Rahmad Hidayat 110803018

Sebuah variabel adalah jika nilai-nilai yang dimiliki

oleh adalah suatu kemungkinan atau peristiwa acak.
Suatu adalah variabel yang dapat memiliki
sejumlah nilai yang dapat dihitung. Dapat dihitung berarti bahwa
nilai-nilai yang dimilikinya adalah bilangan bulat positif. Contoh:
jumlah mobil-mobil yang terjual setiap bulan, jumlah kecelakaan lalu
lintas setahun, jumlah televisi yang diproduksi setiap tahun.
Suatu adalah variabel yang dapat memiliki
nilai yang tak berhingga dengan titik-titik dalam suatu interval garis.
Kata menerus berarti melakukan tanpa terputus-putus. Contoh:
banyaknya minyak yang dipompa setiap jam dari sebuah sumur,
banyaknya energi yang dihasilkan oleh PLN setiap hari.
Distribusi probabilitas variabel acak yang diskrit dapat dinyatakan
dengan sebuah rumus, atau sebuah grafik yang memperlihatkan
probabilitas yang berkaitan dengan setiap nilai dari variabel
acak.
Kumpulan pasangan terurut (, ()) adalah fungsi
probabilitas/fungsi massa probabilitas atau distribusi probabilitas
dari variavel acak diskrit , bila untuk setiap hasil , dipenuhi
persyaratan berikut:
1. 0
2. ()

= 1
3. = = ()
Dalam banyak kasus, kita perlu mengetahui probabilitas dari
suatu variabel acak yang lebih kecil atau sama dengan suatu
nilai riil ; ditulis dengan = . Nilai () tersebut
dinamakan distribusi kumulatif.
Distribusi kumulatif () dari suatu variabel acak diskrit dengan
distribusi probabilitas () adalah
= =

< <
Misalkan = *; + adalah ruang sampel yang
menotasikan 'sukses atau 'gagal' dari suatu percobaan.
Definisikan () = 1 dan () = 0 dan

1 = = 1 =

0 = = 0 = 1
dimana0 1 adalah peluang diperoleh sukses. dikatakan
peubah acak Bernoulli dengan parameter p. Jika dilakukan
percobaan independen dan jika menyatakan banyaknya
sukses yang diperoleh maka dikatakan sebagai peubah acak
Binomial dengan parameter(, ),dimana

=
; , =

Misalkan X peubah acak dengan fungsi peluang

!

untuk = 0,1, 2, dan > 0. disebut peubah acak Poisson
dengan parameter .
Misalkan percobaan-percobaan dilakukan hingga diperoleh
sukses yang pertama. Percobaan-percobaan tersebut saling
bebas dan memiliki peluang sukses . Misalkan menyatakan
banyaknya percobaan yang dilakukan untuk mendapatkan
sukses pertama tersebut, maka dikatakan peubah acak
Geometrik dengan parameter p. Fungsi peluangnya adalah
= = = 1
1
,
untuk = 1, 2, dan > 0.
DEFINISI:
Fungsi () adalah fungsi kepadatan probabilitas (probability
density function) untuk variabel acak kontinu, bila:
1. 0
2. = 1

3. < < =

DEFINISI:
Distribusi kumulatif (cumulative distribution) dari suatu
variabel acak kontinu dengan fungsi kepadatan () adalah
= =

< <
< < = =
()

DEFINISI:
Peubah acak kontinu X adalah peubah acak Normal atau GAUSS
dengan parameter dan
2
jika fungsi peluang

nya sebagai
berikut:

=
1
2
(
2
2
2
) ,
Teorema Limit DeMoivre-Laplace
Jika menyatakan `banyaknya sukses' yang terjadi pada
percobaan independen, dengan peluang sukses adalah , maka
untuk setiap < ,

( )
u u ,
untuk . (pendekatan Normal untuk Binomial akan `baik' jika
1 besar, (1 ) 10)
DEFINISI:
Peubah acak kontinu dikatakan berdistrbusi seragam pada
selang (, ) jika fungsi peluang

nya sebagai berikut:

,
DEFINISI:
Peubah acak kontinu adalah peubah acak Gamma jika
memiliki fungsi peluang
=

I()

, >
dimana dan adalah bilang real positif. Kita katakan
berdistribusi Gamma dengan parameter dan ; x Gamma(,
).
DEFINISI FUNGSI GAMMA:
I =

Catatan: I = I , >
DEFINISI :
Bila dan adalah variabel acak diskrit, distribusi probabilitas
untuk suatu kejadian secara bersamaan dapat dinyatakan
dengan suatu fungsi dengan nilai (, ) untuk setiap pasang
nilai (, ) . Pada umumnya fungsi diatas disebut dengan
distribusi probabilitas gabungan (joint probability
distribution) dari dan .
Dalam kasus diskrit:
, = = , =
nilai (, ) adalah probabilitas dan yang terjadi secara
bersamaan.

Fungsi (, ) adalah distribusi probabilitas gabungan (joint
probability distribution) atau fungsi masa probabilitas
(probability mass function) dari variabel acak diskrit X dan Y,
bila:
1. , 0 (, )
2. , = 1


3. = , = = (, )
Untuk setiap daerah A dalam bidang ,
(, ) = (, )

DEFINISI:
Fungsi (, ) adalah fungsi kepadatan gabungan (joint density
function) dari suatu variabel acak menerus dan bila;
1. , 0 (, )
2. , = 1

3. (, ) = (, )

DEFINISI:
distribusi marginal (marginal distribution) dari saja dan saja
adalah
Untuk kasus diskrit: = (, )

dan = (, )

Untuk kasus kontinu: = ,

dan = ,

Dalam kasus diskrit, istilah marginal digunakan untuk menghitung nilai
dari ()dan () untuk masing-masing kolom dan baris saja.
DEFINISI:
Bila X dan Y adalah dua variabel acak, diskrit atau menerus,
distribusi bersyarat (conditional probability) dari variabel
acak Y, dengan syarat = adalah
, =
(,)
()
, () > 0
Hal yang sama, distribusi bersyarat variabel acak X, dengan
syarat = , adalah
, =
(,)
()
, () > 0
Bila ingin menentukan probabilitas dari variabel acak diskrit X
yang terletak antara a dan b, bila diberikan = , maka
< < , = = ,

Bila X dan Y kontinu:
< < , = = ,

DEFINISI:
bila X dan Y adalah dua variabel acak, diskrit atau menerus dengan
distribusi probabilitas gabungan (, ) dan distribusi marginal adalah
() dan (). Variabel acak X dan Y dikatakan bebas statistik
(statistically independent) jika dan hanya jika;
(, ) = ()() untuk semua (, )
DEFINISI:
Bila
1
,
2
,
3

, adalah variabel acak diskrit atau kontinu, dengan

distibusi probabilitas gabungan (
1
,
2
,
3
,

) dan distribusi
marginal masing-masing
1
(
1
),
2
(
2
),
3
(
3
),

). Variabel acak

1
,
2
,
3

disebut saling bebas statistik (mutually statistically

independent) jika dan hanya jika:

1
,
2
,
3
,

=
1
(
1
),
2
(
2
),
3
(
3
),

)
untuk semua (
1
,
2
,
3
,

)
PELUANG
Pengantar:
Banyak kejadian dalam kehidupan sehari-hari yang sulit
diketahui dengan pasti, terutama kejadian yang akan datang.
Meskipun kejadian-kejadian tersebut tidak pasti, tetapi kita bisa
melihat fakta-fakta yang ada untuk menuju derajat kepastian
atau derajat keyakinan bahwa sesuatu akan terjadi.
Derajat / tingkat kepastian atau keyakinan dari munculnya hasil
percobaan statistik disebut Probabilitas (Peluang), yang
dinyatakan dengan P.

KONSEP DAN DEFINISI
DASAR
Eksperimen/percobaan probabilitas adalah segala kegiatan
dimana suatu hasil (outcome) diperoleh.
Ruang sampel adalah himpunan seluruh kemungkinan
outcome dari suatu eksperimen/percobaan. Biasanya
dinyatakan dengan S. Banyaknya outcome dinyatakan
dengan n(S).
Peristiwa/kejadian adalah himpunan bagian dari outcome
dalam suatu ruang sampel.

DEFINISI PROBABILITAS
Bila kejadian A terjadi dalam m cara dari seluruh n cara yang
mungkin terjadi dan masing-masing n cara itu mempunyai
kesempatan yang sama untuk muncul, maka probabilitas
kejadian A, ditulis P(A), dapat dituliskan :

n
m
S n
A n
A P = =
) (
) (
) (
SIFAT-SIFAT PROBABILITAS
KEJADIAN A
0 s P(A) s 1 , artinya nilai probabilitas kejadian A selalu terletak
antara 0 dan 1
P(A) = 0, artinya dalam hal kejadian A tidak terjadi (himpunan
kosong), maka probabilitas kejadian A adalah 0. Dapat
dikatakan bahwa kejadian A mustahil untuk terjadi.
P(A) = 1, artinya dalam hal kejadian A, maka probabilitas
kejadian A adalah 1. Dapat dikatakan bahwa kejadian A pasti
terjadi.

Dalam definisi aksiomatiknya, Peluang P(A) dari suatu kejadian A
adalah sebuah nilai riil dari yang diberikan kepada A sebagai ukuran
kemungkinan kemunculannya dan memenuhi ketiga aksioma berikut:

B A B) jika B)=P(A)+P( P(A | =
0 ) ( > A P
Aksioma I :
Aksioma II :
1 ) ( = S P
Aksioma III :
(1.1)
(1.2)
(1.3)
Turunan dari sifat-sifat lainnya dari besaran peluang

) ( 1 ) ' ( A P A P =
0 ) ( = | P
1 ) ( s A P
) ( ) ( B P A P s
B A P B) B)=P(A)+P( P(A ) (
B A jika c
2.
1.
3.
4.
5.
(1.4)
(1.5)
(1.7)
(1.6)
(1.8)
Definisi P(A) secara intuitif dengan menggunakan konsep
frekuensi relatif.
Umpamakan bahwa sebuah eksperimen acak dilakukan
berulang-ulang sebanyak n kali. Jika di dalam n pengulangan
tersebut kejadian A muncul sebanyak kali, maka peluang
munculnya A atau P(A) didefinisikan sebagai

n
A P
n
a
n
= lim ) (
Limit pada persamaan di samping boleh jadi tidak ada.
0 ) (
) (
) (
) ( 1. >

= B P
B P
B A P
B A P
0 ) (
) (
) (
) ( 2. >

= A P
A P
B A P
A B P
Dari kedua persamaan di atas didapat:
) ( ) ( ) ( ) ( ) ( A P A B P B P B A P B A P = =
) (
) ( ) (
) (
B P
A P A B P
B A P =
Aturan Bayes
) ( ) ( dan ) ( ) ( B P A B P A P B A P = =
Dari aturan Bayes diperoleh:
) ( ) ( ) ( B P A P B A P =
) ( ) ( ) ( ) ( ) ( A P A B P B P B A P B A P = =
Sehingga:
Misalkan B adalah sembarang kejadian di dalam S
maka:

=
- =
n
i
i i
A P A B P B P
1
) ( ) ( ) (
Yang disebut sebagai peluang total kejadian B.
Misalkan A = , dari aturan Bayes dengan bantuan
peluang total dari kejadian B sehingga didapat
Teorema Bayes sebagai berikut:
Ai

=
=

=
n
i
i i
i i
i
i
A P A B P
A P A B P
B P
A B P
B A P
1
) ( ). (
) ( ). (
) (
) (
) (
DEFINISI:
Nilai harapan/ekspektasi (expected value/expectation) atau ekspektasi
dari peubah acak diskrit/kontinu X adalah
=

()

dan
=

dimana

dan

adalah fungsi peluang dari .

Catatan:
1. Ekspektasi adalah rata-rata tertimbang (weighted average) dari nilai
yang mungkin dari X
2. Ekspektasi = mean = momen pertama
3. Ekspektasi suatu peubah acak adalah nilai rata-rata (long-run
average value) dari percobaan bebas yang berulang
DEFINISI:
Misalkan X dan Y adalah peubah acak-peubah acak kontinu dengan fungsi
peluang bersama
,
(, ). Jika

() > 0 maka ekspektasi bersyarat dari

Y diberikan = adalah ekspektasi dari Y relatif terhadap distribusi
bersyarat Y diberikan = ,


PROPOSISI
Misalkan X dan Y adalah peubah acak-peubah acak kontinu dengan fungsi
peluang bersama
,
(, ). Misalkan ekspektasi dari Y hingga. Maka
= (, = )

atau
= ((, = ))

DEFINISI:
Misalkan X dan Y adalah peubah acak-peubah acak kontinu
dengan fungsi peluang bersama
,
(, ). Jika

() > 0 maka
variansi bersyarat dari Y diberikan = adalah variansi dari Y
relatif terhadap distribusi bersyarat Y diberikan = ,

PROPOSISI
Misalkan X dan Y adalah peubah acak-peubah acak kontinu
dengan fungsi peluang bersama
,
(, ). Misalkan variansi dari
Y hingga. Maka



DEFINISI:
Kovariansi antara peubah acak X dan Y , dinotasikan (, ),
adalah

Catatan:
Jika X dan Y saling bebas maka , = 0 (implikasi).
Sifat-sifat kovariansi

Perhatikan bahwa:





Korelasi antara peubah acak X dan Y , dinotasikan (, ),
didenisikan sebagai

asalkan () dan () bernilai positif. Dapat ditunjukkan
pula bahwa