BAB IV

VARIABEL RANDOM DAN FUNGSI DISTRIBUSI

Variabel Random
Variabel random adalah sebuah fungsi dengan domain kecil hasil
pengamatan dan kodomainnya merupakan himpunan bilangan real.
Variabel random disimbolkan dengan huruf kapital ( X, Y, Z, dll ).
Contoh :
1. Sebuah koin dilemparkan tiga kali, maka ruang sampelnya adalah :
S = { AAA, AAG, AGA, GAA, AGG, GAG, GGA, GGG}
2. Misalkan X merupakan variabel random yang menyatakan banyaknya
angka yang muncul, Y adalah variabel random yang menyatakan
banyaknya gambar yang muncul, maka apa hubungan antara X dan
Y?
Jawab :
S

AAA

P(X)

P(Y)

1
8

1
8

3
8

3
8

3
8

3
8

1
8

1
8

AAG
AGA

GAA
AGG
GAG

GGA
GGG

Keterangan :
P X P Y
X Y
Karena
, dan
, maka X dan Y merupakan variabel
P X Y P X P Y
acak identik. Selain itu, karena
X, Y
independent.

Macam-macam variabel acak :

a. Variabel Acak Diskrit (Countable)
b. Variabel Acak Continue (Measurable)
4.2.

Variabel Acak Diskrit (pdf)

Jika ruang sampel dari variabel random X countable, maka variabel

random X dinamakan variabel random diskrit. Suatu fungsi dengan
domain variabel acak diskrit dinamakan fungsi densitas probabilitas
diskrit. Disingkat dengan pdf diskrit atau dinamakan fungsi masa
probabilitas.
Teorema :
Suatu fungsi f (x) adalah pdf diskrit jika hanya jika memenuhi sifat:
1. f (x) > 0
f x 1
2.
f X x
3. Penulisan lain f (x)
dengan x = nilai variabel random X
Contoh :
Dari contoh pelemparan koin di atas (Sebuah koin yang dilempar 3 kali),
0
jelas bahwa f (x) = P (X = x), x = 0, 1, 2, 3. Semuanya
dan
jumlahnya = 1
2.3

Fungsi Distributif Kumulatif (CDF)

CDF dari variabel acak X didefinisikan untuk sebarang bilangan real x

berlaku :
F x P X x FX x
=

P X x 1 F x

Teorema :
Misal X variabel acak diskrit dengan pdf = f(x) dan CDF = F(x). Jika nilainilai dari variabel acak X yang mungkin adalah berurutan naik, maka :
x1 x 2 x3 .....

f x1 F x1

f xj

F x j F x j 1

dan

, j>1 , berlaku
=
xi
Sedangkan untuk x < , maka F(x) = 0
Bahan Ajar Mata Kuliah Pengantar Probabilitas

F x

f x
j

x j x

Sehingga
Sifat-sifat CDF :
lim F x 1
a.
b.
c.
d.

lim F x 0

lim F x h F x

h 0

a b F a F b

Contoh :
Dari contoh pelemparan koin diatas (sebuah koin yang dilemparkan tiga
kali), bentuklah fungsi distribusinya!
Jawab :
F x

1
7
4
1

8
8
8

2.4

Variabel Acak Kontinu

Suatu variabel acak X disebut variabel acak kontinu jika terdapat pdf
f(x), sedemikian hingga CDF-nya dapat dinyatakan sebagai :
F x

CDF

f t dt

Bahan Ajar Mata Kuliah Pengantar Probabilitas

f x

pdf

d
F x
dx

Secara khusus, jika X variabel acak kontinu, maka :

a.
a.

P a x b P a x b P a x b P a x b
P x k 0,

dengan k = konstanta
b

P a x b f x dx
a

b.
Teorema :
Suatu fungsi f (x) adalah pdf untuk beberapa variabel acak kontinu X,
jika memenuhi :
f x 0
1.
,
bilangan real X.

f x dx 1

2.
Contoh :

c 1 x 3 , x 0

0, x0

f x
Jika X merupakan variabel acak kontinu dengan pdf
Tentukan CDF nya!
Jawab :

c 1 x

dx

=1

1
1 x 2
2

=1
c =2
Maka, CDF nya adalah :
x

F x

f t dt

21 t

1 1 x 2 , x 0

0, x 0

F x

dt

Bahan Ajar Mata Kuliah Pengantar Probabilitas

2.5

Nilai Harapan

Apabila X adalah variabel acak diskrit dengan pdf f(x), maka Nilai
n

E x xf x
X 1

Harapan dari X didefinisikan sebagai :

Contoh :
Dari contoh pelemparan koin di atas (Sebuah koin yang dilempar 3 kali),
3
1
3
3
1 3
E x
E x 3. 2. 1. 0.
2
8
8
8
8 2
didapat
.
Jika X variabel acak kontinu dengan pdf

E x

f(x), maka Nilai Harapan

xf x dx

Contoh :
Dari contoh di atas (Jika X merupakan variabel acak kontinu), maka :
E x

x.0.dx x.21 x dx 1
3

Sifat sifat umum nilai harapan

Teorema :
Jika X variabel random dengan pdf f(x) dan u(x) merupakan fungsi
bernilai real dari variabel random X, maka :
E u x u x f x
R
X
,
VAD
E u x u x f x dx
X
R
,
VAK
Jika X variabel random dengan pdf f(x), a, b suatu konstanta dan g(x),
h(x) suatu fungsi bernilai real dari variabel x, maka:
E a.g x bh x aE g x bE h x
Bukti :
Misalkan V variable acak kontinu, maka :
E a.g x bh x a.g x bh x f x dx
R

Bahan Ajar Mata Kuliah Pengantar Probabilitas

 a.g x f x dx bh x f x dx
=
=
=

a g x f x dx b h x f x dx
R

aE g x bE h x
E ax b aE x E b

Secara khusus,
E b bf x dx E f x dx 1
R

2.6

Distribusi Campuran (Mixed Distribution)

Suatu distribusi probabilitas untuk variabel random X dinamakan

campuran, jika CDF-nya dapat dinyatakan sebagai berikut :
F x Fd x 1 Fc x
0 x 1
, dengan
Contoh :
Misal X adalah variabel random yang menyatakan waktu tunggu sebuah
F x 0,4.Fd x 0,6.Fc x
Fd x 1
proses dengan CDF
, dengan
dan
x
Fc x 1 e
x0
, untuk
. Tentukan bentuk CDF campuran tersebut!
Jawab :
P x t
F x
=
P x t
1 F x
=
x 0 P x 0 0,4

x 5 0,4 0,6 1 e x 0,636

Jadi,

P x t | x 0

P x 0 danP x t
P x 0
P 0 x t
P x 0

Bahan Ajar Mata Kuliah Pengantar Probabilitas

F t F 0
1 F x 0

0,4 0,61 e t
1 0,4

f t

1 e t

d
d
Ft
1 e t e t
dt
dt

Bahan Ajar Mata Kuliah Pengantar Probabilitas

2.7

Varian

Varian dari variabel acak X didefinisikan sebagai Var(x) = V(x) =

2
x2 E x E x , 0,
E x
dengan
2
Var x x f x
Atau
, variabel acak diskrit

Var x x f x dx
2

Atau
Teorema :

, variabel acak kontinu

Jika X variabel acak kontinu, maka

Bukti :

x f x dx E x
2

V x

v x E x 2 2

E x 2 2 x
=
=

E x 2 2 E x E 2
E x 2 . 2
2

=
V x E x 2 2
Contoh :

3
Perhatikan contoh pelemparan koin sebelumnya, dengan mean =
Tentukan varian dan simpangan bakunya!
Jawab :
x = 0, 1, 2, 3
2
x f x
Var(x) =
2 1
2
2
2
0 3 . 1 3 . 2 2 3 . 3 3 3 . 1
2 8
2
8
2
8
8
=
Var(x) = 0.75
V x 0,75 0,8661
Maka,
Teorema :
Jika X variabel acak dan a, b suatu konstanta, maka :
V(ax+b)=V(ax) sehingga V(ax+b) = a2 V(x)

Bahan Ajar Mata Kuliah Pengantar Probabilitas

Bukti :
2
V ax b E ax b E ax b
E ax b E ax b
2

a 2 v x

=
Jika X,Y dua buah variabel random, maka berlaku :
V x y V x V y 2Cov x, y
Jika X, Y independen dan cov (x, y) = 0, maka berlaku :
v ( x y ) v ( x ) v( y )

Cov x, y E x x y y
=

E xy E x .E y

Jika X, Y independen, maka :

E xy E x .E y
Sehingga Cov (x,y) = 0
x, y
korelasi (x, y)
cov( x, y )
V y V x

V ( x ) cov( x, x )

Secara khusus,
2.8

Momen

Momen ke-k di sekitar x=0 dari variabel random X didefinisikan

sebagai :
k E x k

k E x

Momen ke k disekitar x = , didefinisikan :

1 E x E ( x ) 0
Jika k=1
2 E(x )2 2
k=2
Contoh :
Bahan Ajar Mata Kuliah Pengantar Probabilitas

Misalkan ada seorang pembalap mobil yang diasumsikan waktu

berkendaranya antara 20 hingga 30 menit. Jika X adalah variable acak
yang menyatakan waktu dalam menit, maka tentukan momen ke k dari
variable tersebut!
Jawab :
f X x 110 20 x 30
,
110
, untuk yang lain.
Momen ke k dari variable acak tersebut adalah :
30 k
x
dx
k
10
mk E X
20

30 k 1 20 k 1
10 k 1

, dimana k = 1, 2, 3,

Sehingga diperoleh :
30 2 20 2 25
30 3 20 3 633 1
m1
m2
10 2
10 3
3
dan
m1 X
X 25
m2 X2 X2
Karena
, sehingga diperoleh
. Dan karena
, maka
1
X2 8
3
diperoleh
Batas batas probabilitas

Jika X suatu variabel random dan

fungsi bernilai real non-negatif,
maka untuk sembarang konstanta positif c, berlaku :
E x
p ( x c)
c
Dari teorema batas batas probabilitas di atas, dapat diturunkan sebuah
pertidaksamaan Chebychev, sebagai berikut :
Teorema :

2
Jika X variabel random dengan mean
dan varian
, maka untuk
sebarang k>0, berlaku :
1
1
P x k 2
p x k 1 2
k
k
or

Bahan Ajar Mata Kuliah Pengantar Probabilitas

Jika diambil

k k

2
P x 2

2.9

atau

2
p x 1 2

Aproksimasi Mean dan Varian

Jika suatu fungsi dari variabel random X dapat dinyatakan atau

x
diekspansikan dengan Deret Taylor di sekitar
, maka mean dan
variannya dapat ditentukan. Selanjutnya, misalkan turunan dari fungsi
H x
H ' x , H '' x ,...., H n x
dan
dapat diekspansikan menurut Deret Taylor
x
di sekitar
, maka :
2
x '
x
'
H x H
H
H " .........
1!
2!
2

x
E H ( x) E H x H
H " ....)
'

2!

Sehingga :

H E x H ' E x .
2

=
H 0 0
=

H "
.....
2

H ''
2

1 "
1
H 2 e e 2
2
2

E H x H

Jadi,

V H x V H x H ' ........
=

0 V x H '

H
'

Jadi,

v x

H
2

'

V H x H ' r 2
2

Bahan Ajar Mata Kuliah Pengantar Probabilitas

10

Contoh :

f x ln x

Jika X variabel random bernilai positif dengan pdf

E ln x
V ln x
tentukan
dan
Jawab :
H x ln x
H ln x
maka
1
H ' x
x
H " x

E ln x ln

, maka

1
x2

1
x 2 H '' x
2

ln

1
x 2 12
2

ln

1
2
2
2

V ln x H ' 2 2
1 2

2
2
=
2.10 Momen Generation Function (MGF)
Jika X variabel random, maka MGF dari X didefinisikan sebagai berikut :
M x t E e tx h t h h 0
,
,
Ekspektasi ini ada nilainya, jika :

M x t E e tx e txi f x1

X Variabel acak diskrit

Bahan Ajar Mata Kuliah Pengantar Probabilitas

i 1

11

M x t E e tx e tx f x dx
r

X Variabel acak kontinu

Fungsi ini penting terutama dalam mendapatkan mean dan varian.
Secara khusus, jika X variabel diskrit, maka berlaku :
M x t e txi f xi

M ' x t xietxi f xi
M " x t xi e txi f xi
2

:
:

M x( r ) t xir e txi f xi
Jika t = 0, maka :
M x' 0 xi f xi

E x

=
M 0 xi2 f xi
''
x

E x2 2 r 2
=
M f xi xir f xi
r
x

Jadi ,

M ' x 0

2 M '' x 0 M ' x 0

Contoh :
Jika X variabel acak kontinu dengan
Jawab :
M x t e tx f x dx

f x e x , x 0

, maka tentukan MGF!

tx x

e dx

=
Bahan Ajar Mata Kuliah Pengantar Probabilitas

12

t 1 x

dx

e t 1 x
0 t 1 d t 1 x

=
=

1 t 1 x
e
0
t 1

1 1t x
e
0
t 1
=
1
0 1
1 t

=
1
,t 1
t 1
M x t

1
1
1 t
1 t

M x' t 11 t

1 t 2

=
M 0 1
'
x

M x" t 21 t
21 t

=
M 0 2
"
x

Jadi,

E x 1

2 2 1 2 1

Contoh :

Bahan Ajar Mata Kuliah Pengantar Probabilitas

13

Jika X variabel acak diskrit dengan pdf

Tentukan MGF-nya!
Jawab :

1
f x
2

x 1

dengan x=0,1...

M x t e txi f xi
i 0

e txi
=

=
=

i 0

1 et

2 i 0 2

xi

1 xi
s
2 i 0

1
1 s s 2 ...
2

1 1
2 1 8
1

2 et

Jadi,

xi 1

=
et 2

deret konvergen

t ln 2

Sifat-sifat MGF :

M y t e bt M x at

1. Jika y = ax+b, maka MGF-nya adalah

y x M y t e t M x t
2.
Teorema :

M 0

Ex

Jika MGF X ada, maka

Bahan Ajar Mata Kuliah Pengantar Probabilitas

M x t 1

dengan

r 1

E xr t r
r!

14

Referensi:
1.

Probabilita dan Statistik daam Ilmu Rekayasa dan Manajmen

William W. Hines dan Dougla C. Montgomery
Diterjemahkan oleh Rudian

2.

Ilmu Peluang dan Statistika untuk Insinyur dan Ilmuwan

Ronald E Walpole dan Raymond H. Myers
Diterjemahkan oleh RK. Sembiring, ITB, Bandung

3.

Statistika Matematika
Maman A. Djauhari, ITB, Bandung

4.

Statistika Matematika Modern

Edward J. Dudewicz dan Satya N. Mishra
Diterjemahkan oleh RK. Sembiring, ITB, Bandung

Bahan Ajar Mata Kuliah Pengantar Probabilitas

15