disusun oleh
MA4181 Pros.Stok.
K. Syuhada, PhD.
Daftar Isi
1 Peluang dan Peubah Acak
1.1 Pendahuluan . . . . . . . . . . . . . . .
1.2 Ruang Sampel dan Peluang . . . . .
1.3 Peubah Acak dan Fungsi Distribusi
1.4 Distribusi Diskrit . . . . . . . . . . . .
1.5 Distribusi Kontinu . . . . . . . . . . .
.
.
.
.
.
1
1
3
5
7
10
1
1
5
7
3 Rantai Markov
3.1 Ilustrasi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2 Definisi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.3 Peluang n-langkah . . . . . . . . . . . . . . . . . . . . . . .
1
1
2
5
ii
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
BAB 1
Peluang dan Peubah Acak
Silabus: Konsep peubah acak, fungsi peluang (probability density function),
fungsi distribusi (cumulative ddistribution function), distribusi diskrit (binomial, Poisson, geometrik), distribusi kontinu (normal, seragam/uniform, eksponensial).
Tujuan:
1. Memahami definisi dan menentukan peubah acak (p.a)
2. Menghitung fungsi peluang (f.p) dan fungsi distribusi (f.d); f.p ke f.d; f.d
ke f.p
3. Menghitung peluang suatu p.a dari distribusi diskrit atau kontinu
1.1
Pendahuluan
Keadaan 0 klaim
1
1
1
2
3
2
4
3
Keadaan apabila...
1 klaim
2
3
4
4
2 klaim
3
4
4
4
3 klaim
4
4
4
4
MA4181 Pros.Stok.
K. Syuhada, PhD.
atau
ln t = + ln t1 + t ,
Model ARCH dan/atau SV sangat tepat untuk memodelkan imbal hasil (return) saham.
(Contoh 4) Model Integer-Valued Autoregressive atau INAR orde satu:
Yt = Yt1 + t ,
dimana
Yt1 = W1 + + WYt1 ,
dengan Wi Bin(1, ), dan t P OI(). Model INAR(1) menggambarkan
bahwa banyaknya pasien yang berada di IGD pada waktu t merupakan jumlah dari banyaknya pasien yang bertahan hidup dengan peluang ditambah
banyaknya pasien yang datang pada waktu (t 1, t]
1.2
Ilustrasi
1. Seorang agen asuransi menawarkan asuransi kesehatan kepada calon
nasabah. Nasabah dapat memilih tepat 2 jenis asuransi dari pilihan
A, B, C atau tidak memilih sama sekali. Proporsi nasabah memilih jenis
asuransi A, B dan C, berturut-turut, adalah 1/4, 1/3 dan 5/12. Hitung
peluang seorang nasabah memilih untuk tidak memilih jenis asuransi.
2. Catatan dalam perusahaan asuransi otomotif memberikan informasi bahwa
(i) setiap pelanggan mengasuransikan setidaknya satu mobil (ii) 70%
pelanggan mengasuransikan lebih dari satu mobil, dan (iii) 20% mengasuransikan jenis sports car. Dari pelanggan yang mengasuransikan lebih
dari satu mobil, 15% mengasuransikan sports car. Hitung peluang bahwa
MA4181 Pros.Stok.
K. Syuhada, PhD.
n(A)
n
n(A)
n(S)
)
Ai =
P (Ai )
i=1
i=1
Teorema
1. P (Ac ) = 1 P (A)
2. Jika A B maka P (A) P (B)
3. P (A B) = P (A) + P (B) P (A B)
MA4181 Pros.Stok.
K. Syuhada, PhD.
1.3
Ilustrasi
1. Maskapai penerbangan Serigala Air mengetahui bahwa lima persen
pemesan tiket tidak akan datang untuk membeli tiketnya. Dengan alasan
ini, maskapai tidak ragu untuk menjual 52 tiket penerbangan pada pesawat dengan kapasitas duduk 50 orang. Berapa peluang akan ada kursi
yang tersedia untuk setiap pemesan tiket yang datang?
2. Misalkan X peubah acak berdistribusi Poisson dengan mean . Parameter berdistribusi eksponensial dengan mean 1. Tunjukkan bahwa
P (X = n) = (1/2)n+1
Peubah Acak
Peubah acak tidaklah acak dan bukanlah peubah
Peubah acak adalah fungsi yang memetakan anggota S ke bilangan
real R
Peubah Acak Diskrit
Peubah acak X dikatakan diskrit jika terdapat barisan terhitung dari bilangan
{ai , i = 1, 2, . . . } sedemikian hingga
(
)
P
{X = ai } =
P (X = ai ) = 1
i
Catatan:
Sebuah peubah acak diskrit tidak selalu berasal ruang sampel diskrit.
FX disebut fungsi distribusi (diskrit) dari X jika terdapat barisan terhitung
{ai , i = 1, 2, . . . } dari bilangan real dan barisan {pi , i = 1, 2, . . . } dari bilangan
positif yang bersesuaian sedemikian hingga
pi = 1
i
dan
FX (x) =
pi
ai x
MA4181 Pros.Stok.
K. Syuhada, PhD.
{
1 })
X b
n
n
(
1)
= lim P X b
n
n
(
1)
= lim F b
n
n
P (X < b) = P
lim
d
FX (x)
dx
K. Syuhada, PhD.
kontinu. Catatan:
1 = FX () =
fX (t) dt
P (a X b) = FX (b) FX (a) =
a
P (X = a) =
fX (t) dt = 0
fX (t) dt
a
Latihan:
1. Tentukan
fungsi
0,
3/5,
F (x) =
7/10,
1,
2. Tentukan
fungsi peluang dari fungsi distribusi berikut:
0,
x<0
13 + x5 , 0 x < 1
F (x) = 53 ,
1x<2
,
2x<3
10
1,
x3
3. Diketahui
fungsi peluang sebagai berikut:
p,
x = 1.9
0.1, x = 0.1
0.3, x = 20p
f (x) =
p,
x=3
4p, x = 4
0,
yang lain
Hitung P (1.9 |X| 3), F (2), F (F (3.1))
1.4
Distribusi Diskrit
(Ilustrasi B-1) Pasien di IGD adalah orang-orang yang dianggap dekat dengan kematian. Kesembuhan dari penyakit yang dideritanya bagi mereka adalah
seperti mimpi. Untuk bisa bertahan hidup dari hari ke hari sudahlah merupakan mukjizat. Asumsikan bahwa setiap orang memiliki peluang untuk dapat
MA4181 Pros.Stok.
K. Syuhada, PhD.
bertahan hidup sampai hari esok sebesar i , dengan i menyatakan orang kei, i = 1, 2, . . .. Jika jumlah pasien IGD pada suatu hari adalah 5 orang, berapa
peluang besok hanya akan ada 2 orang saja yang masih hidup?
(Ilustrasi B-2) Misalkan sebuah mesin dari pesawat akan rusak (saat terbang) dengan peluang 1-p, saling bebas antara mesin satu dan yang lain. Misalkan sebuah pesawat akan melakukan penerbangang sukses jika setidaknya
50% mesin bekerja dengan baik (tidak rusak). Untuk p berapa, sebuah pesawat dengan 4 mesin akan lebih disukai (terbang lebih baik) dibandingkan
dengan pesawat dengan 2 mesin?
Misalkan X menyatakan banyak mesin baik (tidak rusak). Untuk pesawat
bermesin 4:
P (X 2) = P (X = 2) + P (X = 3) + P (X = 4)
= 6p2 (1 p)2 + 4p3 (1 p) + p4
sedangkan untuk pesawat bermesin 2:
P (X 1) = 1 P (X = 0) = 1 (1 p)2
Syarat: * lebih besar dari **. Diperoleh p > 2/3.
Distribusi Binomial
Misalkan S = {sukses, gagal} adalah ruang sampel yang menotasikan sukses
atau gagal dari suatu percobaan.
Definisikan X(sukses) = 1 dan X(gagal) = 0 dan
pX (1) = P (X = 1) = p
pX (0) = P (X = 0) = 1 p
dimana 0 p 1 adalah peluang diperoleh sukses. X dikatakan peubah
acak Bernoulli dengan parameter p. Jika dilakukan n percobaan independen
dan jika X menyatakan banyaknya sukses yang diperoleh maka X dikatakan
sebagai peubah acak Binomial dengan parameter (n, p), dimana
pX (k) = B(k; n, p) = Ckn pk (1 p)nk
(Ilustrasi P-1) Banyaknya kecelakaan yang terjadi di tol setiap hari berdistribusi Poisson dengan parameter = 3. Berapa peluang tidak ada kecelakaan
pada hari ini?
Misalkan X menyatakan banyak kecelakaan.
P (X = 0) = exp(3)
MA4181 Pros.Stok.
K. Syuhada, PhD.
(Ilustrasi P-2) Misalkan X peubah acak Poisson dengan parameter . Tunjukkan bahwa P (X = i) naik secara monoton sebelum kemudian turun secara
monoton untuk i semakin besar.
Distribusi Poisson
Misalkan X peubah acak dengan fungsi peluang
pX (i) = e
i
i!
MA4181 Pros.Stok.
K. Syuhada, PhD.
mendapatkan sukses pertama tersebut, maka X dikatakan peubah acak Geometrik dengan parameter p. Fungsi peluangnya adalah
p(n) = P (X = n) = (1 p)n1 p,
untuk n = 1, 2, . . . dan p > 0.
1.5
Distribusi Kontinu
MA4181 Pros.Stok.
10
K. Syuhada, PhD.
BAB 2
Peluang dan Ekspektasi
Bersyarat
Silabus: Fungsi peluang bersama, fungsi peluang marginal, peluang bersyarat,
ekspektasi, ekspektasi bersyarat, kovariansi, korelasi.
Tujuan:
1. Menentukan fungsi peluang bersama dan fungsi peluang marginal
2. Menghitung peluang bersyarat dan menghitung ekspektasi bersyarat
3. Memahami dan menghitung ekspektasi melalui ekspektasi bersyarat
4. Memahami konsep kovariansi dan korelasi
2.1
Catatan:
1. Kondisi bahwa X dan Y terdefinisi pada ruang sampel yang sama berarti
dua peubah acak tsb memberikan informasi secara bersamaan terhadap keluaran (outcome) dari percobaan yang sama
2. {X = x, Y = y} adalah irisan kejadian {X = x} dan {Y = y}; kejadian
dimana X bernilai x dan Y bernilai y
Fungsi peluang bersama pX,Y memenuhi sifat-sifat berikut:
1. pX,Y (x, y) 0, (x, y)
2. (x, y) R2 : pX,Y (x, y) = 0 terhitung
3.
x,y pX,Y (x, y) = 1
Misalkan X dan Y peubah acak-peubah acak diskrit yang didefinisikan pada
ruang sampel yang sama. Maka,
pX (x) =
pX,Y (x, y), x R dan pY (y) =
pX,Y (x, y), y R
y
adalah fungsi peluang marginal dari X dan fungsi peluang marginal dari Y .
Latihan:
1. Diberikan data ttg jumlah kamar tidur dan kamar mandi dari 50 rumah
yang akan dijual sbb (X kamar tidur, Y kamar mandi):
X\Y
2 3
2
3 0
3
14 12
4
2 11
Total
23
4
0
2
5
5
0
0
1
Total
28
50
K. Syuhada, PhD.
3. Pandang keadaan pada soal 2. Tentukan peluang bahwa (a) kedua komponen elektronik tsb bertahan lebih dari 4 jam? (b) salah satu komponen
bertahan setidaknya 2 kali dari komponen yang lain?
Misalkan X dan Y adalah peubah acak-peubah acak yang terdefinisi di ruang
sampel yang sama. Fungsi distribusi bersama dari X dan Y , FX,Y adalah
FX,Y (x, y) = P (X x, Y y), x, y R
Misalkan X dan Y peubah acak-peubah acak terdefinisi di ruang sampel yang
sama. Untuk semua bilangan riil a, b, c, d dimana a < b dan c < d,
P (a < X b, c < Y d) = FX,Y (b, d) FX,Y (b, c) FX,Y (a, d) + FX,Y (a, c)
atau
P (a X b, c Y d) =
dengan
fX,Y (x, y) =
2
2
FX,Y (x, y) =
FX,Y (x, y).
x y
y x
Suatu fungsi peluang bersama fX,Y (x, y) dari peubah acak X dan Y memenuhi
2 sifat berikut
1. fX,Y (x,
y) 0 untuk semua (x, y) R2
2. fX,Y (x, y) dxdy = 1
Latihan:
1. Misalkan X dan Y memiliki fungsi peluang bersama
f (x, y) = c (y 2 x2 ) ey , y x y, 0 < y <
a.
b.
c.
d.
Tentukan c
Tentukan fungsi peluang marginal X dan Y
Hitung P (Y > 2X)
Apakah X dan Y saling bebas?
K. Syuhada, PhD.
2
y (2x1)/(x1) , x > 1, y > 1
1)
x2 (x
a. Tentukan fX (x)
b. Jika besar klaim awal yang diberikan adalah 2, tentukan peluang
bahwa klaim yang diterima berikutnya adalah antara 1 dan 3.
Fungsi Peluang Bersyarat
Misalkan X dan Y adalah peubah acak-peubah acak diskrit. Jika pX (x) > 0
maka fungsi peluang bersyarat dari Y diberikan X = x (notasi: pY |X (y|x)),
adalah
pY |X (y|x) =
pX,Y (x, y)
, y R
pX (x)
K. Syuhada, PhD.
2.2
Ekspektasi
E(X) =
x pX (x)
x
dan
E(X) =
x fX (x) dx
K. Syuhada, PhD.
5. E(X r ) =
2
0.3
3
0.2
4
0.1
5
0.05
6
0.05
1
( x)r1 exp( x)
(r)
Tentukan E(X k ), k = 2, 3
4. Misalkan X peubah acak berdistribusi Poisson dengan parameter . Tunjukkan bahwa:
( )
(
)
E X n = E (X + 1)n1
MA4181 Pros.Stok.
K. Syuhada, PhD.
0,
0.2,
0.5,
0.6,
F (x) =
0.6 + q,
0.6 + 2q,
1,
x < 2
2 x < 0
0 x < 2.2
2.2. x < 3
3x<4
4 x < 5.5
x 5.5
2.3
Ekspektasi Bersyarat
MA4181 Pros.Stok.
K. Syuhada, PhD.
atau
E(Y ) = E(E(Y |X = x))
Misalkan X dan Y adalah peubah acak-peubah acak kontinu dengan fungsi
peluang bersama fX,Y (x, y). Jika fX (x) > 0 maka variansi bersyarat dari Y
diberikan X = x adalah variansi dari Y relatif terhadap distribusi bersyarat
Y diberikan X = x,
((
)
)2
V ar(Y |X = x) = E Y E(Y |X = x) X = x
Misalkan X dan Y adalah peubah acak-peubah acak kontinu dengan fungsi
peluang bersama fX,Y (x, y). Misalkan variansi dari Y hingga. Maka
V ar(Y ) = E(V ar(Y |X = x)) + V ar(E(Y |X))
Latihan:
1. Misalkan X dan Y peubah acak kontinu dengan fungsi peluang bersama
f (x, y) = ex(y+1) , 0 x, 0 y e 1
a. Tentukan fY (y)
b. Hitung P (X > 1|Y = 21 )
c. Hitung E(X|Y = 12 )
2. K meninggalkan kantor setiap hari kerja antara pukul 6-7 malam. Jika
dia pergi t menit setelah pukul 6 maka waktu untuk mencapai rumah
adalah peubah acak berdistribusi Seragam pada selang (20, 20 + (2t)/3).
Misalkan Y adalah banyak menit setelah pukul 6 dan X banya menit
untuk mencapai rumah, berapa lama waktu mencapai rumah?
3. Jika Xi Bin(ni , p), tentukan E(X1 + X2 |X1 )
4. Jika X dan Y peubah acak-peubah acak Poisson saling bebas dengan
parameter x dan y , tentukan E(X|X + Y = n). Bagaimana jika X
dan Y berdistribusi Geometrik identik dengan parameter p?
MA4181 Pros.Stok.
K. Syuhada, PhD.
Xi ,
Xj
V ar
Xi = Cov
i=1
=
=
i=1
n
j=1
Cov(Xi , Xj )
i=1 j=1
n
V ar(Xi ) +
i=1
Cov(Xi , Xj )
i=j
K. Syuhada, PhD.
asalkan V ar(X) dan V ar(Y ) bernilai positif. Dapat ditunjukkan pula bahwa
1 (X, Y ) 1
Koefisien korelasi adalah ukuran dari derajat kelinieran antara X dan Y . Nilai
(X, Y ) yang dekat dengan +1 atau 1 menunjukkan derajat kelinieran yang
tinggi. Nilai positif korelasi mengindikasikan nilai Y yang cenderung membesar apabila X membesar. Jika (X, Y ) = 0 maka dikatakan X dan Y tidak
berkorelasi.
Latihan:
1. Tunjukkan bahwa
Cov(X, E(Y |X)) = Cov(X, Y )
2. Misalkan X peubah acak normal standar dan I (bebas dari X) sdh
P (I = 1) = P (I = 0) = 1/2.
Didefinisikan
Y = X, jika I = 1; Y = X, jika I = 0
Tunjukkan bahwa
Cov(X, Y ) = 0
MA4181 Pros.Stok.
10
K. Syuhada, PhD.
BAB 3
Rantai Markov
Silabus: Definisi rantai Markov, sifat Markov, peluang transisi n-langkah, persamaan Chapman-Kolmogorov, jenis keadaan, recurrent dan transient, limit
peluang transisi (kestasioneran).
Tujuan:
1. Mempelajari model rantai Markov
2. Menghitung peluang transisi n-langkah
3. Menerapkan persamaan Chapman-Kolmogorov
4. Menentukan keadaan yang dapat diakses dan berkomunikasi
5. Menentukan keadaan-keadaan recurrent dan transient
6. Menghitung peluang transisi untuk jangka panjang
3.1
Ilustrasi
(Ilustrasi 1) Perilaku bunuh diri kini kian menjadi-jadi. Hesti (nama sebenarnya) adalah sebuah contoh. Dia pernah melakukan percobaan bunuh diri,
namun gagal. Menurut pakar, kalau pada suatu waktu seseorang melakukan
percobaan bunuh diri maka besar kemungkinan dia akan melakukannya lagi di
masa mendatang. Jika seseorang belum pernah melakukan percobaan bunuh
diri, di masa mendatang orang tersebut akan mungkin melakukan percobaan
bunuh diri. Deskripsikan fenomena diatas sebagai model peluang (probability
model).
3.2
Definisi
)
(
P Xn+1 = j|Xn = i, Xn1 = in1 , . . . , X1 = i1 , X0 = i0 = Pij ()
distribusi bersyarat Xn+1 , diberikan keadaan-keadaan lampau (past states)
X0 , X1 , . . . , Xn1 dan keadaan sekarang (present state) Xn , hanya bergantung pada keadaan sekarang (Sifat Markov)
keadaan-keadaan (states): i0 , i1 , . . . , in1 , i, j
MA4181 Pros.Stok.
K. Syuhada, PhD.
Pij = 1, i = 0, 1, . . .
j=0
P=
..
..
..
.
.
.
Perhatikan (*):
(
)
P Xn+1 = j|Xn = i, Xn1 = in1 , . . . , X1 = i1 , X0 = i0
(
)
= P Xn+1 = j|Xn = i
= Pij ,
yang disebut sebagai peluang transisi 1-langkah atau one-step transition probability.
Peluang bersama
(
)
P Xn = i, Xn1 = in1 , . . . , X1 = i1 , X0 = i0
dapat dihitung dengan sifat peluang bersyarat berikut.
(
)
P Xn = i, Xn1 = in1 , . . . , X1 = i1 , X0 = i0
(
)
= P Xn1 = in1 , . . . , X1 = i1 , X0 = i0
(
)
P Xn = i | Xn1 = in1 , . . . , X1 = i1 , X0 = i0
(
)
(
)
= P Xn1 = in1 , . . . , X1 = i1 , X0 = i0 P Xn = i | Xn1 = in1
=
= pi0 Pin1 ,in
Latihan:
1. Jika, pada waktu t, Rez mengajukan klaim asuransi, maka Rez akan
mengajukan klaim pada waktu t + 1 dengan peluang ; jika Rez tidak
mengajukan klaim asuransi saat ini maka di masa depan Rez akan mengajukan klaim asuransi dengan peluang . Matriks peluang transisinya
MA4181 Pros.Stok.
K. Syuhada, PhD.
adalah...
(
P=
1
1
dengan keadaan-keadaan:
0 tidak mengajukan klaim
1 mengajukan klaim
2. Suatu rantai Markov dengan keadaan-keadaan 0, 1, 2 memiliki matriks
peluang transisi:
K. Syuhada, PhD.
akan menjadi hari bercuaca baik. Tentukan matriks peluang transisi dari
Rantai Markov yang dibentuk dari keadaan-keadaan diatas.
6. Suatu rantai Markov dengan keadaan-keadaan 0, 1, 2 memiliki matriks
peluang transisi:
3.3
Peluang n-langkah
Persamaan Chapman-Kolmogorov
Misalkan Pijn menyatakan peluang transisi n-langkah suatu proses di keadaan
i akan berada di keadaan j,
Pijn = P (Yk+n = j|Yk = i), n 0, i, j 0.
Persamaan Chapman-Kolmogorov adalah alat untuk menghitung peluang transisi n + m-langkah:
Pijn+m
m
, (Buktikan!)
Pikn Pkj
k=0
m
untuk semua n, m 0 dan semua i, j. Pikn Pkj
menyatakan peluang suatu
proses dalam keadaan i akan berada di keadaan j dalam n+m transisi, melalui
keadaan k dalam n transisi/langkah.
MA4181 Pros.Stok.
K. Syuhada, PhD.
Latihan:
1. Jika hari ini hujan maka besok akan hujan dengan peluang = 0.7; jika
hari ini tidak hujan maka besok akan hujan dengan peluang = 0.4.
Matriks peluang transisi 4 langkah adalah...
2. Keadaan hujan pada suatu hari bergantung pada keadaan hujan dalam
dua hari terakhir. Jika dalam dua hari terakhir hujan maka besok akan
hujan dengan peluang 0.7; Jika hari ini hujan dan kemarin tidak hujan
maka besok akan hujan dengan peluang 0.5; jika hari ini tidak hujan dan
kemarin hujan maka besok akan hujan dengan peluang 0.4; jika dalam
dua hari terakhir tidak hujan maka besok hujan dengan peluang 0.2.
Matriks peluang transisinya adalah sbb:
0.7 0 0.3 0
0.5 0 0.5 0
P=
0 0.4 0 0.6
0 0.2 0 0.8
Jika hari Senin dan Selasa hujan, berapa peluang bahwa hari Kamis akan
hujan?
Peluang Transisi Tak Bersyarat
Misalkan
i = P (X0 = i), i 0,
dimana
i=0 i = 1. Peluang tak bersyarat dapat dihitung dengan mensyaratkan pada keadaan awal,
P (Xn = j) =
i=0
Pijn i
i=0
Latihan:
1. Pandang soal yang lalu dengan matriks peluang transisi:
(
P=
0.7 0.3
0.4 0.6
MA4181 Pros.Stok.
K. Syuhada, PhD.
P2 + P3 + P4 P1
0
P3 + P4
P2
P1
P=
P4
P3 P1 + P2
Misalkan Pi = 1/4, i = 1, 2, 3, 4. Maka matriks peluang transisinya
adalah
3/4 1/4 0
P = 1/2 1/4 1/4
1/4 1/4 1/2
Peluang uangnya akan 1 atau kurang setiap saat selama 4 bulan berikut
4
adalah P31
= 201/256.
MA4181 Pros.Stok.
K. Syuhada, PhD.