Anda di halaman 1dari 18

VARIABEL RANDOM

VARIABEL RANDOM DISKRIT


Pada pembahasan sebelumnya, C mempunyai
elemen-elemen yang bukan bilangan.
Contoh :
- pada pelemparan koin, C = { muka , belakang }
- pada pelemparan dadu, C = { muka1,,muka6}

Bagaimana merubah ruang sampel yang elemennya
bukan bilangan menjadi bilangan?
Definisikan suatu fungsi X yang memetakan ruang sampel C ke
himpunan bilangan riil, atau
X : C
Daerah hasil dari fungsi X dinotasikan dengan A , sehingga dapat
ditulis X(C ) = A .
Fungsi X ini dinamakan variabel random.

Apabila A merupakan himpunan diskrit yaitu himpunan yang
elemen-elemennya berhingga atau tak berhingga tapi dapat
dikorespondensikan satu-satu dengan himpunan bilangan bulat,
maka X dinamakan variabel random diskrit.

Apabila A berupa interval atau gabungan dari beberapa interval
maka X dinamakan variabel random kontinu.
Note : Nilai dari X dinotasikan dengan x .

9
Contoh :

Pada pelemparan koin, ruang sampelnya C = {c;c adalah muka
atau c adalah belakang}.
Misalkan X : C sedemikian hingga

X(c) = 0 jika c adalah muka
= 1 jika c adalah belakang

X disebut fungsi bernilai riil yang didefinisikan pada ruang
sampel C dan nilai dari fungsi X adalah A = {0,1}.
Dalam perhitungan selanjutnya, yang digunakan adalah A
bukan lagi C.

9
Misalkan terdapat suatu fungsi X yang didefinisikan pada
ruang sampel C sedemikian hingga X( c ) = x R .Sehingga
ruang nilai dari X adalah A = . .
Apabila C merupakan himpunan bilangan riil maka A = C.
Apabila C C berhubungan dengan A A, yaitu
maka dimana
menyatakan probabilitas kejadian A.

Notasi lain = = P(A).
: probabilitas yang diinduksi oleh X
e
{ } C e = e c c X x R x ), ( ;
_
c
c
{ } A c X dan c c C e e = ) ( ; C
) ( ) Pr( C P A X = e
) Pr( A X e ) (A P
X
) Pr( A X e
X
P
Akan ditunjukkan bahwa memenuhi definisi fhp.
1. . Jadi .
2. Misalkan A
1
dan A
2
subset dari A yang tidak beririsan atau
. Misalkan .
Berarti .
Jadi
atau . Karena A
1
dan A
2
disjoint sets, maka C
1

dan C
2
juga disjoint sets. Jadi =
Sehinnga .
Secara umum :
apabila



) (A P
X
0 ) ( ) ( > = C P A P
X
{ } =
2 1
A A
) ( ) (
2 1
C P A A P
X
=
{ }
2 1
) ( ; A A c X dan c c C e e = C
{ } { }
2 1
) ( ; ) ( ; A c X dan c c A c X dan c c C e e e e = C C
2 1
C C C =
) ( ) (
2 1
C C P C P = ) ( ) (
2 1
C P C P +
) ( ) ( ) ( ) ( ) (
2 1 2 1 2 1
A P A P C P C P A A P
X X X
+ = + =
... ) ( ) ( ...) (
2 1 2 1
+ + = A P A P A A P
X X X
{ } . , j i A A
j i
= =
0 ) ( > A P
X
3. . Berarti .
Jadi terbukti bahwa adalah fhp.
Contoh:
Sebuah mata uang dilempar 2 kali dan akan diamati jumlah
muka yang muncul.
Ruang sampel / C = {c; c adalah MM,MB,BM atau BB}
Misalkan X adalah variabel random yang menyatakan
banyaknya muka yang muncul.
Jadi, X(c) = 0, jika c adalah BB
= 1, jika c adalah BM atau MB
= 2, jika c adalah MM
Ruang nilai dari X adalah A = {0,1,2} atau A = {x; x = 0,1,2} .


{ } A C C e e = ) ( ; c X dan c c
1 ) ( ) ( = = C A P P
X
) (A P
X
Misalkan A = {1}, berapakah P(A) ?
A = {1} berhubungan dengan C = {c; c adalah BM atau MB},
sehingga P(A) = P( C ) = 2/4.
Atau dapat ditulis :
Karena A = {1}, maka P(A) = Pr(X A) = Pr(X = 1) = 2/4.

Akan ditentukan Pr(X=0) atau Pr(X=2).
Misalkan C
1
= {c; c adalah BB} C
2
= {c; c adalah MB}
C
3
={c;c adalah BM} C
4
={c;c adalah MM}
Dimisalkan bahwa C
1
,C
2
,C
3
dan C
4
equally likely atau P(C
i
)=1/4,
i = 1,2,,4 .

e
Karena X : banyaknya muka yang muncul, maka :
Kejadian A
1
= {0} terjadi jhj kejadian C
1
terjadi
Kejadian A
2
= {1} terjadi jhj kejadian C
2
atau C
3
terjadi
Kejadian A
3
= {2} terjadi jhj kejadian C
4
terjadi
Jadi
Pr(X=0) = P(C
1
) =
Pr(X=1) = = P(C
2
) + P(C
3
) = 2/4
Pr(X=2) = P(C
4
) =

Dalam bentuk tabel atau rumus:
atau
) (
2 2
C C P
x 0 1 2
Pr(X = x) 1/4 1/2 1/4
A e
|
.
|

\
|
|
|
.
|

\
|
= = x
x
x X ,
2
1
2
) Pr(
2
Probability Density Function (pdf)
Misalkan f adalah suatu fungsi yang memetakan dari A ke
himpunan bilangan riil R, atau .
Pengaitan untuk fungsi f harus memenuhi :
1.
2.
3. , dimana P(A) adalah fhp dan
A A .

Apabila ketiga syarat di atas terpenuhi, maka f disebut pdf
(probability density function) atau pmf (probability mass
function) dari variabel random diskrit X.


9 A : f
A e > x x f , 0 ) (

=
A
1 ) (x f

= e =
A
x f A X A P ) ( ) Pr( ) (
c
Contoh :
Dari contoh sebelumnya ,misalkan dimana
A={0,1,2}.
- A
1
={0}, P(A
1
)= = Pr(X=0) = f(0)
Karena Pr(X=0) = , maka f(0) =
- A
2
={1}, P(A
2
) = =Pr(X=1) = f(1)
Karena Pr(X=1) = , maka f(1) =
- A
3
={2}, P(A
3
)= = Pr(X=2) = f(2)
Karena Pr(X=2) = , maka f(2) =

Jadi,


9 A : f
) Pr(
1
A X e
) Pr(
2
A X e
) Pr(
3
A X e

=
|
.
|

\
|
|
|
.
|

\
|
=
lainnya yang x
x
x
x f
, 0
2 , 1 , 0 ,
2
1
2
) (
2
VARIABEL RANDOM KONTINU DAN pdf
Apabila A merupakan interval atau gabungan dari beberapa
interval, maka X yang memetakan dari C ke A disebut variabel
random kontinu.
Misalkan f adalah suatu fungsi dari A ke himpunan bilangan riil
R, atau yang pengaitannya memenuhi :

1.
2.
3. , dimana P(A) adalah fhp dan
A A .
Apabila ketiga hal di atas dipenuhi maka f disebut pdf
(probability density function) dari variabel random kontinu X.

9 A : f
A e > x x f , 0 ) (
}
=
A
1 ) ( dx x f
}
= e =
A
dx x f A X A P ) ( ) Pr( ) (
c
Jika A = {a} maka P (A) = = Pr(X=a) = = 0
Berarti jika X variabel random kontinu maka Pr(X=a) = 0 dan
Pr(a < X< b) = .
Contoh :
Misalkan P(A) adalah fhp dari X dimana ,
dimana f(x) adalah pdf dari X yang didefinisikan sbb :



Misalkan A
1
={x : 0 < x < 1}, A
2
={x : 2 < x < 3}, maka
P(A
1
)= dan P(A
2
)= . Karena maka


) Pr( A X e }
a
a
dx x f ) (
) Pr( b X a s s
}
=
A
dx x f A P ) ( ) (

< <
=
lainnya yang x
x
x
x f
, 0
3 0 ,
9
2
) (
}
=
1
0
9
1
9
2
dx
x
9
5
9
2
3
2
=
}
dx
x
{ } =
2 1
A A
3
2
) ( ) ( ) (
2 1 2 1
= + = A P A P A A P
FUNGSI DISTRIBUSI (Cumulative Distribution
Function/cdf)
Misalkan diberikan suatu fungsi F yang didefinisikan pada
himpunan bilangan riil R. Fungsi ini memetakan dari
himpunan bilangan riil R ke himpunan bilangan riil R,yaitu :

dengan pengaitan dimana X variabel random
dan P adalah fhp.
Fungsi yang didefinisikan di atas disebut fungsi distribusi (cdf)
dari variabel random X yang mempunyai distribusi tertentu.

Untuk variabel random diskrit :
Untuk variabel random kontinu :

9 9 : F
) Pr( ) ( x X x F s =

s
= s =
x w
w f x X x F ) ( ) Pr( ) (
}

= s =
x
dw w f x X x F ) ( ) Pr( ) (
Catatan :
Jika X variabel random kontinu, maka pdf dari X yaitu f(x)
mempunyai paling banyak berhingga titik-titik diskontinu di dalam
suatu interval berhingga.
Hal ini berarti :
1. Fungsi distribusi F(x) kontinu dimana-mana.
2. Turunan dar F(x) terhadap x ada dan sama dengan pdf
f(x) di setiap titik dimana f(x) kontinu, atau F(x) = f(x).

Jika X variabel random diskrit, maka pdf dari X yaitu f(x) bukanlah
turunan dari F(x) terhadap x pada Lebesgue measure, tetapi f(x)
adalah turunan dari F(x) terhadap x pada counting measure (Radon
- Nykodym).
Turunan sering disebut density, karena itulah f(x) yang merupakan
turunan dari F(x) terhadap x disebut probability density function.
Contoh:
Misalkan X variabel random diskrit yang mempunyai pdf sbb :



Tentukan fungsi distribusi (cdf) dari X dan grafiknya !

=
=
lainnya yang x
x
x
x f
, 0
3 , 2 , 1 ,
6
) (
Misalkan X variabel random kontinu yang mempunyai pdf





Tentukan fungsi distribusi (cdf) dari X dan gambarkan!

< <
=
lainnya yang x
x
x
x f
, 0
3 3 ,
18
) (
2
Tugas untuk latihan :
Soal no. 1.47,1.48,1.49,1.50,1.69