Random Variables 2
Random Variables
Notasi
X variabel random
x nilai variabel random
Fungsi
Suatu fungsi variabel random adalah variabel
random pula
Jika X adalah variabel random, maka Z = g(X)
adalah juga variabel random
Random Variables 3
Univariate Probability Distributions
fX(x1)
fX(x2) probability
fX(x3) fX(xn) fX(xi) = 1
Random Variables 4
a discrete
probability distribution
fX(xi)
x1 x2 x3 xn1 xn
1
a discrete cumulative
probability distribution
FX(xi)
probability
x xi
0
x1 x2 x3 xn1 xn
Random Variables 5
Cumulative probability distribution
suatu variabel random X untuk X = x
FX x f X xi
xi x
Probability distribution
suatu variabel random X untuk X = x
f X xi FX xi FX xi 1
Random Variables 6
Univariate random variables
Jika X dapat bernilai x1, x2 , , xn
yang masing-masing memiliki probability
fX(x1), fX(x2), , fX(xn) dan fX(xi) = 1,
maka X adalah variabel random diskrit.
Random Variables 7
Frequency
f xi Fxi Fxi 1 frekuensi relatif
i
Fxi f x j frekuensi relatif kumulatif
j 1
Probability
f X xi FX xi FX xi 1
FX x f X xi
xi x
Random Variables 8
Continuous Random Variables
Probability
prob A f xi
ni
n
ni = jumlah data di klas ke-i
n = jumlah seluruh data
Random Variables 9
pX(x) pdf = probability density function
luas = 1
luas =
prob(X b)
luas =
prob(a X b)
a b x
1
PX(x)
cdf = cumulative probability
distribution function
PX(x) = prob(X x)
PX(b)
PX(a) prob(a X b)
0
a b x
Random Variables 10
pX(x) = probability density function of a continuous random variable
PX(x) = cumulative probability distribution function
PX x prob X x
d PX x p X x d x
x
PX x p X t d t
Random Variables 11
Beberapa sifat probability
b
1) p X x 0, x 5) proba X b p X t d t
a
2) p X x d x 1 PX b PX a
c
3) PX 0 6) prob X c p X t d t
4) PX 1 c
PX c PX c 0
proba X b proba X b
proba X b proba X b
Random Variables 12
Kala Ulang
prob X a prob X a
Jadi dalam definisi kala ulang
a. suatu kejadian yang menyamai atau melampaui suatu
nilai tertentu
b. suatu kejadian yang melampaui suatu nilai tertentu
Random Variables 13
Contoh
Random Variables 14
Bivariate Distributions (1)
PX ,Y (x , y) prob X x andY y
pX ,Y s, t dt d s
Random Variables 15
Bivariate Distributions (2)
Beberapa persamaan
p X ,Y x, is a cumulative univariate probability function of X only
p X ,Y x, y 0
PX ,Y , 1
PX ,Y , y PX ,Y x, 0
Random Variables 16
Marginal Distributions (1)
p X ,Y x, y p X x
p X x p X ,Y x, t d t
Random Variables 17
Marginal Distributions (2)
PX x PX x, prob X x dan Y
prob X x
x
p X ,Y s, t d t d s
x
p X s d s
Random Variables 18
Marginal Distributions (3)
Untuk variabel Y
Marginal density
p X ,Y x, y pY y
pY y p X ,Y s, y d s
Random Variables 19
Conditional Distributions
p x, t d t
p X ,Y xi y di dalam S S X ,Y
S pY t d t
probx di dalam R y di dalam S p X Y x y di dalam S d x
R
p X ,Y x, y0
p X Y x y y0 yang lebih sering dituliskan
pY y0
p X ,Y x, y
p X Y x y
pY y
Random Variables 20
Independence
Random Variables 21
Contoh
Random Variables 22
Random Variables
Samples Samples
Observasi statistik estimasi (belum diukur)
Langkah
1. Pengambilan sampel
2. Observasi (analisis) terhadap sampel
3. Penyimpulan tentang perilaku sampel
4. Estimasi tentang perilaku populasi berdasarkan
butir (3)
5. Estimasi tentang sampel lain (yang belum
diambil) berdasarkan butir (3)
Contoh
Data debit suatu sungai selama 50 yang telah lalu
dipakai sebagai dasar untuk melakukan estimasi
debit sungai tersebut selama periode tak terbatas
(estimasi tentang perilaku populasi).
Informasi tersebut dapat pula dipakai untuk
estimasi debit sungai tersebut selama periode
tertentu pada masa yang akan datang (sampel
yang belum diambil).
Y A
Moment pertama terhadap O
dA d 1 x d A
x 1 x d A
A
O X
p X x pdf Untuk suatu random variable
1 x d A
A
d A p X x d x
x p X x d x
dx X
Properties of Random Variables 27
Moment and Expectation:
Univariate Distributions
i x j i f X x j
j
Dengan demikian:
E X i
E X i i
Properties of Random Variables 30
Statistical Measures
Contoh
Jumlah hari hujan selama 11 bulan terakhir
adalah sbb.
21, 21, 21, 20, 18, 16, 12, 12, 6, 2, 1
rata-rata = 14 =AVERAGE(...)
MSExcel
mode = 21 =MODE(...)
median = 16 =MEDIAN(...)
Dari ketiga ukuran statistik tersebut,
manakah yang paling baik menceritakan
tentang pola jumlah hari hujan dalam 11
bulan tersebut?
Properties of Random Variables 33
Measure of Central Tendency (3)
Contoh
Carilah contoh sejenis, yang berhubungan
dengan pengelolaan sumberdaya air; misal:
perilaku penduduk dalam pemakaian air (waktu, volume,
debit, dsb.)
data klimatologi (temperatur udara, kelembaban udara,
lama penyinaran matahari, dsb.)
Diskusikan
nilai rata-rata
mode
median
Contoh
Cari dan diskusikan contoh-contoh yang
berhubungan dengan bencana alam
debit dan tinggi muka air banjir sungai
lama genangan banjir di suatu kawasan
banjir lahar, debris flow
tanah longsor
X E X 1
x p X x d x
1
X X Nilai rata-rata populasi
n n = jumlah anggota populasi
parameter: berdasarkan seluruh anggota populasi
besaran statistik: hanya berdasarkan sebagian anggota populasi
1
CX
n
CX
C X C X
1
n
C = konstanta
Nilai rata-rata
1
Arithmetic mean X X =AVERAGE(...)
n
X X
Geometric mean 1n
=GEOMEAN(...)
Harmonic mean n
X =HARMEAN(...)
1
X
Weighted mean
XW
wX
w
Properties of Random Variables 39
Measure of Central Tendency (8)
Nilai rata-rata
Root mean square
1 n 2
X RMS
n i 1
xi
Median
Variabel random kontinu
md
md p X x d x 0.5
Variabel random diskrit
Keragaman
Variability, scatter, spread
menunjukkan apakah angka dalam distribusi saling
berdekatan atau berjauhan
Range beda antara nilai tertinggi dan terendah
dalam distribusi
mungkin biasa digunakan dalam permasalahan sehari-
hari
Standard deviation (simpangan baku)
biasa dipakai dalam permasalahan teknis
var X 2 2
E X 2
E X 2 E 2 X
X 2
2 variance populasi
n
s 2
X X
2
variance sampel =VAR(...)
n 1
estimasi nilai
variance
populasi
Properties of Random Variables 45
Measure of Variability (4)
Kenapa penyebut n 1
menghasilkan nilai yang lebih besar daripada dibagi
dengan n; ini untuk mengompensasi kecenderungan
variabilitas sampel yang lebih kecil daripada variabilitas
populasi
dari sisi praktis, hal ini juga menunjukkan variabilitas
dari sampel beranggota 1 adalah tidak ada (tidak ada
variabilitas dari 1 score)
s 2
X X
2
n 1
Cobalah s 2
X 2
nX 2
Saudara uraikan n 1
X X X
2 2
2 XX X 2
s 2
n 1 n 1
X
2
X
X 2
2 X n
n
X 2
2X X n X 2
n
n 1 n 1
X
2
X 2
n X 2
n X 2
n 1 n 1
X
2
X X
2
Coefficient of variation
s
cv
X
catatan
var c 0
var cX c 2 var X
var a bX b 2 var X
simetris
mode
median
mean
mo
skewness populasi
X X mo
skewness sampel
s
n2 M3
skewness coefficien t, cs
n 1n 2 s X 3
dalam persamaan di atas:
n = jumlah sampel
M3 = momen ke-3 (sampel)
sX = simpangan baku (sampel)
4
kurtosis: k (populasi)
2 2
M4
k 4
(sampel)
sX
e k3
z scores
X X X
zX zX
s untuk menunjukkan
Percentile rank posisi suatu score
dalam populasi
untuk populasi
besar
B
100 BA == jumlah
jumlah score yang bernilai lebih kecil daripada X
( B A) score yang bernilai lebih besar daripada X
perhatikan perbedaannya
dengan PRX
Properties of Random Variables 56
Properties of Random Variables 57