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 x 2 , Y 2 , dan kovariansi dari perubah acak X dan Y

dinyatakan .
XY

B. RUMUSAN MASALAH

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. EKSPEKTASI SATU PEUBAH ACAK

NILAI EKSPEKTASI

Definisi 1 : NILAI EKSPEKTASI DISKRIT

Jika X adalah peubah acak diskrit dengan nilai fungsi peluangnya di x adalah p(x) dan u(X)
adalah fungsi dari X, maka nilai ekspektasi dari u(X), yang dinotasikan dengan E[u(X)],
didefinisikan sebagai :

[()] = (). ()

Contoh 1.
Misalkan fungsi peluang dari peubah acak X berbentuk :

() = 15; x = 1, 2, 3, 4, 5

Hitunglah (a) E(X2 1) dan (b) E[X(X + 1)]

Solusi :
a. Berdasarkan definisi nilai ekspektasi diskrit, maka

( 2 1) = ( 2 1). ()


= 5=1( 2 1). 15
1 2 3 4
= (1 1) ( ) + (4 1) ( ) + (9 1) ( ) + (16 1) ( ) +
15 15 15 15
5
(25 1) ( )
15
6 24 60 120
= 0 + 15 + 15 + 15 + 15

= 14

Definisi 2 : NILAI EKSPEKTASI KONTINU

Jika X adalah peubah acak kontinu dengan nilai fungsi densitasnya di x adalah f(x) dan u(X)
adalah fungsi dari X, maka nilai ekspektasi dari u(X), yang dinotasikan dengan E[u(X)],
didefinisikan sebagai :


[()] = (). ()

Contoh 2.
Misalkan fungsi densitas dari peubah acak X berbentuk :
f(x) = 2(1 x); 0 < x < 1
=0 ; x lainnya
Hitunglah (a) E(X2 1) dan (b) E[X(X + 1)]

Solusi :
a. Berdasarkan definisi nilai ekspektasi kontinu, maka :

E(X2 1) = ( 2 1). ()
0 1
= ( 2 1). () + 0 ( 2 1). () + 1 ( 2 1). ()
0 1
= ( 2 1). 0 + 0 ( 2 1). 2(1 ) + 1 ( 2 1). 0
5
= 6

Dalil 1 : SIFAT-SIFAT NILAI EKSPEKTASI

(i) Jika c adalah sebuah konstanta, maka E(c) = c
(ii) Jika c adalah sebuah konstanta dan u(X) adalah fungsi dari X, maka
E[c . u(X)] = c . E[u(X)]
(iii) Jika c1 dan c2 adalah dua buah konstanta serta u1(X) dan u2(X) adalah dua buah
fungsi dari X, maka :
E[c1 . u1(X) + c2 . u2(X)] = c1 . E[u1(X)] + c2 . E[u2(X)]
Bukti :
Misalnya X adalah peubah acak diskrit dengan fungsi peluang dari X di x adalah p(x).
(i) E(c) = . () = . () = (). 1 = (terbukti)
(ii) E[c . u(X)] = . (). () = . (). () = c . E[u(x)]
(iii) Silakan dicoba

Contoh 3.
Perhatikan contoh 1. Hitung E(X2 1) dan E[X(X + 1)] dengan menggunakan sifat-sifat nilai
ekspektasi
Solusi :
a. E(X2 1) = E(X2) E(1)
= E(X2) 1
= 2 . () 1

= (5=1 2 . 15) 1
1
= {(15) (1 + 8 + 27 + 64 + 125)} 1

= 14

Contoh 4.
Perhatikan contoh 2. Hitung E(X2 1) dan E[X(X + 1)] dengan menggunakan sifat-sifat nilai
ekspektasi
Solusi :
a. E(X2 1) = E(X2) E(1)
= E(X2) 1

= ( 2 . ()) 1
0 1
= ( 2 . () + 0 2 . () + 1 2 . ()) 1
0 1
= ( 2 . 0 + 0 2 . 2(1 ) + 1 2 . 0 ) 1
1
= (0 + 2 0 (1 ) + 0) 1
5
= 6

RATAAN
Definisi 1 : RATAAN DISKRIT
Jika X adalah peubah acak diskrit dengan nilai fungsi peluang dari X di x adalah p(x), maka
rataan dari peubah acak X didefinisikan sebagai :

() = . ()

Contoh 1.
Jika Sandy mengundi sebuah dadu yang seimbang, maka tentukan rataan dari munculnya
angka pada mata dadu itu.
Solusi :
Misalnya peubah acak X menunjukkan munculnya angka pada mata dadu. Jadi, nilai-nilai
yang mungkin adalah {x : x = 1, 2, 3, 4, 5, 6}, dengan masing-masing nilai mempunyai
peluang yang sama yaitu 1/6
1 1
Jadi, E(X) = . () = 6=1 . 6 = (6) (1 + 2 + 3 + 4 + 5 + 6) = 3,5

Definisi 2 : RATAAN KONTINU

Jika X adalah peubah acak kontinu dengan nilai fungsi densitas dari X di x adalah f(x), maka
rataan dari peubah acak X didefinisikan sebagai :

() = . ()

Contoh 2.
Misalnya fungsi densitas dari X berbentuk :
f(x) = 20x3 (1 x); 0 < x < 1
=0 ; x lainnya
Hitunglah E(X)

Solusi :

E(X) = . ()
0 1
= . () + 0 . () + 1 . ()
0 1
= .0 + 0 .20 3 (1 ) + 1 .0
1
= 20 0 ( 4 5 )
2
=3

Rataan dari sebuah peubah acak, baik diskrit maupun kontinu biasanya dinotasikan
dengan , sehingga apabila peubah acaknya X, maka = ().
Nilai rataan dari sebuah peubah acak, baik diskrit maupun kontinu tidak selalu ada,
artinya nilai rataan tersebut bisa mempunyai nilai atau juga tidak mempunyai nilai. Nilai
rataan dari sebuah peubah acak itu ada, jika hasil penjumlahannya atau pengintegralannya
ada. Begitu sebaliknya.

Contoh 3.
Misalkan peubah acak X mempunyai nilai-nilai 0!, 1!, 2!, dengan peluangnya sebagai
berikut.
1
() = ( = !) = ; = 0, 1, 2,
!
Tentukan nilai rataan dari X, E(X).

Solusi :
E(X) = !. ()
1
=
=0 ! . !

=
=0
1

= 1
=0 1

= 1 (1 + 1 + 1 + )
=
Jadi nilai E(X) tidak ada.
Contoh 4.
Misalkan fungsi densitas dari X berbentuk :
1
() = ;1 < <
2
=0 ; x lainnya
Tentukan nilai ratan dari X, E(X).

Solusi :
Berdasarkan definisi rataan kontinu, maka :

E(X) = . ()
1
= . () + 1 . ()
1 1
= .0 + 1 ( 2 )

1
= 0 + 1

1
= lim 1

= lim (ln |=1 )

= lim (ln ln 1)

= ln ln 1
 =
Jadi nilai E(X) tidak ada.

VARIANS
Definisi 3 :
Misalkan X adalah peubah acak, baik diskrit maupun kontinu. Varians dari X didefinisikan
sebagai :
() = [ ()]2 () = ( )2
Varians dari peubah acak X sering dinotasikan dengan 2 . Akar pangkat dua yang
positif dari varians disebut simpangan baku dari peubah acak X dan dinotasikan dengan .
Penghitungan varians dari peubah acak diskrit dapat dilihat pada definisi berikut.

Definisi 4 :
Jika X adalah peubah acak diskrit dan p(x) adalah nilai fungsi peluang dari X di x, maka
varians dari X didefinisikan sebagai :

() = ( )2 . ()

Contoh 5.
Misalkan distribusi peluang dari peubah acak X adalah sebagai berikut :
x 1 2 3
1 1 1
p(x)
2 3 6
Hitung Var(X).
Solusi :
Berdasarkan definisi varians diskrit, maka :
Var(X) = ( )2 . ()
Dengan = () = . ()
= 3=1 . ()
= (1) . p(1) + (2) . p(2) + (3) . p(3)
1 1 1
= (1) (2) + (2) (3) + (3) (6)
5
= E(X) = 3
5 2
Jadi, Var(X) = 3=1 ( 3) . ()
 5 2 5 2 5 2
= (1 3) . (1) + (2 3) . (2) + (3 3) . (3)
4 1 1 1 16 1 5
= (9) (2) + (9) (3) + ( 9 ) (6) = 9

Definisi 7: VARIANS KONTINU

Jika X adalah peubah acak kontinu dan f(x) adalah nilai fungsi densitas dari X di x,
maka varians dari X didefenisikan sebagai berikut.

() = ( )2 . ()

Dalil 2 :
Jika c adalah sebuah konstanta, maka Var(c) = 0

Bukti : berdasarkan definisi dari perumusan varians, maka

Var(c) = E[c E(c)]2 = E(c c)2 = E(0) = 0

Dalil 3 :
Jika X adalah peubah acak dan c adalah sebuah konstanta, maka
Var(X + c) = Var(X)

Bukti : berdasarkan definisi dari perumusan varians, maka :

Var(X + c) = E[(X + c) E(X + c)]2
= E[X + c E(X) E(c)]2
= E[X + c E(X) c]2
= E[X E(X)]2
= Var(X)
Dalil 4 :
Jika a dan b adalah dua buah konstanta dan X adalah peubah acak, maka :
Var(aX + b) = a2 . Var(X)

Bukti : berdasarkan definisi dari perumusan varians di atas, maka :

Var(aX + b) = E[(aX + b) E(aX + b)]2
= E[aX + b E(aX) E(b)]2
= E[aX + b a.E(X) b]2
 = E[aX a.E(X)]2
= a2 . E[X E(X)]2
= a2 Var(X)

Contoh 6.
Misalnya Sarah mengundi sebuah dadu yang seimbang. Jika peubah acak X menyatakan
1
kuadrat dari munculnya angka pada mata dadu, maka hitunglah (a) Var(2X); (b) Var(2X 1)

Solusi :
Distribusi peluang dari X berbentuk :
X 1 4 9 16 25 36
1 1 1 1 1 1
p(x)
6 6 6 6 6 6

Berdasarkan definisi rataan diskrit, maka :

i. E(X) = . ()
1 1 1 1 1
= (1) (6) + (4) (6) + (9) (6) + (25) (6) + (36) (6)
91
= 6

Berdasarkan definisi nilai ekspektasi diskrit, maka :

ii. ( 2 ) = 2 . ()
1 1 1 1 1 1
= (1) (6) + (16) (6) + (81) (6) + (196) (6) + (625) (6) + (1296) (6)
2215
= 6
2215 8281 5009
Maka, Var(X) = =
6 36 36

5009 5009
(a) Var(2X) = 4 . Var(X) = (4) ( )=
36 9
1 1 1 5009 5009
(b) Var(2X 1) = 4 () = 4 ( )=
36 144

MOMEN
Definisi 5 : MOMEN
 Jika X adalah peubah acak, baik diskrit maupun kontinu, maka momen ke-k
(dinotasikan dengan ) didefinisikan sebagai :
= ( ), = 1, 2, 3,

Definisi 6 : MOMEN DISKRIT

Jika X adalah peubah acak diskrit dan p(x) adalah nilai fungsi peluang dari X di x,
maka momen ke-k (dinotasikan dengan ) didefinisikan sebagai :

= . ()

Contoh 7.
Berikut diberikan distribusi peluang dari peubah acak X
x 1 2 3 4
p(x) 1 1 1 1
4 8 8 2
Hitung nilai 3
Solusi.
Berdasarkan definisi momen diskrit, maka :

3 = ( 3 ) = 3 . ()

= 4=1 3 . ()
1 1 1 1
= (1)3 (4) + (2)3 (8) + (3)3 (8) + (4)3 (2)
293
= 8

Definisi 7 : MOMEN KONTINU

Jika X adalah peubah acak kontinu dan f(x) adalah nilai fungsi densitas dari X di x, maka
momen ke-k (dinotasikan dengan ) didefinisikan sebagai :

= . ()

Definisi 8 : MOMEN SEKITAR RATAAN

Jika X adalah peubah acak, baik diskrit maupun kontinu, maka momen sekitar rataan ke-k
(dinotasikan dengan ) didefinisikan sebagai :
= ( ) ; = 0, 1, 2, 3,

Definisi 9 : MOMEN SEKITAR RATAAN DISKRIT

Jika X adalah peubah acak diskrit dan p(x) adalah nilai fungsi peluang dari X di x, maka
momen sekitar rataan ke-k (dinotasikan dengan ) didefinisikan sebagai :

= ( ). ()

Definisi 10 : MOMEN SEKITAR RATAAN KONTINU

Jika X adalah peubah acak kontinu dan p(x) adalah nilai fungsi densitas dari X di x, maka
momen sekitar rataan ke-k (dinotasikan dengan ) didefinisikan sebagai :

= ( ) . ()

Definisi 11 : FUNGSI PEMBANGKIT MOMEN

Jika X adalah peubah acak, baik diskrit maupun kontinu, maka fungsi pembangkit momen
dari X (dinotasikan dengan ()) didefinisikan sebagai :
() = ( ) < < > 0
Definisi 12 : FUNGSI PEMBANGKIT MOMEN DISKRIT
Jika X adalah peubah acak diskrit dan p(x) adalah nilai fungsi peluang dari X di x, maka
fungsi pembangkit momen dari X didefinisikan sebagai :

() = . ()

Definisi 13 : FUNGSI PEMBANGKIT MOMEN KONTINU

Jika X adalah peubah acak kontinu dan f(x) adalah nilai fungsi densitas dari X di x, maka
fungsi pembangkit momen dari X didefinisikan sebagai :

() = . ()

Berikut merupakan dua cara pembuktian bahwa fungsi pembangkit momen itu bisa
menghasilkan momen-momen.
1. Jika dari definisi 14, etX diuraikan dengan menggunakan deret MacLaurin, maka akan
diperoleh :
() = ( )
()2 ()3 ()
= (1 + + + ++ +)
2! 3! !
2 3
= (1 + . () + 2! . ( 2 ) + 3! . ( 3 ) + + ! . ( ) + )
 Jika Mx(t) diturunkan terhadap t, kemudian harga t sama dengan nol, maka akan
diperoleh :
2 3 2 . 1
() = () + 2! . ( 2 ) + . ( 3 ) + + . ( ) +
3! !

`(0) + () = 1
6 (1)(2) 2
`() = ( 2 ) + 3! . ( 3 ) + + . ( ) +
!

` (0) = ( 2 ) = 2
Demikian seterusnya, sehingga apabila MX(t) diturunkan terhadap t sebanyak r kali,
kemudian harga t sama dengan nol, maka akan diperoleh :
(0) = ( ) =

2. Dalam hal ini, perumusan pada definisi 6.14 akan diturunkan terhadap t
() = ( )
() = (. )
(0) = (. 0 ) = () = 1
"() = ( 2 . )
"(0) = ( 2 . 0 ) = ( 2 ) = 2
Demikian seterusnya, sehingga apabila MX(t) diturunkan terhadap t sebanyak r kali,
kemudian harga t sama dengan nol, maka akan diperoleh :
(0) = ( ) =

Dalil 5 :
Jika X adalah peubah acak, baik diskrit maupun kontinu dan MX(t) adalah fungsi pembangkit
momennya, maka :
]
()=0 =
Contoh 8.
Misalnya fungsi peluang dari X berbentuk :
1 2
p(x) = 4 . ( ) ; = 0, 1, 2

a. Tentukan fungsi pembangkit momen dari X
b. Hitung 1 dan 2 berdasarkan hasil fungsi pembangkit momen

Solusi.
Berdasarkan definisi fungsi pembangkit momen diskrit, maka
 a. () = . ()
1 2
= 2=0 . 4 . ( )

1 2 2
= 4 [1 + . ( ) + 2 . ( )]
1 2
1
= (4) (1 + 2. + 2 );

]
b. 2 = ()=0
1
= 4 (2 . + 4 . 2 )]
1
= (4 (2 + 4))

= 1,5
Dalil 6 :
Jika X adalah peubah acak dan c adalah sebuah konstanta, maka McX(t) = Mx(ct)
Bukti.
Berdasarkan definisi fungsi pembangkit momen, maka :
McX(t) = E(et.cX) = E(ect.X) = MX(ct)

Dalil 7 :
Jika X adalah peubah acak dan c adalah sebuah konstanta, maka MX + c(t) = ect . MX(t)
Bukti.
Berdasarkan definisi fungsi pembangkit momen, maka :
MX + c (t) = E(et(X + c))
= E(etX . ect)
= ect . E(etX)
= ect . MX(t)
Dalil 8 :
Jika X adalah peubah acak, sedangkan a dan b adalah dua buah konstanta, maka :

(+)() = . ( )

Bukti.
Berdasarkan definisi fungsi pembangkit momen, maka :
||
(+)() = ( )


= ( . )

= . ( )


= . ()

Pertidaksamaan Chebyshev
Definisi 9 : Teori Chebyshev

Peluang bahwa setiap peubah acak X mendapat nilai dalam k simpngan baku dari nilai rataan
1 1
adalah paling sedikit 1 2 , yaitu p( k X k 1 2
k k

Bukti :

Menurut definisi variansi,

2 E ( X ) 2 ( x ) 2 f ( x)dx

k k k 2
( ) f ( x)dx ( x ) 2 f ( x)dx ( x ) f ( x)dx ( x ) 2 f ( x)dx ( x )
2 2 2
f ( x)dx

k k k 2

(x ) f ( x)dx tak negatif. Kemudian X K dengan x k

2
karena integral

k

atau x k dengan ( X ) 2 k 2 2 dalam kedua integral lainnya, maka

k
2 k f ( x)dx f ( x)dx . Jika ruas kanan dibagi dengan k 2 2 , maka diperoleh
2 2 2

k
1


f ( x)

k
f ( x)dx
k 2
sehingga

k
1
p( k X k ) f ( x)dx 1 k

k
2

dengan demikian terbuktilah teorema Chebyshev.

Contoh 9:

Suatu peubah acak X mempunyai rataan 8, variansi 2 9, sedangkan distribusinya

tidak diketahui. Hitunglah a. P(-4<X<20), dan b. P( X 8 6 .
Solusi :

a. Telah diketahui, bahwa 8, variansi 2 9, sehingga 9 9. yang harus dicari

adalah nilai k. Nilai k ini dicari dengan melihat salah satu ujung interval, yaitu -4 atau
20. Berdasarkan teorema Chebyshev diketahui, bahwa
k
1
p( k X k )

k
f ( x)dx 1
k 2
, sehingga k 8 k 3 4

Dengan menyelesaikan persamaan ini diperoleh nilai

k=4. Jadi,
P(4 X 20) P8 (4)(3) X 8 (4)(3) 1
1 15
P(4 X 20)
1 1
Kerena diketahui , bahwa simpangan baku = 3, maka 3k = 6 k = 2, sehingga :
P( X 8 6) 1 P(8 (2)(3) X 8 (2)(3) 1
4

b. P( X 8 6) 1 P( X 8 6) P(6 X 8 6) 1 P(8 6 X 8 6)
B. EKSPEKTASI DUA PEUBAH ACAK
 BAB III

PENUTUP

A. KESIMPULAN

- Jika X suatu perubah acak dengan fungsi probabilitas f(x), maka nilai harapan (rata-
rata) perubah acak X adalah

n
x p(x), jika X peubah acak farik
x
( X )
x f (x)dx , jika X peubah acak malar

- Jika X suatu peubah acak dengan fungsi massa peluang f(x), dengan rata-rata , maka
variansi X adalah 2 E(X2 ) 2
- Kovariansi dua perubah acah X dan Y dengan rata-rata m dan m diberikan oleh
X Y
rumus
E(XY) x y
XY

- Variansi peubah acak X dapat dihitung dari turunan fpm M(t) untuk t =0, yaitu

2 M"(0) M '(0)
2
 DAFTAR PUSTAKA

Tiro, Arif, Muhammad. 2008. PENGANTAR TEORI PELUANG. Makassar : Andira

Publisher.

www.google.co.id/search