Anda di halaman 1dari 42

MAKALAH

STATISTIKA MATEMATIKA I

“Ekspektasi Matematika (Ekspektasi Satu Peubah Acak

dan Ekspektasi Dua Peubah Acak)”

D
i
s
u
s
u
n

Oleh :

Nama : Brigita Wowiling

NIM : 15 504 060

Kelas : VA

JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI MANADO

2017

1
KATA PENGANTAR

Puji dan syukur senantiasa saya panjatkan kehadirat Tuhan Yang Maha Esa,
karena atas rahmat-Nya, saya dapat menyelesaikan penyusunan makalah yang
berjudul “Ekspektasi Matematika”.

Makalah ini disusun untuk memenuhi tugas mata kuliah “Statistika Matematika
I”. Saya mengucapkan terima kasih kepada semua pihak yang membantu dalam
penyelesaian makalah ini. Saya berharap makalah ini dapat menambah pengetahuan
pembaca dan memberikan gambaran mengenai materi terkait yaitu Ekspektasi
Matematika.

Saya menyadari bahwa makalah ini masih jauh dari kesempurnaan baik materi
maupun bahasanya, maka saya mengharapkan saran dan kritik yang membangun
untuk perbaikan makalah ini. Semoga makalah ini dapat memberikan manfaat bagi
semua pihak yang menjadikan makalah ini sebagai bahan literatur mengenai materi
terkait.

Tondano, Oktober 2017

Penyusun

2
DAFTAR ISI

KATA PENGANTAR..........................................................................................i

DAFTAR ISI ........................................................................................................ii

BAB I PENDAHULUAN

A. Latar Belakang ..........................................................................................1


B. Rumusan Masalah .....................................................................................1
C. Tujuan Penulisan........................................................................................2

BAB II PEMBAHASAN

A. Pengertian Ekspektasi Matematika………………………………….. 4

B. Ekspektasi Satu Peubah Acak

1. Nilai Ekspektasi………………………………………….…………. 4

2. Sifat-sifat Nilai Ekspektasi……………………………….……….... 6

3. Rataan…………………………………………………….………... 7

4. Varians………………………………………………….………….. 9

5. Momen………………………………………………….………….. 11

6. Fungsi Pembangkit Momen…………………………….………….. 13

7. Pertidaksamaan Chebyshev………………..…………..…………... 15

C. Ekspektasi Dua Peubah Acak

1. Nilai Ekspektasi Gabungan…………………………………………17

2. Ekspektasi Bersyarat………………………………………………. 19

3. Rataan Bersyarat…………………………………………………… 23

4. Perkalian Dua Momen………………………………………………28

ii

3
5. Kovarians………………………………………………………….. 29

6. Varians Bersyarat…………………………………………………. 33

7. Fungsi Pembangkit Momen Gabungan………………………….... 34

8. Koefisien Korelasi………………………………………………… 35

9. Akibat Kebebasan Stokastik…………………………………….... 35

BAB III PENUTUP

A. Kesimpulan .......................................................................................... 37
B. Saran .................................................................................................... 37

DAFTAR PUSTAKA ..................................................................................... 38

iii

4
BAB 1
PENDAHULUAN

A. Latar Belakang
Distribusi probabilitas memiliki berbagai sifat atau karakteristik
yang dapat digunakan untuk mengidentifikasi suatu distribusi. Karakteristik
yang biasa digunakan antara lain rata-rata hitung yang biasa disebut
“Ekspektasi Matematika” (atau nilai harapan) dan variansi. Ekspektasi
matematika adalah satu konsep penting dalam teori dasar statistika. Harapan
matematis (Ekspektasi Matematika) ini menentukan tendensi sentral dari
distribusi probabilitas.

Dalam makalah ini akan dibahas beberapa macam ukuran yang


dihitung berdasarkan ekspektasi dari satu maupun dua peubah acak, baik
diskrit maupun kontinu.

Sering kali kita menjumpai data pengamatan yang memuat perubah


acak tidak tunggal. Misalnya, X dan Y perubah acak, maka nilai harapan
dinyatakan E(X), E(Y), dan E(X,Y) , Variansi dari X da Y dinyatakan  X ,  Y ,
2 2

 XY
dan kovariansi dari perubah acak X dan Y dinyatakan .

B. Rumusan Masalah
1. Apa yang dimaksud dengan ekspektasi matematika?
2. Apa yang dimaksud dengan nilai ekspektasi dan sifat-sifat nilai
ekspektasi?
3. Bagaimana menentukan rataan dari suatu peubah acak?
4. Bagaimana menentukan varians dari suatu peubah acak?

5. Bagaimana menghitung nilai ekspektasi dari peubah acak dengan


pangkatnya lebih dari 2 (Momen)?
6. Apa yang dimaksud dengan fungsi pembangkit momen?
7. Apa yang dimaksud dengan pertidaksamaan Chebyshev?
8. Apa yang dimaksud dengan nilai ekspektasi gabungan?
9. Bagaimana rumus untuk menghitung ekspektasi bersyarat?
10. Bagaimana rumus untuk menghitung rataan bersyarat?

5
11. Bagaimana rumus untuk menghitung perkalian dua momen?
12. Bagaimana rumus untuk menentukan kovarians?
13. Bagaimana rumus untuk menentukan varians bersyarat?
14. Bagaimana rumus untuk menentukan fungsi pembangkit momen
gabungan?

15. Bagaimana menentukan derajat hubungan linear antara dua buah peubah
acak?
16. Apa saja akibat kebebasan stokastik dari dua peubah acak?

Tujuan Penulisan
1. Untuk mengetahui apa yang dimaksud dengan ekspektasi matematika

2. Untuk mengetahui apa yang dimaksud dengan nilai ekspektasi dan


sifat-sifat nilai ekspektasi

3. Untuk mengetahui bagaimana menentukan rataan dari suatu peubah


acak

4. Untuk mengetahui bagaimana menentukan varians dari suatu peubah


acak

5. Untuk mengetahui bagaimana menghitung nilai ekspektasi dari peubah


acak dengan pangkatnya lebih dari 2 (Momen)

6. Untuk mengetahui apa yang dimaksud dengan fungsi pembangkit


momen

7. Untuk memahami apa yang dimaksud dengan pertidaksamaan


Chebyshev

8. Untuk memahami apa yang dimaksud dengan nilai ekspektasi


gabungan

9. Untuk mengetahui bagaimana rumus untuk menghitung ekspektasi


bersyarat

10. Untuk mengetahui bagaimana rumus untuk menghitung rataan


bersyarat

11. Untuk mengetahui bagaimana rumus untuk menghitung perkalian dua


momen
12. Untuk mengetahui bagaimana rumus untuk menentukan kovarians

6
13. Untuk mengetahui bagaimana rumus untuk menentukan varians
bersyarat

14. Untuk mengetahui bagaimana rumus untuk menentukan fungsi


pembangkit momen gabungan

15. Untuk mengetahui bagaimana menentukan derajat hubungan linear


antara dua buah peubah acak

16. Untuk mengetahui apa saja akibat kebebasan stokastik dari dua peubah
acak

7
BAB II
PEMBAHASAN
A. Pengertian Ekspektasi Matematika
Ekspektasi matematika atau harga harapan atau mean(rata- rata) atau
sering disebut ekspektasi saja, adalah satu konsep penting dalam teori dasar
statistika. Jika X adalah sembarang peubah acak, maka ekspektasi
matematika dari peubah acak X biasanya dinotasikan dengan E(X) atau µ.

B. Ekspektasi Satu Peubah Acak


1. Nilai Ekspektasi

Definisi (Nilai Ekspektasi Diskrit


Jika X adalah peubah acak diskrit dengan nilai fungsi peluangnya di x adalah p (x)
dan u (X) adalah fungsi dari X, maka nilai ekspektasi dari u (X), dinotasikan dengan
E [u(X)], didefinisikan sebagai :

E [u(X)] =  u(x) . p(x)


x

Contoh 1 :
Misalnya fungsi peluang dari peubah acak berbentuk :
𝑥
𝑝(𝑥) = ; 𝑥 = 1,2,3,4,5
15
Hitung

a. E(𝑋 2 − 1)

b. E[X(X + 1)]
Penyelesaian :
a. Berdasarkan definisi nilai ekspektasi diskrit, maka :

E(𝑋 2 − 1) = 
x
(𝑥 2 − 1) . 𝑝 (𝑥)

𝑥
= ∑5𝑥=1(𝑥 2 − 1) . 15

1 2 3 4
= ( 1 – 1) (15) + (4 − 1) (15) + (9 − 1) (15) + (16 − 1) (15)
5
+ (25 − 1)(15)

8
6 24 60 120
= 0 + 15 + 15 + 15 + 15

210
E(𝑋 2 − 1) = = 14
15

b. Berdasarkan definisi nilai ekspektasi diskrit, maka :

E[X(X + 1)] = x
𝑥(𝑥 + 1) . 𝑝 (𝑥)

𝑥
= ∑5𝑥=1 𝑥(𝑥 + 1) . 15

1 2 3
= (1)(1 + 1) (15) + (2)(2+1) (15) + (3)(3+1) (15)

4 5
+ (4)(4+1) (15) +(5)(5+1)( 15)
2 12 36 80 150
= 15 + 15 + 15 + 15 + 15

280
E[X(X + 1)] = 15

Definisi (Nilai Ekspektasi Kontinu)


Jika X adalah peubah acak kontinu dengan nilai fungsi densitasnya
di x adalah f (x) dan u(X) adalah fungsi dari X, maka nilai ekspektasi dari
u(X), dinotasikan dengan E[u(X)], didefinisikan
sebagai:


E[u(X)] = ∫∞ 𝑢(𝑥). 𝑓(𝑥)𝑑𝑥

Contoh 2:
Misalkan fungsi densitas dari peubah acak X berbentuk :
f (x) = 2(1 − x) ; 0 < x < 1
=0 ; x lainnya

Tentukan :

a. E[𝑋 2 − 1]
b. E[X(X+1)]

9
Penyelesaian :

a. Berdasarkan definisi nilai ekspektasi kontinu,maka :


E[𝑋 2 − 1] = ∫−∞(𝑥 2 − 1). 𝑓(𝑥)𝑑𝑥
0 1 ∞
=∫−∞(𝑥 2 − 1). 𝑓(𝑥)𝑑𝑥 + ∫0 (𝑥 2 − 1). 𝑓(𝑥)𝑑𝑥 + ∫1 (𝑥 2 −
1). 𝑓(𝑥)𝑑𝑥
0 1 ∞
= ∫−∞(𝑥 2 − 1). 0𝑑𝑥 + ∫0 (𝑥 2 − 1). 2(1 + 𝑥)𝑑𝑥+∫1 (𝑥 2 − 1). 0𝑑𝑥
1
= 0 + 2 ∫0 (𝑥 2 − 𝑥 3 − 1 + 𝑥)𝑑𝑥 + 0

1 1 1
= 2 (3 𝑥 3 − 4 𝑥 4 − 𝑥 + 2 𝑥 2 )
1 1 1
= 2 (3 − 4 − 1 + 2)

5
E[𝑋 2 − 1] = −6
b. Berdasarkan definisi nilai ekspektasi kontinu,maka :


E[X(X+1)] = ∫−∞ 𝑥(𝑥 + 1). 𝑓(𝑥)𝑑𝑥
0 1 ∞
=∫−∞ 𝑥(𝑥 + 1). 𝑓(𝑥)𝑑𝑥 + ∫0 𝑥(𝑥 + 1). 𝑓(𝑥)𝑑𝑥 + ∫1 𝑥(𝑥 +
1). 𝑓(𝑥)𝑑𝑥
0 1 ∞
= ∫−∞ 0𝑑𝑥 + ∫0 𝑥(𝑥 + 1). 2(1 − 𝑥)𝑑𝑥+∫1 0𝑑𝑥
1
= 0 + 2 ∫0 (𝑥 − 𝑥 3 )𝑑𝑥 + 0

1 1
= 2 . (3 𝑥 2 − 4 𝑥 4 )
1 1
= 2 (2 − 4)
1
E[X(X+1)] =2

2. Sifat-sifat Nilai Ekspektasi (Dalil 1)

a. Jika c adalah sebuah konstanta, maka E(c) = c.


b. Jika c adalah sebuah konstanta dan u(X) adalah fungsi dari X, maka:
E[c · u(X)] = c · E[u(X)]
c. Jika 𝑐1 𝑑𝑎𝑛 𝑐2 adalah dua buah konstanta dan 𝑢1 (X) dan 𝑢2 (X) adalah
dua buah fungsi dari X, maka:
E[𝑐1 · 𝑢1 (X) + 𝑐2 · 𝑢2 (X)] = 𝑐1 · E[𝑢1 (X)] + 𝑐2 · E[𝑢2 (X)]

10
Contoh 3 :
Hitung E(𝑋 2 − 1) dan E[X(X + 1)] dengan menggunakan sifat-sifat nilai
ekspektasi.
Penyelesaian :

a. E(𝑋 2 − 1) = E(𝑋 2 ) − 𝐸(1)

= E(𝑋 2 ) − 1

=  x
𝑥 2 . 𝑝 (𝑥) − 1

𝑥
= (∑5𝑥=1 𝑥 2 . 15) − 1
1
= {(15)(1 + 8 + 27 + 64 + 125)} … 1

225
=( )−1
15

= 15 – 1

E(𝑋 2 − 1) = 14

b. E[X(X + 1)] = E(𝑋 2 + 𝑋)

= E(𝑋 2 ) + 𝐸(𝑋)

= 15 + x
𝑥 . 𝑝 (𝑥)

𝑥
= 15 + ∑5𝑥=1 𝑥. 15
1
= 15 + (15)(1 + 4 + 9 + 16 + 25)

55
= 15 + (15)
280
E[X(X + 1)] = 15

3. Rataan

Definisi (Rataan Diskrit)


Jika X adalah peubah acak diskrit dengan nilai fungsi peluang dari X di x
adalah p(x), maka rataan dari peubah acak X didefinisikan sebagai:

E(X) = 
x
x . p(x)

11
Pemahaman penggunaan rumus rataan diperjelas melalui contoh di bawah
ini :

Contoh 4 :

Jika Sandy mengundi sebuah dadu yang seimbang, maka tentukan rataan
dari munculnya angka pada mata dadu itu.

Penyelesaian :

Misalnya peubah acak X menunjukkan munculnya angka pada mata dadu.


Jadi nilai-nilai yang mungkin dari X adalah { x : x = 1,2,3,4,5,6}, dengan masing-
1
masing nilai mempunyai peluang yang sama yaitu 6 .
Jadi :
E(X) =  x . P(x)
x
1
= ∑6𝑥=1 𝑥. 6
1
= (6) (1 + 2 + 3 + 4 + 5 + 5)
21
E(X) = 6 = 3,5
Sehingga apabila dadu yang seimbang itu diundi terus-menerus, maka diharapkan
rataan angka pada mata dadu yang akan muncul adalah 3,5.

Definisi (Rataan Kontinu)


Jika X adalah peubah acak kontinu dengan nilai fungsi densitas
dari X di x adalah f (x), maka rataan dari peubah acak X
didefinisikan sebagai:

E[X] = ∫−∞ 𝑥 . 𝑓 (𝑥)

Contoh 5 :
Misalnya fungsi densitas dari X berbentuk :
𝑓(𝑥) = 20𝑥 3 (1 − 𝑥); 0 < 𝑥 < 1
= 0 ; x lainnya
Hitung E(X)!

Penyelesaian :

E(X) = ∫−∞ 𝑥 . 𝑓(𝑥)𝑑𝑥
0 1 ∞
= ∫−∞ 𝑥 . 𝑓(𝑥)𝑑𝑥 + ∫0 𝑥 . 𝑓(𝑥)𝑑𝑥 + ∫1 𝑥 . 𝑓(𝑥)𝑑𝑥
0 1 ∞
= ∫−∞ 𝑥 . 0𝑑𝑥 + ∫0 𝑥 . 20. 𝑥 3 (1 − 𝑥)𝑑𝑥 + ∫1 𝑥 . 0𝑑𝑥
0
= 0 + 20 ∫1 (𝑥 4 − 𝑥 5 )𝑑𝑥 + 0

12
1 1
= 20(5 𝑥 5 − 6 𝑥 6 )
1 1
= 20 (5 − 6)

20 2
E(X) = 30 = 3

Rataan dari sebuah peubah acak, baik diskrit maupun kontinu biasanya
dinotasikan dengan 𝜇 (dibaca “mu”), sehingga apabila peubah acaknya X maka
𝜇 = 𝐸(𝑋)
Nilai rataan dari sebuah peubah acak, baik diskrit maupun kontinu tidak
selalu ada, artinya nilai rataan tersebut bisa mempunyai nilai dan bisa juga tidak
mempunyai nilai. Nilai rataan dari sebuah peubah acak itu ada, jika hasil
penjumlahannya atau pengintegralannya ada. Sebaliknya, nilai rataan dari sebuah
peubah acak tidak ada, jika hasil penjumlahannya atau pengintegralannya tidak ada.

4. Varians

Berikut ini akan dijelaskan definisi varians dari sebuah peubah acak yang
berlaku bagi peubah acak diskrit maupun kontinu.

Definisi (Varians)
Misalnya X adalah peubah acak, baik diskrit maupun kontinu.
Varians dari X didefinisikan sebagai :
Var(X) = E[X – E(X)]2 Atau Var(X) = E(X − μ)2

Definisi (Varians Diskrit)


Jika X adalah peubah acak diskrit dan p(x) adalah nilai fungsi peluang dari
X di x, maka Varians dari X didefinisikan sebagai:
Var(X) =  (x − μ)2 · p(x)
x

Contoh 6 :
Misalnya distribusi peluang dari peubah acak X adalah sebagai berikut :
X 1 2 3

p(x) 1 1 1
2 3 6

Hitung Var (X).

13
Penyelesaian :

Berdasarkan definisi varians diskrit, maka :


Var (X) =  (x − μ)2 · p(x)
x
Dengan μ = E(X) = ∑3𝑥=1 𝑥. 𝑝(𝑥)

= (1). 𝑝(1) + (2). 𝑝(2) + (3). 𝑝(3)


1 1 1
= (1) (2) + (2) (3) + (3)(6)
10 5
μ = E(X) = =3
6
5
Jadi : Var (X) = ∑3𝑥=1(𝑥 − 3)2 . 𝑝 (𝑥)
5 5 5
= (1 − 3)2 . 𝑝(1) + (2 − 3)2 . 𝑝(2) + (3 − 3)2 . 𝑝(𝑥)
4 1 1 1 16 1
= (9) (2) + (9) (3) + ( 9 )(6)
2 1 8
= 9 + 27 + 27
15 5
Var (X) = 27 = 9

Definisi (Varians Kontinu)

Jika X adalah peubah acak kontinu dan f (x) adalah nilai fungsi
densitas dari X di x, maka Varians dari X didefinisikan sebagai:

Var(X) = ∫−∞(𝑥 − 𝜇)2 . 𝑓 (𝑥)𝑑𝑥

Contoh 7 :
Misalnya fungsi densitas dari X berbentuk :
𝑓(𝑥) = 𝑒 −𝑥 ; 𝑥 > 0
= 0 ; x lainnya
Hitung Var (X)!

Penyelesaian :

Var(X) = ∫−∞(𝑥 − 𝜇)2 . 𝑓(𝑥)𝑑𝑥

Dengan 𝜇 = E (X) = ∫−∞ 𝑥. 𝑓(𝑥)𝑑𝑥
0 ∞
= ∫−∞ 𝑥. 𝑓(𝑥)𝑑𝑥 + ∫0 𝑥. 𝑓(𝑥)𝑑𝑥
0 ∞
= ∫−∞ 𝑥. 0𝑑𝑥 + ∫0 𝑥. 𝑒 −𝑥 𝑑𝑥

= 0 + ∫0 𝑥. 𝑒 −𝑥 𝑑𝑥
𝑏
= lim ∫0 𝑥. 𝑒 −𝑥 𝑑𝑥
𝑏→∞

𝑏
= lim (−𝑥. 𝑒 −𝑥 + ∫0 𝑥. 𝑒 −𝑥 𝑑𝑥)
𝑏→∞

14
= lim (−𝑏. 𝑒 −𝑏 + 1 − 𝑒 −𝑏 )
𝑏→∞
= lim − 𝑏. 𝑒 −𝑏 + 1 − lim 𝑒 −𝑏
𝑏→∞ 𝑏→∞
𝜇 =0+1–0=1
Jadi :

Var (X) = ∫−∞(𝑥 − 1)2 . 𝑓(𝑥)𝑑𝑥
0 ∞
= ∫−∞(𝑥 − 1)2 . 𝑓(𝑥)𝑑𝑥+ ∫0 (𝑥 − 1)2 . 𝑓(𝑥)𝑑𝑥
0 ∞
= ∫−∞(𝑥 − 1)2 . 0𝑑𝑥 + ∫0 (𝑥 − 1)2 . 𝑒 −𝑥 𝑑𝑥

= 0 + ∫0 (𝑥 2 − 2𝑥 + 1)𝑒 −𝑥 𝑑𝑥
𝑏
= lim ∫0 (𝑥 2 − 2𝑥 + 1). 𝑒 −𝑥 𝑑𝑥
𝑏→∞
𝑏 𝑏
= lim ∫0 𝑥 2 . 𝑒 −𝑥 𝑑𝑥 − 2. lim ∫0 𝑥. 𝑒 −𝑥 𝑑𝑥
𝑏→∞ 𝑏→∞
𝑏
lim ∫0 𝑒 −𝑥 𝑑𝑥
𝑏→∞
= 2 – (2) (1) + 1
=1

Dalil 2 :
Jika C adalah sebuah konstanta, maka Var (c) = 0

Dalil 3 :
Jika X adalah peubah acak dan c adalah sebuah konstanta, maka
Var (X + c) = Var (X)

Dalil 4 :
Jika a dan b adalah dua buah konstanta dan X adalah peubah acak, maka :
𝑉𝑎𝑟 (𝑎𝑋 + 𝑏) = 𝑎2 . 𝑉𝑎𝑟 (𝑋)

5. Momen

Definisi (Momen)

Jika X adalah peubah acak, baik diskrit maupun kontinu, maka momen ke-k
(dinotasikan dengan μ‘k )didefinisikan sebagai :
𝜇. 𝐾 = 𝐸(𝐸 𝑘 ) k = 1, 2, 3, · · ·

15
Definisi (Momen Diskrit)
Jika X adalah peubah acak diskrit dan p(x) adalah nilai fungsi
peluang dari X di x, maka momen ke-k (dinotasikan μ’k )
didefinisikan sebagai :

𝜇𝑘 ′ = ∑ 𝑥 𝑘 . 𝑝(𝑥)
𝑥

Contoh 8 :
X 1 2 3 4

P(x) 1 1 1 1
4 8 8 2

Hitung nilai 𝜇3 ′.
Penyelesaian :
Berdasarkan definisi momen diskrit, maka :
𝜇3 ′ = 𝐸(𝑋 3 ) = ∑𝑥 𝑥 3 . 𝑝(𝑥)
= ∑4𝑥=1 𝑥 3 . 𝑝(𝑥)
1 1 1
= (1)3 (4) + (2)3 (8) + (4)3 (2)
1 27 64
=4+1+ +
8 8
293
𝜇3 ′ = 𝐸(𝑋 3 ) = 8

Definisi (Momen Kontinu)


Jika X adalah peubah acak kontinu dan f (x) adalah nilai fungsi
densitas dari X di x, maka momen ke-k (dinotasikan μ’k )
didefinisikan sebagai :

𝜇𝑘′ = ∫−∞ 𝑥 𝑘 . 𝑓(𝑥)𝑑𝑥

Contoh 9 :
Misalnya fungsi densitas dari X berbentuk :
2𝑥
𝑓(𝑥) = ;1 < 𝑥 < 2
3
= 0; 𝑥 𝑙𝑎𝑖𝑛𝑛𝑦𝑎

16
Hitung 𝜇′3 .
Penyelesaian :

𝜇′3 = 𝐸(𝑋 3 ) = ∫ 𝑥 3 . 𝑓(𝑥)𝑑𝑥
−∞
1 2 ∞
= ∫−∞ 𝑥 3 . 𝑓(𝑥)𝑑𝑥+∫1 𝑥 3 . 𝑓(𝑥)𝑑𝑥+∫2 𝑥 3 . 𝑓(𝑥)𝑑𝑥
1 2 2𝑥 ∞
= ∫−∞ 𝑥 3 . 0𝑑𝑥 +∫1 𝑥 3 . 𝑑𝑥+∫2 𝑥 3 . 0𝑑𝑥
3

2
= 0 + ( 𝑥5 )
15

62
𝜇′3 = 𝐸(𝑋 3 ) =
15
Definisi (Momen Sekitar Rataan Diskrit)
Jika X adalah peubah acak diskrit dan p(x) adalah nilai fungsi
peluang dari X di x, maka momen sekitar rataan ke-k
(dinotasikan dengan 𝜇𝑘 ) didefinisikan sebagai:
𝜇𝑘 =∑𝑥(𝑥 − 𝜇)𝑘. 𝑝(𝑥)

Definisi (Momen Sekitar Rataan Kontinu)


Jika X adalah peubah acak kontinu dan p(x) adalah nilai fungsi
densitas dari X di x, maka momen sekitar rataan ke-k
(dinotasikan dengan 𝜇𝑘 ) didefinisikan sebagai:

𝜇𝑘 = ∫−∞(𝑥 − 𝜇)𝑘 · f(x) 𝑑𝑥

6. Fungsi Pembangkit Momen


Pada bagian sebelumnya, kita sudah membahas momen ke-k yang
dinotasikan dengan 𝜇′𝑘 .
Momen ini bisa juga diperoleh melalui besaran lainnya yang
dinamakan fungsi pembangkit momen. Sehingga fungsi pembangkit
momen merupakan fungsi yang dapat menghasilkan momen-momen.
Selain itu, penentuan distribusi baru dari peubah acak yang baru merupakan
kegunaan lain dari fungsi pembangkit momen.

17
Definisi (Fungsi Pembangkit Momen)
Jika X adalah peubah acak, baik diskrit maupun kontinu, maka
fungsi pembangkit momen dari X (dinotasikan dengan Mx (t))
didefinisikan sebagai:
Mx (t) = E(𝑒 𝑡𝑋 )
untuk −h < t < h dan h > 0

Definisi (Fungsi Pembangkit Momen Diskrit)


Jika X adalah peubah acak diskrit dan p(x) adalah fungsi peluang
dari X di x, maka fungsi pembangkit momen dari X didefinisikan
sebagai:
Mx (t) = ∑𝑥 𝑒 𝑡𝑥 . 𝑝(𝑥)

Definisi (Fungsi Pembangkit Momen Kontinu)


Jika X adalah peubah acak diskrit dan f (x) adalah fungsi densitas
dari X di x, maka fungsi pembangkit momen dari X didefinisikan
sebagai:

Mx (t) = ∫−∞ 𝑒 𝑡𝑥 . 𝑓(𝑥)𝑑𝑥

Contoh 10 :
Tentukan fungsi pembangkit momen peubah acak binomial X dan kemudian
tunjukkan bahwa   np dan  2  npq.

Penyelesaian:
Dari definisi diperoleh
n
 n n
n
M (t )   et   p  q n    ( pet )  q n jumlah yang terakhir adalah
x 0  x x 0  x 

penguraian binomial (pet+q)n, sehingga Mx(t)=(pet+q)n. Kemudian


dMx (t )
dibeproleh bahwa  n( pet  q) n1. pet sehingga,
dt
d 2 Mx(t )
 np[et (n  1)( pet  q) n21. pet  ( pet  q) n1.et ] . Untuk t=0, maka
dt 2
1  np dan 2  np[(n  1) p  1]. Jadi,   1  np dan
  2    np(n  1)  npq
2 1 2

18
Dalil 5 :
Jika X adalah peubah acak, baik diskrit maupun kontinu dan 𝑀𝑥 (t) adalah
fungsi pembangkit momennya, maka :
𝑀𝑋𝑟 (𝑡) = 𝜇𝑟 ′
Dalil 6 :
Jika X adalah peubah acak dan c adalah sebuah konstanta, maka :
𝑀𝑐𝑋 (𝑡) = 𝑀𝑋 (𝑐𝑡)
Dalil 7 :
Jika X adalah peubah acak dan c adalah sebuah konstanta, maka :
𝑀𝑋−𝑐 (𝑡) = 𝑒 𝑐𝑡 . 𝑀𝑋 (𝑡)
Dalil 8 :
Jika X adalah peubah acak, sedangkan a dan b adalah dua buah konstanta,
maka :
𝑎𝑡 𝑡
𝑀(𝑋+𝑎) = 𝑒 𝑏 . 𝑀𝑋 ( )
𝑏 𝑏
7. Dalil Chebyshev (Dalil 9) :
Jika 𝜇 𝑑𝑎𝑛 𝜎 masing-masing merupakan rataan dan simpangan baku dari
peubah acak X, maka untuk setiap bilangan positif k peluang dari peubah acak X
1
yang bernilai antara 𝜇 − 𝑘𝜎 𝑑𝑎𝑛 𝜇 + 𝑘𝜎 paling sedikit sebesar 1 − (𝑘 2 ), dan
ditulis:
1
P (|x−𝜇| < 𝑘𝜎)≥ 1 − 𝑘 2

Nilai peluang di atas merupakan batas bawah peluang dari peubah acak X
yang berharga tertentu.
Kita bisa juga menghitung peluang dari peubah acak X yang bernilai lebih
kecil atau sama dengan 𝜇 − 𝑘𝜎 atau lebih besar atau sama dengan 𝜇 + 𝑘𝜎. Yaitu
1
yang paling besar 2 dan ditulis :
𝑘
1
P (|x−𝜇| < 𝑘𝜎)≤ 𝑘 2

BUKTI :
Menurut definisi variansi,

19

 2  E ( X   ) 2    ( x   ) 2 f ( x)dx

  k   k    k 2 
  ( ) f ( x)dx   ( x   ) 2 f ( x)dx   ( x   ) f ( x)dx   ( x   ) 2 f ( x)dx   ( x  )
2 2 2
f ( x)dx
  
k   k    k 2

 k
karena integral  (x  )
2
f ( x)dx tak negatif. Kemudian X    K
 
k

dengan x    k atau x    k dengan ( X   ) 2  k 2 2 dalam kedua


k 
maka  2   k  f ( x)dx  
2 2 2
integral lainnya, f ( x)dx . Jika ruas
  
k
 k 
1
kanan dibagi dengan k 2 2 , maka diperoleh 

f ( x)   f ( x)dx  k
  k
2

sehingga
  k
1
p(   k  X    k )   f ( x)dx  1  k
 
k
2

dengan demikian terbuktilah teorema Chebyshev.

Contoh 11 :
Suatu peubah acak X mempunyai rataan   8, variansi  2  9, sedangkan
distribusinya tidak diketahui. Hitunglah:
a. P(-4<X<20), dan

b. b. P( X  8  6 .

Penyelesaian:
a. Telah diketahui, bahwa   8, variansi  2  9, sehingga    9  9.
yang harus dicari adalah nilai k. Nilai k ini dicari dengan melihat salah
satu ujung interval, yaitu -4 atau 20. Berdasarkan teorema Chebyshev
diketahui, bahwa
  k
1
p(   k  X    k )   f ( x)dx  1  k
 k
2
, sehingga

  k  8  k 3  4

Dengan menyelesaikan persamaan ini diperoleh nilai k=4. Jadi,


P(4  X  20)  P8  (4)(3)  X  8  (4)(3)  1 
1 15
 P(4  X  20) 
1 1

20
Kerena diketahui , bahwa simpangan baku = 3, maka 3k = 6  k = 2,
sehingga : P( X  8  6)  1  P(8  (2)(3)  X  8  (2)(3)  1
4

b. P( X  8  6)  1  P( X  8  6)  P(6  X  8  6)  1  P(8  6  X  8  6)

C. Ekspektasi Dua Peubah Acak


Pada bagian ini, akan dibahas beberapa macam ukuran yang
dihitung berdasarkan ekspektasi dua peubah acak, baik peubah acak diskrit
maupun kontinu, yaitu nilai ekspektasi gabungan, ekspektasi bersyarat,
rataan bersyarat, varians bersyarat, kovarians, fungsi pembangkit momen
gabungan, koefisien korelasi dan akibat kebebasan stokastik.
Jika kita mempunyai fungsi peluangnatau fungsi densitas gabungan
dari dua peubah acak, maka kita bisa melakukan penghitungan nilai peluang
dari dua peubah acak yang berharga tertentu. Selain itu, kita juga bisa
menentukan beberapa ukuran yang didasarkan pada fungsi peluang atau
fungsi densitas gabungan.
1. Nilai Ekspektasi Gabungan
Definisi (Nilai Ekspektasi Gabungan Diskrit)
Jika X dan Y adalah dua peubah acak diskrit, p (x , y) adalah nilai
fungsi peluang gabungan dari (X,Y) di (x,y) dan v(X,Y) adalah fungsi
dari peubah acak X dan Y; maka nilai ekspektasi gabungan dari v(X,Y)
(dinotasikan dengan E[v(X,Y)]) dirumuskan sebagai :

𝐸[𝑣(𝑋, 𝑌)] =  
x y
𝑣(𝑥, 𝑦). 𝑝(𝑥, 𝑦)

Contoh 12 :
Misalnya fungsi peluang gabungan dari X dan Y berbentuk :
1
𝑝(𝑥, 𝑦) = ( ) (𝑥 + 2𝑦); 𝑥 = 0,1,2,3
72
𝑦 = 0,1,2,3
Hitung 𝐸(2𝑋𝑌 2 − 1)
Penyelesaian :
Berdasarkan definisi nilai ekspektasi gabungan diskrit, maka :

𝐸(2𝑋𝑌 2 − 1) =  
x y
(2𝑥𝑦 2 − 1). 𝑝(𝑥, 𝑦)

1
= ∑3𝑥=0 ∑3𝑦=0(2𝑥𝑦 2 − 1). 72 (𝑥 + 2𝑦)

21
1
= (72) [(−1)(0) + ((−1)(2) + (−1)(4) + (−1)(6) + (−1)(1)

+ (1)(3) + (7)(5) + (17)(7) + (−1)(2) + (3)(4) + (15)(6) +


(35)(8) + (−1)(3) + (5)(5) + (23)(7) + (53)(9)]
1
= (72 (0 − 2 − 4 − 6 − 1 + 3 + 35 + 119 − 2 + 12 + 90 + 280

−3 + 25 + 161 + 477)
1184
𝐸(2𝑋𝑌 2 − 1) =
72

Definisi (Nilai Ekspektasi Gabungan Kontinu)


Jika X dan Y adalah dua peubah acak kontinu, f(x,y) adalah nilai fungsi
densitas gabungan dari (X,Y) di (x,y), dan v(X,Y) adalah fungsi dari peubah acak
X dan Y; maka nilai ekspektasi gabungan dari v(X,Y) (dinotasikan dengan
E[v(X,Y)]) dirumuskan sebagai:

Contoh 13 :
Misalnya densitas gabungan dari X dan Y berbrntuk :
𝑓(𝑥, 𝑦) = 𝑥 + 𝑦; 0 < 𝑥 < 1, 0 < 𝑦 < 1
=0 ; x lainnya.
Hitung 𝐸(2𝑋𝑌 2 − 1).
Penyelesaian :
Berdasarkan definisi nilai ekspektasi gabungan kontinu, maka :
∞ ∞
𝐸(2𝑋𝑌 2 − 1) = ∫−∞ ∫−∞(2𝑥𝑦 2 − 1). 𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦
0 0 1 1
=∫−∞ ∫−∞(2𝑥𝑦 2 − 1). 𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦 + ∫0 ∫0 (2𝑥𝑦 2 −
∞ ∞
1). 𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦 + ∫1 ∫1 (2𝑥𝑦 2 − 1). 𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦
0 0 1 1
=∫−∞ ∫−∞(2𝑥𝑦 2 − 1). 0 𝑑𝑥𝑑𝑦 + ∫0 ∫0 (2𝑥𝑦 2 −
∞ ∞
1). (𝑥 + 𝑦)𝑑𝑥𝑑𝑦 + ∫1 ∫1 (2𝑥𝑦 2 − 1). 0 𝑑𝑥𝑑𝑦
∞ ∞
= 0 + ∫1 ∫1 (2𝑥 2 𝑦 2 + 𝑥 2 𝑦 3 − 𝑥 − 𝑦)𝑑𝑥𝑑𝑦 + 0

1 2 1
= ∫0 (3 𝑥 3 𝑦 2 + 𝑥 2 𝑦 3 = 2 𝑥 2 − 𝑥𝑦 )𝑑𝑦

22
1 2
= ∫0 (3 𝑦 2 + 𝑦 3 − 12 − 𝑦 )𝑑𝑦
2 1 1 1
= 9 𝑦3 + 4 𝑦4 − 2 𝑦 − 2 𝑦2
2 1 1 1
=9+4−2−2
19
𝐸(2𝑋𝑌 2 − 1) =− 36

2. Ekspektasi Bersyarat

Definisi (Ekspektasi Bersyarat Diskrit)


Jika X dan Y adalah dua peubah acak diskrit, p’(x | y) dalah nilai fungsi
peluang bersyarat dari X diberikan Y = y di x, dan p’’(y | x) adalah nilai fungsi
peluang bersyarat dari Y diberikan X = x di y, maka ekspektasi bersyarat dari u(X)
diberikan Y = y dirumuskan sebagai berikut:

𝐸[𝑢(𝑋)|𝑦] =  u x  . 𝑝′ (𝑥 | 𝑦)
x

Dan ekspektasi bersyarat dari v(Y) diberikan X = x dirumuskan sebagai berikut :

𝐸[𝑣(𝑌)|𝑥] =  v y  . 𝑝′′(𝑦 | 𝑥)
x

Contoh 14 :
Misalnya fungsi peluang gabungan dari X dan Y berbentuk :
𝑥𝑦
𝑝(𝑥, 𝑦) = ; 𝑥 = 1,2,3 𝑑𝑎𝑛 𝑦 = 1,2
18
Hitung 𝐸(3𝑌|𝑦 = 1)𝑑𝑎𝑛 𝐸(2𝑌 2 |𝑥 = 1)
Penyelesaian :
a. Berdasarkan definisi ekspektasi bersyarat diskrit, maka :

𝐸(3𝑌|𝑦 = 1) =  3x. 𝑝′(𝑥 | 𝑦)


x

Fungsi peluang marginal dari Y adalah :


3
𝑥𝑦
𝑃2 (𝑦) = ∑
18
𝑥=1
𝑦
= (18)(1 + 2 + 3)

23
6𝑦
= 18
𝑦
Jadi, 𝑃2 (𝑦) = 3 ; 𝑦 = 1,2

Fungsi peluang bersyarat dari X diberikan Y = y adalah :


𝑥𝑦
𝑥
𝑝 ′ (𝑥|𝑦)
= 18
𝑦 = 6 ; 𝑥 = 1,2,3
3
Maka :
3
𝑥
𝐸(3𝑌|𝑦 = 1) = ∑(3𝑥) ( )
6
𝑥=1

1
= (2) (1 + 4 + 9)

𝐸(3𝑌|𝑦 = 1) = 7
b. Berdasarkan definisi ekspektasi bersyarat diskrit maka :

𝐸(2𝑌 2 |𝑥 = 1 = ∑ 2𝑦 2 . 𝑝′′ (𝑦|𝑥 = 1)


𝑦

Fungsi peluang marginal dari X adalah :


2
𝑥𝑦
𝑃1 (𝑥) = ∑
18
𝑦=1
𝑥𝑦
= ( 18 )(1 + 2)
3𝑥
= 18
𝑥
Jadi, 𝑃1 (𝑥) = 6 ; 𝑥 = 1,2,3

Fungsi peluang bersyarat dari Y diberikan X = x adalah :


𝑥
′ (𝑦|𝑥) 18 𝑦
𝑝 = 𝑥 = ; 𝑦 = 1,2
3
6
Maka :
2
𝑦
𝐸(2𝑌 2 |𝑥 = 1) = ∑ 2𝑦 2 .
3
𝑦=1

2
= (3) (1 + 8)

24
𝐸(2𝑌 2 |𝑥 = 1) = 6

Definisi (Ekspektasi Bersyarat Kontinu)


Jika X dan Y adalah dua peubah acak kontinu, g(x | y) adalah nilai
fungsi densitas bersyarat dari X diberikan Y = y di x, dan h(y | x) adalah
nilai fungsi densitas bersyarat dari Y diberikan X = x di y, maka ekspektasi
bersyarat dari u(X) diberikan Y = y dirumuskan sebagai berikut:

𝐸[𝑢(𝑋)|𝑦] = ∫−∞ 𝑢(𝑥). 𝑔(𝑥|𝑦)𝑑𝑥
dan ekspektasi bersyarat dari v(Y) diberikan X = x dirumuskan sebagai
berikut:

𝐸[𝑣(𝑌)|𝑥] = ∫−∞ 𝑣(𝑦). ℎ(𝑦|𝑥)𝑑𝑥

Contoh 15 :
Misalnya fungsi densitas gabungan dari X dan Y berbentuk :
3
𝑓(𝑥, 𝑦) = ( ) 𝑥𝑦 2 ; 0 < 𝑥 < 2 𝑑𝑎𝑛 1 < 𝑦 < 2
14
Hitung :
a. 𝐸(3𝑋|𝑦 = 1)
b. 𝐸(2𝑌 2 |𝑥 = 1)
Penyelesaian :
a. Berdasarkan definisi ekspektasi bersyarat kontinu, maka :

𝐸(3𝑋|𝑦) = ∫ 3𝑥. 𝑔(𝑥|𝑦)𝑑𝑥


−∞

Fungsi densitas marginal dari Y adalah :


𝑓2 (𝑦) = ∫ 𝑓(𝑥, 𝑦)𝑑𝑥


−∞
0 2 ∞
= ∫−∞ 𝑓(𝑥, 𝑦)𝑑𝑥 + ∫0 𝑓(𝑥, 𝑦)𝑑𝑥 + ∫2 𝑓(𝑥, 𝑦)𝑑𝑥
0 2 3 ∞
= ∫−∞ 0 𝑑𝑥 + ∫0 𝑥𝑦 2 𝑑𝑥 + ∫2 0 𝑑𝑥
14

3
= 0 + (28 𝑥 2 𝑦 2 )+0

25
3
= (7) 𝑦 2

Jadi,
3
𝑓2 (𝑦) = ( ) 𝑦 2 ; 1 < 𝑦 < 2
7
=0 ; y lainnya
Fungsi densitas bersyarat dari X diberikan Y = y adalah :
3
𝑥𝑦 2 1
𝑔(𝑥|𝑦) = 14 = 𝑥
3 2 2
𝑦
7
1
Jadi, 𝑔(𝑥|𝑦) = 2 𝑥 ; 0< x <2

= 0 ; x lainnya
Maka :
0 2 ∞

𝐸(3𝑋|𝑦) = ∫ 3𝑥. 𝑔(𝑥|𝑦)𝑑𝑥 + ∫ 3𝑥. 𝑔(𝑥|𝑦)𝑑𝑥 + ∫ 3𝑥. 𝑔(𝑥|𝑦)𝑑𝑥


−∞ 0 2
0 2 ∞
1
= ∫(3𝑥). (0) 𝑑𝑥 + ∫(3𝑥). ( ) 𝑥𝑑𝑥 + ∫ (3𝑥). (0)𝑑𝑥
2
−∞ 0 2

1
= 0 + (2 𝑥 3 )+0

𝐸(3𝑋|𝑦) = 4
Sehingga : 𝐸(3𝑋|𝑦) = 1) = 4
b. Berdasarkan definisi ekspektasi bersyarat kontinu, maka :

2 |𝑥)
𝐸(2𝑌 = ∫ 2𝑦 2 . ℎ(𝑦|𝑥)𝑑𝑦
−∞

Fungsi densitas marginal dari X adalah :


𝑓1 (𝑥) = ∫ 𝑓(𝑥, 𝑦)𝑑𝑦


−∞
0 2 ∞
= ∫−∞ 𝑓(𝑥, 𝑦)𝑑𝑦 + ∫1 𝑓(𝑥, 𝑦)𝑑𝑦 + ∫2 𝑓(𝑥, 𝑦)𝑑𝑦
0 2 3 ∞
= ∫−∞ 0 𝑑𝑦 + ∫1 𝑥𝑦 2 𝑑𝑦 + ∫2 0 𝑑𝑦
14

26
1
= 0+( 𝑥𝑦 3 ) + 0
14

1
= 𝑥
2
1
Jadi : 𝑓1 (𝑥) = 2 𝑥 ; 0 < 𝑥 < 2

= 0 ; x lainnya
Fungsi densitas bersyarat dari Y diberikan X = x adalah :
3
𝑥𝑦 2 3
ℎ(𝑦|𝑥) = 14 = 𝑦2
1 7
2𝑥
3
Jadi : ℎ(𝑦|𝑥) = (7) 𝑦 2 ; 1 < 𝑦 < 2

=0 ; y lainnya.
Maka :
1 2 ∞
𝐸(2𝑌 2 |𝑥) = ∫−∞ 2𝑦 2 . ℎ(𝑦|𝑥)𝑑𝑦 + ∫1 2𝑦 2 . ℎ(𝑦|𝑥)𝑑𝑦 +∫2 2𝑦 2 . ℎ(𝑦|𝑥) 𝑑𝑦
1 2 3 ∞
= ∫−∞(2𝑦 2 ). (0)𝑑𝑦 + ∫1 (2𝑦 2 ). (7) 𝑦 2 𝑑𝑦 +∫2 (2𝑦 2 ). (0) 𝑑𝑦

6
= 0 + 35 𝑦 5 +0
186
𝐸(2𝑌 2 |𝑥) = 35
186
Sehingga : (2𝑌 2 |𝑥 = 1) = 35

3. Rataan Bersyarat
Berikut ini akan dijelaskan definisi rataan bersyarat dari sebuah peubah acak
diskrit diberikan peubah acak diskrit lainnya, baik rataan bersyarat dari X diberikan
Y = y maupun rataan bersyarat dari Y diberikan X = x

Definisi (Rataan Bersyarat Diskrit)


Jika X dan Y adalah dua peubah acak diskrit, p’(x | y) adalah nilai fungsi
peluang bersyarat dari X diberikan Y = y di x, dan p’’(y | x) adalah nilai fungsi
peluang bersyarat dari Y diberikan X = x di y, maka ekspektasi bersyarat dari X
diberikan Y = y dirumuskan sebagai berikut:

27
𝐸(𝑋|𝑦) = ∑𝑥 𝑥. 𝑝′(𝑥|𝑦)

dan ekspektasi bersyarat dariY diberikan X = x dirumuskan sebagai berikut:

𝐸(𝑌|𝑥) = ∑𝑦 𝑦. 𝑝′′(𝑦|𝑥)

Berikut ini akan dijelaskan rataan bersyarat dari sebuah peubah acak
kontinu diberikan peubah acak kontinu lainnya, baik rataan bersyarat dari X
diberikan Y = y maupun rataan bersyarat dari Y diberikan X = x.

Contoh 16 :
Misalnya fungsi peluang gabungan dari X dan Y berbentuk :
1
𝑝(𝑥, 𝑦) = ( ) (𝑥 + 2𝑦); 𝑥 = 0,1,2,3 𝑑𝑎𝑛 𝑦 = 0,1,2,3
72
Hitung :
a. E (𝑋|𝑦 = 1)
b. E (𝑌|𝑥 = 2)
Penyelesaian :
a. Berdasarkan definisi rataan bersyarat diskrit, maka :
E (𝑋|𝑦) = ∑𝑥 𝑥. 𝑝(𝑥|𝑦)
Kita akan menentukan dahulu fungsi peluang bersyarat 𝑝(𝑥|𝑦).
Sebelumnya kita akan menentukan fungsi peluang marginal dari Y.
Berdasarkan definisi fungsi peluang marginal diskrit, maka :

𝑝2 (𝑦) = ∑ 𝑝(𝑥, 𝑦)
𝑥
1
= ∑3𝑥=0 72 (𝑥 + 2𝑦)
1
= (72) [2𝑦 + (1 + 2𝑦) + (2 + 2𝑦) + (3 + 2𝑦)]
1
= (72)(6 + 8𝑦)
1
Jadi, 𝑝2 (𝑦) = (72) (6 + 8𝑦); 𝑦 = 0,1,2,3

Berdasarkan definisi fungsi peluang bersyarat, maka :


𝑝(𝑥, 𝑦)
𝑝′ (𝑥|𝑦) =
𝑝2 (𝑦)

28
1
(𝑥+2𝑦)
72
= 1
(6𝑥+8𝑦)
72

=
𝑥+2𝑦
𝑝′ (𝑥|𝑦) = 6𝑥+8𝑥; x = 0,1,2,3 dan y = 0,1,2,3
𝑥+2𝑦
Sehingga ∑3𝑥=0 6𝑥+8𝑥
1
= 6+8𝑦 [(0)(2𝑦) + (1)(1 + 2𝑦) + (2)(2 + 2𝑦) + (3)(3 + 2𝑦)]
14+12𝑦
= 6+8𝑦

7+6𝑦
E (𝑋|𝑦)= 3+4𝑦

Sehingga :
13
E (𝑋|𝑦 − 1) = 7

b. Berdasarkan definisi rataan bersyarat diskrit, maka :

𝐸(𝑌|𝑥) = ∑ 𝑦. 𝑝′′(𝑦|𝑥)
𝑦

Kita akan menentukan dahulu fungsi peluang bersyarat 𝑝′′(𝑦|𝑥), namun


sebelumnya kita akan menentukan fungsi peluang marginal dari X.
Berdasarkan definisi fungsi peluang marginal diskrit, maka :

𝑝1 (𝑥) = ∑ 𝑝(𝑥, 𝑦)
𝑦

1
= ∑3𝑥=0 72 (𝑥 + 2𝑦)
1
= (72) [𝑥 + (𝑥 + 2) + (𝑥 + 4) + (𝑥 + 6)]
1
= (72)(4𝑥 + 12)
1
Jadi, 𝑝1 (𝑥) = (72) (4𝑥 + 12); 𝑥 = 0,1,2,3

Berdasarkan definisi fungsi peluang bersyarat, maka :


𝑝(𝑥, 𝑦)
𝑝′ ′(𝑦|𝑥) =
𝑝1 (𝑥)
1
(𝑥+2𝑦)
72
= 1
(4𝑥+12)
72

29
𝑥+2𝑦
𝑝′ ′(𝑦|𝑥) = 4𝑥+12; x = 0,1,2,3 dan y = 0,1,2,3

Sehingga
𝑥+2𝑦
E (𝑌|𝑥)= ∑3𝑦=0(𝑦)(4𝑥+12)
1
= 4𝑥+12 [(0)(𝑥) + (1)(𝑥 + 2) + (2)(𝑥 + 4) + (3)(𝑥 + 6)]
6𝑥+28
= 4𝑥+12
3𝑥+14
E (𝑌|𝑥)= 2𝑥+6

Sehingga :
E (𝑌|𝑥 − 2) = 2

Definisi (Rataan Bersyarat Kontinu)


Jika X dan Y adalah dua peubah acak kontinu, g(x | y) adalah nilai fungsi
densitas bersyarat dari X diberikan Y = y di x, dan h(y | x) adalah nilai fungsi
densitas bersyarat dari Y diberikan X = x di y, maka rataan bersyarat dari X
diberikan Y = y dirumuskan sebagai berikut:

𝐸(𝑋|𝑦) = ∫−∞ 𝑥. 𝑔(𝑥|𝑦)𝑑𝑥

dan rataan bersyarat dari Y diberikan X = x dirumuskan sebagai berikut:



𝐸(𝑌|𝑥) = ∫−∞ 𝑦. ℎ(𝑦|𝑥)𝑑𝑦

Contoh 17 :
Misalnya fungsi densitas gabungan dari X dan Y berbentuk :
𝑓(𝑥, 𝑦) = 𝑒 𝑥 ; 0 < 𝑥 < 𝑦 < ∞
= 0 ; x,y lainnya
Tentukan E(X|y).
Penyelesaian :
Kita akan menggambarkan dahulu daerah yang memenuhi 0 < 𝑥 < 𝑦 < ∞

30
y

0 x

Dalam penghitungan integralnya, batas-batas integral yang digunakan didasarkan


pada daerah A.
Berdasarkan definisi rataan bersyarat kontinu, maka :

𝐸(𝑋|𝑦) = ∫ 𝑥. 𝑔(𝑥|𝑦)𝑑𝑥
−∞

Kita akan menentukan dahulu fungsi densitas bersyarat 𝑔(𝑥|𝑦).


Sebelumnya kita akan menentukan fungsi densitas marginal kontinu, maka :

𝑓2 (𝑦) = ∫ 𝑓(𝑥, 𝑦)𝑑𝑥


−∞
0 𝑦 ∞
= ∫−∞ 𝑓(𝑥, 𝑦)𝑑𝑥 + ∫0 𝑓(𝑥, 𝑦)𝑑𝑥 + ∫𝑦 𝑓(𝑥, 𝑦)𝑑𝑥
0 𝑦 ∞
= ∫−∞ 0 𝑑𝑥 + ∫0 𝑓𝑒 −𝑦 𝑑𝑥 + ∫𝑦 𝑓0 𝑑𝑥

= 0 + (𝑥. 𝑒 −𝑦 )+0

= y . 𝑒 −𝑦
Jadi, 𝑓2 (𝑦) = y . 𝑒 −𝑦 ; y > 0
=0 ; y lainnya
Fungsi densitas bersyarat dari X diberikan Y = y adalah :
𝑒 −𝑦 1
𝑔(𝑥|𝑦) = 𝑦.𝑒 −𝑦 = 𝑦

1
Jadi, g(𝑥|𝑦) = 𝑦 ; 0 < 𝑥 < 𝑦 < ∞

31
= 0 ; x,y lainnya
0 𝑦 ∞
Maka : E(X|y) = ∫−∞ 𝑥. 𝑔(𝑥|𝑦)𝑑𝑥 + ∫0 𝑥. 𝑔(𝑥|𝑦)𝑑𝑥 + ∫𝑦 𝑥. 𝑔(𝑥|𝑦)𝑑𝑥
0 𝑦 1 ∞
= ∫−∞ 𝑥. 0 𝑑𝑥 + ∫0 𝑥. 𝑦 𝑑𝑥 + ∫𝑦 𝑥. 0 𝑑𝑥

1 1
= 0 + 𝑦 (2 𝑥 2 )+ 0

𝑦
E(X|y) = 2 ; 𝑦 > 0

Jika kita akan menghitung 𝐸(𝑋|𝑦 = 2), maka 𝐸(𝑋|𝑦 = 2) = 1

Dalil 10: Ekspektasi Rataan Bersyarat

1. E[E(X | y)] = E(X)


2. E[E(Y | x)] = E(Y)

Dalil 11:

Jika dua peubah acak X dan Y saling bebas, maka:


1. E(X | y) = E(X)
2. E(Y | x) = E(Y)

4. Perkalian Dua Momen


Misalnya kita mempunyai dua peubah acak, baik diskrit maupun kontinu.
Kemudian kita bisa menghitung momen dari masing-masing peubah acak, baik
momen sekitar pusat maupun momen sekitar rataan. Selain itu, kita sebenarnya bisa
juga menentukan perkalian dua momen, yaitu perkalian dua momen sekitar pusat
dan perkalian dua momen sekitar rataan.
Penentuan perkalian dua momen sekitar pusat dan sekitar rataan dari peubah
acak diskrit ditentukan berdasarkan definisi berikut.
Definisi (Perkalian Dua Momen Diskrit)
Jika X dan Y adalah dua peubah acak diskrit, p(x,y) adalah nilai fungsi peluang
gabungan dari X dan Y di (x,y),𝜇x adalah rataan dari X, dan 𝜇y adalah rataan dari Y,
maka perkalian momen sekitar pusat ke-r dan ke-s dari X dan Y (dinotasikan dengan
𝜇’r,s) dirumuskan sebagai berikut:

𝜇 ′ 𝑟,𝑠 = 𝐸(𝑋 𝑟 𝑌 𝑠 ) = ∑ ∑ 𝑥 𝑟 𝑦 𝑠 . 𝑝(𝑥, 𝑦)


𝑥 𝑦

32
dan perkalian momen sekitar rataan ke-r dan ke-s dari X dan Y (dinotasikan dengan
𝜇r,s) dirumuskan sebagai berikut:
𝑠
𝜇r,s = E[(X - 𝜇x)𝑟 (Y - 𝜇𝑦 )𝑠 ]= ∑𝑥 ∑𝑦(𝑥 − 𝜇𝑥 )𝑟 (𝑦 − 𝜇𝑦 ) . 𝑝(𝑥, 𝑦)
dengan r = 0, 1, 2, 3, … dan s = 0, 1, 2, 3, ….

Definisi (Perkalian Dua Momen Kontinu)


Jika X dan Y adalah dua peubah acak kontinu, f(x,y) adalah nilai fungsi
densitas gabungan dari X dan Y di (x,y), 𝜇x adalah rataan dari X, dan 𝜇y adalah
rataan dari Y, maka perkalian momen sekitar pusat ke-r dan ke-s dari X dan Y
(dinotasikan dengan 𝜇’r,s) dirumuskan sebagai berikut:

5. Kovarians
Berikut ini akan dijelaskan sebuah ukuran yang merupakan hal khusus dari
perkalian dua momen, yaitu kovarians.
Definisi (Kovarians)

Jika X dan Y dua peubah acak bebas dengan rataan  x dan  y , maka
kovarians peubah acak X dan Y didefinisikan sebagai  XY
2
 E[( X   x )(Y   y )]

a. untuk kasus X dan Y diskret

  E [(X   )(Y   )]
XY X Y
  (x   X )(y   Y ) f(x,y)
x y

33
b. untuk kasus X dan Y kontinu

  E [(X   )(Y   )]
XY X Y
 

  (x   X )(y   Y )f(x,y)dxdy
 

Teorema (Kovarians)

Jika X dan Y dua peubah acak bebas dengan rataan  x dan  y , maka
kovarians peubah acak X dan Y dapat ditentukan dengan :
 xy2  E( XY )  E( X ) E(Y )

Bukti :
a. untuk kasus X dan Y diskrit

   (x   x )(y   y ) f(x,y)
XY
x y
  (xy   y   x   x y ) f(x,y)
X Y
x y

  xyf(x,y)    X yf(x,y)    Y xf(x,y)


x y x y x y
  x y  f(x,y)
x y

 x   xf(x,y);  y   y f(x,y); dan  f(x,y)  1


Karena : x y x y x y

Maka diperoleh :

  E(XY)   x y   x y   x y  E(XY)   x y
XY

b. Untuk kasus X dan Y kontinu


(seperti a) dengan mengganti tanda dengan integral)

34
 

XY

  (x  x )(y  y )f(x,y)dxdy
 
 

  (xy   X y   Y x  xy )f(x,y)dxdy
 
   

XY

  xyf(x,y)dxdy     X y f(x,y)dxdy
   
   

   Y xf(x,y)dxdy  xy   f(x,y)dxdy
   
   
karena :  x 
  xf(x,y)dxdy; y 
  yf(x,y)dxdy;
   
 
dan
  f(x,y)dxdy  1
 

Maka diperoleh   E(XY)   x y   x y   x y


XY
 E(XY)   x y

Contoh 18:
Dimas mengambil 2 buah pensil secara acak dari sebuah kotak yang berisi
tiga pensil warna biru, dua warna merah dan tiga warna kuning. Jika X
menyatakan pensil warna biru dan Y warna yang diambil, hitunglah kovariansi
dua peubah tersebut!
Penyelesaian:
Distribusi peluang gabungannya sebagai berikut:
X 0 1 2
Y
0 3 9 3
28 28 28

1 6 6
28 28

35
1
2 28
2 2
EXY    xyf ( x, y) 
3
Sehingga (lihat nilai harapan peubah acak
x  0 y 0 14
gabungan X dan Y)
2 2 2
 x  EX    xf ( x, y )   xg( x)  (0)(
10 15 3 3
)  (1)( )  (2)( ) 
x 0 x 0 x 0 28 28 2 4
2 2 2
 y  EY     yf ( x, y )   yh( y )  (0)(
15 12 1 1
)  (1)( )  (2)( ) 
x 0 y 0 x 0 28 28 28 2

3 3 1 9
Jadi  xy  E ( XY )   x  y   ( )( )  
14 4 2 56
Contoh 19:
Tentukan kovariansi peubah acak X dan Y yang fungsi padat peluang
gabungannya dinyatakan sebagai

4 0  x  y;0  y  1
f ( x, y)  
0 x lainnya

Penyelesaian :
1y 1y
1 1
 x  E ( X )    4 ydxdy  dan E ( XY )    4 xydxdy 
00 4 00 2
1 2 4 10
sehingga  xy  E ( Xy)  x  y  ( )( ) 
2 3 3 9
Dalil 12 (Perumusan Kovarians Umum)

36
6. Varians Bersyarat
Definisi (Varians Bersyarat Umum)
Jika X dan Y adalah dua peubah acak, baik diskrit maupun kontinu, maka
varians bersyarat dari X diberikan Y = y didefinisikan sebagai:
Var(X | y) = E[{X - E(X | y)}2 y]
atau
Var(X | y) = E(𝑋 2 | y) - [E(X | y) ]2
dan varians bersyarat dari Y diberikan X = x didefinisikan sebagai:
Var(Y | x) = E[{Y - E(Y | x) }2 x]
atau
Var(Y | x) = E(𝑌 2 | x) - [E(Y | x) ]2

Penentuan varians bersyarat dari sebuah peubah acak diskrit diberikan


peubah acak diskrit lainnya, baik varians bersyarat dari X diberikan Y = y
maupun varians bersyarat dari Y diberikan X = x dijelaskan dalam definis di
bawah ini :
Definisi (Varians Bersyarat Diskrit)
Jika X dan Y adalah dua peubah acak diskrit, p’(x | y) adalah nilai fungsi peluang
bersyarat dari X diberikan Y = y di x, dan p’’(y | x) adalah nilai fungsi peluang bersyarat
dari Y diberikan X = x di y, maka varians bersyarat dari X diberikan Y = y dirumuskan
sebagai berikut:
Var(X | y) = ∑𝑥[( 𝑥 − 𝐸(X | y) ]2 . 𝑝′(𝑥|𝑦)

Dan varians bersyarat dari Y diberikan X = x dirumuskan sebagai :


Var(Y | x) = ∑𝑦[( 𝑦 − 𝐸(Y | x) ]2 . 𝑝′′(𝑦|𝑥)

Definisi (Varians Bersyarat Kontinu)

Jika X dan Y adalah dua peubah acak kontinu, g(x | y) adalah nilai fungsi
densitas bersyarat dari X diberikan Y = y di x, dan h(y | x) adalah nilai fungsi
densitas bersyarat dari Y diberikan X = x di y, maka varians bersyarat dari X
diberikan Y = y dirumuskan sebagai berikut:

Var(X | y) = ∫−∞[𝑥 − 𝐸(𝑋 | 𝑦 )]2 . 𝑔(𝑥|𝑦)𝑑𝑥
dan varians bersyarat dari Y diberikan X = x dirumuskan
sebagai berikut:

Var(Y | x) =∫−∞[𝑦 − 𝐸(𝑌 | 𝑥 )]2 . ℎ(𝑦|𝑥)𝑑𝑦

37
7. Fungsi Pembangkit Momen

Fungsi pembangkit momen gabungan dapat didefinisikan sebagai fungsi


pembangkit momen yang diperoleh berdasarkan fungsi peluang gabungan
atau fungsi densitas gabungan dari dua peubah acak. Dalam hal ini, fungsi
pembangkit momen gabungan dapat digunakan untuk memperoleh momen-
momen, baik untuk satu peubah acak maupun dua peubah acak.
Fungsi pembangkit momen gabungan dari dua peubah acak diskrit
dijelaskan dalam definisi di bawah ini

Definisi (Gabungan Umum)

Jika X dan y adalah dua peubah acak, baik diskrit maupun kontinu, maka fungsi
pembangkit momen gabungan dari X dan Y (dinotasikan dengan M(t 1,t2))
didefinisikan sebagai:
M(t1,t2) = E[exp(t1X + t2Y)]
untuk -h1 < t1 < h1 , -h2 < t2 < h2 , h1 > 0 , h2 > 0.

Di bawah ini merupakan definisi dari fungsi pembangkit momen gabungan


dari dua peubah acak diskrit

Definisi (Fungsi pembangkit Momen Gabungan Diskrit)

Jika X dan Y adalah peubah acak diskrit dengan p(x,y) adalah nilai fungsi
peluang gabungan dari X dan Y di (x,y), maka fungsi pembangkit momen
gabungan dari X dan Y didefinisikan sebagai:
𝑀(𝑡1 , 𝑡2 ) = ∑𝑥 ∑𝑦 𝑒 𝑡1𝑥+𝑡2𝑦 . 𝑝(𝑥, 𝑦)

Selanjutnya definisi dari fungsi pembangkit momen gabungan dari dua


peubah acak kontinu.

Definisi (Fungsi Pembangkit Momen Gabungan Kontinu)

Jika X dan Y adalah peubah acak kontinu dengan f(x,y) adalah nilai fungsi
densitas gabungan dari X dan Y di (x,y), maka fungsi pembangkit momen
gabungan dari X dan Y didefinisikan sebagai:
∞ ∞
𝑀(𝑡1 , 𝑡2 ) = ∫−∞ ∫−∞ 𝑒 𝑡1𝑥+𝑡2 𝑦 . 𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦

Berdasarkan fungsi pembangkit momen gabungan dari X dan Y, kita dapat


menentukan fungsi pembangkit momen masing-masing dari X dan Y yang dinamakan
fungsi pembangkit momen marginal dari X dan fungsi pembangkit momen marginal
dari Y.

38
Fungsi pembangkit momen marginal dari X diperoleh dari fungsi pembangkit
momen gabungan dengan mensubstitusikan t2 = 0, sehingga:
M(t1,0) = M(t1) = E[exp(t1X)]

8. Koefisien Korelasi

Penentuan derajat hubungan linier antara dua buah peubah acak digunakan
koefisien korelasi.
Rumus yang digunakan untuk menentukan derajat hubungan linier tersebut
bisa dilihat dalam definisi berikut.

Definisi (Koefisien Korelasi)


Jika X dan Y adalah dua peubah acak, baik diskrit maupun kontinu, maka
koefisien korelasi (dinotasikan dengan ρ ) didefinisikan sebagai:
𝐸(𝑋𝑌)−𝐸(𝑋).𝐸(𝑌)
𝜌=
√{{𝐸(𝑋 2 )−[𝐸(𝑋)]2 {𝐸(𝑌 2 )−(𝐸(𝑌)]2 }}

Selain itu, penghitungan koefisien korelasi 𝜌 dapat juga dilakukan


berdasarkan fungsi pembangkit momen gabungan dari X dan Y. Rumus yang
digunakannya sama seperti di atas, dengan mengganti:

9. Akibat Kebebasan Stokastik


Sudah dijelaskan sebelumnya bahwa dua peubah acak dikatakan saling bebas,
jika distribusi gabungannya sama dengan perkalian dari distribusi marginal masing-
masing peubah acaknya.
Beberapa akibat kebebasan stokastik dari dua peubah acak bisa dilihat
dalam dalil-dalil berikut ini.

Dalil 12 (Akibat Pertama Kebebasan Stokastik)

Jika X dan Y adalah dua peubah acak yang saling bebas, maka:
E(XY) = E(X).E(Y)

39
Dalil 13 (Akibat Kedua Kebebasan Stokastik)

Jika X dan Y adalah dua peubah acak yang saling bebas, maka:
E[(u(X).v(Y)] = E[u(X)].E[v(Y)]

Dalil 14 (Akibat Ketiga Kebebasan Stokastik)

Jika X dan Y adalah dua peubah acak yang saling bebas, maka:
M(𝑡1 , 𝑡2 ) = MX(𝑡1 ).MY(𝑡2 )
Dalil 15 (Akibat Keempat Kebebasan Stokastik)
Jika X dan Y adalah dua peubah acak yang saling bebas, maka:
Kov(X,Y) = 0
Dalil 16 (Akibat Kelima Kebebasan Stokastik)
Jika X dan Y adalah dua peubah acak yang saling bebas, maka:
ρ=0

Dalam hal ini, hubungan antara kebebasan stokastik dua peubah acak dan
koefisien korelasinya ρ = 0 sebagai berikut:
1. Jika X dan Y adalah dua peubah acak yang saling bebas, maka ρ = 0.

2. Jika ρ = 0, maka X dan Y adalah dua peubah acak yang belum tentu saling bebas.

Dalil 17 (Akibat Keenam Kebebasan Stokastik)


Jika X dan Y adalah dua peubah acak yang saling bebas, maka:
𝜇’r,s = 𝜇’r . 𝜇’s

40
BAB III
PENUTUP

A. Kesimpulan
Ekspektasi matematika adalah satu konsep penting dalam teori dasar
statistika. Ekspektasi Matematika (Harapan matematis) ini menentukan
tendensi sentral dari distribusi probabilitas. Jika X adalah sembarang
peubah acak, maka ekspektasi matematika dari peubah acak X biasanya
dinotasikan dengan E(X) atau µ.
Ekspektasi matematika terbagi dalam 2 bagian yaitu ekspektasi satu
peubah acak dan ekspektasi dua peubah acak. Dalam ekspektasi satu peubah
acak dibahas mengenai nilai ekspektasi, rataan, varians, momen, fungsi
pembangkit momen, dan pertidaksamaan Chebyshev. Sedangkan dalam
ekspektasi dua peubah acak membahas mengenai nilai ekspektasi gabungan,
ekspektasi bersyarat, rataan bersyarat, perkalian dua momen, kovarians,
varians bersyarat, fungsi pembangkit momen gabungan, koefisien
stokastik, dan akibat kebebasan stokastik.

B. Saran
Ekspektasi matematika adalah satu konsep penting dalam teori dasar
statistika. Oleh karena itu sebagai mahasiswa penting bagi kita untuk
mempelajari contoh-contoh yang berkaitan dengan ekspektasi matematika
baik satu maupun dua peubah acak serta mengembangkannya dalam
kehidupan sehari-hari.
Dalam menyusun makalah ini, penulis menyadari sepenuhnya
bahwa isi makalah ini belumlah sempurna dan masih kurang baik mengenai
materi maupun cara penulisannya. Oleh karena itu, penulis sangat
mengharapkan kritik dan saran yang sifatnya membangun dari pihak lain
yang dapat menyempurnakan makalah ini.

41
Daftar Pustaka

N. Herrhyanto dan T.Gantini, Pengantar Statistika


Matematik, Bandung, Yrama Widya, 2009.

http://chandra-novtiar.dosen.stkipsiliwangi.ac.id/files/2017/04/Pertemuan_5.pdf
http://chandra-novtiar.dosen.stkipsiliwangi.ac.id/files/2017/04/Pertemuan_6.pdf
http://file.upi.edu/Direktori/FPMIPA/JUR._PEND._MATEMATIKA/1961061819
87031NAR_HERRHYANTO/FILE_12_PERTEMUAN_KESEMBILAN_STAT
MAT_1.pdf
http://file.upi.edu/Direktori/FPMIPA/JUR._PEND._MATEMATIKA/1961061819
87031NAR_HERRHYANTO/FILE_11_PERTEMUAN_KETUJUH_STATMAT
_1.pdf

42