Anda di halaman 1dari 25

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

2
Definisi 2:
Kejadian adalah himpunan bagian dari ruang sampel.

Sifat :
Kejadian A dan B dikatakan saling lepas jika

A B = C
Prostok-1-firda
1.1 Pendahuluan
3
Jika A suatu kejadian, maka peluang kejadian A,
ditulis dengan sifat:

( ) atau { } P A P A
( ) 0 ( ) 1 i P A s s
( ) ( ) 1 dan ( ) 0. ii P S P = C =
( ) UntuksetiapkejadianA, ( ') 1 ( ). iii P A P A =
Jika

, maka ( ) ( ). A B P A P B c s
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
4
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
, ,...,
k
A 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 s
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).
6
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 s s =
}
8
( ) ( ), F x P X x x = s < < +
( ) ( ) ( )
t x
F x P X x p t
s
= s =

( ) ( ) ( )
x
F x P X x f t dt

= s =
}
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
10
| |
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
( )
( )
tX
X
M t E e = =
( ) ,
tx
e f x dx

}
( ),
tx
x
e p x

X variabel acak
kontinu
X variabel acak diskrit
1.3 Distribusi variabel acak diskrit
11
a. Distribusi Bernoulli
1
( ) , 0,1
x x
p x p q x

= =
( ) = E X p
( ) (1 ) = = Var X p p pq
pmf:
mean:
variansi:
12
b. Distribusi Binomial
pmf:
mean:
varians:
( ) , 0,1,...,
x n x
n
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:
1
( ) , 1, 2, 3,...
x
p x pq x

= =
1
( ) E X
p
=
2
( )
q
Var X
p
=
Peubah acak X yang menyatakan banyaknya usaha
sampai terjadinya sukses pertama kali
14
d. Distribusi Poisson
pmf:
mean:
varians:
( ) , 0,1, 2,...
!
x
e
p 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
2
( )
Var ( )
12

=
b a
X
16
b. Distribusi Eksponensial
pdf:
mean:
varians:
( ) , 0
x
f x e x


= >
1
( ) E X

=
2
1
( ) Var X

=
17
c. Distribusi Normal
pdf:
mean:
varians:
2
( )
1
2
1
2
( ) ,
x
f x x e

o
o t

(
(

= < <
( ) E X =
2
Var( ) o = X
18
Fungsi peluang (Pmf) Mean Variansi Mgf


Distribusi Peluang Diskrit
1
( ) , 0,1
x x
p x p q x

= =
p pq
t
q pe +
( ) ,
0,1,...,
x n x
n
p x p q
x
x n

| |
=
|
\ .
=
np npq
(
n
t
q pe ( +

1
( ) ,
1, 2, 3,...
x
p x pq
x

=
=
1
p
2
q
p
(1 )
t
t
pe
qe
( ) ,
!
0,1, 2,...
x
e
p x
x
x

=
=

(1 )
t
e
e

( , ) 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
( )
1
2
1
2
( ) ,
x
f x
x
e

o
o t

(
(

=
< <

2
o
2 2
1
2
t t
e
o
| |
+
|
\ .
1
( ) , 0
( )
k k x
x e
f x x
k


= >
I
k

2
k

k
t

| |
|

\ .
( ) , 0
x
f x e x


= >
1

2
1


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 o
Distribusi Peluang Kontinu
20
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 :
( , ) ( , )
XY
p x y P X x Y y = = =
( , ) ( , )
XY XY
a x b y
F x y p a b
s s
=

( ) ( , )
X XY
y
p x p x y =

( ) ( , )
Y XY
x
p y p x y =

21
(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
s
= >

[ | ] . ( )
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
c
=
c c
( , ) ( , )
y x
XY XY
F x y f s t ds dt

=
} }
( ) ( , )
X XY
y
f x f x y dy =
}
( ) ( , )
Y XY
x
f y f x y dx =
}
23
(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

= =
}
24
[ ] [ ] [ ] 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 2
dan .
1 2
. +
2. Jika X variabel acak non negatif dengan distribusi
Asumsikan , tunjukkan bahwa
( ). F x
0
. ( ) (1 ( )) a E X F x dx

=
}
1
0
. ( ) (1 ( ))
n n
bE X nx F x dx

=
}
(0) 0, F =
Prostok-1-firda