P. 1
Makalah Nilai Harapan Statistik Matematika 1 BY AHMAD SAHIDIN (KALEDUPA)

Makalah Nilai Harapan Statistik Matematika 1 BY AHMAD SAHIDIN (KALEDUPA)

|Views: 2,245|Likes:
Published by Ahmad Sahidin
makalah tentang Nilai harapan mata kuliah statistik matematika 1 oleh ahmad sahidin pelajar STKIP YPUP MAKASSAR.
makalah tentang Nilai harapan mata kuliah statistik matematika 1 oleh ahmad sahidin pelajar STKIP YPUP MAKASSAR.

More info:

Published by: Ahmad Sahidin on Jul 08, 2012
Copyright:Attribution Non-commercial

Availability:

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

04/20/2013

pdf

text

original

Makalah Statistik Matematika I

N I L A I H A R A P A N





O l e h :
AHMAD SAHIDIN
11 24 269




PENDIDIKAN MATEMATIKA
SEKOLAH TINGGI KEGURUAN DAN ILMU PENDIDIKAN YPUP
MAKASSAR 2012
KATA PENGANTAR


Syukur Alhamdulillah penulis ucapkan kepada yang Maha pemberi Nikmat kesehatan
jasmani dan rohani yakni Allah SWT, karena dengan Nikmat-Nya saya dapat menyelesaikan
tugas makalah dengan pokok bahasan “Nilai Harapan”. Makalah ini disusun untuk memenuhi
tugas mata kuliah Statistik Matematika I. Tidak lupa penulis ucapkan kepada Ibu Dosen
Statistik Matematika I, yang telah mengarahkan dan membimbing mata kuliah Statistik
Matematika I.
Penulis menyadari bahwa keterbatasan pengetahuan dan pemahaman tentang Konsep Nilai
Harapan, menjadikan keterbatasan itu pula untuk memberikan penjabaran yang lebih dalam
tentang masalah ini, kiranya mohon dimaklumi apabila banyak terdapat kekurangan dan
kesalahan dalam penyusunan makalah ini.
Sebagai harapan semoga makalah ini membawa manfaat bagi kita, setidaknya untuk sekedar
membuka cakrawala berpikir kita tentang konsep dari Nilai Harapan dalam kehidupan kita.


Makassar, 9 Juli 2012

PENULIS
DAFTAR ISI


KATA PENGATAR…………………………………………………………………… ii
DAFTAR ISI…………………………………………………………………….......... iii
BAB I PENDAHULUAN………………………………………………………… 1
A. Latar Belakang………………………………………………………………… 1
B. Rumusan Masalah……………………………………………………….......... 1
BAB II PEMBAHASAN………………………………………………………….. 2
A. Nilai Harapan Peubah Acak…………………………………………………… 2
B. Variansi dan Kovariansi……………………………………………………….. 5
C. Fungsi Pembangkit Momen…………………………………………………… 9
D. Teorema Chebyshev…………………………………………………………… 10
BAB III PENUTUP………………………………………………………………… 11
A. Kesimpulan……………………………………………………………………. 11
DAFTAR PUSTAKA
BAB I
PENDAHULUAN

A. LATAR BELAKANG
Distribusi probabilitas memiliki berbagai sifat atau karakteristik yang dapat digunakan untuk
mengidentifikasi suatu distribusi. Karakteristik yang biasa digunakan antara lain rata-rata
hitung yang biasa disebut “harapan matematis” (nilai harapan) dan variansi. Harapan
matematis ini menentukan tendensi sentral dari distribusi probabilitas.
Sering kali kita menjumpai data pengamatan yang memuat perubah acak tidak tunggal.
Misalnya, X dan Y perubah acak, maka nilai harapan dinyatakan E(X), E(Y), dan E(X,y) ,
Variansi dari X da Y dinyatakan
2 2
x Y
, µ µ , dan kovariansi dari perubah acak X dan Y
dinyatakan
XY
. µ


B. RUMUSAN MASALAH
Adapan pokok permasalahan dalam pembuatan makalah ini adalah
1. Bagaimanakah pengertian dan konsep dari nilai harapan dari peubah acak?
2. Bagaimanakan pengertian dan konsep dari variansi dan kovariansi?
3. Bagaimanakah pengertian dan konsep dari fungsi pembangkit momen?
4. Bagaimanakah pengertian dan konsep dari teorema chebyshev?

BAB II
PEMBAHASAN
A. Nilai Harapan Dari Peubah Acak
Nilai harapan perubah acak X atau rata-rata distribusi peluang X ditulis
x
µ atau µ. Dalam
statistik rata-rata ini disebut harapan matematik, dinyatakan sebagai E(X). Rata-rata atau nilai
harapan dari perubah acak X ini menggambarkan letak pusat distribusi probabilitas.
Contoh:
Suatu percobaan dua uang logam yang dilantunkan 16 kali.
Jika X menyatakan banyaknya sisi muka yang muncul per lantunan, maka X dapat berharga
0, 1, dan 2
Misalkan percobaan itu masing-masing menghasilkan sebanyak 4, 7, dan 5 kali, maka rata-
rata banyaknya sisi muka per lantunan [nilai harapan matematik] adalah
0(4) 1(7) 2(5)
E(X) 1, 06
16
+ +
= =
E(X) tersebut adalah rata-rata dan tidak perlu menyatakan hasil yang muncul dalam
percobaannya. Rata-rata ini yang disebut rata-rata perubah acak X atau rata-rata distribusi
probabilitas X, dan juga banyak yang menyebutnya harapan matematik atiasa disebut nilai
harapan dari perubah acak X.

Definisi
Jika X suatu perubah acak dengan fungsi probabilitas f(x), maka nilai harapan (rata-rata)
perubah acak X adalah
( ), jika X peubah acak farik
μ ( )
( ) , jika X peubah acak malar
·
÷·
¦
¦
¦
= E =
´
¦
¦
¹
¿
}
n
x
x p x
X
x f x dx

Contoh:
Jika X merupakan peubah acak malar dengan fungsi kepekatan peluang
2
; 1 2
( )
3
0 ; x yang lain
x
x
f x
¦
÷ < < ¦
=
´
¦
¹

Hitunglah nilai harapan untuk fungsi g(x) = 2x – 1!
Penyelesaian:
÷ ÷
÷
= ÷ = = ÷ =
} }
2 2 2
3 2
1 1
(2x 1)x 1 3
E[ (X)] E[(2x 1)] dx (2x x )dx
3 3 2
g
Teorema
Jika X suatu perubah acak dengan fungsi probabilitas f(x), maka nilai harapan perubah acak
g(X) adalah
x
g(X)
g(x) f (x) ; jika X farik
E[g(X)]
g(x) f (x) ; jika X malar
·
÷·
¦
¦
¦
µ = =
´
¦
¦
¹
¿
}

Contoh :
1. Jika X menyatakan banyaknya mobil yang datang di tempat pencuci mobil setiap hari
antara jam 13.00 – 14.00 mempunyai distribusi probabilitas seperti pada tabel di bawah
ini:
Tabel 4.2. Distribusi Probabilitas X
x 4 5 6 7 8 9
P(X=x)
1
12

1
12

1
4

1
4

1
6

1
6


Jika diketahui bahwa g(X) = 2X – 1 menyatakan upah para karyawan yang dibayar
perusahaan pada jam tersebut (dalam ribuan rupiah), maka tentukan pendapatan yang
diharapan karyawan perusahaan tersebut.
Penyelesaian:
g(x)
E[g(X)] E(2X 1) µ = = ÷

9
x 4
(2x 1) f (x)
=
= ÷
¿


1 1 1 1 1 1
12 12 4 4 6 6
(7)( ) (9)( ) (11)( ) (13)( ) (15)( ) (17)( )
12, 67
= + + + + +
=


Jadi harapan penerimaan upah para karyawan = Rp 12,67



2. Jika X suatu perubah acak dengan fkp:
2
x
3
; 1 x 2
f(x)
0 ; untuk x yanglainya
¦
¦ ÷ < <
=
´
¦
¹

Maka hitung nilai harapan g(x) = 4X+3

Penyelesaian:
Nilai harapan g(x) = 4X + 3 adalah
2
2
(4x 3)
1
2
3 2 1
3
1
x
E(4X 3) (4x 3) dx
3
(4x 3x ) dx 8
+
÷
÷
µ = + = +
= + =
}
}

Teorema
Jika X dan Y, perubah acak dengan fungsi probabilitas gabungan f(x,y), maka nilai harapan
perubah acak g(X,Y) adalah
- Untuk X dan Y peubah acak farik
g(X,Y)
x y
E[g(X, Y)] g(x, y) f (x, y) µ = =
¿¿

- Untuk X dan Y peubah acak malar
g(X,Y)
E[g(X, Y)] g(x, y) f (x, y) dxdy
· ·
÷·÷·
µ = =
} }

Contoh
Hitung nilai harapan
Y
E( )
X
untuk fungsi padat peluang
2
x(1 3y )
4
; 0 x 2; 0 y 1
f(x,y)
0 ; untuk x yang lainnya
+
¦
¦
< < < <
=
´
¦
¹

Penyelesaian:
( )
2 2
2
1 2 1 2
y x(1 3y ) y(1 3y )
Y
X x 4 4
y 0 x 0 y 0 x 0
1
y 3y )
5
2 8
y 0
E ( )[ ]dx dy dx dy

dy
+ +
= = = =
+
=
= =
= =
} } } }
}

Sifat-sifat nilai harapan:
- Jika a dan b konstanta, X dan Y peubah acak, maka E(aX+b) = a E(X) + b.
- Jika b suatu konstanta maka E(b ) = b
- Jika peubah acak X dikalikan dengan konstanta c, maka E(cX) = c E(X)
- Jika X dan Y peubah acak maka E(X±Y) = E(X) ± E(Y)
- Jika X dan Y peubah acak yang bebas, maka E(X,Y) = E(X) E(Y)
B. Variansi dan Kovariansi
1. Variansi
Variansi dari perubah acak X diberi notasi Var(X) atau akar positip dari variansi, disebut
simpangan baku X.
Definisi
Jika X suatu peubah acak dengan fungsi massa peluang f(x), dengan rata-rata µ, maka
variansi X adalah
2
o
2
x
2 2
2
(x ) f (x) ; jika X farik
E[(X ) ]
(x ) f (x) dx ; jika X malar
·
÷·
¦
÷µ
¦
¦
¦
o = ÷µ =
´
¦
÷µ
¦
¦
¹
¿
}

Teorema
Variansi perubah acak X adalah
2 2 2
E(X ) o = ÷µ
Contoh :
Permintaan mingguan Coca Cola (dalam liter), pada jaringan pemasaran daerah merupakan
perubah acak yang dapat dinyatakan dalam bentuk berikut:
2(x 1) ; 1 x 2
f (x)
0 ; x yanglainnya
÷ < < ¦
=
´
¹

Carilah rata-rata dan variansinya

Penyelesaian:
2 2
2
2 3 2 5 1 1
3 2 3
1
1 1
μ E(X) (x) 2(x 1)dx 2 (x x)dx 2( x x ) = = ÷ = ÷ = ÷ =
} }

2 2
2
2 2 3 2 4 3 17 1 1
4 3 6
1
1 1
E(X ) (x ) 2(x 1)dx 2 (x x )dx 2( x x ) = ÷ = ÷ = ÷ =
} }

2 2 2 2 17 5 1
6 3 18
E(X ) μ = ( ) = ÷ ÷ = o
Teorema
Jika X suatu perubah acak dengan fungsi peluang f(x), maka variansi perubah acak g(X)
adalah
- Peubah acak farik
2 2 2
g(X) g(X)
g(X)
x
E{[g(X) ] } [g(X) ] f (x) o = ÷µ = ÷µ
¿

- Peubah acak malar
2 2 2
g(X) g(X) g(X)
E{[g(X) ] } [g(X) ] f (x) dx
·
÷·
o = ÷µ = ÷µ
}

Contoh:
Hitung variansi g(X) = 2X+3 ,jika perubah acak dengan distribusi probabilitas:



Penyelesaian:
Pertama-tama hitung rata-rata perubah acak 2X+3
3
2X 3
x 0
E(2X 3) (2x 3)f (x)
+
=
= + = +
¿
µ
Y 0 1 2 3
f(y)
1
4

1
8

1
2

1
8

1 1 1 1
4 8 2 8
(3)( ) (5)( ) (7)( ) (9)( ) 6 = + + + =
Menggunakan teorema di atas pada kasus ini diperoleh
2 2 2
2X 3
2X 3
3
2 2
x 0
E{[(2X 3) ] } E{[2X 3 6] }
E[4X 12X 9] (4x 12x 9) f (x)
(9) f (0) (1) f (1) (1) f (2) (9) f (3)
4
+
+
=
= + ÷ = + ÷
= ÷ + = ÷ +
= + + +
=
¿
o µ

2. Kovariansi
Untuk menentukan Var(X + Y) dua variabel acak X dan Y yang didefinisikan pada ruang
sampel yang sama perlu adanya pengertian mengenai apa yang di maksud dengan kovariansi.
Definisi
Jika X dan Y perubah acak dengan distribusi probabilitas gabungan f(x,y), maka kovariansi
X dan Y adalah
- Untuk X dan Y peubah acak farik
X Y
XY
X Y
x y
E [(X )(Y )]
(x )(y ) f (x, y)
o = ÷µ ÷µ
= ÷µ ÷µ
¿¿

- Untuk X dan Y peubah acak malar
X Y
XY
X Y
E [(X )(Y )]
(x )(y )f (x, y) dx dy
· ·
÷·÷·
o = ÷µ ÷µ
= ÷µ ÷µ
} }

Teorema
Kovariansi dua perubah acah X dan Y dengan rata-rata
X
m dan
Y
m diberikan oleh rumus
x y
XY
E(XY) o = ÷µ µ

Contoh:
Jika perubah acak X dan Y dengan fungsi padat gabungan diberikan sbb:
8xy; 0 x 1, 0 y x
f (x, y)
0; untuk x, yyanglainya
s s s s ¦
=
´
¹

maka carilah kovariansi dari X dan Y!
Penyelesaian:
Menggunakan definisi distribusi marginal di dapat:
x
y x
2 3
y 0
0
f (x) f (x, y)dy 8xy dy 4xy 4x , 0 x 1
·
=
=
÷·
= = = = < <
} }

1
x 1
2 3 2
x y
y
f (y) f (x, y)dx 8xy dx 4x y 4y 4y 4y(1 y ), 0 y 1
·
=
=
÷·
= = = = ÷ = ÷ < <
} }

Dan dapat dinyatakan sebagai
3 2
4x ; 0 x 1 4y(1 y ) ; 0 y 1
f (x) dan f (y)
0 ; x yanglain 0 ; y yanglain
¦ ¦
¦ ¦ < < ÷ < <
= =
´ ´
¦ ¦
¹ ¹

Fungsi padat gabungan diperoleh
1 1
4 2 2 8 4
x y
5 15
0 0
E(X) 4x dx dan E(Y) 4y (1 y )dy = = = = = ÷ =
} }
µ µ

1 1
0 y
E(XY) xy (8xy) dxdy =
}}

1 1
2 2 4
9
0 y
8x y dxdy = =
}}

Jadi kovariansinya adalah
8 4 4
x y
XY 9 5 15
4
225
E(XY) ( )( )

= ÷ = ÷
=
o µ µ



C. Fungsi Pembangkit Momen
Definisi
Misalkan h suatu bilangan real positif sehingga nilai E{e
tX
} ada untuk setiap t di dalam
interval (–h,h). Fungsi M(t) = E{e
tX
}; –h < t < h dinamakan fungsi pembangkit momen
(fpm) dari X.
Teorema
Turunan pertama fpm untuk t = 0 sama dengan rerata peubah acak yang bersangkutan,
yakni M'(0) = µ
Teorema
Variansi peubah acak X dapat dihitung dari turunan fpm M(t) untuk t =0, yaitu
{ }
2 2
M"(0) M'(0) . o = ÷
Teorema
Misalkan
(m)
M (t) menyatakan turunan ke-m dari M(t). Momen ke-m dari peubah acak X,
yakni E(X
m
) dapat diberikan oleh E(X
m
) =
(m)
M (0)
Contoh:
Jika fungsi idensitas dari X
1
; a x b
f (x) a b
0 ; x yang lain
¦
< <
¦
= ÷
´
¦
¹

Hitunglah Fungsi Pembangkit Momen dari X!
Penyelesaian:
b b
tx tx tx
a a
1
M(t) E(e ) = e f(x) dx = e dx
a b
=
÷
} }

b b
tx tx
a
a
1 1
= e dx = e
a b (a b)t ÷ ÷
}

b
tx bt at
a
1 1
= e = (e e )
(a b)t (a b)t
÷
÷ ÷


D. Teorema Chebyshev
Teorema
Probabilitas setiap perubah acak X mendapat nilai dalam k simpangan baku dari nilai rata-
rata adalah sekurang-kurangnya
2
1
1
k
÷ yaitu
1
2
k
P[ k X k ] 1 µ÷ o< < µ+ o > ÷
Contoh:
Suatu perubah acak X mempunyai rata-rata 8 µ = dan
2
9 o = sedangkan distribusi
probabilitasnya tidak diketahui. Hitunglah
a. P(-4 < X < 20)
b. P( X 8 6) ÷ >
penyelesaian:
a.
1
16
P[ 4 X 20) P(8 (4)(3) X 8 (4)(3)] ÷ < < = ÷ < < + >
b. P( X 8 6) 1 P( X 8 6) 1 P( 6 X 8 6) ÷ > = ÷ ÷ < = ÷ ÷ < ÷ <
1
4
1 P[8 (2)(3) X 8 (2)(3)] = ÷ ÷ < < + s


BAB III
PENUTUP

A. KESIMPULAN
- Jika X suatu perubah acak dengan fungsi probabilitas f(x), maka nilai harapan (rata-
rata) perubah acak X adalah
( ), jika X peubah acak farik
μ ( )
( ) , jika X peubah acak malar
·
÷·
¦
¦
¦
= E =
´
¦
¦
¹
¿
}
n
x
x p x
X
x f x dx

-
Jika X suatu peubah acak dengan fungsi massa peluang f(x), dengan rata-rata µ, maka
variansi X adalah
2 2 2
E(X ) μ o = ÷

- Kovariansi dua perubah acah X dan Y dengan rata-rata
X
m dan
Y
m diberikan oleh
rumus
x y
XY
E(XY) o = ÷µ µ

- Variansi peubah acak X dapat dihitung dari turunan fpm M(t) untuk t =0, yaitu
{ }
2 2
M"(0) M'(0) o = ÷



DAFTAR PUSTAKA

Tiro, Arif, Muhammad. 2008. PENGANTAR TEORI PELUANG. Makassar : Andira
Publisher.
www.google.co.id/search

Tidak lupa penulis ucapkan kepada Ibu Dosen Statistik Matematika I. menjadikan keterbatasan itu pula untuk memberikan penjabaran yang lebih dalam tentang masalah ini. kiranya mohon dimaklumi apabila banyak terdapat kekurangan dan kesalahan dalam penyusunan makalah ini. karena dengan Nikmat-Nya saya dapat menyelesaikan tugas makalah dengan pokok bahasan “Nilai Harapan”. Sebagai harapan semoga makalah ini membawa manfaat bagi kita. setidaknya untuk sekedar membuka cakrawala berpikir kita tentang konsep dari Nilai Harapan dalam kehidupan kita.KATA PENGANTAR Syukur Alhamdulillah penulis ucapkan kepada yang Maha pemberi Nikmat kesehatan jasmani dan rohani yakni Allah SWT. 9 Juli 2012 PENULIS . Makalah ini disusun untuk memenuhi tugas mata kuliah Statistik Matematika I. yang telah mengarahkan dan membimbing mata kuliah Statistik Matematika I. Makassar. Penulis menyadari bahwa keterbatasan pengetahuan dan pemahaman tentang Konsep Nilai Harapan.

..... DAFTAR PUSTAKA .. Variansi dan Kovariansi………………………………………………………....DAFTAR ISI KATA PENGATAR…………………………………………………………………… DAFTAR ISI……………………………………………………………………. Kesimpulan……………………………………………………………………... A.. Teorema Chebyshev…………………………………………………………… BAB III PENUTUP………………………………………………………………… A. C.. Nilai Harapan Peubah Acak…………………………………………………… B. BAB I PENDAHULUAN………………………………………………………… ii iii 1 1 1 2 2 5 9 10 11 11 A... Latar Belakang………………………………………………………………… B... BAB II PEMBAHASAN………………………………………………………….... Fungsi Pembangkit Momen…………………………………………………… D. Rumusan Masalah……………………………………………………….

 Y 2 . Harapan matematis ini menentukan tendensi sentral dari distribusi probabilitas. Sering kali kita menjumpai data pengamatan yang memuat perubah acak tidak tunggal. Bagaimanakah pengertian dan konsep dari fungsi pembangkit momen? 4. E(Y). LATAR BELAKANG Distribusi probabilitas memiliki berbagai sifat atau karakteristik yang dapat digunakan untuk mengidentifikasi suatu distribusi. dan kovariansi dari perubah acak X dan Y dinyatakan  XY . Variansi dari X da Y dinyatakan  x 2 .BAB I PENDAHULUAN A. maka nilai harapan dinyatakan E(X). B. Misalnya. Karakteristik yang biasa digunakan antara lain rata-rata hitung yang biasa disebut “harapan matematis” (nilai harapan) dan variansi. Bagaimanakah pengertian dan konsep dari teorema chebyshev? .y) . Bagaimanakah pengertian dan konsep dari nilai harapan dari peubah acak? 2. X dan Y perubah acak. RUMUSAN MASALAH Adapan pokok permasalahan dalam pembuatan makalah ini adalah 1. dan E(X. Bagaimanakan pengertian dan konsep dari variansi dan kovariansi? 3.

Contoh: Suatu percobaan dua uang logam yang dilantunkan 16 kali. Nilai Harapan Dari Peubah Acak Nilai harapan perubah acak X atau rata-rata distribusi peluang X ditulis  x atau  .BAB II PEMBAHASAN A. 1. dan juga banyak yang menyebutnya harapan matematik atiasa disebut nilai harapan dari perubah acak X. Rata-rata atau nilai harapan dari perubah acak X ini menggambarkan letak pusat distribusi probabilitas. 1  x  2 f ( x)   3 0 . x yang lain  Hitunglah nilai harapan untuk fungsi g(x) = 2x – 1! . maka nilai harapan (rata-rata) perubah acak X adalah n  x p(x). dinyatakan sebagai E(X). dan 5 kali. Dalam statistik rata-rata ini disebut harapan matematik. jika X peubah acak farik  x μ  ( X )     x f (x)dx . Jika X menyatakan banyaknya sisi muka yang muncul per lantunan. 7. dan 2 Misalkan percobaan itu masing-masing menghasilkan sebanyak 4. jika X peubah acak malar    Contoh: Jika X merupakan peubah acak malar dengan fungsi kepekatan peluang  x2  . 06 16 E(X) tersebut adalah rata-rata dan tidak perlu menyatakan hasil yang muncul dalam percobaannya. maka X dapat berharga 0. Rata-rata ini yang disebut rata-rata perubah acak X atau rata-rata distribusi probabilitas X. maka ratarata banyaknya sisi muka per lantunan [nilai harapan matematik] adalah 0(4)  1(7)  2(5)  1. E(X)  Definisi Jika X suatu perubah acak dengan fungsi probabilitas f(x).

Penyelesaian: E[g(X)]  E[(2x  1)]  (2x  1)x2 1 3 3 2 1 3 dx  3 1(2x  x )dx  2  2 2 Teorema Jika X suatu perubah acak dengan fungsi probabilitas f(x). Jika X menyatakan banyaknya mobil yang datang di tempat pencuci mobil setiap hari antara jam 13. maka nilai harapan perubah acak g(X) adalah  g(x) f (x)   x   E[g(X)]    g(X)  g(x) f (x)      .00 mempunyai distribusi probabilitas seperti pada tabel di bawah ini: Tabel 4.67 .00 – 14. Penyelesaian: g(x)  E[g(X)]  E(2X 1)  x 4  (2x 1) f (x) 12 12 4 4 6 6 9  (7)( 1 )  (9)( 1 )  (11)( 1 )  (13)( 1 )  (15)( 1 )  (17)( 1 )  12. Distribusi Probabilitas X x P(X=x) 4 1 12 5 1 12 6 1 4 7 1 4 8 1 6 9 1 6 Jika diketahui bahwa g(X) = 2X – 1 menyatakan upah para karyawan yang dibayar perusahaan pada jam tersebut (dalam ribuan rupiah). 67 Jadi harapan penerimaan upah para karyawan = Rp 12. jika X malar Contoh : 1. maka tentukan pendapatan yang diharapan karyawan perusahaan tersebut. jika X farik .2.

f(x. Y)]      g(x. Jika X suatu perubah acak dengan fkp:  x2  .Y)  E[g(X. y) f (x.Y) adalah Untuk X dan Y peubah acak farik  g(X. untuk x yanglainya  Maka hitung nilai harapan g(x) = 4X+3 Penyelesaian: Nilai harapan g(x) = 4X + 3 adalah (4x  3)  E(4X  3)  1  2 (4x  3) x2 dx 3  1 3 1  (4x 2 3  3x 2 ) dx  8 Teorema Jika X dan Y.y)   4 0 .y).  Penyelesaian: 0  x  2. y) f (x. 0  y 1 untuk x yang lainnya . 1  x  2 f(x)   3 0 . perubah acak dengan fungsi probabilitas gabungan f(x.2.Y)  E[g(X. maka nilai harapan perubah acak g(X. Y)]   g(x. y) x y - Untuk X dan Y peubah acak malar    g(X. y) dxdy Contoh Y Hitung nilai harapan E( ) untuk fungsi padat peluang X  x(13y2 )  .

Variansi Variansi dari perubah acak X diberi notasi Var(X) atau akar positip dari variansi. pada jaringan pemasaran daerah merupakan perubah acak yang dapat dinyatakan dalam bentuk berikut: . maka E(aX+b) = a E(X) + b. Definisi Jika X suatu peubah acak dengan fungsi massa peluang f(x). Jika b suatu konstanta maka E(b ) = b Jika peubah acak X dikalikan dengan konstanta c.E Y X  y 0 x 0   1 2 y x(1 3y 2 ) ( )[ ]dx dy  x 4 y 0 x 0   1 2 y(1 3y 2 ) dx dy 4  y 0  1 y  3y 2 ) dy 2  5 8 Sifat-sifat nilai harapan: Jika a dan b konstanta. maka variansi X adalah  2  (x  )2 f (x) . jika X farik   x  2  E[(X  )2 ]     (x  )2 f (x) dx .Y) = E(X) E(Y) B. maka E(cX) = c E(X) Jika X dan Y peubah acak maka E(XY) = E(X)  E(Y) Jika X dan Y peubah acak yang bebas. X dan Y peubah acak. maka E(X. jika X malar      Teorema Variansi perubah acak X adalah 2  E(X2 ) 2 Contoh : Permintaan mingguan Coca Cola (dalam liter). Variansi dan Kovariansi 1. disebut simpangan baku X. dengan rata-rata  .

x yang lainnya μ  E(X)  2 3 2  (x) 2(x 1)dx  2 (x  x)dx  2( 1 x  1 x ) 3 2 1 2 2 1  5 3 1 E(X2 )  2 2 ) 2(x  1)dx  2 (x 3  x 2 )dx  2( 1 x 4  1 x 3 ) 2  17 (x 4 3 6 1 1 1 2   2  E(X 2 )  μ 2 = 17  ( 5 )2  6 3 1 18 Teorema Jika X suatu perubah acak dengan fungsi peluang f(x). 1 x  2 .2(x  1) f (x)   0 Carilah rata-rata dan variansinya Penyelesaian: 2 . maka variansi perubah acak g(X) adalah Peubah acak farik 2 g(X)  E{[g(X)  g(X) ]2}  [g(X)  g(X) ]2 f (x) x  - Peubah acak malar 2 g(X)  E{[g(X)  g(X) ] }  2   [g(X)   2 g(X) ] f (x) dx Contoh: Hitung variansi g(X) = 2X+3 .jika perubah acak dengan distribusi probabilitas: Y 0 1 2 3 f(y) Penyelesaian: 1 4 1 8 1 2 1 8 Pertama-tama hitung rata-rata perubah acak 2X+3 2X  3  E(2X  3)  x 0  (2x  3)f (x) 3 .

y) dx dy X Y Teorema Kovariansi dua perubah acah X dan Y dengan rata-rata m dan m diberikan oleh rumus  XY  E(XY)   x  y Contoh: Jika perubah acak X dan Y dengan fungsi padat gabungan diberikan sbb: .y). (3)( 1 )  (5)( 1 )  (7)( 1 )  (9)( 1 )  6 4 8 2 8 Menggunakan teorema di atas pada kasus ini diperoleh 2 2X  3  E{[(2X  3)  2X 3 ]2 }  E{[2X  3  6]2}  E[4X 2  12X  9]  x 0  (4x 2  12x  9) f (x) 3  (9) f (0)  (1) f (1)  (1) f (2)  (9) f (3)  4 2. maka kovariansi X dan Y adalah Untuk X dan Y peubah acak farik   E [(X   )(Y   )]  XY  (x   X )(y   Y ) f (x. Kovariansi Untuk menentukan Var(X + Y) dua variabel acak X dan Y yang didefinisikan pada ruang sampel yang sama perlu adanya pengertian mengenai apa yang di maksud dengan kovariansi. Definisi Jika X dan Y perubah acak dengan distribusi probabilitas gabungan f(x. y) x y X Y - Untuk X dan Y peubah acak malar  XY  E [(X   )(Y   )] X Y        (x   X )(y   Y )f (x.

y)dy   0 x 8xy dy  4xy 2 yx y 0  4x 3 . x yang lain  0  dan 4y(1  y 2 ) .0  x  1  f (x)   . y)dx   y 1 8xy dx  4x 2 y x 1 xy  4y  4y3  4y(1  y 2 ). 0  y  1 Dan dapat dinyatakan sebagai 4x 3 . 0  x  1. maka carilah kovariansi dari X dan Y! Penyelesaian: Menggunakan definisi distribusi marginal di dapat:  f (x)    f (x. y yang lainya 0. 0  x  1  f (y)    f (x. y yang lain   Fungsi padat gabungan diperoleh  x  E(X)   0 1 4x 4dx  4 5 dan  y  E(Y)  4y 2 (1  y 2 )dy  8 0  1 15 E(XY)   xy (8xy) dxdy 0y 11   8x y 0y 11 2 2 dxdy  4 9 Jadi kovariansinya adalah  XY  E(XY)   x  y  4  ( 4 )( 8 ) 9 5 15  4 225 .0  y  1  f (y)   0 . 0  y  x f (x. y)   untuk x.8xy.

h). yakni E(X ) dapat diberikan oleh E(X ) = M (m) (0) m m Contoh: Jika fungsi idensitas dari X  1 . Fungsi M(t) = E{e }. Momen ke-m dari peubah acak X. yaitu tX tX 2  M"(0)  M '(0) . yakni M'(0) =  Teorema Variansi peubah acak X dapat dihitung dari turunan fpm M(t) untuk t =0. –h < t < h dinamakan fungsi pembangkit momen (fpm) dari X. Fungsi Pembangkit Momen Definisi Misalkan h suatu bilangan real positif sehingga nilai E{e } ada untuk setiap t di dalam interval (–h.C. x yang lain  Hitunglah Fungsi Pembangkit Momen dari X! Penyelesaian: M(t)  E(e tx ) = 1 ab b a b  e tx f(x) dx = b a e tx a 1 dx ab b = tx  e dx = 1 etx (a  b)t a 1 1 = etx = (ebt  eat ) (a  b)t (a  b)t a b . 2 Teorema Misalkan M(m) (t) menyatakan turunan ke-m dari M(t).a x b  f (x)   a  b 0 . Teorema Turunan pertama fpm untuk t = 0 sama dengan rerata peubah acak yang bersangkutan.

P( X  8  6) penyelesaian: a.D. Hitunglah a. P(-4 < X < 20) b. P[4  X  20)  P(8  (4)(3)  X  8  (4)(3)]  1 b. P( X  8  6) 16  1  P( X  8  6)  1  P(6  X  8  6)  1  P[8  (2)(3)  X  8  (2)(3)]  1 4 . Teorema Chebyshev Teorema Probabilitas setiap perubah acak X mendapat nilai dalam k simpangan baku dari nilai rata1 rata adalah sekurang-kurangnya 1  yaitu k2 P[  k  X    k]  1  1 Contoh: k2 Suatu perubah acak X mempunyai rata-rata   8 dan 2  9 sedangkan distribusi probabilitasnya tidak diketahui.

maka variansi X adalah 2  E(X2 )  μ2 Kovariansi dua perubah acah X dan Y dengan rata-rata m dan m diberikan oleh X Y rumus  XY  E(XY)   x  y - Variansi peubah acak X dapat dihitung dari turunan fpm M(t) untuk t =0. dengan rata-rata  .BAB III PENUTUP A. jika X peubah acak malar    Jika X suatu peubah acak dengan fungsi massa peluang f(x). maka nilai harapan (ratarata) perubah acak X adalah n  x p(x). yaitu 2  M"(0)  M '(0) 2 . jika X peubah acak farik  x μ  ( X )     x f (x)dx . KESIMPULAN - Jika X suatu perubah acak dengan fungsi probabilitas f(x).

google. www. 2008.co.id/search . PENGANTAR TEORI PELUANG. Muhammad. Makassar : Andira Publisher. Arif.DAFTAR PUSTAKA Tiro.

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)//-->