2.

Peubah Acak (Random Variable)
EL2002-Probabilitas dan Statistik
Dosen: Andriyan B. Suksmono

Isi
0. • • • • • • • • • Review dari EL2009 Konsep Peubah Acak Sebaran Peluang Diskrit Sebaran Peluang Kontinyu Sebaran Empiris Sebaran Peluang Gabungan Nilai Harap Hukum Nilai Harap Sifat Variansi Teorema Chebyshev

Konsep Pubah Acak
• Eksperimen statistik dipakai untuk menyatakan proses dimana pengukuran peluang dilakukan. • Seringkali, yang lebih penting bukanlah detail dari hasil eksperimen, tetapi gambaran numerik terkait eksperimen tsb. Contoh: pelantunan koin 3 kali memberikan hasil S = {HHH, HHT, HTH, THH, HTT, THT, TTH, TTT} • Gambaran umum mengenai jumlah H yang muncul dapat dilakukan jika nilai-nilai 0, 1, 2, atau 3 bisa dikaitkan dengan hasil diatas. Hal ini dilakukan melalui konsep peubah acak (random variable).

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

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

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

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

Sebaran Peluang Diskrit .

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

Jawab: Andaikan X peubah acak yang nilainya x merupakan jumlah pasangan mata dadu.2.4: Fungsi f(x) adalah suatu fungsi peluang atau sebaran peluang dari peubah acak X jika. f(x) ≥ 0 2. untuk setiap hasil yang muncul x berlaku: 1. Sepasang dadu akan memiliki kombinasi muncul sebanyak 6⋅6 = 36 cara.3: Tentukan sebaran peluang dari jumlah sepasang mata dadu jika dilantunkan. P(X =x) = f(x) Contoh 2. Maka x akan bernilai dari 2 sampai 12. • • . Σx f(x) = 1 3.Fungsi atau sebaran peluang • Def. 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(1) = f(0) + f(1) = 5/16. Tentukan: 1) formula sebaran peluang munculnya H yaitu f(x). dan 2) sebaran kumulatif F(x) nya.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). . f(3) = f(1).5. 4 f(0) = (4!/4!)/16 = 1/16 . dimana x = 0.4 dan 2. f(4)= f(0).Sebaran kumulatif • Def. 1. Dengan demikian f(x) = C(4. f(2) = (4!/(2!2!))/16 = 6/16.5: Suatu koin dilantunkan empat kali. diperoleh : F(0) = f(0) = 1/16. Berdasarkan Def.2. 1. Jika x menyatakan banyaknya muncul H. 3. f(1)=(4!/3!)/16 = 4/16. Jumlah titik cuplikan ada 24 = 16.. Jawab: 1. akan ada kombinasi sebanyak C(4. dst • . x)/16.2.. 2.

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

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.

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

. 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) = x2/3.2. jika 1. f(x) ≥ 0 untuk semua x∈R ∫∞-∞ f(x) dx = 1.6: Suatu fungsi f(x) adalah fungsi rapat peluang untuk peubah acak kontinyu X yang didefinisikan ke seluruh himpunan bilangan riil R.6. Tentukan: (1) kondisi 2 pada Def.2. 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. fungsi rapat peluang kontinyu • Def.Def.

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

Contoh • Soal: Untuk fungsi pada contoh 2.. P(0< X ≤1) = F(1) – F(0) = (2/9) – (1/9) = 1/9 .6. tentukan F(x) dan gunakan untuk menghitung P(0< X ≤1) • Jawab: F(x) = ∫∞-∞ f(t) dt = ∫x-1 (t2/3)dt = t3/9|x-1 = (x3+1)/9 Oleh karena itu.

4 Sebaran Empiris .2.

3 3.9 3.6 4.9 3.0 3.7 3.7 3.9 1.1 3. seringkali fungsi rapat peluang f(x) untuk peubah acak kontinyu X tidak diketahui. Tabel 2.5 3.6 3.2 2. Pabrik menjamin umur batere adalah 3 tahun.1 3. Umur batere dalam tahun 2.3 4.3 4.1 1.7 3.4 2.5 3.4 3.8 2.1 3.0 4.7 4.1. • Pemilihan f(x) harus mempertimbangkan setiap informasi yang tersedia dari data.5 3.5 .4 2.6 3.1.6 4.1 3.2 3.Sebaran frekuensi relatif • Dalam percobaan.2 3.9 4. • Tinjau sebaran frekuensi relatif dari 40 buah umur batere mobil dalam Tabel 2.2 3.7 3.3 3.4 3.8 3.2 4.1 3.

2 menunjukkan sebaran frekuensi relatif-nya.375 0.125 0.5 – 2.2 2.0 .443.9 Titik tengah kelas 1.1.Lanjutan … • Andaikan diambil 7 kelas.025 0.7 4.5 – 4.2.6)/7=0.2 3.7 Frekuensi (f) 2 1 4 15 10 5 3 Frekuensi relatif 0.5 .9 2. dng demikian besar interval adalah (max-min)/kelas = (4.9 4.5 – 3.7-1. Tabel 2.050 0.2 Interval Kelas 1.4 3.2 4.7 2.0 – 3. Tabel 2.7 3.0 – 4.250 0.9 3.4 2.100 0.4 4.075 .

2 3. .Histogram dan estimasi fungsi rapat peluang 0.375 0.7 3.2 4. untuk a.2 2.250 f(x) 0.7 2.7 • Bentuk kurva: lingkaran? Hiperbola? Elips? Parabola f(x) = ax2 + bx + c.7 4.125 1. b. c tertentu? • Banyak fungsi kerapatan peluang yang dapat dinyatakan dalam kurva berbentuk lonceng (Gaussian).

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

95 Frekuensi kumulatif relatif 0.95 < 4.45 < 3.45 Umur batere 2.45 < 1. kita dapat membuat sebaran frekuensi kumulatif dari umur batere.800 0.45 * * * * 3.500 * Kuartil pertama ~3.000 F(x) decile ke tujuh ~3.Sebaran kumulatif • Berdasarkan Tabel 2.000 0.050 0.925 1.3 dan estimasi F(x).45 4.45 < 2.95 < 3.000 0. spt pada Tabel 2.250 0.45 .45 < 4.175 0.05 1.70 * * * 0.075 0.95 < 2. Batas kelas < 1.750 Frekuensi kumulatif relatif 1.2.550 0.

2.5 Sebaran Peluang Gabungan .

∑x ∑y f(x.y) = 1 3.Y)∈A] = ∑∑A f(x.y) adalah fungsi peluang gabungan dari dua peubah diskrit X dan Y jika 1.y) ≥ 0 untuk seluruh (x.8: Fungsi f(x. kita sebut sebaran peluangnya sebagai sebaran peluang gabungan.y) 2. P[(X. . f(x.Peluang gabungan diskrit • Jika dimensi ruang cuplikan lebih dari satu.y) untuk sebarang daerah A dalam bidang xy.2. misalnya hasil pengukuran dua besaran P dan V yng dinyatakan sbg (p. v). • Def.

y). nilai f(x.2). (0. dimana A adalah daerah {(x. dan Y jumlah refil merah. (1. Dengan demikian.1)⋅C(3.Y)∈A].0).0).2) = 8!/(6!)(2!)=8⋅7/2=28.8 • Soal: Suatu kotak berisi tiga refil (tinta isian) berwarna biru. Dengan cara yang sama.1) = 6/28 =3/14. Hasilnya ditampilkan pada Tabel 2. . f(0.y) yang dapat muncul adalah (0. • Jawab: pasangan (x. dua refil merah. (1. Jika X menyatakan jumlah refil biru.0). Tinjau f(0.1) = 2⋅(3!/2!) = 6. Cacah kombinasi terpilihnya satu dari dua refil berwarna merah dan satu dari tiga refil hijau adalah C(2. dan (2. dan (2) P[(X.4 berikut ini. (0. Jumlah total kombinasi terpilihnya dua refil dari delapan buah refil yang ada di dalam kotak adalah C(8.1).1) yang menyatakan peluang terpilihnya refil merah dan hijau (karena refil biro nol). tentukan: (1) fungsi peluang gabungan f(x.y) untuk seluruh rentang nilai diskrit x dan y yang mungkin dapat ditentukan. Akan diambil dua refil secara acak dari kotak tsb. dan 3 refil hijau.1).Contoh 2.y)|x + y≤1}.

… Tabel 2.Y)∈A] = P(X + Y ≤ 1) = f(0. P[(X.1) + f(1.0) + f(0.4 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) = 3/28 + 3/14 + 9/28 = 9/14 .

Peluang gabungan kontinyu • Def. ∫∫-∞∞ f(x. P[(X.y) dxdy = 1 3.2.9: Tinjau fungsi rapat peluang berikut f(x.Y)∈A] = ∫∫Af(x.y) = x(1+3y2)/4. Tentukan P[(X. f(x. Periksa kondisi 2 pada Def. lainnya 1.y) dx dy Contoh 2. y) 2.y) ≥0 untuk semua (x.Y)∈A] dimana A adalah daerah {(x. 0<x<2.9: Suatu fungsi f(x.9 2. ¼ <y< ½} • . 0<y<1 = 0.2.y) adalah fungsi kerapatan gabungan dari peubah acak kontinyu X dan Y jika 1.y)| 0<x<1.

x 1+ 3y2 (1) ∫ ∫ f (x. Y ) ∈ A] = P(0 < X < 1. 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 )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 .

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

dan Def. -∞<Y<∞) = ∫ab∫-∞∞ f(x.y) dy dx = ∫ab g(x) dx .6.4.… • Fungsi g(x) dan h(y) disebut sebagai sebaran marjinal dari X dan Y.y) dy dx = 1 dan P(a<X<b) = P(a<X<b.2. Bahwa masing-masing benar berupa fungsi sebaran dapa diperiksa berdasarkan Def. untuk kasus kontinyu: ∫-∞∞ g(x) dx = ∫-∞∞∫-∞∞ f(x. Sbg contoh.2.

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

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

maka peluang bersyarat ini bisa dikeluarkan dari integral. 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.… • Bukti: substitusikan f(x.

10: Andaikan X dan Y dua peubah acak. Peubah acak X dan Y disebut bebas secara statistik.1) ≠g(0)⋅h(1).y) = g(x)⋅h(y) untuk semua nilai (x. baik diskret maupun kontinyu.Def.8: f(0.1) = 3/14 +3/14 + 0 = 3/7 Jelas bahwa f(0.11 tidak bebas statistik • Berdasarkan contoh 2. f(x.y) = 3/28 + 3/14 + 1/28 = 5/14 h(1) = ∑2x=0 f(x.8 tidak bersifat bebas secara statistik .y) • Peubah acak kontinyu pada contoh 2. dengan sebaran peluang gabungan f(x.12 adalah bebas secara statistik • Peubah acak kontinyu pada contoh 2. jika dan hanya jika.2. dengan demikian X dan Y dalam contoh 2.1) = 3/14 g(0) = ∑2y=0 f(0.y) dan sebaran marjinal g(x) dan h(y). Kebebasan Statistik • Def.

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

X3>2) Jawab: Fungsi rapat peluang bersama dari X1. Xn adalah n-buah peubah acak. ….x2 .11: Andaikan X1. dan X3 adalah f(x1. x3>0 maka P(X1<2.2.x3). selain itu Tentukan P(X1<2. X2. …. ….13: Andaikan X1. xn) = f1(x1)⋅f2(x2) ⋅ … ⋅ fn(xn) Contoh 2. fn(xn). ….Generalisasi kebebasan statistik • Def. x1>0. diskrit atau kontinyu. dan X3 adalah tiga peubah acak yang saling bebas secara statistik dan andaikan masing-masing memiliki fungsi rapat peluang: f(x) = e-x .e-2) (e-1 . 1<X2<3. Xn disebut saling bebas secara statistik jika dan hanya jika f(x1.0376 .x2 . x2>0. x2. x2. X2. x3) = f(x1) f(x2) f(x3) = e-x1 e-x2 e-x3 = exp(-x1 . x>0 =0 .x3) dx1dx2dx3 • • =(1 . X3>2) = ∫2∞ ∫13 ∫02 exp(-x1 .e-3) e-2 = 0. f2(x2). 1<X2<3. X2. Peubah acak X1. X2. xn) dan sebaran marjinal f1(x1). dengan sebaran peluang bersama f(x1. …. x2.

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 .

dan 5 lantunan dengan 2H.2. • Def. 7 lantunan dengan 1H. Nilai harap dari X adalah E(X) = ∑x x⋅f(x) . untuk X diskrit . maka rata-rata jumlah H perlantunan dari dua koin adalah: (0⋅4 + 1⋅7 + 2⋅5)/16 = 1.06 • Nilai rata-rata dari peubah acak yang demikian disebut sebagai nilai harap (expected value). maka X dpt bernilai 0. untuk X kontinyu = ∫-∞∞ x⋅f(x)dx .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). Jika eksperimen ini menghasilkan 4 lantunan tanpa H. 1.

komite} yakni f(0)=1/35. x)⋅C(3.3). Oleh karena itu: E(X) = 0⋅(1/35)+1⋅(12/35)+2⋅(18/35)+3⋅(4/35) = 12/7 = 1. 2. f(1)=12/35. f(2)=18/25. dan f(3)=4/35. maka sebaran peluang dari X akan diberikan oleh f(x) = C(4.Contoh 2. 3 -----------------------------------------------------------------{kombinasi x dari 4 Kimiawan} * {kombinasi (3-x) dari 3 angg.14 • Soal: Hitung nilai harap dari jumlah Kimiawan dalam seleksi suatu Komite yang terdiri dari tiga orang. berdasarkan 4 kandidat Kimiawan dan 3 kandidat Biologiwan • Jawab: Jika X menyatakan banyaknya Kimiawan dalam Komite. x=0. 1. 3-x)/C(7.7 .

Contoh … • Soal: Andaikan X peubah acak yang menyatakan waktu hidup lampu tabung dalam jam.000/x2)dx = = 20. • Jawab: Berdasarkan Def. Fungsi kerapatan peluangnya dinyatakan sebagai: f(x) = 20. maka E(X) = ∫∞100 x⋅(20.12.000/x3. selain itu Tentukan nilai harapan hidup dari tabung jenis ini. x>100 =0 .000 (-x-1)|∞100 = 0+200 = 200 .2.000/x3)dx = ∫∞100 (20.

0. 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. dimana x=-1. Sbg contoh untuk X diskrit dengan sebaran peluang f(x).12. 2 dan g(X)=X2. 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. 1.1 .Nilai harap g(X) • Tinjau fungsi g(X) dari peubah acak 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. jika X kontinyu = ∫-∞∞ g(x)⋅f(x)dx • Contoh 2.Nilai harap dari g(X) … • Teorema 2.1: Andaikan X suatu peubah acak dengan sebaran peluang f(x). 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. Nilai harap dari fungsi g(X) adalah E[g(X)]= ∑x g(x)⋅f(x) . jika X diskrit .

1) + 0 = f(1.13. kita dapat menyatakan E(XY) = ∑2x=0 ∑ 2y=0 xy⋅f(x.0) = 0 + 0 + 0 + 0 + f(1. jika X dan Y diskrit = ∫-∞∞ ∫-∞∞ g(x.4 (lihat sebelah).Nilai harap dari g(X.2) + 1⋅0⋅f(1.Y)] = ∑x.0) + 1⋅1⋅f(1.1) + 0⋅2⋅f(0.Y)=XY ! • Jawab: Perdefinisi 2.0) + 0⋅1⋅f(0. Nilai harap dari fungsi g(X.13: Andaikan X dan Y peubah acak dengan sebaran peluang bersama f(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 2.2.y) = 0⋅0⋅f(0.Y ) adalah E[g(X. Tentukan nilai harap g(X.Y) • Def.1) + 2⋅0⋅f(2.y)⋅f(x.y g(x.y)⋅f(x.19: Andaikan X dan Y dua peubah acak dengan sebaran peluang spt pada Tabel 2.1) .y) .y).y)dxdy .

2.7 Hukum Nilai Harap .

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

21: Dalam contoh 2.5 = 2 Dengan demikian E[(X-1)2] = 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.2⋅1 + 1 = 1 x | 0 1 2 3 ----------------------------------------------------------f(x)| 1/3 ½ 0 1/6 . E(1) = 1. Yakni E[g(X) ± h(X)] = E[g(X)] ± E[h(X)] • Contoh 2.Teorema • Teorema 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.

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

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

2.8 Ekspektasi Khusus Momen ke-k dan variansi .

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

dinyatakan sebagai σ2. Dengan demikian: μk = E ( X − μ )k = ∑ (x − μ )k f (x ) .Momen ke-k thd mean. X diskrit x ∞ [ ] = −∞ k ( ) x − μ f ( x )dx ∫ . yang dilambangkan sebagai μk.1 menghasilkan momen kek terhadap mean dari peubah acak X. X kontinyu • Momen kedua terhadap mean. . μ2. 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). μ2 disebut juga sebagai variansi dari peubah acak X. Teorema 2. variansi • Jika g(X) = (X-μ)k.

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

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

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

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

μYμX+ μXμY = E(XY) .μXE(Y)..7 Kovariansi dari dua buah peubah acak X dan Y dengan mean masing-masing μX dan μY adalah σXY = E(XY) .Kovariansi .μXμY .μYE(X) +E(μXμY) = E(XY) .μX⋅μY • Bukti: σXY = E[(X .μXY.μYX+ μXμY) = E(XY).μX)(Y . • Teorema 2.μY)] = E(XY.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.Contoh 2.19 yang menghasilkan E(XY) = 3/14. dan perhitungan 2.y)= ∑2y=0yh(y) = 0(15/28)+1(12/28)+2(1/28) = 14/28 = ½ Akibatnya σXY = E(XY) .μX μY = 3/14 – (3/4)(1/2) = -9/56 .8.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.26 • Tinjau sebaran peluang bersama pada contoh 2.

9 Sifat-Sifat Variansi .2.

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

maka σ2aX+bY = a2σ2X + b2σ2Y • Corollary 2: 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 + 2abσXY • Corollary 1: Jika X dan Y peubah acak yang saling bebas.y). maka σ2aX-bY = a2σ2X + b2σ2Y .

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

10 Teorema Chebyshev .2.

1/k2). karena |x .μ)2 ≥ k 2σ2 . 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| ≥ 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 . 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 .

μ + kσ σ 2σ μ-2σ μ μ+2σ f(x) ∫ μ σ −k f ( x )dx . 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.

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

Sekian .