DASAR-DASAR TEORI PELUANG
Herry P. Suryawan
1
Ruang Peluang
Definisi 1.1 Diberikan himpunan tak kosong Ω. Aljabar-σ (σ-algebra) pada Ω adalah koleksi subhimpunan A dari Ω dengan sifat
(i) ∅, Ω ∈ A
(ii) jika A ∈ A, maka Ac∈ A
(iii) jika A1, A2, . . . ∈ A, maka ∪∞k=1Ak∈ A.
Definisi 1.2 Diberikan aljabar-σ pada Ω. Fungsi P : A → [0, 1] disebut ukuran peluang (probability measure) jika memenuhi:
(i) P (∅) = 0 dan P (Ω) = 1 (ii) jika A1, A2, . . . ∈ A, maka
P ∞ [ k=1 Ak ! ≤ ∞ X k=1 P (Ak).
Kesamaan berlaku jika A1, A2, . . . adalah barisan himpunan yang saling
asing (disjoint) Catatan:
Diberikan A aljabar-σ pada Ω dan P ukuran peluang pada A. • jika A1, A2, . . . ∈ A, maka ∩∞k=1Ak∈ A
• jika A1, A2, . . . , An ∈ A, maka ∪k=1n Ak ∈ A, ∩nk=1Ak∈ A
• jika A1, A2 ∈ A dengan A1 ⊆ A2, maka P (A1) ≤ P (A2)
• jika A1, A2 ∈ A, maka
Definisi 1.3 Diberikan himpunan tak kosong Ω, aljabar-σ A pada Ω, dan ukuran peluang P pada A.
(i) (Ω, A) disebut ruang terukur (measurable space) (ii) (Ω, A, P ) disebut ruang peluang (probability space) Catatan:
Diberikan ruang peluang (Ω, A, P )
• A ∈ A disebut kejadian (event) dan ω ∈ Ω disebut titik sampel (sample point). Seringkali Ω disebut ruang sampel (sample space). • P (A) disebut peluang kejadian A
• Sifat yang berlaku kecuali pada kejadian dengan peluang nol dikatakan berlaku hampir pasti (almost surely).
2
Peubah Acak
Definisi 2.1 Diberikan ruang peluang (Ω, A, P ). Fungsi X : Ω → Rn
dise-but peubah acak (random variable) jika untuk setiap B ∈ B(Rn) berlaku
X−1(B) ∈ A.
Catatan:
• B(Rn) adalah aljabar-σ Borel pada Rn, yakni aljabar-σ terkecil yang
memuat semua himpunan terbuka (open set) pada Rn.
• Peubah acak X : Ω → Rn
tidak lain adalah fungsi terukur-A − B(Rn). • Dalam hal ini seringkali Rn disebut sebagai ruang keadaan (state
space) dari X.
Lema 2.2 Diberikan peubah acak X : Ω → Rn. Koleksi
A(X) := {X−1(B) : B ∈ B(Rn)}
adalah subσ terkecil dari A sehingga X terukur. A(X) disebut aljabar-σ yang dibangun (generated) oleh X.
Definisi 2.3 (i) Koleksi peubah acak {Xt = X(t) : t ≥ 0} disebut proses
stokastik (stochastic process).
(ii) Untuk setiap ω ∈ Ω, fungsi t 7→ Xt(ω) = X(t, ω) disebut lintasan
sampel (sample path). Catatan:
Proses stokastik dapat dipandang sebagai fungsi dua peubah X.(.) : [0, ∞) ×
Ω → Rn yakni (t, ω) 7→ X
t(ω) = X(t, ω).
Definisi 2.4 Diberikan X peubah acak pada ruang peluang (Ω, A, P ). (i) Nilai harapan (expectation / expected value) dari X adalah
E(X) := Z
Ω
X dP.
(ii) Variansi (variance) dari X adalah V (X) :=
Z
Ω
|X − E(X)|2 dP.
Catatan:
• Nilai harapan disebut juga nilai rata-rata (mean value). • V (X) = E(|X − E(X)|2) = E(|X|2) − |E(X)|2.
Lema 2.5 Ketaksamaan Chebyshev Jika X peubah acak dan 1 ≤ p < ∞, maka
P (|X| ≥ λ) ≤ 1
λpE(|X| p
) untuk setiap λ > 0.
Bukti. Ambil sebarang p dengan 1 ≤ p < ∞ dan λ > 0, E(|X|p) = Z Ω |X|p dP ≥ Z {|X|≥λ} |X|p dP ≥ λp Z {|X|≥λ} dP = λpP (|X| ≥ λ).
Definisi 2.6 (i) Fungsi distribusi (distribution function) dari peubah acak X adalah fungsi FX : Rn → [0, 1] dengan
FX(x) := P (X ≤ x),
untuk setiap x ∈ Rn.
(ii) Diberikan sejumlah berhingga peubah acak X1, . . . , Xn : Ω → Rn. Fungsi
distribusi bersama (joint distribution function) dari X1, . . . , Xn
adalah FX1,...,Xm : (R n )m → [0, 1] dengan FX1,...,Xm(x1, . . . , xm) := P (X1 ≤ x1, . . . , Xm ≤ xm).
Definisi 2.7 Diberikan peubah acak X : Ω → Rn dan fungsi distribusi dari X yaitu F := FX. Apabila ada fungsi tak negatif terintegral f : Rn → R
sehingga F (x) = F (x1, . . . , xn) = Z x1 −∞ . . . Z xn −∞ f (y1, . . . , yn) dyn. . . dy1,
maka f disebut fungsi kepadatan (density function) dari X. Catatan:
• P (X ∈ B) =R
Bf (x) dx, untuk setiap B ∈ B(R n).
• Fungsi kepadatan terkait dengan konsep turunan Radon-Nykodim (Radon-Nikodym derivative).
Contoh 2.8 1. Peubah acak X : Ω → R dikatakan berdistribusi nor-mal (nornor-mally distributed) dengan rata-rata (mean) m dan vari-ansi (variance) σ2, ditulis X ∼ N (m, σ2), jika X mempunyai fungsi kepadatan
f (x) = √ 1 2πσ2 e
−|x−m|2
2. Peubah acak X : Ω → Rn dikatakan berdistribusi normal dengan
rata-rata m ∈ Rn dan matriks kovariansi (covariance matrix) C, dengan C suatu matriks simetrik (symmetric) positif definit (definite posi-tive), jika X mempunyai fungsi kepadatan
f (x) = 1 ((2π)ndet C)1/2 e −1 2(x−m)C −1(x−m) , x ∈ Rn
Lema 2.9 Diberikan peubah acak X : Ω → Rn dan fungsi distribusinya F
mempunyai fungsi kepadatan f . Jika g : Rn → R dan Y = g(X) terintegral, maka E(Y ) = Z Rn g(x)f (x) dx. Khususnya, E(X) = Z Rn xf (x) dx dan V (X) = Z Rn |X − E(X)|2f (x) dx.
3
Kebebasan
Definisi 3.1 Peluang bersyarat (conditional probability) dari A apabila diberikan B adalah
P (A|B) = P (A ∩ B) P (B) , asalkan P (B) > 0.
Definisi 3.2 Dua kejadian A dan B dikatakan saling bebas (independent) jika
P (A ∩ B) = P (A).P (B).
Definisi 3.3 Kejadian-kejadian A1, . . . , An, . . . dikatakan saling bebas jika
untuk setiap pemilihan 1 ≤ k1 < k2 < . . . < km berlaku
Definisi 3.4 Barisan aljabar-σ {Ai}i∈N dengan Ai ⊆ A dikatakan saling
bebas jika untuk setiap pemilihan 1 ≤ k1 < k2 < . . . < km dan untuk setiap
pemilihan kejadian Aki ∈ Aki,
P (Ak1 ∩ Ak2 ∩ . . . ∩ Akm) = P (Ak1)P (Ak2) . . . P (Akm).
Definisi 3.5 Barisan peubah acak {Xi}i∈N dengan Xi : Ω → Rn dikatakan
saling bebas jika untuk setiap k ≥ 2 dan untuk setiap pemilihan himpunan Borel B1, . . . , Bk ∈ B(Rn),
P (X1 ∈ B1, . . . , Xk∈ Bk) = P (X1 ∈ B1) . . . P (Xk ∈ Bk).
Dengan kata lain, barisan aljabar-σ {A(Xi)}i∈N saling bebas.
Lema 3.6 Diberikan sejumlah berhingga peubah acak X1, . . . , Xm+n dengan
Xi : Ω → Rk, g : (Rk)n→ R, dan h : (Rk)m → R. Maka
Y := g(X1, . . . , Xn) dan Z := h(Xn+1, . . . , Xn+m)
saling bebas.
Teorema 3.7 Peubah acak X1, . . . , Xm : Ω → Rn saling bebas jika dan
hanya jika
FX1,...,Xm(x1, . . . , xm) = FX1(x1) . . . FXm(xm),
jika dan hanya jika
fX1,...,Xm(x1, . . . , xm) = fX1(x1) . . . fXm(xm),
apabila F mempunyai fungsi kepadatan f .
Teorema 3.8 Jika X1, . . . , Xm adalah peubah acak - peubah acak bernilai
real yang saling bebas dengan E(|Xi|) < ∞ untuk setiap i = 1, . . . , m, maka
E(|X1. . . Xm|) < ∞ dan
E(X1. . . Xm) = E(X1) . . . E(Xm).
Teorema 3.9 Jika X1, . . . , Xm adalah peubah acak - peubah acak bernilai
real yang saling bebas dengan V (Xi) < ∞ untuk setiap i = 1, . . . , m, maka
Teorema 3.10 (Borel-Cantelli) Jika P∞
n=1P (An) < ∞, maka P (lim supn→∞An) = 0.
Bukti. P (lim sup n→∞ An) = P ∞ \ n=1 ∞ [ m=n Am ! ≤ P ∞ [ m=n Am ! ≤ ∞ X m=n P (Am).
Selanjutnya ambil limit n → ∞. Catatan:
• P (lim supn→∞An) seringkali dituliskan dengan P (An i.o.) yang berarti
peluang kejadian An muncul tak hingga kali (i.o. = infinitely often).
Definisi 3.11 Barisan peubah acak {Xn}n∈N yang didefinisikan pada ruang
peluang yang sama dikatakan konvergen di dalam peluang (convergent in probability) ke peubah acak X, ditulis Xn
P
→ X, apabila untuk setiap ε > 0 lim
n→∞P (|Xn− X| > ε) = 0.
Teorema 3.12 Jika Xn P
→ X, maka ada subbarisan {Xnj}j∈N sehingga
Xnj → X hampir pasti.
Bukti. Gunakan Borel-Cantelli.
4
Fungsi Karakteristik
Definisi 4.1 Diberikan peubah acak X : Ω → Rn. Fungsi karakteristik ( characteristic function) dari X adalah
φX(λ) := E eiλX .
Contoh 4.2 Jika X ∼ N (m, σ2), maka φX(λ) = eimλ−
λ2σ2 2 .
Lema 4.3 (i) Jika X1, . . . , Xm adalah peubah acak - peubah acak yang
sal-ing bebas, maka untuk setiap λ ∈ Rn
(ii) Jika X adalah peubah acak bernilai real maka φ(k)(0) = ikE(Xk), k ∈ N0.
(iii) Jika φX(λ) = φY(λ) untuk setiap λ ∈ Rn, maka FX(x) = FY(x) untuk
setiap x ∈ Rn.
Catatan:
• (iii) mengatakan bahwa fungsi karakteristik menentukan (”mengkarak-terisasi ”) fungsi distribusi dari peubah acak.
5
Teorema Limit Pusat
Definisi 5.1 Barisan peubah acak {Xn}n∈N dikatakan berdistribusi secara
identik (identically distributed) jika
FX1(x) = FX2(x) = . . . = FXn(x) = . . . ,
untuk setiap x ∈ Rn.
Teorema 5.2 Hukum Kuat Bilangan Besar/ Strong Law of Large Number
Jika {Xn}n∈N adalah barisan peubah acak terintegral yang saling bebas dan
berdistribusi secara identik, yang terdefinisi pada ruang peluang yang sama serta m := E(Xi), maka
P lim n→∞ X1+ . . . + Xn n = m = 1.
Lema 5.3 Jika {Xn}n∈Nadalah barisan peubah acak bernilai real yang saling
bebas dan berdistribusi secara identik dengan P (Xi = 1) = p, P (Xi = 0) =
q, p + q = 1, maka
E(X1+ . . . + Xn) = np dan V (X1+ . . . + Xn) = npq.
Teorema 5.4 Laplace-De Moivre
Jika {Xn}n∈N adalah barisan peubah acak seperti pada Lema 5.3 dan Sn :=
X1+ . . . + Xn, maka untuk setiap a, b dengan −∞ < a < b < ∞,
lim n→∞P a ≤ S√n− np npq ≤ b = √1 2π Z b a e−x22 dx.
Jadi distribusi dari jumlahan Xn setelah dilakukan renormalisasi untuk akan
konvergen ke distribusi normal standar N (0, 1) untuk n → ∞. Teorema 5.5 Teorema Limit Pusat/Central Limit Theorem
Jika {Xn}n∈N adalah barisan peubah acak bernilai real yang saling bebas dan
berdistribusi secara identik dengan E(Xn) = m, V (Xn) = σ2, dan Sn :=
X1+ . . . + Xn, maka untuk setiap a, b dengan −∞ < a < b < ∞,
lim n→∞P a ≤ Sn√− nm nσ2 ≤ b = √1 2π Z b a e−x22 dx. Daftar Pustaka
• Durret, R. 2010. Probability: Theory and Examples, 4th edition. Cam-bridge University Press.
• Jacod, J. and Protter, P. 2003. Probability Essentials, 2nd edition. Springer Verlag.