2. Peubah
Acak
(Random Variable)
EL2002-Probabilitas dan
S
tatistik
Dosen:
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
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
Definisi
• Def.2.1: Suatu fungsi yang nilainya berupa bilangan riil yang ditentukan oleh setiap anggota dari ruang cuplikan disebut sebagai peubah acah (random variable).
• Peubah acak dinyatakan dengan huruf besar, misalnyaX, sedangkan nilainya dengan huruf kecil-nya, yakni x untuk kasus ini. Untuk kasus pelantunan koin tsb diatas, X akan bernilai 2 untuk peristiwa: E = {HHT, HTH, THH}
0 1
-2
S
R
Contoh
• Contoh 2.1 Dua bola diambil berturutan secara acak, tanpa penggantian, dari suatu wadah yang berisi empat bola
merah (R) dan tiga bola hitam (B). Hasil dapat muncul dan nilai y dari peubah acak Y, dimana Y menyatakan
banyaknya bola merah adalah
Peristiwa y
RR 2
RB 1
BR 1
…
• Contoh 2.2: Petugas penyimpanan helm mengembalikan helm dari tiga orang pegawai Smith, Jones, dan Brown dalam urutan spt itu. Jika helm diambil acak dan
dikembalikan sesuai urutan pegawai diatas, dan m menyatakan jumlah helm yang kembali ke pemilik sebenarnya , kemungkinan berikut bisa terjadi:
Peristiwa m
SJB 3
SBJ 1
JSB 1
JBS 0
BSJ 0
Peubah acak diskrit dan kontinyu
•
Def.2.2: Ruang cuplikan yang mengandung
sejumlah berhingga titik cuplikan, atau sejumlah
tak berhingga titik sebanyak seluruh bilangan
bulat, disebut sebagai ruang cuplikan diskrit, dan
peubah acak yang didefinisikan dalam ruang ini
disebut sebagai peubah acak diskrit.
•
Def.2.3: Ruang cuplikan yang mengandung
sejumlah takberhingga titik cuplikan, sebanyak
seluruh titik dalam segmen garis, disebut sebagai
ruang cuplikan kontinyu, dan peubah acak yang
didefinisikan dalam ruang ini disebut sebagai
Sebaran
Peluang
Sebaran peluang diskrit
• Dalam kasus pelantunan koin tiga kali, peubahX yang menyatakan banyaknya H muncul akan memberikan peluang 3/8 untuk x=2.
• Untuk kasus pengembalian helm, peluang tidak satupun pegawai mendapatkan helm yang benar, yakni m=0, adalah 2/6=1/3. Kita bisa membuat tabel berikut:
m 0 1 3
P(M=m) 1/3 1/2 1/6
• Nilaim menyatakan semua kasus yang mungkin terjadi, sehingga seluruh peluang akan berjumlah 1.
• Seringkali lebih praktis menyatakan semua kemungkinan peubah acak X kedalam formula. Jadi kita tuliskan
Fungsi atau sebaran peluang
• Def.2.4: Fungsif(x) adalah suatu fungsi peluang atau sebaran
peluang dari peubah acak X jika, untuk setiap hasil yang muncul x berlaku:
1. f(x) ≥ 0 2. Σx f(x) = 1 3. P(X =x) = f(x)
• Contoh 2.3: Tentukan sebaran peluang dari jumlah sepasang
mata dadu jika dilantunkan.
• Jawab: AndaikanX peubah acak yang nilainya x merupakan
..
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 2 3 4 5 6 7 8 9 10 11 12
f(x) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
Sebaran kumulatif
• Def.2.5: Sebaran kumulatifF(x) dari peubah acak diskrit X dengan sebaran peluang f(x) adalah
F(x) = P(X ≤ x) = Σt≤x f(t)
• Contoh 2.4 dan 2.5: Suatu koin dilantunkan empat kali. Tentukan: 1) formula sebaran peluang munculnya H yaitu f(x), dan
2) sebaran kumulatif F(x) nya. • Jawab:
1. Jumlah titik cuplikan ada 24 = 16. Jika x menyatakan banyaknya muncul H, akan ada kombinasi sebanyak C(4,x). Dengan
demikian f(x) = C(4, x)/16, dimana x = 0, 1, 2, 3, 4 f(0) = (4!/4!)/16 = 1/16 ; f(1)=(4!/3!)/16 = 4/16; f(2) = (4!/(2!2!))/16 = 6/16; f(3) = f(1); f(4)= f(0); 1. Berdasarkan Def.2.5, diperoleh : F(0) = f(0) = 1/16;
…
• Dengan demikian
( )
⎪⎪ ⎪ ⎪ ⎩ ⎪⎪ ⎪ ⎪ ⎨ ⎧ ≥ < ≤ < ≤ < ≤ < ≤ < = 4 , 1 4 3 , 3 2 , 2 1 , 1 0 , 0 , 0 16 15 16 11 16 5 16 1 x untuk x untuk x untuk x untuk x untuk x untuk x F 1/4 1/2 3/4 10 1 2 3 4 x F(x)
Sebaran peluang dlm bentuk grafis
• Dari contoh 2.4: f(x) = C(4, x)/16
X 0 1 2 3 4
f(x) 1/16 4/16 6/16 4/16 1/16
1/16 2/16 3/16 4/16
0 1 2 3 x f(x)
5/16 6/16
4
1/16 2/16 3/16 4/16
0 1 2 3 x
f(x)
5/16 6/16
4
Luas=f(x)
2.3 Sebaran
peluang
Arti kerapatan peluang (kontinyu)
• Tinjau sebaran tinggi badan dari orang berumur 21 thn. Antara sebarang dua nilai, mis. 163.5 – 164.5, ada tak hingga macam tinggi badan.
– Peubah acak kontinyu memiliki peluang nol untuk suatu nilai eksak dari peubah acak ini.
P(a<X≤b) = P(a<X<b) + P(X=b) = P(a<X<b) + 0
– Jadi, tidak ada bedanya mengikutkan titik ujung dalam perhitungan ini ataupun tidak.
• Peubah acak kontinyu tidak dapat ditampilkan secara tabular, namun bisa dinyatakan dalam rumus.
Fungsi rapat peluang kontinyu
•
Suatu fungsi rapat peluang dibentuk sedemikian
hingga integrasi daerah dibawah kurva ke seluruh
X memberikan luas sebesar satu.
a b x
f(x)
(
<
<
)
=
∫
b( )
a
dx
x
f
b
X
a
P
Def. fungsi rapat peluang kontinyu
• Def.2.6: Suatu fungsif(x) adalah fungsi rapat peluang untuk peubah acak kontinyu X yang didefinisikan ke seluruh himpunan bilangan riil R, jika
1. f(x) ≥ 0 untuk semua x∈R 2. ∫∞-∞ f(x) dx = 1.
3. P(a<X<b) = ∫b
a f(x) dx
• Contoh: andaikan peubah acakX memiliki fungsi rapat peluang: f(x) = x2/3; -1<x<2 dan f(x)=0 selain itu.
Tentukan: (1) kondisi 2 pada Def.2.6, 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) = ∫1
Sebaran peluang kumulatif kontinyu
•
Def.2.7: Sebaran peluang kumulatifF(x) dari suatu
peubah acak kontinyu X dengan fungsi kerapatan f(x)
diberikan oleh
( ) (
)
∫
( )
∞ −
=
≤
=
P
X
x
xf
t
dt
x
F
•
Ada dua hasil langsung dari Def.2.7, yaitu:
Contoh
•
Soal: Untuk fungsi pada contoh 2.6., tentukanF(x)
dan gunakan untuk menghitung P(0< X
≤
1)
•
Jawab:
F(x) =
∫
∞-∞f(t) dt =
∫
x-1(t
2/3)dt
= t
3/9|
x-1= (x
3+1)/9
Oleh karena itu,
2.4 Sebaran
Sebaran frekuensi relatif
• Dalam percobaan, seringkali fungsi rapat peluangf(x) untuk peubah acak kontinyu X tidak diketahui.
• Pemilihanf(x) harus mempertimbangkan setiap informasi yang tersedia dari data.
• Tinjau sebaran frekuensi relatif dari 40 buah umur batere mobil dalam Tabel 2.1. Pabrik menjamin umur batere
adalah 3 tahun.
2.2 4.1 3.5 4.5 3.2 3.7 3.0 2.6
3.4 1.6 3.1 3.3 3.8 3.1 4.7 3.7
2.5 4.3 3.4 3.6 2.9 3.3 3.9 3.1
3.3 3.1 3.7 4.4 3.2 4.1 1.9 3.4
4.7 3.8 3.2 2.6 3.9 3.0 4.2 3.5
Lanjutan …
• Andaikan diambil 7 kelas, dng demikian besar interval adalah (max-min)/kelas = (4.7-1.6)/7=0.443. Tabel 2.2 menunjukkan sebaran frekuensi relatif-nya.
Interval Kelas Titik tengah kelas
Frekuensi (f) Frekuensi relatif
1.5 - 1.9 1.7 2 0.050
2.0 - 2.4 2.2 1 0.025
2.5 – 2.9 2.7 4 0.100
3.0 – 3.4 3.2 15 0.375
3.5 – 3.9 3.7 10 0.250
4.0 – 4.4 4.2 5 0.125
4.5 – 4.9 4.7 3 0.075
Histogram dan estimasi fungsi rapat peluang
1.7 2.2 2.7 3.2 3.7 4.2 4.7 0.125
0.250 0.375
• Bentuk kurva: lingkaran? Hiperbola? Elips? Parabola
f(x) = ax2 + bx + c, untuk a, 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).
Sebaran kumulatif
• Berdasarkan Tabel 2.2, kita dapat membuat sebaran
frekuensi kumulatif dari umur batere, spt pada Tabel 2.3 dan estimasi F(x).
Batas kelas
Frekuensi kumulatif relatif
< 1.45 0.000
< 1.95 0.050
< 2.45 0.075
< 2.95 0.175
< 3.45 0.550
< 3.95 0.800
< 4.45 0.925
< 4.95 1.000 * * *
* * * * 0.250 0.500 0.750 1.000
1.45 2.45 3.45 4.45
* Frekuensi kumulatif relatif Umur batere F(x) Kuartil pertama ~3.05
2.5 Sebaran
Peluang
Peluang gabungan diskrit
•
Jika dimensi ruang cuplikan lebih dari satu,
misalnya hasil pengukuran dua besaran P dan V
yng dinyatakan sbg (p, v), kita sebut sebaran
peluangnya sebagai sebaran peluang gabungan.
•
Def.2.8: Fungsif(x,y) adalah fungsi peluang
gabungan dari dua peubah diskrit X dan Y jika
1. f(x,y) ≥ 0 untuk seluruh (x,y) 2. ∑x ∑y f(x,y) = 1
3. P[(X,Y)∈A] = ∑∑A f(x,y)
Contoh 2.8
• Soal: Suatu kotak berisi tiga refil (tinta isian) berwarna biru, dua refil merah, dan 3 refil hijau. Akan diambil dua refil secara acak dari kotak tsb. Jika X menyatakan jumlah refil biru, dan Y
jumlah refil merah, tentukan: (1) fungsi peluang gabungan
f(x,y), dan (2) P[(X,Y)∈A], dimana A adalah daerah {(x,y)|x + y≤1}.
• Jawab: pasangan (x,y) yang dapat muncul adalah (0,0), (0,1), (1,0), (1,1), (0,2), dan (2,0). Tinjau f(0,1) yang menyatakan
peluang terpilihnya refil merah dan hijau (karena refil biro nol). 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. Cacah kombinasi terpilihnya satu dari dua refil berwarna merah dan satu dari tiga refil hijau adalah
C(2,1)⋅C(3,1) = 2⋅(3!/2!) = 6. Dengan demikian, f(0,1) = 6/28 =3/14. Dengan cara yang sama, nilai f(x,y) untuk seluruh
…
y x 0 1 2
0 3/28 9/28 3/28
1 3/14 3/14
-2 1/28 -
-2). P[(X,Y)
∈
A] = P(X + Y
≤
1)
= f(0,0) + f(0,1) + f(1,0)
= 3/28 + 3/14 + 9/28
= 9/14
Peluang gabungan kontinyu
• Def.2.9: Suatu fungsif(x,y) adalah fungsi kerapatan gabungan dari peubah acak kontinyu X dan Y jika
1. f(x,y) ≥0 untuk semua (x, y) 2. ∫∫-∞∞ f(x,y) dxdy = 1
3. P[(X,Y)∈A] = ∫∫Af(x,y) dx dy
• Contoh 2.9: Tinjau fungsi rapat peluang berikut
f(x,y) = x(1+3y2)/4; 0<x<2, 0<y<1
= 0, lainnya
1. Periksa kondisi 2 pada Def.2.9
2. Tentukan P[(X,Y)∈A] dimana A adalah daerah {(x,y)|
Sebaran peluang marjinal
• Jika f(x,y) adalah sebaran gabungan dari
peubah acak X dan Y, maka sebaran peluang
untuk masing-masing peubah acak X dan Y
(sebaran marjinal) adalah:
Diskrit:
g(x) =
∑
yf(x,y)
h(y) =
∑
xf(x,y)
…
•
Fungsig(x) dan h(y) disebut sebagai sebaran marjinal
dari X dan Y. Bahwa masing-masing benar berupa
fungsi sebaran dapa diperiksa berdasarkan Def.2.4.
dan Def.2.6. Sbg contoh, untuk kasus kontinyu:
∫
-∞∞g(x) dx =
∫
-∞∞∫
-∞∞f(x,y) dy dx = 1
dan
P(a<X<b) =
P(a<X<b, -
∞
<Y<
∞
)
=
∫
ab∫
-∞∞
f(x,y) dy dx
Sebaran bersyarat diskrit
• Kembali ke definisi peluang bersyarat:P(B|A) = P(A∩B)/P(A), P(A)>0
Jika A dan B adalah peristiwa yang dimana X=x dan Y=y,
P(Y=y|X=x) = P(X=x,Y=y)/P(X=x)
= f(x,y)/g(x) ; g(x) >0 untuk peubah acak diskrit X dan Y.
• Dapat ditunjukkan bahwa fungsif(x,y)/g(x) memenuhi syarat sebagai sebaran peluang dan akan dituliskan sebagai f(y|x), yakni:
f(y|x) = f(x,y)/g(x), g(x)>0
dan disebut sebagai sebaran bersyarat dari peubah acak diskrit Y, diberikan X=x.
• Dengan cara sama, sebaran bersyaratf(x|y) dari peubah acak X jika diberikan Y=y dapat dituliskan sebagai
Sebaran bersyarat kontinyu
•
Perdefinisi, sebaran rapat peluang bersyarat dari
peubah acak kontinyu X, jika diberikan Y=y adalah
f(x|y) = f(x,y)/h(y), h(y)>0
sedangkan sebaran rapat peluang bersyarat untuk
peubah acak kontinyu Y, diberikan X=x, adalah
f(y|x) = f(x,y)/g(x), g(x)>0
•
Peluang dari peubah acak kontinyuiX yang
terletak antara a dan b, jika diketahui Y=y, dapat
dihitung sbb:
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
0
1
2
f(x|1)
½ ½ 0
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
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 bersyaratf(x|y) tidak
bergantung pada y. Untuk kasus demikian, dapat ditunjukkan bahwa
…
• Bukti:substitusikan f(x,y) = f(x|y)h(y) ke sebaran marjinal dari X, yakni
g(x)= ∫-∞∞ f(x,y) dy= ∫-∞∞ f(x|y)h(y) dy
Karena f(x|y) tdk bergatung y, maka peluang bersyarat ini bisa dikeluarkan dari integral. 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) = g(x)⋅h(y)
Def. Kebebasan Statistik
• Def.2.10: AndaikanX dan Y dua peubah acak, baik diskret maupun kontinyu, dengan sebaran peluang gabungan f(x,y) dan sebaran marjinal g(x) dan h(y). Peubah acak X dan Y disebut bebas secara statistik, jika dan hanya jika,
f(x,y) = g(x)⋅h(y)
untuk semua nilai (x,y)
• Peubah acak kontinyu pada contoh 2.12 adalah bebas secara
statistik
• Peubah acak kontinyu pada contoh 2.11 tidak bebas statistik
• Berdasarkan contoh 2.8:
f(0,1) = 3/14
g(0) = ∑2y=0 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
Generalisasi ke n-buah peubah acak
• Hasil-hasil yang diperoleh dari 2-buah peubah acak dapat
di-generalisasi ke n-buah peubah acak. Tinjau fungsi peluang
bersama f(x1, x2, …, xn) dari peubah acak X1, X2, …, Xn.
• Sebaran marjinal untuk X1 diberikan oleh
diskrit: g(x1) = ∑x2 …∑xn f(x1, x2, …, xn)
kontinyu: g(x1) = ∫-∞∞… -∞∞ f(x1, x2, …, xn)dx2…dxn • Sebaran marjinal gabungan φ(x1, x2)
diskrit: φ(x1, x2) = ∑x3 …∑xn f(x1, x2, …, xn)
kontinyu: φ(x1, x2) = ∫-∞∞… -∞∞ f(x1, x2, …, xn)dx3…dxn
• Sebaran gabungan bersyarat X1, X2, X3 diberikan X4= x4, X5=
x5, …, Xn= xn adalah
Generalisasi kebebasan statistik
• Def.2.11: AndaikanX1, X2, …, Xn adalah n-buah peubah acak, diskrit atau kontinyu, dengan sebaran peluang bersama f(x1, x2, …, xn) dan sebaran marjinal f1(x1), f2(x2), …, fn(xn). Peubah acak X1, X2, …, Xn disebut saling bebas secara statistik jika dan hanya jika
f(x1, x2, …, xn) = f1(x1)⋅f2(x2) ⋅ … ⋅ fn(xn)
• Contoh 2.13: Andaikan X1, X2, dan X3 adalah tiga peubah acak yang saling bebas secara statistik dan andaikan masing-masing memiliki fungsi rapat peluang: f(x) = e-x , x>0
= 0 , selain itu Tentukan P(X1<2, 1<X2<3, X3>2)
• Jawab:Fungsi rapat peluang bersama dari X1, X2, dan X3 adalah f(x1, x2, x3) = f(x1) f(x2) f(x3) = e-x1 e-x2 e-x3
= exp(-x1 - x2 - x3), x1>0, x2>0, x3>0
Latihan
• Peluang marjinal: 23 dan 24
• Peluang bersyarat: 27 dan 28
• Kebebasan statistik: 29, 30
2.6 Nilai
Harap
dari
Peubah
Konsep dan Definisi
• Def.2.12: AndaikanX suatu peubah acak dengan sebaran
peluang f(x). Nilai harap dari X adalah
E(X) = ∑x x⋅f(x) ; untuk X diskrit = ∫-∞∞ x⋅f(x)dx ; untuk X kontinyu
• Jika dua buah koin dilantunkan 16 kali dan X menyatakan jumlah
munculnya sisi H per-lantunan, maka X dpt bernilai 0, 1, atau 2. Jika eksperimen ini menghasilkan 4 lantunan tanpa H, 7 lantunan dengan 1H, dan 5 lantunan dengan 2H, 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
Contoh 2.14
• 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, maka sebaran peluang dari X akan diberikan oleh
f(x) = C(4, x)⋅C(3, 3-x)/C(7,3); x=0, 1, 2, 3
---{kombinasi x dari 4 Kimiawan} * ---{kombinasi (3-x) dari 3 angg. komite}
yakni f(0)=1/35, f(1)=12/35, f(2)=18/25, dan f(3)=4/35. Oleh karena itu:
Contoh …
•
Soal: Andaikan X peubah acak yang menyatakan
waktu hidup lampu tabung dalam jam. Fungsi
kerapatan peluangnya dinyatakan sebagai:
f(x) =
20.000/x
3, x>100
= 0
, selain itu
Tentukan nilai harapan hidup dari tabung jenis ini.
•
Jawab: Berdasarkan Def.2.12, maka
E(X) =
∫
∞100x
⋅
(20.000/x
3)dx
=
∫
∞100(20.000/x
2)dx =
= 20.000 (-x
-1)|
∞Nilai harap g(X)
•
Tinjau fungsi g(X) dari peubah acak X. Sbg
contoh untuk X diskrit dengan sebaran peluang
f(x), dimana x=-1, 0, 1, 2 dan g(X)=X
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 2.12,
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)
=
∑
xg(x)
⋅
f(x)
• Teorema 2.1: Andaikan X suatu peubah acak dengan sebaran peluang f(x). Nilai harap dari fungsi g(X) adalah
E[g(X)] = ∑x g(x)⋅f(x) ; jika X diskrit
= ∫-∞∞ g(x)⋅f(x)dx ; jika X kontinyu
Nilai harap dari g(X) …
• 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 2.1, 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)
• Def.2.13: Andaikan X dan Y peubah acak dengan sebaran peluang bersama f(x,y). Nilai harap dari fungsi g(X,Y ) adalah
E[g(X,Y)] = ∑x,y g(x,y)⋅f(x,y) ; jika X dan Y diskrit = ∫-∞∞∫-∞∞ g(x,y)⋅f(x,y)dxdy ; jika X dan Y kontinyu
Nilai harap dari g(X,Y)
• Jawab: Perdefinisi 2.13, kita dapat menyatakan E(XY) = ∑2
x=0 ∑ 2y=0 xy⋅f(x,y)
= 0⋅0⋅f(0,0) + 0⋅1⋅f(0,1) + 0⋅2⋅f(0,2) + 1⋅0⋅f(1,0) + 1⋅1⋅f(1,1) + 2⋅0⋅f(2,0) = 0 + 0 + 0 + 0 + f(1,1) + 0 = f(1,1)
y x 0 1 2
0 3/28 9/28 3/28
1 3/14 3/14
-2 1/28 -
2.7 Hukum
N
ilai
Teorema
• Teorema 2.2: Jikaa dan b konstanta, maka
E(aX + b) = aE(X) + b
• Corollary 1: Dengan membuat a=0, maka
E(b) = b
• Corollary 2: Dengan membuat b=0, maka
Teorema
• Teorema 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. Yakni
E[g(X) ± h(X)] = E[g(X)] ± E[h(X)]
• Contoh 2.21: Dalam contoh 2.17, kita dapat menuliskan E[(X-1)2] = E(X2 – 2X +1) = E(X2) -2E(X) + E(1) Dari Corollary 1, E(1) = 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 = 2 Dengan demikian
E[(X-1)2] = 2- 2⋅1 + 1 = 1
x | 0 1 2 3
Teorema
• Teorema 2.4: 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. Yakni
E[g(X,Y) ± h(X,Y)] = E[g(X,Y)] ± E[h(X,Y)]
• Corollary: Dengan membuat g(X,Y) = X dan h(X,Y) = Y diperoleh
E[X ± Y] = E[X] ± E[Y]
• Teorema 2.5: Andaikan X dan Y dua peubah acak yang saling bebas. Maka
Contoh 2.23
• Andaikan X dan Y dua peubah acak yang saling bebas dengan
sebaran peluang
f(x,y) = x(1+3y2)/4 ; 0<x<2, 0<y<1
= 0 ; selain itu
Periksa berlakunya Teorema 2.5 untuk kasus ini.
( )
(
)
(
)
(
)
653 3 1 2 12 3 1 4 3 1 1 0 2 1 0 2 0 2 3 1 0 2 0 2 2 = + = + = + =
∫∫
∫
∫
= = dy y y dy y y x dxdy y y x XY E x x( )
(
)
(
)
(
)
3 4 3 3 1 2 12 3 1 4 3 1 1 0 2 1 0 2 0 2 3 1 0 2 0 2 2 = + = + = + =∫∫
∫
∫
= = dy y dy y x dxdy y x X E x x( )
(
)
(
)
(
)
852 3 1 8 3 1 4 3 1 1 0 2 1 0 2 0 2 2 1 0 2 0 2 = + = + = + =
∫∫
∫
∫
= = dy y y dy y y x dxdy y xy Y E x x2.8 Ekspektasi Khusus
Momen ke-k
• Jika g(X) = Xk, Teorema 2.1 akan menghasilkan nilai yang disebut sebagai momen ke-k dari titik asal dari peubah acak X, yang dinyatakan sebagai μ’k. Karena itu
( )
( )
( )
∫
∑
∞ ∞ − = = = kontinyu X dx x f x diskrit X x f x X E k x k k k ; ; ' μ• Jika k=0, kita dapatkan E(1) = 1 karena
μ’0= E(1) = ∑x f(x) = 1 ; X diskrit
= ∫∞-∞ f(x) dx =1 ; X kontinyu
• Jika k=1, kita dapatkan μ’1=E(X), yaitu nilai harap peubah acak X. Momen pertama juga disebut mean dari peubah acak μ, jadi
Momen ke-k thd mean, variansi
• Jika g(X) = (X-μ)k, Teorema 2.1 menghasilkan momen
ke-k terhadap mean dari peubah acake-k X, yang dilambangke-kan
sebagai μk. Dengan demikian:
(
)
[
]
(
) ( )
(
) ( )
∫
∑
∞ ∞ − − = − = − = kontinyu X dx x f x diskrit X x f x X E k x k k k ; ; μ μ μ μ• Momen kedua terhadap mean, μ2, memberikan ukuran
keragaman (variability) hasil pengamatan terhadap mean. μ2 disebut juga sebagai variansi dari peubah acak X,
dinyatakan sebagai σ2.
σ2 = μ
2 = E[(X-μ)2]
Variansi
• Teorema 2.6: Variansi dari peubah acak X diberikan oleh
σ2 = E(X2) - μ2
• Bukti:
σ2 = E[(X-μ)2] = E(X2 - 2μX+μ2)
= E(X2) - 2μE(X) + E(μ2) = E(X2) - 2μ⋅μ + μ2
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(X
2) = 0
2⋅
(1/35) + 1
2⋅
(12/35) + 2
2⋅
(18/35)
+ 3
2⋅
(4/35) = 24/7
Oleh karena itu
Contoh 2.25
• Soal: Tentukan mean dan variansi dari peubah acak X, dimana
X memiliki fungsi kerapatan
f(x) = 2(x-1), 1<x<2
= 0, selain itu
• Jawab:
( )
( )
532
1
1
2
−
=
=
=
E
X
∫
x
x
dx
μ
( )
( )
1762
1 2 2
1
2
−
=
=
∫
x
x
dx
X
E
Kovariansi
•
Jika g(X,Y) = (X-
μ
X)(Y-
μ
Y), dimana
μ
X=E(X) dan
μ
Y= E(Y), Def. 2.13 akan menghasilkan nilai harap
yang disebut kovariansi dari X dan Y, yng
dilambangkan sebagai
σ
XYatau cov(X,Y).
(
)(
)
[
]
(
)(
) ( )
(
x
)(
y
) ( )
f
x
y
dx
dy
X
dan
Y
kontinyu
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, maka
kovariansi akan bernilai nol. Hal sebaliknya tidak
berlaku, kovariansi nol tidak berarti X dan Y
Kovariansi ..
•
Teorema 2.7 Kovariansi dari dua buah peubah
acak X dan Y dengan mean masing-masing
μ
Xdan
μ
Yadalah
σ
XY= E(XY) -
μ
X⋅μ
Y•
Bukti:
σ
XY= E[(X -
μ
X)(Y -
μ
Y)]
= E(XY-
μ
XY-
μ
YX+
μ
Xμ
Y)
= E(XY)-
μ
XE(Y)-
μ
YE(X) +E(
μ
Xμ
Y)
= E(XY) -
μ
Xμ
Y-
μ
Yμ
X+
μ
Xμ
YContoh 2.26
• Tinjau sebaran peluang bersama pada contoh 2.8. dan perhitungan 2.19 yang menghasilkan E(XY) = 3/14.
y x 0 1 2
0 3/28 9/28 3/28
1 3/14 3/14
-2 1/28 -
-g(x) 10/28 15/28 3/28
μX = E(X) = ∑2x=0 ∑ 2y=0 xf(x,y)
= ∑2x=0 xg(x)
= 0(10/28)+1(15/28)+2(3/28) =21/28=3/4
Sedangkan μY = E(Y) = ∑2
x=0 ∑ 2y=0 yf(x,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
h(y)
15/28
12/28
2.9 Sifat-Sifat
Sifat-sifat variansi …
• Teorema 2.8: Andaikan X suatu peubah acak dengan sebaran peluang f(X). Variansi dari fungsi g(X) adalah
σ2
g(X) = E[{g(X) - μg(X)}2]
• Teorema 2.9: JikaX suatu peubah acak dan b konstanta, maka
σ2
X+b = σ2X = σ2
• Teorema 2.9: JikaX suatu peubah acak dan a konstanta, maka
σ2
Sifat-sifat variansi …
• Teorema 2.11: Jika X dan Y peubah acak dengan sebaran peluang gabungan f(x,y), maka
σ2
aX+bY = a2σ2X + b2σ2Y + 2abσXY
• Corollary 1: Jika X dan Y peubah acak yang saling bebas, maka
σ
2aX+bY
=
a2σ2X + b2σ2Y• Corollary 2: Jika X dan Y peubah acak yang saling bebas, maka
σ
2Contoh 2.8
•
Soal: Jika X dan Y peubah acak dengan variansi
σ
2X=
2,
σ
2Y= 4 dan kovariansi
σ
XY= -2, tentukan variansi
dari peubah acak Z = 3X - 4Y + 8
•
Jawab:
σ
2Z
=
σ
23X - 4Y + 8=
σ
23X-4Y; T.2.9
= 9
σ
2X+ 16
σ
2Y- 24
σ
XY; T.2.11
= 9
⋅
2 + 16
⋅
4 - 24
⋅
(-2)
Teorema Chebyshev dan Bukti
• Teorema Chebyshev: Peluang sebarang peubah acak X jatuh dalam rentang k kali simpangan baku dari mean sekurang-kurangnya adalah (1 - 1/k2). Yakni
P(μ-kσ<X< μ+kσ) ≥ 1 – 1/k2
(
)
[
]
(
) ( )
(
) ( )
(
) ( )
(
) ( )
(
) ( )
∫
(
) ( )
∫
∫
∫
∫
∫
∞ + − ∞ − ∞ + + − − ∞ − ∞ ∞ − − + − ≥ − + − + − = − = − = σ μ σ μ σ μ σ μ σ μ σ μ μ μ μ μ μ μ μ σ k k k k k k dx x f x dx x f x dx x f x dx x f x dx x f x dx x f x X E 2 2 2 2 2 2 2 2• Karena integral kedua bernilai tak negatif. Selanjutnya, karena |x - μ| ≥ kσ berarti x ≥ μ+kσ atau x≤ μ-kσ, diperoleh
…
( )
∫
( )
∫
+∞ − ∞ − + ≥ σ μ σ μ σ σ σ k k dx x f k dx x fk2 2 2 2
2
( )
∫
( )
∫
+∞ − ∞ − ≤ + σ μ σ μ k k k dx x f dx xf 12
Akibatnya
Dan bahwa
(
)
( )
21 1 k dx x f k X k P k k − ≥ = + < < − +
∫
− σ μ σ μσ
μ
σ
μ
Oleh karena itu
Konsekuensi Teorema Chebyshev
• Untuk k=2, 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.
μ σ
2σ
f(x)
∫
( )
+
−
σ μ
σ μ
k
k
dx
x
f
Contoh 2.30
•
Soal: Suatu peubah acak X memiliki mean
μ
=8,
variansi
σ
2=9 dan (fungsi) sebaran peluang
yang tak diketahui. Tentukan: (1) P(-4<X<20)
dan (2) P(|X-8|
≥
6).
•
Jawab: simpangan baku
σ
=
√
9 = 3,
μ
=8
1. P(-4<X<20) = P[8-(4)(3)<X<8+(4)(3)]
= P[μ - (4)(σ)<X< μ + (4)(σ)]
≥ 15/16 ; (1-1/k2)=1-1/16
2. P(|X-8|>6) = 1-P(|X-8|≤6)
= 1 – P(-6<X-8<6)
= 1 - P[μ -(2)(σ)<X<μ +(2)(σ)]