x ≥ μ+kσ atau x≤ μ-kσ.1/k2).Teorema Chebyshev dan Bukti • Teorema Chebyshev: Peluang sebarang peubah acak X jatuh dalam rentang k kali simpangan baku dari mean sekurangkurangnya adalah (1 .μ)2 ≥ k 2σ2 .

… Akibatnya σ2 ≥ Dan bahwa μ − kσ μ − kσ −∞ 2 2 k ∫ σ f (x )dx + ∞ μ + kσ 2 2 k ∫ σ f (x )dx −∞ ∫ f (x )dx + μ ∫ σ +k ∞ 1 f (x )dx ≤ 2 k μ + kσ Oleh karena itu 1 P(μ − kσ < X < μ + kσ ) = ∫ f ( x )dx ≥ 1 − 2 k μ − kσ Terbukti .

μ + kσ σ 2σ μ-2σ μ μ+2σ f(x) ∫ μ σ −k f ( x )dx .Konsekuensi Teorema Chebyshev • Untuk k=2. teorema ini menyatakan bahwa peubah acak X memiliki peluang sedikitnya 1-(1/2)2 = ¾ untuk masuk dalam rentang dua kali simpangan baku dari mean.

Tentukan: (1) P(-4<X<20) dan (2) P(|X-8|≥6).30 • Soal: Suatu peubah acak X memiliki mean μ=8. (1-1/k2)=1-1/16 P(|X-8|>6) = 1-P(|X-8|≤6) = 1 – P(-6<X-8<6) = 1 . . P(-4<X<20) = P[8-(4)(3)<X<8+(4)(3)] = P[μ .(4)(σ)<X< μ + (4)(σ)] ≥ 15/16 .P[μ -(2)(σ)<X<μ +(2)(σ)] ≤ ¼ (<?) . { ≥ 1-1/22 =3/4} • 2. Jawab: simpangan baku σ= √9 = 3. variansi σ2=9 dan (fungsi) sebaran peluang yang tak diketahui.Contoh 2. μ=8 1.

Sekian .

Sign up to vote on this title
UsefulNot useful