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

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

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

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

Sebaran Peluang Diskrit .

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

Sepasang dadu akan memiliki kombinasi muncul sebanyak 6⋅6 = 36 cara.3: Tentukan sebaran peluang dari jumlah sepasang mata dadu jika dilantunkan. Maka x akan bernilai dari 2 sampai 12. P(X =x) = f(x) Contoh 2. Σx f(x) = 1 3. masing-masing dengan peluang 1/36. Jawab: Andaikan X peubah acak yang nilainya x merupakan jumlah pasangan mata dadu. f(x) ≥ 0 2.Fungsi atau sebaran peluang • Def.4: Fungsi f(x) adalah suatu fungsi peluang atau sebaran peluang dari peubah acak X jika. untuk setiap hasil yang muncul x berlaku: 1. • • .2.

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 ...

2. f(1)=(4!/3!)/16 = 4/16. 1. dimana x = 0. akan ada kombinasi sebanyak C(4. 1. f(4)= f(0). . Tentukan: 1) formula sebaran peluang munculnya H yaitu f(x).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.. Dengan demikian f(x) = C(4.2. 3. 2. dst • . Berdasarkan Def. f(3) = f(1). f(2) = (4!/(2!2!))/16 = 6/16.x).5. Jawab: 1.Sebaran kumulatif • Def.4 dan 2. Jika x menyatakan banyaknya muncul H. dan 2) sebaran kumulatif F(x) nya. diperoleh : F(0) = f(0) = 1/16..5: Suatu koin dilantunkan empat kali. x)/16. 4 f(0) = (4!/4!)/16 = 1/16 . Jumlah titik cuplikan ada 24 = 16. F(1) = f(0) + f(1) = 5/16.

untuk 3 ≤ x < 4 ⎪ ⎪ ⎩1. 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 . untuk 2 ≤ x < 3 ⎪1516 . untuk 0 ≤ x < 1 ⎪ 16 ⎪ ⎪ 516 . untuk x < 0 ⎪ 1 .… • Dengan demikian ⎧0.

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.

mis. 163.5 – 164. • Peubah acak kontinyu tidak dapat ditampilkan secara tabular. namun bisa dinyatakan dalam rumus. Antara sebarang dua nilai. – Peubah acak kontinyu memiliki peluang nol untuk suatu nilai eksak dari peubah acak ini.5.Arti kerapatan peluang (kontinyu) • Tinjau sebaran tinggi badan dari orang berumur 21 thn. • Peubah acak kontinyu dinyatakan dalam suatu fungsi rapat peluang f(x) . P(a<X≤b) = P(a<X<b) + P(X=b) = P(a<X<b) + 0 – Jadi. tidak ada bedanya mengikutkan titik ujung dalam perhitungan ini ataupun tidak. ada tak hingga macam tinggi badan.

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.

-1<x<2 dan f(x)=0 selain itu. P(a<X<b) = ∫ba f(x) dx • • Contoh: andaikan peubah acak X memiliki fungsi rapat peluang: f(x) = x2/3.6.2. Tentukan: (1) kondisi 2 pada Def. 2. jika 1.6: Suatu fungsi f(x) adalah fungsi rapat peluang untuk peubah acak kontinyu X yang didefinisikan ke seluruh himpunan bilangan riil R.2. 3. 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 .Def. f(x) ≥ 0 untuk semua x∈R ∫∞-∞ f(x) dx = 1. fungsi rapat peluang kontinyu • Def.

yaitu: 1) P(a<X<b) = F(b) – F(a) 2) f(x) = dF(x)/dx .7.2.7: 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.Sebaran peluang kumulatif kontinyu • Def.2.

P(0< X ≤1) = F(1) – F(0) = (2/9) – (1/9) = 1/9 . 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.Contoh • Soal: Untuk fungsi pada contoh 2..6.

4 Sebaran Empiris .2.

5 .9 1.3 4.0 4.7 3.7 3.9 3.2 4.Sebaran frekuensi relatif • Dalam percobaan.1 1. Umur batere dalam tahun 2.8 3.6 3.1 3.7 3.4 3.1. Pabrik menjamin umur batere adalah 3 tahun.8 2.2 2.1 3.3 3.2 3.2 3.7 4.4 3.1 3.6 4.1 3. Tabel 2. • Tinjau sebaran frekuensi relatif dari 40 buah umur batere mobil dalam Tabel 2.5 3.6 4.5 3.9 3.1 3.5 3.4 2.3 3.3 4.1.9 4.6 3.2 3.4 2. seringkali fungsi rapat peluang f(x) untuk peubah acak kontinyu X tidak diketahui.7 3. • Pemilihan f(x) harus mempertimbangkan setiap informasi yang tersedia dari data.0 3.

250 0. Tabel 2.7 Frekuensi (f) 2 1 4 15 10 5 3 Frekuensi relatif 0. Tabel 2.5 – 2.050 0.0 .7-1.100 0.2 Interval Kelas 1.075 .9 2.375 0.2 3.2 menunjukkan sebaran frekuensi relatif-nya.443.025 0.Lanjutan … • Andaikan diambil 7 kelas.5 – 4.2 4.1.4 4.2.9 Titik tengah kelas 1.5 – 3. dng demikian besar interval adalah (max-min)/kelas = (4.4 3.0 – 4.7 2.7 3.5 .125 0.9 3.0 – 3.2 2.6)/7=0.9 4.4 2.7 4.

125 1. untuk a. b.7 2.Histogram dan estimasi fungsi rapat peluang 0.2 3.2 2.7 • Bentuk kurva: lingkaran? Hiperbola? Elips? Parabola f(x) = ax2 + bx + c.250 f(x) 0.7 3. . c tertentu? • Banyak fungsi kerapatan peluang yang dapat dinyatakan dalam kurva berbentuk lonceng (Gaussian).7 4.2 4.375 0.

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

500 * Kuartil pertama ~3.95 < 3.95 Frekuensi kumulatif relatif 0.45 .95 < 4.45 < 3.70 * * * 0.050 0.45 * * * * 3.000 F(x) decile ke tujuh ~3. Batas kelas < 1.800 0.2.250 0.Sebaran kumulatif • Berdasarkan Tabel 2.45 < 4.000 0.45 4.45 < 1.45 Umur batere 2.3 dan estimasi F(x).925 1.05 1. spt pada Tabel 2.000 0.95 < 2. kita dapat membuat sebaran frekuensi kumulatif dari umur batere.075 0.550 0.175 0.45 < 2.750 Frekuensi kumulatif relatif 1.

2.5 Sebaran Peluang Gabungan .

• Def. misalnya hasil pengukuran dua besaran P dan V yng dinyatakan sbg (p. kita sebut sebaran peluangnya sebagai sebaran peluang gabungan.y) 2. v). P[(X.y) untuk sebarang daerah A dalam bidang xy.Y)∈A] = ∑∑A f(x.y) ≥ 0 untuk seluruh (x. .2. ∑x ∑y f(x. f(x.y) = 1 3.Peluang gabungan diskrit • Jika dimensi ruang cuplikan lebih dari satu.y) adalah fungsi peluang gabungan dari dua peubah diskrit X dan Y jika 1.8: Fungsi f(x.

Y)∈A]. (1.y)|x + y≤1}.2). (0.0). dimana A adalah daerah {(x. nilai f(x. . Dengan demikian. dan (2) P[(X. Tinjau f(0.1) = 6/28 =3/14. • Jawab: pasangan (x.2) = 8!/(6!)(2!)=8⋅7/2=28.0). f(0. (1.8 • Soal: Suatu kotak berisi tiga refil (tinta isian) berwarna biru.y) untuk seluruh rentang nilai diskrit x dan y yang mungkin dapat ditentukan. (0. Cacah kombinasi terpilihnya satu dari dua refil berwarna merah dan satu dari tiga refil hijau adalah C(2. Dengan cara yang sama. Hasilnya ditampilkan pada Tabel 2.Contoh 2.0). dan (2.4 berikut ini. dua refil merah. dan 3 refil hijau.1)⋅C(3.1).y) yang dapat muncul adalah (0.y). Jika X menyatakan jumlah refil biru. dan Y jumlah refil merah.1) = 2⋅(3!/2!) = 6.1). Akan diambil dua refil secara acak dari kotak tsb. Jumlah total kombinasi terpilihnya dua refil dari delapan buah refil yang ada di dalam kotak adalah C(8. tentukan: (1) fungsi peluang gabungan f(x.1) yang menyatakan peluang terpilihnya refil merah dan hijau (karena refil biro nol).

0) = 3/28 + 3/14 + 9/28 = 9/14 .Y)∈A] = P(X + Y ≤ 1) = f(0.0) + f(0.1) + f(1.4 Sebaran peluang gabungan y 0 1 2 x 0 3/28 3/14 1/28 1 9/28 3/14 2 3/28 - 2).… Tabel 2. P[(X.

y) = x(1+3y2)/4.y)| 0<x<1.9: Tinjau fungsi rapat peluang berikut f(x.2. y) 2.Y)∈A] dimana A adalah daerah {(x. f(x. Tentukan P[(X.y) dxdy = 1 3.9: Suatu fungsi f(x. 0<y<1 = 0.9 2.y) dx dy Contoh 2.Y)∈A] = ∫∫Af(x.y) adalah fungsi kerapatan gabungan dari peubah acak kontinyu X dan Y jika 1.Peluang gabungan kontinyu • Def. 0<x<2. P[(X. ¼ <y< ½} • .y) ≥0 untuk semua (x.2. ∫∫-∞∞ f(x. Periksa kondisi 2 pada Def. lainnya 1.

Y ) ∈ A] = P(0 < X < 1. 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 . 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) Kontinyu: g(x) = ∫-∞∞ f(x.y) adalah sebaran gabungan dari peubah acak X dan Y.Sebaran peluang marjinal • Jika f(x.y) h(y) = ∑x f(x. maka sebaran peluang untuk masing-masing peubah acak X dan Y (sebaran marjinal) adalah: Diskrit: g(x) = ∑y f(x.y) dy h(y) = ∫-∞∞ f(x.y) dx .

-∞<Y<∞) = ∫ab∫-∞∞ f(x.y) dy dx = 1 dan P(a<X<b) = P(a<X<b. untuk kasus kontinyu: ∫-∞∞ g(x) dx = ∫-∞∞∫-∞∞ f(x.6.y) dy dx = ∫ab g(x) 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. dan Def.2. Sbg contoh.4.2.

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

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

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).

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

y) • Peubah acak kontinyu pada contoh 2. baik diskret maupun kontinyu. Peubah acak X dan Y disebut bebas secara statistik.1) = 3/14 +3/14 + 0 = 3/7 Jelas bahwa f(0.10: Andaikan X dan Y dua peubah acak. Kebebasan Statistik • Def.8 tidak bersifat bebas secara statistik .1) ≠g(0)⋅h(1).y) = g(x)⋅h(y) untuk semua nilai (x. dengan sebaran peluang gabungan f(x.12 adalah bebas secara statistik • Peubah acak kontinyu pada contoh 2.11 tidak bebas statistik • Berdasarkan contoh 2.y) = 3/28 + 3/14 + 1/28 = 5/14 h(1) = ∑2x=0 f(x.1) = 3/14 g(0) = ∑2y=0 f(0.Def. f(x.y) dan sebaran marjinal g(x) dan h(y). jika dan hanya jika.2.8: f(0. dengan demikian X dan Y dalam contoh 2.

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. • Sebaran marjinal untuk X1 diberikan oleh diskrit: g(x1) = ∑x2 …∑xn f(x1. xn)dx2…dxn • Sebaran marjinal gabungan φ(x1. Xn= xn adalah f(x1. x2) = ∫-∞∞… -∞∞ f(x1. …. X3 diberikan X4= x4. …. Xn. …. …. x2. …. …. xn) /g(x4. xn) dari peubah acak X1. x5. x2. X2. xn) kontinyu: g(x1) = ∫-∞∞… -∞∞ f(x1. xn)dx3…dxn • Sebaran gabungan bersyarat X1. x2. x5. …. xn) kontinyu: φ(x1. x2. X5= x5. …. x3| x4. xn) = f(x1. x2) diskrit: φ(x1. …. x2) = ∑x3 …∑xn f(x1. x2. …. X2. xn) . x2. x2.

x2 .x3) dx1dx2dx3 • • =(1 . 1<X2<3. x2>0. X3>2) = ∫2∞ ∫13 ∫02 exp(-x1 . x2. fn(xn). 1<X2<3. …. x1>0. xn) = f1(x1)⋅f2(x2) ⋅ … ⋅ fn(xn) Contoh 2. x2. diskrit atau kontinyu.e-3) e-2 = 0. …. …. x3) = f(x1) f(x2) f(x3) = e-x1 e-x2 e-x3 = exp(-x1 . dengan sebaran peluang bersama f(x1. x2. Peubah acak X1. f2(x2). …. Xn adalah n-buah peubah acak. x>0 =0 . X3>2) Jawab: Fungsi rapat peluang bersama dari X1.Generalisasi kebebasan statistik • Def. dan X3 adalah tiga peubah acak yang saling bebas secara statistik dan andaikan masing-masing memiliki fungsi rapat peluang: f(x) = e-x .2.0376 . selain itu Tentukan P(X1<2.13: Andaikan X1.x2 .e-2) (e-1 . X2.11: Andaikan X1. Xn disebut saling bebas secara statistik jika dan hanya jika f(x1.x3). x3>0 maka P(X1<2. X2. X2. xn) dan sebaran marjinal f1(x1). dan X3 adalah f(x1. X2. ….

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 .

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

f(1)=12/35. 3-x)/C(7. berdasarkan 4 kandidat Kimiawan dan 3 kandidat Biologiwan • Jawab: Jika X menyatakan banyaknya Kimiawan dalam Komite.14 • Soal: Hitung nilai harap dari jumlah Kimiawan dalam seleksi suatu Komite yang terdiri dari tiga orang. maka sebaran peluang dari X akan diberikan oleh f(x) = C(4. x)⋅C(3.Contoh 2. komite} yakni f(0)=1/35. x=0. 3 -----------------------------------------------------------------{kombinasi x dari 4 Kimiawan} * {kombinasi (3-x) dari 3 angg. Oleh karena itu: E(X) = 0⋅(1/35)+1⋅(12/35)+2⋅(18/35)+3⋅(4/35) = 12/7 = 1.7 . 1. dan f(3)=4/35. f(2)=18/25. 2.3).

Fungsi kerapatan peluangnya dinyatakan sebagai: f(x) = 20.12. selain itu Tentukan nilai harapan hidup dari tabung jenis ini.000/x2)dx = = 20. • Jawab: Berdasarkan Def.000 (-x-1)|∞100 = 0+200 = 200 . x>100 =0 .000/x3)dx = ∫∞100 (20.Contoh … • Soal: Andaikan X peubah acak yang menyatakan waktu hidup lampu tabung dalam jam.2. maka E(X) = ∫∞100 x⋅(20.000/x3.

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. 0.1 . dimana x=-1.12. 2 dan g(X)=X2. 1.Nilai harap g(X) • Tinjau fungsi g(X) dari peubah acak X. Sbg contoh untuk X diskrit dengan sebaran peluang f(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.

Nilai harap dari g(X) … • 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 . Nilai harap dari fungsi g(X) adalah E[g(X)]= ∑x g(x)⋅f(x) . jika X diskrit .1: Andaikan X suatu peubah acak dengan sebaran peluang f(x). 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 ½ 0 1/6 Tentukan nilai harap dari Y = (X-1)2 • Jawab: Berdasarkan Teorema 2.1.

jika X dan Y diskrit = ∫-∞∞ ∫-∞∞ g(x.y)⋅f(x.y g(x. kita dapat menyatakan E(XY) = ∑2x=0 ∑ 2y=0 xy⋅f(x.Y ) adalah E[g(X.13.2) + 1⋅0⋅f(1.4 (lihat sebelah). Tentukan nilai harap g(X.Nilai harap dari g(X.y)dxdy .y)⋅f(x.0) + 1⋅1⋅f(1.y) .2.19: Andaikan X dan Y dua peubah acak dengan sebaran peluang spt pada Tabel 2.y) = 0⋅0⋅f(0.0) + 0⋅1⋅f(0.0) = 0 + 0 + 0 + 0 + f(1.Y) • Def.1) + 2⋅0⋅f(2.y).Y)=XY ! • Jawab: Perdefinisi 2.Y)] = ∑x.1) .1) + 0⋅2⋅f(0.13: Andaikan X dan Y peubah acak dengan sebaran peluang bersama f(x. Nilai harap dari fungsi g(X.1) + 0 = f(1. 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.

2.7 Hukum Nilai Harap .

maka E(aX) = aE(X) . maka E(aX + b) = aE(X) + b • Corollary 1: Dengan membuat a=0.Teorema • Teorema 2. maka E(b) = b • Corollary 2: Dengan membuat b=0.2: Jika a dan b konstanta.

5 = 2 Dengan demikian E[(X-1)2] = 2. 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) + 1.21: Dalam contoh 2.2⋅1 + 1 = 1 x | 0 1 2 3 ----------------------------------------------------------f(x)| 1/3 ½ 0 1/6 . Yakni E[g(X) ± h(X)] = E[g(X)] ± E[h(X)] • Contoh 2.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. E(1) = 1. kita dapat menuliskan E[(X-1)2] = E(X2 – 2X +1) = E(X2) -2E(X) + E(1) Dari Corollary 1.17.

Y) = Y diperoleh E[X ± Y] = E[X] ± E[Y] • Teorema 2.Y)] ± E[h(X.Y) = X dan h(X.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.Y)] • Corollary: Dengan membuat g(X.Y) ± h(X. Maka E[X⋅Y] = E[X] ⋅ E[Y] .5: Andaikan X dan Y dua peubah acak yang saling bebas. Yakni E[g(X.Y)] = E[g(X.

E(X)⋅E(Y)=(4/3)⋅(5/8) = (5/6) = E(XY) . 0<x<2. 0<y<1 =0 .y) = x(1+3y2)/4 . 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.Contoh 2.23 • Andaikan X dan Y dua peubah acak yang saling bebas dengan sebaran peluang f(x.5 untuk kasus ini. selain itu Periksa berlakunya Teorema 2.

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

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

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

μ2 .6: Variansi dari peubah acak X diberikan oleh σ2 = E(X2) .2μX+μ2) = E(X2) .μ2 • Bukti: σ2 = E[(X-μ)2] = E(X2 .2μ⋅μ + μ2 = E(X2) .Variansi • Teorema 2.2μE(X) + E(μ2) = 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 2.24 • Soal: Hitung variansi dari X.14 sudah didapatkan μ = 12/7. 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 .Contoh 2.

Contoh 2.25 • Soal: Tentukan mean dan variansi dari peubah acak X. 1<x<2 = 0. 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 .

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

maka kovariansi akan bernilai nol.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. dan – rendahnya nilai X berasosiasi dengan rendahnya nilai Y • Kovariansi negatif: – tingginya nilai X berasosiasi dengan rendahnya nilai Y. Hal sebaliknya tidak berlaku.

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

26 • Tinjau sebaran peluang bersama pada contoh 2. 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.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.y)= ∑2y=0yh(y) = 0(15/28)+1(12/28)+2(1/28) = 14/28 = ½ Akibatnya σXY = E(XY) .8. dan perhitungan 2.Contoh 2.19 yang menghasilkan E(XY) = 3/14.μX μY = 3/14 – (3/4)(1/2) = -9/56 .

2.9 Sifat-Sifat Variansi .

9: Jika X suatu peubah acak dan b konstanta.8: Andaikan X suatu peubah acak dengan sebaran peluang f(X). maka σ2X+b = σ2X = σ2 • Teorema 2.μg(X)}2] • Teorema 2.9: Jika X suatu peubah acak dan a konstanta. Variansi dari fungsi g(X) adalah σ2g(X) = E[{g(X) . maka σ2aX = a2σ2X = a2σ2 .Sifat-sifat variansi … • Teorema 2.

y). maka σ2aX+bY = a2σ2X + b2σ2Y + 2abσXY • Corollary 1: Jika X dan Y peubah acak yang saling bebas.Sifat-sifat variansi … • Teorema 2.11: Jika X dan Y peubah acak dengan sebaran peluang gabungan f(x. maka σ2aX+bY = a2σ2X + b2σ2Y • Corollary 2: Jika X dan Y peubah acak yang saling bebas. maka σ2aX-bY = a2σ2X + b2σ2Y .

2.8 • Soal: Jika X dan Y peubah acak dengan variansi σ2X = 2.24⋅(-2) = 130 .11 = 9⋅2 + 16⋅4 . T. tentukan variansi dari peubah acak Z = 3X .Contoh 2.9 = 9σ2X + 16σ2Y .24σXY .4Y + 8 = σ23X-4Y . σ2Y = 4 dan kovariansi σXY= -2. T.4Y + 8 • Jawab: σ2Z = σ23X .2.

10 Teorema Chebyshev .2.

Teorema Chebyshev dan Bukti • Teorema Chebyshev: Peluang sebarang peubah acak X jatuh dalam rentang k kali simpangan baku dari mean sekurangkurangnya adalah (1 . karena |x . diperoleh (x .μ)2 ≥ k 2σ2 . 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. Selanjutnya.μ| ≥ kσ berarti x ≥ μ+kσ atau x≤ μ-kσ.1/k2).

… 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.

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

Sekian .

Sign up to vote on this title
UsefulNot useful