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).

Definisi
Def.2.1: Suatu fungsi yang nilainya berupa bilangan riil yang ditentukan oleh setiap anggota dari ruang cuplikan disebut sebagai peubah acah (random variable). S
Random variable

R
-2 0 1

Peubah acak dinyatakan dengan huruf besar, misalnya X, sedangkan nilainya dengan huruf kecil-nya, yakni x untuk kasus ini. Untuk kasus pelantunan koin tsb diatas, X akan bernilai 2 untuk peristiwa: E = {HHT, HTH, THH}

Contoh
Contoh 2.1 Dua bola diambil berturutan secara acak, tanpa penggantian, dari suatu wadah yang berisi empat bola merah (R) dan tiga bola hitam (B). Hasil dapat muncul dan nilai y dari peubah acak Y, dimana Y menyatakan banyaknya bola merah adalah Peristiwa RR RB BR BB y 2 1 1 0


Contoh 2.2: Petugas penyimpanan helm mengembalikan helm dari tiga orang pegawai Smith, Jones, dan Brown dalam urutan spt itu. Jika helm diambil acak dan dikembalikan sesuai urutan pegawai diatas, dan m menyatakan jumlah helm yang kembali ke pemilik sebenarnya , kemungkinan berikut bisa terjadi: Peristiwa SJB SBJ JSB JBS BSJ BJS m 3 1 1 0 0 1

Peubah acak diskrit dan kontinyu

Def.2.2: Ruang cuplikan yang mengandung sejumlah berhingga titik cuplikan, atau sejumlah tak berhingga titik sebanyak seluruh bilangan bulat, disebut sebagai ruang cuplikan diskrit, dan peubah acak yang didefinisikan dalam ruang ini disebut sebagai peubah acak diskrit. Def.2.3: Ruang cuplikan yang mengandung sejumlah takberhingga titik cuplikan, sebanyak seluruh titik dalam segmen garis, disebut sebagai ruang cuplikan kontinyu, dan peubah acak yang didefinisikan dalam ruang ini disebut sebagai peubah acak kontinyu.

Sebaran Peluang Diskrit

Sebaran peluang diskrit

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

Fungsi atau sebaran peluang

Def.2.4: Fungsi f(x) adalah suatu fungsi peluang atau sebaran peluang dari peubah acak X jika, untuk setiap hasil yang muncul x berlaku: 1. f(x) 0 2. x f(x) = 1 3. P(X =x) = f(x) Contoh 2.3: Tentukan sebaran peluang dari jumlah sepasang mata dadu jika dilantunkan. Jawab: Andaikan X peubah acak yang nilainya x merupakan jumlah pasangan mata dadu. Maka x akan bernilai dari 2 sampai 12. Sepasang dadu akan memiliki kombinasi muncul sebanyak 66 = 36 cara, 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 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

Sebaran kumulatif
Def.2.5: Sebaran kumulatif F(x) dari peubah acak diskrit X dengan sebaran peluang f(x) adalah F(x) = P(X x) = tx f(t)
Contoh 2.4 dan 2.5: Suatu koin dilantunkan empat kali. Tentukan: 1) formula sebaran peluang munculnya H yaitu f(x), dan 2) sebaran kumulatif F(x) nya. Jawab: 1. Jumlah titik cuplikan ada 24 = 16. Jika x menyatakan banyaknya muncul H, akan ada kombinasi sebanyak C(4,x). Dengan demikian f(x) = C(4, x)/16, dimana x = 0, 1, 2, 3, 4 f(0) = (4!/4!)/16 = 1/16 ; f(1)=(4!/3!)/16 = 4/16; f(2) = (4!/(2!2!))/16 = 6/16; f(3) = f(1); f(4)= f(0); 1. Berdasarkan Def.2.5, diperoleh : F(0) = f(0) = 1/16; F(1) = f(0) + f(1) = 5/16; ... dst


Dengan demikian

0, untuk x < 0 1 , untuk 0 x < 1 16 516 , untuk 1 x < 2 F (x ) = 11 16 , untuk 2 x < 3 1516 , untuk 3 x < 4 1, untuk x 4

F(x)
1 3/4 1/2 1/4

Sebarang kumulatif diskrit

Sebaran peluang dlm bentuk grafis

Dari contoh 2.4: 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)

1 2 3 Bar-chart

0 1 2 3 4 Histogram peluang

2.3 Sebaran peluang kontinyu

Arti kerapatan peluang (kontinyu)

Tinjau sebaran tinggi badan dari orang berumur 21 thn. Antara sebarang dua nilai, mis. 163.5 164.5, ada tak hingga macam tinggi badan.
Peubah acak kontinyu memiliki peluang nol untuk suatu nilai eksak dari peubah acak ini. P(a<Xb) = P(a<X<b) + P(X=b) = P(a<X<b) + 0 Jadi, tidak ada bedanya mengikutkan titik ujung dalam perhitungan ini ataupun tidak.

Peubah acak kontinyu tidak dapat ditampilkan secara tabular, namun bisa dinyatakan dalam rumus. Peubah acak kontinyu dinyatakan dalam suatu fungsi rapat peluang f(x)

Fungsi rapat peluang kontinyu

Suatu fungsi rapat peluang dibentuk sedemikian hingga integrasi daerah dibawah kurva ke seluruh X memberikan luas sebesar satu.
f(x)

P (a < X < b ) = f ( x )dx

a

Penentuan nilai peluang dalam rentang peubah acak antara a dan b.

Def. fungsi rapat peluang kontinyu

Def.2.6: Suatu fungsi f(x) adalah fungsi rapat peluang untuk peubah acak kontinyu X yang didefinisikan ke seluruh himpunan bilangan riil R, jika
1. 2. 3. f(x) 0 untuk semua xR - f(x) dx = 1. P(a<X<b) = ba f(x) dx

Contoh: andaikan peubah acak X memiliki fungsi rapat peluang: f(x) = x2/3; -1<x<2 dan f(x)=0 selain itu. Tentukan: (1) kondisi 2 pada Def.2.6, 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

Sebaran peluang kumulatif kontinyu

Def.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.2.7, yaitu: 1) P(a<X<b) = F(b) F(a) 2) f(x) = dF(x)/dx

Contoh
Soal: Untuk fungsi pada contoh 2.6., 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

2.4 Sebaran Empiris

Sebaran frekuensi relatif

Dalam percobaan, seringkali fungsi rapat peluang f(x) untuk peubah acak kontinyu X tidak diketahui. Pemilihan f(x) harus mempertimbangkan setiap informasi yang tersedia dari data. Tinjau sebaran frekuensi relatif dari 40 buah umur batere mobil dalam Tabel 2.1. Pabrik menjamin umur batere adalah 3 tahun. Tabel 2.1. Umur batere dalam tahun 2.2 3.4 2.5 3.3 4.7 4.1 1.6 4.3 3.1 3.8 3.5 3.1 3.4 3.7 3.2 4.5 3.3 3.6 4.4 2.6 3.2 3.8 2.9 3.2 3.9 3.7 3.1 3.3 4.1 3.0 3.0 4.7 3.9 1.9 4.2 2.6 3.7 3.1 3.4 3.5

Lanjutan
Andaikan diambil 7 kelas, dng demikian besar interval adalah (max-min)/kelas = (4.7-1.6)/7=0.443. Tabel 2.2 menunjukkan sebaran frekuensi relatif-nya. Tabel 2.2
Interval Kelas 1.5 - 1.9 2.0 - 2.4 2.5 2.9 3.0 3.4 3.5 3.9 4.0 4.4 4.5 4.9 Titik tengah kelas 1.7 2.2 2.7 3.2 3.7 4.2 4.7 Frekuensi (f) 2 1 4 15 10 5 3 Frekuensi relatif 0.050 0.025 0.100 0.375 0.250 0.125 0.075

Histogram dan estimasi fungsi rapat peluang

0.375

0.250

f(x)

0.125

1.7

2.2

2.7

3.2

3.7

4.2

4.7

Bentuk kurva: lingkaran? Hiperbola? Elips? Parabola f(x) = ax2 + bx + c, untuk a, b, c tertentu? Banyak fungsi kerapatan peluang yang dapat dinyatakan dalam kurva berbentuk lonceng (Gaussian).

Skewness dari data

Sebaran bersifat simetrik (setangkup) atau tak simetrik (skewed).

Skew ke kanan

setangkup

Skew ke kiri

Sebaran kumulatif
Berdasarkan Tabel 2.2, kita dapat membuat sebaran frekuensi kumulatif dari umur batere, spt pada Tabel 2.3 dan estimasi F(x).
Batas kelas < 1.45 < 1.95 < 2.45 < 2.95 < 3.45 < 3.95 < 4.45 < 4.95 Frekuensi kumulatif relatif 0.000 0.050 0.075 0.175 0.550 0.800 0.925 1.000
0.250 0.750

Frekuensi kumulatif relatif

1.000

F(x)
decile ke tujuh ~3.70

* *

0.500

*
Kuartil pertama ~3.05

1.45

* * *

*
3.45 4.45 Umur batere

2.45

2.5 Sebaran Peluang Gabungan

Peluang gabungan diskrit

Jika dimensi ruang cuplikan lebih dari satu, misalnya hasil pengukuran dua besaran P dan V yng dinyatakan sbg (p, v), kita sebut sebaran peluangnya sebagai sebaran peluang gabungan. Def.2.8: Fungsi f(x,y) adalah fungsi peluang gabungan dari dua peubah diskrit X dan Y jika

1. f(x,y) 0 untuk seluruh (x,y) 2. x y f(x,y) = 1 3. P[(X,Y)A] = A f(x,y) untuk sebarang daerah A dalam bidang xy.

Contoh 2.8
Soal: Suatu kotak berisi tiga refil (tinta isian) berwarna biru, dua refil merah, dan 3 refil hijau. Akan diambil dua refil secara acak dari kotak tsb. Jika X menyatakan jumlah refil biru, dan Y jumlah refil merah, tentukan: (1) fungsi peluang gabungan f(x,y), dan (2) P[(X,Y)A], dimana A adalah daerah {(x,y)|x + y1}. Jawab: pasangan (x,y) yang dapat muncul adalah (0,0), (0,1), (1,0), (1,1), (0,2), dan (2,0). Tinjau f(0,1) yang menyatakan peluang terpilihnya refil merah dan hijau (karena refil biro nol). Jumlah total kombinasi terpilihnya dua refil dari delapan buah refil yang ada di dalam kotak adalah C(8,2) = 8!/(6!)(2!)=87/2=28. Cacah kombinasi terpilihnya satu dari dua refil berwarna merah dan satu dari tiga refil hijau adalah C(2,1)C(3,1) = 2(3!/2!) = 6. Dengan demikian, f(0,1) = 6/28 =3/14. Dengan cara yang sama, nilai f(x,y) untuk seluruh rentang nilai diskrit x dan y yang mungkin dapat ditentukan. Hasilnya ditampilkan pada Tabel 2.4 berikut ini.


Tabel 2.4 Sebaran peluang gabungan y 0 1 2 x 0 3/28 3/14 1/28 1 9/28 3/14 2 3/28 -

2). P[(X,Y)A] = P(X + Y 1) = f(0,0) + f(0,1) + f(1,0) = 3/28 + 3/14 + 9/28 = 9/14

Peluang gabungan kontinyu

Def.2.9: Suatu fungsi f(x,y) adalah fungsi kerapatan gabungan dari peubah acak kontinyu X dan Y jika 1. f(x,y) 0 untuk semua (x, y) 2. - f(x,y) dxdy = 1 3. P[(X,Y)A] = Af(x,y) dx dy Contoh 2.9: Tinjau fungsi rapat peluang berikut f(x,y) = x(1+3y2)/4; 0<x<2, 0<y<1 = 0, lainnya 1. Periksa kondisi 2 pada Def.2.9 2. Tentukan P[(X,Y)A] dimana A adalah daerah {(x,y)| 0<x<1, <y< }

x 1+ 3y2 (1) f (x, y )dxdy = dxdy 4 0 0

1 2

x 3x y = 8 + 8 0
1 2 2

dy x =0
3 1

x=2

1 ) Y < < (2) P[( X , Y ) A] = P(0 < X < 1, 1 4 2

1 3y = 2+ 2 0
1

y y 1 1 dy = 2 + 2 = 2 + 2 = 1 0

x 1+ 3y2 dxdy = 4 1 0
21 4

x 3x y = 8 + 8 1 4
2 2 2

dy = x =0

x =1

1 3y 8 + 8 1 4
2

y y 2 dy = 8 + 8 1
3 4

1 23 1 1 1 = + + = 16 64 32 512 512

Sebaran peluang marjinal

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


Fungsi g(x) dan h(y) disebut sebagai sebaran marjinal dari X dan Y. Bahwa masing-masing benar berupa fungsi sebaran dapa diperiksa berdasarkan Def.2.4. dan Def.2.6. Sbg contoh, untuk kasus kontinyu: - g(x) dx = -- f(x,y) dy dx = 1 dan P(a<X<b) = P(a<X<b, -<Y<) = ab- f(x,y) dy dx = ab g(x) dx

Sebaran bersyarat diskrit

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

f(x|y) = f(x,y)/h(y),

h(y)>0

Sebaran bersyarat kontinyu

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

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) = f(1|1) = (7/3) f(1,1) = (7/3)(3/14) = 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)

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).


Bukti: substitusikan f(x,y) = f(x|y)h(y) ke sebaran marjinal dari X, yakni g(x)= - f(x,y) dy= - f(x|y)h(y) dy Karena f(x|y) tdk bergatung y, maka peluang bersyarat ini bisa dikeluarkan dari integral. 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

Def. Kebebasan Statistik

Def.2.10: Andaikan X dan Y dua peubah acak, baik diskret maupun kontinyu, dengan sebaran peluang gabungan f(x,y) dan sebaran marjinal g(x) dan h(y). Peubah acak X dan Y disebut bebas secara statistik, jika dan hanya jika, f(x,y) = g(x)h(y) untuk semua nilai (x,y)
Peubah acak kontinyu pada contoh 2.12 adalah bebas secara statistik Peubah acak kontinyu pada contoh 2.11 tidak bebas statistik Berdasarkan contoh 2.8: f(0,1) = 3/14 g(0) = 2y=0 f(0,y) = 3/28 + 3/14 + 1/28 = 5/14 h(1) = 2x=0 f(x,1) = 3/14 +3/14 + 0 = 3/7 Jelas bahwa f(0,1) g(0)h(1), dengan demikian X dan Y dalam contoh 2.8 tidak bersifat bebas secara statistik

Generalisasi ke n-buah peubah acak

Hasil-hasil yang diperoleh dari 2-buah peubah acak dapat digeneralisasi ke n-buah peubah acak. Tinjau fungsi peluang bersama f(x1, x2, , xn) dari peubah acak X1, X2, , Xn. Sebaran marjinal untuk X1 diberikan oleh diskrit: g(x1) = x2 xn f(x1, x2, , xn) kontinyu: g(x1) = - - f(x1, x2, , xn)dx2dxn Sebaran marjinal gabungan (x1, x2) diskrit: (x1, x2) = x3 xn f(x1, x2, , xn) kontinyu: (x1, x2) = - - f(x1, x2, , xn)dx3dxn Sebaran gabungan bersyarat X1, X2, X3 diberikan X4= x4, X5= x5, , Xn= xn adalah

f(x1, x2, x3| x4, x5, , xn) = f(x1, x2, , xn) /g(x4, x5, , xn)

Generalisasi kebebasan statistik

Def.2.11: Andaikan X1, X2, , Xn adalah n-buah peubah acak, diskrit atau kontinyu, dengan sebaran peluang bersama f(x1, x2, , xn) dan sebaran marjinal f1(x1), f2(x2), , fn(xn). Peubah acak X1, X2, , Xn disebut saling bebas secara statistik jika dan hanya jika f(x1, x2, , xn) = f1(x1)f2(x2) fn(xn) Contoh 2.13: Andaikan X1, X2, dan X3 adalah tiga peubah acak yang saling bebas secara statistik dan andaikan masing-masing memiliki fungsi rapat peluang: f(x) = e-x , x>0 =0 , selain itu Tentukan P(X1<2, 1<X2<3, X3>2) Jawab: Fungsi rapat peluang bersama dari X1, X2, dan X3 adalah f(x1, x2, x3) = f(x1) f(x2) f(x3) = e-x1 e-x2 e-x3 = exp(-x1 - x2 - x3), x1>0, x2>0, x3>0 maka P(X1<2, 1<X2<3, X3>2) = 2 13 02 exp(-x1 - x2 - x3) dx1dx2dx3

=(1 - e-2) (e-1 - e-3) e-2 = 0.0376

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

2.6 Nilai Harap dari Peubah Acak

Konsep dan Definisi

Jika dua buah koin dilantunkan 16 kali dan X menyatakan jumlah munculnya sisi H per-lantunan, maka X dpt bernilai 0, 1, atau 2. Jika eksperimen ini menghasilkan 4 lantunan tanpa H, 7 lantunan dengan 1H, dan 5 lantunan dengan 2H, maka rata-rata jumlah H perlantunan dari dua koin adalah: (04 + 17 + 25)/16 = 1.06 Nilai rata-rata dari peubah acak yang demikian disebut sebagai nilai harap (expected value). Def.2.12: Andaikan X suatu peubah acak dengan sebaran peluang f(x). Nilai harap dari X adalah E(X) = x xf(x) ; untuk X diskrit ; untuk X kontinyu = - xf(x)dx

Contoh 2.14
Soal: Hitung nilai harap dari jumlah Kimiawan dalam seleksi suatu Komite yang terdiri dari tiga orang, berdasarkan 4 kandidat Kimiawan dan 3 kandidat Biologiwan Jawab: Jika X menyatakan banyaknya Kimiawan dalam Komite, maka sebaran peluang dari X akan diberikan oleh f(x) = C(4, x)C(3, 3-x)/C(7,3); x=0, 1, 2, 3 -----------------------------------------------------------------{kombinasi x dari 4 Kimiawan} * {kombinasi (3-x) dari 3 angg. komite}

yakni f(0)=1/35, f(1)=12/35, f(2)=18/25, dan f(3)=4/35. Oleh karena itu: E(X) = 0(1/35)+1(12/35)+2(18/35)+3(4/35) = 12/7 = 1.7

Contoh
Soal: Andaikan X peubah acak yang menyatakan waktu hidup lampu tabung dalam jam. Fungsi kerapatan peluangnya dinyatakan sebagai: f(x) = 20.000/x3, x>100 =0 , selain itu Tentukan nilai harapan hidup dari tabung jenis ini. Jawab: Berdasarkan Def.2.12, maka E(X) = 100 x(20.000/x3)dx = 100 (20.000/x2)dx = = 20.000 (-x-1)|100 = 0+200 = 200

Nilai harap g(X)

Tinjau fungsi g(X) dari peubah acak X. Sbg contoh untuk X diskrit dengan sebaran peluang f(x), dimana x=-1, 0, 1, 2 dan g(X)=X2, 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 2.12, E[g(X)] = g(x) g(x)P[g(X)=g(x)] = 0P[g(X)=0] + 1P[g(X)=1]+4P[g(X)=4] = 0f(0) + 1[f(1)+f(-1)] +4f(2) = x g(x)f(x) Hasil ini diformulasikan sebagai Teorema 2.1

Nilai harap dari g(X)

Teorema 2.1: Andaikan X suatu peubah acak dengan sebaran peluang f(x). Nilai harap dari fungsi g(X) adalah E[g(X)]= x g(x)f(x) ; jika X diskrit ; jika X kontinyu = - g(x)f(x)dx Contoh 2.17: Andaikan X adalah peubah acak dengan sebaran peluang berikut x | 0 1 2 3 ---------------------------------------------f(x)| 1/3 0 1/6 Tentukan nilai harap dari Y = (X-1)2 Jawab: Berdasarkan Teorema 2.1, nilai harap dari Y adalah E[(X-1)2] = 03 (x-1)2 f(x) = (-1)2f(0) + (0)2f(1) + (1)2f(2) + (2)2f(3) = (1)2(1/3) + (0)(1/2) + (1)(0) + (4)(1/6) = 1

Nilai harap dari g(X,Y)

Def.2.13: Andaikan X dan Y peubah acak dengan sebaran peluang bersama f(x,y). Nilai harap dari fungsi g(X,Y ) adalah E[g(X,Y)] = x,y g(x,y)f(x,y) ; jika X dan Y diskrit = - - g(x,y)f(x,y)dxdy ; 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 2.19: Andaikan X dan Y dua peubah acak dengan sebaran peluang spt pada Tabel 2.4 (lihat sebelah). Tentukan nilai harap g(X,Y)=XY !

Jawab: Perdefinisi 2.13, kita dapat menyatakan E(XY) = 2x=0 2y=0 xyf(x,y) = 00f(0,0) + 01f(0,1) + 02f(0,2) + 10f(1,0) + 11f(1,1) + 20f(2,0) = 0 + 0 + 0 + 0 + f(1,1) + 0 = f(1,1)

2.7 Hukum Nilai Harap

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)

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. Yakni E[g(X) h(X)] = E[g(X)] E[h(X)]
Contoh 2.21: Dalam contoh 2.17, kita dapat menuliskan E[(X-1)2] = E(X2 2X +1) = E(X2) -2E(X) + E(1) Dari Corollary 1, E(1) = 1, 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) + 1.5 = 2 Dengan demikian E[(X-1)2] = 2- 21 + 1 = 1
x | 0 1 2 3 ----------------------------------------------------------f(x)| 1/3 0 1/6

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. Yakni E[g(X,Y) h(X,Y)] = E[g(X,Y)] E[h(X,Y)] Corollary: Dengan membuat g(X,Y) = X dan h(X,Y) = Y diperoleh E[X Y] = E[X] E[Y] Teorema 2.5: Andaikan X dan Y dua peubah acak yang saling bebas. Maka E[XY] = E[X] E[Y]

Contoh 2.23
Andaikan X dan Y dua peubah acak yang saling bebas dengan sebaran peluang f(x,y) = x(1+3y2)/4 ; 0<x<2, 0<y<1 =0 ; selain itu Periksa berlakunya Teorema 2.5 untuk kasus ini.
x y 1+ 3y x y 1+ 3y E ( XY ) = dxdy = 4 12 0 0 0
1 2 2 2 1 3

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)

2.8 Ekspektasi Khusus

Momen ke-k dan variansi

Momen ke-k
Jika g(X) = Xk, Teorema 2.1 akan menghasilkan nilai yang disebut sebagai momen ke-k dari titik asal dari peubah acak X, yang dinyatakan sebagai k. Karena itu

k' = E (X k ) = x k f ( x )
x

; X diskrit ; X kontinyu

k x f (x )dx

Jika k=0, kita dapatkan E(1) = 1 karena 0= E(1) = x f(x) = 1 ; X diskrit ; X kontinyu = - f(x) dx =1 Jika k=1, kita dapatkan 1=E(X), yaitu nilai harap peubah acak X. Momen pertama juga disebut mean dari peubah acak , jadi 1=E(X)

Momen ke-k thd mean, variansi

Jika g(X) = (X-)k, Teorema 2.1 menghasilkan momen kek terhadap mean dari peubah acak X, yang dilambangkan sebagai k. Dengan demikian:
k = E ( X )k = (x )k f (x ) ; X diskrit
x

k ( ) x f ( x )dx

; X kontinyu

Momen kedua terhadap mean, 2, memberikan ukuran keragaman (variability) hasil pengamatan terhadap mean. 2 disebut juga sebagai variansi dari peubah acak X, dinyatakan sebagai 2. 2 = 2 = E[(X-)2] Akar kuadrat positif dari variansi disebut sebagai simpangan baku (standard deviation).

Variansi
Teorema 2.6: Variansi dari peubah acak X diberikan oleh 2 = E(X2) - 2 Bukti: 2 = E[(X-)2] = E(X2 - 2X+2) = E(X2) - 2E(X) + E(2) = E(X2) - 2 + 2 = E(X2) - 2

Contoh 2.24
Soal: Hitung variansi dari X, dimana X adalah banyaknya Kimiawan dalam komite yang terdiri dari 3 orang dan dipilih dari 4 Kimiawan dan 3 Biologiwan Jawab: Dalam contoh 2.14 sudah didapatkan = 12/7. Selanjutnya E(X2) = 02(1/35) + 12(12/35) + 22(18/35) + 32(4/35) = 24/7 Oleh karena itu 2 = 24/7 (12/7)2 = 24/49

Contoh 2.25
Soal: Tentukan mean dan variansi dari peubah acak X, dimana X memiliki fungsi kerapatan f(x) = 2(x-1), 1<x<2 = 0, selain itu Jawab:

= E ( X ) = 2 x(x 1)dx = 5 3
E X 2 = 2 x 2 ( x 1)dx = 17 6
1

( )

Oleh karena itu: 2 = (17/6) (5/3)2 = 1/18

Kovariansi
Jika g(X,Y) = (X-X)(Y-Y), dimana X=E(X) dan Y= E(Y), Def. 2.13 akan menghasilkan nilai harap yang disebut kovariansi dari X dan Y, yng dilambangkan sebagai XY atau cov(X,Y).

XY = E [( X X )(Y Y )]
x y

= ( x X )( y Y ) f ( x, y )

; X dan Y diskrit

(x )( y ) f (x, y )dx dy ; X dan Y kontinyu

X Y

Sifat-sifat Kovariansi
Kovariansi positif:
tingginya nilai X berasosiasi dengan tingginya nilai Y, dan rendahnya nilai X berasosiasi dengan rendahnya nilai Y

Kovariansi negatif:
tingginya nilai X berasosiasi dengan rendahnya nilai Y, atau sebaliknya

Jika X dan Y saling bebas secara statistik, maka kovariansi akan bernilai nol. Hal sebaliknya tidak berlaku, kovariansi nol tidak berarti X dan Y saling bebas statistik.

Kovariansi ..
Teorema 2.7 Kovariansi dari dua buah peubah acak X dan Y dengan mean masing-masing X dan Y adalah XY = E(XY) - XY Bukti:

XY = E[(X - X)(Y - Y)] = E(XY- XY- YX+ XY) = E(XY)- XE(Y)- YE(X) +E(XY) = E(XY) - XY - YX+ XY = E(XY) - XY

Contoh 2.26
Tinjau sebaran peluang bersama pada contoh 2.8. dan perhitungan 2.19 yang menghasilkan E(XY) = 3/14.
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

X = E(X) = 2x=0 2y=0 xf(x,y) = 2x=0 xg(x) = 0(10/28)+1(15/28)+2(3/28) =21/28=3/4

Sedangkan Y = E(Y) = 2x=0 2y=0 yf(x,y)= 2y=0yh(y) = 0(15/28)+1(12/28)+2(1/28) = 14/28 = Akibatnya XY = E(XY) - X Y = 3/14 (3/4)(1/2) = -9/56

2.9 Sifat-Sifat Variansi

Sifat-sifat variansi
Teorema 2.8: Andaikan X suatu peubah acak dengan sebaran peluang f(X). Variansi dari fungsi g(X) adalah 2g(X) = E[{g(X) - g(X)}2] Teorema 2.9: Jika X suatu peubah acak dan b konstanta, maka 2X+b = 2X = 2 Teorema 2.9: Jika X suatu peubah acak dan a konstanta, maka 2aX = a22X = a22

Sifat-sifat variansi
Teorema 2.11: Jika X dan Y peubah acak dengan sebaran peluang gabungan f(x,y), maka 2aX+bY = a22X + b22Y + 2abXY Corollary 1: Jika X dan Y peubah acak yang saling bebas, maka

2aX+bY = a22X + b22Y

Corollary 2: Jika X dan Y peubah acak yang saling bebas, maka

2aX-bY = a22X + b22Y

Contoh 2.8
Soal: Jika X dan Y peubah acak dengan variansi 2X = 2, 2Y = 4 dan kovariansi XY= -2, tentukan variansi dari peubah acak Z = 3X - 4Y + 8 Jawab: 2Z = 23X - 4Y + 8 = 23X-4Y ; T.2.9 = 92X + 162Y - 24XY ; T.2.11 = 92 + 164 - 24(-2) = 130

2.10 Teorema Chebyshev

Teorema Chebyshev dan Bukti

Teorema Chebyshev: Peluang sebarang peubah acak X jatuh dalam rentang k kali simpangan baku dari mean sekurangkurangnya adalah (1 - 1/k2). Yakni P(-k<X< +k) 1 1/k2
2 = E (X ) =
2

] (x )

f ( x )dx
2

2 ( ) ( ) ( ) ( ) ( ) x f x dx + x f x dx + x f ( x )dx 2

+ k k

+ k

2 ( ) ( ) ( ) x f x dx + x f ( x )dx 2

+ k

Karena integral kedua bernilai tak negatif. Selanjutnya, karena |x - | k berarti x +k atau x -k, diperoleh (x - )2 k 22


Akibatnya

2
Dan bahwa
k

2 2 k f (x )dx +

+ k

2 2 k f (x )dx

f (x )dx +
+k

1 f (x )dx 2 k
+ k

Oleh karena itu

1 P( k < X < + k ) = f ( x )dx 1 2 k k

Terbukti

Konsekuensi Teorema Chebyshev

Untuk k=2, teorema ini menyatakan bahwa peubah acak X memiliki peluang sedikitnya 1-(1/2)2 = untuk masuk dalam rentang dua kali simpangan baku dari mean.

+ k
2 -2 +2 f(x)

f ( x )dx

Contoh 2.30
Soal: Suatu peubah acak X memiliki mean =8, variansi 2=9 dan (fungsi) sebaran peluang yang tak diketahui. Tentukan: (1) P(-4<X<20) dan (2) P(|X-8|6). Jawab: simpangan baku = 9 = 3, =8
1. P(-4<X<20) = P[8-(4)(3)<X<8+(4)(3)] = P[ - (4)()<X< + (4)()] 15/16 ; (1-1/k2)=1-1/16 P(|X-8|>6) = 1-P(|X-8|6) = 1 P(-6<X-8<6) = 1 - P[ -(2)()<X< +(2)()] (<?) ; { 1-1/22 =3/4}

2.

Sekian