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).

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

1 Dua bola diambil berturutan secara acak. dari suatu wadah yang berisi empat bola merah (R) dan tiga bola hitam (B). tanpa penggantian. 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 • Contoh 2.

2: Petugas penyimpanan helm mengembalikan helm dari tiga orang pegawai Smith. dan Brown dalam urutan spt itu.… • Contoh 2. Jika helm diambil acak dan dikembalikan sesuai urutan pegawai diatas. 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 .

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

Sebaran Peluang Diskrit .

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. adalah 2/6=1/3. yakni m=0. peubah X yang menyatakan banyaknya H muncul akan memberikan peluang 3/8 untuk x=2. • Untuk kasus pengembalian helm. 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) .Sebaran peluang diskrit • Dalam kasus pelantunan koin tiga kali. sehingga seluruh peluang akan berjumlah 1.

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

. 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(4)= f(0). Dengan demikian f(x) = C(4. x)/16. 1.2. diperoleh : F(0) = f(0) = 1/16. Jika x menyatakan banyaknya muncul H. F(1) = f(0) + f(1) = 5/16. 2. f(1)=(4!/3!)/16 = 4/16. Berdasarkan Def. dan 2) sebaran kumulatif F(x) nya. Jawab: 1.5. f(3) = f(1).2. Jumlah titik cuplikan ada 24 = 16.4 dan 2. .x). dst • .5: Suatu koin dilantunkan empat kali. f(2) = (4!/(2!2!))/16 = 6/16. dimana x = 0. 4 f(0) = (4!/4!)/16 = 1/16 . 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.Sebaran kumulatif • Def. 3. 1. akan ada kombinasi sebanyak C(4.

untuk 2 ≤ x < 3 ⎪1516 . untuk 3 ≤ x < 4 ⎪ ⎪ ⎩1. untuk 0 ≤ x < 1 ⎪ 16 ⎪ ⎪ 516 . 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 x < 0 ⎪ 1 . untuk 1 ≤ x < 2 F (x ) = ⎨ 11 ⎪ 16 .

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.

2.3 Sebaran peluang kontinyu .

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

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. .

jika 1. P(a<X<b) = ∫ba f(x) dx • • Contoh: andaikan peubah acak X memiliki fungsi rapat peluang: f(x) = x2/3. 3.6. 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 .Def. 2. f(x) ≥ 0 untuk semua x∈R ∫∞-∞ f(x) dx = 1.2. Tentukan: (1) kondisi 2 pada Def.6: Suatu fungsi f(x) adalah fungsi rapat peluang untuk peubah acak kontinyu X yang didefinisikan ke seluruh himpunan bilangan riil R.2. -1<x<2 dan f(x)=0 selain itu. fungsi rapat peluang kontinyu • Def.

2.7.7: 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. yaitu: 1) P(a<X<b) = F(b) – F(a) 2) f(x) = dF(x)/dx .

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 .

4 2.5 3.7 3.4 3.2 2.1.7 3.9 4.3 4.8 2.4 2.3 4.2 3.6 3.2 3.1 3.1 1.4 3.8 3.3 3.1 3.7 3. • Tinjau sebaran frekuensi relatif dari 40 buah umur batere mobil dalam Tabel 2.2 4.5 . Umur batere dalam tahun 2.Sebaran frekuensi relatif • Dalam percobaan.9 3.6 3.6 4. seringkali fungsi rapat peluang f(x) untuk peubah acak kontinyu X tidak diketahui.7 3. Tabel 2.0 4.1.3 3.5 3.9 3. • Pemilihan f(x) harus mempertimbangkan setiap informasi yang tersedia dari data.1 3.0 3.2 3.9 1. Pabrik menjamin umur batere adalah 3 tahun.6 4.1 3.1 3.7 4.5 3.

9 4.5 .4 4. Tabel 2.6)/7=0.7 2.0 – 4.1. Tabel 2.2 3.4 3.2.5 – 3.9 3.7 4.Lanjutan … • Andaikan diambil 7 kelas.2 2.125 0.375 0.025 0.7 Frekuensi (f) 2 1 4 15 10 5 3 Frekuensi relatif 0.0 – 3.075 .100 0.5 – 4.9 2.2 menunjukkan sebaran frekuensi relatif-nya.7 3.2 4.9 Titik tengah kelas 1.443.0 .2 Interval Kelas 1.4 2.250 0. dng demikian besar interval adalah (max-min)/kelas = (4.5 – 2.050 0.7-1.

b.7 2. untuk a.125 1.375 0. c tertentu? • Banyak fungsi kerapatan peluang yang dapat dinyatakan dalam kurva berbentuk lonceng (Gaussian).7 • Bentuk kurva: lingkaran? Hiperbola? Elips? Parabola f(x) = ax2 + bx + c.7 4.2 2.7 3.250 f(x) 0. .2 4.2 3.Histogram dan estimasi fungsi rapat peluang 0.

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

000 0.550 0.500 * Kuartil pertama ~3. Batas kelas < 1.Sebaran kumulatif • Berdasarkan Tabel 2.075 0. kita dapat membuat sebaran frekuensi kumulatif dari umur batere.750 Frekuensi kumulatif relatif 1.95 < 2.45 < 4.45 < 2.45 4.45 Umur batere 2.3 dan estimasi F(x).2. spt pada Tabel 2.45 < 1.05 1.45 * * * * 3.70 * * * 0.925 1.050 0.000 F(x) decile ke tujuh ~3.95 < 3.250 0.95 Frekuensi kumulatif relatif 0.175 0.95 < 4.000 0.45 .800 0.45 < 3.

5 Sebaran Peluang Gabungan .2.

. ∑x ∑y f(x. P[(X. kita sebut sebaran peluangnya sebagai sebaran peluang gabungan.y) untuk sebarang daerah A dalam bidang xy.Peluang gabungan diskrit • Jika dimensi ruang cuplikan lebih dari satu.8: Fungsi f(x.y) 2.2. • Def.y) ≥ 0 untuk seluruh (x. v).y) adalah fungsi peluang gabungan dari dua peubah diskrit X dan Y jika 1.y) = 1 3.Y)∈A] = ∑∑A f(x. f(x. misalnya hasil pengukuran dua besaran P dan V yng dinyatakan sbg (p.

1). dua refil merah. Dengan demikian.y) yang dapat muncul adalah (0. (1.0). Jika X menyatakan jumlah refil biru.1)⋅C(3. Tinjau f(0. (0. dimana A adalah daerah {(x.2). f(0. .1) = 6/28 =3/14. (1.y).4 berikut ini. dan (2) P[(X. dan 3 refil hijau.0). Hasilnya ditampilkan pada Tabel 2.1). dan Y jumlah refil merah. Akan diambil dua refil secara acak dari kotak tsb.1) yang menyatakan peluang terpilihnya refil merah dan hijau (karena refil biro nol).y) untuk seluruh rentang nilai diskrit x dan y yang mungkin dapat ditentukan.y)|x + y≤1}.0).Y)∈A]. Jumlah total kombinasi terpilihnya dua refil dari delapan buah refil yang ada di dalam kotak adalah C(8.2) = 8!/(6!)(2!)=8⋅7/2=28. tentukan: (1) fungsi peluang gabungan f(x.1) = 2⋅(3!/2!) = 6.Contoh 2. Cacah kombinasi terpilihnya satu dari dua refil berwarna merah dan satu dari tiga refil hijau adalah C(2. • Jawab: pasangan (x. dan (2. (0. nilai f(x.8 • Soal: Suatu kotak berisi tiga refil (tinta isian) berwarna biru. Dengan cara yang sama.

… Tabel 2.Y)∈A] = P(X + Y ≤ 1) = f(0.0) = 3/28 + 3/14 + 9/28 = 9/14 .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). P[(X.0) + f(0.

0<y<1 = 0.Peluang gabungan kontinyu • Def.9 2.9: Tinjau fungsi rapat peluang berikut f(x.y) dx dy Contoh 2. ¼ <y< ½} • .2.y)| 0<x<1. Tentukan P[(X.y) ≥0 untuk semua (x. y) 2. P[(X. 0<x<2. f(x.Y)∈A] dimana A adalah daerah {(x.y) = x(1+3y2)/4.2.y) dxdy = 1 3. ∫∫-∞∞ f(x.9: Suatu fungsi f(x. Periksa kondisi 2 pada Def.y) adalah fungsi kerapatan gabungan dari peubah acak kontinyu X dan Y jika 1. lainnya 1.Y)∈A] = ∫∫Af(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 .x 1+ 3y2 (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.

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

Sbg contoh. -∞<Y<∞) = ∫ab∫-∞∞ f(x. untuk kasus kontinyu: ∫-∞∞ g(x) dx = ∫-∞∞∫-∞∞ f(x. dan Def.2.2.… • Fungsi g(x) dan h(y) disebut sebagai sebaran marjinal dari X dan Y.6.4.y) dy dx = ∫ab g(x) dx . Bahwa masing-masing benar berupa fungsi sebaran dapa diperiksa berdasarkan Def.y) dy dx = 1 dan P(a<X<b) = P(a<X<b.

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

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

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

y) = g(x)⋅h(y) untuk semua nilai (x.y) dan sebaran marjinal g(x) dan h(y).Def.8: 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(0.12 adalah bebas secara statistik • Peubah acak kontinyu pada contoh 2. Peubah acak X dan Y disebut bebas secara statistik. f(x. jika dan hanya jika.1) = 3/14 g(0) = ∑2y=0 f(0.2. Kebebasan Statistik • Def.10: Andaikan X dan Y dua peubah acak.11 tidak bebas statistik • Berdasarkan contoh 2.1) ≠g(0)⋅h(1).y) • Peubah acak kontinyu pada contoh 2. baik diskret maupun kontinyu. dengan sebaran peluang gabungan f(x. dengan demikian X dan Y dalam contoh 2.8 tidak bersifat bebas secara statistik .

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

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

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 .

maka rata-rata jumlah H perlantunan dari dua koin adalah: (0⋅4 + 1⋅7 + 2⋅5)/16 = 1. Jika eksperimen ini menghasilkan 4 lantunan tanpa H.2. untuk X diskrit . maka X dpt bernilai 0. 7 lantunan dengan 1H. • Def. Nilai harap dari X adalah E(X) = ∑x x⋅f(x) . 1. untuk X kontinyu = ∫-∞∞ x⋅f(x)dx . dan 5 lantunan dengan 2H.Konsep dan Definisi • Jika dua buah koin dilantunkan 16 kali dan X menyatakan jumlah munculnya sisi H per-lantunan. atau 2.12: Andaikan X suatu peubah acak dengan sebaran peluang f(x).06 • Nilai rata-rata dari peubah acak yang demikian disebut sebagai nilai harap (expected value).

3). f(1)=12/35. komite} yakni f(0)=1/35. 1. Oleh karena itu: E(X) = 0⋅(1/35)+1⋅(12/35)+2⋅(18/35)+3⋅(4/35) = 12/7 = 1. x=0.7 . berdasarkan 4 kandidat Kimiawan dan 3 kandidat Biologiwan • Jawab: Jika X menyatakan banyaknya Kimiawan dalam Komite. x)⋅C(3.Contoh 2.14 • Soal: Hitung nilai harap dari jumlah Kimiawan dalam seleksi suatu Komite yang terdiri dari tiga orang. dan f(3)=4/35. 3-x)/C(7. 2. maka sebaran peluang dari X akan diberikan oleh f(x) = C(4. f(2)=18/25. 3 -----------------------------------------------------------------{kombinasi x dari 4 Kimiawan} * {kombinasi (3-x) dari 3 angg.

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

12. Sbg contoh untuk X diskrit dengan sebaran peluang f(x). 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. 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. 2 dan g(X)=X2.Nilai harap g(X) • Tinjau fungsi g(X) dari peubah acak X. dimana x=-1. 1.1 .

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: Andaikan X suatu peubah acak dengan sebaran peluang f(x).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 g(X) … • Teorema 2. jika X kontinyu = ∫-∞∞ g(x)⋅f(x)dx • Contoh 2. jika X diskrit . Nilai harap dari fungsi g(X) adalah E[g(X)]= ∑x g(x)⋅f(x) .1.

2.y)⋅f(x.y) .1) .Y) • Def. 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 2.0) + 1⋅1⋅f(1. Tentukan nilai harap g(X.y g(x.y).Y ) adalah E[g(X.0) + 0⋅1⋅f(0.4 (lihat sebelah). kita dapat menyatakan E(XY) = ∑2x=0 ∑ 2y=0 xy⋅f(x. jika X dan Y diskrit = ∫-∞∞ ∫-∞∞ g(x.19: Andaikan X dan Y dua peubah acak dengan sebaran peluang spt pada Tabel 2.y)⋅f(x.y) = 0⋅0⋅f(0.y)dxdy .2) + 1⋅0⋅f(1.1) + 0⋅2⋅f(0.13.1) + 2⋅0⋅f(2.13: Andaikan X dan Y peubah acak dengan sebaran peluang bersama f(x.Y)] = ∑x.Nilai harap dari g(X.Y)=XY ! • Jawab: Perdefinisi 2.0) = 0 + 0 + 0 + 0 + f(1.1) + 0 = f(1. Nilai harap dari fungsi g(X.

2.7 Hukum Nilai Harap .

2: Jika a dan b konstanta.Teorema • Teorema 2. 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) .

2⋅1 + 1 = 1 x | 0 1 2 3 ----------------------------------------------------------f(x)| 1/3 ½ 0 1/6 .5 = 2 Dengan demikian E[(X-1)2] = 2.21: Dalam contoh 2.17.3: Nilai harap dari jumlah atau perbedaan dari dua atau lebih fungsi dari peubah acak X adalah jumlah atau perbedaan dari nilai harap fungsinya. Yakni E[g(X) ± h(X)] = E[g(X)] ± E[h(X)] • Contoh 2.Teorema • Teorema 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. E(1) = 1. kita dapat menuliskan E[(X-1)2] = E(X2 – 2X +1) = E(X2) -2E(X) + E(1) Dari Corollary 1.

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

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

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

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

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

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

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

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

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

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

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.26 • Tinjau sebaran peluang bersama pada contoh 2. dan perhitungan 2.Contoh 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.8.μX μY = 3/14 – (3/4)(1/2) = -9/56 .19 yang menghasilkan E(XY) = 3/14.y)= ∑2y=0yh(y) = 0(15/28)+1(12/28)+2(1/28) = 14/28 = ½ Akibatnya σXY = E(XY) .

9 Sifat-Sifat Variansi .2.

μg(X)}2] • Teorema 2.Sifat-sifat variansi … • Teorema 2.8: Andaikan X suatu peubah acak dengan sebaran peluang f(X).9: Jika X suatu peubah acak dan b konstanta. maka σ2aX = a2σ2X = a2σ2 . maka σ2X+b = σ2X = σ2 • 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 2.11: Jika X dan Y peubah acak dengan sebaran peluang gabungan f(x. 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). maka σ2aX-bY = a2σ2X + b2σ2Y .

24σXY .Contoh 2. T.24⋅(-2) = 130 .8 • Soal: Jika X dan Y peubah acak dengan variansi σ2X = 2.2.9 = 9σ2X + 16σ2Y .2. σ2Y = 4 dan kovariansi σXY= -2. tentukan variansi dari peubah acak Z = 3X .4Y + 8 • Jawab: σ2Z = σ23X . T.4Y + 8 = σ23X-4Y .11 = 9⋅2 + 16⋅4 .

10 Teorema Chebyshev .2.

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

… 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 .

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

Sekian .

Sign up to vote on this title
UsefulNot useful