1.

TEORI PENDUKUNG
1.1 Pendahuluan
1.2 Variabel acak
1.3 Distribusi variabel acak diskrit
1.4 Distribusi variabel acak
kontinu
1.5 Distribusi multivariat

1.1 Pendahuluan

Definisi 1:
Ruang sampel adalah Himpunan semua hasil yan
dari suatu percobaan acak. Notasi : S

Definisi 2:
Kejadian adalah himpunan bagian dari ruang sam
Sifat :
A B
Kejadian A dan B dikatakan saling lepas
jika
Prostok-1-firda

Jika A suatu kejadian, maka peluang

P ( AA,
) atau
P{ A}
kejadian
ditulis
dengan
sifat:
(i ) 0 P( A) 1

(ii ) P ( S ) 1 dan P() 0.

(iii ) Untuk setiap kejadian A, P( A ') 1 P( A).

Jika A B, maka P( A) P( B ).
Untuk setiap kejadian A dan B
berlaku
P ( A B ) P ( A) P ( B ) P ( AB ).
Kejadian A dan B dikatakan saling bebas
jika
P ( AB ) P ( A) P ( B ).
Prostok-1-firda

 Jika A dan B dua kejadian , dengan P ( A) 0,

peluang bersyarat B diberikan A, didefinisikan sebagai:
P( A B)
P B A
P ( A)
Teorema Bayes :

A1 , A2 ,..., Ak
Jika kejadian-kejadian
adalah partisi dari ruang sampel S maka
untuk kejadian B sembarang dari S
sedemikian sehingga
berlaku:
P
( B Ai ).P( Ai )
P ( Ai P(B)>0
B)
P ( Ai B )
k
P( B)
P( B Ai ).P( Ai )
i 1

1.2 Variabel Acak

Definisi 3:
Variabel acak adalah suatu fungsi dari ruang sa
ke himpunan bilangan real. (R)
Variabel acak dinyatakan dengan huruf kapital, sedangkan
nilainya dinyatakan dengan huruf kecil.

Jika X variabel acak, maka nilainya dinyatakan d

dan peluang kejadian X bernilai kurang dari atau
dengan x dinyakan dengan
P ( X x).
5

Klasifikasi Variabel Acak:

1. Variabel Acak Diskrit
Variabel acak X dikatakan variabel acak diskrit
jika semua nilai yang mungkin dari X membentuk
himpunan bilangan terbilang (berupa bilangan cacah) .

2. Variabel Acak Kontinu

Variabel acak X dikatakan variabel acak kontinu
jika semua nilai yang mungkin dari X membentuk himpunan
bilangan tak terbilang (berupa bilangan real).
6

Definisi
4:
Fungsi kepadatan peluang untuk variabel acak diskrit disebut
fungsi massa peluang (fmp) atau probability mass function
(pmf), atau fungsi peluang, ditulis :

p( x) P( X x)
Fungsi kepadatan peluang untuk variabel acak kontinu
disebut fungsi padat peluang (fpp) atau probability
density function (pdf) atau fungsi densitas, ditulis f(x).
b

P (a X b) f ( x )dx
a

Definisi
5:
Fungsi distribusi komulatif (cdf) dari variabel
acak X adalah:

F ( x) P( X x), x
Untuk variabel acak diskrit :

F ( x) P( X x) p(t )
tx

Untuk variabel acak kontinu :

x

F ( x) P ( X x)

f (t ) dt

Definisi
6:
(i) Jika X variabel acak diskrit dengan fungsi masa peluang p(x),
maka nilai ekspektasi dari X didefinisikan sebagai:

E ( X ) xp( x)
x

(ii) Jika X variabel acak kontinu dengan fungsi densitas peluang

f(x), maka nilai ekspektasi dari X didefinisikan sebagai:

E ( X ) x f ( x)dx

Prostok-1-firda

Definisi
7:
Variansi dari variabel acak X dinyatakan sebagai:

Var ( X ) E ( X ) E ( X )
2

Definisi
8:
Fungsi pembangkit momen (fpm/mgf) dari variabel acak X
merupakan salah satu bentuk khusus ekspektasi, yaitu

M X (t ) E etX

e
x

tx

p ( x),

X variabel acak
diskrit

etx f ( x )dx,

X variabel acak
kontinu
10

1.3 Distribusi variabel acak

diskrit
a. Distribusi Bernoulli

pmf:
mean:

1 x

p( x) p q
x

, x 0,1

E( X ) p

variansi: Var ( X ) p (1 p ) pq

11

b. Distribusi Binomial
Peubah acak X menyatakan banyaknya
sukses dalam n usaha percobaan binomial
pmf:

n
x n x
p ( x ) p q , x 0,1,..., n
x

mean:

E ( X ) np

varians:

Var ( X ) npq
12

c. Distribusi
Geometri
Peubah acak X yang menyatakan banyaknya usaha
sampai terjadinya sukses pertama kali

pmf:

p ( x ) pq x 1 , x 1, 2, 3,...

mean:

1
E( X )
p

varians:

q
Var ( X ) 2
p
13

d. Distribusi Poisson
Peubah acak X menyatakan banyaknya
sukses dalam n usaha percobaan poison

pmf:

e x
p ( x)
, x 0,1, 2,...
x!

mean:

E( X )

varians:

Var ( X )
14

1.4 Distribusi variabel acak

kontinu
a. Distribusi Uniform

pdf:

1
f ( x)
,a x b
ba

mean:

ab
E( X )
2

varians:

(b a ) 2
Var ( X )
12
15

b. Distribusi
Eksponensial
x

pdf:

f ( x) e

mean:

1
E( X )

varians:

1
Var ( X ) 2

,x 0

16

c. Distribusi Normal

pdf:

f ( x)

1
2

( x )
12

mean:

E( X )

varians:

Var( X ) 2

, x

17

Distribusi Peluang Diskrit

Fungsi peluang
(Pmf)

Mea Varia
n
nsi

Mgf

X : Bernoulli ( p )

p ( x) p x q1 x , x 0,1

pq

X : B(n, p)

n
p( x) p x q n x ,
x

np

npq (q pet

x 0,1,..., n
x 1

X : GEO( p)

p ( x ) pq ,
x 1, 2, 3,...

X : POI ( )

e x
p( x)
,
x!
x 0,1, 2,...

1
p

q
p2

q pet

pet
(1 qet )

(1 et )
18

Distribusi Peluang Kontinu

X : U (a, b)

X : EXP( )

Fungsi densitas
(Pdf)

Mea Varian
n
si

1
f ( x)
,a x b
ba

ab
2

f ( x) e

,x 0

k k 1 x

X : GAM ( , k ) f ( x) x e , x 0
(k )

X : N ( , )
2

f ( x)

1
2

( x )
12

Mgf

(b a ) 2
12

ebt e at
t (b a )

1
2

k
2

1 2 2

t t

19

1.5 Distribusi multivariat

a. Jika X dan Y variabel acak diskrit, maka
(i) Pmf bersama (gabungan) dari X dan Y :

p XY ( x, y ) P ( X x, Y y )
(ii) Distribusi bersama dari X dan Y :

FXY ( x, y ) p XY (a, b)
a x b y

(iii) Pmf marjinal dari X :

p X ( x) p XY ( x, y )
y

(iv) Pmf marjinal dari Y :

pY ( y ) p XY ( x, y )
x

20

(v) Pmf bersyarat dari X diberikan Y=y :

p XY ( x, y )
p X |Y ( x | y )
, pY ( y ) 0
pY ( y )
(vi) Distribusi bersyarat dari X diberikan Y=y :

FX |Y ( x | y )
a x

p XY (a, y )
, pY ( y ) 0
pY ( y )

(vii) Ekspektasi bersyarat dari X diberikan Y=y :

E[ X | Y y ] x. p XY ( x y )
x

Prostok-1-firda

21

b. Jika X dan Y variabel acak kontinu, maka

(i) Pdf bersama (gabungan) dari X dan Y :
2 F ( x, y )
f XY ( x, y )
yx

(ii) Distribusi bersama dari X dan Y :

y

FXY ( x, y )

f XY ( s, t ) ds dt

(iii) Pdf marjinal dari X :

f X ( x) f XY ( x, y )dy
y

(iv) Pdf marjinal dari Y :

fY ( y ) f XY ( x, y )dx
x

22

(v) Pdf bersyarat dari X diberikan Y=y :

f XY ( x, y )
f X |Y ( x | y )
, f ( y) 0
fY ( y )

(vi) Distribusi bersyarat dari X diberikan Y=y :

x

FX |Y ( x y )

f XY (t , y )
dt
fY ( y )

(vii) Ekspektasi bersyarat dari X diberikan Y=y :

E X Y y

xf

X |Y

( x | y )dx

23

E[ X Y ] E[ X ] E[Y ]

Kovariansi dari X dan Y:

Cov ( X , Y ) E[ XY ] E[ X ]E[Y ]
Koefisien korelasi dari X dan Y:

( X ,Y )

Cov ( X , Y )
Var ( X ).Var (Y )

24

Soal
1. Jika X,Y variabel acak saling bebas dan masingmasing berdistribusi Poisson dengan mean
dan
1

Tunjukkan bahwa
variabel acak X+Y berdistribusi Poisson dengan
mean 1 2 .

2. Jika X variabel acak non negatif dengan

distribusi
F (0) 0,
F ( x).

Asumsikan
,
tunjukkan
n
a. E ( X ) (1 F ( x)) dx
b.E ( X ) nx n 1 (1 F ( x)) dx
bahwa 0
0
Prostok-1-firda

25