Pendahuluan
1.1. Peubah Acak dan Distribusi Peluang Kontinu. Kejadian-kejadian seperti pelemparan koin, pelemparan dadu, pengambilan acak dari suatu populasi
benda, merupakan beberapa contoh dari peubah acak diskrit. Misal X adalah suatu peubah acak diskrit, maka untuk suatu nilai x, peluangnya dinyatakan dengan
P (X = x).
Gambar 1.1.
Bila untuk suatu peubah acak diskrit, nilai dari ruang sampelnya diperbesar,
graknya akan semakin mulus dengan semakin banyaknya titik-titik peluang diskritnya. Bila ditulis dengan konteks kalkulus, untuk n , nilai-nilai pdfnya
semakin banyak dan rapat (mendekati kontinu), sehingga nilai peluangnya dapat
dihitung dengan integral tertentu.
Gambar 1.2.
2. f (x) dx = 1.
Suatu fungsi f yang diberikan disebut Pdf dari sebuah peubah acak kontinu X
jika memenuhi kedua sifat tersebut.
3x2 , untuk 0 x 1,
g(x) =
0,
untuk x yang lain
dengan sifat akan dicek apakah fungsi g merupakan sebuah pdf dari peubah acak
kontinu X .
Penyelesaian:
Bila diambil sembarang a, maka benar g(a) 0.
Integrasi dibagi menjadi 3 bagian:
0
0
g(x) dx = 0 dx = 0
1
0 g(x) dx = 0 0 dx = 0
Untuk selanjutnya dalam tulisan ini, integrasi-integrasi tertentu yang bernilai nol tidak ditulis secara lengkap.
Catatan.
g(x) dx
g(x) dx +
0+1+0
g(x) dx +
0
g(x) dx
0
Jadi dengan pemenuhan kedua sifat tersebut dapat disimpulkan bahwa g(x)
1.2. Luas Daerah di Bawah Kurva PDF. Menurut sifat Pdf peubah acak kontinu, nilai dari suatu fungsi f yang diberikan haruslah nonnegatif. Nilai peluang P
dari suatu selang diinterpretasikan sebagai luasan di bawah kurva pdf dan di atas
sumbu horisontal.
Gambar 1.3.
Oleh karena itu, untuk mendapatkan nilai peluang P dari suatu selang yang
diberikan, digunakan kalkulus integral. Untuk suatu selang [a, b], peluang dari sebuah peubah acak X dengan pdf f (x) dapat dihitung dengan:
P (a X b) =
f (x) dx
a
Gambar 1.4.
Secara intuitif dapat kita duga bahwa suatu garis tidak mempunyai luas.
Oleh karena nilai peluang diinterpretasikan sebagai luasan, maka nilai peluang di
suatu titik a adalah nol karena hanya berupa garis dengan panjang f (a). Untuk
pembuktian yang lebih tepat, nilai peluang P (X = a), dengan < a <
menurut denisi adalah:
Bukti.
P (a X a)
f (x) dx
a
= F (x) ]aa
=
Terlihat bahwa nilai P untuk suatu nilai X = a (bukan selang) adalah nol.
P (a X b)
P (a X a) + P (a < X < b) + P (b X b)
0 + P (a < X < b) + 0
P (a < X < b)
Contoh 2. Carilah nilai c sehingga h(x) suatu pdf dan carilah P (1 X 2), bila
diberikan suatu fungsi:
cx2 , untuk 0 x 2,
h(x) =
0,
untuk x yang lain
Penyelesaian: Syarat agar suatu fungsi menjadi pdf adalah total luas daerah
di bawah kurva fungsinya sama dengan 1.
h(x) dx
cx2 dx
= c
1 3
x
3
2
0
8
= c ( ) (0)
3
8
=
c
3
Karena (8/3)c = 1, maka c yang memenuhi agar h pdf adalah c = 3/8. Selanjutnya akan dihitung P (1 X 2).
h(x) dx
3
8
x2 dx
1
2
3 1 3
x
8 3
1
3 8
1
( )( )
8 3
3
7
8
=
=
=
E(X) =
x f (x) dx
Jika dalam denisi, untuk suatu peubah acak diskrit Y ekspektasinya dinyatakan
P
dengan ni=0 yi P (Y = yi ) maka hal ini analog dengan denisi ekspektasi untuk peubah acak kontinu, mengingat integrasi tertentu adalah juga hasil jumlahan. Lebih
lanjut, misal didenisikan g sebagai suatu fungsi dari X , maka didapat ekspektasi
dari fungsi g :
E[g(X)] =
g(x) f (x) dx
Bukti.
E(c)
c f (x) dx
f (x) dx
2. E[cg(X)] = cE[g(X)]
Berdasarkan denisi didapat:
c.1
E[cg(X)] =
c g(x) f (x) dx
= c
g(x) f (x) dx
= cE[g(X)]
3. E[g1 (X) + g2 (X) + ... + gk (X)] = E[g1 (X)] + E[g2 (X)] + ... + E[gk (X)]
Berdasarkan denisi didapat:
g1 (x) f (x) dx +
gk (x) f (x) dx
Terbukti.
Variansi atau ragam dari suatu peubah acak kontinu X , disimbolkan dengan 2
atau V ar(X), didenisikan:
2 = V ar(X) == E(X )2
atau
2
Sedangkan standar deviasi atau simpangan baku adalah akar kuadrat positif
dari V ar(X).
Contoh 3. Misal untuk sebuah peubah acak kontinu X diberikan pdf yang didenisikan:
f (x) =
3 x2 , untuk 0 x 2
8
0,
untuk x yang lain
E(X)
x f (x) dx
=
0
=
=
=
=
3
x x2 dx
8
3 2 3
x dx
8 0
3 1 4 2
. y 0
8 4
3 1
. [16 0]
8 4
1, 5
E(X 2 )
x2 f (x) dx
=
0
=
=
=
=
=
3
x2 x2 dx
8
3 2 4
x dx
8 0
3 1 5 2
. y 0
8 5
3 1
. [32 0]
8 5
12
5
2, 4
Nilai dari standar deviasi adalah akar kuadrat positif dari variansi.
V ar(X)
2, 4
= 1, 549
Distribusi Uniform
1
ba ,
0,
axb
x yang lain
Dapat dilihat bahwa a dan b adalah parameter yang menentukan dalam pdf dari
distribusi uniform. Peluang P dari suatu selang [c, d] yang diberikan dinyatakan
dengan:
P (c X d) =
f (x) dx
c
Gambar 2.1.
Contoh 4. Di suatu toko, diketahui bahwa untuk setiap 30 menit yang diberikan,
pasti ada seorang pelanggan yang datang. Hitunglah peluang bahwa pelanggan
akan datang pada 5 menit dari 30 menit yang diberikan.
Penyelesaian: Dari soal diketahui bahwa a = 0 dan b = 30. Misal X adalah
peubah acak kontinu yang menyatakan waktu saat pelanggan datang, maka pdfnya
dapat ditulis dengan:
f (x) =
1
30 ,
0,
0 x 30
x yang lain
Ditanyakan P (25 < X < 30). Maka dengan integrasi tertentu, peluang P dapat
dicari.
30
=
25
=
=
=
1
dx
30
1
30
x]
30 25
5
30
1
6
Jadi peluang bahwa pelanggan akan datang pada 5 menit terakhir adalah 16 .
2.2. Ekspektasi/Mean () dan Variansi ( 2 ) dari Distribusi Uniform. Selanjutnya akan dibahas mengenai ekspektasi/mean, variansi, dan standar deviasi
dari distribusi uniform. Distribusi uniform mempunyai nilai mean, variansi, dan
standar deviasi sebagai berikut:
1. E(X) = = a+b
2 .
2
2. V ar(X) = 2 = (ba)
.
12
ba
3. = 6 3
1. E(X) = = a+b
2 . Berdasarkan denisi ekspektasi/mean dari sebuah
peubah acak kontinu, maka ekspektasi dari distribusi uniform E(X) = dapat
dicari.
Bukti.
E(X)
x f (x) dx
x f (x) dx +
x f (x) dx +
a
x f (x) dx
b
=
=
=
=
=
1
dx
b
a
a
b
1
x2 a
2(b a)
1
[b2 a2 ]
2(b a)
1
[(b + a)(b a)]
2(b a)
a+b
2
x
10
2
2. V ar(X) = 2 = (ba)
12 . Berdasarkan denisi variansi dari sebuah peubah
acak kontinu, maka variansi V ar(X) dapat dicari.
V ar(X)
= E(X 2 ) 2
=
x2 f (x) dx 2
x2 f (x) dx +
x f (x) dx +
a
x2 f (x) dx 2
b
=
=
=
=
=
=
=
=
=
1
dx 2
b
a
a
b
1
x3 a 2
3(b a)
1
(b3 a3 ) 2
3(b a)
2
1
a+b
3
3
(b a )
3(b a)
2
2
2
(b a)(a + ab + b )
(a2 + 2ab + b2 )
3(b a)
4
x2
Dari hasil V ar(X) dapat dicari nilai standar deviasi, menurut denisi merupakan
akar kuadrat positif dari V ar(X).
V ar(X)
r
=
=
=
Terbukti.
(b a)2
12
(b a) 3
.
2 3
3
ba
3
6
11
f (x) =
1, 0 x 1
0, x yang lain
a) F (x) berarti adalah antiturunan dari f (x); yaitu sebuah fungsi yang bila
dievaluasi pada selang tertentu akan menyatakan luas, atau dalam hal ini peluang
yang diminta pada selang tersebut.
F (x)
f (x) dx
1 dx
= x+C
P (a X a + b)
a+b
=
=
f (x) dx
a
a+b
x]a
= (a + b) a
= (a a) + b
= b
Terlihat bahwa dengan syarat yang diberikan, nilai peluangnya hanya bergantung pada nilai b.
3.
Distribusi Normal
3.1. Denisi Distribusi Normal. Distribusi normal adalah dstribusi peluang peubah acak kontinu yang paling sering digunakan untuk menyelesaikan masalah, baik
itu secara eksak maupun sebagai hampiran. Sebuah peubah acak X dikatakan berdistribusi normal apabila terdapat > 0, < < sehingga memiliki pdf:
f (x) =
1
1
e 2
2
Gambar 3.1.
2
, < x <
12
f (x) dx
Misalkan u =
x
,
2
(x)2
2 2
dx
2
1
eu 2 du
2
2
1
=
eu du
2
Digunakan Integral Gauss yang menyatakan bahwa ex dx = . Bagai1
(x)2
2 2
dx =
manapun pembuktian dari integrasi ini berada di luar jangkauan tulisan ini.
1
(x)2
2 2
dx
= 1
=
Gambar 3.2.
13
Gambar 3.3.
Gambar 3.4.
Gambar 3.5.
14
Bukti.
integrasi:
E(X)
x f (x) dx
2
1
1 x
x e 2
dx
2
(x)2
1
=
[(x ) + ] e 22 dx
2
(x)2
(x)2
1
1
22
=
(x )
e
dx +
e 22 dx
2
2
2
(x)2
1
x + (x)
1
2
2
2
( )
e 2 dx
=
e 2 dx +
2
2
Dapat dilihat bahwa integrasi di dalam kurung siku adalah pdf dan total luasan
di bawahnya sama dengan 1.
(x)2
1
22
2
( ) e
E(X) =
+ [1]
2
1
( 2 )[0 0] +
=
2
= 0+
=
Terbukti.
Bukti.
an.
V ar(X)
(x )2 f (x) dx
2
1
1 x
(x )2 e 2
dx
2
2
2
2
=
w . wew dw
15
V ar(X)
2 2
2 2
!
1 w2
1 w2
w. e
e
dw
2
2
!
1 w2
1 w2
w. e
+
e
dw
2
2
Dapat dilihat bahwa nilai dari evaluasi integrasi di dalam kurung siku adalah
nol menurut Teorema L'Hospital. Didapat:
V ar(X)
=
=
=
=
1 w2
[0] +
e
dw
2
2 2 1 w2
e
dw
2
2
2 2 1
.
ew dw
2
2
w2
e
dw
2 2
w2
dw
2
Terbukti.
3.3. Luas Daerah di Bawah Kurva Distribusi Normal. Seperti yang sudah
dibahas sebelumnya bahwa untuk mencari nilai peluang dari suatu distribusi peluang peubah acak kontinu, digunakan integral tertentu. Bila untuk sebuah peubah
acak kontinu X berdistribusi normal dengan pdf f (x) maka nilai peluang P pada
suatu selang [a, b] (, ) adalah:
P (a X b) =
f (x) dx
a
16
Banyak data-data hasil eksperimen di dunia nyata yang bisa didekati dengan
kurva normal. Meskipun secara teoretis bisa saja nilai suatu peubah acak X sangat
kecil (X ) atau sangat besar (X ), namun secara teoretis tidak ada
suatu peubah acak yang bernilai demikian.
Kaidah Empirik (Empirical Rules) menyatakan bahwa untuk suatu distribusi
yang mendekati distribusi normal, pada selang-selang berikut berlaku:
( , + ) memiliki luas kira-kira 68% dari total luas di bawah kurva.
( 2, + 2) memiliki luas kira-kira 95% dari total luas di bawah kurva.
( 3, + 3) memiliki luas hampir sama dengan total luas di bawah
kurva.
Gambar 3.7.
Gambar 3.8.
lah:
P (a Z b) =
f (z) dz
a
17
Gambar 3.9.
Untuk sebarang peubah acak X berdistribusi normal, tidak mudah untuk mendapatkan nilai peluangnya pada selang tertentu secara langsung menggunakan integral tertentu. Oleh karena itu, sebarang peubah acak X berdistribusi normal dapat
diubah (transformasi) ke peubah acak Z yang berdistribusi normal baku. Setiap
X memiliki padanannya di Z . Misal diminta nilai peluang P (a < X < b), maka
terdapat c dan d sedemikian hingga P (a < X < b) = P (c < Z < d). Transformasi
dari X ke Z bisa didapatkan dengan:
Z=
Setelah itu nilai peluang dapat didapatkan dengan membaca tabel luas di bawah
kurva distribusi normal baku.
Gambar 3.10.
Berikut ini adalah tabel dari luasan di bawah kurva distribusi normal baku.
Table IV
C19
.00
.01
.02
.03
.04
.05
.06
.07
.08
.09
3.4
3.3
3.2
3.1
3.0
.0003
.0005
.0007
.0010
.0013
.0003
.0005
.0007
.0009
.0013
.0003
.0005
.0006
.0009
.0013
.0003
.0004
.0006
.0009
.0012
.0003
.0004
.0006
.0008
.0012
.0003
.0004
.0006
.0008
.0011
.0003
.0004
.0006
.0008
.0011
.0003
.0004
.0005
.0008
.0011
.0003
.0004
.0005
.0007
.0010
.0002
.0003
.0005
.0007
.0010
2.9
2.8
2.7
2.6
2.5
.0019
.0026
.0035
.0047
.0062
.0018
.0025
.0034
.0045
.0060
.0018
.0024
.0033
.0044
.0059
.0017
.0023
.0032
.0043
.0057
.0016
.0023
.0031
.0041
.0055
.0016
.0022
.0030
.0040
.0054
.0015
.0021
.0029
.0039
.0052
.0015
.0021
.0028
.0038
.0051
.0014
.0020
.0027
.0037
.0049
.0014
.0019
.0026
.0036
.0048
2.4
2.3
2.2
2.1
2.0
.0082
.0107
.0139
.0179
.0228
.0080
.0104
.0136
.0174
.0222
.0078
.0102
.0132
.0170
.0217
.0075
.0099
.0129
.0166
.0212
.0073
.0096
.0125
.0162
.0207
.0071
.0094
.0122
.0158
.0202
.0069
.0091
.0119
.0154
.0197
.0068
.0089
.0116
.0150
.0192
.0066
.0087
.0113
.0146
.0188
.0064
.0084
.0110
.0143
.0183
1.9
1.8
1.7
1.6
1.5
.0287
.0359
.0446
.0548
.0668
.0281
.0351
.0436
.0537
.0655
.0274
.0344
.0427
.0526
.0643
.0268
.0336
.0418
.0516
.0630
.0262
.0329
.0409
.0505
.0618
.0256
.0322
.0401
.0495
.0606
.0250
.0314
.0392
.0485
.0594
.0244
.0307
.0384
.0475
.0582
.0239
.0301
.0375
.0465
.0571
.0233
.0294
.0367
.0455
.0559
1.4
1.3
1.2
1.1
1.0
.0808
.0968
.1151
.1357
.1587
.0793
.0951
.1131
.1335
.1562
.0778
.0934
.1112
.1314
.1539
.0764
.0918
.1093
.1292
.1515
.0749
.0901
.1075
.1271
.1492
.0735
.0885
.1056
.1251
.1469
.0721
.0869
.1038
.1230
.1446
.0708
.0853
.1020
.1210
.1423
.0694
.0838
.1003
.1190
.1401
.0681
.0823
.0985
.1170
.1379
0.9
0.8
0.7
0.6
0.5
.1841
.2119
.2420
.2743
.3085
.1814
.2090
.2389
.2709
.3050
.1788
.2061
.2358
.2676
.3015
.1762
.2033
.2327
.2643
.2981
.1736
.2005
.2296
.2611
.2946
.1711
.1977
.2266
.2578
.2912
.1685
.1949
.2236
.2546
.2877
.1660
.1922
.2206
.2514
.2843
.1635
.1894
.2177
.2483
.2810
.1611
.1867
.2148
.2451
.2776
0.4
0.3
0.2
0.1
.3446
.3821
.4207
.4602
.3409
.3783
.4168
.4562
.3372
.3745
.4129
.4522
.3336
.3707
.4090
.4483
.3300
.3669
.4052
.4443
.3264
.3632
.4013
.4404
.3228
.3594
.3974
.4364
.3192
.3557
.3936
.4325
.3156
.3520
.3897
.4286
.3121
.3483
.3859
.4247
0.0
.5000
.4960
.4920
.4880
.4840
.4801
.4761
.4721
.4681
.4641
C20
.00
.01
.02
.03
.04
.05
.06
.07
.08
.09
0.0
.5000
.5040
.5080
.5120
.5160
.5199
.5239
.5279
.5319
.5359
0.1
0.2
0.3
0.4
0.5
.5398
.5793
.6179
.6554
.6915
.5438
.5832
.6217
.6591
.6950
.5478
.5871
.6255
.6628
.6985
.5517
.5910
.6293
.6664
.7019
.5557
.5948
.6331
.6700
.7054
.5596
.5987
.6368
.6736
.7088
.5636
.6026
.6406
.6772
.7123
.5675
.6064
.6443
.6808
.7157
.5714
.6103
.6480
.6844
.7190
.5753
.6141
.6517
.6879
.7224
0.6
0.7
0.8
0.9
1.0
.7257
.7580
.7881
.8159
.8413
.7291
.7611
.7910
.8186
.8438
.7324
.7642
.7939
.8212
.8461
.7357
.7673
.7967
.8238
.8485
.7389
.7704
.7995
.8264
.8508
.7422
.7734
.8023
.8289
.8531
.7454
.7764
.8051
.8315
.8554
.7486
.7794
.8078
.8340
.8577
.7517
.7823
.8106
.8365
.8599
.7549
.7852
.8133
.8389
.8621
1.1
1.2
1.3
1.4
1.5
.8643
.8849
.9032
.9192
.9332
.8665
.8869
.9049
.9207
.9345
.8686
.8888
.9066
.9222
.9357
.8708
.8907
.9082
.9236
.9370
.8729
.8925
.9099
.9251
.9382
.8749
.8944
.9115
.9265
.9394
.8770
.8962
.9131
.9279
.9406
.8790
.8980
.9147
.9292
.9418
.8810
.8997
.9162
.9306
.9429
.8830
.9015
.9177
.9319
.9441
1.6
1.7
1.8
1.9
2.0
.9452
.9554
.9641
.9713
.9772
.9463
.9564
.9649
.9719
.9778
.9474
.9573
.9656
.9726
.9783
.9484
.9582
.9664
.9732
.9788
.9495
.9591
.9671
.9738
.9793
.9505
.9599
.9678
.9744
.9798
.9515
.9608
.9686
.9750
.9803
.9525
.9616
.9693
.9756
.9808
.9535
.9625
.9699
.9761
.9812
.9545
.9633
.9706
.9767
.9817
2.1
2.2
2.3
2.4
2.5
.9821
.9861
.9893
.9918
.9938
.9826
.9864
.9896
.9920
.9940
.9830
.9868
.9898
.9922
.9941
.9834
.9871
.9901
.9925
.9943
.9838
.9875
.9904
.9927
.9945
.9842
.9878
.9906
.9929
.9946
.9846
.9881
.9909
.9931
.9948
.9850
.9884
.9911
.9932
.9949
.9854
.9887
.9913
.9934
.9951
.9857
.9890
.9916
.9936
.9952
2.6
2.7
2.8
2.9
3.0
.9953
.9965
.9974
.9981
.9987
.9955
.9966
.9975
.9982
.9987
.9956
.9967
.9976
.9982
.9987
.9957
.9968
.9977
.9983
.9988
.9959
.9969
.9977
.9984
.9988
.9960
.9970
.9978
.9984
.9989
.9961
.9971
.9979
.9985
.9989
.9962
.9972
.9979
.9985
.9989
.9963
.9973
.9980
.9986
.9990
.9964
.9974
.9981
.9986
.9990
3.1
3.2
3.3
3.4
.9990
.9993
.9995
.9997
.9991
.9993
.9995
.9997
.9991
.9994
.9995
.9997
.9991
.9994
.9996
.9997
.9992
.9994
.9996
.9997
.9992
.9994
.9996
.9997
.9992
.9994
.9996
.9997
.9992
.9995
.9996
.9997
.9993
.9995
.9996
.9997
.9993
.9995
.9997
.9998
20
1 P (Z < 2)
= 1 0, 9772
= 0, 0228
= P (Z < 2) P (Z < 2)
=
0, 9772 0, 0228
0, 9544
0, 9582 0, 5
0, 4582
=
=
=
=
x1
45 50
10
5
10
0, 5
21
=
=
=
=
x2
62 50
10
12
10
1, 2
= P (Z < 1, 2) P (Z < 0, 5)
=
0, 8849 0, 3085
0, 5764
[1] Walpole, Ronald E., 1995. Pengantar Statistika edisi 3. PT. Gramedia Pustaka Utama, Jakarta.
[2] Mendenhall, William, 2013. Introduction to Probability and Statistics 14th edition. Cengage
Learning, Boston.
[3] Mann, Prem S., 2010. Introductory Statistics 7th edition. John Wiley & Sons, Inc., New Jersey.
[4] Wackerly, Dennis D., 2008. Mathematical Statistics 7th edition. Cengage Learning, Boston.
[5] Brewer, Whisky, 2006. Normal Distributon. WikiBooks, http://en.wikibooks.org/wiki/Statis-