BAB IV
EKSPEKTASI MATEMATIK
4.1 . Rata-rata variabel acak
Bila dua koin dilemparkan sebanyak 16 kali dan X adalah jumlah depan (atas) yang muncul setiap kali pelemparan. Sehinga nilai X adalah 0,1, atau 2. Misalkan dari hasil percobaan menunjukkan bahwa tanpa depan, satu depan, dan dua-duanya depan adalah masing-masing 4, 7 dan 5. Maka jumlah rata-rata depan yang muncul setiap satu lemparan dari 2 koins tersebut adalah:
( )( ) ( )( ) ( )( )
06 . 1 16 5 2 7 1 4 0 + + =Perhitungan diatas dapat dinyatakan dalam bentuk sebagai berikut:
( )
( )
( )
1.06 16 5 2 16 7 1 16 4 0 ⎟= ⎠ ⎞ ⎜ ⎝ ⎛ + ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ + ⎟ ⎠ ⎞ ⎜ ⎝ ⎛nilai 4/16, 7/16, dan 5/16 disebut sebagai fraksi atau frekuensi relatif, sehingga kita bisa menghitung nilai rata-rata dengan nilai tertentu yang terjadi dan nilai frekuensinya. Nilai rata-rata (mean), μ, atau nilai yang diperkirakan (expected), E(X) dari percobaan diatas dapat ditulis sebagai:
( ) ( )
( )
( )
1.06 16 5 2 16 7 1 16 4 0 ⎟= ⎠ ⎞ ⎜ ⎝ ⎛ + ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ + ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ = =E X μDEFINISI: Bila X adalah suatu variabel acak dengan distribusi probabilitas f(x),
rata-rata atau nilai yang diperkirakan (mean or expected) dari X adalah:
( )
=∑
( )
= x x xf x E μ Æ Bila X diskrit( )
x xf( )
xdx E∫
∞ ∞ − = = μ Æ Bila X menerusContoh: sebuah kotak berisi 7 alat (komponen), 4 alat kondisinya baik, 3 rusak. Bila 3 sampel diambil, berapa nilai perkirakan (expected) sampel yang diambil tersebut adalah baik.
Solusi: Bila X menunjukkan alat yang baik dalam sampel. Distribusi probabilitas dari X adalah:
( )
, untuk 0,1,2,3 3 7 3 3 4 = ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ − ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ = x x x x fdari hasil perhitungan diperoleh f(0) = 1/35, f(1)=12/35, f(2)=18/35, dan f(3)=4/35. Oleh karena itu:
( ) ( )
( )
( )
( )
1.7 35 4 3 35 18 2 35 12 1 35 1 0 ⎟= ⎠ ⎞ ⎜ ⎝ ⎛ + ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ + ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ + ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ = =E X μContoh: Misalkan X adalah variabel acak yang menunjukkan umur (jam) dari suatu alat elektronik. Bila fungsi kepadatan probabilitasnya adalah:
( )
⎪⎩ ⎪ ⎨ ⎧ > = selainnya x x x f ... ,... 0 100 ,... 20000 3tentukan umur perkiraan alat elektronik tersebut. Solusi:
( )
20000 20000 200 100 2 100 3 = = = = ∞∫
∫
∞ dx x dx x x x E μTEOREMA: Misalkan X adalah suatu variabel acak dengan distribusi probabilitas f(x), rata-rata atau nilai yang diperkirakan dari variabel acak g(X) adalah:
( )X =E
[
g( )
X]
=∑
g( ) ( )
x f xg
( )X E
[
g( )
X]
g( ) ( )
x f xdx g∫
∞ ∞ − = = μ Æ Bila X menerusContoh: Misalkan jumlah kendaraan X yang dicuci selama 1 jam (4-5 sore) memiliki distribusi probabilitas sebagai berikut:
x 4 5 6 7 8 9
P(X=x) 1/12 1/12 ¼ ¼ 1/6 1/6
Bila g(X)=2X -1 menunjukkan jumlah uang yang diperoleh dari hasil tsb (dolar). Tentukan perkiraan hasil yang diperoleh selama waktu tersebut.
Solusi:
( )
[
]
(
) ( ) ( )
( )
( )
( )
( )
12.67$ 6 1 17 6 1 15 4 1 13 12 1 9 12 1 7 1 2 9 4 = ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ + ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ + ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ + ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ + ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ = − =∑
x f x X g EContoh: Bila X adalah variabel acak dengan fungsi kepadatan sebagai berikut:
( )
⎪⎩ ⎪ ⎨ ⎧ < < − = selainnya x x x f ... ,... 0 2 1 ,... 3 2Tentukan perkiraan nilai (rata-rata) dari g(X)= 4X+3
( )
[
(
)
]
(
)
8 3 3 4 3 4 2 1 2 = + = + =∫
− dx x x X g E X g μDEFINISI: Misalkan X dan Y adalah variabel acak dengan distribusi probabilitas gabungan f(x,y). rata-rata atau nilai yang diperkirakan dari variabel acak g(X,Y) adalah: ( ) E
[
g(
X Y)
]
g( ) ( )
x y f x y x y Y X g , = , =∑∑
, ,(XY) E
[
g(
X Y)
]
g( ) ( )
x y f x ydxdy g∫ ∫
∞ ∞ − ∞ ∞ − = = , , , ,μ Æ Bila X dan Y menerus
Contoh: Tentukan ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ X Y
E untuk fungsi kepadatan:
( )
(
)
⎪⎩ ⎪ ⎨ ⎧ < < < < + = selainnya y x y x x f ... ,... 0 1 0 , 2 0 ,... 4 3 1 2 Solusi:(
)
8 / 5 4 3 1 1 0 2 0 2 = + = ⎥⎦ ⎤ ⎢⎣ ⎡ ⎟ ⎠ ⎞ ⎜ ⎝ ⎛∫∫
y y dxdy X Y E4.2 Varians dan Covarians
Rata-rata atau nilai yang diperkirakan dari suatu vaiabel acak sangat penting untuk menggambarkan bagaimana pusat distribusi probabilitas. Namun hal itu tidak cukup karena suatu bentuk distribusi bisa jadi rata-ratanya sama tapi memiliki sebaran yang berbeda, karena itu diperlukan ukuran variabilitas dari suatu variabel acak. Hal ini dinyakan dengan varian , Var(X).
DEFINISI: Misalkan X adalah variabel acak dengan distribusi probabilitas f(x) dan rata-rata μ. Varians dari X adalah:
( )
= =[
(
−)
]
=∑
(
−) ( )
x x f x X E XVar σ2 μ 2 μ 2 Æ Bila X diskrit
( )
X E[
(
X)
]
(
x) ( )
f xdx Var∫
∞ ∞ − − = − = =σ2 μ 2 μ 2 Æ Bila X menerusDeviasi standar dari X adalah σ = Var
( )
X = σ2Soal: Misalkan variael acak X menunjukkan jumlah mobil yang digunakan untuk urusan kantor pada suatu waktu tertentu. Distribusi probabilitas untuk perusahaan
A adalah:
x 1 2 3
f(x) 0.3 0.4 0.3 Sedangkan pada perusahaan B adalah:
x 0 1 2 3 4
f(x) 0.2 0.1 0.2 0.3 0.2 Tunjukkan bahwa variansi distribusi probabilitas perusaan B lebih besar dari A
TEOREMA: Varians dari suatu variabel acak X adalah
( )
2 22 μ
σ =E X −
Soal:Permintaan pekanan sebuah perusahaan minuman, dalam ribuan liter, adalah variabel acak X dengan dengan kepadatan probaibilitas sbb:
( )
(
)
⎩ ⎨ ⎧ − < < = selainnya x x x f ... ,... 0 2 1 ... 1 2tentukan rata-rata dan varians dari X.
TEOREMA: Misalkan X adalah variabel acak dengan distribusi probabilitas f(x). Varians dari variabel acak g(X) adalah:
( ) E
{
[
g( )
X ( )]
}
[
g( )
x ( )]
f( )
x x X g X g X g = − =∑
− 2 2 2 μ μ σ Æ Bila X diskrit ( )X E{
[
g( )
X g( )X]
}
[
g( )
x g( )X]
f( )
x dx g∫
∞ ∞ − − = − = 2 2 2 μ μ σ Æ Bila X menerusContoh: Hitung varians dari g(X)=2X + 3, X adalah variabel acak dengan distribusi probabilitas sbb:
x 0 1 2 3
f(x) ¼ 1/8 ½ 1/8 Solusi:
Rata-rata:
(
)
∑
(
) ( )
= + = + = + = 3 0 3 2 2 3 2 3 6 x X E X x f x μ Varians:(
)
[
]
{
}
{
[
(
)
]
}
{
[
]
}
(
4 12 9)
(
4 12 9)
( )
4 6 3 2 6 3 2 3 2 3 0 2 2 2 2 2 3 2 2 3 2 = + − = + − = − + = − + = − + =∑
= + + x f x x x x E x E x E x E x x x μ σDEFINISI: Misalkan X dan Y adalah variabel acak dengan distribusi probabilitas gabungan f(x,y). Covarians dari X dan Y adalah
(
)(
)
[
X Y]
(
x)(
y) ( )
f x y E x y Y X Y X XY = −μ −μ =∑∑
−μ −μ ,σ ÆBila X dan Y diskrit
(
)(
)
[
X Y]
(
x)(
y) ( )
f x y dxdy E X Y X Y XY∫ ∫
, ∞ ∞ − ∞ ∞ − − − = − − = μ μ μ μ σ ÆBila X dan Y menerus.Covarians merupakan suatu ukuran sifat hubungan antara 2 variabel. Bila nilai X tinggi, nilai Y juga tinggi serta bila nilai X - μx, Y - μy juga tinggi; maka hasil kali
(X - μx)(Y - μy) positif. Namun bila hasil kali negatif, nilai nilai X tinggi Æ nilai Y
kecil. Nilai Covarians dapat juga dihitung dengan rumus berikut.
TEOREMA: Covarians dari dua variabel acak X dan Y dengan rata-rata μX dan μY
adalah: σXY =E
( )
XY −μXμYContoh: Fraksi X dari pelari laki-laki dan fraksi Y dari pelari wanita yang bersaing pada pertandingan maraton dinyatakan dengan fungsi kepadatana gabungan berikut:
( )
⎩ ⎨ ⎧ ≤ ≤ ≤ ≤ = selainnya x y x xy y x f ... ,... 0 0 , 1 0 ... 8 ,( )
⎩ ⎨ ⎧ ≤ ≤ = selainnya x x x g ... ,... 0 1 0 ... 4 3( )
(
)
⎩ ⎨ ⎧ − ≤ ≤ = selainnya y y y y h ... ,... 0 1 0 ... 1 4 2 Hitung rata-rata:( )
=∫
= = 1 0 4 ; 5 / 4 4x dx X E x μ =( )
=∫
1(
−)
= 0 2 2 ; 15 / 8 1 4y y dy Y E y μ( )
=∫ ∫
1 = 0 1 2 2 9 / 4 8 y dxdy y x XY E Maka:( )
225 4 15 8 5 4 9 4 = ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ − = − = x y XY E XY μ μ σDEFINISI: Misalkan X dan Y adalah variabel acak dengan Covarians σXY dan
deviasi standar σX dan σY . Koefisien korelasi X dan Y adalah Y X XY XY σ σ σ ρ =
Koefesien korelasi memiliki nilai −1≤ρxy ≤1 , mendekati 1 menunjukkan korelasi yang kuat antara X dan Y.
4.3 Rata-rata dan Varians dari kombinasi linier variabel acak
TEOREMA: bila a dan b adalah konstan, maka:
(
aX b)
aE( )
X bE + = +
TEOREMA: Nilai yang diperkirakan (expected value) dari suatu penjumlahan atau pengurangan dua atau lebih fungsi dari suatu variabel acak X adalah jumlah atau pengurangan nilai yang diperkirakan dari fungsi tersebut.
( ) ( )
[
g X h X]
E[
g( )
X]
E[
h( )
X]
TEOREMA: Nilai yang diperkirakan (expected value) dari suatu penjumlahan atau pengurangan dua atau lebih fungsi dari suatu variabel acak X dan Y adalah jumlah atau pengurangan nilai yang diperkirakan dari fungsi tersebut.
(
) (
)
[
g X Y h X Y]
E[
g(
X Y)
]
E[
h(
X Y)
]
E , ± , = , ± ,
TEOREMA: Misalkan X dan Y adalah dua variabel acak bebas, maka E
( )
XY =E( ) ( )
X E YTEOREMA: bila a dan b adalah konstan, maka:
2 2 2 2 2 σ σ σaX+b =a aX =a
TEOREMA: bila X dan Y adalah variabel acak dengan distribusi probabilitas gabungan f(x,y), maka:
XY Y X bY aX a σ b σ abσ σ2 + = 2 2 + 2 2 +2