Anda di halaman 1dari 233

STATISTIKA MATEMATIKA

Di Susun:
Dr. Ahmad Yani T.,M.Pd.
NIP. 196604011991021001

PROGRAM STUDI PENDIDIKAN MATEMATIKA


JURUSAN PENDIDIKAN MATEMATIKA DAN IPA
FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS TANJUNGPURA
PONTIANAK
2013

KATA PENGANTAR
Assalamualaikum Wr.Wb.
Alhamdulillah, Puji syukur kami ucapkan kehadirat Allah Swt karena atas
rahmat dan hidayahnya lah kami dapat menyelesaikan penyusunan buku ini,
sebagai prasyarat untuk menyelesaikan tugas kuliah Statistika Matematika
Semoga makalah ini dapat bermanfaat bagi para pembaca untuk
kedepannya.
Terima kasih kami ucapkan kepada Bapak Dr. Ahmad Yani . T .selaku
dosen mata kuliah Statistika Matematika yang telah banyak membimbing dalam
perkuliahan.
Kami sebagai penulis menyadari bahwa dalam penyusunan makalah ini
terdapat kekurangan oleh sebab kami sangat membutuhkan kritik dan saran demi
kesempurnaan makalah ini.Akhirnya saya ucapkan terima kasih atas kesediaannya
membaca makalah ini.
Wassalamualaikum Wr.Wb.

Pontianak, Juni 2013


Hormat kami,

DAFTAR ISI

Kata Pengantar......................................................................................................... ii
Daftar Isi .................................................................................................................. ii
Bab 1 Koefisien Korelasi ......................................................................................... 1
Bab 2 Hubungan Harapan Dan Variansi Dari Peubah Acak Khusus (Bahasan 1) 18
Bab 3 Hubungan Harapan Dan Variansi Dari Peubah Acak Khusus (Bahasan 2) 36
Bab 4 Kebebasan Stokastik ................................................................................... 54
Bab 5 Sifat-Sifat Kebebasan Stokastik Dua Peubah Acak .................................... 73
Bab 6 Peubah Acak Diskrit ................................................................................... 82
Bab 7 Distribusi Hipergeometrik & Distribusi Poisson ........................................ 97
Bab 8 Beberapa Model Distribusi Kontinu ......................................................... 116
Bab 9 Distribusi Normal ...................................................................................... 132
Bab 10 Distribusi Gamma, Eksponensial, Dan Chi-Square ................................ 146
Bab 11 Transformasi Peubah ............................................................................... 162
Bab 12 Uji , Distribusi , Distribusi Dan Distribusi S2 ................................ 196
Lampiran .............................................................................................................. 225

ii

BAB I
KOEFISIEN KORELASI

Tujuan pembelajaran secara umumnya mempelajari materi ini adalah


diharapkan mampu memahami konsep korelasi dengan baik. Adapun tujuan
instruksional khususnya adalah sebagai berikut:
1. Diharapkan dapat menjelaskan makna korelasi.
2. Diharapkan dapat menjelaskan dan menghitung koefisien korelasi
3. Diharapkan dapat menjelaskan dan menggunakan hubungan dengan mean
bersyarat E ( Y | x ) yang berupa fungsi linear dari x.
4. Diharapkan dapat menjelaskan dan menggunakan hubungan dengan mean
bersyarat E ( X | y ) yang berupa fungsi linear dari y.
5. Diharapkan dapat menjelaskan dan menggunakan dengan variansi bersyarat
dari Y diketahui X = x. Khususnya bila variansi tersebut berupa fungsi dari x
yang berharga konstan.
6. Diharapkan dapat menjelaskan dan menggunakan dengan variansi bersyarat
dari X diketahui Y = y. Khususnya bila variansi tersebut berupa fungsi dari y
yang berharga konstan.
A. MATERI
Apakah usia pada seseorang ada kaitan dengan berat dan tinggi. Jika ada
kaitannya maka dapat dinyatakan jika usia bertambah pada seseorang maka berat
badan seseorang bertambah. Pernyataan ini hanya berlaku pada seseorang yang
berusia sampai 18 tahun, namun tidak berlaku lagi pada seseorang usia di atas 40
tahun.
Hubungan dan kaitan antara peubah pertama dengan peubah kedua disebut
korelasi. Korelasi pada contoh-contoh di atas dapat berupa garis lurus atau
disekitar garis lurus. Korelasi antara peubah yang ditunjukkan oleh contoh-contoh
di atas adalah positif atau negatif atau nol. Korelasi positif menunjukan bahwa ada
hubungan atau kaitan antara kedua peubah tersebut. Korelasi negatif menunjukkan
bahwa kedua peubah tersebut tidak mempunyai hubungan atau kaitannya. Contoh
hubungan antara jauh perjalanan kendaran bermotor dengan bahan bakar yang ada
di dalam tangkinya. Korelasi nol atau hampir mendekati nol menunjukkan
hubungan antara kedua peubah tidak ada atau tidak menentu (Ruseffendi,
1993:204). Berdasarkan uraian di atas, korelasi itu dapat positif, nol dan negatif.
Jika dinyatakan dalam bilangan bahwa korelasi itu paling kecil -1 dan paling besar
+1. Atau jika r adalah korelasi maka -1 1.
Koefisien korelasi diperlukan untuk mendeteksi apakah suatu kasus
distribusi bersama merupakan kebebasan stokastik atau tidak. Koefisien korelasi
1

juga dapat diartikan sebagai nilai yang menunjukkan kekuatan dan arah hubungan
linier antara dua buah peubah acak.
Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua
variabel atau lebih dengan skala-skala tertentu, misalnya Pearson data harus
berskala interval atau rasio; Spearman dan Kendal menggunakan skala
ordinal; Chi Square menggunakan data nominal.

E X-1 Y-2 dinamakan kovariansi X dan Y, dan ditulis Kov(X,Y). Untuk


menghitung kovariansi, akan lebih mudah menggunakan teorema berikut:

Kov(X,Y) = E(XY) - E(X)E(Y)


Dari teorema di atas, sebelum menentukan kov(X,Y), kita harus menentukan
nilai Ekspektasi X, Ekspektasi Y, dan Ekspektasi XY. Yang perlu diperhatikan
dalam mencari nilai-nilai ekspektasi tersebut adalah bagaimana bentuk soal yang
diberikan. Apakah bentuk kontinu atau diskrit.
Setelah mendapatkan nilai kov(X,Y) kita dapat menentukan koefisen
korelasi dengan cara membagi kov(X,Y) dengan simpangan baku dari X dan
simpangan baku dari Y.
Untuk lebih jelas perhatikan definisi koefisien korelasi:
=

(, )

Dengan 2 dan 2 masing-masing adalah variansi X dan variansi Y, dinamakan


koefisien korelasi antara X dan Y ( 0, 0).
Rumus mencari koefisien korelasi juga dapat dinyatakan dalam bentuk
=


{ 2 ( )2 }{ 2 ( )2 }

Koefisien korelasi menunjukkan kekuatan hubungan linear dan arah


hubungan dua variabel acak. Jika koefisien korelasi positif, maka kedua variabel
mempunyai hubungan searah. Artinya jika nilai variabel X tinggi, maka nilai
2

variabel Y akan tinggi pula. Sebaliknya, jika koefisien korelasi negatif, maka
kedua variabel mempunyai hubungan terbalik. Artinya jika nilai variabel X tinggi,
maka nilai variabel Y akan menjadi rendah (dan sebaliknya).
Koefisien korelasi terletak antara -1 dan 1. Berikut ini adalah arti dari
koefisien korelasi:
1). Jika 0,9 << 1 atau -0,9 << -1 , maka hubungan antara dua peubah acak
sangat kuat.
2). Jika 0,7 << 0,9 atau -0,7 << -0,9, maka hubungan antara dua peubah acak
kuat.
3). Jika 0,5 << 0,7 atau -0,5 << -0,7, maka hubungan antara dua peubah acak
moderat.
4). Jika 0,3 << 0,5 atau -0,3 << -0,5, maka hubungan antara dua peubah acak
lemah.
5). Jika 0 << 0,3 atau 0 << -0,3, maka hubungan antara dua peubah acak sangat
lemah
6). Jika = 0, maka tidak ada hubungan antara dua peubah acak.
CONTOH 1 :
Misalnya X dan Y dua peubah acak diskrit yang memiliki f. k. p bersama sebagai
berikut:
1

f (x)

={

, = 0,1

0,

Hitunglah koefisien korelasi antara X dan Y !


Penyelesaian:
Kita buat dulu tabel distribusi peluang bersama dari X dan Y
3

X
0

a. Jumlah ke bawah membentuk f.k.p marginal X, yaitu:


1

={

f (x)

, = 0,1

0,

Jadi, mean dan variansi X adalah


1

E(X) = 1=0 . 1() = 0. (2) + 1. (2) = 2


1

12 = E(X2) (E(X))2 = 0. (2) + 1. (2) = 2


1

1 = 2
b. Jumlah ke samping membentuk f.k.p marginal Y, yaitu:
1

f (x)

={

, = 0,1

0,

Jadi, mean dan variansi Y adalah


1

E(Y) = 1=0 . 2() = 0. (2) + 1. (2) = 2


1

22 = E(Y2) (E(Y))2 = 0. (2) + 1. (2) = 2

2 = 2
c. Kov(X,Y)
E(XY) = 1=0 1=0 . (, )
= 0.0.f(0,0) + 0.1.f(0,1) + 1.0.f(1,0) + 1.1.f(1,1)
1

=0+2
1

Jadi Kov(X,Y) = E(XY) E(X).E(Y) = 2

1
2

. 2 = 2 4= 4

Akibatnya, koefisien korelasi antara X dan Y adalah:


(, )
=
=
xy

4
1
2

1
= 0,5
2

Pada contoh di atas diperoleh = 0,5. Ini menandakan hubungan yang moderat
antara X dan Y.

CONTOH 2 :
Jika X dan Y peubah acak dengan variansi x2 = 5,y2 = 2 dan kovariansi xy = 4
Tentukan variansi peubah acak Z = 4X 2Y + 11 !
Penyelesaian:
z2 = 4x-2y+11 2
= 4x-2y 2
= 16 x2 - 16 xy + 4 y2
= 16(5) 16(4) + 4(2)
5

= 24
Jadi, variansi peubah acak Z = 4x 2y + 11 yaitu 24

CONTOH 3 :
Berikut ini adalah data tinggi badan dan berat badan mahasiswa P. MTK 2010
Data

170

168

173

172

165

168

165

168

172

148

50

63

80

75

45

68

62

80

85

40

Tinggi Badan

(X)
Berat Badan (Y)

Tentukanlah koefisien korelasi tinggi badan dan berat badan mahasiswa P. MTK
2010, serta berikan kesimpulan!
Penyelesaian :
X

170

168

173

172

165

168

165

168

172

148

=
1.669

50

63

80

75

45

68

62

80

85

40

=
648

2890 2822
0

2992
9

2958 2722
4

2822 2722
4

2822
4

2958 2190 2 =
4

279.0
23

2500 3969

6400

5625 2025

4624 3844

6400

7225 1600 2 =
44.21
2

8500

1058

1384

1290 7425
0

1142

1023 3440

1462 5920 =
0

108.8
83

Dari tabel di atas, diperoleh : = 1.669, = 648, 2 = 279.023, 2 =


44.212, dan = 108.883.
Maka, koefisien korelasinya adalah :
=


{ 2 ( )2 }{ 2 ( )2 }
10(108.883) (1.669)(648)
{10(279.023) (1669)2 }{10(44.212) (648)2 }
1.088.830 1.081.512
{2.790.230 2.785.561}{442.120 419.904}
7.318
(4669)(22.216)
7.318
10.184,621

= 0,72
Karena, nilai = 0,72 terletak di antara 0,7 dan 0,9, maka terdapat hubungan yang
kuat dan berbanding lurus antara tinggi badan dan berat badan mahasiswa P.MTK
2010.
2 = (0,72)2 = 0,5184 = 51,84%, artinya variasi tinggi badan yang dapat
dijelaskan oleh variasi berat badan mahasiswa oleh persamaan regresi = -197,23
+ 1,57X adalah sebesar 51,84%. Sisanya sebesar 48,16% dijelaskan oleh faktor
lain di luar variabel pada persamaan regresi tersebut.

Sifat-Sifat Koefisien Korelasi


Teorema 1.6.1:
Jika E ( Y | x ) berupa fungsi linier dari x maka
E ( Y | x ) 2

2
( x 1 )
1

Bukti:
Misalkan E ( Y | x ) merupakan fungsi linier dari x.
Maka E ( Y | x ) = a + bx. Akan dicari nilai a dan b.
Karena

E(Y|x)

y f ( Y | x ) dy

1
y f ( x , y ) dy
f ( x)

Atau

1
y f ( x , y ) dy = a + bx
f ( x)

f ( x , y ) dy = (a + bx) f(x) .. (1)

Kedua ruas pers (1) kita integrasikan terhadap x dari - sampai , maka:

y f ( x , y ) dy dx =

(a + bx) f (x) dx

E(Y) = a+bE(X)

Atau

2 a b1 (2)
Selanjutnya jika kedua ruas pers (1) dikalikan dengan x kemudian kita
integrasikan terhadap x dari - sampai maka:

xy f ( x , y ) dy dx =

x (a + bx) f (x) dx

Atau
E ( XY ) = a E ( X ) + b E ( 2 )

atau

1 2 12 a1 b(12 12 ) (3)
Ingat:

kov( X , Y )
atau Kov ( X, Y ) = ( X ) (Y )
( X ) (Y )
Kov ( X, Y ) = E ( XY ) - E ( X ) E ( Y )

Jadi

E ( XY ) = 1 2 12

Dari pers (2) dan (3) diperoleh


a 2

1 1

dan

E ( Y | x ) = a + bx
2

1 + 2 x
1
1

2
( x 1 )
1

2
1

Jika E ( Y | x ) berupa fungsi linier dari x maka


E ( Y | x ) = 2

2
( x 1 ) Terbukti.
1

Teorema 1.6.2:
Jika E ( X | y ) berupa fungsi linier dari y maka
E ( X | y ) 1

1
( x 2 )
2

Bukti:
Misalkan E ( X | y ) merupakan fungsi linier dari y.
Maka E ( X | y ) = a + by. Akan dicari nilai a dan b.
Karena

1
E ( X | y ) x f ( X | y ) dx
x f ( x , y ) dx
f ( y )

Atau

1
x f ( x , y ) dx = a + by
f ( y )

f ( x , y ) dx = (a + by) f(y) .. (1)

Kedua ruas pers (1) kita integrasikan terhadap y dari - sampai , maka:

x f ( x , y ) dx dy =

(a + by) f (y) dy

10

E(X) = a+bE(Y)
Atau

1 a b2 (2)
Selanjutnya jika kedua ruas pers (1) dikalikan dengan y kemudian kita
integrasikan terhadap y dari - sampai maka:

yx f ( x , y ) dx dy =

y (a + by) f (y) dy

Atau
E ( XY ) = a E ( Y ) + b E ( Y 2 )

atau

21 2 1 a2 b( 22 22 ) (3)
Ingat:

kov( X , Y )
atau Kov ( X, Y ) = ( X ) (Y )
( X ) (Y )
Kov ( X, Y ) = E ( XY ) - E ( X ) E ( Y )

Jadi

E ( XY ) = 21 2 1

Dari pers (2) dan (3) diperoleh


a 1

2 2

dan

E ( X | y ) = a + by
1

2 + 1 y
2
2

11

1
2

1
( y 2 )
2

Jika E ( X | y ) berupa fungsi linier dari y maka


E ( X | y ) = 1

1
( y 2 ) Terbukti.
2

Teorema 1.6.3
Misalkan E(|x) berupa fungsi linear dari x. Jika k(x) = E [{ (|)}2 |]
maka E[()]=22 (1 2 )
Bukti :

Ingat : E (|) = 2 + 2 ( 1 )
1

K(x)

= E [{ (|)}2 |]
~

=~ { 2 2 ( 1 )} (|)
1

=() ~ {( 2 ) 2 ( 1 )} (|)
1

Jika kedua ruas kita kalikan dengan f(x) kemudian kita integrasikan terhadap x
dari ~ sampai

, maka

()() =
~

{ 2

~ ~
~

{( 2 )2 2

~ ~

+ 2

2
2
( 1 )} (|)
1

2
( 1 )( 2 )
1

2
( 1 )2 } (, )
1

12

= E[( 2 )2 2 2 ( 1 )( 2 ) + 2 2 [( 1 )2 ] ]
1

=22 2 2 (1 2 ) + 2 22 12
1

Ingat

(1 )(2 )

1 2

=22 212 22 + 2 22
=22 2 22
= 2 (1 2 )
~

Karena ~ ()() = [()] berarti [()]= 2 (1 2 ) (terbukti)

CONTOH 4 :
1

Misalkan E(|x) = 4x+3 dan E (|y) = 16 3


Hitunglah 1 , 2 , !
Penyelesaian :

Diketahui : E (|) = 2 + 2 ( 1 )
1

E (|) = 1 + 1 ( 2 )
2

sehingga E (|1 ) = 2
E (|1 ) = 1
1

sehingga E(|1 ) = 4x+3 dan E (|2 ) = 16 3


(1 )= 4x+3 dan E (2 ) =

1
16

13

Kemudian diperoleh 1 =

15
4

2 = 12

Untuk menghitung perhatikan persamaan 1 dan 2 dengan mengalikan koefisien


dari x dan koefisien dari y.
=

2
1

1
2

= 2
1

Akibatnya 2 = 4. 16= 4 = 2

14

LATIHAN SOAL

Misalnya X dan Y dua peubah acak diskrit yang memiliki f. k. p bersama sebagai
berikut:
1

f(x) ={4 ,

= (0,0), (1,1), (2,2), (3,3)


0,

1. Berapakah mean dari x?


a.

1
2

b. 1
c.

3
2

d. 2
2. Berapakah mean dari y?
a.

1
2

b. 1
c.

3
2

d. 2
3. Berapakah variansi dari x?
a.
b.
c.
d.

1
4
3
4
5
4
7
4

4. Berapakah variansi dari y?


a.
b.
c.
d.

1
4
3
4
5
4
7
4

5. Berapakah ekspetasi xy?


a.
b.

1
2
3
2

15

c.
d.

5
2
7
2

6. Berapakah kovariansi x dan y?


a.
b.
c.

1
2
1
3
5
4

d. 1
7. Berapakah koefisien korelasi antara x dan y?
a. 1
b.
c.
d.

1
3
1
2
1
4

8. Jika X dan Y peubah acak dengan variansi x2 = 3,y2 = 3 dan kovariansi xy =


3.Tentukan variansi peubah acak Z = 2X 3Y + 7!
a. 1
b. 2
c. 3
d. 4

PEMBAHASAN

Tabel distribusi peluang bersama dari X dan Y


X
0

1
4

1
4

Y
0

16

1
4

1
4

1
4

1
4

1
4

1
4

1
4

1
4

1
4

1
4

1. Mean dari x
1

E(X) = 3=0 . 1() = 0. (4) + 1. (4) + 2. (4) + 3. (4) = 2


2. Mean dari y
E(X) = 3=0 . 2() = 0. (4) + 1. (4) + 2. (4) + 3. (4) = 2
3. Variansi dari x
3 2

x2 = E(X2) (E(X))2 = [0. (4) + 1. (4) + 4. (4) + 9. (4)] (2) =

5
4

4. Variansi dari y
1

3 2

y2 = E(Y2) (E(Y))2 = [0. (4) + 1. (4) + 4. (4) + 9. (4)] (2) =

5
4

5. Ekspetasi xy
E(XY) = 3=0 3=0 . (, )
= 0.0.f(0,0) + 0.1.f(0,1) + 0.2.f(0,2) + 0.3.f(0,3) + 1.0.f(1,0) +
1.1.f(1,1) + 1.2.f(1,2) + 1.3.f(1,3) + 2.0.f(2,0) + 2.1.f(2,1) +
2.2.f(2,2) + 2.3.f(2,3) + 3.0.f(3,0) + 3.1.f(3,1) + 3.2.f(3,2) +
3.3.f(3,3)
1

= 0 + 0 + 0 + 0 + 0 + 1. 4 + 0 + 0 + 0 + 0 + 4.4 + 0 + 0 + 0 + 0 + 9.4
1

=4+4+4
7

=2
16

6. Kov(X,Y) = E(XY) E(X).E(Y) = 2

3
2

.2 =

14
4

7. Koefisien korelasi antara X dan Y


(, )
=
=
xy

4
5

=
5

.
4
4

4
5
4

8. z2 = 2x-3y+7 2
= 2x-3y 2
= 4x2 - 12 xy + 9y2
= 4(3) 12(3) + 9(3)
=3
Jadi, variansi peubah acak Z = 4x 2y + 11 yaitu 3

17

4= 4

=1

BAB 2
HUBUNGAN HARAPAN DAN VARIANSI DARI PEUBAH ACAK KHUSUS
(bahasan 1)

1. Tujuan
Adapun tujuan dari mempelajari materi hubungan harapan dan variansi
dari peubah acak adalah :
a. Mengetahui bagaimana hubungan harapan dan variansi dari peubah
acak.
b. Memenuhi tugas mata kuliah statistik matematika

2. Materi

Untuk menentukan nilai variansi dari peubah acak khusus terlebih dahulu
kita harus dapat mecari nilai harapannya (ekspektasi). Hubungan harapan
dan variansi dari peubah acak khusus ditunjukkan oleh rumus sebagai
berikut :

() = ( 2 ) (())

2 = ( 2 ) 2

() = . ()

Disini terdapat beberapa teorema yang akan menunjukkan hubungan


harapan dan variansi, beberapa teorema tersebut diataranya :

18

Teorema 1.7.1 :
(1 )1 , = 0, 1
Jika berdistribusi Bernoulli () = {
0, untuk yang lain
Maka () = dan () =
Bukti :
E(X) = . ()
1

E (X) =

xp

(1 p)1 x

x 0

= 0 p0 (1 p)10 1 p(1 p)11


= 0(1 p) 1. p
= p
Jadi E (X) = p.

E (X2) =

p x (1 p)1 x

x 0

= 02 p0 (1 p)10 12 p(1 p)11


= 0(1 p) 1. p
= p
Jadi E (X2) = p.
Var (X) = E (X2) - E X 2
= p p2

19

= p (1 p)
Ingat : q = 1 p.

= pq

p x (1 p)1 x , x 0,1.
Jadi, jika X berdistribusi Bernoulli p(x) =
0, untuk x yang lain
maka E (X) = p dan Var (X) = pq.

Teorema 1.7.2 :
() (1 ) , = 1, 2, 3, ,
Jika berdistribusi binomial () = {
0, untuk yang lain
maka () = dan () =

Bukti :
E (X) = . ()
n

E (X) =

x 0

(1 p) n x

n 1

n x 1 p
x 1

x x p

n 1

q n x

q n 1 x 1

n x 1 p
x 1

(1 ) = q

n
n 1 x 1 n1 x 1
p q
= np
x 0 x 1

20

n 1
n 1 x 1 n1 x 1
p q
= np
x 10 x 1

n 1 k n 1k
p q
= np
k 0 k
n 1

= np p q n1
= np
Jadi E (X) = np.
n

E (X2) =

x
x 0

n x
p (1 p) n x
x

n
xx 1 x x p
n

x 0

(1 p) n x

n
n x
n
n x
n x

x
x

1
p
(
1

p
)

x p x 1 p

x
x 0
x 0 x

n

n
n 2 x
p (1 p) n x E ( X )
= n(n 1)
x 2 x 2
n
n 2 x 2 n2 x 2
p q
E( X )
= n(n 1) p 2
x 2 x 2

= n(n 1) p 2

n2

n 2

x 2 p

x 20

x 2

q n2 x 2 E ( X )

n2 n 2

k n2 k
p q
E ( X ) , k = x-2
= n(n 1) p 2
k 0 x 2

= n(n 1) p 2 ( p q) n2 np

21

= n 2 p 2 np 2 np
= n 2 p 2 np1 p
= n 2 p 2 npq
Jadi E (X2) = n 2 p 2 npq
Var (X) = E (X2) - E X 2
= n 2 p 2 npq - (np)2
= npq.

n x
p (1 p) n x , x 0,1,2,..., n.
Jadi, jika X berdistribusi Bernoulli p(x) = x

0, untuk x yang lain

maka E (X) = np dan Var (X) = npq. Terbukti.

Teorema 1.7.3 :

Jika berdistribusi poisson () = {

maka () = dan () =

Bukti :

M x (t ) E (etx )

22

! , = 0, 1, 2,
0, untuk yang lain

x
~
etx. e
x!
x0
t x
~
e . ( (e ) )
x!
x0
t
e .ee
t
ee .e
t
e (e 1)

Jika x~p(x) maka f.p.m adalah

(et 1)

M (t ) e
x
akibatnya :

M ' (t ) (et )e

(et 1)

Jika t = 0 maka

0
M ' (0) (e0 )e (e 1)
M ' (0) (.1)1
M ' (0)
t
t
M "(t ) (et )e (e 1) (et )2 e (e 1)
Jika t = 0 maka

M "(0) 2 E ( x 2 )
2 M "(0) 2 2 2
Jadi, jika x berdistribusi poisson

f ( x)

.e , x0,1,2,...

x!
0, untuk x yang lain
maka dan . Terbukti
23

Teorema 1.7.4 :
1

, b x c, b c
Jika X berdistribusi seragam f (x) = c b

0, untuk x yang lain

maka E (X) =

bc
c b
dan Var (X) =
2
12

Bukti :
c

E( X ) x
b

1
1 1 2c
dx
x
cb
2 cb b

1 2 2
[
]
2

1 ( + )( )
( )
2
1
= ( + )
2

E(

2)

= 2
b

1
1 1
=
3 bc

1 1
( 3 3 )
3
=

1 1
( 2 + + 2 )( )
3
=

1 2
( + + 2 )
3

24

Var () = E[x] [E()]2


2
1 2
1
2
= ( + + ) [ ( + )]
3
2

1
( )2
12

, ,
Jadi, jika berdistribusi seragam () = { 0, untuk yang lain

Maka () =

+
2

dan Var () =

()2
12

terbukti

25

SOAL-SOAL DAN PEMBAHASANNYA

A. Pilihan berganda
Jawablah pertanyaan di bawah ini dengan memilih jawaban yang tepat
dengan memberi tanda silang pada huruf A, B, C, D, atau E.

1. Probabilitas untuk memperoleh sedikitnya 4 kali tanda gambar


dalam 6 kali pelemparan sebuah koin adalah......

A. 11/32

D. 22/32

B. 11/64

E. 22/96

C. 11/96

Jawaban : A
Penyelesaian :
Misalnya X menyatakan banyak tanda gambar yang muncul
Dalam hal ini, = 4, = 6 dan = 1/2
Fungsi peluang dari X adalah :
1

1 6

() = (6) (2) (2)

; x = 4, 5, 6

Jadi : P(X 4) = P(X = 4, 5, 6)


= P(X = 4) + P(X = 5) + P(X = 6)
1 4 1 2

1 5 1 1

1 6 1 0

= (64) (2) (2) + (65) (2) (2) + (66) (2) (2)


15

= 64 + 64 +
22

11

P(X 4) =64 = 32

26

1
64

2. Misalkan X adalah peubah acak berdistribusi poisson dengan


parameter . Jika P (X = 0) = 0,2, maka nilai P ( X = 2 ) adalah.
Jawab :
A. 0,2584

D. 0,2376

B. 0,3256

E. 0,4432

C. 0,3342

Jawaban : A
Penyelesaian :
P(X) = P(X = x) =

; x = 0, 1, 2, 3,

P(X = 0) = 0,2
0
0!

= 0,2

= 0,2
= 1,6
Jadi :
P(X= 2) =

(1,6)2 1,6
2!

= 0, 2584

3. Misalkan fungsi densitas dari X berbentuk :


1

g (x) = 4 ; 0< < 4


= 0, x lainnya
Berapakah nilai P ( 1< < 3)

27

Jawab :
A. 2/3

C. 3/4

B. 1/2

D. 3/2

E. 4/5

Jawaban : B
Penyelesaian :
Berdasarkan sifat dari fungsi densitas, maka :
31

P( 1< < 3) = 1

dx
1

= [4 ]

= [4 . 3] [4 . 1]
3
1
=[ ][ ]
4
4
2
=[ ]
4
1
=[ ]
2
2

P( 1< < 3) = 4 = 2

1. Suatu suku cadang dapat menahan uji guncangan tertentu dengan


probabilitas 0.75. Hitung probabilitas bahwa tepat 2 dari 4 suku
cadang yang diuji tidak akan rusak.
a.
b.
c.

27
128
27
127

25

d.128
25

e.125

28
127

28

Jawaban : A
Penyelesaian :
Misalnya X menyatakan banyak tanda gambar yang muncul
Dalam hal ini, = 2, = 4 dan = 0,75 = 3/4
Fungsi peluang dari X adalah :
() = ()() (1 ) ; x = 2
3 2 1 42

(2) = (42) (4) (4)

4! 3 2 1 2
27
(2) =
( ) ( ) =
2! 2! 4
4
128

B. Selesaikanlah soal di bawah ini!

1. Apakah artinya Y ~ P(y, 2)? Kemudian tuliskan bentuk fungsi


peluangnya. Fungsi peluang dari Y.
Penyelesaian :
Y ~ P(y, 2) artinya peubah acak Y berdistribusi poisson dengan
parameter = 2
Fungsi peluang dari Y berbentuk :
P(y) =

2 2
!

; y = 0, 1, 2, 3,

2. Apakah artinya Y ~ B(y, 6, 4 ) kemudian tuliskan bentuk fungsi


peluangnya.
Penyelesaian :
1

Y ~ B(y, 6, 4 ) artinya peubah acak Y mengikuti distribusi binomial


dengan banyak pengulangan eksperimennya sampai 6 kali, peluang
1

terjadinya peristiwa sukses sebesar 4 dan banyak peristiwa sukses y.

29

Fungsi peluang dari Y adalah :


1

3 6

P(y) = (6) (4) (4)

; y = 0, 1, 2, 3, 4, 5, 6,

3. Misalkan Y~ B(y, 1, 4 )
Tentukan fungsi distribusi dari Y.
Penyelesaian :
Fungsi peluang dari Y adalah :

3 1

P(y) = P(Y=y) = (4) (4)

; y = 0,1

Jadi : p(0) = 4
1

P(1) = 4
Distribusi peluang dari Y adalah :
Y

P(y)

1
3
4

1
4

Fungsi distribusi dari Y adalah


Untuk y < 0
F(y) = 0
Untuk 0 y < 1
F(y) = 1 () = 10 () = p(0)
3

F(y) = 4
30

Untuk y 1
F(y) = 1 () = 11 ()
= p(0) + p(1)
3

=4+4
F(y) = 1
Sehingga : F(y) = 0, y < 0
3

=4;0 <1
=1;y1

4. Misalkan fungsi densitas dari X berbentuk :


1

g(x) = 5 , 0 <x < 6


= 0 , x lainnya
Hitung P( 1< x < 4) !
Penyelesaian :
Berdasarkan sifat dari fungsi densitas , maka :
41

P( 1 < x < 5) = 1

1
= (] =14)
4

P( 1< x < 5) = 4

31

5. Misalkan x adalah peubah acak berdistribusi normal dengan rataan 3


dan varian 5. Jika y = 3x2-2 , maka E(y) adalah.
penyelesaian :
diketahui E(x)= 3 dan var(x)=5
maka : var(x)= E(x2) (E(x))2
5= E(x2) 9
E(x2)= 14

Sehingga E(y) = E(2x2-1)


= E(2x2) 1
= 2(14) 1
E(y) = 27

6. Hitunglah probabilitas peristiwa binomial!


1

= 2 , = 2 , = 2, = 5
penyelesaian :
1

Diket: = 2 , = 2 , = 2, = 5
Ditanyakan: () = probabilitas peristiwa binomial
Jawab:

() = ( ) (1 ) , 1 =

32

2
1 52
5 1
(2) = ( ) ( ) ( )
2 2
2

5.4.3! 1 1
.( )( )
2! .3! 4 8
5
(2) =
16
(2) =

Jadi, probabilitas peristiwa binomial tersebut adalah 16


7. Dalam pengetosan 3 buah uang logam, berapakah probabilitas untuk
memperoleh 2 buah H?
Penyelesaian:
1

Diket: = 2

Peluang satu koin muncul H

=2

memperoleh 2 buah H

=3

3 buah uang logam

Ditanyakan: (2) = probabilitas memperoleh 2 H


Jawab:

() = ( ) (1 ) , 1 =

2
1 32
3 1
(2) = ( ) ( ) ( )
2 2
2

3.2! 1 1
.( )( )
2! .1! 4 2
3
(2) =
8
(2) =

Jadi, probabilitas untuk memperoleh 2 buah H adalah 8


8. Andaikan kita memperoleh soal tipe objektif benar-salah sebanyak 10 buah.
Dalam menyelesaikan soal-soal itu andaikata ada anak yang tidak belajar,

33

menjawabnya itu hanya melalui tebak-menebak, berapakah probabilitas (nilai


peluang) yang memperoleh paling tidak 7 buah soal jawabannya benar.

Penyelesaian:
1

Diket: = 2

Peluang satu soal dengan pilihan benar-salah

= 7, 8, 9,10

paling tidak satu buah soal benar

= 10

10 buah soal

Ditanyakan: () = probabilitas paling tidak 7 buah soal benar.


Jawab:
Membuat tabel distribusi

( )

()

= ( ) ()

10
) = 120
7

1 7
( )
2

1 3
( )
2

1 10
120 ( )
2

10
) = 45
8

1 8
( )
2

1 2
( )
2

1 10
45 ( )
2

10
) = 10
9

1 9
( )
2

1 1
( )
2

1 10
10 ( )
2

10
)=1
10

1 10
( )
2

1 0
( )
2

1 10
( )
2

10

176
= 0,172
1024

Peluang
total

Jadi, probabilitas paling tidak 7 buah soal benar adalah 0,172

34

RANGKUMAN
1. Distribusi Bernoulli
a. Fungsi peluang :

(1 )1 , = 0, 1

b. Notasi :X ~ B (x ; 1 , p)
c. Rataan : =
d. Varians : 2 = (1 )
e. Fungsi pembangkit Momen : () = (1 ) + . ;
2. Distribusi Binomial
a. Fungsi peluang : () = ( = ) = () (1 ) , =
1, 2, 3, ,
b. Notasi X~ B (x ; n , p)
c. Rataan : =
d. Variansi : 2 = (1 )
e. Fungsi pembangkit Momen : () = [(1 ) + . ] ;
3. Distribussi Poisson

a. Fungsi peluang : () = ( = ) = ! , = 0, 1, 2,
b. Notasi X ~P ( ; )
c. Rataan : =
d. Variansi : 2 =
e. Fungsi pembangkit Momen : () = (1) ;
4. Distribusi Seragam
1

a. Fungsi densitas : () = ; < <


1

b. Rataan ( ) = E(X) = (2) ( + )


1

c. Varians = 2 = () = (12) ( )2
d. Fungsi pembangkit Momen : () =


()

=1;t=0

35

; 0

BAB 3
HUBUNGAN HARAPAN DAN VARIANSI DARI PEUBAH ACAK KHUSUS
(bahasan 2)

Tujuan
Adapun tujuan dari mempelajari materi hubungan harapan dan variansi
dari peubah acak kontinu adalah
a. Mengetahui bagaimana hubungan harapan dan variansi dari peubah acak
kontinu.
b. Memenuhi tugas mata kuliah statistik matematika

Materi

Ekspektasi
Jika X menyatakan suatu variabel acak kontinu yang dapat mengambil setiap nilai
x yang memiliki probabilitas (x), maka ekspektasi atau nilai harapan dinyatakan
sebagai berikut:
() = . ()
Variansi
Misalkan X peubah acak kontinu dengan distribusi peluang () dan rataan ,
maka () = 2 adalah 2 = [( )2 ]
() = 2 = ( )2 = ( 2 ) 2 = ( 2 ) [()]2

Teorema 1.7.5
1

Jika berdistribusi eksponen () = {

, 0

0, untuk yang lain

Maka () = danVar() = 2

36

Bukti :

() = 0

Misalkan :
=

Catatan :

1
=

=
0

= 0
=

1

! 0

! =

1

0

= 0

! =
0

= (1!)

! =
0

() =

Karena n = 1, diperoleh :

( 2 ) = 0 2

1! =
Misalkan :

=
0

1
=

=
0

= 2
0

= 2 (2!)
= 22

37

() = ( 2 ) (())

() = 22 ()2
() = 22 2
() = 2
1

Jadi, jika berdistribusi eksponen () = {

, 0

0, untuk yang lain

Maka () = dan () = 2 (terbukti)

Contoh :
Tentukan fungi densitas dari ~(2)!
Jawab :
~(2) merupakan peubah acak X berdistribusi eksponensial dengan
parameter = 2.
Fungsi densitas dari X berbentuk :
() =

1
. 2 ; > 0
2

= ;

Teorema 1.7.6
Dipelajari pertama kali pd abad ke -18
Pencetus :
De Moivre (1733)
Laplace (1775)
Gauss (1809) Dist. Gauss.

38

Suatu variabel random kontinu x dikatakan berdistribusi normal dgn mean dan
variansi 2 adalah jika mempunyai fungsi probabilitas yang berbentuk :

f (X )

2 2

1
2 2

( X )2

Untuk
- < x <
- <<
2> 0 dan = 3,14 dan e = 2,718
Jika X berdistribusi normal f ( x)
dan Var x 2
Bukti : E x

1 x

1 x

, x maka E x

dx

Misalkan : x y
y

maka dy

dx

Sehingga dx dy

E x

E x

E x

1
2

1
2

1
y2
2

dy

y 2 y
e
dy
2
1

y 2 y
e
dy +
2
1

ye

1
y2
2

dy +

2 y
e
dy
2
1

1
2

1
y2
2

dy ................... (1)

39

Misalkan : I

1
y2
2

dy

Akan dibuktikan I 2 2 sehingga I 2

I e
2

1
z2
2

dz

1
y2
2

dy

1
z2
2

dz

maka dz = dx sehingga I e

I2

Pilihlah z

1 2 2
y z
2

dy dz

Dalam koordinat polar diketahui:


y r. cos maka y 2 r 2 . cos 2

x r. sin maka x 2 r 2 . sin 2

Sehingga diperoleh : y 2 z 2 r 2 . cos 2 r 2 sin 2 r 2


Kita substitusikan y z r maka diperoleh : I 2


2

1
r2
2

r.dr.d

Dengan menggunakan teori limit diperoleh I 2 , substitusikan I

kedalam persamaan (1)

E x

2 y dy +

E x2

1
2

1 x

1
2

2 dy =

dx

Misalkan : x y maka x 2 y

40

1
y2
2

dy =

y 2 2y 2
2

Ex

y2

1
y2
2

dy

dx, sehingga E x 2

E x

y e
2

Maka dy

y2

E x2 2 2

1
y2
2

dy +

1
y2
2

1
y2
2

2
2

dy

ye

1
y2
2

dy +

1
y2
2

dy

dy + 0 + 2 ............. (1)

Misalkan :
y 2 2z 2 maka y 2 z 2 dy 2 dz

sehingga E x 2

Ex

E x2

2 2z 2e

1 2
2z
2

2 dz + 2

2 z
2 z e dz + 2
2

1
+ 2
2

E x2 2 2

Var x E x 2 E x

2 2 2
2
Jadi, Jika X berdistribusi normal f ( x)

E x dan Var x 2 . Terbukti.

41

1
2

1 x

, x maka

Sifat-sifat distribusi normal :


1. Harga modus, yaitu harga pada sumbu x dengan kurva maksimum terletak
pada x =
2. Kurva normal simetris terhadap sumbu vertikal melalui
3. Kurva normal mempunyai titik belok pada x =
4. Kurva normal memotong sumbu mendatar secara asimtotis
5. Luas daerah dibawah kurva normal dan diatas sumbu mendatar sama
dengan 1.

Kurva Normal

Luas bagian kurva normal antara x=a dan x=b dapat ditulis menjadi P(axb)
Nilai ini untuk distribusi normal standar telah ditabelkan Tabel III
Distribusi normal standar adalah distribusi normal yang mempunyai mean =0
dan standar deviasi =1
Untuk distribusi normal yang bukan distribusi normal standar maka diubah
dengan rumus transformasi Z :
z

Contoh:
Misalkan peubah acak Y berdistribusi gamma dengan parameter = 2 =
3. Peluang bahwa harga Y lebih dari 4 adalah.
a. 0,6151

d. 1,543

b. 1,6151

e. 0,153

42

c. 0,06151
Penyelesaian :

Fungsi densitas dari Y berbentuk :() = ( 9 ) 3

;y>0

= 0 ; yang lainnya
1

. 3
9

Jadi : P(y>4) = 4

= 9 lim 3

Integral di atas dapat diselesaikan denga integral parsial.


Misalnya u = y , maka du = dy

= 3 , = 3. 3

( > 4) =
=
=

lim

9
1

(3. 3 | =4+3 4 3 )

lim (3| =49. 3 ] =4)

1
lim (3. 3 + 12. 3 . 9. 3 + 9. 3 )
9

1
= [ lim (3. 3 ) + 21. 3 lim (9. 3 )]

9
4
1
= (0 + 21. 3 0)
9

( > 4) = (

21 4
) e 3 = 0,6151
9

Teorema 1.7.7
Definisi fungsi Gamma. Untuk n > 0 (tidak perlu bilangan bulat)
43

() 1 = 2 21
0

bukti:

() 1
0

Subtitusi
= 2
= 2
Sehingga

1 = ( 2 )1 ( ) 2
0

0
2

= 2 2

2 2

0
1

= 2 2

1 2

Peubah acak X berdistribusi gamma dan dinamakan peubah acak gamma jika Fkpnya berbentuk:
1
() = {

, > 0(, > 0)

0, 0

Jika X berdistribusi Gamma G(x,, A = 0 ) maka


= =
2 = () = 2

44

Bukti:

= = ()

=
0

1

=

Misalkan

= maka = dan = dan karena 0 < < , maka 0 <

<
Maka

1

= =
()

=
=

( + 1)

Sehingga terbukti bahwa = () =

Sifat fungsi Gamma :


1. (p + 1) = p (p)
2. (p + 1) = p!, untuk p bilangan bulat positif

45

3. (2) =
Bukti:

(1) = 11 = ]
0 =1
0

() =

1 ]
0

+ ( 1) 2
0

() = ( 1)( 1)
Jadi, secara langsung dibuktikan bahwa (1) = 1, dan dengan menggunakan
integrasi perbagian telah diperlihatkan bahwa untuk n > 1, () = ( 1)(
1). Berdasarkan induksi matematika
() = ( 1)! bila n suatu bilangan bulat positif.

Contoh:
Misalkan peubah acak x berdistribusi Gamma G(x4, 2, 3). Tentukan titik a
sehingga peluangnya 50% memperoleh nilai x yang lebih kecil atau sama dengan
a [P (x a) = 0,05]. (nilai a disebut median dari x juga suatu distribusi x).
Jawab:
Diketahui : G(x4, 2, 3) maka
=4
=2
A = 3 berarti 3 x <
Sehingga

f(x)dx =

(x 1)4 e
4+1
(4+1)
2

x9
2

dx

Dari tabel 9 pada baris = 4 dan lajur y = 0.05

46

a3
= 4,671

Karena = 2 maka a = 2(4,671) + 3 = 12,342


Jadi median G(x4, 2, 3) adalah 12,342 .

Teorema 1.7.8
Suatu variabel acak dikatakan memiliki distribusi Beta dengan parameter a dan b,
1

jika fungsi kepadatanya adalah () =

{(,)

1 (1 )1

0<<1

di mana (, ) merupakan fungsi Beta yang didefinisikan sebagai


1

(, ) = 1 (1 )1 < 0, < 0
0

Fungsi Beta dihubungkan dengan fungsi Gamma oleh


(, ) =

()()
(a + b)

Sehingga distribusi Beta juga dapat didefinisikan oleh fungsi kepadatan


()() 1
(1 )1 0 < < 1
() = { (a + b)
0

Mean dan variansi dari distribusi Beta dengan parameter a dan b masing-masing
adalah
=

2 =
( + + 1)( + )2
+

Bukti :

47

Menghitung momen dari distribusi Beta bisa dilakukan dengan metode sebagai
berikut
1

1
=
1 (1 )1
(, )
0

(+)1 (1 )1
(,) 0

.(1)

maka juga dapat diperoleh persamaan


=

(+,)
(,)

(+)(+)

..(2)

= (++)()

Berdasarkan persamaan (1) dan persamaan (2), maka untuk memperoleh mean
(EX) dan () = ( 2 ) [()]2 adalah dengan mensubsitusikan n= 1 dan
n= 2 ke persamaan (2), maka
= 1 =

( + 1)( + )
( + + 1)()

()( + )
( + )( + )()
=

Dan () = ( 2 ) [()]2
Karena
2 =

( + 2)( + )
( + + 2)()

Maka
() =

( + 1)
2
(
)
( + + 1)( + )
+

48

( + 1)
2

( + + 1)( + ) ( + )2

( + )(2 + ) 2 ( + + 1)
( + )2 ( + + 1)
=

( + + 1)( + )2

49

SOAL-SOAL DAN PEMBAHASANNYA

Jawablah pertanyaan di bawah ini dengan memilih jawaban yang tepat dengan
memberi tanda silang pada huruf A, B, C, D, atau E.

1. Misalkan peubah acak y berdistribusi eksponensial dengan parameter = 3.


Peluang bahwa y bernilai lebih dari 2 adalah
a. 0,01534

d. 0,005

b. 0,1534

e. 0,511

c. 0,06

penyelesaian :
1

Fungsi densitas dari y adalah :() = (3) . 3 ; > 0


= 0 ;untuk yang lainnya.

( > 2)

= 1 ( 2)
2

= 1
0

1
. 3
3

1
= 1 . (3. 3 ] =02 )
3
2

= 1 + ( 3 1)
2

( > 2) = 3 = 0,5134

50

2. Jika peubah acak X berdistribusi eksponesial dengan parameter = 20,


dengan
( > 40| > 10) adalah...

Penyelesaian :
1

Fungsi densitas dari y adalah :() = (20) . 20 ; > 0


= 0 ;untuk yang lainnya.

( > 40)

= 1 ( 40)
40

= 1
0

1
. 20
20
40

1
= 1
. [20 . 20 ]]
20
0
2

= 1 + ( 1 1)
( > 40) = 2

( > 10)

= 1 ( 10)
10

= 1
0

1
. 20
20
10

1
= 1
. [20 . 20 ]]
20
0
1

= 1 + ( 2 1)
1

( > 10) = 2

51

( > 40| > 10) =

1
2

( > 40)
( > 10)
1

= 2 2
1

= 2( 2 ) = 1,5

3. Jika peubah acak X berdistribusi umum dengan rataan 2 dan varians 0,16.
Maka P(X > 2,3) adalah
a. 0,5
d. 0,2734
b. 0,75

e. 0,2266

c. 2,3

penyelesaian:
dalam hal ini = 2 = 0,4
2,3 2
( > 2,3) = (
>
) = ( > 0,75)

0,4
Kurva berdistribusi normal baku untuk Z = 0,75 bisa dilihat berikut ini,

0,75

Daerah yang dicari mulai dari z= 0,75 sampai z=


Jadi P(X>2,3) = 0,5 ( daerah dari Z = 0 sampai Z = 0,75 )= 0,5 0,2734
52

P(X>2,3) = 0,2266
4. Untuk n = 6, maka fungsi Gamma dan nilainya adalah:
~

a. (6) = 0 x 6 ex dx dan (6) = 120


~

b. (6) = 0 x 5 ex dx dan (6) = 720


~

c. (6) = 0 x 6 ex dx dan (6) = 720


~

d. (6) = 0 x 5 ex dx dan (6) = 120


Jawaban: D
Penyelesaian:
~

(n) = x n1 ex dx
0

Untuk n=6
~

(6) = x 6 ex dx
0

(6) = (6 1)! = 5! = 120


5. Jika X peubah acak berdistribusi beta dengan parameter a=1 dan b=4,
maka rerata X adalah
a. 0,1
b. 0,2
c. 0,3
d. 0,4
Jawaban : B
Penyelesaian:
=

1
=
= 0,2
+ 1+5

53

BAB 4
KEBEBASAN STOKASTIK

A. Proses Stokastik Berhingga


Pengertian
Suatu eksperimen berupa deret berhingga di mana tiap eksperimen
mempunyai sejumlah berhingga hasil yang mungkin dengan peluang
tertentu.
Contoh:
Terdapat 4 buah kotak yang berisi bola merah dan bola biru pada tiap-tiap
kotak. Kotak I berisi 10 bola, 3 di antaranya berwarna merah. Kotak II
berisi 8 bola, 2 di berwarna merah. Kotak III berisi 5 bola, 1 di antaranya
berwarna merah. Kotak IV berisi 10 bola, 4 di antaranya berwarna merah.
Kita akan mengambil satu kotak secara random dan kemudian dari kotak
tersebut diambil satu buah bola biru secara random. Berapakah peluang
bola berwarna biru terambil?
Jawab:
Dalam soal ini kita akan melakukan dua eksperimen sebagai berikut:
1. Memilih 1 dari 4 kotak
2. Mengambil 1 buah bola yang mungkin berwarna merah atau biru
1

Peluang mengambil 1 kotak dari 4 kotak secara random adalah 4.


Jadi, peluang terambil kotak I = peluang terambil kotak II = peluang
terambil kotak III = peluang terambil kotak IV.
Dari kotak I yang berisi 10 bola, 3 diantaranya berwarna merah. Peluang
3

terambil bola merah adalah 10 dan peluang terambil bola biru adalah 10.
Dari kotak II yang berisi 8 bola , 2 diantaranya berwarna merah. Peluang
terambil bola merah adalah

2
8

dan peluang peluang terambil bola biru

adalah 8.

54

Dari kotak III yang berisi 5 buah durian, 1 diantaranya berwarna merah.
Peluang terambil bola merah adalah

1
5

dan peluang peluang terambil bola

biru adalah 5.
Dari kotak IV yang berisi 10 buah durian, 4 diantaranya berwarna merah.
Peluang terambil bola merah adalah

4
10

dan peluang peluang terambil bola

biru adalah 10.


Sehingga dapat digambarkan sebagai berikut:
Diagram Peluang
biru

baik

merah

busuk biru
baik

II

merah

busuk
baik

III

biru
merah

busuk
biru

baik

IV

busuk merah

Proses dan Hasil dari Perhitungan Peluang Bersyarat:


1

Peluang terambil bola biru dari kotak I adalah 4 10 = 40


Peluang terambil bola biru dari kotak II adalah

1
4
1

8 = 32 = 16

Peluang terambil bola biru dari kotak III adalah 4 5 = 20 = 5


1

Peluang terambil bola biru dari kotak IV adalah 4 10 = 40 = 20


Jadi, peluang terambil bola biru adalah peluang terambil bola biru dari
kotak I + Peluang terambil bola biru dari kotak II + Peluang terambil bola

55

biru dari kotak III + Peluang terambil bola biru dari kotak IV adalah 40 +
3

51

+ 5 + 20 = 80
16
B. Kebebasan Stokastik Diskrit
Definisi:
Misalnya dua peubah acak diskrit X dan Y mempunyai nilai fungsi peluang
gabungan di (, ), yaitu (, ) serta masing-masing mempunyai nilai fungsi
peluang marginal dari X di x, yaitu 1 () dan nilai fungsi peluang marginal
dari Y di y, yaitu 2 ().
Kedua peubah acak X dan Y dikatakan bebas stokastik, jika dan hanya jika:
(, ) = 1 (). 2 ()
Untuk semua pasangan nilai (, )
Contoh:
Misalnya fungsi peluang gabungan dari X dan Y berbentuk:
1
(, ) = ( ) ( + 2); = 0,1,2,3 dan = 0,1,2,3
72
Apakah X dan Y bebas stokastik?
Penyelesaian:
Fungsi marginal dari X adalah:
3

1 () = (
=0

1
) ( + 2)
72

1
) { + ( + 2) + ( + 4) + ( + 6)}
72
1
= ( ) (4 + 12)
72
1
= ( ) . 4( + 3)
72
1
1 () = ( ) ( + 3)
18
=(

56

Jadi, 1 () = (18) ( + 3); = 0,1,2,3


Fungsi marginal dari Y adalah:
3

2 () = (
=0

1
) ( + 2)
72

1
) {2 + (1 + 2) + (2 + 2) + (3 + 2)}
72
1
= ( ) (8 + 6)
72
1
= ( ) . 2(4 + 3)
72
1
2 () = ( ) (4 + 3)
36
=(

Jadi, 2 () = (36) (4 + 3); = 0,1,2,3


Misalnya pasangan nilai dari X dan Y diambil (, ) = (0,0).
1

( = 0, = 0) = (72) (0 + 0) = 0

1 ( = 0) = 18 = 6

2 ( = 0) = 36 = 12

1
1

1
( = 0, = 0) = ( ) ( + 2)
72
1
= ( ) (0 + 2(0))
72
1
= ( ) (0)
72
=0
1
1
1 ( = 0). 2 ( = 0) = ( ) ( + 3). ( ) (4 + 3)
18
36
1
1
= ( ) (0 + 3). ( ) (4(0) + 3)
18
36
1
1
= ( ) (3). ( ) (3)
18
36

57

1 1
.
6 12
1
=
72
=

karena ( = 0, = 0) 1 ( = 0). 2 ( = 0), maka X dan Y dua peubah


acak tidak bebas stokastik

C. Kebebasan Stokastik Kontinu


Definisi :
Misalnya dua peubah acak kontinu dan mempunyai nilai fungsi densitas,
gabungan di (, ), yaitu (, ) serta masing-masing mempunyai nilai fungsi
densitas marginal dari di , yaitu 1 () dan nilai fungsi densitas marginal
dari di , yaitu 2 (). Kedua peubah acak dan dikatakan bebas
stokastik, jika dan hanya jika :
(, ) = 1 ()2 ()
Dalam praktiknya, soal yang menyangkut kebebasan stokastik dua peubah
acak kontinu ini ada dua kemungkinan, yaitu sebagai berikut.
1. Fungsi densitas gabungan dari kedua peubah acak diketahui bentuknya.
Kita harus menentukan terlebih dahulu fungsi densitas marginal dari
masing-masing peubah acaknya. Kemudian kita menggunakan persyaratan
kebebasan stokastik, dan kita memperhatikan hasilnya dengan kriteria
sebagai berikut.
a. Apabila ruas kiri sama dengan ruas kanan, maka kedua peubah acak itu
dikatakan bebas stokastik.
b. Apabila ruas kiri tidak sama dengan ruas kanan, maka kedua peubah
acak itu dikatakan tidak bebas stokastik atau bergantungan.
2. Fungsi densitas gabungan dari kedua peubah acak tidak diketahui
bentuknya. Dalam hal ini fungsi densitas marginal dari masing-masing
peubah acak diketahui bentuknya. Kemudian kita menggunakan
pesyaratan kebebasan stokastik dan kriterianya sama dengan sebelumnya.
Contoh :
Misalnya fungsi peluang gabungan dari dan berbentuk :
(, ) = + ; 0 < < 1, 0 < < 1

58

= 0 ; , lainnya.
Apakah dan bebas stokastik?
Penyelesaian :
Kita harus menentukan dahulu fungsi densitas marginal masing-masing dari
dan .
Fungsi densitas marginal dari adalah :

() = (, )
0

= (, ) + 0 (, ) + 1 (, )
0

= 0 + 0 ( + ) + 1 0
1

= 0 + { + (2) 2 }]
() = +
Jadi, () = +

1
2

=0

+ 0

1
2

;0 < < 1

= 0 ; lainnya.

Fungsi densitas marginal dari adalah :

() = (, )
0

= (, ) + 0 (, ) + 1 (, )
0

= 0 + 0 ( + ) + 1 0
1

= 0 + {(2) 2 + }]

=0

+ 0

() = 2 +
1

Jadi, () = + ; 0 < < 1


2

59

= 0 ; lainnya.

Maka () . () = ( + 2) (2 + )
=

+ +

1
4

Ternyata ( , ) (). (), karena + 2 + +

1
4

Sehingga dan merupakan peubah acak yang tidak bebas stokastik atau
bergantungan.

Teorema 2.1.1
Misalkan f.k.p bersama dari dan adalah (, ). Maka dan bebas
stokastik jika dan hanya jika terdapat fungsi-fungsi non negatif () dan ()
sehingga (, ) = () () dan domain dari tidak tergantung dari serta
domain h tidak tergantung dari .
Bukti:
a. Misalkan x dan y bebas stokastik. Maka (, ) = () ().
Dalam hal ini cukup diambil () = () dan () = ().
b. Misalkan (, ) = ()(); () 0 dan () 0.
Akan dibuktikan dan bebas stokastik, untuk itu dicari () dan ().

() = (, ) = ()() = () ()

= ()dengan K = () suatu konstanta

() = (, ) = () () = () ()

= ()dengan L = () suatu konstanta

60

Akan tetapi,

KL = () () = ()()

= (, ) = 1

Akibatnya, ( , ) = ()() =

()

()

= ()()

Dari persamaan (a) dan (b) berarti dan bebas stokastik.

Contoh:
Diketahui f.k.p bersama dari dan sebagai berikut:
( , ) = {

12 (1 ); 0 < < 1 ; 0 < < 1


0 ; untuk yang lain

Buktikan bahwa dan bebas stokastik!


Jawab:
dan yang lain, yang mungkin :
() = 12 (1 )
() = 12
() =
() = (1 )
() =
() = (1 )
() = 12 (1 )
() = 12

Contoh :
Tulislah () = 12 dan () = (1 ).
61

Jelas bahwa :
a. () > 0untuk setiap ; 0 < < 1
b. () > 0untuk setiap ; 0 < < 1
c. (, ) = ()(); 0 < < 1 ; 0 < < 1
Berarti dan bebas stokastik.

62

Soal Latihan dan Jawaban

1. Suatu mata kuliah statistika matematika diikuti 50 mahasiswa angkatan


2010, 15 mahasiswa angkatan 2009 dan 10 mahasiswa angkatan 2008.
Diketahui mahasiswa yang mendapatkan nilai A sebanyak 10 orang dari
mahasiswa angkatan 2010, 8 orang dari mahasiswa angkatan 2009 dan 5
orang mahasiswa angkatan 2008. Bila seorang mahasiswa dipilih secara
acak, berapakah peluang dia mendapat nilai A?
10

a.75
23

b.75
10

c.

23
52

d.75
Penyelesain:

Nilai A

10
50

2010

40
50

50

Selain A

75
8

Nilai A

15
15
75

2009

7
15

10

Selain A

75
5

2008

Nilai A

10
5
10

Selain A

50

10

15

Peluang mahasiswa yang mendapatkan nilai A = (75 50) + (75 15) +


10

(75 10)
63

10 8
5
23
+
+
=
75 75 75 75
Jadi, peluang mahasiswa yang mendapat nilai adalah
=

23
75

2. Fungsi peluang gabungan dari X dan Y berbentuk:


(, ) = ; = 1,2,3, dan = 1,2,3
Dengan X dan Y merupakan peubah acak bebas stokastik. Nilai adalah
...
1

a.36
1

b.6
2

c.36
2

d.6
Penyelesaian:
Fungsi peluang marginal dari X adalah:
3

1 () = ()
=1

1 () = (1 + 2 + 3)
1 () = (6)
1 () = 6
Fungsi peluang marginal dari Y adalah:
3

2 () = ()
=1

2 () = (1 + 2 + 3)
2 () = (6)
2 () = 6
Karena peubah acak X dan Y bebas stokastik maka (, ) =
1 (). 2 (), sehingga = 6. 6. jika diambil (, ) = (1,1)
maka:
(1)(1) = 6(1).6(1)
= 36 2

= 36
2
1
= 36

1
=
36
64

Jadi, nilai yang memenuhi pada (, ) = ; = 1,2,3, dan =


1

1,2,3 adalah 36
3. Fungsi peluang gabungan dari X dan Y berbentuk:
1
(, ) =
; = 1,2,3, dan = 1,2,3
36
Tentukan ( 2, < 2) !
4

a.36
1

b.36
15

c. 36
15

d. 6

Penyelesaian:
Fungsi peluang marginal dari X adalah:
3

1 () = (
=1

1
)
36

1
(1 + 2 + 3)
36
1
1 () =
(6)
36
1
1 () =
6
Fungsi peluang marginal dari Y adalah:
1 () =

2 () = (
=1

1
)
36

1
(1 + 2 + 3)
36
1
(6)
2 () =
36
1
2 () =
6
2 () =

( 2, < 2) = 1 ( 2). 2 ( < 2)


1

( 2, < 2) = 6 .6
1

( 2, < 2) = 6 (2 + 3).6 (1)


51

( 2, < 2) = 6.6

65

5
36
Jadi, ( 2, < 2) pada fungsi peluang gabungan (, ) =
( 2, < 2) =

1
36

; = 1,2,3, dan = 1,2,3 adalah 36.

4. Misalkan fungsi peluang gabungan dari X dan Y berbentuk :


1
(, ) = ( ) ( + ); = 1, 2 dan = 1, 2, 3, 4
32
Apakah X dan Y bebas stokastik?
a. Bebas stokastik

c. ragu-ragu

b. Tidak bebas stokastik

d. tidak jelas

Penyelesaian :
Fungsi peluang marginal dari X adalah :
4

1
1 () = ( ) ( + )
32
=1

1
= ( ) (( + 1) + ( + 2) + ( + 3) + ( + 4))
32
1
= ( ) (4 + 10)
32
1
= ( ) (2 + 5)
16
1

Jadi, 1 () = (16) (2 + 5) ; = 1,2


Fungsi peluang marginal dari Y adalah :
2

1
2 () = ( ) ( + )
32
=1

= (

1
) ((1 + ) + (2 + ))
32
1
= ( ) (3 + 2)
32

Jadi, 2 () = (32) (3 + 2) ; = 1, 2, 3, 4
Misalnya pasangan nilai dari X dan Y diambil (, ) = (1,1)

( = 1, = 1) = (32) (1 + 1) = (32) (2) =

66

1
16

1 ( = 1) = (16) ((2 1) + 5) = (16) (7) =

2 ( = 1) = (32) (3 + (2 1)) = (32) (5) =

7
16

5
32

35

Ternyata ( = 1, = 1) 1 (). 2 (), karena 16 312


Maka X dan Y dikatakan dua peubah acak yang bergantungan atau tidak
bebas stokastik.

5. Misalkan fungsi peluang gabungan dari X dan Y berbentuk :


1
(, ) = ( ) (2 + ); 0 < < 1,0 < < 2
4
= 0 ; , lainnya
Apakah X dan Y bebas stokastik?
a. Bebas stokastik

c. ragu-ragu

b. Tidak bebas stokastik

d. tidak jelas

Penyelesaian :
Kita harus menentukan dahulu fungsi densitas marginal masing-masing
dari X dan Y.
Fungsi peluang marginal dari X adalah :

() = (, )

= (, ) + 0 (, ) + 2 (, )
0

2 1

= 0 + 0 (4) (2 + ) + 2 0
1

= 0 + (4) {2 + (2) 2 }]

2
+ 0
=0

1
() = ( ) (4 + 2)
4
1

Jadi, () = (4) (4 + 2) ; 0 < < 1


= 0 ; lainnya
Fungsi peluang marginal dari Y adalah :

67

() = (, )

= (, ) + 0 (, ) + 1 (, )
0

= 0 + (4) (2 + ) + 0
1

= 0 + ( ) { 2 + }]
4

1
+ 0
=0

1
() = ( ) (1 + )
4
1

Jadi, () = (4) (1 + ) ; 0 < < 2


= 0 ; lainnya
1

Maka : (). () = (4) (4 + 2) . (4) (1 + ) = + + 2 + 2


1

Ternyata (, ) (). (), karena (4) (2 + ) + + 2 + 2


Maka X dan Y dikatakan dua peubah acak yang bergantungan atau tidak
bebas stokastik.

6. Misalkan fungsi peluang gabungan dari X dan Y berbentuk :


(, ) = (

1
) 3 3 ; 0 < < 2,0 < < 2
16
= 0 ; , lainnya

Apakah X dan Y bebas stokastik?


a. Bebas stokastik

c. ragu-ragu

b. Tidak bebas stokastik

d. tidak jelas

Penyelesaian :
Kita harus menentukan dahulu fungsi densitas marginal masing-masing
dari X dan Y.
Fungsi peluang marginal dari X adalah :

() = (, )

68

= (, ) + 0 (, ) + 2 (, )
0

= 0 + 0 (16) ( 3 3 ) + 2 0
1

= 0 + (16) {(4) 3 4 }]
() = (

2
+ 0
=0

1
) (4 3 )
16
1

Jadi, () = (16) (4 3 ) ; 0 < < 2


= 0 ; lainnya
Fungsi peluang marginal dari Y adalah :

() = (, )

= (, ) + 0 (, ) + 2 (, )
0

= 0 + 0 (16) ( 3 3 ) + 2 0
1

= 0 + (16) {(4) 4 3 }]
() = (

2
+ 0
=0

1
) (4 3 )
16
1

Jadi, () = (16) (4 3 ); 0 < < 2


= 0 ; lainnya
1

Maka : (). () = (16) (4 3 ) . (16) (4 3 ) = (16) ( 3 3 )


1

Ternyata (, ) = (). (), karena (16) ( 3 3 ) = (16) ( 3 3 )


Maka X dan Y dikatakan dua peubah acak yang bebas stokastik.

7. Misalkan fungsi peluang gabungan dari X dan Y berbentuk :


(, ) = (

1
) 3 3 ; 0 < < 2,0 < < 2
16
= 0 ; , lainnya

Apakah X dan Y bebas stokastik?


a. Bebas stokastik

c. ragu-ragu
69

b. Tidak bebas stokastik

d. tidak jelas

Penyelesaian :
Kita harus menentukan dahulu fungsi densitas marginal masing-masing
dari X dan Y.
Fungsi peluang marginal dari X adalah :

() = (, )

= (, ) + 0 (, ) + 2 (, )
0

= 0 + 0 (16) ( 3 3 ) + 2 0
1

= 0 + (16) {(4) 3 4 }]
() = (

2
+ 0
=0

1
) (4 3 )
16
1

Jadi, () = (16) (4 3 ) ; 0 < < 2


= 0 ; lainnya
Fungsi peluang marginal dari Y adalah :

() = (, )

= (, ) + 0 (, ) + 2 (, )
0

= 0 + 0 (16) ( 3 3 ) + 2 0
1

= 0 + (16) {(4) 4 3 }]
() = (

2
+ 0
=0

1
) (4 3 )
16
1

Jadi, () = (16) (4 3 ); 0 < < 2


= 0 ; lainnya
1

Maka : (). () = (16) (4 3 ) . (16) (4 3 ) = (16) ( 3 3 )


1

Ternyata (, ) = (). (), karena (16) ( 3 3 ) = (16) ( 3 3 )

70

Maka X dan Y dikatakan dua peubah acak yang bebas stokastik.

8. Misalkan fungsi peluang gabungan dari X dan Y berbentuk :


(, ) = 4 ; 0 < < 1,0 < < 1
= 0 ; , lainnya
Apakah X dan Y bebas stokastik?
a. Bebas stokastik

c. ragu-ragu

b. Tidak bebas stokastik

d. tidak jelas

Penyelesaian :
Kita harus menentukan dahulu fungsi densitas marginal masing-masing
dari X dan Y.
Fungsi peluang marginal dari X adalah :

() = (, )

= (, ) + 0 (, ) + 1 (, )
0

= 0 + 0 (4) + 1 0
= 0 + 2 2 ]

1
+ 0
=0

() = 2
Jadi, () = 2 ; 0 < < 1
= 0 ; lainnya
Fungsi peluang marginal dari Y adalah :

() = (, )

= (, ) + 0 (, ) + 1 (, )
0

= 0 + 0 (4) + 1 0
= 0 + 2 2 ]

1
+ 0
=0

() = 2

71

Jadi, () = 2 ; 0 < < 2


= 0 ; lainnya
Maka : (). () = 2 .2 = 4
Ternyata (, ) = (). (), karena 4 = 4
Maka X dan Y dikatakan dua peubah acak yang bebas stokastik.

72

BAB 5
SIFAT-SIFAT KEBEBASAN STOKASTIK DUA PEUBAH ACAK

A. PENDAHULUAN
Pada hal ini, kita akan mempelajari akibat dari kebebasan stokastik itu
sendiri atau dengan kata lain, sifat-sifat apa saja yang ada pada kebebasan
stokastik itu.
Adapun tujuan instruksional khususnya adalah sebagai berikut:
1. Diharapkan dapat menghitung peluang bila terjadi kebebasan stokastik
2. Diharapkan dapat menghitung ekspektasi hasil kali dua peubah acak, bila
terjadi kebebasan stokastik
3. Diharapkan dapat mendeteksi kebebasan stokastik melalui f.p.m
4. Diharapkan dapat membentuk f.p.m bersama bila terjadi kebebasan stokastik

B. MATERI
Sifat bebas stokastik yang dimiliki dua (atau lebih) peubah acak, dapat
digunakan untuk menghitung; peluang, ekspektasi, ataupun menentukan f.p.m
bersama. Pada teorema berikut dikemukakan cara perhitungan peluang apabila X
dan Y bebas stokastik.
Teorema 2.2.1
Jika X dan Y bebas stokastik, maka
( < , < ) = ( < ) ( < )

73

Bukti:
Akan dibuktikan untuk kasus kontinu. Untuk kasus diskrit, hanya mengganti
lambang integral dengan lambang jumlah. Karena X dan Y bebas stokastik, maka
(, ) = 1 ()2 (). Akibatnya

( < , < ) = (, )

= 1 ()2 ()

= 1 () 2 ()

= ( < , < )
Jadi, terbukti bahwa ( < , < ) = ( < ) ( <
).
Pada Teorema 2.2.1, terlihat bahwa kebebasan stokastik memberikan kemudahan
dalam perhitungan peluang. Ada lagi beberapa kemudahan perhitungannya antara
lain: kemudahan menghitung ekspektasi dan kemudahan menentukan f.p.m.

Contoh Soal:
1. Diketahui f.k.p bersama dari X dan Y adalah sebagai berikut:
1
; (, ) = (0,0), (1,1), (2,0), (3,1)
( , ) = {4
0 ; (, )
Buktikan bahwa X dan Y tidak bebas stokastik!

74

2. Diketahui f.k.p bersama dari X dan Y adalah sebagai berikut:


1
; = 1,2,3 = 1,2,3
( , ) = {9
0 ; (, )
Apakah X dan Y bebas stokastik?
Penyelesaian:
1. f. k. p marginalnya adalah sebagai berikut:
y

x 0

1
1
4

1
4

1
4

1
4

2
1
4

1
2

1
4

1
2

1
4

1
4

Syarat bebas stokastik adalah f(x, y) = f(x) . f(y)


Dari table terlihat bahwa f(x, y) f(x) . f(y) untuk setiap x dan y.
Jadi x dan y tidak bebas stokastik.

2.

F. k. p marginalnya adalah sebagai berikut:


Ambil () =

1
1
dan () =
3
3

Jelas bahwa g(x) > 0 untuk setiap x = 1, 2, 3 dan h(y) > 0 untuk setiap
y = 1, 2, 3

75

Sehingga f(x, y) = g(x) . h(y), x, y = 1, 2, 3


1 1 1
= .
9 3 3
1 1
=
9 9
Karena f(x, y) = g(x) . h(y), maka x dan y bebas stokastik.
Teorema 2.2.2
Misalkan
(i)
(ii)

X dan Y dua peubah acak


() dan () masing-masing berupa fungsi dari X dan fungsi dari Y

Jika X dan Y bebas stokastik, maka :


[()()] = [()] [v(Y)]
Bukti :
Akan dibuktikan untuk kasus kontinu.
Misalkan f (x , y) f.k.p bersama dari X dan Y. f.k.p marginalnya kita tulis f1(x)
dan f2(y), jadi

[()()] = ()()

= ()()1 ()2 ()

= { ()1 ()} { ()2 ()}

= [()] [()]

Jadi, terbukti bahwa [()()] = [()] [v(Y)].

76

Teorema 2.2.3
Misalkan
1) M(t1,t2) f.p.m bersama dari X dan Y
2) M1(t1) dan M2(t2) masing-masing f.p.m X dan f.p.m Y
Maka X dan Y bebas stokastik jika dan hanya jika :
M(t1,t2) = M1(t1) . M2(t2)
Bukti :
(i)

Misalkan X dan Y bebas stokastik, maka


M(t1,t2) = ( 1 + 2 )
= ( 1 2 )
= ( 1 )( 2 )
= 1 (1 ). 2 (2 )

(ii)

Misalkan M(t1,t2) = M1(t1) . M2(t2), jadi

(1 , 2 ) = {

1 ()} { 2 2 ()}

= 1 +2 1 ()2 ()

Akan tetapi M(t1,t2) adalah f.p.m bersama dari X dan Y. Ini berarti :

(1 , 2 )9 = 1 +2 (, )

77

Akibatnya, karena f.p.m bersifat unik, maka f(x,y) = f1(x) f2(y) ,


kecuali mungkin di himpunan yang peluangnya 0
Ini berarti X dan Y bebas stokastik. Dari penjelasan (i) dan (ii) maka teorema
diatas terbukti.
Teorema 2.2.4
a. Jika X1, X2, .... , Xn saling bebas stokastik, maka
(1 < 1 1 , 2 < 2 2 , , < )
= (1 < 1 1 ) . ( 2 < 2 2 ) ( < )
b. Jika X1, X2, .... , Xn saling bebas stokastik maka
[1 (1 )2 (2 ) . ( )] = [1 (1 )]. [ 2 (2 )] . [ ( )]
c. X1, X2, .... , Xn saling bebas stokastik jika dan hanya jika
M(t1,t2, ..... , tn) = M1(t1) . M2(t2) ...... . Mn(tn)
Ruas kiri adalah f.p.m bersama X1, X2 , ... , Xn
M1(t1) adalah f.p.m dari Xi ; i = 1, 2, 3, .... , n
Bukti : Teorema 2.2.4 bagian a
Karena X1, X2, .... , Xn bebas stokastik, maka
(1 < 1 1 , 2 < 2 2 , , < )
= (1 < 1 1 ) . ( 2 < 2 2 ) ( < )

78

Akibatnya pada kasus kontinu,


(1 < 1 1 , 2 < 2 2 , , < )
1

= . (1 , 2 , . , )1 2
1
1

= . (1 ) (2 ), ( )1 2
1

= (1 )1 (2 )2 ( )
1

= (1 < 1 1 ) . ( 2 < 2 2 ) ( < )


Jadi teorema di atas terbukti
Bukti : Teorema 2.2.4 bagian b
Pada kasus kontinu.
Misalkan f.k.p bersama dari X1, X2, .... , Xn.
f.k.p marginalnya ditulis :
[1 (1 )2 (2 ) . ( )] = [1 (1 )]. [ 2 (2 )] . [ ( )]

= . 1 (1 )2 (2 ) ( ) (1 , 2 , . , )1 2

= . 1 (1 )2 (2 ) ( ) (1 ) (2 ), ( ) 1 2

= [ 1 (1 )(1 )1 ] [ 2 (2 )(2 )2 ] [ ( ) ( ) ]

79

= [1 (1 )]. [ 2 (2 )] . [ ( )]
Jadi teorema di atas terbukti

Bukti : Teorema 2.2.4 bagian c


Misalkan 1 , 2 , . , bebas stokastik, maka :

(i)

(1 , 2 , , ) = ( 1 1 +2 2 ++ )
= ( 1 1 ) ( 2 2 ) ( )
= (1 ). (2 ) ( )
(ii)

Misalkan (1 , 2 , , ) = 1 (1 ) 2 (2 ) ( )
(1 , 2 , , )

= { 1 1 1 (1 )1 } { 2 2 2 (2 )2 } { ( ) }

= 1 1 +2 2++ 1 (1 )2 (2 ) ( )1 2

Akan tetapi, (1 , 2 , ) adalah f.p.m bersama dari 1 , 2 . Ini berarti :


(1 , 2 , , )

= 1 1 +22 + (1 , 2 , )1 2

Sehingga :
(1 , 2 , , ) = (1 , 2 , , )

80

1 1 +2 2 ++ 1 (1 )2 (2 ) ( )1 2 . .

= 1 1 +22 ++ (1 , 2 , )1 2

Akibatnya, karena f.p.m bersifat unik, maka : 1 (1 )2 (2 ) ( ) =


(1 , 2 , )
Kecuali mungkin di himpunan yang peluangnya 0. Ini berarti bebas stokastik.
Jadi, dari penjelasan (i) dan (ii) maka teorema di atas terbukti.
Contoh Soal
Ketiga peubah acak 1 , 2 dan 3 diketahui bebas stokastik dan memiliki f.k.p
yang sama, yaitu:
() = {

2; 0 < < 1
0;

Misalkan Y = maks { 1 , 2 , 3 } yaitu harga terbesar di antara 1 , 2 dan 3.


Tentukan f.k.p bersama dari 1 , 2 dan 3
Penyelesaian :
Karena 1 , 2 dan 3saling bebas stokastik, maka f.k.p bersamanya adalah :
(1 , 2 3 ) = (1 ) (2 ) (3 ) = 21 22 23 = 81 2 3
Sehingga dapat dituliskan :
8 ; 0 < < 1; = 1,2,3
(1 , 2 3 ) = { 1 2 3
0; 1 , 2 , 3

81

BAB 6
PEUBAH ACAK DISKRIT

A. Distribusi Diskrit Seragam.


Distribusi Diskrit Seragam adalah suatu distribusi di mana setiap variabel
acak diasumsikan memiliki peluang yang sama.
Definisi Distribusi Seragam:
Jika peubah acak X mendapat nilai X1, X2,..Xk, dengan asumsi peluang yang
sama, maka distribusi dari X disebut sebagai distribusi seragam yang dinyatakan
sebagai
f(x;k)=

1
, x= x1,x2,x3,.,xk
k

Secara umum:

k CnN
nilai k dapat dianggap sebagai kombinasi N dan n
N = banyaknya titik contoh dalam ruang contoh/populasi
n = ukuran sampel acak = banyaknya unsur peubah acak X
Lambang f(x;k) dipakai sebagai pengganti f(x) untuk menunjukkan bahwa
distribusi seragam tersebut bergantung pada parameter k.
Teorema 1 Rataan dan variansi distribusi seragam.
Rataan dan variansi distribusi seragam diskret f(x;k) dirumuskan oleh:

=1

=1

1
1
= 2 = ( )2

82

Bukti:
Dengan definisi:

=1

=1

=1

1 1
= () = ( ; ) = =

= [( )

2]

1
1
= ( ) ( ; ) = ( ) == ( )2

=1

=1

=1

Contoh :
Sebuah dadu seimbang dilantunkan, tentukan distribusi diskrit seragamnya,
tentukan juga rataan dan variansinya!
Solusi :
Sebuah dadu seimbang dilemparkan satu kali, maka tiap unsur dalam ruang
sampel S={1, 2,3 4, 5, 6}. Muncul dengan probabilitas 1/6. Jadi jika X
menyatakan mata dadu yang muncul, maka X terdistribusi peluang seragam
(uniform) yakni ;
(; 6) =

1
6

, =1,2,3,4,5,6.

Tabel Distribusi probabilitas X


x

(; ) = ()

1
6

1
6

1
6

1
6

1
6

1
6

Untuk rataan ;

83

= =1 = 6 (1 + 2 + 3 + 4 + 5 + 6)

= 6 (21) = 3.5

Variansi ;

1
= ( )2

=1

= 6 [(1 3.5)2 + (2 3.5)2 + + (6 3.5)2 ] = 2.92

Berikut histogramnya:

(; 6)

1
6

B. Distribusi Binomial
Perhatikan eksperimen-eksperimen berupa melantunkan koin atau dadu,
mengambil kartu dari satu set kartu Bridge semuanya secara berulang. Setiap
lantunan dan pengambilan disebut usaha ( trial ). Kemungkinan hasil dari
eksperimen yang demikian dapat berupa sukses atau gagal. Suatu usaha

84

berulang, tiap usaha dengan dua kemungkinan hasil tersebut disebut percobaan
binomial.
Suatu percobaan binomial ialah yang memenuhi persyaratan sebagai
berikut:
1. Percobaan terdiri atas n usaha yang berulang
2. Tiap usaha memberi hasil yang dapat ditentukan dengan sukses atau gagal
3. Peluang sukses, dinyatakan dengan p, tidak berubah dari usaha yang satu
ke yang berikutnya.
4. Tiap usaha bebas dengan usaha lainnya.

Dalam eksperimen binomial, peluang sukses dinotasikan dengan dan gagal


dengan = atau + = .

Contoh:
Sebuah koin seimbang dilantunkan sebanyak 7 kali, berapa peluang
mendapatkan;
i)

Tepat 3 belakang

ii) Sekurang-kurangnya 5 belakang


iii) Paling banyak 3 belakang
iv) Antara 3 sampai 5 belakang
v)

3 muka dan 4 belakang

Solusi:
Misalkan M = muka dan B = belakang

85

Sebuah koin yang seimbang dilantunkan 7 kali merupakan suatu percobaan


binomial. Dengan jumlah usaha yang saling bebas sama dengan = 7 .
1

Peluang mendapatkan belakang dalam tiap usaha = = 2.


1

Peluang tidak mendapatkan belakang dalam tiap usaha = = 1 = 2


Misalkan X menunjukkan banyaknya muncul belakang dalam 7 kali
pelemparan.
X dapat bernilai 0,1,2,3,4,5,6,7
7 1 1 7
( ) = ( ) ( ) ( )
, = 1,2,3, ,7
2
2
7 1 +7
= ( )( )
2
7 1 7
= ( )( )
2
(7)
=
128
i.

, = 1,2,3, ,7

( 3 ) = ( = 3)
(7 )

35

3
( = 3) = 128
= 128

ii.

( 5 )
= ( 5) = ( 5)
= ( = 5) + ( = 6) + ( = 7)
=

iii.

(75)
(7)
(7)
29
+ 6 + 7 =
128 128 128 128

( 3 ) = ( 3)
= ( 3) = ( = 0) + ( = 1) + ( = 2) + ( = 3)
=

(70)
(7)
(7)
(7) 1
+ 1 + 2 + 3 =
128 128 128 128 2
86

iv.

( 3 5 ) = (3 5)
= ( = 3) + ( = 4) + ( = 5)
(73)
(74)
(75)
91
=
+
+
=
128 128 128 128

v.

(3 4 )
Karena kejadian sukses adalah munculnya belakang pada pelantunan koin,
maka saat kita menghitung peluang munculnya 3 muka dan 4 belakang
sama saja dengan menghitung peluang munculnya 4 belakang. jadi ;

( = 4) =

(74)
128

35
128

Definisi Distribusi Binomial


Percobaan binomial adalah suatu percobaan yang terdiri atas beberapa usaha di
mana tiap usaha mempunyai dua kemungkinan hasil yang dapat diberi nama
sukses atau gagal.
Banyaknya sukses X dalam n usaha suatu percobaan binomial disebut suatu
peubah acak binomial. Distribusi peluang peubah acak binomial X disebut
distribusi Binomial dan dinyatakan dengan

b (x;n,p), karena nilainya tergantung

pada banyaknya usaha (n) dan peluang sukses dalam suatu usaha (p). Tiap sukses
terjadi dengan peluang p dan kegagalan dengan peluang q = 1 p. Dalam
percobaan tersebut yang menghasilkan x sukses dan n x yang gagal.
Banyaknya ini sama dengan banyaknya cara memisahkan n hasil menjadi
dua kelompok sehingga x hasil berada pada kelompok pertama dan sisanya n x
hasil pada kelompok kedua, jumlah ini dapat dinyatakan dengan

( )

87

Bila suatu usaha binomial dapat menghasilkan sukses dengan peluang p dan
gagal dengan peluang q = 1 p, maka distribusi peluang peubah acak binomial X
yaitu banyaknya sukses dalam n usaha bebas, ialah

(, , ) = ( )

= 1,2,3, ,
Distribusi di atas disebut distribusi binomial, sebab n+1 buah suku dalam
penguraian binomial (q + p)n berpadanan dengan berbagai nilai b(x; n;p) untuk
x=0,1,2,,n yaitu

q p n

n n n1 n 2 n2
n n
q pq p q ... p
0
1
2
n
n

=b(0;n,p)+b(1;n,p)+ b(2;n,p)+ + b(n;n,p).


n

Karena p + q = 1, maka jelas bahwa

bx; n, p 1

suatu syarat yang harus

x 0

dipenuhi setiap distribusi peluang.


Contoh:
Seorang pasien sakit darah yang jarang terjadi mempunyai peluang 0,4 untuk
sembuh. Bila diketahui ada 15 pasien yang telah mengidap penyakit tersebut,
berapakah peluangnya :
1. Paling sedikit 10 akan sembuh.
2. Antara 3 sampai 8 yang sembuh.
3. Tepat 5 yang sembuh.
Solusi:
Dengan jumlah usaha yang saling bebas sama dengan = 15
Peluang sembuh = = 0,4

88

Peluang tidak sembuh = = 1 = 0,6


Misalkan X menyatakan jumlah pasien yang sembuh
i). ( 10) = 1 ( < 10)
9

= 1 (; 15; 0,4)
=0

= 1 [(0; 15; 0,4) + (1; 15; 0,4) + + (9; 15; 0,4)]


15
15
( ) (0,4)0 (0,6)150 + ( ) (0,4)1 (0,6)151 +
0
1
15
15
= 1 ( ) (0,4)2 (0,6)152 + ( ) (0,4)3 (0,6)153 +
2
3
15
15
(0,4)4 (0,6)154 + + ( ) (0,4)9 (0,6)159
(
)
[ 4
]
9
= 1 0.9662
= 0,0338
ii). (3 8) =
8

(; 15; 0,4) = (; 15; 0,4) (; 15; 0,4)


=3

=0

=0

= 0,9050 0,0271 = 0,8779


iii). ( = 5) = (5; 15; 0,4) =
5

(; 15; 0,4) (; 15; 0,4) = 0,4032 0,2173 = 0,1859


=0

=0

Teorema Rataan dan Varian distribusi binomial


Distribusi binomial b(x,n,p) mempunyai rataan dan variansi berturut-turut sebagai

= np dan 2 = npq

89

Bukti:
misalkan hasil pada usaha ke-j dinyatakan oleh peubah acak Ij yang mendapat
nilai 0 atau 1, masing-masing dengan peluang q dan p. Sehingga banyaknya
sukses dalam suatu percobaan binomial dapat dituliskan sebagai jumlah n peubah
bebas, yaitu = =1 . setiap Ij mempunyai E(Ij) = (0)(q) +(1)(p)=p.
Jadi diperoleh rataan distribusi binomial

= () = ( ) = (1 ) + (2 ) + (3 ) + + ( )
=1

p p p = np

n suku

Variansi setiap E(Ij) diberikan I2j E[Ij p)2] = E(I2j)-p2


= (o)2q + (1)2p - p2
= p p2
= p(1- p)
= pq
Hal ini dapat diperluas ke dalam kasus n peubah bebas maka diperoleh
variansi distribusi binomial,

2 = 2 =
+ + + + + =

=1

C. Percobaan Multinomial
Seandainya dalam percobaan binomial tersebut setiap ulangan menghasilkan
lebih dari dua kemungkinan hasil, maka percobaan itu kita sebut Percobaan
Multinomial. Misalnya dalam percobaan pelemparan dua dadu kita mengamati
90

apakah dari kedua dadu muncul bilangan yang sama, total kedua bilangan sama
dengan 7 atau 11, atau bukan keduanya. Bila ini yang kita amati maka percobaan
ini merupakan percobaan multinomial.
Umumnya, bila suatu usaha dapat menghasilkan hasil yang mungkin
1 , 2 , , dengan peluang 1 , 2 , , , maka distribusi multinomial akan
memberikan peluang bahwa 1 terjadi sebanyak 1 kali, 2 2 kali, . . . kali
dalam n usaha bebas dengan 1 + 2 + + = . Distribusi peluang seperti ini
dinyatakan dengan (1 , 2 , , ; 1 , 2 , , , ).
Jelas 1 + 2 + + = 1 karena hasil tiap usaha haruslah salah satu
dari hasil yang mungkin.
Distribusi Multinomial
Jika suatu usaha tertentu dapat menghasilkan k macam hasi E1, E2, . . ., Ek
dengan peluang p1, p2,,pk, maka distribusi peluang acak X1, X2, , Xk yang
menyatakan banyaknya kejadian E1, E2, . . . , Ek dalam n usaha bebas adalah f(x1,
x2, .., xk) dalam n usaha bebas adalah:

n x1 x2
P1 P2 ...Pkxk dengan
f(x1,x2,,xk;p1,p2pk,n)=
x
,
x
,...,
x
1 2 k

xi n dan
t 1

p
t 1

1.

Ini dapat dikerjakan dengan cara sebanyak

!
(
)=
1 , 2 , ,
1 !, 2 !, , !
Karena tiap bagian saling terpisah dan terjadi dengan peluang yang sama, maka
distribusi multinomial dapat diperoleh dengan mengalikan peluang untuk tiap
urutan tertentu dengan banyaknya sekatan.
Contoh :

91

Bila dua dadu dilantunkan 6 kali, berapakah peluang mendapat jumlah 7 atau 11
muncul 2 kali, sepasang bilangan yang sama 1 kali dan pasangan lainnya 3 kali?
Jawab :
Misalakan kejadian berikut menyatakan
: jumlah 7 atau 11 muncul
2 : Jumlah bilangan yang sama muncul
3 : Baik pasangan yang sama maupun jumlah 7 atau 11 yang tidak
muncul
Peluang masing-masing kejadian di atas adalah
Koin 2

(1,1)

(1,2)

(1,3)

(1,4)

(1,5)

(1,6)

(2,1)

(2,2)

(2,3)

(2,4)

(2,5)

(2,6)

(3,1)

(3,2)

(3,3)

(3,4)

(3,5)

(3,6)

(4,1)

(4,2)

(4,3)

(4,4)

(4,5)

(4,6)

(5,1)

(5,2)

(5,3)

(5,4)

(5,5)

(5,6)

(6,1)

(6,2)

(6,3)

(6,4)

(6,5)

(6,6)

Koin 1

E1= {(1,6),(2,5),(3,4),(4,3),(5,2),(6,1),(5,6),(6,5)}
E2= {(1,1), (2,2), (3,3), (4,4), (5,5), (6,6)}

92

E3= {(1,2), (1,3), (1,4), (1,5), (2,1), (2,3), (2,4), (2,6), (3,1), (3,2), (3,5),
(3,6), (4,1), (4,2), (4,5), (4,6), (5,1), (5,3), (5,4), (6,2), (6,3), (6,4)}
8

1 = 36 = 9

2 = 36 = 6

22

11

3 = 36 = 18

Nilai ini tidak berubah selama keenam usaha dilakukan.


Dengan menggunakan distribusi multinomial dengan 1 = 2, 2 = 1, dan3 = 3,
maka diperoleh peluang yang dinyatakan
2 1 11
6
2 2 1 1 11 3
(2,1,3; , , , 6) = (
)( ) ( ) ( )
9 6 18
2,1,3 9
6
18
6!
2 2 1 1 11 3
=
( ) ( ) ( )
2! 1! 3! 9
6
18
= 0,1127
LATIHAN SOAL
1. Jika Abi, Badu dan Cici berpeluang sama mendapat beasiswa, Hitunglah
distribusi peluang seragamnya!

Solusi :
distribusi peluang seragamnya adalah :
1

f(x; 3) = 3

untuk x = Abi, Badu, Cici

atau

x =1,2,3(mahasiswa

dinomori)

2. Jika kemasan Batu Baterai terdiri dari 4 batu baterai, maka bagaimana
distribusi peluang seragam cara menyusun batu baterai untuk 12 batu
baterai?
Solusi :
k CnN C412

12!
495 ada 495 cara
4!8!

93

f(x; k) = f(x; 495) =

1
495

untuk x = 1,2,3,...,495

3. Diketahui suatu hasil produksi mempunyai peluang

dalam suatu

pengujian kekuatan tertentu. Hitunglah peluang bahwa tepat 2 dari 4 hasil


produksi yang diuji tidak akan rusak.

Solusi :
Misalkan tiap pengujian bebas, jadi pengujian yang satu tidak
mempengaruhi oleh pengujian yang berikutnya. Dari soal diperoleh
bahwa, p = 3/4 , x = 2, dan n = 4. Jadi, peluang bahwa tepat 2 dan 4 hasil
produksi tidak akan rusak adalah
2
2
4
3 3 1
27

b 2;4,
4 2 4 4
128

4. Jika 20% dari baut-baut yang diproduksi oleh suatu mesin rusak, tentukan
peluang bahwa dari 4 baut yang dipilih secara acak terdapat yang rusak:
a.

(1)

b.

(0)

c.

Kurang dari 2

Solusi :
(a)
(b)
(c)

4
P(X = 1) = b(1; 4, (0,2)) = ( ) (0,2)1 (0,8)3 = 0,4096
1
4
P(X = 0) = b(0; 4, (0,2)) = ( ) (0,2)0 (0,8)4 = 0,4096
0
P(X < 2) = P (X=0) + P (X=1) = 0,4096 + 0,4096 = 0, 8192

94

5. Peluang seorang perwakilan datang ke suatu konferensi di suatu kota


menggunakan pesawat, bus, mobil pribadi, dan kereta berturut-turut adalah
0.4, 0.2, 0.3, dan 0.1. Hitung peluang dari 9 perwakilan yang datang 3
orang datang menggunakan pesawat, 3 orang dengan bus, 1 orang dengan
mobil pribadi, dan 2 orang dengan kereta.

Solusi:
Misalkan Xi : banyaknya perwakilan yang datang menggunakan
transportasi i, i=1,2,3,4 berturut-turut mewakili pesawat, bus, mobil
pribadi, dan kereta.

6. Sebuah kotak berisi 5 bola merah, 4 bola putih, dan 3 bola biru. Sebuah
bola dipilih secara acak dari kotak, warnanya dicatat, dan kemudian
bolanya dimasukkan kembali kemudian bolanya dimasukkan kembali.
Tentukan peluang bahwa dari 6 bola yang diambil secara acak dengan cara
ini, 3 diantaranya berwarna merah, 2 adalah putih, dan 1 biru.

Solusi :
Cara 1 : (menggunakan rumus distribusi multinomial)
5

P(merah pada sembarang pengambilan) = 12


4

P(putih pada sembarang pengambilan) = 12


3

P(biru pada sembarang pengambilan) = 12


n=3+2+1=6

95

P (3 merah, 2 putih, 1 biru) = f (3, 2, 1; 12 , 12 , 12 , 6)


6
5
4
3
625
) (12)3 (12)2 (12)1 = 5184
3, 2, 1

=(

Cara 2: Peluang terpilihnya satu bola merah adalah 12, sehingga untuk 3
5

bola merah peluangnya adalah ( )3 .


12

Jadi, peluang untuk memilih 3 bola merah, 2 bola putih, dan 1 bola biru
adalah:
5 3 4 2 3 1
( ) ( ) ( )
12
12
12
Tetapai pilihan yang sama dapat diperoleh dalam urutan yang lain
(misalnya putih dulu, baru merah), dan banyaknya cara berbeda adalah :
C(6; 3,2,1) =

6!
3!2!1!

Sehingga peluang yang dicari adalah :


5 3 4 2 3 1 6!
625
( ) ( ) ( )
=
12
12
12 3! 2! 1! 5184

96

BAB 7
DISTRIBUSI HIPERGEOMETRIK & DISTRIBUSI POISSON

Distribusi Hipergeometrik
Misalkan sebuah populasi suatu barang sebanyak buah benda yang
terdiri atas buah barang yang baik dan sisanya ( ) buah barang rusak.
Kemudian diambil sebuah sampel acak berukuran ( ) secara sekaligus,
ternyata dari sampel acak itu berisi buah barang baik dan sisanya ( ) buah
barang rusak.
Dalam hal ini, kita akan menghitung peluang bahwa dari sampel acak itu
akan berisi buah barang baik.
Untuk menyelesaikan persoalan ini, perlu diperhatikan hal-hal berikut :
1. Banyak susunan yang mungkin untuk mendapatkan buah barang baik dari

buah barang baik ada ( ) cara yang berbeda.

2. Banyak susunan yang mungkin untuk mendapatkan ( ) buah barang


rusak dari ( ) buah barang yang rusak ada (

) cara yang berbeda.

3. Banyak susunan yang mungkin untuk mendapatkan buah barang dari

buah barang ada ( ) cara yang berbeda.

4. Gabungan pengambilan seluruh barang baik atau barang rusak



menghasilkan ( ) (
) cara.

Maka peluang bahwa sampel acak itu akan berisi buah barang baik
adalah:

( )(
)
( = ) =

( )

Definisi:

97

Andaikan sebuah populasi berisikan elemen berhingga, elemen suksesdan


( )elemen

gagal.

Sampel

diambil

berukuran

secara

acak

dari

populasitersebut. merepresentasikan jumlah sukses dalam sampel.


Peubah acak disebutberdistribusi Hipergeometrik dengan notasi (, , ) jika
dan hanya jika fungsi peluangnya berbentuk:

( )(
)
( ; , , ) = ; = 0, 1, 2, 3, ,

( )

Teorema:
Misalkan distribusi hipergeometrik h (x; N, n, k) maka
nk

dan

2 =

Nn
N1

Bukti:
1. Berdasarkan definisi rataan diskrit, maka:
n

(kx)(Nk
)
nx

E(X) = x

(Nn)

x=0
n

(Nk
)
(k 1)!
nx
= k
N
(x 1)! (k 1)! ( )
n

x=1
n

= k
x=1

(k1
)(Nk)
x1 nx
(Nn)

Ambillah y = x-1, maka bentuk di atas menjadi

E(X) =

n1 k1
Nk
( y ) (n1y
)
k
(Nn)
y=0

Karena

98

. n. N (1 N)

(N 1) (k 1)
Nk
(
)= (
)
n1y
n1y
Dan
N
N!
N N1
( )=
= (
)
n
n! (N n)! n n 1
Maka
n1 k1
) ((N1)(k1)
)
y
n1y
(N1
)
n1
y=0

(
nk
E(X) =

Karena penjumlahan mengatakan jumlah semua peluang dalam percobaan


hipergeometrik bila n-1 benda dipilih secara acak dari N-1, k-1 diantaranya
bernama sukses

2. Berdasarkan definisi varian, maka:


E[X(X 1)] =

k(k 1)n(n 1)
N(N 1)

Berdasarkan teorema :
2 = E(X 2 ) 2
= E[X(X 1)] + 2
=

k(k 1)n(n 1) nk n2 k 2
+
2
N(N 1)
N
N

nk(N k)(N n)
N2 (N 1)

Nn k
k
n (1 )
N1 N
N

99

Bila n relatif kecil dibandingkan dengan N, maka peluang pada setiap


pengambilan akan berubah kecil sekali. Sehingga praktis dapat dikatakan bahwa
kita berhadapan dengan percobaan binomial, dan kita dapat menghampiri
distribusi hipergeometrik dengan menggunakan distribusi binomial p =

k
N

Rata-rata dan variansinya dapat dicari dengan rumus sebagai berikut :


= np
=

nk
N

2 = npq
=n

k
k
(1 )
N
N

Jika dibandingkan dengan di atas dengan rumus teorema 3.3.1 kita akan
melihat bahwa rata-ratanya sama, sedangkan variansinya berbeda sebesar faktor
()

koreksi () yang dapat diabaikan bila n relatif kecil dibandingkan dengan N.

Distribusi hipergeometrik dapat diperluas untuk menangani kasus jika N


benda dapat dikelompokkan dalam k sel A1, A2, ..., Ak dengan a1 benda dalam sel
pertama, a2 benda dalam sel kedua, ..., ak benda ke sel ke-k. Sekarang ingin
diketahui peluang suatu ruang sampel ukuran n yang berisi
x1 benda dari sel A1 ,
x2 benda dari sel A2 ,

xk benda dari sel Ak


Menyatakan peluang ini dengan
f(x1, x2, ..., xk ; a1, a2, ..., ak, N, n)
untuk memperoleh rumus umum, perhatikan bahwa jumlah seluruh sampel ukuran
n yang dapat dibuat dari N masih tepat []. Ada [1 ] cara memilih x1 benda dari
1

100

sel A1, dan untuk setiap cara ini terdapat [2 ] cara untuk memilih x2 benda dari sel
2

A2. Jadi untuk memilih x1 benda dari sel A1 dan x2benda dari sel A2 dapat
dilakukan dalam [1 ] [2 ] cara.
1

Dengan meneruskan cara ini untuk memilih n benda yang terdiri atas x1 dari
A1, x2 dari A2, ..., xk dari Ak dan dapat dilakukan dalam [1 ] [2 ]... [] cara.
1

Distribusi peluang yang dinyatakan sekarang dapat didefinisikan sebagai


berikut.

Distribusi hipergeometrik peubah ganda.


Jika N benda dapat dikelompokkan dalam k sel A1, A2, ..., Ak masingmasing berisi a1, a2, ..., ak benda, maka distribusi peluang peubah acak x1, x2, ...,
xk yang menyatakan banyaknya benda yang terambil dari A1, A2, ..., Ak dalam
suatu sampel acak ukuran n adalah
f(x1, x2, ..., xk ; a1, a2, ..., ak, N, n) =

1 2
(
)( )( )
1

(
)

dengan
=1 1 =

dan

=1 1 =

Distribusi Poisson

Sejarah Distribusi Poisson


Distribusi Poisson disebut juga distribusi peristiwa yang jarang terjadi,
ditemukan

oleh

S.D.

Poisson

(17811841),

seorang

ahli

matematika

berkebangsaan Perancis. Distribusi Poisson termasuk distribusi teoritis yang


memakai variabel random diskrit.

101

Menurut Walpole (1995), distribusi Poisson adalah distribusi peluang acak


Poisson X, yang menyatakan banyaknya sukses yang terjadi dalam suatu selang
waktu atau daerah tertentu.

Definisi Distribusi Poisson


Distribusi Poisson adalah:

Distribusi nilai-nilai bagi suatu variabel random X (X diskrit), yaitu


banyaknya hasil percobaan yang terjadi dalam suatu interval waktu tertentu
atau di suatu daerah tertentu.

Distribusi probabilitas diskrit yang menyatakan peluang jumlah peristiwa


yang terjadi pada periode waktu tertentu apabila rata-rata kejadian tersebut
diketahui dan dalam waktu yang saling bebas sejak kejadian terakhir.

Eksperimen yang menghasilkan peubah acak X yang bernilai numerik yaitu


banyaknya sukses selama selang waktu tertentu atau dalam daerah tertentu disebut
Eksperimen Poisson. Panjang selang tertentu dapat berupa semenit, sehari,
seminggu, atau setahun. Eksperimen Poisson memiliki karakteristik sebagai
berikut.

Ciri-Ciri Distribusi Poisson


1. Banyaknya sukses yang terjadi dalam selang waktu atau daerah tertentu
terpengaruh.
2. Peluang terjadinya satu kali sukses dalam setiap selang yang sempit sebanding
dengan lebar selang.
3. Jika A dan B dua buah selang dimana A irisan B kosong, maka banyaknya
sukses dalam A tidak tergantung (independen) dengan banyaknya sukses
dalam B.

102

Penjelasan mengenai distribusi Poisson, baik dari pengertian, dan jenisjenis, melahirkan beberapa ciri yang dimiliki oleh distribusi Poisson sebagai
berikut (Hassan,2001):
1) Banyaknya hasil percobaan yang terjadi dalam suatu interval waktu atau
suatu daerah tertentu, tidak bergantung pada banyaknya hasil percobaan yang
terjadi pada interval waktu atau daerah lain yang terpisah.
2) Probabilitas terjadinya hasil percobaan selama suatu interval waktu yang
singkat atau dalam suatu daerah yang kecil, sebanding dengan panjang
interval waktu atau besarnya daerah tersebut dan tidak bergantung pada
banyaknya hasil percobaan yang terjadi diluar interval waktu atau daerah
tersebut.
3) Probabilitas lebih dari satu hasil percobaan yang terjadi dalam interval waktu
yang singkat atau dalam daerah yang kecil dapat diabaikan.

Selain itu diketahui pula dalam distribusi Poisson, probabilitas lebih dari
satu hasil percobaan yang terjadi dalam interval waktu yang singkat atau dalam
daerah yang kecil dapat diabaikan.

Penggunaan Distribusi Poisson


Distribusi Poisson banyak digunakan dalam hal menghitung probabilitas
terjadinya peristiwa menurut satuan waktu, ruang atau isi, luas, panjang tertentu,
seperti menghitung probabilitas dari:

Banyaknya penggunaan telepon per menit

Banyaknya mobil yang lewat selama dalam selang waktu tertentu di suatu
ruas jalan

Banyaknya bakteri dalam satu tetes air

Banyaknya kesalahan ketik per halaman sebuah buku

Banyaknya kecelakaan mobil di jalan tol selama periode waktu tertentu

Definisi

103

Misalkan peubah acak X dikatakan berdistribusi Poisson dengan parameter


ditulis X ~ p(). Jika X memiliki f.k.p. sebagai berikut:

() = {
, = 0, 1, 2,
!
0,

2,71828e
= rata rata keberhasilan = n p
= banyak unsur berhasil dalam sampel
n = jumlah atau ukuran populasi
p = probabilitas kelas sukses

Teorema
Jika X berdistribusi Poisson

() = {
, = 0, 1, 2,
!
0,
Maka = dan 2 =

Bukti:

Akan ditunjukkan bahwa


() = ( )

() =
=0

() =

( )
(
)
!

=0

() =

104

() =
() = (

1)

Jika X ~ () maka f.p.m. adalah


() = (

1)

Akibatnya,
() = ( ) (

1)

Jika t = 0 maka
(0) = =
() = ( ) (

1)

+ ( )2 (

1)

Jika t = 0 maka
() = + 2 = ( 2 ) = 2
(0) 2 = + 2 2 =

Jadi, Jika X berdistribusi Poisson



() = {
, = 0, 1, 2,
!
0,
Maka = dan 2 = Terbukti

Ingat
=

()
1
= 1 + 2
!
2!

()
1
=
= 1 + + 2 +
!
2!

=0

105

( + ) = ( )

=0

Rata-rata, Varians, dan Simpangan Baku Distribusi Poisson


1. Rata-rata
Untuk mencari nilai rata-rata pada distribusi Poisson digunakan rumus sebagai
berikut (Hasan,2001)
() = = =

2. Varians
Untuk mencari nilai varians pada distribusi Poisson digunakan rumus sebagai
berikut (Hasan,2001)
( )2 = 2 =
Kurva Distribusi Poisson

106

Soal dan Pembahasan


1. Tumpukan 40 komponen masing-masing dikatakan dapat diterima bila isinya
tidak lebih dari 3 yang cacat. Prosedur penarikan contoh tumpukan tersebut
adalah memilih 5 komponen secara acak dan menolak tumpukan tersebut bila
ditemukan suatu cacat. Berapakah probabilitas bahwa tepat 1 cacat ditemukan
dalam contoh itu bila ada 3 cacat dalam keseluruhan tumpukan itu?
Diketahui: = 40, = 3, = 5 = 1
Jawab:
Dengan menggunakan sebaran hipergeometrik, didapat probabilitas perolehan
1 cacat, yaitu:
3 40 3
( )(
)
1
5

1
(1 ; 40, 5, 3) =
40
( )
5
3 37
( )( )
= 1 4
40
( )
5
3 66.045
=
658.008
= 0,30111

2. Sekelompok orang terdiri dari 50 orang dan 3 orang diantaranya lahir pada
tanggal 31 Desember. Bila secara acak dipilih 5 orang, berapakah peluang
yang terpilih itu tidak lebih dari 1 orang yang lahir pada tanggal 31 Desember?
Diketahui: = 50, = 5, = 3 1 ( = 0, 1)
Jawab:
Dengan menggunakan sebaran hipergeometrik, didapat probabilitas tidak lebih
dari 1 orang yang lahir pada tanggal 31 Desember, yaitu :
( 1) = ( = 0) + ( = 1)

107

3 50 3
3 50 3
( )(
) ( )(
)
= 0 50 + 1 51
50
50
( )
( )
5
5
3 47
3 47
( )( ) ( )( )
5
0
=
+ 1 4
50
50
( )
( )
5
5
1 1.533.939 3 178.365
=
+
2.118.760
2.118.760
= 0,72398 + 0,25255
= 0,97653

3. Profesor Jon Hammer mempunyai kumpulan 15 pertanyaan pilihan ganda


tentang distribusi probabilitas. 4 dari pertanyaan tersebut adalah soal tentang
distribusi hipergeometrik. Berapa probabilitas sekurang-kurangnya 1 dari
kumpulan pertanyaan ini akan muncul soal hipergeometrik pada kuis di hari
Senin yang terdiri dari 5 pertanyaan?
Diketahui: = 15, = 5, = 4 1 ( = 1, 2, 3, 4)
Jawab:
Dengan menggunakan sebaran hipergeometrik, didapat probabilitas sekurangkurangnya 1 dari kumpulan pertanyaan ini akan muncul soal hipergeometrik,
yaitu :
( 1) = ( = 1) + ( = 2) + ( = 3) + ( = 4)
4 15 4
4 15 4
4 15 4
4 15 4
( )(
) ( )(
) ( )(
) ( )(
)
3
1
2
4
5

1
5

2
5

3
5

4
=
+
+
+
15
15
15
15
( )
( )
( )
( )
5
5
5
5
4 11
4 11
4 11
4 12
( )( ) ( )( ) ( )( ) ( )( )
= 1 4 + 2 3 + 3 2 + 4 1
15
15
15
15
( )
( )
( )
( )
5
5
5
5

108

4 330 6 165 4 55 1 12
+
+
+
3.003
3.003
3.003
3.003
1.320 + 825 + 220 + 12
=
3.003
2.377
=
3.003
=

= 0,79154

4. Jika 5 kartu diambil secara acak dari seperangkat kartu bridge, tentukan mean
dan variansinya dengan menafsirkan selang 2.
Diketahui:
N = 52, n = 5, k = 13
berdasarkan teorema 3.3.1, maka
=

(5)(13)
52

65 5
=
52 4

= 1,25

2 =

Nn
k
k
. n. (1 )
N1
N
n

2 = (

52 5
13
13
) (5) ( ) (1 )
51
52
52

47
13 52 13
(5) ( ) ( )
51
52 52 52

109

= (0,921568627)(5)(0,25)(0,75)
= 0,8640
Dengan menarik akar maka = 0,93. Maka selang yang diminta adalah 1,25
2(0,93) atau dari -0,61 sampai 3,11. Dalil chebyshev menyatakan bahwa
banyak kartu hati yang diperoleh jika 5 kartu diambil secara acak tanpa
pengambilan akan terletak antara -0,61 dan 3,11 dengan peluang sekurangkurangnya .

Jadi jika pengambilan 5 kartu ini diulang-ulang maka nya akan


mengandung kurang dari 4 kartu hati.

5. Suatu panitia 5 orang akan dipilih secara acak dari 3 kimiawan dan 5
fisikawan. Hitunglah mean dan variansinya!
Jawab:
Diketahui N = 8, n =5, k=3, maka
= (0)

1
15
30
10 15
+ (1) + (2) + (3)
=
56
56
56
56 56

( 2 ) =

225
56

Sehingga
225
15 2
225
=
[ ] =
56
8
448
2

6. Perusahaan listrik melaporkan bahwa diantara 5000 pemasang listrik yang


baru, 4000 menggunakan sistem prabayar. Bila 10 diantara pemasang baru
tersebut diambil secara acak, berapa peluang tepat 3 orang yang menggunakan
sistem paskabayar?

110

Diketahui:
N = 5000, n = 10
Karena ukuran populasi relatif besar jika dibandingkan dengan contoh n =10,
maka kita akan mencari peluang yang akan ditanyakan dengan menggunakan
distribusi binomial. Peluang orang menggunakan sistem paskabayar adalah
0,2, maka peluang tepat ada 3 orang yang menggunakan sistem paskabayar
diantara 10 orang tersebut adalah
h(3 ; 5000, 10, 1000 ) b( 3; 10,

1
)
5

a
2
1
1
b( x;10, ) b( x;10, )
5 x 0
5
x 0

= 0,8791 0,6778
= 0,2013

7. Sebuah kapal memuat 1600 penumpang, 320 orang diantaranya berumur


dibawah 17 tahun. Jika 8 orang diantara penumpang tersebut dikumpulkan
dalam suatu ruangan, berapa peluang tepat 2 orang yang berusia dibawah 17
tahun?

Diketahui:
N = 1600
n=8
Karena ukuran populasi relatif besar jika dibandingkan dengan contoh n=8,
maka kita akan mencari peluang yang akan ditanyakan dengan menggunakan
distribusi binomial. Peluang penumpang yang berumur dibawah 17 tahun
adalah 0,2, maka peluang tepat ada 2 penumpang yang berumur dibawah 17
tahun diantara 8 orang contoh tersebut adalah

111

1
h(2; 1600, 8, 320) b(2; 8, )
5

= ( )

8 1 2 4 6
= ( )( ) ( )
2 5
5
=

8! 1 2 4 6
( ) ( )
2! 6! 5
5

1
4096
= 28 ( ) (
)
25 15625
=

114688
390625

= 0,2936
Jadi, peluang terdapatnya tepat 2 penumpang yang berumur dibawah 17 tahun
diantara 8 orang yang dikumpulkan sebesar 0,2936.

8. Di dalam sebuah kotak terdapat 8 buah kelereng. 2 diantaranya berwarna


merah, 4 berwarna biru, dan 2 berwarna hijau. Jika Fani mengambil 4 buah
kelereng dari kotak tersebut, berapakah peluang didapatkan 1 kelereng
berwarna merah, 1 kelereng berwarna biru, dan 2 kelereng berwarna hijau?

Dengan menggunakan peluasan distribusi hipergeometrik, maka


x1 = 1
x2 = 1
x3 = 2

112

a1 = 2
a2 = 4
a3 = 2
N=8
n=4
Peluang yang dicari adalah

f(1, 1, 2; 2, 4, 2, 8, 4) =

(21)(41)(22)
(84)
2!

1!1!

4!

2!

3!1! 2!0!
8!
4!4!

9.

2 41
70

8
70

4
35

Rata-rata banyaknya partikel radioaktif yang melewati suatu perhitungan


selama 1 milidetik dalam suatu percobaan dilaboratorium adalah empat.
Berapakah peluang enam partikel melewati penghitungan dalam milidetik
tertentu?

Diketahui
= 4 dan = 6
Maka

113

() =

46 6
= 0,1041956346
6!

10. Dua ratus penumpang telah memesan tiket untuk sebuah penerbangan luar
negeri. Jika probabilitas penumpang yang telah mempunyai tiket tidak akan
datang adalah 0.007 maka berapakah peluang ada 7 orang yang tidak datang.

Diketahui:
n = 200
p = 0.007
x=2
= = 200 . 0,007 = 1,4
(; ) =

1,42 1,4
2!

(; ) = 0,2417

11. Jika rata-rata kedatangan kapal di suatu pelabuhan adalah 22 kapalsetiap jam,
berapakah peluang dari kedatangan 4 kapal dalam waktu 3 menit. Gunakan
proses Poisson!
Diketahui:
= 22 kapal/ jam
unit waktu = 1 jam atau 60 menit, maka 3 menit =1/20 unit waktu
x=4
() ()
(; ) =
!
1

(; ) =

(22. (20))4 (22.(20))


4!

(; ) = 0,0224
114

12. Rata-rata banyaknya permintaan sambungan telepon per menit di suatu sentral
telepon adalah 10 buah. Kapasitas sentral tersebut hanya mampu melayani 15
permintaan per menit. Berapa peluangnya dalam 1 menit tertentu ada
permintaan yang tidak dilayani?

Jawab :
Misalkan X adalah banyaknya permintaan per menit. Jadi X ~ p() dengan =
10. Dengan demikian, p (ada permintaan yang tidak dilayani)
( > 15) = 1 ( 15)
15

( > 15) = 1
=0

10 10
!

( > 15) = 1 0,9513


( > 15) = 0,0467

115

BAB 8
BEBERAPA MODEL DISTRIBUSI KONTINU

A. Distribusi Normal
1. Tujuan
Mahasiswa diharapkan :
a. Mengetahui arti distribusi normal dan kurva normal.
b. Menjelaskan fungsi kepadatan peluang dan fungsi pembangkit momen dari
distribusi normal.
c. Menghitung peluang berdasarkan distribusi normal dengan menggunakan
tabel.

2. Materi
Distribusi normal merupakan distribusi dari peubah acak kontinue yang paling
banyak sekali dipakai sebagai pendekatan yang baik dari distribusi lainnya dengan
persyaratan tertentu. Sifat-sifat distribusi normal umum secara matematika
dipelajari pertama kali oleh tiga orang ahli, yaitu:
1. Abraham de moivre (1677-1745)
2. Pierre laplace (1749-1827)
3. Karl gauss (1777-1855)
Abraham de moivre, seorang matematikawan dari inggris yang menemukan
distribusi normal pada tahun 1733 sebagai hasil dari pendekatan distribusi
binomial dan penggunaannya terhadap masalah dalam permainan yang bersifat
untung-untungan. Kemudian laplace pada tahun 1774 mengenal distribusi normal
sebagai hasil dari beberapa kekeliruan dalam astronomi. Gauss pada tahun 1809
menggunakan kurva normal untuk menggambarkan teori kekeliruan pengukuran
meliputi perhitungan orbit bintang dilangit. Sepanjang abad ke 18 dan ke 19,

116

beberapa upaya dibuat untuk menetapkan model normal sebagai dasar hukum
untuk semua peubah acak kontinu.
Distribusi normal adalah distribusi yang berbentuk lonceng, bel, simetris;
simetrisnya itu terhadap sumbunya yang melalui nilai reratanya, sedangkan kurva
normal adalah kurva bagian atas dari distribusi normal.
Distribusi normal merupakan distribusi peluang kontinu yang terpenting
dalam bidang statistika, karena banyak digunakan didalam penelitian dan
pengukuran yang berulang-ulang mengenai bahan yang sama.
Penulisan notasi dari peubah acak X berdistribusi normal umum adalah
N(, 2 ), artinya peubah acak X berdistribusi normal dengan rataan

dan

variansi 2 .
Peubah acak X berdistribusi normal dengan rataan dan variansi 2 biasa
juga ditulis sebagai :
X ~ N(, 2 )
Definisi :
Fungsi padat peubah acak mempunyai (rataan) dan 2 (variansi)
dikatakanberdistribusi normal ditulis berdistribusi N (, 2 ) jika fungsi
kepadatan peluang (f.k.p) nya adalah
1

1 2
)

1 2
)

() = 2 2(
Atau

n(; , ) = 2 2(

, <<
, <<

Dengan = 3,1415 = 2,7182


Suatu peubah acak kontinu yang berdistribusinya berbentuk lonceng seperti
gambar 4.1.1. disebut peubah acak normal. Persamaan matematika distribusi

117

peluang peubah normal kontinu tergantung pada dua parameter dan , yaitu
rataan dan simpangan bakunya. Jadi fungsi padat akan dinyatakan dengan n ( ;
, ). Dengan mengetahui dan maka seluruh kurva normal diketahui, sebagai
contoh jika jika = 50 dan = 5, maka ordinat n ( ,50,5) dapat dengan mudah
dihitung untuk berbagai nilai dan kurvanya dapat digambarkan. Berikut ini
disajikan kurva normal berdasarkan rataan dan variansinya.

Gambar 4.1.1. kurva normal

Gambar 4.1.2. kurva normal dengan 1 2 dan

118

1=

1
2

1 =

Gambar 4.1.3. kurva normal dengan 1 =2 dan 1 < 2


Pada gambar diatas, terlukis dua kurva normal dengan rataan yang sama tapi
simpangan bakunya berlainan. Terlihat bawa kedua kurva memilki titik tengah
yang sama pada sumbu datar, tapi kurva dengan simpangan baku yang lebih besar
tampak lebih rendah dan lebih melebar. Perhatikan bahwa luas dibawah kurvapeluang harus sama dengan 1 sehingga bila kumpulan data makin berbeda maka
makin rendah dan melebar kurvanya.

Gambar 4.1.4. kurva normal dengan 1 <2 dan 1 < 2


Dengan mengamati gambar diatas serta memeriksa turunan pertama dan kedua
dari n(; , ) dapat diperoleh lima sifat kurva normal berikut:
1.

Modus, titik pada sumbu datar yang memberikan maksimum kurva, terdapat
pada =

119

2.

Kurva melengkung terdapat garis tengan yang melalui rataan .

3.

Kurva mempunyai titik beloik pada =


Jika < < + maka kurva cekung dari bawah.
Jika | | maka kurva cekung dari atas.

4.

Kedua ujung kurva normal mendekati asimtot sebagai sumbu datar. Jika
harga bergerak menjauhi baik kekiri maupun kekanan.

5.

Seluruh luas dibawah kurva dan diatas sumbu datar sama dengan 1.

Berikut ini akan ditunjukkan bahwa luas dibawah kurva normal diatas sumbu
datar sama dengan 1. Dengan menunjukkan bahwa

() = 1
Bukti :

() =

Misalkan : =

1 2
)

2 (

y=

dy=dx
Sehingga

() =

1
1
(2)2

1
1
(2)2

1 2

2 dy

1 2

2 dy

120

Misalkan:
1 2

= 2 dy
Akan dibuktikan I 2 2 sehingga I 2
Pilihlah:
Z

dz 1

dx

=
sehingga:
2 =

1 2

1 2

= 2 dy 2 dz

= 2

( 2+ 2 )

Dalam koordinat polar diketahui:


= 2 = 2 cos 2
= 2 = 2 sin2
srhingga diperoleh:
y2 + z2 = r2 cos2 + r2 sin2
= r2 (cos2 + r2 sin2)

121

= r2 [cos2 + r2 sin2 = 1]= r2


Kita substitusikan persamaan di atas maka diperoleh :
1

2
2 2

2 =
0

0
2

2 = 1
0

2 = 2
= 2

Sehingga

() =

1 2

(2)

1
2

(2)
=

(2)

1 2

1
2

1
2

(2)

1
2

(2)2

=1

Jadi diperoleh:

() = 1

(Terbukti)

122

Parameter Distribusi Normal Umum


Rataan, varians dan fungsi pembangkit momen dari distribusi normal
umum dirumuskan sbb:
1. E(X) =
2. Var (X) = 2
+2 2

3. () = (

) ;

Bukti:
1. Berdasarkan definisi rataan kontinu, maka:

E(X) = ()

1 2
)

= 2 2(
Misalnya z =

, maka x = +
=

Batas-batas :
Untuk = , maka =
Untuk = , maka =

1 2

E(X) = 2 ( + ) 2
=

1
2

1
2

Kita akan menguraikan kedua integral secara satu persatu.


Untuk :

1 2

2 = 0

Karena () = exp ( 2 2 )merupakan fungsi ganjil maka hasil


integralnya sama dengan nol.

123

Kemudian untuk:

1 2

2 =
1
2

[2]

= 2 sesuai dengan pembuktian yang telah dikerjakan di

atas

1 2

2 =

Sehingga :
E(X) = 0 +
E(X) = (terbukti)

2. Berdasarkan definisi varians kontinu maka:


Var (X) = ( )2

= ( )2 ()

= ( )2 22 exp [22 ( )2 ]
Misalnya : y = (

), maka ( ) =
=+

dx =
Batas-batas :
Untuk = , maka =
Untuk = , maka =

Var (X) = 2 2 2 [ 2 2 ]
=

2
2

[ 2 exp ( 2 2 ) ]

Misalnya : t =

2
2

, maka 2 = 2t , => = 2

124

2 = 2

Var (x) =
=

=
=

2 0 2 exp()

22

2 0

2 exp() . 2
2

, => =

22

22

exp()

2 exp()
2 0
2 exp()
2 0
22

0 2 exp()

Berdasarkan defenisis fungsi gamma :

() = 0 1 exp()
1

Maka dari definisi tersebut dapat kita ketahui bahwa 0 2 exp()


3

= (2)
2 2

3
( )
2

Berdasarkan salah satu sifat fungsi gamma : ( + 1) = ()


3

Berarti (2) = (2 + 1) = 2 (2)


Maka =

22 1
2

(2) , => (2) =

125

22 1
2

= 2
Var (X) = 2 (terbukti)

3. Berdasarkan definisi fungsi pembangkit momen kontinu, maka :

() = exp() ()

= exp() 22 exp [22 ( )2 ]


1

= 22 exp() exp [22 ( )2 ]


1 2

= 22 [ 2 (
1

1 ()2 22

= 22 [ 2 (
1

2
2

1 2 + 2 2(+2 )

= 22 [ 2 (
1

)]

1 2 2+ 2 22

= 22 [ 2 (
1

) ]

)]

)]

= 22 [ 22 ( 2 2( + 2 ) + 2 )]
Setelah dilakukan pengkuadratan sempurna didapatlah :

1
1
[ 22 ((|
22

( + 2 )|2 + 2 ( +

2 )2 )]
=

1
1
exp( 22 (|
22

( + 2 )|2 ). exp 22 ( 2

( + 2 )2 )
1

( 22 ( 2 ( + 2 )2 . 22 exp 22 (|

=
( + 2 )|2 )

=( 22 ( 2 2 2 2 4 2 ). 22 exp 22 (
( + 2 )2 )dx

126

= exp ( + 2 2 2 ) . 22 exp 22 ( ( + 2 )2 )dx

Karena 22 exp 22 ( ( + 2 )2 )dx merupakan integral dari


fungsi densitas distribusi normal umum dengan rataan ( + 2 ) dan
varians 2 dengan batas-batas integral sampai yang nilainya sama
dengan 1.

Sehingga () = ( + 2 2 2 )
1

Maka terbukti bahwa : () = ( + 2 2 2 )


Soal dan Kunci
1. Fungsi padat peubah acak mempunyai

(rataan) dan 2 (variansi)

dikatakanberdistribusi normal ditulis berdistribusi N (, 2 ) jika fungsi


kepadatan peluang (f.k.p) nya adalah
(

2 (

b. f(x)= 2
c. f(x)=

1 2
)
2

a. f(x)= 2

2
1

1 2
)
2

1
2

, < <

1 2
)

, < <

1 2
)

, < <

d. f(x)= 2 2(
e. f(x)=

, < <

1 2
)

2 (

, < <

Jawab : D
1

1 2
)

f(x)= 2 2(

, < <

127

2. Diketahui peubah acak x berdistribusi normal dengan =5 dan =2. Fungsi


distribusi normalnya adalah .
1 5 2
)
2

a. f(x)= 22 2(
b. f(x)=
c. f(x)=

1
2

1 5 2
)
2

2 (

1
22
1

, < <

1 2 2
)
5

, < <

3 5 2
)
2

, < <

2 (

d. f(x)= 22 2(
e. f(x)=

1
2

, < <

1 5 2
)
2

2 (

, < <

Jawab : A
Diketahui : =5
=2

1 2
)

f(x)= 2 2(

, < <

sehinggadiperoleh
1

1 5 2
)
2

f(x)= 22 2(

, < <

3. Perhatikan gambar berikut :

Pernyataan yang sesuai dengan gambar di atas adalah


128

a. 1= 2 dan

1=

b. 1 2 dan

1=

c. 1 2 dan

1> 2

d. 1 >2 dan

1=

e. 1 =2 dan

1> 2

Jawab : B
4. Ada 2 prosedur menyiapkan pesawat pemburu untuk take off. Cara pertama
memerlukan waktu rata-rata 24 menit dengan standar deviasi 5 menit
sedangkan cara kedua memerlukan rata-rata 24 menit dengan standar deviasi 2
menit dengan anggapan distribusi normal, maka jika waktu yang tersedia
hanya 20 menit. Cara mana yang lebih baik ?
a. Prosedur 1 dan 2
b. Prosedur 1
c. Prosedur 2
d. Tidak ada prosedur yang baik
Jawaban: B
Pembahasan :
Diketahui :
1 = 24; 2 = 25 1 N (24;25)
2 = 24; 2 = 42 N (24;4)
a. 1 ( X20) = P (P (

<

2024
5

= P (Z< 0,8)
= 0,5 0,2881
= 0,2119
b. 1 ( X20) = P (P (

<

2024
2

= P (Z< 2)

129

= 0,5 0,4772
= 0,0228
Jadi, cara yang terbaik menurut perhitungan adalah prosedur pertama karena
peluangnya lebih besar.
5. Perhatikan gambar berikut :

Pernyataan yang sesuai dengan gambar di atas adalah


a. 1= 2 dan

1=

b. 1 2 dan

1=

c. 1 2 dan

1> 2

d. 1 >2 dan

1=

e. 1 =2 dan

1< 2

Jawab : E
6. Jika peubah acak X bedistribusi umum dengan rataan 2 dan varians 0,16.
Maka P(X > 2,3) adalah
a. 0,5
b. 0,75
c. 2,3
d. 0,2734
e. 0,2266
Jawaban : E

130

Penyelesaian:
Dalam hal ini = 2 = 0,4
( > 2,3) = (

2,3 2
>
)

0,4
= ( > 0,75)

Kurva berdistribusi normal baku untuk Z = 0,75 bisa dilihat berikut ini,

0,75

Daerah yang dicari mulai dari z= 0,75 sampai z=


Jadi P(X>2,3) = 0,5 ( daerah dari Z = 0 sampai Z = 0,75 )
= 0,5 0,2734
P(X>2,3) = 0,2266

131

BAB 9
DISTRIBUSI NORMAL

A. Menghitung Luas di Bawah Kurva Normal


Luas daerah yang diarsir pada kurva normal tersebut diantarakedua
koordinat x = x1 dan x = x2 sama dengan peluang peubah X. Untuk mendapatkan
nilai x = x1 dan x = x2 maka

P(x1 X x2 )

x2

1 x

dx

x1

Dinyatakan oleh luas daerah yang diarsir

X1x2

Luas kurva normal sangat tergantung pada rataan dan simpangan normal
dan simpangan baku distribusi.
Jika pengamatan dengan setiap peubah acak normal X dapat ditransformasikan
menjadi himpunan pengamatan baru suatu peubah acak normal Z dengan rataan
nol dan variansi 1.
Transformasinya dapat dilakukan dengan:

Z = angka baku / standar

132

X = nilai data
= rata-rata populasi
= standar deviasi / simpangan baku populasi
Jika X berharga antara x = x1 dan x = x2 maka peubah acak Z adalah

Z1

x1

dan Z 2

x2

Jadi

P(x1 X x2 )

x 2 1 x
2

2
x

1
2

dx

x1

z
2

z1

dz n( z;0,1)dz

x1

Pz1 Z z 2

z2

Dengan z terlihat merupakan suatu peubah acak normal dengan rataan nol dan
variansi 1.
Distribusi Normal Baku
Definisi:
Distribusi peubah acak normal dengan rataan nol dan variansi 1 disebut distribusi
normal baku.
() =

1
2

1 2
) ; < <
2

133

x1x2

z1

z2

Banyaknya tabel luas kurva normal yang diperlukan telah diperkecil


menjadi satu, yaitu distribusi normal baku.
Setelah kita memperoleh distribusi normal baku maka kita mencari luas daerah
dibwah kurva normal baku tersebut. Caranya adalah sebagai berikut :
1. Hitung z hingga 2 desimal
2. Gambarkan kurvanya
3. Letakan harga z pada gambar datar, lalu tarik garis vertikal hingga
memotong kurva
4. Luas daerah yang tertera dalam daftar, adalah luas daerah garis antara
garis ini dengan garis tegak titik nol.
5. Dalam daftar distribusi normal baku, cari harga z pada kolom paling kiri
hanya 1 desimal, dan desimal keduanya dicari pada baris paling atas.
6. Dari z dikolom kiri, maju kekanan dan dari z pada baris ke atas turun ke
bawah, maka didapat bilangan yang merupakan luas daerah yang dicari.
Bilangan yang didapat , ditulis dalam bentuk 0,xxxx (4 desimal)

134

Karena luas seluruh kurva adalah 1, dan kurva simetris di m= 0, maka luas dari
garis tegak pada titik nol ke kiri ataupun ke kanan adalah 0,5.
Distribusi Binomial yang Mendektati Distribusi Normal
Untuk distribusi binomial yang cukup besar dan n(1-p) > 5, maka dapat digunakan
distribusi normal dengan = np dan dan standar deviasi =
Sehingga,
=

Untuk mengubah pendekatan dari binomial ke normal diperlukan faktor koreksi


yang besarnya 0,5.selain syarat binomial terpenuhi, yaitu (a) hanya terdapat dua
peristiwa, (b) peristiwa bersifat independen, (c) besarnya probabilitas sukses dan
gagal sama setiap percobaan, dan (d) data merupakan hasil perhitungan. Faktor
koreksi ini diperlukan untuk mentransformasikan dari binomial menuju normal
yang merupakan variabel acak kontinu
Faktor Koreksi Kontinuitas : Nilai koreksi kontinuitas sebesar 0,5 yang
dikurangkan dan ditambahkan pada data yang diamati
Contoh soal :
1. Ditentukan distribusi normal baku, carilah luas dibawah kurva yang terletak
disebelah kanan z = 1,52
Jawab :

1,52z

135

Pada tabel luas lengkungan normal standar dari 0 ke z


z= 1,52 yaitu P(0<Z<1,52) = 0,4537, sehingga luas di bawah kurva yang
terletak disebelah kanan z = 1,52 adalah
P(Z> 1,52)

= P(Z> 0) P(0<Z<1,52)
= 0,5 - 0,4537
= 0,0463

2. Ditentukan distribusi normal baku. Carilah luas dibawah kurva yang terletak
Antara z= -1,97 dan z= 0,8
jawab :

-1,97

0,81

Pada tabel luas lengkungan normal standar dari 0 ke z


z= -1,97 yaitu P (-1,97<Z<0)= 0,4756 dan z= 0,81 yaitu P(0<Z<0,81)= 0,2881
Luas kurva yang terletak Antara z= -1,97 dan z= 0,81 adalah
P(-1,97<Z<0,8)

= P (-1,97<Z<0) + P(0<Z<0,81)
= 0,4756 + 0,2881
= 0,7673

3. Ditentukan distribusi normal baku, carilah nilai k sehingga P( Z> k )= 0,3409


Jawab :

136

Pada gambar terlihat nilai z = k membuat luas 0,3409 ke sebelah kanan,


sehingga luas antara 0 dengan k adalah
= P (Z>0) P(Z>k)

P(0<Z<k )

= 0,5 0,3409
= 0,1591
Sehingga dari tabel luas di bawah kurva normal standar dari 0 ke z, nilai k
adalah 0,41

4. Ditentukan distribusi normal baku, carilah nilai k sehingga P( k<Z< -0,15) =


0,4225

Jawab :

-0,15

Pada tabel luas dibawah lengkungan normal standar dari 0 ke z, nilai z= -0,15
yaitu
P(-0,15< Z< 0)= 0,0596, sehingga

137

P(k<Z<-0,15)

= P( k <Z< 0) P (-0,15<Z<0)

0,4225

= P( k <Z< 0) - 0,0596

P( k <Z< 0)

= 0,4225 + 0,0596
= 0,4821

Pada tabel luas dibawah lengkungan normal standar dari 0 ke z, nilai k adalah
-2,1
5. Diketahui suatu distribusi normal dengan 50 dan 10 . Tentukanlah
peluang bahwa X mendapat nilai antara 41 dan 70.
Jawab :
Diketahui : 50 dan 10
Nilai z yang berpadanan dengan x1= 41 dan x2= 70 adalah
1
1 =

41 50
1 =
= 0,9
10
dan
2

70 50
2 =
=2
10
2 =

Jadi P (41<X<70) = P (-0,9<Z<2)


Pada tabel luas dibawah lengkungan normal standar dari 0 ke z, nilai z1= -0,9
yaitu P(-0,9<Z<0) = 0,3159 dan z2= 2 yaitu P(0<Z<2) = 0,4772, sehingga
P (-0,9<Z<2)

= P(-0,9<Z<0) + P(0<Z<2)
= 0,3159 + 0,4772
= 0,7931

138

-0,9

B. Aplikasi Distribusi Normal


Banyak masalah yang dapat diselesaikan dengan menggunakan distribusi normal.
Berikut ini contoh penggunaan distribusi normal dalam penyelesaian soal-soal.
Contoh :
1. Suatu Toko agar-agar menjual agarnya per-loyang seharga Rp.7500.Jika berat
agar-agar tersebut berdistribusi normal dengan simpangan baku Rp.1250,
peluang produk tersebut dapat dijual lebih dari Rp.10000 adalah?
Jawab :
Dik : = 7500 , = 1250 , dan x = 10000
Dit : P( X > 10000 )
Nilai z yang berpadanan dengan x= 10000 adalah
=

10000 7500
=2
1250

P( X > 10000 ) = P(Z>2)


P(Z>2) = P(Z>0) P(0<Z<2)
= 0,5 0,4772
=0,0228

139

Jadi peluang agar-agar tersebut dapat dijual lebih dari Rp.10000 adalah
sebesar 0,0228
2. Nilai murid TK Gembira Riang memiliki nilai rata-rata 75,nilai tersebut
berdistribusi normal dan memiliki simpangan baku 15,berapa jumlah
persentase murid TK yang mendapat nilai lebih dari 70?
Jawab:
Dik : = 75, = 15,

= 70

Dit : persentase P(X>70)


Nilai z yang berpadanan dengan x= 70 adalah
=

70 75
= 0,3333 0,33
15

Jadi P(X>70) = P (Z>-0,33)


P (Z>-0,33) = P(Z>0) + P(-0,33<Z<0)
= 0,5 + 0,1293
= 0,6293

-0,33

Sehingga , % P ( x > 70 ) = 0,6293 X 100 = 62,93 %


140

Jadi,jumlah persentase murid TK Riang Gembira yang mendapat nilai lebih


dari 70 adalah sebesar 62,93 %

3. Dalam suatu ujian metematika nilai rata-rata adalah 82 dengan simpangan


baku 6.9. Semua mahasiswa yang bernilai dari 88 sampai dengan 94
mendapat nilai B. Bila nilai berdistribusi normal dan delapan mahasiswa
mendapat nilai B. Berapa orang yang mengikuti ujian tersebut ?
Jawab :
Dik : x1= 88 , x2=94, = 82,

= 6,9

Dit : jumlah mahasiswa yang mengikuti ujian


1 =

88 82
= 0,87
6,9

2 =

94 82
= 1,74
6,9

Jadi, P(0,87 < Z < 1,74)


P(0,87 < Z < 1,74)

= P(0<Z<1,74) - P(0,87<Z<0)
= 0,4591 - 0,3078
= 0,1513

0 0,87 1,74

(0,87 < Z < 1,74) x jumlah mahasiswa= 8 mahasiswa, sehingga jumlah


mahasiswa adalah
8

Jumlah mahasiswa= 0,1513 = 52,87 52 mahasiswa

141

Jadi jumlah mahasiswa yang mengikuti ujian adalah 10 mahasiswa

4.

Tinggi 1000 mahasiswa berdistribusi normal dengan rata-rata 174.5 cm dan


simpangan baku 6.9 cm. Berapa banyak mahasiswa dapat diharapkan, yang
tingginya
a) Kurang dari 160.0 cm
b) Antara dan termasuk 171.5 dan 182 cm
c) Sama dengan 175.0 cm
d) Lebih besar atau sama dengan 188 cm

jawab :
a) Kurang dari 160.0 cm
=

160 174,5
= 2,1
6,9

P(Z<-2,1)

= P(Z<0) P(-2,1<Z<0)
= 0,5 0,4821
=0,0179

Jumlah mahasiswa = 0,0179 x 1000= 17,9 18 mahasiswa

b) Antara dan termasuk 171.5 dan 182 cm


1 =

171,5 17,5
= 0,43
6,9

2 =

182 174,5
= 1,09
6,9

P(-0,43<Z<1,09)

= P(-0,43<Z<0)+ P(0<Z<1,09)
= 0,1664 + 0,3621
= 0,5285

142

-0,43

1,09z

Jumlah mahasiswa = 0,5285 x 1000 = 528 mahasiswa

c) sama dengan 175 tidak dapat dihitung


d) lebih besar atau sama dengan 188
=

188 174,5
= 1,96
6,9

P(Z>1,96)

= P(Z>0) P( 0<Z<1,96)
= 0,5- 0,4750
=0,0250

1,96

Jumlah mahasiswa = 0,025 x 1000 = 25 mahasiswa

5. IQ 600 pelamar ke suatu perguruan tinggi berdistribusi normal dengan


rata-rata 115 dan simpangan baku 12. Berapa pelamar yang akan ditolak,
jika perguruan tinggi tersebut hanya menerima IQ lebih besar dari 110 ?
Jawab :

143

Dik :

jumlah pelamar 600

= 115;
Dit :
=

= 12;

= 110

jumlah pelamar yang ditolak

110 115
= 0,42
12

= P(Z<0) P(-0,42<Z<0)

P(Z< -0,42)

= 0,5 0,1628
= 0,3372
Jumlah pelamar yang ditolak = 0,3372 x 600 = 202 pelamar
6. Seorang pedagang buah setiap hari membeli 300 kg buah di Pasar Induk
Kramat Jati. Probabilitas buah tersebut laku dijual adalah 80 % dan 20 %
kemungkinan tidak laku dan busuk. Berapa probabilitas buah sebanyak 250
kg laku dijual dan tidak busuk?
Jawab:
n = 300, probabilitas laku, p = 0,8 q = 0,2
= np = 300 x 0,8 = 240
npq = 300 0,8 0,2 = 6,93
X = 250 kg dan dikurangi faktor koreksi 0,5 sehingga X = 249,5

Z =

249,5240
6,93

= 1,37

144

Dari tabel diperoleh 0,4147


Jadi, probabilitas sama dengan luas kurva
P(z < 1,37)

= P(Z < 0 ) + P(0 < Z < 1,37)

= 0,5 + 0,4147
= 0,9147
Jadi harapan buah laku terjual sebanyak
250 kg adalah 0,9147 x 100% = 91,47%

145

BAB 10
DISTRIBUSI GAMMA, EKSPONENSIAL, DAN CHI-SQUARE

TUJUAN PEMBELAJARAN
Adapun tujuan dari mempelajari materi ini adalah sebagai berikut:
1. Mengetahui definisi-definisi terkait pengaplikasian distribusi gamma,
eksponensial, dan khi-kuadrat.
2. Mengetahui teorema-teorema terkait

pengaplikasian distribusi gamma,

eksponensial, dan khi-kuadrat.


3. Mengetahui cara menyelesaikan soal tentang

distribusi gamma,

eksponensial, dan khi-kuadrat.

DISTRIBUSI GAMMA
Distribusi Gamma merupakan turunan dari distribusi Poisson, digunakan
untuk mengkali peubah acak non negatif. Distribusi Gamma memainkan peran
yang penting dalam teori antrian dan teori keandalan (reliabilitas). Jarak antara
waktu tiba difasilitasi pelayanan (misalnya Bank dan Loket tiket kereta api).
Definisi 1
Fungsi Gamma didefinisikan sebagai:

() = 0 1 , untuk > 0
Jika di integralkan menggunakan integral parsial dengan permisalan
= 1

dan

= ( 1) 11

=
= ( 1) 2

146

maka diperoleh,

() =

lim ( 1 |0
~

( ( 1) 2 ))
0

= lim ( 1 |0 ) + lim ( ( 1) 2 )
~

= lim (

) + ( 1) lim ( ( 1) 2 )
0

= 0 + ( 1) ( 2 )
0

= ( 1) ( 2 )
0

Untuk > 1 yang menghasilkan rumus berulang:


() = ( 1)( 1)
Dengan memakai rumus berulang berkali-kali diperoleh:
() = ( 1)( 2)( 2),
() = ( 1)( 2)( 3)( 3),
Dan seterusnya.

Perhatikan jika = dengan bilangan bulat positif, maka


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

(1) = 11 = = 1 = 1
0

147

(1) = 1 menunjukkan bahwa (1) = 1 = 0!


Sehingga,
() = ( 1)!
Definisi 2
Peubah acak kontinu X berdistribusi Gamma, dengan parameter dan jika
fungsi padatnya berbentuk:

1 ,
()

() = {

0,

>0

, dimana > 0, > 0, dan

untuk yang lainnya

() > 0
Sifat fungsi Gamma :
4. (p + 1) = p (p)
5. (p + 1) = p!, untuk p bilangan bulat positif
1

6. (2) =
DISTRIBUSI EKSPONENSIAL
Pada saat = 1, distribusi gamma mengambil suatu bentuk khusus yang dikenal
sebagai distribusi eksponensial.
Definisi :
Peubah acak kontinu X berdistribusi eksponensial dengan parameter , jika fungsi
padatnya berbentuk:
1
,
() = {
0,

> 0,

>0

untuk yang lainnya

Dengan () = dan () = 2

148

Contoh :
Misalnya peubah acak Y brdistribusi eksponensial dengan parameter = 2.
Hitunglah peluang bahwa Y bernilai lebih dari 2.

Jawaban :
Fungsi densitas dari Y adalah :

1
() = ( ) 2
2

; >0

=0

( > 2) = 1 ( 2)
2

=1
0

1
2
2

2
1
= 1 (2 . 2 ] )
2
=0

1
= 1 (2 1 + 2)
2
1
= 1 (1,26)
2
= 1 0,6309
= 0,36900369
( > 2) = 0,369
Jadi, peluang bahwa Y bernilai lebih dari 2 adalah ( > 2) = 0,369
Hubungan distribusi Poisson, Eksponensial, dan Gamma

149

Pada suatu kejadian yang mengikuti proses Poisson, waktu antar kejadian (atau
waktu kejadian pertamaatau ke-1 dari kejadian terakhir, karena sifatnya yang
memoryless) tersebut akan berdistribusi eksponensial. Sedangkan waktu sampai
terjadinya kejadian ke- akan berdistribusi gamma.

Teorema 4.4.1:
Jika X berdistribusi (, ), maka f.p.m adalah:
() = (1 ) ;

Bukti:
() = ( )

=
0

=
0

1
1

()

(1)
1
1

()

Misalkan : =

(1)

, maka

150

<

Akibatnya,
1
1

() =
(
)
(
)
1
0 () 1

=
(
) (
)
() 0 1
1

(
)
1

=
(
) (
)
() 0 1
1

1 (

)
1

(
)
1
() 1
0

1
=(
)
1
1 () 0

Berdasarkan definisi fungsi Gamma () = 0 1 , maka:

1
() = (
)
()
1 ()

1
=(
)

(1 )
=

1
(1 )

= (1 ) ,

<

Jadi, terbukti bahwa jika X berdistribusi (, ), maka f.p.m adalah:

151

() = (1 ) ;

<

Teorema 4.4.2
Jika X berdistribusi Gamma dengan parameter dan jika fungsi padatnya
berbentuk

1
1

,
>0
() = { ()
0,
untuk yang lainnya

> 0 dan > 0, maka = dan 2 = 2


Bukti :
= () =


() 0

Misalkan : =
Sehingga
=


() 0

( + 1)
()

(( 1) + 1)!
( 1)!

()!
( 1)!

( 1)!
( 1)!

=
152

Untuk memperoleh variansi distribusi gamma,


(

2)

2 ( + 2)
=
()

2 (( 1) + 2)!
=
( 1)!
2 ( + 1)!
=
( 1)!
2 ( + 1)( 1)!
=
( 1)!
= ( + 1) 2
Sehingga,
2 = ( 2 ) 2
= ( + 1) 2 ()2
= 2 2 + 2 2 2
= 2
Sehingga, terbukti bahwa rataan dan variansi distribusi gamma adalah
= dan 2 = 2

DISTRIBUSI KHI-KUADRAT (CHI-SQUARE)


Hal khusus yang amat penting dari distribusi gamma diperoleh dengan

mengambil = 2 dan = 2, untuk v bilangan bulat positif. Hasilnya disebut


distribusi Chi-Kuadrat. Distribusi mempunyai parameter tunggal v disebut derajat
kebebasan.

153

Konsep peluang (probability) sering dikaitkan dengan distribusi variabel


yang ditelaah dalam suatu populasi tertentu. Abraham Demoivre (1667-1754)
mengembangkan teori galat atau kekeliruan (theory of error). Pada tahun 1757
Thomas Simpson menyimpulkan bahwa terdapat suatu distribusi yang berlanjut
(continuous distribution) dari suatu variabel dalam suatu frekuensi yang cukup
banyak. Pierre Simon de Laplace (1749-1827) mengembangkan konsep Demoivre
dan Simpson ini lebih lanjut dan menemukan distribusi normal. Hal tersebut
merupakan sebuah konsep yang mungkin paling umum dan paling banyak
dipergunakan dalam analisis Statistika (teori peluang).
Teknik kuadrat terkecil (least squares) simpangan baku dan galat baku
untuk rata-rata (the standard error of the mean) dikembangkan Karl Friedrich
Gauss

(1777-1855).

Pearson

melanjutkan

konsep-konsep

Galton

dan

mengembangkan konsep regresi, korelasi, distribusi chi-kuadrat dan analisis


statistika untuk data kualitatif di samping menulis buku The Grammar of Sience
sebuah karya klasik dalam filsafat ilmu. William Searly Gosset, yang terkenal
dengan nama samaran Student, mengembangkan konsep tentang pengambilan
contoh. Desain eksperimen dikembangkan oleh Ronald Alylmer Fisher (18901962) di samping analisis varians dan kovarians, distribusi-z, distribusi-t, uji
signifikan dan teori tentang perkiraan (theory of estimation).
Teknik kuadrat terkecil merupakan salah satu estimasi dalam analisis
regresi dengan memperkecil sum square error. Metode tersebut terus mengalami
penyempurnaan oleh metode-metode laib seiring perkembangan di berbagai
bidang. Analisis regresi adalah analisis untuk mengetahui hubungan variabel
respon dengan prediktor dan membentuk hubungan tersebut ke dalam suatu model
matematis.
Intinya bila dalam suatu eksperimen terdapat dua hasil keluaran (misal
pelemparan koin), kita bisa menggunakan distribusi normal. Namun jika lebih dari
2, maka dengan menggunakan Distribusi Chi-Square.

154

Definisi:
Peubah acak kontinu x berdistribusi Chi-Kuadrat, dengan derajat kebebasan v,
bila fungsi padatnya diberikan oleh
1

() = {22 ( )
2

21 2 , > 0

0, untuk yang lain


Dengan v bilangan bulat positif.
Distribusi Chi-Kuadrat memegang peranan penting dalam statistika
inferensi. Karena distribusi chi-kuadrat merupakan hal khusus dari gamma,

dengan mengambil = 2 dan = 2. Distribusi Khi-Kuadrat dinotasikan dengan


lambang ~ 2 () yng dibaca peuabah acak X berdistribusi khi-kuadrat.

Akan ditunjukkan bahwa fungsi pembangkit momennya adalah


() = (1 2)
Bukti:
() = ( )
~

= ()
0
~

1
2

22 (2)

=
0

21 2

2 (2 )

(2)

155

; <

1
2

21 (2) ()

2 (2)

Misalnya = (2 ) = 1
2

= 12

1 2

Sekarang x dan dx didistribusikan pada pers (*) diperoleh

2 21
2
() = (
) (
)
1

2
1

2
0 22 ( )
~

2 2 2 1
2
= (
) (
) (
)
1

2
1

2
1

2
0 22 ( )
~

2 2 1
= (
)

0 22 ( ) 1 2
2

2 (2)

22

(1 2)2 ( )
2

1

2

(1 2)2

2 (2)
=

1
2

(1 2)

22

21
0

Berdasarkan definisi fungsi gamma () = 0 1 , maka diperoleh

156

() =

(
)

(1 2) ( ) 2
2

(1 2)2

= (1 2)2
Dengan menyelesaikan integral tersebut diperoleh

() = (1 2)2
Untuk memperoleh rataannya

() = (1 2)21 (2)
2

= (1 2)21
Jika t = 0 maka diperoleh

(0) = (1)21 =

Jadi =

Variansinya ( 2 )
"() = (

1) (1 2)22 . (2)
2

= 2 + 2(1 2)22

"(0) = 2 + 2(1)22
= 2 + 2
Jadi 2 = () () = 2 + 2 2 = 2
Contoh:

157

Misalkan berdistribusi 2 (10). Hitung:


a. (3,25 20,5)
b. Harga K sehingga ( > ) = 0,05
Jawab:
20,5

a. (3,25 20,5) = 3,25 ()


20,5

20,5

=
0

3,25

()

()

3,25
1
1
1
1
4 2
4 2

(5)25
(5)25
0

Berdasarkan tabel B diperoleh bahwa:


( 20,5) ( 3,25) = 0,975 0,025 = 0,95

(lihat tabel)

b. ( > ) = 1 ( )
= 1 0,05
= 0,95
Jadi ( ) = 0,95
Berdasarkan Tabel, diperoleh harga yang memenuhi adalah K = 18,4

158

Soal Latihan
1.

Misalnya peubah acak X berdistribusi gamma dengan parameter = 2 dan


= 3. Hitung peluang bahwa X berharga lebih dari 4.

Jawaban:
Fungsi densitas dari X berbentuk:

() = ( ) 3 ; > 0
9
= 0 ;
1

Jadi: ( > 4) = 4
=

. 3
9

1
1
lim . 3
9 9

Integral di atas diselesaikan dengan menggunakan integral parsial.


Misalnya: = , maka =

= 3 , maka = 3. 3

3
( > 4) = lim (3. ]
+ 3 3 )
9
=4
4


1
lim (3. 3 ]
9. 3 ] )
9
=4
=4

4
1
= lim (3. 3 + 12. 3 9. 3 + 9. 3 )
9

1
= [ lim (3. 3 ) + 21. 3 lim (9. 3 )]

9
4
1
= ( ) (0 + 21. 3 0)
9
21 4
=
. 3
9

= 0.6151

2.

Misalnya peubah acak Y brdistribusi eksponensial dengan parameter = 3.


Hitunglah peluang bahwa Y bernilai lebih dari 2.

159

Jawaban :
Fungsi densitas dari Y adalah :

1
() = ( ) 3
3

; >0

=0

( > 2) = 1 ( 2)
2

=1
0

1
3
3

2
1
= 1 (3 . 3 ] )
3
=0
2

= 1 + ( 3 1)
2

( > 2) = 3 = 0,5134
Jadi, peluang bahwa Y bernilai lebih dari 2 adalah ( > 2) = 0,5134

3.

Jika peubah acak X berdistribusi chi-kuadrat dengan derajat kebebasan v = 4,

maka tentukan fungsi pembangkit momen dari = ( 2 ) 1


Jawaban:
FPM dari X berbentuk:
() = (1 2)2 ; <

1
2

Berdasarkan definisi pembangkit momen, maka fungsi pembangkit momen


dari Y adalah:
() = ( )

160

= ( [( 2 )1] )

= ( 2 )

= ( 2 )

= . ( )
2
2
= . [1 2 ( )]
2


() =
(1 )2

4.

Misalnya peubah acak X berdistribusi chi-kuadrat dengan derajat kebebasan v


= 10. Hitung ( > 4,865) (3,247 20,48).
Jawaban:
a. ( > 4,865) = 1 ( 4,865)
= 1 (4,865)
Berdasarkan tabel distribusi chi-kuadrat dengan derajat kebebasan v = 10,
diperoleh (4,865) = 0,100.
Jadi:
( > 4,865) = 1 ( 4,865)
= 1 0,100
= 0,900
b. (3,247 20,48) = ( 20,48) ( 3,247)
= (20,48) (3,247)
Berdasarkan tabel distribusi chi-kuadrat dengan derajat kebebasan v = 10,
diperoleh (20,48) = 0,975 dan (3,247) = 0,025
Jadi:
(3,247 20,48) = ( 20,48) ( 3,247)
= 0,975 0,025
= 0,950

161

BAB 11
TRANSFORMASI PEUBAH

A. Peubah Acak
Peubah acak adalah suatu fungsi yang mengaitkan suatu bilangan real pada
setiap unsure dalam ruang sampel. Peubah acak biasanya dinyatakan dengan huruf
besar, misalnya X, sedangkan nilainya akan dinyatakan dengan huruf kecil
padanannya, misalnya x. Peubah acak ada 2, yaitu peubah acak diskrit peubah
acak kontinu.

1. Peubah Acak Diskrit


Jika suatu ruang sampel mengandung titik yang berhingga banyaknya atau
sederetananggota yang banyaknya sebanyak bilangan bulat, maka ruang sampel
itu disebut ruang sampel diskrit.Dengan kata lain peubah acak diskrit itu adalah
variabel yang hanya memiliki nilai tertentu. Nilainya merupakan bilangan bulat
dan asli, tidak berbentuk pecahan.Peubah acak ini jika digambarkan pada sebuah
garis interval, akan berupa sederetan titik-titik yang terpisah.
Di dalam praktek suatu sampel T, umumnya kita mendefinisikan lebih 1
buahpeubahacak. Misalkan kita mendefinisikan n buah peubah acak X1, X2,....,Xn
kita tuliskan Xi(c) = xi, i = 1, 2, ..., n bila c di T. Maka ruan peubah dari peubahpeubah acak X1, X2, ....., Xn atau ruang bersama X1, X2, ...., Xn. Yakni jelajah dari
X1, X2, ....., Xn adalah himpunan urutan n buah bilangan berikut:

2. Peubah acak kontinu


Peubah acak kontinu adalah peubah acak yang mengambil seluruh nilai yang ada
dalam sebuah interval atau variabel yang dapat memiliki nilai-nilai pada suatu
interval tertentu. Nilainya dapat merupakan bilangan bulat maupun pecahan.

B. Teknik Distribusi Peubah Acak

162

Dalam hal ini akan dibahas beberapa teknik yang digunakan dalam
menentukan distribusi dari fungsi peubah acak, yaitu teknik fungsi distribusi,
teknik transformasi peubah acak, dan teknik fungsi pembangkit momen. Misalkan
kita mempunyai peubah acak, baik diskrit maupun kontinu.Kita bisa menentukan
fungsi peluang atau fungsi densitas berdasarkan sifatnya.Kemudian kita
mempunyai peubah acak baru yang merupakan fungsi dari peubah acak semula.
Dalam hal ini, kita akan menentukan distribusi dari peubah acak baru tersebut.
Tentu saja, penentuan distribusi tersebut bergantung pada banyak peubah acak
yang dilibatkannya, yaitu satu peubah acak atau dua peubah acak.

C. Teknik Transformasi Peubah Acak


Teknik ini bisa berlaku untuk satu maupun dua buah peubah acak
sehingga transformasipeubah acaknya juga bisa merupakan fungsi dari satu
peubah acak maupun fungsi dari dua buah peubah acak . Khusus transformasi dari
fungsi dua peubah acak , idealnya harus ada dua transformasi peubah acak yang
diketahui . Dalam praktiknya , transformasi peubah acak yang diketahui mungkin
hanya sebuah . Oleh karena itu kita harus memisalkan satu transformasi peubah
acak lagi berdasarkan bentuk transformasi peubah acak yang diketahui .
Transformasi peubah acak yang diketahui itu bisa berupa penjumlahan ,
pengurangan, perkalian atau pembagian .

D. Teknik Transformasi Satu Peubah Acak


1. Teknik Transformasi Satu Peubah Acak Diskrit
Teorema
Misalkan suatu peubah acak diskrit dengan distribusi peluang ().
Misalkan = () suatu transformasi satu satu antara nilai dan
sehingga persamaan = () mempunyai jawaban tunggal untuk
dinyatakan dalam . Misalnya = (), maka distribusi peluang adalah
() = [()]

163

Bukti
Fungsi Densitas
( ) = ( = )
= ( () = )
= ( = () )
= ( ())
Contoh
Misalkan fungsi peluang dari peubah acak X adalah :
p(x) = 2 ; x = 1,2,3,
Tentukan Fungsi peluang dari peubah acak Y = 4 + 1

Penyelesaian
Transformasinya

: Y = 4 + 1

Hubungan Antara nilai dari peubah acak dan nilai dari peubah acak
diberikan dengan :

= 4 + 1
1

Inversnya : = ( 1)4
Nilai-Nilai yang mungkin dari adalah = { = 2,17,82, }.
Jadi fungsi peluang dari adalah :
1

1 () = 2(1)4 ; = 2,17,82,

2. Teknik Transformasi satu Peubah Acak Kontinu


Sekarang kita akan menentukan fungsi densitas dari fungsi peubah acak
kontinu tanpa melalui fungsi distribusi melainkan dengan teknik transformasi
peubah acak. Dalam hal ini,

penentuan fungsi densitas ini dibagi dua bagian,

yaitu:

164

a. Penentuan fungsi densitas dengan teknik transformasi peubah acak


yang melibatkan satu peubah acak kontinu, sehingga diperoleh teknik
transformasi satu peubah acak kontinu.
b. Penentuan fungsi densitas dengan teknik transformasi peubah acak yang
melibatkan dua peubah acak kontinu, sehingga diperoleh teknik transformasi dua
peubah acak kontinu.
Berikut ini akan dibahas kedua macam teknik transformasi peubah acak tersebut.

Teorema
Misalkan suatu peubah acak kontinu dengan distribusi peluang (). misalkan
= () menyatakan hubungan satu satu antara nilai dan sehingga
persamaan = () mempunyai jawaban tunggal untuk dan misalnya =
(). Maka distribusi peluang adalah () = [()] ||dengan = ()
dan disebut Jacobi transformasi.

Bukti
= ()

Misalkan = () fungsi naik, terlihat bahwa


bila bernilai dan maka peubah acak

bernilai antara () dan ().


jadi:

( < < ) = [() < < ()]


()

w(a)

= ()

w(b)

()

dengan = (), diperoleh bahwa = () .


sehingga:

( < < ) = [()] ()

Karena integral memberikan nilai peluang yang dicari untuk setiap < dalam
batas nilai yang mungkin, maka distribusi peluang adalah:

165

() = [()] ()
.(1)

= [()]

Jika J=w(y) adalah kemiringan invers dari garis tangen ke kurva naik y=u(x),
tentulah J=|J|, sehingga g(y) =f[w(y)]|J|

Kemudian

dimisalkan

() fungsi turun, terlihat

bahwa

bahwa bila

bernilai dan maka peubah acak


bernilai antar() dan (), jadi:

b
= ()

( < < ) = [() < < ()]


()

= ()

w(a)

w(b)

()

dengan = (), diperoleh bahwa = () .


Sehingga:

( < < ) = [()] ()

= [()] ()

Karena integral memberikan nilai peluang yang dicari untuk setiap < dalam
batas nilai yang mungkin, maka distribusi peluang adalah:
() = [()] ()
= [()]

.(2)

Karena slope dari kurva adalah negatif, dan -J=|J|, maka distribusi peluang
adalah:

166

() = [()]||

Contoh
Misalkan peubah acak kontinu dengan distribusi peluang () =

,
1<<5
{12
0, untuk yang lain
Hitunglah distribusi peluang peubah acak = 2 3
Jawab :
Fungsi kebalikan dari = 2 3 adalah =

+3
2

sehingga diperoleh

= ()
=

+3
(
)

1
( ( + 3))
2

1
= (1) + 0( + 3)
2
1
1
= +0=
2
2
Kemudian untuk interval daerahnya didapat:
= 1 maka = 1
= 5 maka = 7
Dengan demikian didapatlah bahwa:
(

+3

) 1
1 < < 7
() = { 12 (2) ,
0,
untuk yang lain
2

+3
, 1< <7
() = { 48
0, untuk yang lain
Bukti lain dari Teorema 2

167

Jika = () adalah satu-satu ,maka naik monoton atau turun monoton .


Pertama, kita asumsikan naik , maka () jika dan hanya jika
() . Dengan demikian
() = ( () )
= ( ()
= (()) ,
Sehingga fungsi densitasnya menjadi

() = (())

= (() (()) ()

= (()) ()
Dalam hal ini

()>0 , karena monoton naik. Sekarang dalam kasus

monoton turun
() jika dan hanya jika () . Dengan demikian :
() = ( () )
= ( ())
=1 ( ()
= 1 (())
Sehingga Fungsi densitasnya menjadi

() = ( 1 (()) )

= ( 1) ( (()) )

= 0 (() (()) ()

= (()) ()

= (()) ()

Dalam hal ini ()<0 , karena monoton turun .

168

Dalam konteks kasusu kontinu , turunan () disebut jacobian dan


dinotasikan :

J = ()

E. Teknik Transformasi Dua peubah Acak


1. Teknik Transformasi Dua peubah Acak Diskrit

Teorema
Misalkan X1 dan X2 peubah acak diskrit dengan distribusi peluang
gabungan
(1 , 2 ).
Misalkan
1 = 1 (1 , 2 )
dan
2 =
2 (1 , 2 ) merupakan transformasi satu satu antara himpunan titik
(1 , 2 ) dan (1 , 2 ) sehingga persamaan 1 = 1 (1 , 2 )dan 2 =
2 (1 , 2 )mempunyai jawaban tunggal untuk 1 dan 2 yang dinyatakan
dalam 1 , 2 .
Misalkan 1 = 1 (1 , 2 )dan 2 = 2 (1 , 2 ). Maka distribusi peluang
gabungan 1 dan 2 adalah (1 , 2 ) = [1 (1 , 2 ), 2 (1 , 2 )].

Bukti
Misalkan 1 = 1 (1 , 2 ) , 2 = 2 (1 , 2 ) menyatakan transformasi
satu-satu yang memetakan A ke B , Maka transformasi inversnya adalah 1 =
1 (1 , 2 ) ,2 = 2 (1 , 2 ) yang memetakan (1 , 2) B ke A
.
Jadi Distribusi peluang gabungan 1 dan 2 adalah (1 , 2 ) =
[1 (1 , 2 ), 2 (1 , 2 )] , Nol untuk yang lainnya .
Transformasi ini sangat berguna untuk menentukan distribusi peubah acak y1
= u1(X1, X2) peubah acak diskrit dengan distribusi peluang f(x1,x2). Untuk
menentukan distribusi peluang gabungan g(y1,y2) cukup dibentuk fungsi kedua
misalnya Y2 = u2(X2,X2) dan (y1,y2) dapat dipertahankan. Distribusi Y1 ini hanyalah
distribusi marginal dari g(y1,y2) yang dapat diperoleh dengan menjumlahkannya
terhadap nilai y2. Jika distribusi Y1 dinyatakan dengan h(y1), maka distribusinya
dapat dinyatakan dengan h( y1 ) g ( y1 y2 )
y2

Transformasi ini sangat berguna untuk menentukan distribusi peubah acak y1


= u1(X1, X2) peubah acak diskrit dengan distribusi peluang f(x1,x2). Untuk
menentukan distribusi peluang gabungan g(y1,y2) cukup dibentuk fungsi kedua

169

misalnya Y2 = u2(X2,X2) dan (y1,y2) dapat dipertahankan. Distribusi Y1 ini hanyalah


distribusi marginal dari g(y1,y2) yang dapat diperoleh dengan menjumlahkannya
terhadap nilai y2. Jika distribusi Y1 dinyatakan dengan h(y1), maka distribusinya
dapat dinyatakan dengan h( y1 ) g ( y1 y2 )
y2

Contoh
Misalkan 1 dan 2 dua peubah acak bebas dengan distribusi Poisson,
masing masing dengan parameter 1 dan 2 . Tentukan distribusi peubah acak
1 = 1 + 2 .
Jawab :
Karena 1 dan 2saling bebas maka dapat ditulis
(1 , 2 ) = (1 ) (2 )
=
=

1 1 1
1 !

2 2 2
2 !

(1 +2 )1 1 2 2

1 !2 !

dengan1 = 0, 1, 2, dan2 = 0, 1, 2,

Bentuk peubah acak kedua, misalnya Y2 = X2, kemudian didapat fungsi


kebalikannya yaitu 1 = 1 2 dan2 = 2 . Dengan demikian distribusi
peluang gabungan Y1 dan Y2 didapat, yaitu:
(1 , 2 ) =

(1 +2 ) 1 1 2 2 2
dengan1
(1 2 )! 2

= 0, 1, 2, , dan 2 =

0, 1, 2, , 1
karena1 > 0 transformasi 1 = 1 2 mengakibatkan x2, jadi juga y2,
harus selalu lebih kecil atau sama dengan y1, jadi distribusi peluang pias y1
adalah
1

(1 ) = (1 , 2 )
2 =0
1

=
2 =0

(1 +2) 1 1 2 2 2
(1 2 )! 2

170

= (1 +2)
2 =0

1 1 2 2 2
(1 2 )! 2 !

(1 +2)
1 !
=

1 1 2 2 2
(
)!
1 !
1 2 2 !
2 =0
1

(1 +2)
1
=
( ) 1 1 2 2 2
2
1 !
2 =0

(1 +2)
(1 + 2 )1
1 !

= 1,2,3,

Dari rumus tersebut dapat disimpulkan bahwa jumlah dua peubah acak
bebas yang berdistribusi Poisson dengan parameter 1 2 akan
berdistribusi Poisson juga dengan parameter 1 + 2 .
2.

Teknik Transformasi Dua peubah acak Kontinu

Teorema
Misalkan 1 dan 2 peubah acak kontinu dengan distribusi peluang
gabungan (1 , 2 ). Misalkan 1 = 1 (1 , 2 ) merupakan transformasi
satu satu antara titik (1 , 2 ) dan (1 , 2 )sedemikian rupa sehingga
persamaan 1 = 1 (1 , 2 ) dan 2 = 2 (1 , 2 ) mempunyai jawaban
tunggal untuk 1 dan 2 dinyatakan dalam 1 dan 2 misalkan 1 =
1 (1 , 2 ) dan 2 = 2 (1 , 2 ). Maka distribusi peluang gabungan 1 dan
2 adalah (1 , 2 ) = [1 (1 , 2 ), 2 (1 , 2 )] || dengan Jacobi adalah
determinan 2 x 2
1

|dan1
2
1

= |1
2

adalah turunan 1 = 1 (1 , 2 ) terhadap 1 bila2

tetap, disebut turunan parsial 1 terhadap 1 . Turunan parsial lainnya


didefinisikan dengan cara yang sama.

171

Keterangan :

: Adalah turunan parsial dari x1 = w1 (y1, y2) terhadap y1

Dengan y1 Konstan

: Adalah turunan parsial dari x1 = w1 (y1, y2) terhadap y2

Dengan y1Konstan

: Adalah turunan parsial dari x2 = w2 (y1, y2) terhadap y1

Dengan y2Konstan

: Adalah turunan parsial dari x2 = w2 (y1, y2) terhadap y2

engan y1Konstan

Contoh
Misalkan 1 dan 2 dua peubah acak kontinu dengan distribusi peluang
gabungan
(1 , 2 ) = {

4 1 2 , 0 < 1 < 1,
0 < 2 < 1
0, 1 2

Cari distribusi peluang gabungan 1 = 1 2dan 2 = 1 2.


Jawab :
Inversi 1 = 12 1 = 1
2
2 = 1 2 2 =
1
Sehingga diperoleh:
1
21
= ||
2
3

21 2

| = ( 1 1 ) ( 2 0) = 1 0 = 1
3
1 |
21
21
21 1
21 2
1

172

Untuk menentukan himpunan B dari titik titik dibidang 1 2 yang


menjadi peta himpunan A dari titik titik dibidang 1 2 tulislah= 1 =
1 dan 2 =

2
1

dan kemudian ambil 1 = 0, 2 = 0, 1 = 1, 2 = 1,

yaitu batas batas himpunan A, ditransformasikan ke 1 = 0, 2 = 0, 2 =


1 atau 22 = 1 , yaitu batas batas himpunan B. Kedua daerah
digambarkan sebagai berikut.
2

2 2 = 1

Terlihat transformasi satu satu memetakan himpunan = {(1 , 2 )| 0 <


1 < 1, 0 < 2 < 1} ke himpunan = {(1 , 2 )|22 < 1 < 1, 0 < 2 <
1} dengan teorema tersebut diperoleh distribusi peluang gabungan 1 dan 2
(1 , 2 ) = 41
=

1
1 21

22
1

Kemudian dapat ditulis distribusi peluang gabungan 1 dan 2


22
, 22 < 1 < 1, 0 < 2 < 1
(1 , 2 ) = { 1
0, untuk1 dan2 lainnya
Dalam prakteknya, penentuan fungsi densitas dari peubah acak transformasi
bisa terjadi dalam empat kemungkinan, yaitu:
1. Dua Transformasi Peubah Acak Dan Fuangsi Densitas Gabungan
diketahui

173

Misalkan kita mempunyai fungsi densitas gabungan dari dua peubah acak
kontinu dan dua peubah acak transformasi yang masing-masing merupakan fungsi
dari dua peubah acak kontinu tersebut.Kedua peubah acak transformasi itu
merupakan peubah acak yang baru. Langkah-langkah untuk menentukan fungsi
densitas marginaldari salah satu peubah acak transformasi itu sebagai berikut:
Ubah bentuk dua peubah acak transformasi dari huruf besar (dalam bentuk
peubah acak) menjadi huruf kecil (dalam bentuk nilai peubah acak),
sehingga diperoleh nilai peubah acak transformasi.
Tentukan invers dari nilai peubah acak transformasi itu, sehingga akan
diperoleh dua nilai peubah acak lama yang merupakan fungsi dari nilai
peubah acak transformasi.
Hitung nilai Jacobian (ditulis dengan J) dari dua nilai peubah acak lama,
dengan jacobiannya berupa determinan dari matriks berordo 2 x 2.
Kemudian hitung harga mutlak dari jacobian itu.
Tentukan distribusi gabungan dari kedua peubah acak transformasi.
Tentukan batas-batas nilai dari kedua peubah acak transformasi.
Tentukan fungsi densitas marginal dari salah satu peubah acak
transformasi yang diinginkan.

2. Dua Transformasi Peubah Acak diketahui Dan Fungsi Densitas


Gabungan tidak diketahui
Misalkan kita mempunyai fungsi densitas dari masing-masing peubah acak
kontinu dan kedua peubah acaknya saling bebas.Kemudian diketahui dua buah
peubah acak transformasi yang masing-masing merupakan fungsi dari dua peubah
acak kontinu semula.

Langkah-langkah untuk menentukan fungsi densitas

marginal dari salah satu peubah acak transformasi itu sebagai berikut:
Tentukan fungsi densitas gabungan dari kedua peubah acak kontinu
semula.

174

Ubah bentuk dua peubah acak transformasi dari huruf besar (dalam bentuk
peubah acak) menjadi huruf kecil (dalam bentuk nilai peubah acak),
sehingga diperoleh nilai peubah acak transformasi.
Tentukan invers dari nilai peubah acak transformasi itu, sehingga akan
diperoleh duanilai peubah acak lama yang merupakan fungsi dari nilai
peubah acak transformasi.
Hitung nilai Jacobian (ditulis dengan J) dari dua nilai peubah acak lama,
denganjacobiannya berupa determinan dari matriks berordo 2 x 2.
Kemudian hitung harga mutlak dari jacobian itu.
Tentukan distribusi gabungan dari kedua peubah acak transformasi.
Tentukan batas-batas nilai dari kedua peubah acak transformasi.
Tentukan fungsi densitas marginal dari salah satu peubah acak
transformasi yang diinginkan.
Contoh
Misalkan fungsi densitas gabungan dari X dan Y berbentuk :
(, ) =

1
; 0 < ( 2, 0 < < 2
4

= 0 ; ,
Jika U = X Y dan V = X + Y ,maka tentukan fungsi densitas marginal
dari U .
Penyelesaian :
Kedua peubah acak transformasinya : U = X Y dan V = X + Y .
Hubungan antara nilai x dari X dan nilai y dari Y serta hubungan antara
nilai u dari U dan nilai v dari V diberikan dengan :
= dan = +
Inversnya : =

( + ) dan y = ( )
2
2

Jacobiannya : J = |
1

|= |

11
22
11
2 2

=4+4
175

J=4=

J = 2
Fungsi densitas gabungan dari U dan V adalah :
1

(, ) = ([2 ( + ), ( 2) ( )] .
1

= (4)(2)
(, ) =

1
8

Batas-batas dari U dan V adalah :


0<x<2

0<y<2

0 <2 ( + ) < 2

0 < 2 ( )< 2

0 < + < 4

0 < < 4

< < 4

< <4+

Jadi , ( , ) =

1
8

; untuk < < 4 , < < 4 +

= 0 ; , lainnya .
Jadi fungsi densitas marginalnya dari U adalah
4+ 1

1 () =

4+
]
=

( 4 + ) = =
8
8

1
2

Maka
1 () =

1
2

;0 < < 2

= 0 ; u yang lainnya .

3. Satu Transformasi Peubah Acak Dan Fungsi Densitas gabungan


Diketahui
Misalkan kita mempunyai fungsi densitas gabungan dari dua peubah acak
kontinu dan sebuah transformasi peubah acak yang merupakan fungsi dari kedua
peubah acak kontinu tersebut.
Langkah-langkah untuk menentukan fungsi densitas dari transformasi
peubah acak itu sebagai berikut:

176

Kita mengambil atau memisalkan satu transformasi peubah acak lagi


dengan bentuknya disesuaikan dengan bentuk transformasi yang diketahui.
Jika transformasi yang diketahui berbentuk penjumlahan, pengurangan, atau
perkalian, maka kita bebas mengambil transformasi yang kedua.
Jika transformasi yang diketahui berbentuk pembagian, maka kita sebaiknya
mengambil transformasi yang keduanya adalah penyebutnya.
Ubah bentuk dua peubah acak transformasi dari huruf besar (dalam bentuk
peubah acak)menjadi huruf kecil (dalam bentuk nilai peubah acak),
sehingga diperoleh nilai peubah acak transformasi.
Tentukan invers dari nilai peubah acak transformasi itu, sehingga akan
diperoleh duanilai peubah acak lama yang merupakan fungsi dari nilai
peubah acak transformasi.
Hitung nilai Jacobian (ditulis dengan J) dari dua nilai peubah acak lama,
denganjacobiannya berupa determinan dari matriks berordo 2 x 2.
Kemudian hitung harga mutlak dari jacobian itu.
Tentukan distribusi gabungan dari kedua peubah acak transformasi.
Tentukan batas-batas nilai dari kedua peubah acak transformasi.
Tentukan fungsidensitas marginal dari peubah acak transformasi yang
diketahui.
Penjelasan dari Uraian diatas adalah :
Teorema A
Transformasi Berbentuk Penjumlahan
Misalkan X dan Y adalah peubah acak kontinu dengan fungsi densitas
gabungannya f(x,y). Jika S = X + Y, maka fungsi densitas dari S dirumuskan
sebagai berikut:

1 () = ( , )

Atau,

1 () = ( , )

177

Misalkan X dan Y adalah peubah acak kontinu dengan fungsi densitas


gabungannya f(x,y).
Jika S = X +Y, maka fungsi densitas dari S dirumuskan sebagai berikut.

() = (, )

atau

() = ( , )

Bukti:
Karena transformasipeubah acak yang diketahui berbentuk = + , maka kita
mengambil transformasi peubah acak keduanya adalah = .
Jadi transformasi peubah acaknya: = + dan =
Hubungan antara nilai x dari X dan nilai y dari Y serta hubungan antara nilai s
dari S dan nilai w dari W diberikan sebagai:
= + =
Inversnya: = =

Jacobiannya : =

1 0
=|
|=1
1 1

, || = 1

Fungsi densitas gabungan dari S dan W adalah:


k(, ) = (, ). ||
= (, ). 1
(, ) = (, )
Jadi fungsi densitas marginal dari S adalah:

() = (, )

178

Contoh :
1. Penjumlahan
Misalkan fungsi densitas gabungan dari peubah acak kontinu dan berbentuk:
(, ) = 2; 0 < < 1, 1 < < 2
= 0; , lainnya
Jika = + , maka tentukan fungsi densitas dari
Penyelesaian :
Karena transformasi peubah acak yang diketahui berbentuk = + , maka kita
mengambil transformasi peubah acak keduanya adalah = .
Jadi transformasi peubah acaknya: = + dan = .
Hubungan antara nilai dari dan nilai dari serta hubungan antara nilai
dari dan nilai dari diberikan dengan:
= + dan =
Inversnya: = dan =
Jacobiannya: =

1 0
=|
|=1
1 1

, || = 1

Fungsi densitas gabungan dari dan adalah:


g(, ) = (, ). ||
= (2)(1)
= 2
Batas-batas dari dan adalah:
0<<1

1<<2

0<<1

1< <2
1+ < < 2+

Jadi:g(, ) = 2; 0 < < 1 1 + < < 2 + .

179

= 0; , lainnya
Kita akan menggambar daerah yang memenuhi 0 < < 1 dan 1 + < < 2 +

Bangun ABCD merupakan daerah yang memenuhi 0<w<1 dan 1+w<s<2+w.


Fungsi densitas marginal dari adalah:
1

s 1

g 1 () = 2 = 2 ] = ( 1)2 ; 1 < < 2


w0

0
1

= 2 = 2
2

Maka:

g1

ws 2

= 1 ( 2)2 ; 2 3

() = ( 1)2 ; 1 < < 2

= 1 ( 2)2 ; 2 3
= 0; lainnya.

Teorema B
180

Transformasi Berbentuk Pengurangan


Misalkan X dan Y adalah peubah acak kontinu dengan fungsi densitas
gabungannya f(x,y). Jika S = X - Y, maka fungsi densitas dari S dirumuskan
sebagai berikut:

1 () = ( , )

Atau,

1 () = ( + , )

Bukti:
Karena transformasipeubah acak yang diketahui berbentuk = , maka kita
mengambil transformasi peubah acak keduanya adalah = .
Jadi transformasi peubah acaknya: = dan =
Hubungan antara nilai x dari X dan nilai y dari Y serta hubungan antara nilai s
dari S dan nilai w dari W diberikan sebagai:
= =
Inversnya: = =

Jacobiannya : =

1 0
=|
| = 1
1 1

, || = 1

Fungsi densitas gabungan dari S dan W adalah:


k(, ) = (, ). ||
= (, ). 1
(, ) = (, )
Jadi fungsi densitas marginal dari S adalah:

() = (, )

181

Contoh
Misalkan fungsi densitas gabungan dari peubah acak kontinu X dan Y berbentuk:
(, ) = 2; 1 < < 2,0 < < 1
= 0; , lainnya.
Jika = , maka tentukan fungsi densitas dari .
Penyelesaian:
Karena transformasi peubah acak yang diketahui berbentuk = , maka kita
mengambil transformasi peubah acak keduanyaadalah = .
Jadi transformasi peubah acaknya: = dan = .
Hubungan antara nilai dari dan nilai dari serta hubungan antara nilai
dari dan nilai dari diberikan dengan:
= dan =
Inversnya: = dan =

Jacobiannya: : = |

1 0
=|
| = 1
1 1

, || = 1

Fungsi densitas gabungan dari T dan U adalah:


(, ) = (, ). ||
= 2( )(1)
= 2 2
Batas-batas dari dan adalah:
1<<2
1<<2

0<<1
0< <1
< <1+

Kita menggambarkan daerah yang memenuhi 1 < < 2 dan < < 1 +

182

Bangun ABCD merupakan daerah yang memenuhi 1 < < 2 dan < < 1 +
Fungsi identitas marginal dari adalah:
1+

1 () = (2 2); 0 < < 1


1
1 u

]
= 2 2 t 1

= (1 + )2 1 2(1 + 1)

= 1 + 2 + 2 1 22
= 2 2

1 () = (2 2); 1 < < 2

= 2 2 ]

t u

183

= (4 2 ) 2(2 )
= 4 2 4 + 22
= 4 4 + 2 = ( 2)2
Sehingga: 1 () = 2 2 ; 0 < < 1
= ( 2)2 ; 1 < < 2
= 0; lainnya.

Teorema C
Transformasi Berbentuk Perkalian

Misalkan X dan Y adalah peubah acak kontinu dengan fungsi densitas


gabungannya f(x,y). Jika W = XY, maka fungsi densitas dari W dirumuskan
sebagai berikut:

1
1 () = ( , ) .

Atau,

1
1 () = ( , ) .

Bukti:
Karena transformasi peubah acak yang diketahui berbentuk W=XY, maka kita
mengambil transformasi peubah acak keduanya adalah =
Hubungan antara nilai x dari dan nilai y dari serta hubungan antara nilai u
dari dan nilai w dari diberikan dengan:
= dan =
Inversnya = dan =

Jacobiannya:

J=|

1
= |

1|

184

1
|| = | |

Fungsi densitas gabungan dari U dan W adalah:

(, ) = (, ) . ||

1
= (, ) . | |

Sehingga fungsi densitas marginal dari W adalah:

1
1 () = ( , ) . | |

Contoh
Misalkan fungsi densitas gabungan dari dan berbentuk:
(, ) = + ; 0 < < 1,0 < < 1
= 0; , lainnya.
Jika = , maka tentukan fungsi densitas dari .
Penyelesaian :
Karena transformasi peubah acak yang diketahui berbentuk = , maka kita
mengambil transformasi peubah acak keduanya adalah = .
Jadi transformasi peubah acaknya: = dan = .
Hubungan antara nilai x dari X dan nilai y dari Y serta hubungan antara nilai u
dari U dan nilai w dari W diberikan dengan:
= dan =
Inversnya: = dan =

Jacobiannya: : =

1
= |

1|

Fungsi densitas gabungan dari dan adalah:

(, ) = (, ) . ||

185

, || = ||

1
= (, ) . | |

=1+ 2

Batas-batas dari U dan W adalah:


0<<1

0<<1

0<<1

0<

<1

0<<
Jadi:g(u,w) = 1 +

; 0 < < 1, 0 < <

= 0; , lainnya.
Kita menggambarkan daerah yang memenuhi 0<u<1 dan 0<w<u.

Segitiga ABC merupakan daerah yang memenuhi 0<u<1 dan 0<w<u.


Fungsi densitas marginal dari W adalah:

g1 ( w) 1 2 du
u
w
1

186

w 1
]
u u w

(1 w) ( w 1)
1 w w 1
g1 ( w) 2 2 w;0 w 1
= 0; lainnya.
Teorema D
Transformasi Berbentuk Pembagian
Misalkan X dan Y adalah peubah acak kontinu dengan fungsi densitas
gabungannya f(x,y). Jika Z = X/Y, maka fungsi densitas dari Z dirumuskan
sebagai berikut:

1 () = ( , ).

Bukti :

Karena transformasi peubah acak yang diketahuinya Z = , maka kita mengambil


transformasi peubah acak keduanya adalah = .

Jadi transformasi peubah acaknya adalah = serta hubungan antara nilai v dari
V dan nilai z dari Z diberikan dengan:

= dan =
Inversnya: = dan =
Jacobiaanya:

= |

| = | | = || = || =
1 0

187

Fungsi densitas marginal dari Z adalah:

1 () = (, ).

Contoh
Misalkan fungsi densitas gabungan dari dan berbentuk:
(, ) =

4
; 1 < < 2, 1 < < 2
9

= 0; , lainnya.

Jika = , maka tentukan fungsi densitas dari .


Penyelesaian:

Karena transformasi peubah acak yang diketahuinya = , maka kita mengambil


transformasi peubah acak keduanyaadalah = .

Jadi transformasi peubah acaknya adalah = dan = .


Hubungan antara nilai x dari X dan nilai y dari Y serta hubungan antara nilai v
dari V dan nilai z dari Z diberikan dengan:

= dan =
Inversnya: = dan =
Jacobiannya: =


=|
| = , || = || =
1 0

Fungsi densitas marginal dari Z adalah:


4

g(, ) = (, ). || = (9) ()()() = (9) 3


Batas-batas dari dan adalah:
1<<2

1<<2

1 < < 2

1<<2

1
2
<<

188

Jadi: g(, ) = (9) 3 ; 1 < < 2, < <


= 0; , lainnya.

Kita menggambarkan daerah yang memenuhi 1 < < 2 dan < < .

Bangun ABCD merupakan daerah yang memenuhi 1 < < 2 dan < < .
Fungsi densitas dari Z adalah
2

4
1
g1 v 3 zdv; z 1
2
1 9
z

1 4 2 1
1 16 1
zv ] z 16 4 z z 3
1
9
9
z 9 9
v
z

2
z

4
g1 v 3 zdv;1 z 2
9
1
2

z
1
1 16 16
1
zv 4 ] z 4 1 z 3 z
9
9 z
v 1
9
9

189

Jadi ,

1
16 1
g 1 z z 3 ; z 1
2
9 9
16
1
z 3 z;1 z 2
9
9

=0; lainnya.
4. Satu Transformasi Peubah Acak diketahui Fungsi Densitas
Gabungan Tidak Diketahui
Misalkan kita mempunyai dua peubah acak kontinu yang saling bebas dan
masing-masing mempunyai fungsi densitasnya.Kemudian kita juga mempunyai
sebuah transformasi peubah acak yang merupakan fungsi dari kedua peubah acak
itu. Langkah-langkah untuk menentukan fungsi densitas dari transformasi peubah
acak itu sebagai berikut:
Kita menentukan fungsi densitas gabungan dari kedua peubah acak
tersebut.
Kita mengambil atau memisalkan satu transformasi peubah acak lagi
dengan bentuknya disesuaikan dengan bentuk transformasi peubah acak
yang diketahui. Jika transformasipeubah acak yang diketahui berbentuk
penjumlahan, pengurangan, atau perkalian, maka kita bebas mengambil
transformasi peubah acak yang kedua. Jikatransformasi peubah acak yang
diketahui berbentuk pembagian, maka kita sebaiknya mengambil
transformasi peubah acak yang keduanya adalah penyebutnya.
Ubah bentuk dua peubah acak transformasi dari huruf besar (dalam bentuk
peubah acak) menjadi huruf kecil (dalam bentuk nilai peubah acak),
sehingga diperoleh nilai peubah acak transformasi.
190

Tentukan invers dari nilai peubah acak transformasi itu, sehingga akan
diperoleh duanilai peubah acak lama yang merupakan fungsi dari nilai
peubah acak transformasi.
Hitung nilai Jacobian (ditulis dengan J) dari dua nilai peubah acak lama,
denganjacobiannya berupa determinan dari matriks berordo 2 x 2.
Kemudian hitung harga mutlak dari jacobian itu.
Tentukan distribusi gabungan dari kedua peubah acak transformasi.
Tentukan batas-batas nilai dari kedua peubah acak transformasi.
Tentukan fungsi densitas marginal dari salah satu peubah acak
transformasi yang Diinginkan .

Latihan Soal
1. Misalkan Fungsi peluang dari peubah acak X berbentuk :

() = ; = 1,2,3
6
Jika = 2 , Maka tentukan
a. Fungsi Distribusi dari
b. Fungsi Peluang dari
2. Diketahui X peubah acak kontinu dengan fungsi padat peluang
x

untuk 1 x 5
f ( x) 12
0 untuk x lainnya

Tentukan distribusi peluang peubah acak Y = 2X 3


3. Diketahui X1 dan X2 dua peubah acak bebas yang berdistribusi Poisson,
masing-masing berparameter 1 dan 2 . Jika ditentukan distribusi peubah
acak y1 = X1 +X2, maka buktikan bahwa peubah acak tersebut berdistribusi
Poisson !
4. Misalkan X1 dan X2 dua peubah acak kontinu dengan fungsi padat peluang
gabungan

191

4 x x
f ( x1 , x2 ) 1 2
0

0 x1 1;0 x2 1
x lainnya

tentukan rumus fungsi untuk y1 = y1 x12 dan y2 x1 x2


5.

Peubah X mempunyai sebaran peluang

1
8 , x 2

3 , x 1
16

1
f(x) P(X x) , x 0
4
3
16 , x 1

1 , x 2
4
a. Tentukan sebaran
peluang y = x
b. Tentukan sebaran peluang z = 2

SOLUSI
1. a. () = 0 ; < 1
1

=6;1<4
3

=6;4<9
= 1 ; 9
b.() =

; = 1,4,9

( y 3)
dx 1
,
, sehingga diperoleh
dy 2
2
sehingga diperoleh. Untuk x 1 , maka y 2 3 1 , sedangkan untuk x =

2. Invers dari y = 2x-3 adalah x =

5, maka y 2(5) 3 7 , dengan menggunakan transformasi di atas,


diperoleh :
y3

1 y3
g ( y) 2

Untuk 1 y 7
48
12 2
Untuk y lainnya
0

Atau

192

3. Karena X1 dan X2 dua peubah acak bebas yang terdistribusi Poissen,maka


x
x
x
x
e 1 1 1 e 2 2 2 e ( 1 2 ) 1 1 2 2
f(x1,x2) = f(x1), f(x2) =
,
.

x1!

x2 !

x1! x2 !

dengan x1 = 0, 1, 2,... dan x2 = 0, 1,2,...


Sekarang dibentuk peubah acak kedua yaitu y2 = x2. Fungsi balikannya
diberikan oleh x1 = y1-y2 dan x2= y2. dengan menggunakan transformasi
diperoleh distribusi peluang gabungan y1 dan y2yaitu:
y y

g ( y1 , y 2 )

e ( 1 2 ) 1 1 2 2
( y1 y 2 )! y 2 !

y2

Dengan y1 0,1, 2, dan y 2 =0, 1, 2,...,y1


Karena x1 = 0,1,2, maka transformasi x1=y1y2 mengakibatkan x2 dan
juga y2 harus selalu kurang dari atau sama dengan y1. Jadi distribusi
peluang marginal y1 adalah :

193

y1

y2 0

y2 0

g (y1 , y2 ) e ( 1 2 )

h( y1 )

( 1 2 )

( y1 y 2 )! y 2 !

y1!
1y1 y2 2y2

y1!
y2 0 ( y1 y 2 )! y 2 !

e ( 1 2 )
y1!

1y y 2y

y1 y1 y2 y2
1 2
y2 0 2
n

y1 y1 y2 y2
1
2 ( 1 2 ) y1 , maka diperoleh
2
y2 0
y1

Karena

h( y1 )

( 1 2 )

( 2 2 ) y1
, dengan y1 = 0, 1, 2,...
y1

Dari rumus ini terbukti bahwa jumlah dua peubah acak bebas yang
berdistribusi Poisson dengan parameter 1 2 .
4. Invers dari y1 = x12 dan y2 = x1x2 adalah x1 y1 dan x2

y2
y1

sehingga

diperoleh
1
J

2 y1

y2
3
2 y1 2

0
1

1
2 y1

y1

Transformasi ini satu-satu memetakkan titik {(x1,x2) 0 x1 1 ; 0<x2<2}


ke himpunan {(y1,y2)

0 y1 1;0 y2 1 }.

Dengan menggunakan transformasi di atas, diperoleh distribusi Gabungan


yang dinyatakan sebagai berikut:
y2 1
2y

2
4 y1
g ( y1, y2 )
y1
y1 2 y1
0

0 y1 1;0 y2 1
x lainnya

5. a. Sebaran peluang peubah acak Y = |x| adalah

1
4 , y 0

3
g(y) P(Y x ) , y 1
8
3
8 , y 2

194

b.Sebaran peluang untuk Z = X2

1
4 , z 0

3
2
h z P Z x , z 1
8
3
6 , z 4

195

BAB 12
UJI , DISTRIBUSI , DISTRIBUSI DAN DISTRIBUSI S 2
Tujuan pembelajaran:
1. Menjelaskan distribusi dan distribusi
2. Membentuk fungsi densitas dari distribusi
3. Membentuk fungsi densitas dari distribusi
4. Menentukan mean dan variansi distribusi
5. Menentukan mean dan variansi distribusi
6. Menjelaskan dan menggunakan hubungan antara distribusi dan distribusi

7. Menghitung peluang pada distribusi dengan menggunakan tabel


8. Menghitung peluang pada distribusi dengan menggunakan tabel
9. Menjelaskan mean sampel dan variansi sampel 2
10. Membentuk fungsi densitas dari distribusi
A. Distribusi
Distribusi dikenalkan pada tahun 1908 oleh William S. Gosset, seorang
karyawan perusahaan Guinness Breweries, Irlandia. Dalam menurunkan
distribusi ini, Gosset mengasumsikan bahwa sampel berasal dari populasi
normal, sehingga bentuk kurva dari distribusi seperti kurva distribusi
normal, yakni setangkup, namun mempunyai sisi yang lebih rendah dari
kurva normal, artinya data cenderung untuk lebih jauh darirata-ratanya.
Distribusi digunakan sebagai hampiran untuk distribusi normal dengan
ukuran sampel kecil (biasanya 30) dan standar deviasi populasi () tidak
diketahui.
Untuk sampel ukuran 30, taksiran 2 yang baik dapat diperoleh dengan
menghitung nilai 2 . Jika ukuran sampelnya kecil, nilai 2 berubah cukup

196

besar dari sampel ke sampel lainnya dan distribusi peubah acak

menyimpang cukup jauh dari distribusi normal baku.


Di bawah ini adalah kurva distribusi untuk nilai berturut-turut (dari grafik
terbawah) dari 1, 2, 3, 5, 10 dan 30. Tampak bahwa semakin besar nilai ,
maka kurva distribusi semakin mendekati bentuk distribusi normal
(berwarna biru).

= 10

= 30

=5
=3
=2

Kurva distribusi
normal

=1

Untuk mengatasi masalah ini kita mengenal suatu distribusi statistik yang
dinamakan distribusi dengan rumus:
=

197

; 0

Definisi 12.1
Sebuah variabel acak dengan distribusi didefinisikan sebagai rasio dari
variabel acak~(0,1)dibagi dengan akar dari hasil pembagian variabel
acak~ 2 ( 1)oleh derajatkebebasannya yaitu = 1
Secara matematis, dapat dituliskan sebagai
=

Akan dibuktikan bahwa =

=

1
~( 1)

Bukti:
Berdasarkan teorema, telah terbukti bahwa:

=
~(0,1)

( 1) 2
~ 2 ( 1)
2

dansaling bebas
Dari ketiga teorema di atas, diperoleh,

(1)2
2

dengan,
adalah mean sampel
adalah mean populasi

1
=
( )2 , adalah standar deviasi
1
=1

Dengan derajat kebebasan = 1

198

Definisi 12.2
Misalkan ~(0,1) dan ~ 2 () dan =


S ~(),

maka akan memiliki

fungsi densitas,
1+

2
2
() =
(1 + )

( )

1+
2

; < <

Untuk membuktikan ini, akan ditunjukkan terlebih dahulu fungsi densitas


gabungan dari dan

fungsi densitas
Akan ditunjukkan bahwa:
() =

1 2

2 ; < <

() = ( )

() = (
)

() = ( + )
+

() =

()

() =

Misalkan, =
Batas-batas:

2
1
)
2

, maka = + =

untuk = , maka =
untuk = + , maka =

() =

1 2

() =

2
1 2

199

() =

1 2

Karena ()~(0,1), maka didapat fungsi densitas , yaitu:


() =

1 2

2 ; < <

fungsi densitas
Akan ditunjukkan bahwa:
1

() = { 2 ( )
2

21 2 ; > 0

; lainnya

Karena ~ 2 (), maka dapat dimisalkan = 2 , maka,


() = ( )
() = ( 2 )
() = ( )

() =

()

() =

() = 2

1
2

2
2

Misalkan, = = 2

untuk = 0 maka = 0

Batas-batas:

untuk = , maka =

() = 2
0

() =
0

1
2
1

1
2

200

() =
0

Didapat, fungsi densitas dari adalah,


() =

2 =

21 2

2 (2)

Atau,
1

() = { 2 ( )
2

21 2 ; > 0

; lainnya

Karena dan bebas stokastik, maka dapat dibentuk fungsi densitas


gabungan dari dan , yaitu:
1
(, ) = { 2

1 2

2 .

21 2 ; < < , > 0

2 (2)

; untuk , yang lain

Misalkan didefinisikan variabel acak kedua yaitu dengan =


Karena =

maka =

Karena = , maka =
Didapat,

= |

| = |

2| =
1

Transformasi ini adalah transformasi satu-satu yang memetakan titik di


{(, )| < < , > 0} ke titik di {(, )| < < , > 0}
Dengan demikian, diperoleh fungsi densitas gabungan dari =
, yaitu:

201

dan =

(, ) = { 22 ( )
2

1
2

2
2

(1+ )

; < < , > 0

; untuk , yang lain

Hasil integrasi (, ) terhadap menghasilkan fungsi densitas , yaitu:

() = (, )
0

() =
0

21

2
2

(1+ )

22 (2)

() =

22 (2)

1+
1
2

2
2

(1+ )

Misalkan, = 2 (1 + 2 ), maka =

() =

0
2

2
1+
2

1+
1
2

(
)

2
0
1+ 2
22 ( )

. .

() =

22 (2)
() =

22 (2)

() =

(2)

(1 +

. .

1+
1
2

1+
1
2

1+
2

(1 + 2 )

2
2

1+

2
2

2
2
2

2
1+

(1 + 2 )

1+

1+
1
2

1+
2 2 1

(2)

1+

1+

2
2

. . 2

Penyelesaian integral di atas dilakukan dengan menggunakan fungsi gamma,


yaitu:

() = 1 .
0

202

Sehingga,

1+
2

1+
2

2
() =
(1 + )

2
( )
1

1+
(
) ; < <
2

1+

2
() =
(1 + )

2
( )
2

; < <

Jadi, diperoleh fungsi densitas dari , yaitu:


1+

2
2
() =
(1
+
)

( )

1+
2

; < <

Teorema 12.1
Diketahui fungsi densitas dari , yaitu:
1+

2
2
() =
(1
+
)

(
)

1+
2

; < <

Maka, rataan dan variansi dari distribusi adalah:


1. () = 0

2. () = 2
Bukti:
1. Karena () simetris di = 0, semua momen sekitar pusat yang ganjil
sama dengan nol, yaitu 2+1 = 0, = 0, 1, 2, 3,
2. Momen di sekitar pusat yang genap adalah:
2 = [( 1 )2 ]
2 = [ 2 ]

2 = 2 . ()

2 = 2 2 . ()
0

203

1+

2
2
2
= 2 .
(1 + )

0
( )

1+
2

2 (

1+

2
2
2
=
(1 + )

(2) 0
1+

2(

1+
2

2
2
2
=
(1 + )
1

(2) (2) 0

Misalkan:

1+ 2

= ,maka 2 =

(1)

1+
2

2 = 2

Batas-batas : untuk = 0, maka = 1


untuk = , maka = 0
1+

2(

+2
(1 )
2
=
(
) 2
1

(2) (2) 0
1

2 =

r +2 (

1+
2

(2) (2)

2
1

(1) 2
2( )

21 (1 )2
0

Penyelesaian integral di atas dilakukan dengan menggunakan fungsi beta,


yaitu:
1

(, ) = 1 (1 )1 =
0

Dalam hal ini, = 2 , dan = + 2


Sehingga,
1

r +2 (

1+

) (2 ) ( + 2)
=
.
1

(
)

(
)
(2 + 2)

2
2
2

2 =

(2 ) ( + 2)
1

(2) (2)

204

()()
( + )

2 =

2 =

(2 ) ( 2) ( 2) (2) (2) (2)


1

(2) (2 1) (2 2) (2 ) (2 )
1

2 =
2 =

( 2) ( 2) (2) (2)

(2 1) (2 2) (2 )
1

( ) ( ) ( ) ( )

(2 1) (2 2) (2 )
(2 1)(2 3) (3)(1)
( 2)( 4) ( 2)

untuk = 1 diperoleh 2 = 2 ; > 2

Karena 1 = 0, maka 2 = 2 12 = 2 02 = 2
Jadi, () = 2 =

Teorema 12.2 (Teorema Limit Pusat)


Jika () adalah suatu fungsi densitas dengan rataan dan variansi 2
dengan adalah rataan sampel acak , yang berukuran dari (),
maka,
=

akan berdistribusi normal standar untuk

Bukti:
Untuk membuktikan teorema di atas akan digunakan fungsi pembangkit
momen (f.p.m.), karena jika f.p.m. ada, maka akan terjadi korespondensi satusatu antara f.p.m. dengan fungsi distribusi. Sehingga jika ada dua variabel

205

acak misalnya dan dengan f.p.m. () dan () keduanya ada dan


sama, maka baik dan akan mempunyai fungsi distribusi yang sama.
1 2

Diketahui f.p.m. dari fungsi distribusi normal standar adalah () = 2 ,


1 2

maka akan ditunjukkan bahwa () = 2 untuk


() = [exp()]
() = [exp (.


)]


() = [exp (
)]

=1

() = [exp ( .
=1

() = [ exp (.
=1

)]

)]

Karena 1 , 2 , 3 , , adalah peubah acak yang saling bebas, maka,

() = [exp (.
=1

)]

Misalkan =

() = [exp (
)]

=1

() = (
)

=1

Karena 1 , 2 , 3 , , adalah peubah acak yang berdistribusi identik, maka


setiap (
) , dapat dinotasikan dengan (
), sehingga,

206

() = (
)

=1

() = ( (
))

Sekarang kita tinjau (
)

(
) = [exp (
)]

1
(
) = [ (
)
]

!
=0

Diketahui bahwa = , maka,

( ) 1
(
) = [ (
)
]

!

=0

()

Karena masing-masing (

) , peubah acak yang saling bebas,

maka,

( ) 1
(
) = [(
)
]

!

=0

(
) = [( ) (
)
]

!
=0

1
(
) = (
)
[( ) ]

!
=0

Karena = [( ) ], maka,


(
) = (
)

!
=0

2 2

(
)=1+
+
+(
)

2 2
!
1

=3

207

Karena 0 = 1, 1 = 0 dan 2 = 2 , sehingga,

2

(
) = 1+( +(
)
)

2
!
=3

(
) = 1+( +( )
)

2
()2 !
=3

Misalkan

()
2

, maka (
)=1+
() = + ( )

2
()2 !
=3

Sehingga,

()
(
) = (1 +
)

Karena , maka nilai (


)akan ditentukan dengan menerapkan

proses limit pada (1 +

()

) , dimana,

1
lim (1 + ) = = exp(1)

Sehingga,
()
lim (
) = lim (1 +
)

1
lim (
) = lim ((1 +
)


()
1

lim (
) = ( lim (1 +
)


()

lim (
) = (exp(1))

lim ()

lim (
) = exp ( lim ())

208

()

()

)
lim ()

()

Karena,

2
lim () = lim ( + ( )
)
=

2
()2 !
2
=3

Maka,
1 2
2
lim (
) = exp ( ) = 2 = ()

Akhirnya kita peroleh,


lim () = ()

Dari tahap ini, dapat disimpulkan bahwa untuk , maka distribusi dari

mendekati distribusi normal standar

B. Distribusi F
Peubah acak yang berdistribusi disebut juga peubah acak
Penulisan notasi dari peubah acak yang berdistribusi adalah (1 , 2 ),
artinya peubah acak berdistribusi dengan derajat kebebasan pembilang 1
dan derajat kebebasan penyebut 2 atau bisa juga ditulis sebagai,
~ (1 , 2 )
Fungsi distribusi memiliki grafik seperti gambar berikut,

209

Definisi 12.3
Misalkan dan adalah dua peubah acak kontinu yang saling bebas dan
berdistribusi chi-kuadrat masing-masing dengan derajat kebebasannya 1dan
2 dan peubah acak =

1
~(1 , 2 )
2

, maka peubah acak memiliki

fungsi densitas berbentuk,


1

1 +2

() =

2
( 2 ) (1 )
2
1
2
(2) (2)

2 1

(1 +

1
2

1 +2
2

; 0< <

{ 0

; lainnya

Bukti:
~ 2 ( 1), maka,
1

1
2

() = {2 ( 1 )
2

2 1

;0 < <
; lainnya

~ 2 ( 1), maka,
1
2
2

() = {2 ( 2 )
2

2 1 2 ; 0 < <

; lainnya

Karena dan saling bebas, maka fungsi densitas gabungannya adalah:


1
1 +2
2

(, ) = {2

( 21 ) ( 22 )

2 1 2 1

(+)
2

; 0 < < , 0 < <


; , lainnya

Karena transformasi peubah acak yang diketahui berbentuk =


kita memisalkan transformasi peubah acak kedua, yaitu =
Jadi, transformasi peubah acaknya adalah =

210

1
2

dan =

1
2

maka

Hubungan nilai antara dan U dan nilai v dari Y serta hubungan antara nilai
dari F dan nilai z dari Z diberikan dengan =

1
dan
2

= serta inversnya

= 1 dan =
2

= ||

1
|

= |2
|
0

1
1

2 | =
2
1

Sehingga, dapat dibentuk fungsi densitas gabungan dari dan yaitu,


(, ) =
1
1 +2
2 2

1
1
2

( 1 ) ( 2 )
2
2

( )
2

1
(
+1)
2

2 1 2

. 1 ; 0 < < , 0 < <


2

; , lainnya

Fungsi densitas marginal dari adalah hasil integrasi (, ) terhadap ,


yaitu,

() = (, )

1 2
1
1
2
(
+1) 1
() = 1+2
( )
2 1 2 2
.

2
0 2 2 ( 1 ) ( 2 ) 2
2
2

1
2

() =

( ) 2 1

2
1 +2
2

( 21 ) ( 22 )

+
1 2

Misalkan 2 ( 1 + 1) = , maka = 1
2

Batas-batas:

1
(
+1)
2 2

= 1

+1

+1

untuk = 0, maka = 0
untuk = , maka =
1

() =

2
(1 )
2

1 +2
1
2

1
1
2

(1
)
1 +2
1
2
0
+
1
2
2
( )( )

211

2
. 1

+
1

2
(1 )
2

() =

1 +2
2

1 +2
2

2 1 . 2

1 +2

( 21 ) ( 22 ) ( 1 + 1 )

1 +2
1
2

1
1 2

( ) 2 1

() =

( 1) ( 2) (

1 +2

+1)

1 +2
1
2

Penyelesaian integral di atas dilakukan dengan menggunakan fungsi gamma,


yaitu,

() = 1 .
0

Sehingga,
1

2
(1 )
2

() =

2 1
1 +2
2

( 21 ) ( 22 ) ( 1 + 1 )

1 + 2
)
2

1 +2

(
() =
1

1
2

) . (1 ) 2 1
2

1 +2
2

(2) (2)( + 1 )
2

Jadi, fungsi densitas dari distribusi adalah,


1 +2

(
() =

1
2

) . (1 ) 2 1
2

( ) ( )(

1 +2
2

;0 < <

+1)

{0

; lainnya

Teorema 12.3
Diketahui fungsi densitas dari , yaitu,
1 +2

(
() =

2
. (1 )
2

)
2

2 1
1 +2
2

;0 < <

(2) (2)( + 1 )
2

{0

; lainnya

212

Maka, rataan dan variansi dari distribusi adalah:


1. () =

2 2

2. () =

222 (2 +1 2)

2
1 (2 2) (2 4)

Bukti:
Berdasarkan definisi nilai ekspektasi kontinu, maka :
= ( )

, = ()
0

, =

2
( 2 ) (1 )
2
.
1
2
(2) (2)
0

2 1

(1 +

1
2

( 2 ) (1 ) + 211
2

1 +2
1
2
1
(2) (2) 0
2
(1 + )
2

Misalkan

1
2

1 +2
2

1 +2

, =

1 +2

= , maka = 1
2

Batas-batas : untuk = 0, maka = 0


untuk = , maka =
1

1 +2

2
( 2 ) (1 )
2
1
2
(2)(2)

.
0

1
2

+ 1 1

(1 + )

1 +

1 +2
2

1 ( 2 )
+ 2 1
,
= ( )
.

2 (1 ) (2 ) 0 (1 + )21++22

Penyelesaian integral di atas dilakukan dengan menggunakan fungsi gamma,


yaitu,

1
(p)(1 p)

=
(p + 1 p)
0 1+
Dalam hal ini,

213

1
1
1 = +
2
2
1
2
2
2
1= ++ 1 =+ 1 =
2
2
2
2
1=+

Sehingga,
r +

1 2
1
2
2 ( 2 ) ( 2 + ) ( 2 )
= ( ) . r
.
r
r +
1
( 1) ( 1)
( 1 2)

1
2
2 ( 2 + ) ( 2 )
2
=( ) .
;

<
r
r
1
2
( 1) ( 1)

untuk = 1

1
2
1
2 ( 2 + 1) ( 2 1) 2
2
2
1 = .
= . 2
r
r
1
1
1 2 2
( 1) ( 1)

untuk = 2

1
2
1
1
2 2 ( 2 + 2) ( 2 2) 2 ( 2 + 1) ( 2 )
22 (1 + 2)
2 = ( ) .
=
.
=
r
r
1
1 (2 1) (2 2) 1 22 (2 4)
( 1) ( 1)

Jadi,
2

= 2

12

22 (1 + 2)
2 2
222 (2 + 1 2)
=
(
) =
2 2
1 (2 2)2 (2 4)
1 22 (2 4)

Sehingga terbukti bahwa,


2
() = = 1 =
2 2
222 (2 + 1 2)
() = =
1 (2 2)2 (2 4)
2

)
C. Distribusi Rataan Sampel (
Misalkan 1 , 2 , 3 , , adalah sebuah sampel acak berukuran ( > 1)
yang berasal dari distribusi normal umum dengan rataan dan variansi 2 .
Rataan dari sampel acak tersebut ditulis sebagai,

214

1
=

=1

Teorema 12.4
Diketahui fungsi distribusi peluang dari , , dengan,

1
=

=1

Maka, rataan dan variansi dari distribusi adalah:


1. () =
2. () =

Bukti:
Karena , ~(, 2 ), maka fungsi pembangkit momen dari adalah,
1
() = exp ( + 2 2 )
2
Fungsi pembangkit momen dari adalah,
() = [exp()]

() = [exp (
=1

() = [exp (
=1

)]


)]

() = [ exp (
=1


)]

Karena 1 , 2 , 3 , , adalah peubah acak yang saling bebas, maka,

() = [exp (
=1


)]

() = ( )

=1

215

Karena 1 , 2 , 3 , , adalah peubah acak yang berdistribusi identik, maka

setiap () , dapat dinotasikan dengan (), sehingga,

() = ( )

=1

2 2
() = exp ( +
)

22
=1

2 2
() = (exp ( +
))

22
() = exp ( +

22
)
2
2

Terlihat bahwa berdistribusi normal dengan mean dan variansi

Dalam penerapan penggunaan , untuk memudahkan perhitungannya


hendaknya diubah ke dalam angka baku dengan rumus =

D. Distribusi Variansi Sampel ( )


Misalkan 1 , 2 , 3 , , adalah sebuah sampel axak berukuran ( > 1)
yang berasal dari distribusi normal umum dengan rataan dan variansi
2 .Variansi dari sampel acak tersebut ditulis sebagai,

1
=
( )2
1
2

=1

Teorema 12.5
Diketahui fungsi distribusi peluang dari , , dengan,

1
=
( )2
1
2

=1

maka, 2 ~ 2 ( 1)
Bukti:

216

( )2 = ( + )2
=1

=1

)2

= (( ) ( ))

=1

=1

( )2 = (( )2 2( )( ) + ( )2 )
=1

=1

)2

= ( ) 2( )( ) + ( )2
2

=1

=1

=1

=1

( )2 = ( )2 2( ) ( ) + ( )2
=1

=1

=1

( )2 = ( )2 2( ) ( ) + ( )2
=1

=1

=1

=1

)2

= ( )2 2( )( ) + ( )2

=1

=1

( )2 = ( )2 2( )( ) + ( )2
=1

=1

)2

= ( )2 2( )2 + ( )2

=1

=1

( )2 = ( )2 ( )2
=1

=1

=1

=1

1
Karena =
( )2 , maka ( 1) 2 = ( )2
1
2

Sehingga,

( 1) = ( )2 ( )2
2

=1
1

Kedua ruas dikalikan dengan 2

217

( 1) 2 =1( )2 ( )2
=

2
2
2
2

( 1) 2
2

=

(
)

(
)

=1

2 ( 1) 2

(
) =
+ (
)
2

=1

Misalkan,

2
= (
) ,

( 1) 2
=
,
2

=1


= (
)

Sehingga, = +
Fungsi pembangkit momen dari adalah,
() = [exp()]
() = [exp(( + ))]
() = [exp( + )]
() = [exp() . exp()]
Dalam hal ini, 2 dan saling bebas, karena ( 2 ) tidak mengandung ,
maka,
() = [exp()]. [exp()]
() = (). ()
()

atau, () = ()

Sekarang, akan direntukan fungsi pembangkit momen dari dan


Fungsi pembangkit momen dari
() = (exp())

2
()

= [exp ( (
) )]

=1

218

2
() = [exp ( (
) )]

=1

() = [ exp ( (
=1

2
) )]

Diketahui bahwa,
a. , ~(, 2 )
b. =

~(0,1)
2

c. = 2 = (

) ~ 2 (1)
1

d. () = (1 2)2 ; < 2
Karena 1 , 2 , 3 , , adalah peubah acak yang saling bebas, maka,

2
() = [exp ( (
) )]

=1

() = [exp( )]
=1

() = ()
=1

() = (1 2)2
=1

() = (1 2) 2

Fungsi pembangkit momen dari


() = [exp()]
2


() = [exp ( (
) )]

Diketahui bahwa,
a. , ~(, 2 )
219

b. ~ (, )

c. =

~(0,1)

d. = 2 = (

) ~ 2 (1)

Sehingga,
1

() = (1 2)2 ; <

1
2

Didapat,

1
() (1 2) 2
1

2 ; <
(1
() =
=
=

2)
1
() (1 2)2
2

Karena () = (1 2)

1
2

; < 2, berarti =

(1) 2
2

mempunyai fungsi

pembangkit momen yang berdistribusi chi-kuadrat dengan derajat kebebasan


1
Terbukti bahwa =

(1) 2
2

~ 2 ( 1)

220

CONTOH SOAL

A. Distribusi T
1.

Tentukan k yang memenuhi( < < 1,761) = 0, 045untuk sampel


acak ukuran 15 yang diambil dari suatu distribusi normal dengan derajat
kebebasan = 14
Penyelesaian:
Pada tabel distribusidapat dilihat bahwa1,761adalah nilait 0,05 bila v =
14. Jadi,t 0,05 = 1,761. Karena dalam soal ini berada di sebelah kiri
darit 0,05 = 1,761,maka ambilah k = t selanjutnya
diperoleh0,045 = 0,05 atau = 0,005
Jadi, dari Tabel Distribusi , dengan = 14
= _0,005
= 2, 977
Dan P(2,977 < < 1,761) = 0,045

0,045
k

2.

0,05

Hitunglah dengan menggunakan tabel distribusi t :


a. P ( 4,6)
b. P (1, 53 4,6)
c. P ( 1,53)
Penyelesaian:

221

a. Untuk menjawab soal ini maka, kita perlu melihat tabel distribusi t,
cari kolom paling kiri, temukan angka 4 (sesuai dengan derajat
kebebasan-4), dari angka 4 ini kita tarik ke kanan, sehingga
menemukan angka 4,6. Dari 4,6 ini kita tarik ke atas, maka kita
temukan angka 0,99 5. Jadi, ( 4,6) = 0, 995.
b. Seperti langkah soal a, tetapi kita temukan dahulu ( 1,53) =
0,9

dan

( 4,6) = 0,995,

Jadi,

(1,53 4,6) =

( 4,6) ( 1,53) = 0.995 0,90 = 0,095


c. ( 1,53) = 1 ( 1,53) = 1 0,90 = 0,10

Jawaban tersebut digambarkan dengan grafik seperti di bawah ini

B. Distribusi
1.

Untuk pasangan derajat kebebasan V1 = 24 dan V2 = 8, ditulis juga (V1,


V2) = (24,8), maka untuk P = 0,05 didapat F = 3,12, sedangkan untuk P
= 0,01, didapt F = 5,28 (lihat tabel 6, lampiran 6). Ini diperoleh dengan
cara mencari 24 pada baris atas dan 8 kolom kiri. Jika dari 24 turun dan
dari 8 ke kanan, maka diperoleh angka-angka tersebut. Yang atas untuk P
= 0,05 dan yang bawah untuk P = 0,01. Notasi lengkap untuk nilai-nilai
F daftar distribusi F dengan peluang P dan dk = (V1, V2) adalah FP(V1 dan
V2)..

Sehingga pada contoh ini, F0.05(24.8) = 3.12 dan F0.01 (24.8) = 5.28.

222

Meskipun daftar yang diberikan hanya untuk peluang P = 0.05 dan P =


0.01, tetapi sebenarnya masih bisa didapat nilai-nilai F dengan peluang
0,99 dan 0,95.
Untuk itu diperlukan hubungan (1)(2 ,1 ) =

(1,2 )

. Dalam rumus di

samping, perhatikan antara P dan 1-P dan pertukaran antara derajat


kebebasan (V1, V2) menjadi (V2, V1).
Telah didapat F0.05 (24,8) = 3,12, maka 0,95(8,24) =

0,5(24,8)

= 0,321

Jadi, ( 0,244) = 1 0,95 = 0,05

C. Distribusi
Misalkan adalah rataan dari sampel acak berukuran 25 yang berdistribusi
normal dengan rataan 30 dan simpangan baku 4,
a. Hitung ( < 28)
b. Hitung (27 < < 32)
Penyelesaian:
Dalam hal ini, = 30, = 4, dan = 25


2830
a. ( < 28) = (
<4
)

25

= ( < 2,50)
= 0,5 (2,50 < < 0)
= 0,5 (0 < < 2,50)
= 0,5 0,4938
= 0,0062
2730

b. (27 < < 32) = ( 4

25

<

<

3230
)
4
25

= (3,75 < < 2,50)


= (3,75 < < 0) + (0 < < 2,50)

223

= (0 < < 3,75) + (0 < < 2,50)


= 0,4999 + 0,4938
= 0,9937
D. Distribusi
Misalkan 2 adalah variansi dari sampel acak berukuran 6 yang berdistribusi
normal dengan rataan dan variansi 12. Hitung (2,30 < 2 < 22,2)
Penyelesaian:
Peubah acak =

(1) 2
2

~ 2 ( 1)

(2,30 < 2 < 22,2) = (

(5)(2,30) ( 1) 2 (5)(22,2)
<
<
)
12
2
12

= (0,96 < < 9,25)


= ( < 9,25) ( < 0,96)
Dari Tabel Distribusi Chi-Kuadrat dengan = 5, diperoleh:
( < 9,25) = 0,90
( < 0,96) = 0,035
Jadi, (2,30 < 2 < 22,2) = 0,90 0,035 = 0,865

224

LAMPIRAN
Tabel

225

Tabel
Z

Tab
el F

226

227

Tabel

228