Professional Documents
Culture Documents
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) ,
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
NILAI EKSPEKTASI
[()] = (). ()
Contoh 1.
Misalkan fungsi peluang dari peubah acak X berbentuk :
() = 15; x = 1, 2, 3, 4, 5
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
[()] = (). ()
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
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
() = . ()
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 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
() = ( )2 . ()
Dalil 2 :
Jika c adalah sebuah konstanta, maka Var(c) = 0
Dalil 3 :
Jika X adalah peubah acak dan c adalah sebuah konstanta, maka
Var(X + c) = 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
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,
= . ()
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
= . ()
= ( ). ()
= ( ) . ()
() = . ()
() = . ()
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 :
k
1
f ( x)
k
f ( x)dx
k 2
sehingga
k
1
p( k X k ) f ( x)dx 1 k
k
2
Contoh 9:
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
www.google.co.id/search