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).

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

Contoh • Contoh 2. 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).1 Dua bola diambil berturutan secara acak. Hasil dapat muncul dan nilai y dari peubah acak Y.

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

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

Sebaran Peluang Diskrit .

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

P(X =x) = f(x) Contoh 2.Fungsi atau sebaran peluang • Def. Maka x akan bernilai dari 2 sampai 12. untuk setiap hasil yang muncul x berlaku: 1.4: Fungsi f(x) adalah suatu fungsi peluang atau sebaran peluang dari peubah acak X jika. • • . Jawab: Andaikan X peubah acak yang nilainya x merupakan jumlah pasangan mata dadu. f(x) ≥ 0 2.3: Tentukan sebaran peluang dari jumlah sepasang mata dadu jika dilantunkan. Sepasang dadu akan memiliki kombinasi muncul sebanyak 6⋅6 = 36 cara. Σx f(x) = 1 3.2. 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 ..

f(2) = (4!/(2!2!))/16 = 6/16..x). dst • . f(1)=(4!/3!)/16 = 4/16. diperoleh : F(0) = f(0) = 1/16. Jika x menyatakan banyaknya muncul H. 4 f(0) = (4!/4!)/16 = 1/16 . Jumlah titik cuplikan ada 24 = 16. .4 dan 2. F(1) = f(0) + f(1) = 5/16.2. Berdasarkan Def..5. f(3) = f(1).5: Suatu koin dilantunkan empat kali.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. 1. x)/16. 1. f(4)= f(0). 2. dimana x = 0.2. Jawab: 1. Tentukan: 1) formula sebaran peluang munculnya H yaitu f(x). 3.Sebaran kumulatif • Def. akan ada kombinasi sebanyak C(4. dan 2) sebaran kumulatif F(x) nya. Dengan demikian f(x) = C(4.

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

Sebaran peluang dlm bentuk grafis • Dari contoh 2. 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 .4: f(x) = C(4.

3 Sebaran peluang kontinyu .2.

5 – 164. Antara sebarang dua nilai. namun bisa dinyatakan dalam rumus. tidak ada bedanya mengikutkan titik ujung dalam perhitungan ini ataupun tidak. – Peubah acak kontinyu memiliki peluang nol untuk suatu nilai eksak dari peubah acak ini. • Peubah acak kontinyu tidak dapat ditampilkan secara tabular. 163.Arti kerapatan peluang (kontinyu) • Tinjau sebaran tinggi badan dari orang berumur 21 thn.5. mis. ada tak hingga macam tinggi badan. • 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.

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. .

2. fungsi rapat peluang kontinyu • Def. 3. 2.6: Suatu fungsi f(x) adalah fungsi rapat peluang untuk peubah acak kontinyu X yang didefinisikan ke seluruh himpunan bilangan riil R. -1<x<2 dan f(x)=0 selain itu. Tentukan: (1) kondisi 2 pada Def. f(x) ≥ 0 untuk semua x∈R ∫∞-∞ f(x) dx = 1. P(a<X<b) = ∫ba f(x) dx • • Contoh: andaikan peubah acak X memiliki fungsi rapat peluang: f(x) = x2/3.2.Def. jika 1. 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 .6.

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

2.4 Sebaran Empiris .

0 4.7 3. • Pemilihan f(x) harus mempertimbangkan setiap informasi yang tersedia dari data.4 2.1 3.1 3.1 3.5 3.1.9 3.3 4.3 3. Pabrik menjamin umur batere adalah 3 tahun.6 4.4 3.4 2.5 3. Tabel 2.8 3.6 3.5 3.7 4.0 3.Sebaran frekuensi relatif • Dalam percobaan.1.2 3.8 2.9 3.9 4.7 3.7 3. seringkali fungsi rapat peluang f(x) untuk peubah acak kontinyu X tidak diketahui.2 4. • Tinjau sebaran frekuensi relatif dari 40 buah umur batere mobil dalam Tabel 2.3 3.1 1.2 2.5 .1 3.4 3.6 3. Umur batere dalam tahun 2.1 3.7 3.9 1.6 4.2 3.3 4.2 3.

050 0.0 – 4.7 Frekuensi (f) 2 1 4 15 10 5 3 Frekuensi relatif 0.7 3.4 2.025 0.075 .443.2 menunjukkan sebaran frekuensi relatif-nya.125 0.9 4.5 – 2.7 2.Lanjutan … • Andaikan diambil 7 kelas.250 0.7 4.0 .7-1.4 4.2 2. Tabel 2.100 0.9 3.5 .2 4.4 3.375 0.5 – 3.9 2. dng demikian besar interval adalah (max-min)/kelas = (4.2 Interval Kelas 1.1.5 – 4.6)/7=0. Tabel 2.9 Titik tengah kelas 1.0 – 3.2.2 3.

7 4. .125 1.375 0.7 3. c tertentu? • Banyak fungsi kerapatan peluang yang dapat dinyatakan dalam kurva berbentuk lonceng (Gaussian).250 f(x) 0.7 • Bentuk kurva: lingkaran? Hiperbola? Elips? Parabola f(x) = ax2 + bx + c. untuk a. b.2 4.Histogram dan estimasi fungsi rapat peluang 0.2 2.2 3.7 2.

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

500 * Kuartil pertama ~3.250 0.750 Frekuensi kumulatif relatif 1.2.050 0.000 F(x) decile ke tujuh ~3. Batas kelas < 1.175 0. spt pada Tabel 2.3 dan estimasi F(x).45 < 1.Sebaran kumulatif • Berdasarkan Tabel 2.45 4.925 1.075 0.95 < 4.000 0.800 0.45 Umur batere 2.95 < 2.05 1.45 * * * * 3.95 Frekuensi kumulatif relatif 0.000 0.70 * * * 0.45 < 4.45 < 2.550 0.45 . kita dapat membuat sebaran frekuensi kumulatif dari umur batere.95 < 3.45 < 3.

5 Sebaran Peluang Gabungan .2.

Y)∈A] = ∑∑A f(x. • Def.y) 2. P[(X.y) ≥ 0 untuk seluruh (x.Peluang gabungan diskrit • Jika dimensi ruang cuplikan lebih dari satu. .2.8: Fungsi f(x. v). f(x. ∑x ∑y f(x.y) untuk sebarang daerah A dalam bidang xy. misalnya hasil pengukuran dua besaran P dan V yng dinyatakan sbg (p. kita sebut sebaran peluangnya sebagai sebaran peluang gabungan.y) adalah fungsi peluang gabungan dari dua peubah diskrit X dan Y jika 1.y) = 1 3.

1) yang menyatakan peluang terpilihnya refil merah dan hijau (karena refil biro nol).8 • Soal: Suatu kotak berisi tiga refil (tinta isian) berwarna biru.4 berikut ini. dan 3 refil hijau. (0. (0. dimana A adalah daerah {(x. (1. nilai f(x.1)⋅C(3.0).Contoh 2.Y)∈A].0).y) yang dapat muncul adalah (0. f(0. tentukan: (1) fungsi peluang gabungan f(x. .y).y)|x + y≤1}.0). Tinjau f(0. Jika X menyatakan jumlah refil biru. Jumlah total kombinasi terpilihnya dua refil dari delapan buah refil yang ada di dalam kotak adalah C(8. dan (2) P[(X. dua refil merah.1) = 6/28 =3/14. Dengan cara yang sama. dan Y jumlah refil merah.y) untuk seluruh rentang nilai diskrit x dan y yang mungkin dapat ditentukan.2) = 8!/(6!)(2!)=8⋅7/2=28.1). (1. • Jawab: pasangan (x.1) = 2⋅(3!/2!) = 6.1). Akan diambil dua refil secara acak dari kotak tsb. dan (2.2). Cacah kombinasi terpilihnya satu dari dua refil berwarna merah dan satu dari tiga refil hijau adalah C(2. Hasilnya ditampilkan pada Tabel 2. Dengan demikian.

1) + f(1. P[(X.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).Y)∈A] = P(X + Y ≤ 1) = f(0.0) + f(0.0) = 3/28 + 3/14 + 9/28 = 9/14 .… Tabel 2.

0<x<2.y) adalah fungsi kerapatan gabungan dari peubah acak kontinyu X dan Y jika 1.9: Suatu fungsi f(x.Y)∈A] = ∫∫Af(x.Peluang gabungan kontinyu • Def.y) dx dy Contoh 2.y) dxdy = 1 3.y) ≥0 untuk semua (x.2. Tentukan P[(X. lainnya 1. f(x. 0<y<1 = 0.y) = x(1+3y2)/4. P[(X.2. y) 2. Periksa kondisi 2 pada Def.9: Tinjau fungsi rapat peluang berikut f(x.9 2.Y)∈A] dimana A adalah daerah {(x. ¼ <y< ½} • .y)| 0<x<1. ∫∫-∞∞ f(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 . 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 .x 1+ 3y2 (1) ∫ ∫ f (x.

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

2.y) dy dx = ∫ab g(x) dx . Sbg contoh.y) dy dx = 1 dan P(a<X<b) = P(a<X<b.4.2.… • Fungsi g(x) dan h(y) disebut sebagai sebaran marjinal dari X dan Y.6. Bahwa masing-masing benar berupa fungsi sebaran dapa diperiksa berdasarkan Def. untuk kasus kontinyu: ∫-∞∞ g(x) dx = ∫-∞∞∫-∞∞ f(x. dan Def. -∞<Y<∞) = ∫ab∫-∞∞ f(x.

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

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

… • 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.y) = f(x|y)h(y) ke sebaran marjinal dari 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.

10: Andaikan X dan Y dua peubah acak.8 tidak bersifat bebas secara statistik . dengan sebaran peluang gabungan f(x. jika dan hanya jika. baik diskret maupun kontinyu.12 adalah bebas secara statistik • Peubah acak kontinyu pada contoh 2.y) = 3/28 + 3/14 + 1/28 = 5/14 h(1) = ∑2x=0 f(x.11 tidak bebas statistik • Berdasarkan contoh 2.2.1) = 3/14 +3/14 + 0 = 3/7 Jelas bahwa f(0.Def.y) dan sebaran marjinal g(x) dan h(y).y) • Peubah acak kontinyu pada contoh 2. Kebebasan Statistik • Def. f(x. Peubah acak X dan Y disebut bebas secara statistik.1) ≠g(0)⋅h(1).y) = g(x)⋅h(y) untuk semua nilai (x. dengan demikian X dan Y dalam contoh 2.8: f(0.1) = 3/14 g(0) = ∑2y=0 f(0.

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

e-3) e-2 = 0. xn) dan sebaran marjinal f1(x1).x3) dx1dx2dx3 • • =(1 . X3>2) = ∫2∞ ∫13 ∫02 exp(-x1 . 1<X2<3. x>0 =0 . X2. X2. x2>0. xn) = f1(x1)⋅f2(x2) ⋅ … ⋅ fn(xn) Contoh 2. x1>0.0376 . x3>0 maka P(X1<2. f2(x2). selain itu Tentukan P(X1<2.Generalisasi kebebasan statistik • Def. dengan sebaran peluang bersama f(x1.11: Andaikan X1. …. dan X3 adalah tiga peubah acak yang saling bebas secara statistik dan andaikan masing-masing memiliki fungsi rapat peluang: f(x) = e-x . 1<X2<3. diskrit atau kontinyu.x3). …. x2. …. x3) = f(x1) f(x2) f(x3) = e-x1 e-x2 e-x3 = exp(-x1 . X3>2) Jawab: Fungsi rapat peluang bersama dari X1. x2. dan X3 adalah f(x1.x2 . Peubah acak X1.e-2) (e-1 . Xn disebut saling bebas secara statistik jika dan hanya jika f(x1. fn(xn).2.x2 . …. …. X2. X2.13: Andaikan X1. x2. Xn adalah n-buah peubah acak.

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 .

atau 2.12: Andaikan X suatu peubah acak dengan sebaran peluang f(x). 7 lantunan dengan 1H.2. Jika eksperimen ini menghasilkan 4 lantunan tanpa H. untuk X diskrit . untuk X kontinyu = ∫-∞∞ x⋅f(x)dx . maka rata-rata jumlah H perlantunan dari dua koin adalah: (0⋅4 + 1⋅7 + 2⋅5)/16 = 1. Nilai harap dari X adalah E(X) = ∑x x⋅f(x) . • Def. maka X dpt bernilai 0.06 • Nilai rata-rata dari peubah acak yang demikian disebut sebagai nilai harap (expected value). 1.Konsep dan Definisi • Jika dua buah koin dilantunkan 16 kali dan X menyatakan jumlah munculnya sisi H per-lantunan. dan 5 lantunan dengan 2H.

berdasarkan 4 kandidat Kimiawan dan 3 kandidat Biologiwan • Jawab: Jika X menyatakan banyaknya Kimiawan dalam Komite. dan f(3)=4/35.3).Contoh 2. f(1)=12/35. x=0. 3-x)/C(7. 3 -----------------------------------------------------------------{kombinasi x dari 4 Kimiawan} * {kombinasi (3-x) dari 3 angg. f(2)=18/25. x)⋅C(3. 1. maka sebaran peluang dari X akan diberikan oleh f(x) = C(4. Oleh karena itu: E(X) = 0⋅(1/35)+1⋅(12/35)+2⋅(18/35)+3⋅(4/35) = 12/7 = 1. komite} yakni f(0)=1/35.7 . 2.14 • Soal: Hitung nilai harap dari jumlah Kimiawan dalam seleksi suatu Komite yang terdiri dari tiga orang.

000/x2)dx = = 20. x>100 =0 . maka E(X) = ∫∞100 x⋅(20. Fungsi kerapatan peluangnya dinyatakan sebagai: f(x) = 20.000/x3.12.000/x3)dx = ∫∞100 (20.2. • Jawab: Berdasarkan Def. selain itu Tentukan nilai harapan hidup dari tabung jenis ini.Contoh … • Soal: Andaikan X peubah acak yang menyatakan waktu hidup lampu tabung dalam jam.000 (-x-1)|∞100 = 0+200 = 200 .

0. 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. 1.Nilai harap g(X) • Tinjau fungsi g(X) dari peubah acak X.12. 2 dan g(X)=X2. dimana x=-1. Sbg contoh untuk X diskrit dengan sebaran peluang f(x). 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 2.1 .

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 fungsi g(X) adalah E[g(X)]= ∑x g(x)⋅f(x) .Nilai harap dari g(X) … • Teorema 2.1: Andaikan X suatu peubah acak dengan sebaran peluang f(x). jika X diskrit . jika X kontinyu = ∫-∞∞ g(x)⋅f(x)dx • Contoh 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 .1.

y) = 0⋅0⋅f(0. Tentukan nilai harap g(X.1) + 0⋅2⋅f(0.1) + 0 = f(1.13: Andaikan X dan Y peubah acak dengan sebaran peluang bersama f(x.Y)=XY ! • Jawab: Perdefinisi 2.y)⋅f(x.1) .Y)] = ∑x.19: Andaikan X dan Y dua peubah acak dengan sebaran peluang spt pada Tabel 2. Nilai harap dari fungsi g(X.Nilai harap dari g(X.Y ) adalah E[g(X.y)⋅f(x. jika X dan Y diskrit = ∫-∞∞ ∫-∞∞ g(x.2.4 (lihat sebelah).0) + 1⋅1⋅f(1.y)dxdy .y g(x.0) = 0 + 0 + 0 + 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 2.1) + 2⋅0⋅f(2.Y) • Def.0) + 0⋅1⋅f(0.y).y) . kita dapat menyatakan E(XY) = ∑2x=0 ∑ 2y=0 xy⋅f(x.13.2) + 1⋅0⋅f(1.

7 Hukum Nilai Harap .2.

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

5 = 2 Dengan demikian E[(X-1)2] = 2.21: Dalam contoh 2. kita dapat menuliskan E[(X-1)2] = E(X2 – 2X +1) = E(X2) -2E(X) + E(1) Dari Corollary 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. Yakni E[g(X) ± h(X)] = E[g(X)] ± E[h(X)] • Contoh 2.Teorema • Teorema 2. E(1) = 1.17.3: Nilai harap dari jumlah atau perbedaan dari dua atau lebih fungsi dari peubah acak X adalah jumlah atau perbedaan dari nilai harap fungsinya.2⋅1 + 1 = 1 x | 0 1 2 3 ----------------------------------------------------------f(x)| 1/3 ½ 0 1/6 .

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

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

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

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

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

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

Contoh 2.14 sudah didapatkan μ = 12/7.24 • 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. 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 .

dimana X memiliki fungsi kerapatan f(x) = 2(x-1).25 • Soal: Tentukan mean dan variansi dari peubah acak X.Contoh 2. 1<x<2 = 0. 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 .

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

. kovariansi nol tidak berarti X dan Y saling bebas statistik. maka kovariansi akan bernilai nol. dan – rendahnya nilai X berasosiasi dengan rendahnya nilai Y • Kovariansi negatif: – tingginya nilai X berasosiasi dengan rendahnya nilai Y. 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.

μXμY .μXμY . • Teorema 2.μY)] = E(XY.μYX+ μXμY) = 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) ..μYE(X) +E(μXμY) = E(XY) .μXE(Y).μX)(Y .μXY.μX⋅μY • Bukti: σXY = E[(X .Kovariansi .

y)= ∑2y=0yh(y) = 0(15/28)+1(12/28)+2(1/28) = 14/28 = ½ Akibatnya σXY = E(XY) .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. dan perhitungan 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.μX μY = 3/14 – (3/4)(1/2) = -9/56 .8.Contoh 2.

9 Sifat-Sifat Variansi .2.

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

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

T.24σXY .24⋅(-2) = 130 . tentukan variansi dari peubah acak Z = 3X . T.8 • Soal: Jika X dan Y peubah acak dengan variansi σ2X = 2.Contoh 2.4Y + 8 = σ23X-4Y .11 = 9⋅2 + 16⋅4 .2. σ2Y = 4 dan kovariansi σXY= -2.2.4Y + 8 • Jawab: σ2Z = σ23X .9 = 9σ2X + 16σ2Y .

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).μ| ≥ kσ berarti x ≥ μ+kσ atau x≤ μ-kσ. diperoleh (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. karena |x . Selanjutnya.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 .

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.Konsekuensi Teorema Chebyshev • Untuk k=2. μ + kσ σ 2σ μ-2σ μ μ+2σ f(x) ∫ μ σ −k f ( x )dx .

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

Sekian .

Sign up to vote on this title
UsefulNot useful