Definisi 5:

Permutasi adalah suatu susunan yang dapat dibentuk dari satu

kumpulan obyek yang diambil sebagian atau seluruhnya
Banyaknya permutasi dari n-elemen setiap kali dipilih kelemen dinyatakan dengan simbol

n!
P
;
n k (n k)!

k n

atau Pn atau P (n, k)

P
n k
k
; Didefinisikan: o! = 1

Contoh 11:

untuk n = 4 dan k = 3 , diperoleh

6/7/15

4!
P
24
4 3 ( 4 3)!
AGUSTINI TRIPENA

Definisi 5:
Permutasi adalah suatu susunan yang dapat dibentuk dari satu
kumpulan obyek yang diambil sebagian atau seluruhnya
Banyaknya permutasi dari n-elemen setiap kali dipilih kelemen dinyatakan dengan simbol

n!
P
;
n k (n k)!

k n

atau Pn atau P (n, k)

P
n k
k
; Didefinisikan: o! = 1

Contoh 11:

untuk n = 4 dan k = 3 , diperoleh

6/7/15

4!
P
24
4 3 ( 4 3)!
AGUSTINI TRIPENA

Teorema 2:
Banyaknya permutasi dari n-obyek yang berbeda
adalah n! (dibaca n-faktorial)

Contoh 12:
Ada berapa permutasi yang dapat dibentuk dari himpunan yang
mempunyai 3 anggota yang berlainan.
Jawab:
Misalnya himpunan tersebut adalah H = {a, b, c}
Permutasi yang dapat dibuat adalah abc, acb, bac, bca, cab, cba.
Ada 6 susunan yang berlainan. Atau
Permutasi yang dapat dibuat adalah = (3)(2)(1) = 6 (susunan yang
berlainan)
6/7/15

AGUSTINI TRIPENA

Teorema 3:
Banyaknya permutasi n-obyek berlainan yang disusun
melingkar

adalah (n-1)!

Contoh 13:
Berapa banyaknya permutasi dari 5 orang yang duduk
di meja bundar.
Jawab:
Misalnya nama orang tersebut adalah A, B, C, D, E
Banyaknya permutasi yang dapat dibentuk
melingkar ini adalah 4! = 24 susunan
6/7/15

AGUSTINI TRIPENA

Teorema 4:
Banyaknya permutasi dari n-obyek yang
berlainan jika diantaranya
n1 berjenis pertama, n2 berjenis ke-2, . ,
nk berjenis ke-k adalah
n!
P

n n1,n2 ,...,nk
n1 ! n2 !...nk !

6/7/15

AGUSTINI TRIPENA

Contoh 14:
Berapa banyaknya jadwal yang dapat disusun dalam
penyelenggaran pelatihan kerja, untuk 3 penceramah dalam 3
pertemuan bila ke-3nya bersedia memberikan pelatihan setiap hari
selama 5-hari kerja?
Jawab:

Dalam hal ini n = 5 dan k = 3, permutasi yang dapat dibentuk

adalah

5!
5!
(5)( 4)(3) 60
5P3
(5 3)! 2 !

Jadi banyaknya jadwal yang dapat disusun dalam penyelenggaran

pelatihan kerja tersebut adalah 60 macam susunan

6/7/15

AGUSTINI TRIPENA

Definisi 5:
Suatu himpunan bagian yang terdiri dari k elemen
yang diperoleh
dari suatu himpunan dengan n elemen disebut suatu
Kombinasi
dari n elemen setiap kali diambil k elemen.
Diberi simbol sebagai:
Dengan rumus:

n
n Ck C , C(n,k) atau
k
k
n

Pk
n

n Ck
k!

6/7/15

AGUSTINI TRIPENA

n!
k!(n k)!
7

Teorema 5:
Banyaknya kombinasi dari n-obyek yang berlainan bila
diambil sebanyak r-sekaligus adalah

Teorema 6:

n
n!
r r!(n r)!

Banyaknya cara menyekat suatu himpunan dari nobyek dalam r-sel, masing-masing berisi n1 unsur
dalam sel-pertama, n2

dalam sel ke-2, , nr

dalam sel ke-r adalah

n

n!
dimana n n1 n2 ... nr
n ,n ,...n
n1 ! n2 !...nr !
1 2 r
6/7/15

AGUSTINI TRIPENA

Catatan:
Dari satu kombinasi dapat disusun k! permutasi, ini
berarti bahwa jumlah permutasi yang diperoleh dari
semua kombinasi, sama dengan k! kali jumlah
kombinasinya.
Jadi

6/7/15

n Pk k! nCk

atau

AGUSTINI TRIPENA

Pk
n

n Ck
k!

n!
k!(n k)!

Contoh 15:
Berapa banyaknya cara untuk menampung 7 orang dalam 3
kamar hotel, jika tersedia 1 kamar mempunyai 3 tempat tidur
sedangkan 2 kamar lainnya mempunyai 2 tempat tidur?
Jawab:

Jumlah seluruh sekat adalah

7
7!
3,2,2 3!2!2! 210

cara

Contoh 16 :
Berapa kombinasi dari 4 huruf ABCD, jika diambil 3 huruf ?
Jawab :
Untuk n = 4 dan k = 3 diperoleh

6/7/15

AGUSTINI TRIPENA

4!
4!

4
4 C3
3! (4 - 3) ! 3! 1!
10

HARAPAN MATEMATIKA
DAN VARIANSI
OLEH
AGUSTINI TRIPENA

Pengantar:
Distribusi

probabilitas

memiliki

berbagai

sifat

atau

karakteristik yang dapat digunakan untuk mengidentifikasi

suatu distribusi. Karakteristik yang biasa digunakan antara lain
rata-rata hitung yang biasa disebut harapan matematis (atau
nilai harapan) dan variansi. Harapan matetatis ini menentukan
tendensi sentral dari distribusi probabilitas.
Sering kali kita menjumpai data pengamatan yang memuat
perubah acak tidak tunggal. Misalnya, X dan Y perubah acak,
maka nilai harapan dinyatakan E(X), E(Y), dan E(X,Y) , Variansi
dari X da Y dinyatakan 2 2 , dan kovariansi dari perubah acak
X dan Y dinyatakan

X, Y

XY

Daftar Isi Materi:

Rata-rata Perubah Acak

Variansi dan Kovariansi

Rata-rata dan Variansi dari

Kombinasi linier

Teorema Chebyshev

Nilai Harapan dan Varians dari

Variabel Acak Diskrit
Nilai Harapan variabel acak
diskrit adalah rata-rata
tertimbang terhadap seluruh
kemungkinan hasil dimana
penimbangnya adalah nilai
probabilitas yang dihubungkan
dengan setiap hasil ( outcome ).
6/7/15

AGUSTINI TRIPENA

15

Nilai Harapan Variabel Acak

Diskrit

E ( X )= x = xi.f (x)
atau

E ( X )= x =
(xi.P(x))
6/7/15

Dimana :
Xi = nilai ke i dari variabel acak X
P(xi) = probabilitas terjadinya xi
AGUSTINI TRIPENA

16

Contoh :
X = banyaknya pesanan barang
dalam satuan yang masuk selama
1 minggu. P(X) = probabilitas X =
x.
X

P(x) 0,125 0,375 0,375 0,125

6/7/15

Hitung rata-rata banyaknya

pesanan atau pesanan yang
diharapkan.
AGUSTINI TRIPENA

17

Varians dan Simpangan

Baku
Dengan menggunakan nilai harapan ini
maka varians atau simpangan baku dari
distribusi teoretis dapat dihitung, yaitu :

Var (X) = 2 = E(X2) (E(X))2

Var (X) = 2 = (x ) 2. P(x)
= Var (X)
6/7/15

AGUSTINI TRIPENA

18

Nilai Harapan dari Fungsi

Probabilitas Bersama.

E[h(x,y) = h(x,y) p(x,y)

dimana :
h(x,y) = sembarang fungsi dari X dan
Y
p(x,y) = probabilitas terjadinya X dan
Y secara bersama-sama.
6/7/15

AGUSTINI TRIPENA

19

Contoh :
Apabila diketahui p(x,y) sebagai
berikut :
X\Y

P(x
)
2 0 0,1 0,1 0,2 0
0,4
3 0,1 0
0,1 0
0,2 0,4
4 0,1 0,1 0
0
0
0,2
q(y) 0,2 0,2 0,2 0,2 0,2 1
a) Carilah nilai E (X+Y)
b) Carilah nilai E (X) + E (Y)
c) Carilah nilai E (XY)
6/7/15

AGUSTINI TRIPENA

20

Contoh :
Apabila diketahui p(x,y) sebagai
berikut :
X\Y

P(x
)
2 0 0,1 0,1 0,2 0
0,4
3 0,1 0
0,1 0
0,2 0,4
4 0,1 0,1 0
0
0
0,2
q(y) 0,2 0,2 0,2 0,2 0,2 1
a) Carilah nilai E (X+Y)
b) Carilah nilai E (X) + E (Y)
c) Carilah nilai E (XY)
6/7/15

AGUSTINI TRIPENA

21

Persamaan Kovarians
N

xy [ X i E ( X )][Yi E (Y )] p ( xi , y i )
i 1

Dimana :
Xi = nilai variabel acak X ke i
Yi = nilai variabel acak Y ke i
p(xi,yi) = probabilitas terjadinya xi dan yi
i = 1, 2, 3, ., n
6/7/15

AGUSTINI TRIPENA

22

1. Rata-rata Perubah Acak

. Rata-rata perubah acak X atau rata-rata distribusi
peluang X ditulis X atau .
. Dalam statistik rata-rata ini disebut harapan matematik
atau nilai harapan dari perubah acak X, dinyatakan
sebagai E(X).
.Rata-rata atau nilai harapan dari perubah acak X ini
menggambarkan letak pusat distribusi probabilitas.

1. Rata-rata Perubah Acak

. Rata-rata perubah acak X atau rata-rata distribusi
peluang X ditulis X atau .
. Dalam statistik rata-rata ini disebut harapan matematik
atau nilai harapan dari perubah acak X, dinyatakan
sebagai E(X).
.Rata-rata atau nilai harapan dari perubah acak X ini
menggambarkan letak pusat distribusi probabilitas.

.E(X) tersebut adalah rata-rata dan tidak perlu

menyatakan hasil yang muncul dalam percobaannya.
.Rata-rata ini yang disebut rata-rata perubah acak X
atau rata-rata distribusi probabilitas X, dan juga
banyak yang menyebutnya harapan matematik atau
nilai harapan dari perubah acak X.

Definisi 1:
Jika X suatu perubah acak dengan fungsi probabilitas
f(x), maka nilai harapan (atau rata-rata) perubah acak X
adalah

x f(x)

; jika X diskret

; jika X kontinu

x
E(X)

x f(x)dx

Contoh 2:
Carilah nilai harapan banyaknya statistikawan yang
duduk dalam panitia adalah 3 orang yang dipilih secara
acak dari 4 statistikawan dan 3 ahli biologi.
Jawab:
Misalkan X = banyaknya statistikawan dalam panitia.
X = {0, 1, 2, 3}
Fungsi probabilitasnya dinyatakan sebagai

4
3
x 3 x
f(x)
; x 0,1, 2, 3
7
3
Dari perhitungan diperoleh:

f(0) 1 ; f(1) 12 ; f( 2) 18 ; f(3) 4

35

35

35

35

Dibuat tabel distribusi probabilitas X

Tabel 1. Distribusi Probabilitas X

f(x)

1
35

12
35

18
35

4
35

Jadi nilai harapan (rata-rata) banyaknya statistikawan yang

duduk dalam panitia adalah:

E(X)

x f(x)
x

(0)( 1 ) (1)(12 ) ( 2)( 18 ) (3)( 4 )

35

12 1, 7
7

35

35

35

Contoh 3
Hitunglah harapan umur dari bolam lampu, jika diketahui bahwa X
perubah acak yang menyatakan umur (dalam jam) dari bolam
lampu, yang dinyatakan dalam bentuk berikut:

20.000 ; x 100

f(x)
Jawab:

x3

untuk x yang lainya

menurut definisi E(X)

100

20.000
x
dx
3
x

100

20.000
x

dx

20.000

200
x 100

Jadi bolam lampu tersebut dapat diharapan (rata-ratanya))

berumur 200 jam

Teorema 1:

Jika X suatu perubah acak dengan fungsi probabilitas f(x),

maka nilai harapan perubah acak g(X) adalah

g(x)f(x)

g(X)

; jika X diskret

E[g(X)]

Contoh 4:

g(x)f(x)

; jika Xkontinu

Jika X menyatakan banyaknya mobil yang

pencuci

datang di tempat

mobil setiap hari antara jam 13.00 14.00 mempunyai

distribusi probabilitas seperti pada tabel di bawah ini:

Tabel 2. Distribusi Probabilitas X

P(X=x)

1
12

5
1
12

1
4

7
1
4

8
1
6

9
1
6

Jika diketahui bahwa g(X) = 2X-1 menyatakan upah para karyawan

yang dibayar perusahaan pada jam tersebut (dalam ribuan rupiah),
maka tentukan pendapatan yang diharapan karyawan perusahaan
tersebut.

Jawab:

g(x) E[g(X)] E( 2 X 1)

(2x 1)f(x)

x4

(7)( 1 ) (9)( 1 ) (11)( 1 ) (13)( 1 ) (15)( 1 ) (17)( 1 )

12

12,67

12

Jadi harapan penerimaan upah para karyawan = Rp 12,67

Contoh 5
Jika X suatu perubah acak dengan fungsi padat pobabilitas:

x2

; 1 x 2

f(x) 3
0 ;

untuk x yanglainya

Maka hitung nilai harapan g(x) = 4X+3

Jawab:
Nilai harapan g(x) = 4X+3 adalah
2

( 4 x 3) E( 4 X 3)

x2
( 4 x 3) dx
3

1
2
1 ( 4 x3 3x 2 )dx 8
3
1

Definisi 2:
Jika X dan Y, perubah acak dengan fungsi probabilitas gabungan
f(x,y), maka nilai harapan perubah acak g(X,Y) adalah

1. Untuk X dan Y diskret

E[g(X,Y)]

g(x,y) f(x,y)

g(X,Y)
2. Untuk X dan Y kontinux

g(X,Y)

E[g(X,Y)]

g(x,y)f(x,y)dxdy

Contoh 6:
Jika X dan Y suatu perubah acak dengan distribusi peluang
gabungan seperti tabel berikut:
Tabel 3. Distribusi Peluang Gabuangan X dan Y
X
f(x,y)

0
2

0
Y

1
2

Jumlah
kolom

Jumlah
baris

3
28
3
14

9
28

3
28

10
28

15
28

3
28

1
28

3
14

Hitung nilai harapan g(X,Y) = XY

15
28

6
14
1
28
1

Jawab:
[g(x,y)] E[g(X, Y)]
E(XY)
2

(xy) f(x, y)

x 0 y 0

(0)(0)f (0,0) (0)(1)f (0,1) (0)(2)f (0,2) (1)(0)f (1,0)

(1)(1)f (1,1) (2)(0)f (2,0)
f (1,1)
3

14

Contoh 7:
Hitung nilai harapan

E Y
X

x(1 3y 2 )

; untuk x yanglainya

f(x, y)
Jawab:

E Y

y 0 x 0
1
2

untuk fungsi padat peluang

0 x 2; 0 y 1

y x(1 3y 2 )
( )[
] dxdy
x
4
y(1 3y 2 )
dxdy
4

y 0 x 0
1
y 3y 2 )

dy 5
2
8
y 0

Catatan: Jika

dalam definisi (2) g(X,Y) = X, maka

(x) f(x,y) (x)g(x);

jika X diskret

(x)f(x,y)dxdy (x)g(x)dx;

jika Xkontinu

x
E(X)

dan

(y)f(x,y) (y)h(y);

x
E(Y)

(y)f(x,y)dxdy

jika X diskret

(y)h(y)dy; jika Xkontinu

dimana: g(x) distribusi marginal X dan h(y) distribusi marginal Y

2. Variansi dan Covariansi

Variansi perubah acak X yang akan dibahas
disini sangat berguna dalam memberikan
gambaran mengenai keragaman pengamatan
di sekitar nilai rata-rata . Variansi dari perubah acak
X diberi notasi Var(X)

Definisi 3: Jika X suatu perubah acak dengan fungsi

peluang f(x) dengan rata-rata ,maka variansi X
adalah 2

(x )2 f(x) ; jika X diskret

2 E[(X )2 ]

(x )2 f(x)dx ; jika X kontinu

2. Variansi dan Covariansi

Variansi perubah acak X yang akan dibahas
disini sangat berguna dalam memberikan
gambaran mengenai keragaman pengamatan
di sekitar nilai rata-rata . Variansi dari perubah acak
X diberi notasi Var(X)

Definisi 3: Jika X suatu perubah acak dengan fungsi

peluang f(x) dengan rata-rata ,maka variansi X
adalah 2

(x )2 f(x) ; jika X diskret

2 E[(X )2 ]

(x )2 f(x)dx ; jika X kontinu

Teorema 3:
Jika X suatu perubah acak dengan fungsi peluang f(x), maka
variansi perubah acak g(X) adalah
a. untuk kasus diskret

2
g(X)
E{[g(X) g(X) ]2 }

[g(X) g(X) ]2 f(x)

b. untuk kasus kontinu

2
g(X)
E{[g(X) g(X) ]2 }

Bukti:

[g(X) g(X) ]2 f(x)dx

Langsung menggunakan teorema (1) dan definisi (3)

Definisi 4:
Jika X dan Y perubah acak dengan distribusi probabilitas
gabungan f(x,y), maka kovariansi X dan Y adalah
a. untuk kasus X dan Y diskret

XY

E [(X

)(Y

)]

(x X )(y Y ) f(x, y)

x y
b. untuk kasus X dan Y kontinu

XY

E [(X )(Y )]
X

(x X )(y Y )f(x,y)dxdy

Teorema 4:
Kovariansi dua perubah acah X dan Y dengan rata-rata

diberikan oleh rumus: XY

dan

E(XY) x y

Bukti:
a. untuk kasus X dan Y diskrit

XY

(x x )(y y ) f(x,y)
x y

(xy y x x y ) f(x, y)
X

x y

xyf(x,y) X yf(x,y) Y xf(x,y)

x y

x y

x y f(x,y)
x y

x y

Karena

x xf(x,y); y y f(x, y); dan

x y
Maka diperoleh:

XY

x y

f(x, y) 1
x y

E(XY) x y x y x y E(XY) x y

b. Untuk kasus X dan Y kontinu

(seperti a) dg mengganti tanda jumlahan dengan integral)

XY

(x x )(y y )f(x, y)dxdy

(xy X y Y x xy )f(x,y)dxdy

XY

xyf(x, y)dxdy X y f(x, y)dxdy

Y xf(x, y)dxdy x y f(x, y)dxdy

karena : x

xf(x,y)dxdy;

dan

yf(x,y)dxdy;

f(x,y)dxdy 1

Maka diperoleh

XY

E(XY) x y x y x y
E(XY) x y

Contoh 8:
Berikut ini perubah acak X menyatakan banyaknya bagian yang
cacat dari suatu mesin jika 3 suku cadang disampling dari rantai
produksi dan diuji. Kemudian hitung variansinya pada tabel di
bawah ini
Tabel 4. Distribusi Probabilitas X

Jawab:

f(x)

0,51

0,38

0,10

0,01

E(X) (0)( 0, 51) (1)( 0, 38) ( 2 )( 0,10) (3)( 0, 01) 0, 61

E(X 2 ) (0)2 ( 0, 51) (1)2 ( 0, 38) ( 2 )2 ( 0,10) (3)2 ( 0, 01) 0, 87
2

Var(X) E(X 2 ) E(X) 0, 87 ( 0, 61)2 0, 4979

Jadi banyaknya bagian yang cacat dari suatu mesin mempunyai variansi
sebesar 0,4979

Contoh 9:
Permintaan mingguan Coca Cola (dalam liter), pada jaringan
pemasaran

daerah

merupakan

perubah

acak

yang

dapat

dinyatakan dalam bentuk berikut:

2(x 1) ; 1 x 2
f(x)
;x yanglainya
0
Carilah rata-rata dan variansinya
2

Jawab: E(X) (x) 2(x 1)dx 2 (x 2 x)dx 2( 1 x 3 1 x 2 ) 2 5

3
2
3
2

2
2
2
3
2
4
3
1
1
E(X ) (x ) 2(x 1)dx 2 (x x )dx 2( x x ) 17
4
3
6
1
1
1
2 17 ( 5 )2 1
6
3
18

Jadi rata-ratanya,

3 dan variansinya,

2 1

18

Contoh 10:
Hitung variansi g(X) = 2X+3 ,jika perubah acak dengan distribusi
probabilitas:
Tabel 4.5. Distribusi Probabilitas X

Jawab:

f(y)

1
4

1
8

1
2

1
8

Pertama-tama hitung rata-rata perubah acak 2X+3

2 X 3 E( 2 X 3)

(2x 3)f(x)

x 0
(3)( 1 ) (5)( 1 ) (7)( 1 ) (9)( 1 ) 6
4
8
2
8
Menggunakan teorema (3) pada kasus ini diperoleh

2
2
2

E{[( 2 X 3) 2 X 3 ] } E{[ 2 X 3 6] }
2 X3
3
2
2

E[ 4 X 12 X 9]

( 4x

12x 9)f(x)

x 0

(9)f(0) (1)f(1) (1)f( 2) (9)f(3)

4

Contoh 11:
Jika X perubah acak dengan fungsi probabilitas
seperti contoh (5), maka cari variansi perubah
acak g(X) = 4X + 3
Jawab:
Dari contoh (5) diperoleh; E(4 X 3) 8
Menggunakan teorema (3) pada kasus ini
diperoleh:

4X3

E{[( 4 X 3) 4 X 3 ]2 } E{[ 4 X 3 8]2 }

E[( 4 X 5)2 ]

1
2

2
2
x
( 4x 5) ( )dx
3

(16 x 4 40 x3 25x 2 )dx

2
5
4
3
1 (16 x 40 x 25 x )
3 5
4
3
1

51
5

Jadi variansi perubah acak g(X) = 4X + 3 adalah:

4 X3

51
5

Contoh 12:
Jika perubah acak X dan Y diberikan seperti pada contoh (6) dengan
distribusi probabilitas gabungan pada tabel (1) maka carilah
kovariansi dari X dan Y

Jawab:
Dari contoh (6) diperoleh

E( XY ) 3

Sekarang pada kasus ini diperoleh: 14

x E(X)

x f(x, y) x g(x)

x 0 y 0

x 0

( 0)( 5 ) (1)( 15 ) ( 2)( 3 )

14

3
4

28

28

dan

y E(Y)

y f(x,y) y h(y)

x 0 y 0

y 0

(0)( 15 ) (1)( 3 ) ( 2)( 1 )

28

28

Sehingga diperoleh kovariansi dari X dan Y adalah:

XY E( XY) x y
3 ( 3 )( 1 )
14

56

Contoh 13:
Jika perubah acak X dan Y dengan fungsi padat gabungan
diberikan sbb:

0 x 1, 0 y x
8xy;
f(x,y)
untuk x,y yanglainya
0;

maka carilah kovariansi dari X dan Y

Jawab:
Dari contoh (10) diperoleh: g(x)

4 x3 ; 0 x 1

dan

h(y) 4y(1 y 2 ) ; 0 y 1
Dan dapat dinyatakan sebagai:

;0 x 1

; x yanglain

g(x)

4 x3

dan

4y(1 y 2 ) ; 0 y 1

h(y)
6/7/15

AGUSTINI TRIPENA

;x yanglain

53

Fungsi padat gabungan diatas, diperoleh:

1

x E(X) 4x 4dx 4
5

y E(Y) 4y 2 (1 y 2 )dy 8

15

Dan

11

E(XY)

8x 2 y 2dxdy 4
9

0y

Jadi kovariansi dari X dan Y

XY

E(XY) x y 4 ( 4 )( 8 )
9

5 15

225

6/7/15

AGUSTINI TRIPENA

54

3. Rata-rata dan Variansi dari Konbinasi Linier

Dibawa ini diberikan beberapa sifat yang berguna untuk
menyederhanakan perhitungan rata-rata dan variansi

Teorema 5: Jika a dan b konstanta sembarang, maka

E(aX b) aE(X) b

Bukti:

Menurut definisi nilai harapan (kasus kontinnyu)

E(aX b)

(ax b)f(x)dx a x f(x)dx b f(x)dx

aE(X) b
Karena:

E(X)
6/7/15

x f(x)dx

AGUSTINI
TRIPENA

dan

f(x)dx 1

55

Akibatnya: 1. Jika diambil a=0, maka

2.

E(b) b
Jika diambil b=0, maka
E(aX) aE(X)

Contoh 14:
Kembali ke contoh (4) menggunakan diatas tentukan perubah acak

g(X) 2 X 1

Jawab:

Menurut teorema diatas dapat dinyatakanE( 2 X 1)

2E(X) 1

Dari contoh (4) diperoleh

E(X)

x f(x)

x 4

( 4)( 1 ) (5)( 1 ) (6)( 1 ) (7)( 1 ) (8)( 1 ) (9)( 1 )

12

Jadi
6/7/15

12

41
6

E( 2 X 1) 2E(X) 1 2 41 1 12.67
AGUSTINI TRIPENA

56

Contoh 15:
Kembali ke contoh (5) menggunakan diatas tentukan perubah acak

g(X) 4 X 3

Jawab:

Menurut teorema diatas dapat dinyatakan sebagai:

E( 4 X 3) 4E(X) 3

Dari contoh (4.5) diperoleh

E(X)

2
x
x( )dx
3

Jadi E( 4 X 3)

3
x
( )dx 5
3
4

4E(X) 3 4( 5 ) 3 8
4

Hasilnya sama seperti pada contoh (5)

6/7/15

AGUSTINI TRIPENA

57

Teorema 5:
Nilai harapan selisih dua (atau lebih) fungsi perubah acak X sama
dengan jumlah selisih dua (atau lebih) nilai harapan fungsi
tersebut, yaitu

Bukti:

E[g(X) h(X)] E[g(X)] E[h(X)]

Menurut definisi (kasus kontinnyu)

2

E[g(X) h(X)]

[g(x) h(x)] dx

1
2

[g(x)f(x)] dx [h(x)f(x)] dx

E[g(X)] E[h(X)]

Analog untuk kasus diskrit

6/7/15

AGUSTINI TRIPENA

58

Contoh 16:
Diketahui X perubah acak dengan distribusi probabilitas sbb:
Tabel 6. Distribusi Probabilitas X
x

f(x)

1
3

1
2

1
6

Y (X 1)2

Carilah nilai harapan

Jawab:
2

Menurut teorema diatas pada fungsi Y (X 1)

diperoleh

E[(X 1)2 ] E(X 2 2 X 1) E(X 2 ) 2E(X) 1

Dengan

E(X) (0)( 1 ) (1)( 1 ) ( 2)(0) (3)( 1 ) 1

3

E(X2 ) (02 )( 1 ) (12 )( 1 ) ( 22 )(0) (32 )( 1 ) 2

3

Jadi
6/7/15

E[(X 1)2 ] 2 ( 2)(1) 1 1

AGUSTINI TRIPENA

59

Contoh 17:
Jika diketahui X perubah acak dengan fungsi padat sbb:

2(x 1); 1 x 2
f(x)
; untuk x lainya
0
g(X) X2 X 2

Carilah nilai harapan

Jawab:
2
2
E(X

2
)

E(X
) E(X) E( 2)
Menurut teorema diatas:
Akibatnya:

E(X) 2x(x 1)dx 2 (x 2 x)dx 5

1

E(X2 ) 2x 2 (x 1)dx 2 (x3 x 2 )dx 17

1

Jadi
6/7/15

E(X2 X 2) 17 5 2 5
6

AGUSTINI TRIPENA

2
60

Teorema 7:
Nilai harapan selisih dua (atau lebih) fungsi perubah acak X dan Y
sama dengan jumlah selisih dua (atau lebih) nilai harapan fungsi
tersebut, yaitu

Bukti:

E[g(X,Y) h(X,Y)] E[g(X,Y)] E[h(X,Y)]

Menurut definisi (kasus kontinnyu)

E[g(X,Y) h(X,Y)]

[g(x,y) h(x,y)]dx dy

[g(x,y)f(x,y)]dxdy [h(x,y)f(x,y)]dxdy

E[g(X,Y)] E[h(X,Y)]
Analog untuk kasus diskrit
6/7/15

AGUSTINI TRIPENA

61

Akibatnya:
1. Jika

g(X,Y) g(X) dan h(X,Y) h(Y) maka diperoleh:

E[g(X) h(Y)] E[g(X)] E[h(Y)]

2. Jika g(X,Y) X dan h(X,Y) Y

maka diperoleh

E(X Y)] E(X) E(Y)

Teorema 8:
Jika X dan Y merupakan dua perubah acak bebas, maka

E(XY)] E(X)E(Y)
Bukti:
Menurut definisi diatas (kasus kontinnyu)

E(X, Y)
6/7/15

x,y f(x, y)] dx dy

AGUSTINI TRIPENA

62

Karena X dan Y bebas, maka dapat ditulis

Dimana g(x) dan h(x)

f(x,y) g(x)h(y)

merupakan distribusi pias, sehingga

E(XY)

xy g(x)h(y)dx dy

6/7/15

xg(x)dx

y h(y)dy E(X)E(Y)

AGUSTINI TRIPENA

63

Contoh 17:
Misalkan X dan Y perubah acak bebas dengan
distribusi probabilitas gabungan:

x(1 3y 2 )

f(x,y)

; 0 x 2, 0 y 1

untuk xlainya

Periksa apakah E(XY) E(X)E(Y)

dipenuhi?

6/7/15

AGUSTINI TRIPENA

64

Jawab
12

E(XY)

x(1 3y )
xy
dx dy
4

00
1

0
5
6
12

E(X)

0
4
3
6/7/15

x 2 y(1 3y 2 )
dx dy
4

00

x2

x3y(1 3y 2 )

dy

12

x 0

x(1 3y )
x
dx dy
4

00

12

2 y(1 3y 2 )
dy
3

12

x 2 (1 3y 2 )
dx dy
4

00

x3 (1 3y 2 )
12

x 2

dy
x 0

AGUSTINI TRIPENA

2(1 3y 2 )
dy
3

65

12

E(Y)

x(1 3y 2 )
y
dx dy
4

x 2

00

0
5
8

Jadi

6/7/15

12

xy(1 3y 2 )
dx dy
4

00

x 2 y(13y 2 )
8

dy
x 0

y(1 3y 2 )
dy
2

E(X)E(Y) ( 4 )( 5 ) E(XY)
3 8

AGUSTINI TRIPENA

66

Teorema 9:
Jika a dan b konstanta sembarang, maka

2
2
2
2
2
aX b a x a
Bukti:
Menurut definisi,
dan

2
2
aX b E{[(aX b) aX b ] }

aX b E(aX b) aE(X) E(b) a b

6/7/15

AGUSTINI TRIPENA

67

Sehingga: 2
2
aX b E{[aX b a b] }
E{[aX a]2 }

a 2E(X )2
2
2
a

Akibatnya:
1. Jika a=1, maka
2. Jika b=0, maka
6/7/15

2
2
2
X b x

2
2
2
2
2
aX a x a

AGUSTINI TRIPENA

68

Teorema 10:
Jika X dan Y perubah acak dengan distibusi
probabilitas f(x,y) maka
Bukti:

2
22 b22 2ab
aX

a
x
y
xy
bY

Menurut definisi,

2
2
aX bY E[(aX bY) aX bY ]
6/7/15

AGUSTINI TRIPENA

69

dan

aX bY E(aX bY) aE(X) bE(Y) a X b Y

Maka
2
2
aX bY E[(aX bY) (a X b Y )]
E[(aX a X ) (bY b Y )]2
a2E(X X )2 b2E(Y Y )2 2abE(X X )E(Y Y )
2 2
2 2
a X b Y 2ab XY

6/7/15

AGUSTINI TRIPENA

70

Akibatnya:
1. Jika X dan Y perubah acak bebas, maka

2
2 2
2 2
aX

x
y
bY
2. Jika X dan Y perubah acak bebas, maka

2
2
2
2
2
aX bY a x b y
3. Jika X ,X ,...,X perubah acak bebas,
1 2
n
maka berlaku

6/7/15

2
2
2
2
2
2
2
a X a X ....a X a1 x a2 x ..... an x
11 2 2
n n
1
2
n
AGUSTINI TRIPENA

71

Contoh 18:
Jika X dan Y perubah acak dengan variansi

2x 2 ; XY 2

2
dan kovariansi 4
Y

Carilah variansi perubah acak : Z 3X 4 Y 8

Jawab:

2
2
2
2
Var(Z) Z 3X 4 Y 8 9 X 16 Y 24 XY

(9)( 2) (16)( 4) ( 24)( 2) 130

6/7/15

AGUSTINI TRIPENA

72

Contoh 19:
Misalkan X dan Y perubah acak bebas dengan

variansi x 1

2Y 2

Carilah variansi perubah acak Z 3X 2Y 5

Jawab:

Var(Z) 2Z 32X 2 Y 5 32X 2 Y 92X 42Y

(9)(1) ( 4)( 2) 17

6/7/15

AGUSTINI TRIPENA

73

4. Teorema Chebyshev
. Telah dikemukakan diatas bahwa variansi perubah acak akan

memberikan gambaran mengenai keragaman pengamatan di

sekitar rata-rata.
. Bila variansi dan simpangan baku dari perubah acak kecil maka
dapat diharapkan bahwa pengamatan akan mengelompok di
sekitar nilai rata-rata.
. Sehingga probabilitas perubah acak dalam selang tertentu di
sekitar rata-rata akan lebih besar dari perubah acak serupa,
yang lebih besar simpangan bakunya.
. Tetapi jika nilai besar menyatakan keragaman yang lebih
besar, sehingga dapat diharapkan pengamatan akan lebih
menyebar.
6/7/15

. Perhatikan gambar 1dibawah ini.

AGUSTINI TRIPENA

74

1.5
1.0
0.5

dnorm(x, 0, 0.25)

0 ; 2 0.25

0.0

0 ; 2 1

-4

-2

Gambar 1. Keragaman pengamatan di sekitar rata-rata

6/7/15

AGUSTINI TRIPENA

75

0.25
0.15
0.10

2 ; 2 1.5

0.00

0.05

dnorm(x, -1, 1.5)

0.20

1; 2 1.5

-6

-4

-2

Gambar 2.

6/7/15

2 2

Keragaman pengamatan dengan 1

2 1
2
AGUSTINI TRIPENA

76

Teorema 11 (teorema Chebyshev)

Probabilitas setiap perubah acak X mendapat
nilai dalam k-simpangan baku dari nilai ratarata adalah sekurang-kurangnya yaitu

P[ k X k] 1 1

2
k

6/7/15

AGUSTINI TRIPENA

77

Kurva Normal dan Variabel Random

Normal
Distribusi probabilitas kontinu yang terpenting adalah
distribusi normal dan grafiknya disebut kurva normal.
Variabel random X yang distribusinya berbentuk seperti
lonceng disebut variabel random normal.

6/7/15

AGUSTINI TRIPENA

x
78

Pada distribusi kontinu, P(Z z) dan P(Z < z)

nilainya sama saja.
Contoh menghitung peluang dengan Tabel
Normal:

6/7/15

AGUSTINI TRIPENA

79

Sifat kurva normal, yaitu :

6/7/15

x
Kurva mencapai maksimum pada

Kurva setangkup terhadap garis

x
tegak yang melalui

x
Kurva mempunyai titik belok pada

Sumbu x merupakan asimtot dari

kurva normal

Seluruh luas di bawah kurva, di atas

sumbu x adalah 1

AGUSTINI TRIPENA

80

Distribusi Normal
Variabel random X berdistribusi normal, dengan mean
dan variansi mempunyai fungsi densitas

1
( x )2
f ( x; , )
e
2

(2 2 )

luas daerah di bawah kurva dinyatakan

dengan :
P ( x1 X x 2 )

X1
x2

X2

x2

1
( x ) 2 ( 2 2 )
P( x1 X x 2 ) n( x; , )dx
e
dx

2 x
x1
1

1
( x ) 2 ( 2 2 )
P( X )
e
dx 1

2
6/7/15

AGUSTINI TRIPENA

82

Distribusi Normal Standar (1)

apabila variabel X ditransformasikan dengan substitusi
x
Z
maka :

P(z1 Z z 2 )

1
2

z2

1
z2
e 2 dz

z1

ternyata substitusi Z

1
2

z2

z1

1
z2
z2
e 2 dz n (z;0,1)dz

z1

menyebabkan distribusi normal n (z; , )

n( z;0,1)
6/7/15

menjadi

yang disebut distribusi normal standar.

AGUSTINI TRIPENA

83

Distribusi Normal Standar (2):

Karena transformasi ini, maka
selanjutnya nilai

P ( x1 X x 2 )

ini dapat dihitung dengan

menggunakan tabel distribusi normal
standar.

6/7/15

AGUSTINI TRIPENA

84

6/7/15

Contoh 2
Nilai IPK 300 mahasiswa tahun pertama
dianggap mengikuti distribusi normal
dengan rata-rata 2,1 dan standar
deviasi 0,6. Berapa banyak mahasiswa
yang diharapkan mempunyai IPK di
antara 2,45 dan 3,55 ?
Penyelesaian:
x2 3,55
x1 2, 45
Diketahui: X = nilai IPK
dan
sehingga
x1 2,45 2,1nilai z yang berpadanan
x2 3,55 2,1
z2

2,42
z1

0,58
adalah:

0,6

0,6
dan
AGUSTINI TRIPENA

85

P(2, 45 X 3,55)
Ditanyakan:
P(2,45 X 3,55)
= P(0,58 Z 2, 42)
P( Z 2,42) P( Z 0,58)
=
= 0,9922 0,7190
= 0,2732
Jadi 27,32% mahasiswa mendapat nilai
IPK di antara 2,45 dan 3,55.

6/7/15

AGUSTINI TRIPENA

86

 Jika Z ~ N(0,1) Apa interpretasi dari P(z1 < Z <

z2)?
Peluang antara z1 dan z2; atau
Luas di bawah kurva normal baku yang
dibatasi oleh z1 dan z2

Kurva tersebut dapat dipandang sebagai selisih

luas di bawah kurva berikut:

6/7/15

87
TRIPENA
sehingga P(zAGUSTINI
1 < Z < z2) = P(Z < z2) - P(Z < z1)

 Bagaimana bentuk distribusi yang tidak

normal?
Tidak simetris (miring kiri atau miring
kanan). Sebagai ilustrasi:

Miring kanan (rata-rata > median)

(rata-rata < median)
6/7/15

AGUSTINI TRIPENA

Miring kiri
88

6/7/15

Jika diberikan suatu data, bagaimana

cara memeriksa distribusinya apakah
normal atau tidak?
a) Bandingkan nilai rata-rata dan
mediannya. Jika nilainya hampir
berdekatan berarti distribusinya
mendekati normal; atau
b) Lihat histogramnya atau diagram
batang-daunnya apakah mendekati
simetris atau tidak; atau
c) Buat normal probability plot. Jika titiktitiknya menyebar di sekitar garis
linier berarti distribusinya mendekati
AGUSTINI TRIPENA

89

Contoh 3
Sebuah perusahaan memproduksi susu bubuk
rendah lemak. Diasumsikan kadar lemak susu
bubuk merk A berdistribusi normal dengan mean
3,5 % dan standar deviasi 0,3 %.
a. Berapakah probabilitas kadar lemak susu
bubuk yang diambil secara acak berkisar
antara 2,9 hingga 3,8 %?
b. Jika standar pabrik menentukan bahwa
maksimal kadar lemak susu bubuknya
adalah 4,0 %, hitunglah berapa persentase
produk yang tidak memenuhi syarat
tersebut?
6/7/15

AGUSTINI TRIPENA

90

Jawaban soal nomor 3.

Diketahui : = 3,5 dan = 0,3
a. P( 2,9 x 3,8) =
x
2,9 3,5
z1

2,0

0,3
z2

3,8 3,5

1
0,3

Sehingga :
P( 2,9 x 3,8) = P( -2,0 x 1)
= P( -2,0 x 0) +P( 0 x 1,0)
= 0,4772 + 0,3412 = 0,8184

6/7/15

b. P(X 4,0) = 0,5 P(0 x 4,0) = 0,5 P(0

Z 1,67)
= 0,5 0,4525 = 0,0475 91
AGUSTINI TRIPENA

Tabel. Distribusi Normal

Nilai pada tabel III adalah luas dibawah kurva normal
dari 0 sampai bilangan positif b atau P(0Zb).
Contoh :4
Luas kurva normal dari 0 hingga 1,9
P(0 Z 1,9)=0,3621
Karena Kurva normal simetris di =0 maka
P(-1,9 Z 0)= 0,321

6/7/15

Karena kurva normal simetris di =0 dan luas

dibawah kurva normal = 1 maka :
P(0 Z +)
= 0,5 dan P(-Z0)= 0,5
P(2,5 Z +) = 0,5 P(0Z2,5)= 0,5
0,4798=0,0202
P(0,5 Z 2,5) = P(0 Z 2,5)- P(0 Z 0,5)
= 0,4798
0,1915 =0,2883
92
AGUSTINI TRIPENA

5.

Suatu distribusi normal mempunyai mean 60

dan standar deviasi 12. Hitunglah :
a. Luas kurva normal antara =60 dan x= 76
adalah : P(60 x 76) = .. Dicari dulu nilai
Z-nya

76 60

1,33
12

Jadi P(60 x 76)= P(0 Z 1,33) = 0,4082

b. Luas kurva normal antara x1=68 dan x2=84.

68 60
0,67

12
x
84 60
z2

2,0

12

z1

6/7/15

P(68 x 84)= P(0,67 Z 2,00)= 0,47720,2486 = 0,2284

AGUSTINI TRIPENA

93

c. Luas kurva normal antara x3=37 dan x4=72.

z3

z4

37 60

1,92
12

72 60
1,00
12

P(37 x 72)= P(-1,92 Z 1,00)

= P(-1,92 Z 0,00) + P(0,00 Z
1,00)
= 0,4726 + 0,3412 = 0,8136
d. Luas kurva normal antara x4=72 sampai positif
takterhingga
P(72 x +)= 0,5 P(0 Z 1,00)
= 0,5 0,3412 = 0,1588
6/7/15

AGUSTINI TRIPENA

94

Latihan 1
Rata-rata berat 500 mahasiswa Fabio adalah 55 kg dan
deviasi standarnya 3.4 kg. Berapakah banyaknya mahasiswa
yang mempunyai berat
kurang dari 53 kg
di antara 53 kg dan 57 kg

Bila nilai ujian statistika mempunyai mean 74 dan deviasi

standar 7.9, hitunglah
Nilai lulus terendah, bila mahasiswa dengan nilai 10% terendah
mendapat E.
Nilai B tertinggi, bila probabilitas mahasiswa dengan nilai 5% tertinggi
men-dapat A .
6/7/15

AGUSTINI TRIPENA

95

Hubungan Distribusi Normal dan Distribusi

Binomial:
Jika n besar dan p atau q menuju 0,
maka distribusi binomial dapat didekati
oleh distribusi normal, sehingga bila X
adalah variabel random yang
berdistribusi Binomial
dengan mean
np
dan variansi
2 npq

maka Z

6/7/15

berdistribusi
normal standar
X np

AGUSTINI TRIPENA

npq

96

6/7/15

Pendekatan normal untuk binomial

Distribusi normal akan memberikan pendekatan yang
sangat baik jika n besar dan p mendekati 0,5.
dalam hal ini :
x np
2
Z
= np dan =np(1-p) sehingga
:
np (1 p )
Contoh 4.
Suatu proses produksi mempunyai kemungkinan 10%
cacat, jika sampel sebanyak 100 buah diambil secara
acak dari proses tersebut maka berapakah
probabilitas :
a. Delapan produk cacat
b. Paling banyak lima produk cacat
c. Paling sedikit lima belas produk cacat
INGAT :
Distribusi Normal : Kontinu VS Distribusi Binoamial
:
97
AGUSTINI TRIPENA
Diskrit

6/7/15

Jawab :
Kejadian binomial tetapi n besar shg didekati dengan
distribusi normal, sehingga :
= np = 100 X 10% = 10
2 = np(1-p) = 100. 10% X 0,9 = 9 = 3
Maka :
a. P(x = 8) = P (7,5 x 8,5) = P(-0,83 Z -0,5)
= P (-0,83 Z 0) - (-0,5 Z
0)
= 0,2967 0,1915
= 0,1052
b. P(x 5) = P(x 5,5)
= P(Z -1,5) = 0,5 P(-1,5 Z 0)
= 0,5 0,4332 = 0,0668
c. P(x 15) = P(x 14,5) = 0,5 P(0 x 14,5)
98
AGUSTINI TRIPENA
= 0,5 P(0 Z 1,5)

Akhir tahun 1999, jumlah mahasiswa Kampus Selang sebanyak

752 orang. Yang mendapat bea siswa dari kampus tersebut ada
650 orang. Peluang yang mendapat bea siswa adalah 90%.
Berapakah :
a.Rata-rata mahasiswa yang seharusnya mendapat bea siswa ?
b.Standar deviasinya ?
c.Standar normalnya ?
Penyelesaian :
Dik : x = 650, n = 752, p = 90% = 0.9
q=1p
= 1 0.9
= 0.1
Dit :
a. : ?
b. : ?
c. Z : ?
6/7/15

AGUSTINI TRIPENA

99

jawab :
a. = n . p
= 752 . 0.9
= 676.8
b. = n . p . q
= 752 . 0.9 . 0.1
= 67.68
= 8.227
c. Z = (x - )/
= 650 676.8/ 8.227
= - 26.8 / 8.227
= - 3.258

6/7/15

AGUSTINI TRIPENA

100

Distribusi Chi-Square
Peubah acak kontinu X berdistribusi chisquare (khi-kuadrat) dengan d.k (derajat
kebebasan) r, dinotasikan
,
X ~ 2 (r ) dengan
bila fungsi kepadatan peluangnya diberikan
oleh
r
x
1

1
x2 e 2 , x 0
r/2
f ( x) 2 (r / 2)
0
, x lainnya

Gambar 1. Nilai yang ditabelkan

6/7/15

AGUSTINI TRIPENA

101