ANALISIS PEUBAH ACAK DISKRIT

(ANALYSIS OF DISCRETE RANDOM VARIABLE)

TUJUAN PELAJARAN

Menentukan peluang dari probability mass function dan sebaliknya;

Menentukan peluang dari cumulative distribution function dan cumul
ative distribution function dari probability mass function dan sebalikn
ya;
Menghitung rata-rata dan variansi dari peubah acak diskrit;
Memahami asumsi untuk setiap distribusi peluang diskrit yang disa
mpaikan
Memilih distribusi peluang diskrit yang tepat untuk menghitung pelu
ang dalam aplikasi-aplikasi khusus
Menghitung peluang, menentukan rata-rata dan variansi dari setiap
distribusi peluang diskrit.
2b

PROBABILITY DISTRIBUTIONS AND P

ROBABILITY MASS FUNCTIONS

PROBABILITY DISTRIBUTIONS AND

PROBABILITY MASS FUNCTIONS

Probability distribution dari suatu peubah acak X adalah suatu deskripsi pelu
ang-peluang yang terkait dengan nilai X.

Untuk suatu peubah acak diskrit, distribusi selalu dinyatakan dengan suatu
daftar nilai bersama dengan peluang dari masing-masing nilai tersebut. Pen
yataan distribusi dapat juga dinyatakan dengan persamaan peluang. Conto
h: P( X=0 ) = 0.65, P( X=1 ) = 0.66, f(x) = (8/7)X

Untuk suatu peubah acak diskrit X dengan nilai yang mungkin x1, x2, , xn,
probability mass function adalah suatu fungsi:

PROBABILITY DISTRIBUTIONS AND

PROBABILITY MASS FUNCTIONS
Contoh Soal:
Di pagi hari 3 orang petani A, B, C menitipkan peci kepada seorang anak.
Di sore hari, anak tersebut mengembalikan peci secara acak kepada para peta
ni.
Bila urutan petani dalam menerima peci adalah A, B, C:
a. Tentukan ruang sampel urutan kemungkinan susunan peci di petani;
b. Cari nilai c dari random variable C yang menyatakan jumlah susunan yang c
ocok.
c. Tentukan kemungkinan nilai c dan peluangnya (distribusi peluang)

PROBABILITY DISTRIBUTIONS AND

PROBABILITY MASS FUNCTIONS

Jawab

Ruang sampel:
Ruang Sampel
ABC
ACB
BAC
BCA
CAB
CBA

c (Kesesuaian Peci)
3
1
1
0
0
1

Peluang (distribusi Peluang):

c
P(C=c)

0
1/3

1
1/2

3
1/6
6

PROBABILITY DISTRIBUTIONS AND

PROBABILITY MASS FUNCTIONS

CUMULATIVE DISTRIBUTION FUNCTI

ON
Cumulative distribution function dari suatu peubah acak diskrit X, yang
dinyatakan dengan F(x), adalah jumlah kumulatif dari probability mass
function, dan dapat dirumuskan dengan:

dimana suatu fungsi cumulative distribution function memiliki karakteristik

sebagai berikut:

CUMULATIVE DISTRIBUTION FUNCTI

ON

CUMULATIVE DISTRIBUTION FUNCTI

ON

10

CUMULATIVE DISTRIBUTION FUNCTI

ON

11

CUMULATIVE DISTRIBUTION FUNCTI

ON

12

CUMULATIVE DISTRIBUTION FUNCTI

ON

13

MEANS & VARIANS

OF A DISCRETE RANDOM VARIABLE
Mean atau disebut juga dengan expected value dari suatu peubah acak X,
dilambangkan dengan atau E(X) adalah nilai rata-rata :

Varians dari X, dilambangkan dengan 2 atau V(X) adalah

Sedangkan standar deviasi dari X adalah

14

MEANS & VARIANS

OF A DISCRETE RANDOM VARIABLE
Mean atau disebut juga dengan expected value dari suatu peubah acak X,
dilambangkan dengan atau E(X) adalah suatu nilai rata-rata dari nilai
yang mungkin dari X, dengan berat yang sama dengan peluang.

15

MEANS & VARIANS

OF A DISCRETE RANDOM VARIABLE
Contoh suatu distribusi peluang:

16

MEANS & VARIANS

OF A DISCRETE RANDOM VARIABLE
Varians dari X, dilambangkan dengan 2 atau V(X) adalah suatu
ukuran sebaran nilai yang mungkin dari X.

17

MEANS & VARIANS

OF A DISCRETE RANDOM VARIABLE
Contoh:

Dalam suatu distribusi peluang, gambar a dan b memiliki rata-rata yang

sama namun varians pada gambar a lebih besar dari varians pada gambar
b.

18

MEANS & VARIANS

OF A DISCRETE RANDOM VARIABLE

19

MEANS & VARIANS

OF A DISCRETE RANDOM VARIABLE
Squared
distance from
the mean

Distance from
the mean

x1
x2
x3
x4
x5
x6
x7

X
35
46
57
68
72
87
95
460
65.7

X- 65.7
- 30.7
- 19.7
- 8.7
2.3
6.3
21.3
29.3

(X- 65.7)
943.4
388.7
75.9
5.2
39.5
453.1
857.7
2763.4
394.8

Sum of squared
distances from
the mean

Average of the
squared distances
from the mean
= 20Variance

MEANS & VARIANS

OF A DISCRETE RANDOM VARIABLE
Jika X adalah suatu peubah acak sebagai suatu fungsi h(x)
dengan probability mass function f(x), maka:

Contoh:

21

MEANS & VARIANS

OF A DISCRETE RANDOM VARIABLE

Mean /
Expectation

Variance

Data

Mean: the average of the How dispersed the data points

actually obtained data
are

A random
variable

Expectation: the average

of the values to be
obtained

How dispersed the values are

to be

22

CONTOH SOAL
Buktikan bahwa jika F(x) memiliki distribusi diskrit
dengan nilai x1,x2,.... maka adalah konstanta dengan
ukuran P{ = xi} untuk masing-masing xi. (Petunjuk:
Increment F(t) - F(s) sebanding dengan total masa
dari xi yang termasuk dalam interval [s,t]

23

CONTOH SOAL

Solusi 1.6
Misalkan bahwa F(x) memiliki distribusi diskrit dengan nilai x1,x2,....
Jika s < t adalah bilangan riil sehingga xi (s,t) untuk setiap i, maka
F (t) - F (s) = P{ t} - P{ s} = P{ (s,t)},
Sebagai contoh F(s) = F(t) = 0.
Tapi jika terdapat tepat satu i sehingga xi (s,t), sehingga
F(t) - F (s) = P{ t} - P{ s} = P{ (s,t)} = P{ = xi}.
Hal ini berarti bahwa F adalah konstanta pada sembarang interval yang tidak mengandung
setiap nomer x1,x2,... dan melakukan lompatan dengan ukuran P{ = xi} pada setiap xi.

24

DISCRETE UNIFORM DISTRIBUTION

Suatu peubah acak X memiliki suatu discrete uniform
distribution jika nilai dari setiap n dalam rentangnya,
misalnya x1, x2, , xn memiliki peluang yang sama.
Probability mass function f(x) akan bernilai:

25

DISCRETE UNIFORM DISTRIBUTION

26

DISCRETE UNIFORM DISTRIBUTION

27

DISCRETE UNIFORM DISTRIBUTION

28

BINOMIAL DISTRIBUTION

Suatu percobaan seringkali hanya memiliki 2 keluaran. Percobaan dengan

2 keluaran yang mungkin dan dilakukan berulang kali dalam suatu
percobaan acak disebut dengan Bernoulli Trial.
Suatu percobaan acak yang terdiri dari n Bernoulli trial memiliki
karakteristik:
Percobaan terdiri dari n usaha yang berulang;
Percobaan-percobaan bersifat independen;
Setiap hasil percobaan hanya memiliki 2 kemungkinan keluaran
seperti sukses atau gagal;
Peluang sukses dari setiap percobaan dinyatakan dengan p dan
selalu bernilai konstan.

29

BINOMIAL DISTRIBUTION
Contoh Percobaan Bernoulli:
Suatu usaha pengambilan 3 bahan secara acak dari suatu hasil pabrik yang
menghasilkan 25% bahan cacat, dimana pengambilan bahan yang cacat
disebut sukses (mendapatkan bahan yang cacat).
Banyaknya sukses merupakan merupakan suatu peubah acak X dengan nilai 0
3. Hasil yang mungkin:
P(C) =
P(T) =
P(TCT) = 3/4*1/4*3/4
P(TCT) = 9/64
x

f(x)

27/64

27/64

9/64

1/64

Hasil
TTT
TCT
TTC
CTT
TCC
CTC
CCT
CCC

x
0
1
1
1
2
2
2
3
30

BINOMIAL DISTRIBUTION

Dalam n percobaan, peluang sukses dari x percobaan: p

Peluang gagal (q) dari n-x percobaan adalah 1-p;
Peluang untuk urutan tertentu dengan kejadian bebas:
Jumlah titik pada ruang sampel adalah

Suatu peubah acak X yang bernilai sama dengan jumlah dari percobaan
yang menghasilkan keluaran sukses, memiliki peubah acak binomial
dengan parameter 0 < p < 1 dan n = 1,2, , dan probability mass function
dari X adalah:

31

GEOMETRIC BINOMIAL DISTRIBUTION

Dalam deretan percobaan Bernoulli, untuk suatu peubah

acak X yang menunjukkan sejumlah percobaan sampai
sukses yang pertama, disebut dengan peubah acak
geometrik dengan parameter 0 < p < 1 dan

32

NEGATIVE BINOMIAL DISTRIBUTION

Dalam deretan percobaan Bernoulli, untuk suatu peubah

acak X yang menunjukkan sejumlah percobaan sampai r
sukses terjadi, disebut dengan peubah acak binomial
negatif dengan parameter 0 < p < 1 dan r = 1,2,3,

33

HYPERGEOMETRIC DISTRIBUTION

Terdapat suatu himpunan yang terdiri N objek, dengan K

objek yang digolongkan sebagai sukses dan N-K objek yang
digolongkan sebagai gagal.
Suatu sampel berukuran N objek yang dipilih secara acak
dari N objek dimana K N dan n N, dan suatu peubah
acak X yang menunjukkan jumlah sukses dalam sampel,
maka X disebut hypergeometric random variable dengan

34

DISTRIBUSI POISSON
Untuk suatu rentang bilangan real, dengan asumsi perhitungan
terjadi secara acak dalam rentang tersebut, maka rentang tersebut
dapat dibagi menjadi bagian rentang dengan:
Peluang lebih dari satu kali perhitungan dalam bagian rentang
adalah 0;
Peluang dari satu perhitungan dalam bagian rentang adalah
sama untuk semua bagian rentang dan sebanding dengan
panjang dari bagian rentang tersebut;
Perhitungan dalam bagian rentang adalah bebas dan terlepas
dari bagian rentang lainnya dimana percobaan secara acak
disebut dengan proses poisson.
Peluang acak X yang sama dengan jumlah dari perhitungan dalam
rentang disebut dengan peubah acak poisson dengan parameter 0
< dan probability mass function dari X adalah

35