1. TEORI PENDUKUNG
•1.1 Pendahuluan
•1.2 Variabel acak
•1.3 Distribusi variabel acak diskrit
•1.4 Distribusi variabel acak kontinu
•1.5 Distribusi multivariat
1
Definisi 1:
Ruang sampel adalah Himpunan semua hasil yang mungkin dari suatu percobaan acak. Notasi : S
Definisi 2:
Kejadian adalah himpunan bagian dari ruang sampel.
Sifat :
Kejadian A dan B dikatakan saling lepas jika
A B1.1 Pendahuluan
3
Jika A suatu kejadian, maka peluang kejadian A, ditulis dengan sifat: P A ( ) atau { } P A
( ) 0 i P A ( ) 1
( ) ( ) 1 dan ( ) 0. ii P S P
( ) Untuk setiap kejadian A, ( ') 1iii P A P A( ).
• Jika A B , maka ( ) P A P B ( ).
• Untuk setiap kejadian A dan B berlaku
• Kejadian A dan B dikatakan saling bebas jika
( ) ( ) ( ) ( ).
P A B P A P B P AB ( ) ( ) ( ).
P AB P A P B
Prostok-1-firda
• Jika A dan B dua kejadian , dengan
( )
( ) P A B P B A
P A
( ) 0, P A
peluang bersyarat B diberikan A, didefinisikan sebagai:
Jika kejadian-kejadian adalah partisi dari ruang sampel S maka untuk kejadian B
sembarang dari S sedemikian sehingga P(B)>0 berlaku:
1
,
2,...,
kA A A
Teorema Bayes :
1
( ). ( )
( )
( )
( ) ( ). ( )
i i
i
i k
i i
i
P B A P A P A B
P A B
P B P B A P A
Definisi 3:
Variabel acak adalah suatu fungsi dari ruang sampel ke himpunan bilangan real. ( R )
Jika X variabel acak, maka nilainya dinyatakan dengan x , dan peluang kejadian X bernilai kurang dari atau sama dengan x dinyakan dengan
Variabel acak dinyatakan dengan huruf kapital, sedangkan nilainya dinyatakan dengan huruf kecil.
5
1.2 Variabel Acak
( ).
P X x
Klasifikasi Variabel Acak:
1. Variabel Acak Diskrit
2. Variabel Acak Kontinu
Variabel acak X dikatakan variabel acak diskrit
jika semua nilai yang mungkin dari X membentuk
himpunan bilangan terbilang (berupa bilangan cacah) .
Variabel acak X dikatakan variabel acak kontinu
jika semua nilai yang mungkin dari X membentuk himpunan bilangan tak terbilang (berupa bilangan real).
7
Definisi 4:
Fungsi kepadatan peluang untuk variabel acak diskrit disebut fungsi massa peluang (fmp) atau probability mass function (pmf), atau fungsi peluang, ditulis :
( ) ( )
p x P X x
Fungsi kepadatan peluang untuk variabel acak kontinu disebut fungsi padat peluang (fpp) atau probability
density function (pdf) atau fungsi densitas, ditulis
f(x).
( ) ( )
b
a
P a X b
f x dx( ) ( ),
F x P X x x
( ) ( ) ( )
t x
F x P X x p t
( ) ( ) ( )
x
F x P X x f t dt
Definisi 5:
Fungsi distribusi komulatif (cdf) dari variabel acak X adalah:
• Untuk variabel acak diskrit :
• Untuk variabel acak kontinu :
9
Definisi 6:
(i) Jika X variabel acak diskrit dengan fungsi masa peluang p(x), maka nilai ekspektasi dari X didefinisikan sebagai:
( ) ( )
x
E X xp x
(ii) Jika X variabel acak kontinu dengan fungsi densitas peluang f(x), maka nilai ekspektasi dari X didefinisikan sebagai:
( ) ( )
E X x f x dx
Prostok-1-firda
2( ) (
2) ( ) Var X E X E X Definisi 7:
Variansi dari variabel acak X dinyatakan sebagai:
Definisi 8:
Fungsi pembangkit momen (fpm/mgf) dari variabel acak X merupakan salah satu bentuk khusus ekspektasi, yaitu
( )
tXM
Xt E e
( ) , e f x dx
tx
tx
( ),
x
e p x
X variabel acak kontinu
X variabel acak diskrit
1.3 Distribusi variabel acak diskrit
11
a. Distribusi Bernoulli
( )
x 1 x, 0,1 p x p q
x
( ) E X p
( ) (1 )
Var X p p pq
• pmf:
• mean:
• variansi:
b. Distribusi Binomial
• pmf:
• mean:
• varians:
( ) n
x n x, 0,1,...,
p x p q x n
x
( )
E X np
( )
Var X npq
Peubah acak X menyatakan banyaknya
sukses dalam n usaha percobaan binomial
13
c. Distribusi Geometri
• pmf:
• mean:
• varians:
( )
x 1, 1, 2,3,...
p x pq
x
( ) 1
E X p
( ) q
2Var X
p
Peubah acak X yang menyatakan banyaknya usaha sampai terjadinya sukses pertama kali
d. Distribusi Poisson
• pmf:
• mean:
• varians:
( ) , 0,1, 2,...
!
e xp x x
x
( )
E X ( )
Var X
Peubah acak X menyatakan banyaknya
sukses dalam n usaha percobaan poison
1.4 Distribusi variabel acak kontinu
15
a. Distribusi Uniform
• pdf:
• mean:
• varians:
( ) 1 ,
f x a x b
b a
( )
2
a b E X
( )
2Var ( )
12
b a X
b. Distribusi Eksponensial
• pdf:
• mean:
• varians:
( )
x, 0
f x e
x
( ) 1
E X
2
( ) 1 Var X
17
c. Distribusi Normal
• pdf:
• mean:
• varians:
( ) 2 12
1
( )
2,
x
f x e x
( )
E X
Var( X )
2Fungsi peluang (Pmf) Mean Variansi Mgf Distribusi Peluang Diskrit
( ) x 1 x, 0,1
p x p q x
p pq q pe
t( ) ,
0,1,...,
x n x
p x n p q x
x n
np npq
(q pet n( ) 1,
1, 2, 3,...
p x pqx
x
1
p
2q
p (1 )
t t
pe
qe
( ) ,
! 0,1, 2,...
e x
p x x
x
e
(1et )( , ) X B n p
( ) X Bernoulli p
( ) X GEO p
( ) X POI
19
Fungsi densitas (Pdf) Mean Variansi Mgf
( ) 1 ,
f x a x b
b a
( ) 2 12
1
( ) 2 ,
x
f x x
e
2 12 2 2t te
1
( ) , 0
( )
k x ek x
f x x
k
k
2k
k
t
( )
x, 0
f x
e x 1
1
2 t
2
a b ( )2 12 b a
( )
bt at
e e
t b a
( , )
X U a b
( ) X EXP
( , ) X GAM k
( , )2
X N
Distribusi Peluang Kontinu
1.5 Distribusi multivariat
a. Jika X dan Y variabel acak diskrit, maka (i) Pmf bersama (gabungan) dari X dan Y :
(ii) Distribusi bersama dari X dan Y :
(iii) Pmf marjinal dari X :
(iv) Pmf marjinal dari Y :
( , ) ( , )
p
XYx y P X x Y y
( , ) ( , )
XY XY
a x b y
F x y p a b
( ) ( , )
X XY
y
p x p x y
( ) ( , )
Y XY
p y
p x y21
(v) Pmf bersyarat dari X diberikan Y=y :
(vi) Distribusi bersyarat dari X diberikan Y=y :
(vii) Ekspektasi bersyarat dari X diberikan Y=y :
|
( , )
( | ) , ( ) 0
( )
XY
X Y Y
Y
p x y
p x y p y
p y
|
( , )
( | ) , ( ) 0
( )
XY
X Y Y
a x Y
p a y
F x y p y
p y
[ | ] .
XY( )
x
E X Y y x p x y
Prostok-1-firda
22
b. Jika X dan Y variabel acak kontinu, maka (i) Pdf bersama (gabungan) dari X dan Y :
(ii) Distribusi bersama dari X dan Y :
(iii) Pdf marjinal dari X :
(iv) Pdf marjinal dari Y :
2 ( , ) ( , )
XY
F x y f x y
y x
( , ) ( , )
y x
XY XY
F x y f s t ds dt
( ) ( , )
X XY
y
f x f x y dy
( ) ( , )
Y XY
f y
f x y dx23
(v) Pdf bersyarat dari X diberikan Y=y :
(vi) Distribusi bersyarat dari X diberikan Y=y :
(vii) Ekspektasi bersyarat dari X diberikan Y=y :
|
( , )
( | ) , ( ) 0
( )
XY X Y
Y
f x y
f x y f y
f y
|
( , )
( )
( )
x
XY X Y
Y
f t y
F x y dt
f y
X Y| ( | )E X Y y xf x y dx
E X [ Y ] E X [ ] E Y [ ]
Kovariansi dari X dan Y:
( , ) [ ] [ ] [ ] Cov X Y E XY E X E Y
Koefisien korelasi dari X dan Y:
( , ) ( , )
( ). ( ) Cov X Y
X Y Var X Var Y
Soal
1. Jika X , Y variabel acak saling bebas dan masing-
masing berdistribusi Poisson dengan mean Tunjukkan bahwa
variabel acak X+Y berdistribusi Poisson dengan mean
25
1
dan .
2
1 2
.
2. Jika X variabel acak non negatif dengan distribusi Asumsikan F x ( ). , tunjukkan bahwa
0
. ( ) (1 ( )) a E X F x dx
10
. (
n)
n(1 ( )) b E X nx F x dx
(0) 0,
F
Prostok-1-firda