P. 1
II. Peubah Acak

II. Peubah Acak

|Views: 8|Likes:
Published by AcHel Latuihamallo

More info:

Published by: AcHel Latuihamallo on Mar 21, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

11/17/2013

pdf

text

original

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).

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

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

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

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

Sebaran Peluang Diskrit .

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

masing-masing dengan peluang 1/36. Maka x akan bernilai dari 2 sampai 12. P(X =x) = f(x) Contoh 2.Fungsi atau sebaran peluang • Def. Jawab: Andaikan X peubah acak yang nilainya x merupakan jumlah pasangan mata dadu. untuk setiap hasil yang muncul x berlaku: 1. • • .2.3: Tentukan sebaran peluang dari jumlah sepasang mata dadu jika dilantunkan. Σx f(x) = 1 3.4: Fungsi f(x) adalah suatu fungsi peluang atau sebaran peluang dari peubah acak X jika. f(x) ≥ 0 2. Sepasang dadu akan memiliki kombinasi muncul sebanyak 6⋅6 = 36 cara.

. 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 ..

Berdasarkan Def. f(2) = (4!/(2!2!))/16 = 6/16. f(4)= f(0). Tentukan: 1) formula sebaran peluang munculnya H yaitu f(x). 2. 1. Dengan demikian f(x) = C(4.2.Sebaran kumulatif • Def.5: Suatu koin dilantunkan empat kali.4 dan 2. akan ada kombinasi sebanyak C(4. dst • .. diperoleh : F(0) = f(0) = 1/16. 1. Jika x menyatakan banyaknya muncul H.2. Jawab: 1. f(3) = f(1). 4 f(0) = (4!/4!)/16 = 1/16 .. dan 2) sebaran kumulatif F(x) nya. 3.5. x)/16. F(1) = f(0) + f(1) = 5/16. Jumlah titik cuplikan ada 24 = 16. f(1)=(4!/3!)/16 = 4/16.5: 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. .x). dimana x = 0.

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

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.Sebaran peluang dlm bentuk grafis • Dari contoh 2.

2.3 Sebaran peluang kontinyu .

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

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. jika 1. 2. -1<x<2 dan f(x)=0 selain itu. f(x) ≥ 0 untuk semua x∈R ∫∞-∞ f(x) dx = 1. Tentukan: (1) kondisi 2 pada Def.Def.6: Suatu fungsi f(x) adalah fungsi rapat peluang untuk peubah acak kontinyu X yang didefinisikan ke seluruh himpunan bilangan riil R. 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 . 3.2.6. fungsi rapat peluang kontinyu • Def. P(a<X<b) = ∫ba f(x) dx • • Contoh: andaikan peubah acak X memiliki fungsi rapat peluang: f(x) = x2/3.

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 .2.Sebaran peluang kumulatif kontinyu • Def.

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.6.Contoh • Soal: Untuk fungsi pada contoh 2.

4 Sebaran Empiris .2.

3 4.2 3.1 3.5 3.7 4.8 3.9 4.1 3.8 2. • Tinjau sebaran frekuensi relatif dari 40 buah umur batere mobil dalam Tabel 2.4 2.9 3.7 3.4 3.5 3.9 1.4 3.3 3.Sebaran frekuensi relatif • Dalam percobaan.2 3.0 4. Umur batere dalam tahun 2.6 4.1. Tabel 2.3 3. • Pemilihan f(x) harus mempertimbangkan setiap informasi yang tersedia dari data.7 3.2 2.7 3.1 3.1 1.0 3.6 4.9 3.2 4.1.1 3.5 .1 3. seringkali fungsi rapat peluang f(x) untuk peubah acak kontinyu X tidak diketahui.6 3. Pabrik menjamin umur batere adalah 3 tahun.2 3.6 3.3 4.4 2.5 3.7 3.

4 2.4 3.100 0.9 3.5 – 3.9 2.075 .9 Titik tengah kelas 1.1.025 0.5 – 4.4 4.7-1.0 – 3.443. Tabel 2.2 Interval Kelas 1.250 0.7 3.7 2.6)/7=0.Lanjutan … • Andaikan diambil 7 kelas.7 Frekuensi (f) 2 1 4 15 10 5 3 Frekuensi relatif 0.0 .050 0.125 0.9 4.2 menunjukkan sebaran frekuensi relatif-nya.2.7 4.375 0.2 3.2 4. dng demikian besar interval adalah (max-min)/kelas = (4. Tabel 2.5 – 2.5 .0 – 4.2 2.

7 • Bentuk kurva: lingkaran? Hiperbola? Elips? Parabola f(x) = ax2 + bx + c. .375 0. b.Histogram dan estimasi fungsi rapat peluang 0.2 4.2 2. untuk a.125 1.2 3.7 4.7 3. c tertentu? • Banyak fungsi kerapatan peluang yang dapat dinyatakan dalam kurva berbentuk lonceng (Gaussian).7 2.250 f(x) 0.

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

3 dan estimasi F(x).45 < 4. Batas kelas < 1.175 0.800 0.45 < 2.45 Umur batere 2.Sebaran kumulatif • Berdasarkan Tabel 2.45 .750 Frekuensi kumulatif relatif 1.075 0.000 F(x) decile ke tujuh ~3.925 1.550 0.95 < 2.45 * * * * 3.45 < 3.45 4.95 < 3.70 * * * 0.2.250 0.95 < 4.000 0. spt pada Tabel 2. kita dapat membuat sebaran frekuensi kumulatif dari umur batere.500 * Kuartil pertama ~3.050 0.95 Frekuensi kumulatif relatif 0.000 0.05 1.45 < 1.

2.5 Sebaran Peluang Gabungan .

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

1). dan (2.1) = 2⋅(3!/2!) = 6. dan (2) P[(X. nilai f(x.1)⋅C(3.0). Jika X menyatakan jumlah refil biru.0). Tinjau f(0. dua refil merah. dimana A adalah daerah {(x. . dan Y jumlah refil merah.Contoh 2.8 • Soal: Suatu kotak berisi tiga refil (tinta isian) berwarna biru.1).2) = 8!/(6!)(2!)=8⋅7/2=28. (0. Cacah kombinasi terpilihnya satu dari dua refil berwarna merah dan satu dari tiga refil hijau adalah C(2.2). dan 3 refil hijau. (1. tentukan: (1) fungsi peluang gabungan f(x.Y)∈A]. Dengan demikian.y) yang dapat muncul adalah (0. f(0. • Jawab: pasangan (x. Dengan cara yang sama.1) yang menyatakan peluang terpilihnya refil merah dan hijau (karena refil biro nol).0). (0. Jumlah total kombinasi terpilihnya dua refil dari delapan buah refil yang ada di dalam kotak adalah C(8. Akan diambil dua refil secara acak dari kotak tsb.y). (1.1) = 6/28 =3/14. Hasilnya ditampilkan pada Tabel 2.y) untuk seluruh rentang nilai diskrit x dan y yang mungkin dapat ditentukan.y)|x + y≤1}.4 berikut ini.

… Tabel 2.0) = 3/28 + 3/14 + 9/28 = 9/14 . 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).0) + f(0.Y)∈A] = P(X + Y ≤ 1) = f(0.1) + f(1.

y)| 0<x<1. Tentukan P[(X.9: Suatu fungsi f(x. P[(X. Periksa kondisi 2 pada Def. ∫∫-∞∞ f(x.2. f(x.Peluang gabungan kontinyu • Def.Y)∈A] = ∫∫Af(x.y) ≥0 untuk semua (x.y) dxdy = 1 3.y) adalah fungsi kerapatan gabungan dari peubah acak kontinyu X dan Y jika 1.9: Tinjau fungsi rapat peluang berikut f(x. 0<y<1 = 0. y) 2.y) = x(1+3y2)/4.9 2. 0<x<2. ¼ <y< ½} • .y) dx dy Contoh 2. lainnya 1.Y)∈A] dimana A adalah daerah {(x.2.

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

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

y) dy dx = 1 dan P(a<X<b) = P(a<X<b. untuk kasus kontinyu: ∫-∞∞ g(x) dx = ∫-∞∞∫-∞∞ f(x. -∞<Y<∞) = ∫ab∫-∞∞ f(x. Sbg contoh.y) dy dx = ∫ab g(x) dx .… • Fungsi g(x) dan h(y) disebut sebagai sebaran marjinal dari X dan Y. dan Def. Bahwa masing-masing benar berupa fungsi sebaran dapa diperiksa berdasarkan Def.2.2.4.6.

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

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

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).

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

1) = 3/14 +3/14 + 0 = 3/7 Jelas bahwa f(0.y) = g(x)⋅h(y) untuk semua nilai (x.Def.11 tidak bebas statistik • Berdasarkan contoh 2.y) • Peubah acak kontinyu pada contoh 2.8: f(0. baik diskret maupun kontinyu.8 tidak bersifat bebas secara statistik .1) ≠g(0)⋅h(1). jika dan hanya jika. Kebebasan Statistik • Def.10: Andaikan X dan Y dua peubah acak. f(x.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. dengan demikian X dan Y dalam contoh 2.12 adalah bebas secara statistik • Peubah acak kontinyu pada contoh 2. dengan sebaran peluang gabungan f(x.y) dan sebaran marjinal g(x) dan h(y). Peubah acak X dan Y disebut bebas secara statistik.

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

Xn adalah n-buah peubah acak. Peubah acak X1. x2. x1>0. x3>0 maka P(X1<2.x2 . …. dan X3 adalah f(x1. Xn disebut saling bebas secara statistik jika dan hanya jika f(x1.x3). 1<X2<3.Generalisasi kebebasan statistik • Def. X2.11: Andaikan X1. f2(x2). xn) = f1(x1)⋅f2(x2) ⋅ … ⋅ fn(xn) Contoh 2.e-2) (e-1 .13: Andaikan X1. x2>0. …. X3>2) = ∫2∞ ∫13 ∫02 exp(-x1 . 1<X2<3.x2 . x>0 =0 . selain itu Tentukan P(X1<2.2.0376 . dan X3 adalah tiga peubah acak yang saling bebas secara statistik dan andaikan masing-masing memiliki fungsi rapat peluang: f(x) = e-x .x3) dx1dx2dx3 • • =(1 . X2. X3>2) Jawab: Fungsi rapat peluang bersama dari X1. diskrit atau kontinyu. dengan sebaran peluang bersama f(x1. …. x2. xn) dan sebaran marjinal f1(x1). …. …. fn(xn). x2. X2. X2.e-3) e-2 = 0. x3) = f(x1) f(x2) f(x3) = e-x1 e-x2 e-x3 = exp(-x1 .

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

6 Nilai Harap dari Peubah Acak .2.

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

2. dan f(3)=4/35. berdasarkan 4 kandidat Kimiawan dan 3 kandidat Biologiwan • Jawab: Jika X menyatakan banyaknya Kimiawan dalam Komite. 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. x)⋅C(3. f(2)=18/25.3). komite} yakni f(0)=1/35.Contoh 2. f(1)=12/35.14 • Soal: Hitung nilai harap dari jumlah Kimiawan dalam seleksi suatu Komite yang terdiri dari tiga orang. x=0. maka sebaran peluang dari X akan diberikan oleh f(x) = C(4. 1.7 . 3-x)/C(7.

maka E(X) = ∫∞100 x⋅(20. selain itu Tentukan nilai harapan hidup dari tabung jenis ini.000 (-x-1)|∞100 = 0+200 = 200 . • Jawab: Berdasarkan Def.000/x3)dx = ∫∞100 (20.Contoh … • Soal: Andaikan X peubah acak yang menyatakan waktu hidup lampu tabung dalam jam. Fungsi kerapatan peluangnya dinyatakan sebagai: f(x) = 20.000/x2)dx = = 20.2. x>100 =0 .000/x3.12.

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

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

2.0) = 0 + 0 + 0 + 0 + f(1.y) .Y)=XY ! • Jawab: Perdefinisi 2.2) + 1⋅0⋅f(1.1) + 2⋅0⋅f(2.13: Andaikan X dan Y peubah acak dengan sebaran peluang bersama f(x.y)⋅f(x.Nilai harap dari g(X.y g(x.y). Nilai harap dari fungsi g(X. Tentukan nilai harap g(X.1) + 0 = f(1.19: Andaikan X dan Y dua peubah acak dengan sebaran peluang spt pada Tabel 2.13.Y)] = ∑x.1) + 0⋅2⋅f(0.Y ) adalah E[g(X.Y) • Def.0) + 0⋅1⋅f(0.0) + 1⋅1⋅f(1.y) = 0⋅0⋅f(0. kita dapat menyatakan E(XY) = ∑2x=0 ∑ 2y=0 xy⋅f(x.y)⋅f(x. jika X dan Y diskrit = ∫-∞∞ ∫-∞∞ g(x. 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) .y)dxdy .4 (lihat sebelah).

7 Hukum Nilai Harap .2.

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

2⋅1 + 1 = 1 x | 0 1 2 3 ----------------------------------------------------------f(x)| 1/3 ½ 0 1/6 . kita dapat menuliskan E[(X-1)2] = E(X2 – 2X +1) = E(X2) -2E(X) + E(1) Dari Corollary 1.5 = 2 Dengan demikian E[(X-1)2] = 2.17. 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.Teorema • Teorema 2. Yakni E[g(X) ± h(X)] = E[g(X)] ± E[h(X)] • Contoh 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.

Y)] = E[g(X.Y) = X dan h(X.Y) = Y diperoleh E[X ± Y] = E[X] ± E[Y] • Teorema 2.Y)] ± E[h(X. Maka E[X⋅Y] = E[X] ⋅ E[Y] .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) ± h(X.Y)] • Corollary: Dengan membuat g(X. Yakni E[g(X.Teorema • Teorema 2.5: Andaikan X dan Y dua peubah acak yang saling bebas.

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

2.8 Ekspektasi Khusus Momen ke-k dan variansi .

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

X kontinyu • Momen kedua terhadap mean. dinyatakan sebagai σ2. variansi • Jika g(X) = (X-μ)k.Momen ke-k thd mean. X diskrit x ∞ [ ] = −∞ k ( ) x − μ f ( x )dx ∫ . μ2 disebut juga sebagai variansi dari peubah acak X. Teorema 2.1 menghasilkan momen kek terhadap mean dari peubah acak X. σ2 = μ2 = E[(X-μ)2] • Akar kuadrat positif dari variansi disebut sebagai simpangan baku (standard deviation). . Dengan demikian: μk = E ( X − μ )k = ∑ (x − μ )k f (x ) . memberikan ukuran keragaman (variability) hasil pengamatan terhadap mean. μ2. yang dilambangkan sebagai μk.

2μE(X) + E(μ2) = E(X2) .Variansi • Teorema 2.6: Variansi dari peubah acak X diberikan oleh σ2 = E(X2) .μ2 .2μ⋅μ + μ2 = E(X2) .2μX+μ2) = E(X2) .μ2 • Bukti: σ2 = E[(X-μ)2] = E(X2 .

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 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 .

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 . 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.

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

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

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

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

2.9 Sifat-Sifat Variansi .

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

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

24σXY .4Y + 8 • Jawab: σ2Z = σ23X .8 • Soal: Jika X dan Y peubah acak dengan variansi σ2X = 2. tentukan variansi dari peubah acak Z = 3X .4Y + 8 = σ23X-4Y . T.2.9 = 9σ2X + 16σ2Y . σ2Y = 4 dan kovariansi σXY= -2.11 = 9⋅2 + 16⋅4 . T.2.Contoh 2.24⋅(-2) = 130 .

2.10 Teorema Chebyshev .

1/k2).μ| ≥ kσ berarti x ≥ μ+kσ atau x≤ μ-kσ. Selanjutnya.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 . karena |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.

… 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 .

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

Sekian .

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->