I.

PELUANG
1.0

Pendahuluan

alam kehidupan sehari - hari banyak kejadian yang terjadinya didasarkan pada peluang
atau probabilitas, misalnya peluang seseorang terkena jantung adalah 0,00001 ,

peluang hasil pertandingan final sepak bola antara Perancis dan Brasilia adalah 3 - 2, dan lain
sebagainya. Kejadian - kejadian seperti di atas sebenarnya tidak hanya terjadi sekarang saja,
tetapi hal tersebut sudah terjadi sejak ratusan tahun yang lalu, atau mungkin juga ribuan tahun
yang lalu. Namun secara ilmu baru dirumuskan sekitar abad ke tujuh belas, yaitu ketika ada
seorang penjudi kelas kakap bernama Chevalier de Mere mengajukan pertanyaan kepada
Pascal dan mendiskusikan kepada Fermat ( 1601 - 1665).
Dengan perumusan kedua orang tersebut maka lahirlah ilmu peluang yang tidak saja
menjawab tentang perjudian , tetapi juga berkembang menjadi ilmu yang bermanfaat bagi
ilmu pengetahuan, khususnya statistika.

1.1

Ruang sampel dan Kejadian

Pekerjaan statistikawan pada dasarnya adalah menafsirkan hasil yang mungkin dari suatu
eksperimen atau percobaan yang dirancang sebelumnya atau yang muncul dalam penelitian
ilmiah. Misalnya dalam pelemparan satu mata uang logam sekali maka yang muncul adalah
M ( muka ) atau G ( gambar), dalam pelemparan satu mata dadu yang setimbang maka yang
muncul adalah angka 1, 2, 3, 4, 5, atau 6.
Definisi 1.1
Himpunan semua hasil yang mungkin muncul dari suatu percobaan disebut ruang sampel ,
yang dilambangkan dengan S.
Definisi 1.2
Himpunan bagian dari ruang sampel disebut kejadian, yang biasanya dilambangkan
dengan huruf besar.
Definisi 1.3

Suatu kejadian yang hanya mengandung satu unsur dari ruang sampel disebut kejadian
sederhana. Suatu kejadian majemuk adalah kejadian yang dapat dinyatakan sebagai gabungan
beberapa kejadian.

1.3

Menghitung titik sampel

Salah satu problem yang dihadapi para peneliti adalah menentukan banyaknya anggota
ruang sampel dari suatu percobaan. Dalam banyak hal penentuan anggota ruang sampel
tidaklah mudah, tetapi kadang-kadang juga sulit, misalnya berapa banyaknya nomor
kendaraan yang dapat dibuat jika ketentuannya sebagai berikut. Nomor kendaraan tersebut
diawali dengan satu huruf, diikuti oleh empat angka dan diakhiri oleh dua huruf dengan
masing-masing angka dan huruf hanya digunakan sekali dan angka nol tidak boleh didepan.
Untuk memudahkan penghitungan banyaknya anggota ruang sampel dapat digunakan
teorema-teorema sebagai berikut.
Teorema 1.1
Jika suatu operasi dapat dilakukan dengan n cara, dan jika pada setiap cara tersebut operasi
kedua dapat dilakukan dengan m cara, maka kedua operasi itu dapat dikerjakan bersama-sama
dengan nm cara.
Bukti :
Karena setiap n dapat berpasangan dengan setiap m, maka banyaknya pasangan yang
dapat terjadi adalah nm cara.
Contoh :
Misalkan seseorang mempunyai 3 celana dengan warna berbeda dan 4 baju dengan warna
yang berbeda pula. Ada berapa cara orang tersebut memakai pasangan baju dan celana
dengan setiap pasangan tersebut berbeda ?. ( Jawab : 3.4 = 12 )
Definisi 1.4
Permutasi adalah suatu susunan yang dapat dibentuk dari sekumpulan obyek yang diambil
sebagian atau seluruhnya.
Misalnya ada tiga huruf A, B, dan C maka susunan yang dapat dibuat adalah ABC, ACB,
BAC, BCA, CAB, dan CBA. Susunan semacam di atas disebut permutasi penuh atau

permutasi saja. Secara umum untuk n obyek yang berbeda terdapat n(n-1).3.2.1
susunan yang berbeda. Pergandaan semacam di atas biasanya dinotasikan dengan n ! ( dibaca
n faktorial atau n fakultet ).
Teorema 1.2
0!=1
Bukti :
n!
n

Dari definisi n! = n.(n 1 ).(n 2) 3.2.1 = n . ( n 1 ) ! didapat

= ( n

1 ) !. Jika n = 1 maka didapat 0! = 1.

Teorema 1.3
Banyaknya permutasi dari n obyek yang berbeda adalah n !
Bukti :
Anggap ada n tempat yang masing masing tempat akan diisi satu obyek, sehingga tempat
satu dengan yang lain berisi obyek yang berbeda. Dengan cara seperti di atas maka tempat
pertama dapat diisi dari pilihan n obyek sedangkan tempat ke dua dapat diisi dari n 1 pilihan,
dan seterusnya sebagaimana gambaran di bawah.
n

n-1

n-2

Dengan menggunakan teorema 1.1 didapat hasil pergandaan dari n.(n-1).3.2.1 atau n!.
Contoh :
Misalnya dalam antrian loket untuk mendapatkan karcis pertunjukkan sepak bola terdapat
5 orang. Ada berapa cara orang tersebut membentuk antrian yang berbeda ?
5.4.3.2.1 = 120 cara )

( Jawab : 5 ! =

Teorema 1.4
Banyaknya permutasi dari n obyek yang berbeda jika diambil r n adalah
nPr =

n!
.
(n - r)!

Bukti :
Anggap ada r tempat dengan masing-masing tempat hanya dapat diisi dengan obyek yang
berbeda, maka didapat hasil seperti gambar di bawah.
n

n-1

n-2

n-r+1

Dengan menggunakan teorema 1.1 didapat hasil pergandaan dari n.(n-1)..(n-r+1) atau

n ( n - 1)..................(n - r 1)(n - r)................3.2.1

n!

(n - r)(n - r - 1)...............3.2.1
(n - r) !
Contoh :
Misalnya ada 7 orang sebagai formatur yang dapat dipilih menjadi pengurus organisasi
dengan susunan pengurus sebagai berikut: satu orang sebagai ketua, satu orang sebagai
sekretaris, dan satu orang sebagai bendahara. Ada berapa susunan pengurus yang berbeda
dapat dibuat ?. ( Jawab :

7!
7.6.5.4 !

= 7.6.5 = 210 )
( 7 - 3 )!
4!

Teorema 1.5
Banyaknya permutasi n obyek yang berlainan yang disusun melingkar adalah ( n - 1 ) !.
Bukti :
Jika ada n obyek yang berbeda akan disusun melingkar pada n tempat maka tinggal n-1
tempat yang bebas dapat ditempati n-1 obyek. Sehingga susunan berbeda yang dapat terjadi
adalah ( n-1) !.
Contoh :
Misalnya ada 6 orang membentuk konferensi meja bundar. Ada berapa cara susunan cara
duduk ke enam orang tersebut ?. ( Jawab : ( 6 1 ) ! = 5 ! = 120 ).
Teorema 1.6
4

Banyaknya permutasi dari n obyek yang terdiri atas n1, ., nk adalah

n n!
=
n1 n 2 . . . . n k n1 ! n 2 ! n k !

, dengan n =

ni

i 1

Bukti :
Anggap jika n obyek tersebut berbeda, maka susunan yang terjadi adalah n!. Karena setiap
ni juga membentuk susunan sebanyak ni! Yang mestinya hanya dihitung satu. Maka
banyaknya susunan berbeda yang terjadi adalah

n1 n 2 . . . . . . . n k

n!
atau sama dengan
n 1! . n 2 !..........n k !

Contoh :
Misanya dalam perayaan peringatan hari kemerdekaan yang akan dilaksanakan pada bulan
yang akan datang, didepan gang masuk kampung akan dipasang lampu hias yang terdiri 3
lampu warna merah, 2 lampu warna hijau, 4 lampu warna kuning, dan 1 lampu warna biru.
Jika lampu lampu tersebut disusun secara berjajar, ada berapa susunan lampu hias yang
dapat dibuat ?.
( Jawab :

10 !
10.9.8.7.6.5.4 !

10.9.4.7.5 12600 ).
3 ! . 2 ! . 4 !.1!
6 . 2 . 4 !.1

Teorema 1.7

Banyaknya kombinasi dari n obyek yang berbeda jika diambil r n adalah

n n!
=
r (n - r ) ! r

Bukti :
Untuk kombinasi urutan AB = BA. Jika dianggap urutan AB tidak sama dengan urutan BA
maka banyaknya urutan yang terjadi sama dengan

kejadian pada teorema 1.4 yaitu

n!
. Karena setiap r obyek dapat menyusun r! susunan yang berbeda maka banyak
(n - r)!

susunan yang terjadi dari kasus kombinasi adalah

n n!
=
r (n - r ) ! r

Contoh :
Misalnya ada 7 orang sebagai formatur yang semuanya dapat dipilih untuk menjadi
pengurus suatu organisasi yang terdiri 3 orang. Ada berapa susunan pengurus yang dapat
dibuat ?. ( Jawab :

7!
7.6.5. 4 !

= 7 . 5 = 35 ).
( 7 - 3 ) !. 3 !
4 ! . 3.2.1

1.4

Peluang
Kejadian
Pada dasarnya tugas statistikawan adalah menyimpulkan atau menginferensi hasil suatu
percobaan yang mengandung ketidakpastian. Agar kesimpulan tersebut dapat dipertanggung

jawabkan secara ilmiah maka diperlukan pemahaman ilmu peluang. Untuk dapat menjawab
dengan tepat hasil pertandingan final sepak bola yang akan dilaksanakan diperlukan ilmu
peluang tentang sepak bola beserta analisisnya yang dapat dinyatakan sebagai peluang.
Didalam merumuskan peluang suatu kejadian ada tiga cara yang dapat digunakan yaitu :

1. Cara klasik
Misalnya banyaknya anggota ruang sampel adalah n dan banyaknya anggota kejadian A
adalah m maka peluang terjadinya kejadian A yang dinotasikan dengan P(A) adalah m/n.
Misalnya peluang munculnya angka gasal pada pelemparan satu mata dadu yang
setimbang adalah . Sedangkan peluang munculnya dua gambar pada pelemparan dua
mata uang logam sekali adalah .

2. Cara frekwensi relatif

Jika suatu percobaan dilakukan sebanyak n ( n ) dan kejadian A yang diamati pada
percobaan tersebut terjadi sebanyak m maka P( A ) =

lim

m
. Misalnya pada
n

pelemparan mata uang dilakukan sebanyak 1000 kali, dari pelemparan tersebut
banyaknya muka muncul 506 kali, maka peluang munculnya muka adalah 506 / 1000
0,5.
3. Cara subyektif
Banyaknya peluang dalam kejadian sehari - hari yang tidak dapat ditentukan dengan
kedua cara di atas, misalnya berapa peluang nanti sore akan hujan ?. Untuk menjawab
pertanyaan tersebut diperlukan seorang ahli yang dapat memperkirakan dengan baik
kapan terjadinya hujan. Peluang yang ditentukan seperti di atas disebut peluang secara
subyektif.
Definisi 1.6
Jika A suatu kejadian dan S merupakan ruang sampel, maka 0 P(A) 1,
P ( ) = 0, P ( S ) = 1.

1.5

Beberapa Hukum Peluang

Dalam banyak kasus yang terdiri atas beberapa kejadian, untuk menentukan nilai peluang
yang satu dapat ditentukan dengan peluang yang lain. Untuk itu diperlukan teorema sebagai
berikut.
Torema 1.8
Jika A dan B dua kejadian sebarang , maka P ( A B ) = P ( A ) + P ( B ) - P ( A B )
Bukti :
Dari teori himpunan diperoleh n ( A B ) = n ( A) + n ( B ) n ( A B ).

Jika

kedua ruas dibagi dengan n ( S ) maka didapat

n ( A B )
n ( A)
n (B) n (AB)

atau
n (S)
n (S)
n (S)
n (S)
P( A B ) = P( A) + P( B ) - P( A B )
Akibat : Jika A dan B saling lepas, maka P ( A B ) = P ( A ) + P ( B ).
Bukti :
Karena A dan B saling lepas maka A B = , sehingga P ( A B ) = 0 dan
P ( A B ) = P ( A ) + P ( B ).
Teorema 1.9
Jika A dan A kejadian yang saling berkomplemen, maka P ( A ) = 1 - P ( A ).
Bukti :
Dari teori himpunan diketahui A A = S, dan A A = sehingga didapat

(A A ) = P ( A ) + P ( A ) = P ( S ) = 1, yang berarti didapat P( A ) = 1 P ( A ).

Contoh :
Misalkan sebuah dadu ditos sekali. Berapa probabilitas bahwa mata dadu yang keluar
lebih besar sama dengan 2 ?.
Jawab :

Misalkan A = kejadian mata dadu yang keluar lebih besar sama dengan 2, maka

A =

kejadian mata dadu yang keluar satu. Berarti P ( A ) = 1/6, sehingga P ( A ) = 1 1/6 = 5/6.

1.6

Peubah Acak
Dari percobaan pelemparan dua mata uang logam yang setimbang sebanyak sekali maka
didapat S = { MM, MG, GM, GG }. Misalnya X adalah fungsi dengan domain S yang
didefinisikan X (MM) = 0 , X (GM) = X (MG) = 1, dan X (GG) = 2. Ini berarti X merupakan
fungsi bernilai real dengan domain S.
Definisi 1.7
Fungsi bernilai real yang domainnya ruang sampel disebut peubah acak atau variabel
random.
Definisi 1.8
Jika banyaknya nilai dari peubah acak berhingga atau sama dengan banyaknya bilangan
asli maka peubah acak tersebut disebut tipe diskret.
Definisi 1.9
Jika banyaknya nilai peubah acak sama dengan banyaknya titik dari sepenggal garis atau
sama dengan banyaknya titik bilangan real maka peubah acak tersebut disebut tipe kontinu.

1.7 Distribusi Peluang Peubah Acak Diskret

Kadang - kadang dalam banyak kasus diinginkan bentuk distribusi dari suatu peubah acak,
misalnya jika seseorang mempunyai tiga anak, bagaimana distribusi peluang dari peubah acak
banyaknya anak laki - laki dari ketiga anak tersebut. Misalnya X = banyaknya anak laki-laki ,
maka distribusi peluangnya adalah sebagai berikut :
X
P(X=x)

0
1/8

1
3/8

1.8 Fungsi Kepadatan Peluang ( fkp)

Definisi 1.10

2
3/8

3
1/8

Peubah acak X tipe diskret dikatakan mempunyai fkp atau pdf ( probability density
function ) f(x) jika

1.

f(x) 0, x

f(x)
2.
=1
x
Jika X peubah acak tipe diskret maka memenuhi sifat sebagai berikut
1.P ( X = x ) = f (x )
2. P ( A ) =

f(x)

x A

Contoh :
Misalkan f ( x ) =

kx
, x = 1, 2, 3 dan nol untuk yang lain merupakan pdf dari peubah
12

acak X.
a) berapakah k
b) hitung P ( X = 2 )
c) hitung P ( X > 2 )
d) hitung P ( X 2 )
Jawab :
a) Dari syarat pdf ke-dua maka didapat

k . 1 k.2 k.3

1 atau 6k = 12 , sehingga
12
12
12

= 2.
b) Dari a) berarti f ( x ) =

x
2 1

, sehingga P ( X = 2 ) = f ( 2 ) =
6
6 3

c) P ( X > 2 ) = P ( X = 3 ) = f ( 3 ) =

3 1

6 2

d) P ( X 2 ) = P ( X = 1 ) + P ( X = 2 ) =

1 2 3 1

6 6 6 2

Definisi 1.11
Peubah acak X tipe kontinu dikatakan mempunyai fkp f ( x ) jika

1. f ( x ) 0 , x
2. f ( x ) dx = 1
x

Jika X peubah acak tipe kontinu maka mempunyai sifat sebagai berikut

10

1. P ( X = x ) = 0
2. P ( A ) = f ( x ) dx
A

Contoh :
Misalkan f ( x ) = kx , 0 < x < 1 dan nol untuk yang lain merupakan pdf dari X.
a) hitung k
b) hitung P ( X = 0,5 )
c) hitung P ( X < 0,5 )
d) hitung P ( X > 0,3 )
Jawab :
a)

0 kx dx 2 kx

1
0

1
k 1 atau k = 2
2

b) P ( X = 0,5 ) = 0

1.9

0,5

c) P ( X < 0,5 ) =

2x dx x 2

d) P ( X > 0,3 ) =

0,3 2x dx x

0 ,5
0

= ( 0,5 )2 0 = 0,25

1
0,3

= 1 ( 0,3 )2 = 1 0,09 = 0,91

Fungsi Distribusi / Distribusi Kumulatif

Misalkan peubah acak X mempunyai fkp f ( x ), dan x adalah bilangan real sehingga
P ( A ) = P ( X A ) = P ( X x ), maka peluang seperti di atas disebut distribusi kumulatif
dari peubah acak X yang dinotasikan F ( x ).
Definisi 1.12
Jika peubah acak X mempunyai fkp f (x ) maka distribusi kumulatif dari X adalah
x

1. F ( x ) = f ( y ) , jika X diskret
y

2. F ( x ) = y f ( y ) dy , jika X kontinu

11

Contoh :
Tentukan distribusi komulatif dari peubah acak yang mempunyai pdf sebagai berikut :
1. f ( x ) = 1 untuk 0 < x < 1 dan nol untuk yang lain
2. f( x ) = e-x untuk x > 0 dan nol untuk yang lain
3. f( x ) =

1
untuk x = 1 , 2, 3 dan nol untuk yang lain
3

4. f ( x ) =

x
untuk x = 1 , 2 , 3 dan nol untuk yang lain
6

Jawab :
x

1. F ( x ) =

x
dy y 0

= x untuk 0 < x < 1

1.10 Ekspektasi Matematik

Salah satu dari sekian banyak penggunaan konsep dalam problem distribusi peubah acak
adalah ekspektasi matematik. Misalnya X adalah peubah acak yang mempunyai fkp f ( x ) dan
misalnya u ( x ) adalah fungsi dari x sehingga u ( x ) f ( x ) dx ada untuk X kontinu
dan

u ( x ) f ( x ) ada jika X diskret. Integral dan jumlahan di atas disebut ekspektasi

matematik, yang dinotasikan E [ u ( x ) ].

Definisi 1.13
Jika peubah acak X mempunyai fkp f ( x ) maka E ( X ) disebut mean dari peubah acak
dan E ( X - E ( X ) )2 dinamakan varians atau ragam, ditulis var ( X ).
Teorema 1.10
E ( X - E ( X ) ) 2 = E ( X2 ) - ( E ( X ) ) 2
Teorema 1.11

1. E ( a X ) = a E ( X )
2. E ( X + a ) = E ( X ) + a
3. var ( a X ) = a2 var ( X )
4. var ( X + a ) = var ( X )

12

Definisi 1.14 : Moment Generating Function ( MGF)

Fungsi pembangkit momen dari peubah X yang mempunyai fkp f ( x ) adalah E ( etx ) ,
- h < t < h untuk h bilangan real positif, yang dinotasikan M ( t ).

Teorema 1.12
Jika peubah acak X mempunyai fungsi pembangkit momen M ( t ) maka
M(n) ( 0 ) = E ( Xn ).
Definisi 1.15
Jika peubah acak X mempunyai mean dan varians 2 sehingga E ( X - ) 3 ada maka
E ( X - )3
3

disebut kemencengan atau skewness.

Definisi 1.16
Jika peubah acak X mempunyai mean dan varians 2 sehingga E ( X - ) 4 ada maka
E ( X - )4
4

1.11

disebut keruncingan atau kurtosis.

Pertidaksamaan Chebyshev
Dalam bagian ini akan dibahas tentang teorema yang dapat digunakan untuk menghitung
peluang suatu peubah acak jika tidak diketahui fkp nya, tetapi diketahui mean dan
variansnya saja.
Teorema 1.13
Misalkan u ( X ) fungsi non negatif dari peubah acak X. Jika E ( u ( X ) ) ada maka untuk
setiap konstanta c berlaku P ( u ( X ) c )

Teorema 1.14 ( Teorema Chebyshev )

13

E(u(X))
.
c

Misalkan peubah acak X mempunyai distribusi peluang dengan mean dan varians 2 .
Maka untuk setiap k > 0 berlaku P ( X - k ) 1/ k2 atau
P( X-

k ) 1 - 1/ k2 .

Soal - soal latihan

1. Buktikan a .

i=0

2. Buktikan

n
1

= 2n

b.

i=1

n n-1
i = n2
i

x n = - log ( 1 - x ) , - 1 < x < 1

n =1

3. Buktikan a.

i =k(k+1)
i1

b.

= 1/6 k ( k + 1 ) ( 2k + 1 )

i 1

4. Jika A dan B suatu kejadian maka buktikan

a. P ( A B ) = P ( A ) - P ( A B )
b. P ( A B ) = 1 - P ( A B )
5. Misalkan P ( A ) = P ( B ) = 1/3 dan P ( A B ) = 1/10. Hitung
a. P ( B )
b. P A B )
c. P ( B A )
d. P ( A B )
6. Misalkan P ( A ) = , P ( B ) = 1/8 , dan P ( C ) = , dengan A , B , dan C saling lepas.
Hitung

14

a. P ( A B C )
b. P ( A B C )
7. Untuk bilangan bulat positif n > r , buktikan

a.

n n
=
r n - r

b.

n -1 n-1
= +
r - 1 r

8. Peubah acak tipe diskret mempunyai

a. f ( x ) = k ( ) x , x = 1, 2, 3 dan nol untuk yang lain . Tentukan nilai k agar f ( x )
merupakan fkp.
15

b. Apakah fungsi yang berbentuk f ( x ) = k [ ( ) x - ] , untuk x = 0, 1, 2 merupakan fkp ?

9. Peubah acak tipe diskret X mempunyai fkp f ( x ) = c ( 8 - x ) , untuk x = 0, 1, 2, 3, 4, 5 dan nol
untuk yang lain.

a. Tentukan konstanta c
b. Tentukan distribusi komulatifnya
c. Hitung P ( X > 2 )
d. Hitung E ( X )
10.

Peubah acak X mempunyai distribusi komulatif F ( x ) = 1 - ( ) x + 1 , x = 0, 1, 2, dan

nol untuk yang lain.

a. Tentukan fkp dari X

b. Hitung P ( 10 < X 20 )
c. Hitung P ( X genap )
11. Misalkan peubah acak diskret X memenuhi sifat P ( X = x ) > 0, jika x = 1, 2, 3 atau 4 dan P
( X = x ) = 0, untuk yang lain. Misalkan distribusi komulatif
F ( x ) = 0.05 x ( 1 + x ) untuk nilai x = 1, 2, 3, atau 4.

a. Buat grafik dari distribusi komulatifnya

b. Buat grafik dari fkp-nya
c. Hitung E ( X )
12.

Peubah acak X tipe kontinu mempunyai fkp f ( x ) = c ( 1 - x ) x 2 , jika 0 < x < 1 dan nol
untuk yang lain.

a. Tentukan konstanta c
b. Hitung E ( X )
13.

Suatu fungsi f ( x ) mempunyai bentuk sebagai berikut f ( x ) = k x

-(k+1)

, jika

1, dan nol untuk yang lain.

a. Untuk nilai k yang mana agar f ( x ) merupakan fkp ?.

b. Tentukan distribusi komulatif berdasar hasil a.
c. Untuk nilai k yang mana agar E ( X ) ada ?.
14.

Tentukan fkp dari suatu peubah acak jika diketahui distribusi komulatifnya adalah

a. F ( x ) = ( x 2 + 2 x + 1 ) / 16 ; -1 x 3.
b. F ( x ) = 1 - e - x - x e - x ; x 0 ; > 0.

16

x >

15.

Peubah acak X mempunyai distribusi komulatif

(x)=

x/2 , 0 < x 1

x - 1/2 , 1 < x 3/2

a. Buat grafik dari F ( x )

b. Buat grafik dari f ( x )
c. Hitung P ( X )
d. Hitung P ( X )
e. Hitung P ( X < 1,25 )
16.

Peubah acak X tipe kontinu mempunyai fkp f ( x ) = 2x / 9, 0 < x < 3 , dan nol untuk yang
lain.

a. Tentukan distribusi komulatif dari X

b. Hitung P ( X < 2 )
c. Hitung P ( - 1 < X < 1,5 )
d. Tentukan m sehingga P ( X m ) = P ( X m )
e.

Hitung E ( X )

17.

x 2 , jika 0 < x 1

Peubah acak X mempunyai fkp f ( x ) = 2 / 3 , jika 1 < x 2

0 , untuk yang lain

a. Tentukan median dari X

b. Buat grafik dari distribusi komulatif dari X

18.

Misalkan peubah acak X untuk x > 0 tipe kontinu dengan fungsi distribusi F ( x ) dan E

( X ) ada. Buktikan E ( X ) =

F ( x ) dx

19.

Gunakan pertidaksamaan Chebychev untuk menentukan batas bawah

( 5/8 < X < 7/8 ) jika X mempunyai fkp f ( x ) = 3 x 2 , 0 , x < x < 1

17

Jika A1, A2, .. merupakan himpunan-himpunan sehingga Ak Ak + 1 untuk

20.

1, 2, dan

tentukan

lim A k
k

lim A k
k

k=

didefinisikan sebagai union dari A1 A2 A3 .. , maka

jika

a. Ak = { x / 1/k x 3 - 1/k } , k = 1, 2, 3,
b. Ak = { ( x , y ) / 1/k x 2 + y 2 4 - 1/k } , k = 1, 2, 3, .
21. Jika A1, A2, .. merupakan himpunan-himpunan sehingga Ak Ak + 1 untuk

dan

lim A k
k

.. , maka tentukan

didefinisikan sebagai interseksi dari

lim A k
k

k = 1, 2,

A 1 A2 A3

jika

a. Ak = { x / 2 - 1/k x 2 } , k = 1, 2, 3,
b. Ak = { x / 2 < x 2 + 1/k } , k = 1, 2, 3, .
c. Ak = { ( x , y ) / 0 x 2 + y 2 1/k } , k = 1, 2, 3, .
22.

Misalkan f ( x ) = x/15 , x = 1, 2, 3, 4, 5 dan nol untuk yang lain merupakan fkp dari
peubah acak X. Tentukan a) P ( X = 1 atau X = 2 )

23.

Untuk setiap fkp di bawah ini hitung P ( X

b ) P ( < X < 5/2 )

< 1 ) dan P ( X 2 < 9 )

a. f ( x ) = x 2/18 , -3 < x < 3 , dan nol untuk yang lain

b. f ( x ) = ( x + 2 ) / 18 , - 2 < x < 4 , dan nol untuk yang lain
24.

Misalkan f ( x , y ) = 4 xy , 0 < x < 1 , 0 < y < 1 ,dan nol untuk yang lain merupakan fkp
bersama antara X dan Y. Tentukan P ( 0 < X < , < Y < 1 ) dan P ( X = Y ).

25.

Modus dari distribusi suatu peubah acak X adalah nilai x yang memaksimumkan fkp
( x ). Dari fkp berikut tentukan modusnya

a. f ( x ) = ( ) x , x = 1, 2, 3, .. ,dan nol untuk yang lain

b. f ( x ) = 12 x 2 ( 1 - x ) , 0 < x < 1 , dan nol untuk yang lain

18

c. f ( x ) = ( ) x 2e - x , x > 0 , dan nol untuk yang lain

26.

Median dari distribusi suatu peubah acak X adalah nilai x sehingga P ( X < x ) dan P
( X x ) . Tentukan median dari masing - masing distribusi yang mempunyai fkp
berikut :

a. f ( x ) =

4!
x!(4 - x)!

1 / 4 x

( 3 / 4 ) 4 - x , x = 0, 1, 2, 3, 4, dan nol untuk yang lain.

b. f ( x ) = 3 x 2 , 0 < x < 1 , dan nol untuk yang lain.

c. f ( x ) =
27.

1
( 1 + x2 )

, - < x < .

Misalkan f ( x ) merupakan fkp dari peubah acak X. Tentukan fungsi distribusi

( distribusi komulatif ) F ( x ) dan buat grafiknya dari fkp berikut.

a. f ( x ) = 1 , x = 0 , dan nol untuk yang lain.

b. f ( x ) = 1/3 , x = -1, 0, 1 , dan nol untuk yang lain.
c. f ( x ) = x/15 , x = 1, 2, 3, 4, 5 dan nol untuk yang lain.
d. f ( x ) = 3 ( 1 - x 2 ) , 0 < x < 1 , dan nol untuk yang lain.
e. f ( x ) = 1/x 2 , x > 1 , dan nol untuk yang lain.
f. f ( x ) = 1/3 , 0 < x < 1 atau 2 < x < 4 , dan nol untuk yang lain.
28.

Misalkan f ( x ) = 1 , 0 < x < 1 , dan nol untuk yang lain merupakan fkp dari X. Tentukan
fungsi distribusi dan fkp dari Y = X.

29.

Misalkan f ( x ) = x/6 , x = 1, 2, 3 ,dan nol untuk yang lain merupakan fkp dari X.
Tentukan fungsi distribusi dan fkp dari Y = X 2.

30.

Misalkan X dan Y mempunyai fkp f ( x , y ) = 1 , 0 < x < 1 , 0 < y < 1, dan nol untuk yang
lain. Tentukan fkp dari Z = XY.

31.

Misalkan peubah acak X mempunyai fkp f ( x ) = ( x + 2 ) /18 , -2 < x < 4 , dan nol untuk
yang lain. Tentukan E ( X ) , E [ ( X + 2 ) 2 ], dan E [ 6 X - 2 ( X + 2 ) 3 ].

32.

Misalkan fkp bersama antara X dan Y adalah f ( x, y ) = e -x - y , x > 0 , y > 0 , dan nol untuk
yang lain. Ambil u ( X , Y ) = X , v ( X , Y ) = Y, dan w ( X , Y ) = XY . Buktikan E [u ( X ,
Y ) ]. E [v ( X , Y ) ] = E [w ( X , Y ) ].

33.

Misalkan peubah acak X tipe kontinu mempunyai fkp f ( x ). Jika m adalah median yang
tunggal dari X dan b konstanta real , maka buktikan
b

E ( X - b ) = E ( X - m ) + 2 ( b - x ) f ( x ) dx
m

19

34.

Misalkan peubah acak X memenuhi sifat E [ ( X - b ) 2 ] ada untuk semua b. Buktikan E [ (

X - b ) 2 ] minimum jika b = E ( X ).

35.

Misalkan peubah acak X mempunyai mean dan varians 2 sehingga E [ ( X - ) 3 ] ada

maka E [ ( X - )

]/

dinamakan ukuran kemiringan ( Skewness ). Tentukan ukuran

kemiringan dari distribusi yang mempunyai fkp sebagai berikut.

a. f ( x ) = ( x + 1 ) / 2 , - 1 < x < 1 , dan nol untuk yang lain.

b. f ( x ) = , -1 < x < 1 , dan nol untuk yang lain.
c. f ( x ) = ( 1 - x ) / 2 , - 1 < x < 1 , dan nol untuk yang lain.
36.

Misalkan peubah acak X mempunyai mean dan varians 2 sehingga E [ ( X - ) 4 ] ada

maka E [ ( X - )

]/

dinamakan ukuran keruncingan ( Kurtosis ). Tentukan ukuran

keruncingan dari distribusi yang mempunyai fkp sebagai berikut.

a. f ( x ) = , - 1 < x < 1 , dan nol untuk yang lain.

b. f ( x ) = 3 ( 1 - x 2 ) / 4 , - 1 < x < 1 , dan nol untuk yang lain.

20