Lanjutan

DEFINISI 1.8
Peluang suatu kejadian A adalah jumlah bobot semua titik sampel yang termasuk A, jadi 0 ≤ P(A) ≤ 1,
P(Ø) = 0, dan P(T) = 1.
CONTOH
Suatu dadu diberati sedemikian rupa sehingga kemungkinan muncul suatu angka genap dua kali lebih
besar daripada kemungkinan muncul suatu angka ganjil. Bila K menyatakan kejadian munculnya suatu
angka yg lebih kecil dari 4 dalam satu lantunan, hitunglah P(K).
Penyelesaian
Ruang sampel T = { 1, 2, 3, 4, 5, 6}. Misalkan bobot tiap angka ganjil b maka bobot tiap angka genap
adalah 2b. Karena jumlah semua bobot 1 maka 3b + 3(2b) = 1 atau 9b =1 atau b = 1/9. Jadi tiap angka
ganjil berbobot 1/9 sedangkan tiap angka genap berbobot 2/9.
Jadi K = {1, 2, 3} dan P(K) = 1/9 + 2/9 + 1/9 = 4/9
TEOREMA 1.9
Bila suatu percobaan dapat menghasilkan N macam hasil yg berkemungkinan sama, dan bila tepat
sebanyak n dari hasil berkaitan dengan kejadian A, maka peluang kejadian A adalah
𝑛
𝑃(𝐴) = 𝑁

CONTOH
Dalam tangan pemain poker terdapat 5 kartu, hitunglah peluangnya mendapat 2 as dan 3 jack.
Penyelesaian
4 4!
Banyaknya cara mendapat 2 dari 4 as adalah : ( ) = =6
2 2!2!

4 4!
Dan banyaknya cara mendapat 3 dari 4 jack adalah : ( ) = 3!1! = 4
3
Menurut aturan perkalian terdapat n = (6) (4) = 24 cara memegang kartu 2 as dan 3 jack yg dapat terjadi.
Banyaknya memegang kartu poker, masing-masing berisi 5 kartu dari 52, semuanya berkemungkinan
sama, adalah
52 52!
𝑁= ( ) = 5!47! = 2.598.960
5
Jadi peluang kejadian C mendapatkan 2 as dan 3 jack dalam tangan kartu poker berisi 5 adalah
24
P(C) = 2.598.960 = 0,9 x 10-5

TEOREMA 1.10
Bila A dan B dua kejadian sembarang, maka 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)
 Gambar. Aturan penjumlahan peluang
Akibat 1
Bila A dan B kejadian yang terpisah, maka 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵)
Akibat 2
Bila A1, A2, … , An saling terpisah, maka 𝑃(𝐴1 ∪ 𝐴2 ∪ … ∪ 𝐴𝑛 ) = 𝑃(𝐴1 ) + 𝑃(𝐴2 ) + ⋯ + 𝑃(𝐴𝑛 )
Akibat 3
Bila A1, A2, … , An merupakan suatu sekatan ruang sampel T, maka
𝑃(𝐴1 ∪ 𝐴2 ∪ … ∪ 𝐴𝑛 ) = 𝑃(𝐴1 ) + 𝑃(𝐴2 ) + ⋯ + 𝑃(𝐴𝑛 ) = P(T) = 1
TEOREMA 1.11
Untuk tiga kejadian A, B, dan C
𝑃(𝐴 ∪ 𝐵 ∪ 𝐶) = 𝑃(𝐴) + 𝑃(𝐵) + 𝑃(𝐶) − 𝑃(𝐴 ∩ 𝐵) − 𝑃(𝐴 ∩ 𝐶) − 𝑃(𝐵 ∩ 𝐶) + 𝑃(𝐴 ∩ 𝐵 ∩ 𝐶)
CONTOH 1
Peluang seorang mahasiswa lulus matematika 2/3 dan peluangnya lulus biologi 4/9. Bila peluangnya
lulus kedua mata kuliah 1/4 , berapakah peluangnya lulus paling sedikit satu mata kuliah ?
Penyelesaian
Bila M menyatakan kejadian lulus matematika dan B lulus bologi maka menurut Teorema 1.10 adalah
𝑃(𝑀 ∪ 𝐵) = 𝑃(𝑀) + 𝑃(𝐵) − 𝑃(𝑀 ∩ 𝐵)
2 4 1 31
=3+9−4 = 36

CONTOH 2
Berapakah peluangnya mendapatkan jumlah 7 atau 11 bila dua dadu dilantunkan ?
Penyelesaian
Misalkan A kejadian jumlah 7 muncul dan B jumlah 11 yg muncul. Jumlah 7 yg muncul = {(1,6), (2,5),
(3,4), (4,3), (5,2), (6,1) } dan jumlah 11 yg muncul = { (5,6), (6,5) } dalam 36 titik sampel. Maka P(A) =
6/36 = 1/6 dan P(B) = 2/36 = 1/18.
Kejadian A dan B saling terpisah karena jumlah 7 dan 11 tak dapat terjadi pada lantunan yg sama,
sehingga
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵)
1 1 2
= 6 + 18 = 9

CONTOH 3 Bila peluang seorang yg membeli mobil akan memilih warna hijau, putih, merah, atau biru,
masing-masing, 0.09, 0.15, 0.21, dan 0.23, berapa peluang seorang akan membeli mobil baru berwarna
seperti salah satu dari warna tersebut tadi ?
Penyelesaian
Misal A, B, C, dan D kejadian bahwa seorang pembeli memilih, masing-masing mobil berwarna hijau,
putih, merah, dan biru. Karena keempat kejadian ini saling terpisah maka peluangnya sebesar
𝑃(𝐴 ∪ 𝐵 ∪ 𝐶 ∪ 𝐷) = 𝑃(𝐴) + 𝑃(𝐵) + 𝑃(𝐶) + 𝑃(𝐷)
= 0.09 + 0.15 + 0.21 + 0.23 = 0.68
TEOREMA 1.12
Bila A dan 𝐴′ kejadian yang berkomplementer, maka P(A) + P(𝐴′) = 1
CONTOH
Bila peluang seorang montir mobil akan memperbaiki 3, 4, 5, 6, 7 atau 8 lebih mobil pada setiap hari
kerja, masing-masing 0.12, 0.19, 0.28, 0.24, 0.10, dan 0.07, berapakah peluang bahwa dia akan
memperbaiki paling sedikit 5 mobil pada hari kerja berikutnya ?
Penyelesaian Misalkan E kejadian bahwa paling sedikit 5 mobil yang diperbaiki.
𝑃(𝐸) = 1 − 𝑃(𝐸 ′ ), bila 𝐸′ kejadian bahwa kurang dari 5 mobil yg diperbaiki.
Karena 𝑃(𝐸 ′ ) = 0.12 + 0.19 = 0.31 ,maka P(E) = 1 – 0.31 = 0.69
DEFINISI 1.9
Peluang bersyarat B bila A diketahui, dinyatakan dengan P(B| A), ditentukan oleh
𝑃(𝐴∩𝐵)
𝑃(𝐵⁄𝐴) = bila P(A) > 0
𝑃(𝐴)

CONTOH
Peluang suatu penerbangan yg telah terjadwal teratur berangkat tepat waktu P(B) = 0.83 ; peluang
sampai tepat waktu P(S) = 0.82 dan peluang berangkat dan sampai tepat waktu 𝑃(𝐵 ∩ 𝑆) = 0.78. Cari
peluang bahwa pesawat a sampai tepat waktu bila diketahui berangkat tepat waktu, dan b berangkat
tepat waktu jika diketahui sampai tepat waktu.
Penyelesaian
a. Peluang pesawat sampai tepat waktu jika diketahui berangkat tepat waktu
𝑃(𝐵∩𝑆) 0.78
P(𝑆⁄𝐵 ) = = 0.83 = 0.94
𝑃(𝐵)
b. Peluang pesawat berangkat tepat waktu bila diketahui sampai tepat waktu
𝑃(𝐵∩𝑆) 0.78
𝑃(𝐵⁄𝑆 ) = = = 0.95
𝑃(𝑆) 0.82

DEFINISI 1.10
Dua kejadian A dan B bebas jika dan hanya jika
P(B|A) = P(B) dan P(A|B) = P(A)
Jika tidak demikian , A dan B tak bebas.
TEOREMA 1.13
Bila kejadian A dan B dapat terjadi pada suatu percobaan, maka
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴)𝑃(𝐵)
Jadi peluang A dan B terjadi serentak sama dengan peluang A terjadi dikalikan dengan peluang
terjadinya B bila A terjadi. Karena kejadian 𝐴 ∩ 𝐵 dan 𝐵 ∩ 𝐴 ekivalen, maka juga berlaku
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐵 ∩ 𝐴) = 𝑃(𝐵)𝑃(𝐴⁄𝐵 )
CONTOH 1
Misalkan punya kotak berisi 20 sekering, 5 diantaranya cacat. Bila 2 sekering dikeluarkan dari kotak
satu demi satu secara acak (tanpa mengembalikan yg pertama ke dalam kotak), berapakah peluang
kedua sekering itu cacat ?
Penyelesaian Misalkan A kejadian bahwa sekering pertama cacat dan B kejadian bahwa yg kedua cacat;
kemudian ditafsirkan 𝐴 ∩ 𝐵 sebagai kejadian bahwa A terjadi dan kemudian B terjadi setelah A terjadi.
Peluang mengeluarkan sekering cacat yg pertama adalah 1/4 dan kemudian peluang mengeluarkan
sekering kedua yg cacat dari sisa yg tinggal sebanyak 4 adalah 4/19. Jadi
P(𝐴 ∩ 𝐵) = (1/4) (4/19) = 1/19
CONTOH 2
Suatu kantong berisi 4 bola putih (W) dan 3 bola hitam (B), dan kantong kedua berisi 3 bola putih dan 5
bola hitam. Satu bola diambil dari kantong pertama dan dimasukkan tanpa melihatnya ke kantong kedua.
Berapa peluangnya sekarang mengambil bola hitam dari kantong kedua ?
Penyelesaian Misalkan B1, B2,dan W1 masing=masing menyatakan mengambil 1 bola hitam dari
kantong 1, 1 bola hitam dari kantong 2, dan 1 bola putih dari kantong 1. Gabungan dari kejadian terpisah
𝐵1 ∩ 𝐵2 dan 𝑊1 ∩ 𝐵2. Berbagai kemungkinan dan peluangnya digambarkan sebagai berikut

Gambar diagram pohon contoh 2

𝑃[(𝐵1 ∩ 𝐵2 ) atau (𝑊1 ∩ 𝐵2 )] = 𝑃(𝐵1 ∩ 𝐵2 ) + 𝑃(𝑊1 ∩ 𝐵2 )
= P(B1) P(B2|B1) + P(W1) P(B2|W1)
3 6 4 5 38
= (7) (9) + (7) (9) = 63

TEOREMA 1.14
Dua kejadian A dan B bebas jika dan hanya jika
P(𝐴 ∩ 𝐵) = P(A) P(B)
CONTOH
Dua dadu dilantunkan dua kali. Berapa peluangnya mendapat jumlah 7 dan 11 dalam dua kali lantunan ?
Penyelesaian
Misal A1, A2, B1, dan B2 masing-masing menyatakan kejadian bebas bahwa jumlah 7 muncul dalam
lantunan pertama, 7 muncul dalam lantunan kedua, 11 muncul dalam lantunan pertama, dan 11 muncul
dalam lantunan kedua. Yang ingin dicari ialah peluang gabungan kejadian 𝐴1 ∩ 𝐵2 dan 𝐵1 ∩ 𝐴2 yang
saling terpisah. Jadi
𝑃[(𝐴1 ∩ 𝐵2 ) ∪ (𝐵1 ∩ 𝐴2 )] = 𝑃(𝐴1 ∩ 𝐵2 ) + 𝑃(𝐵1 ∩ 𝐴2 )
= P(A1)P(B2) + P(B1)P(A2)
1 1 1 1 1
= (6) (18) + (18) (6) = 54

TEOREMA 1.15
Bila dalam suatu percobaan, kejadian A1, A2, … , Ak dapat terjadi, maka
𝑃(𝐴1 ∩ 𝐴2 ∩ … ∩ 𝐴𝑘 ) = 𝑃(𝐴1 )𝑃(𝐴2 |𝐴1 )𝑃(𝐴3 |𝐴1 ∩ 𝐴2 ) … 𝑃(𝐴𝑘 |𝐴1 ∩ 𝐴2 ∩ … ∩ 𝐴𝑘−1 )
Bila kejadian A1, A2, … , Ak bebas, maka
𝑃(𝐴1 ∩ 𝐴2 ∩ … ∩ 𝐴𝑘 ) = 𝑃(𝐴1 )𝑃(𝐴2 ) … 𝑃(𝐴𝑘 )
CONTOH
Tiga kartu diambil satu demi satu tanpa pengembalian dari sekotak kartu (berisi 52). Cari peluang bahwa
kejadian 𝐴1 ∩ 𝐴2 ∩ 𝐴3 terjadi, bila A1 kejadian bahwa kartu pertama as berwarna merah, A2 kejadian
kartu kedua 10 atau jack, dan A3 kejadian kartu ketiga lebih besar dari 3 tapi lebih kecil dari 7.
Penyelesaian
A1 : kartu pertama As berwarna merah
A2 : kartu kedua 10 atau jack
A3 : kartu ketiga lebih besar dari 3 tapi lebih kecil dari 7
2 8 12
𝑃(𝐴1 ) = 52 𝑃(𝐴2 |𝐴1 ) = 51 𝑃(𝐴3 |𝐴1 ∩ 𝐴2 ) = 50

Sehingga menurut Teorema 1.15

𝑃(𝐴1 ∩ 𝐴2 ∩ 𝐴3 ) = 𝑃(𝐴1 ) 𝑃(𝐴2 |𝐴1 ) P(𝐴3 |𝐴1 ∩ 𝐴2 )
2 8 12 8
= (52) (51) (50) = 5525

TEOREMA 1.16
Disebut teorema jumlah peluang atau aturan penghapusan
Misalkan kejadian B1, B2, … , Bk merupakan suatu sekatan (partisi) dari ruang sampel T dengan
P(Bi) ≠ 0 untuk i = 1, 2, … , k, maka untuk setiap kejadian A anggota T

𝑃(𝐴) = ∑𝑘𝑖=1 𝑃(𝐵𝑖 ∩ 𝐴) = ∑𝑘𝑖=1 𝑃(𝐵𝑖 )𝑃(𝐴|𝐵𝑖 )

CONTOH
Tiga anggota koperasi dicalonkan menjadi ketua. Peluang pak Ali terpilih 0.3, peluang pak Badu terpilih
0.5, sedang peluang pak Cokro 0.2. Kalau pak Ali terpilih maka peluang kenaikan iuran koperasi adalah
0.8. Bila pak Badu atau pak Cokro yg terpilih maka peluang kenaikan iuran adalah masing-masing 0.1
dan 0.4. Berapa peluang iuran akan naik ?
Penyelesaian
A : orang yg terpilih menaikkan iuran
B1 : pak Ali yang terpilih
B2 : pak Badu yang terpilih
B3 : pak Cokro yang terpilih
Berdasarkan aturan penghapusan maka dapat ditulis
𝑃(𝐴) = 𝑃(𝐵1 )𝑃(𝐴|𝐵1 ) + 𝑃(𝐵2 )𝑃(𝐴|𝐵2) + 𝑃(𝐵3 )𝑃(𝐴|𝐵3)
Diperoleh bahwa
𝑃(𝐵1 )𝑃(𝐴|𝐵1 ) = (0.3)(0.8) = 0.24
𝑃(𝐵2 )𝑃(𝐴|𝐵2) = (0.5)(0.1) = 0.05
𝑃(𝐵3 )𝑃(𝐴|𝐵3) = (0.2)(0.4) = 0.08
Jadi P(A) = 0.24 + 0.05 + 0.08 = 0.37
CONTOH 2
Di pabrik perakitan tertentu, tiga mesin, B1, B2 , dan B3 , masing-masing menghasilkan 30%, 45%, dan
25% produk. Diketahui dari masa lalu, pengalaman bahwa produk yang dibuat oleh masing-masing
mesin, masing-masing rusak 2%, 3%, dan 2%. Sekarang anggaplah bahwa produk jadi dipilih secara
acak. Berapakah probabilitas bahwa jika rusak?
Penyelesaian
Pertimbangkan kejadian berikut ini:
A : produk rusak
B1 : produk dibuat dengan mesin B1
B2 : produk dibuat dengan mesin B2
B3 : produk dibuat dengan mesin B3
Dengan aturan penghapusan dapat ditulis
𝑃(𝐴) = 𝑃(𝐵1 )𝑃(𝐴|𝐵1 ) + 𝑃(𝐵2 )𝑃(𝐴|𝐵2) + 𝑃(𝐵3 )𝑃(𝐴|𝐵3)
Mengacu pada diagram pohon Gambar dibawah diperoleh ketiga cabang mempunyai peluang

𝑃(𝐵1 )𝑃(𝐴|𝐵1 ) = (0.3)(0.02) = 0.006

𝑃(𝐵2 )𝑃(𝐴|𝐵2) = (0.45)(0.03) = 0.0135
𝑃(𝐵3 )𝑃(𝐴|𝐵3) = (0.25)(0.02) = 0.005
Jadi P(A) = 0.006 + 0.0135 + 0.005 = 0.0245
TEOREMA 1.17 (Aturan Bayes)
Misalkan kejadian B1, B2, … , Bk merupakan suatu sekatan ruang sampel T dengan P(Bi) ≠ 0 untuk
i = 1, 2, … , k. Misalkan A suatu kejadian sembarang dalam T dengan P(A) ≠ 0. Maka
𝑃(𝐵𝑟 ∩𝐴) 𝑃(𝐵𝑟 )𝑃(𝐴/𝐵𝑟 )
𝑃(𝐵𝑟 |𝐴) = ∑𝑘
= ∑𝑘
𝑖=1 𝑃(𝐵𝑖 ∩𝐴) 𝑖=1 𝑃(𝐵𝑖 )𝑃(𝐴/𝐵𝑖

untuk r = 1, 2, … , k
CONTOH
Dari contoh 1, bila seseorang merencanakan masuk jadi anggota koperasi tersebut tapi menundanya
beberapa minggu dan kemudian mengetahui bahwa iuran telah naik, berapakah peluang pak Cokro
terpilih jadi ketua ?
Penyelesaian
Dengan aturan Bayes dapat ditulis
𝑃(𝐵3 ) 𝑃(𝐴/𝐵3 )
𝑃(𝐵3 /𝐴 ) = 𝑃(𝐵1 )𝑃(𝐴/𝐵1 )+𝑃(𝐵2 )𝑃(𝐴/𝐵2 )+𝑃(𝐵3 )𝑃(𝐴/𝐵3 )

0.08 8
= 0.24+0.05+0.08 = 37

Dengan mengacu pada Contoh 2, jika suatu produk dipilih secara acak dan ternyata cacat, berapakah
peluangnya dibuat oleh mesin B3?
Penyelesaian
Dengan cara yg sama menggunakan aturan Bayes ,diperoleh

2. Peubah acak dan distribusi peluang

DEFINISI 2.1
Peubah acak ialah suatu fungsi yang mengaitkan suatu bilangan real pada setiap unsur dalam ruang
sampel.
CONTOH
Dua bola diambil satu demi satu tanpa dikembalikan dari suatu kantung berisi 4 bolamerah dan 3 bola
hitam. Bila Y menyatakan jumlah bola merah yang diambil maka nilai y yang mungkin dari peubah acak
Y adalah
Ruang sampel Y
MM 2
MH 1
HM 1
HH 0
DEFINISI 2.2
Jika suatu ruang sampel mengandung titik yang berhingga banyaknya atau sederetan anggota yang
banyaknya sebanyak bilangan bulat, maka ruang sampel itu disebut ruang sampel diskret.
DEFINISI 2.3
Bila ruang sampel mengandung titik sampel yang tak berhingga banyaknya dan banyaknya sebanyak
titik padasepotong garis, maka ruang sampelitu disebut ruang sampel kontinyu.
2.2 Distribusi peluang diskrit
Suatu peubah acak diskret mendapat setiap nilainya dengan peluang tertentu.
DEFINISI 2.4
Himpunan pasangan terurut (x, f(x)) merupakan suatu fungsi peluang, fungsi massa peluang, atau
distribusi peluang peubah acak diskret X bila, untuk setiapkemungkinan hasil x
1. f(x) ≥ 0
2. ∑𝑥 𝑓(𝑥) = 1
3. 𝑃(𝑋 = 𝑥) = 𝑓(𝑥).
CONTOH
Suatu pengiriman 8 komputer PC yang sama ke suatu toko mengandung 3 yang cacat. Bila suatu sekolah
membeli 2 komputer ini secara acak, cari distribusi peluang banyaknya yang cacat.
Penyelesaian
Misalkan X peubah acak dengan nilai x kemungkinan banyaknya computer yang cacat yang dibeli
sekolah tersebut. Maka x dapat memperoleh setiap nilai 0, 1, dan 2. Sehingga
3 5
( )( ) 10
0 2
𝑓(0) = 𝑃(𝑋 = 0) = 8 = ,
( ) 28
2
3 5
( )( ) 15
1 1
𝑓(1) = 𝑃(𝑋 = 1) = 8 = ,
( ) 28
2
3 5
( )( ) 2
2 0
𝑓(2) = 𝑃(𝑋 = 2) = 8 = 28
( )
2

Jadi distribusi peluang X

DEFINISI 2.5
Distribusi kumulatif F(x) suatu peubah acak diskret X dengan distribusi peluang f(x) dinyatakan oleh
𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥) = ∑𝑡≤𝑥 𝑓(𝑡) untuk −∞ < 𝑥 < ∞
CONTOH
Bila 50% mobil yang dijual oleh suatu agen bermesin diesel.
1. Cari rumus distribusi peluang banyaknya mobil bermesin diesel bagi ke 4mobil berikutnya yang
dijual oleh agen tersebut
2. Hitunglah distribusi kumulatif peubah acak X. Dengan menggunakan F(x), perlihatkan bahwa
f(2) = 3/8.
Penyelesaian
1. Ada 24 = 16 titik ruang sampel mempunyai peluang yg sama, pembagi untuk semua peluang, dan
untuk fungsi peluang adalah 16, dengan peluang menjual mobilbermesin diesel atau bensin 0.5.
Umumnya kejadian menjual x mobil bermesin diesel dan 4 – x bermesin bensin terjadi dalam
4
( ) cara, x bernilai 0, 1, 2, 3, atau 4. Jadi distribusi peluang f(x) = P(X = x) adalah
𝑥
4
( )
𝑥
𝑓(𝑥) = untuk x = 0, 1, 2, 3, 4.
16
2. Dengan rumus diatas diperoleh f(0) = 1/16 , f(1) = ¼, f(2) = 3/8 , f(3) = 1/4, dan f(4) = 1/16

Sehingga

11 5 3
Jadi 𝑓(2) = 𝐹(2) − 𝐹(1) = 16 − 16 = 8

Dapat digambarkan sebagai berikut

Gambar Diagram Balok

 Gambar Histogram peluang

Gambar Distribusi kumulatif diskret

Grafik distribusi kumulatif merupakan fungsi tangga, diperoleh dengan menggambarkan sejumlah titik-
titik (x,F(x)).
2.3 Distribusi peluang kontinyu
Perhatikan bila X kontinyu
P(a < X ≤ b) = P(a < X < b) + P(X = b)
= P(a < X < b)
Jika menyangkut peubah yang kontinyu, f(x) dinamakan fungsi padat peluang, atau disingkat fungsi
padat Kari X. Karena X didefinisikan pada ruang sampel yg kontinyu. Peluang dinyatakan sebagai luas
dan peluang merupakan bilangan positif maka fungsi padat seluruhnya harus terletak di atas sumbu X.
Gambar bentuk fungsi padat.
DEFINISI 2.6
Fungsi f(x) adalah fungsi padat peluangpeubah acak kontinyu X, yang didefinisikan di atas himpunan
semua bilangan real R, bila
1. f(x) ≥ 0 untuk semua x є R
∞
2. ∫−∞ 𝑓(𝑥)𝑑𝑥 = 1
𝑏
3. 𝑃(𝑎 < 𝑋 < 𝑏) = ∫𝑎 𝑓(𝑥)𝑑𝑥

Gambar P(a < X < b )

CONTOH 1.
Misal bahwa galat suhu reaksi, dalam 0C, pada percobaan laboratorium yang dikontrol merupakan
peubah acak X yang mempunyai fungsi padat peluang
𝑥2
, −1<𝑥 <2
𝑓(𝑥) = { 3
0 , 𝑢𝑛𝑡𝑢𝑘 𝑥 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
a. Tunjukkan bahwa syarat 2 Definisi 2.6 dipenuhi
b. Hitung P(0 < x ≤ 1)
Penyelesaian
∞ 2 𝑥2 𝑥3 2 8 1
a. ∫−∞ 𝑓(𝑥)𝑑𝑥 = ∫−1 𝑑𝑥 = | =9+9=1
3 9 −1
1 𝑥2 𝑥3 1 1
b. 𝑃(0 < 𝑋 ≤ 1) = ∫0 3 𝑑𝑥 = 9 | =9
0
DEFINISI 2.7
Distribusi kumulatif F(x) suatu peubah acak kontinyu X dengan fungsi padat f(x) diberikan oleh
𝑥
𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥) = ∫−∞ 𝑓(𝑡)𝑑𝑡 𝑢𝑛𝑡𝑢𝑘 − ∞ < 𝑥 < ∞

Akibatnya
P(a < x < b) = F(b) – F(a)
𝑑𝐹(𝑥)
Dan 𝑓(𝑥) = bila fungsi turunan ini ada.
𝑑𝑥

CONTOH
Carilah F(x) dari fungsi padat contoh 1 diatas dan kemudian hitunglah P(0 < X ≤ 1).
Penyelesaian
Untuk -1 < x <2
𝑥 𝑥 𝑡2 𝑡3 𝑥 𝑥 3 +1
𝐹(𝑥) = ∫−∞ 𝑓(𝑡)𝑑𝑡 = ∫−1 𝑑𝑡 = | = 9
3 9 −1
Jadi
0 , 𝑥 ≤ −1
𝑥 3 +1
𝐹(𝑥) = { , −1≤𝑥 <2
9
1 , 𝑥≥2
2 1 1
𝑃(0 < 𝑋 ≤ 1) = 𝐹(1) − 𝐹(0) = 9 − 9 = 9

Distribusi kumulatif F(x) dalam bentuk grafik dengan menggunakan fungsi padat

Gambar Distribusi kumulatif kontinyu