06/10/2014

PELUANG DAN
PEUBAH ACAK
MA2082 STATISTIKA
DASAR 2014
BIOLOGI
1

Eksperimen acak

Dapat dilakukan berulang-ulang

Dapat diestimasi/ditaksir
Bisa diukur
Hasilnya tidak bisa ditebak

06/10/2014

06/10/2014

Ruang sampel dan kejadian

Ruang Sampel : himpunan semua kemungkinan

yang dapat muncul dari suatu eksperimen acak.
Contoh : Pada percobaan pengecekan 3 buah
kain yang diproduksi oleh pabrik setiap hari.
Misalkan G=good, R=reject
S = {GGG, GGR, GRG, RGG, GRR, RGR, RRG, RRR}.

Kejadian : himpunan bagian dari ruang sampel S.

Disimbolkan dengan huruf kapital, misal: A dan B.
Contoh : kejadian komponen elektronik akan rusak
sebelum 5 tahun atau A = { t|0 t < 5 }.

06/10/2014

Kejadian (event) dan komplemen

Suatu kejadian A.
Komplemen A ditulis A : himpunan bagian dari semua
anggota S yang bukan anggota A.

Percobaan pelemparan dadu.

S = {1,2,3,4,5,6}
Kejadian A = {munculnya mata
dadu genap}
A = {2,4,6}
A = {munculnya mata dadu
ganjil} = {1,3,5}

06/10/2014

Irisan dan gabungan

dua kejadian

Irisan dua kejadian A dan B:

kejadian yang isinya adalah
elemen-elemen ada di A
dan B.

Gabungan dua kejadian

A dan B : kejadian yang
isinya adalah elemenelemen ada di A atau B.
S

S
A

AB

Jika A B = , maka A
dan B dikatakan saling
lepas (disjoint).

AUB

06/10/2014

Pemetaan (Fungsi)
A

1. Fungsi titik
2. Fungsi himpunan

06/10/2014

Peluang
Definisi

: peluang kejadian A adalah jumlah bobot

dari seluruh titik sampel dalam A. Dirumuskan sbb:

n( A)
P( A)
n( S )
Jika

A1, A2, A3, ... barisan kejadian yang saling lepas

(mutually exclusive events) maka
P(A=A1UA2UA3U...) = P(A1) + P(A2) + P(A3) + ...

Sifat

:
0 P(A) 1, P() = 0, dan P(S) = 1.
P(A) + P(A) = 1

06/10/2014

Peubah Acak
Peubah

acak merupakan suatu pemetaan dari

ruang sampel (S) ke bilangan riil (R)
X :S R
X
x

Ruang Sampel S

Contoh:

S=

Himpunan Bil.Riil

, ... ,

X= { 1 , 2 ,, 6 }

06/10/2014

Keuntungan Peubah Acak

Merepresentasikan suatu masalah ke dalam

bilangan riil.
Dapat dipetakan.
Lebih mudah dan singkat dalam penulisan.
Dapat menurunkan/mengembangkan
sesuatu yang berhubungan dengan peubah
acak tersebut.

10

06/10/2014

Jenis Peubah Acak

Peubah Acak Diskrit

himpunan terhitung x1 , x2 ,..., berhingga

atau tak berhingga, dan s : X (s) xi E S
Contoh : X banyaknya komputer di Lab

Peubah Acak Kontinu

peubah acak yang fungsi distribusinya F(x)

merupakan fungsi kontinu untuk semua x
bilangan riil.
Contoh : X = jarak rumah ke kampus

11

06/10/2014

Fungsi peluang

Diskrit P(X = x),

disebut juga sebagai
fungsi massa peluang (f.m.p).

Kontinu f(x),
disebut juga sebagai
fungsi kepadatan peluang (f.k.p).

X:S

12

06/10/2014

Diskrit

1. P(X=x) 0
2. P X x 1
3. P(X=x) = f(x)
4. F x P X x
f t
x

tx

Contoh:
X=banyaknya sukses
dalam n percobaan
X=banyaknya bakteri dalam
suatu medium per mm2

Kontinu

1. f(x) 0, xR

2. f x dx 1

3. P(a<Xb) = f x dx
4.

F x P X x

f t dt

Contoh:
X= waktu menunggu antrian
X= tinggi badan mahasiswa
rekayasa hayati

13

06/10/2014

Grafik Fungsi Peluang

Diskrit
P(X=x)

Kontinu

0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0

f(x)

x
1

x
Jumlah peluangnya = 1

Luas di bawah grafik = 1

14

06/10/2014

Fungsi Distribusi

Fungsi distribusi F dari peubah acak X

Sifat-sifat :
1. 0 F(x) 1

2. F fungsi yang monoton tidak turun,

3. lim F ( x) 1
x

4. lim F ( x) 0
x

5. F kontinu dari kanan: lim F ( x) F (a)

x a

15

06/10/2014

Contoh 1
Dipelajari mood dari sepasang mahasiswa (L dan P).
Jika mood diamati berdasarkan paras mahasiswa dan
dimisalkan ada dua kategori (mood baik & tidak).
Misalkan T peubah acak yang menyatakan banyaknya
mahasiswa yang bermood baik. Tentukan :
a. Ruang sampel.
b. Fungsi massa peluang dari peubah acak T.
c. Fungsi distribusi peubah acak T dan gambarkan.
Jawab
a. Ruang sampel :
S = {, , , }, dengan
= baik, = tidak.

16

06/10/2014

Ilustrasi Contoh

Ruang Sampel

2
0
1

P (T = t)

T = # mahasiswa yang bermood baik

= { 0, 1, 2 }

17

a.

06/10/2014

Fungsi massa peluang P(T=t) adalah:

1/ 2, t 1

P(T t ) 1/ 4, t 0, 2
0,
t yang lain

Grafik f.m.p dari T :

1/2

1/4
0

18

06/10/2014

b. Menentukan F(t) perlu dihitung F(t) untuk semua

nilai riil.

Untuk t < 0, maka F(t) = P(T t) = 0

Untuk 0 t <1, maka F(t) = P(T t)
= P(T < 0) + P(T = 0) + P(0 < T < t)
= 0++0=
Untuk 1 t <2, maka F(t) = P(T < 2)
= P(T < 0) + P(0 T <1) + P(1 T <t)
=0++0+=
Untuk
t 2, maka F(2) = P(T 2)
= P(T 1) + P(1<T 2)
=+0+ =1

Jadi,

0,
1/ 4,

F (t )
3 / 4,
1,

t0
0 t 1
1 t 2
t2

F(t)

19

06/10/2014

Contoh 2
Misalkan kesalahan dalam pengukuran volume
isi botol parfum antara -1/2 mL s/d 1/2 mL.
Dianggap setiap pengisian oleh mesin tidak akan
kurang dan tidak akan lebih dari 1/2 mL.
Jika Y adalah peubah acak volume isi parfum
yang kurang atau lebih.
Tentukan :
a. Peluang mesin melakukan kesalahan pada
pengisian botol antara -1/4 mL dan 1/5 mL.
b. Peluang mesin melakukan kesalahan dalam
pengisian botol lebih dari 0,2 mL.
c. F(y) dan gambarkan.

20

06/10/2014

Jawab
Diketahui:
Y = volume kesalahan mesin mengisi botol parfum (mL).
1
1

1, y
f ( y)
2
2
0, y yang lain

a.

1
1
1
1

P Y P Y P Y
5
5
4
4

1
12

4
0 dy 1 dy 0 dy 1 dy

1/ 2

1
2

7
1
0 0
10
4
1/ 2

1/5

28 10 18
40

40

21

b.

06/10/2014

P Y 0, 2 1 P Y 0, 2
1

1 P Y
5

1
12

5
1 0 dy 1 dy

1
2

7 3

1 0
10 10

c. F y
f ( y) dy
y

Fungsi distribusi :

F(y)

0 dy 1 dy

1
y
2

22

06/10/2014

Ekspektasi
Ekspektasi

dari X adalah nilai harapan dari X.

Definisi Ekspektasi :

xP( X x), jika X peubah acak diskrit

semua x
E[ X ]
x f ( x)dx , jika X peubah acak kontinu

dimana
x
= nilai-nilai pada X
P(X=x) = peluang untuk setiap nilai x

23

Ekspektasi

06/10/2014

g(x) didefinisikan sebagai:

g ( x) P( X x), jika X peubah acak diskrit

semua x
E[ g ( x)]
g ( x) f ( x) dx , jika X peubah acak kontinu

Jika

g(x) = Xp, maka E[Xp] disebut momen ke-p,

tetapi jika g(x) = (X-a)p disebut momen ke-p di
sekitar a.
Umumnya diambil a = = E[X] atau rataan X
(momen ke satu)

24

06/10/2014

Sifat Ekspektasi

Bila Y = aX + b, a dan b tetapan, maka

E(Y) = E(aX+b) = aE(X)+b
Bila X suatu peubah acak dan g suatu
fungsi bernilai riil, maka:

2
E
[(
g
(
x
)

)
]
Var(g(x)) =

( g ( x) )2 P( X x), jika X peubah acak diskrit

semua x

( g ( x) ) 2 f ( x) dx , jika X peubah acak kontinu

25

06/10/2014

Variansi
o
o

Jika g(x) = (X-)2, maka E[(X-)2] adalah variansi X.

Definisi Variansi dari X :

Var ( X ) E[( X ) 2 ] E[ X 2 ] ( E[ X ]) 2
Sifat Variansi
o
Bila Y = aX + b, a & b tetapan, maka Var(Y) = a2Var(X)
o
Bila X suatu peubah acak dan g suatu fungsi bernilai riil,
maka:
2
Var(g(x)) = E[( g ( x) ) ]

( g ( x) ) 2 P( X x), jika X peubah acak diskrit

= semua x

( g ( x) ) 2 f ( x) dx , jika X peubah acak kontinu

26

Contoh 3

06/10/2014

Misal X adalah kesalahan dalam pengukuran

untuk suatu diameter baut (dalam mm). Jika
ditetapkan fungsi peluang sbb:
x2
, 1 x 2

f ( x) 3
0, x yang lain

Tentukan:
a. Rataan dan variansi dari kesalahan
pengukuran di atas.
b. Jika dibangun Y = 4X + 3, tentukan rataan
dan variansi dari Y ini.

27

Jawab

a. Rataan dari X
x2
E X x dx
3
1
2

1 x

3 4 1
1
5
16 1
12
4
4

06/10/2014

b. Variansi dari X
Var X E X 2 E 2 X
2

x
5
x 2 dx
4
3
1
2

1 x
25

3 5 1 16
5

1 32 1 25 11 25


3 5 5 16 5 16
176 125 51

80
80
0, 6375

28

c.

E Y E 4 X 3
4E X 3
5
4 3 5 3 8
4

Var Y Var 4 X 3
42 Var X +Var 3
16(0, 6375) 0
10, 2

06/10/2014