Statistik 3 PDF
Statistik 3 PDF
Si
BAB III
EKSPEKTASI MATEMATIK
Definisi :
misalkan f (x1, x2, .....xn) fkp bersama dari x1, x2, ....xn dan u (x1, x2, ....xn) fungsi
dalam x1, x2, ......, dan xn. Ekspektasi dari u (x1, x2, ......, xn), ditulis dengan E [u(x1,
x2, .... , xn)], dan
- Untuk peubah acak diskrit.
E [u(x1, x2, ...., dan xn)] = ... u ( x1 , x2 ,...xn ) f ( x1 , x2 ,...xn )
x1 x2 xn
Contoh 3.1
2 (1 x); 0 x 1
Misalkan X memiliki fkp f (x) =
0 ; x lainnya
Hitung (a) E [X], (b) E [X2], dan (c) E [(6X – 3X2)]
Penyelesaian
Jelas, X peubah acak kontinu
(a). Dalam hal ini u (x) = X, maka ;
0 1
1 2 1 3 1 1
E [X] = xf ( x) dx x dx x 2 (1 x) dx x ( ) dx 2 x x
x x 0 1
2 3 0 3
Contoh 3.2
Dari dalam kotak yang terdiri atas 5 bola merah dan 3 bola putih diambil 2 bola
secara acak. Untuk setiap terambil bola merah diberi hadiah 1.000 rupiah dan
setiaPterambil bola putih diberi hadiah 2.000 rupiah. Hitung ekspektasi besar hadiah
yang diperoleh !
Penyelesian
Harus ditentukan dulu ruang sampel S, peubah acak X, dan distribusinya, dalam hal
ini
S = {m1, m2, ....m4, m5, m1, p1, ...., m5, p3, p1, p2, p1, p3, p2, p3}, dengan N (S) =
5 3
= 28, dan peubah acak X. S R, dengan X ≡ “besar hadiah” sehingga S x
2
{2000, 3000, 4000}
Perhatikan diagram pada gambar 3.1 !
X f
S R R
m1m2
10
2000
28
m4m5
m1p1
15
3000
28
m5p3
p1p2
Gambar 3.1
Berdasarkan gambar 3.1 diperoleh fkp dari X, yakni :
10
; x 2000
28
15
; x 3000
28
F (x) = P(X = x) =
3
; x 4000
20
0 ; x lainnya
10 15 3
= 2000 + 30000 + 4000
28 18 28
= 2750
Jadi besar hadiah yang diharapkan dari X dan Y, adalah 2750 rupiah
Contoh 3.3
Diketahui fkp bersama fkp dari X dan Y, adalah
x y ;; 0 x, 1
f (x, y) =
0 ; x lainnya
Hitung E [X], E [Y], E [XY] dan E [XY2 – 8X]
Penyelesaian :
1 1 1 2
1 3 1 1
E [X] = x. f ( x, y ) dxdy x ( x y ) dxdy x y dy
0 0 0
3 2 0
1
1 1 2 1 2 1 3 1 1
= y y dy y y
0
3 2 6 6 0 3
1 1
E [XY2-8X] = ( xy 2 , 8 x) f ( x, y) dxdy ( xy 2 8 x)(x y) dxdy
0 0
1 1 1
1 3 2 8 3 1 2 3 1
= ( x 2 y 2 , 8x 2 xy 3 8 xy) dxdy x y x x y 4x 2 y dy
0 0 0
3 3 2 0
1
1 2 8 2 2 1 3 8 1 4 1 1 8 1
= y y 4 y dy y y y 2y2 2
0
3 3 2 9 3 8 0 9 3 8
351
=-
72
Catatan
Perhatikan, bahwa E [u(x)] bisa bernilai positif, negatif atau nol dan E [XY] belum
tentu sama dengan E [X], E [Y] ! Selanjutnya dapat dibuktikan bahwa jika X dan Y
dua p, a bebas stokastik, maka E [u (X), v (x)] = E [u (X)]. E [v(X)]
Sifat-sifat ekspektasis berikut ini dapat dibuktikan, dan fungsi atau operator yang
bersifat seperti ini, dinamakan operator linier. Jadi ekspekatsi E merupakan operator
linier
Sifat-sifat Ekspektasi :
(1) E [k] = k, k konstanta real
(2) E [k, u(X)] = kE [u (X)], k konstanta real
Sebagai contoh penggunaan sifat ekspektasi sebagai operator linier, coba anda
1 1
perhatikan kembali contoh 3.1 ! Telah dihitung bahwa E (x) = dan E (x2) = ,
3 6
1 1
maka F [6x – 3x2] = E [6x] + E [3x2] = 6E [x] + 3E [x2] = 6 ( ) + 3 ( ) = 2 +
3 6
1 5
2 2
(2) Untuk X peubah acak kontinu, rerata dari X adalah μ E [X] = x, f (x)dx
0
Catatan :
- Mean dari X belum tentu ada, dan jika ada sangat berguna sebagai salah
satu ukuran tendensi sentral, antara lain untuk mengukur karakteristik
sekumpulan data kuantitatif atau populasi (sebagai wakil)
- E [u(x)] diartikan sebagai rerata dari u (x)
Contoh 3.4
Peubah acak X dengan range Sx = {1,2,3,4,5} memiliki fkp f (x) =
x
; x 1,2,3,4,5
15
0 ; x lainnya
Hitung rerata X, kemudian hasilnya bandingkan dengan rumus yang biasa digunakan
dimasyarakat.
Penyelesaian :
Jelas X adalah peubah acak diskrit, maka
Pengantar Statistika Matematis ------------------------------------------------------------------------------- 68
5
x 1
μ = E (x) = xf ( x) x 5 x 2 (1 4 9 16 25) 3,67
x x 1 15 15 x 1
Rumus rerata yang digunakan di masyarakat adalah hal khusus dari definisi rerata
secara statistik matematik.
Contoh 3.5
1
;1 x
Misalkan peubah acak X memiliki fkp f (x) = x 2
0 ; x lainnya
Penyelesaian ;
Jelas X peubah acak kontinu !
1
Maka μ = E [X] = x f ( x) dx dx 1 nx
x 1
x
Definisi :
Jika f (x) fkp peubah acak X, maka
(1) Untuk X peubah acak diskrit, σ2 = var (x) = E [(x – μ)2] = .....(x – μ)2 f (x)
(2) Untuk X peubah acak kontinu, σ2 = var (x) = E [(x – μ)2] = .....(x – μ)2
Pengantar Statistika Matematis ------------------------------------------------------------------------------- 69
f (x) dx
Catatan :
- Varians dari X belum tentu ada, dan jika ada sangat berguna sebagai salah
satu ukuran variasi, antara lain untuk mengukur tingkat tersebarnya
sekumpulan data kuantitatif
- Jika μ tidak ada, maka σ2 juga tidak ada. Jika μ ada, maka belum tentu σ2
ada !
Teorema
Var (X) = E [X2] – (E[X])2 = E [X2] – μ2
Bukti :
Var (X) = E ( x 2 )2 E x2 2 x 2
= E (x 2 2 Ex E 2
= E (x 2 2 2
Contoh 3.6
1
( x 1) ; 1 x 1
Misalkan peubah acak X dengan fkp f (x) = 2
0 ; x lainnya
Penyelesaian
Jelas X peubah acak kontinu !
Pengantar Statistika Matematis ------------------------------------------------------------------------------- 70
Karena
1
1 1 1 3 1 2 1 1 1 1 1 1 1
μ = E [ x] x f ( x) x ( x 1) dx x x
1
2 2 3 3 1 2 3 2 3 2 3
2 1 2
2 1 1 1
Maka σ = E ( x _ ) 2
E x x (x 1) dx
3 i
3 2
1
1 3 1 2 5 1 1 4 1 3 5 2 1 1
= x x x dx x x _ x x
1
2 6 18 18 8 18 36 18 1
1 1 5 1 1 1 5 1
= _ _ _
8 18 36 18 8 18 36 18
2
=
9
Jika dihitung dengan teorema yaitu = σ2 = E[x2} - 2, dimana
1 1
1 2 1 2 1 2 1 4 1 3 1 2
E [X2] x ( x 1) dx x x dx x x }maka σ2 =
1
2 1
2 2 8 6 1 6
2
2 1 2
(hasilnya sama dengan menggunakan definisi)
6 3 9
1
σ = simpangan baku = 2
3
Contoh 3.7
Misalkan S adalah ruang sampel pengetosan sebuah dadu tak jujur dan peluang
muncul sisi dadu seperti didefinisikan pada contoh 1.8.
a). Hitung rerata meuncul angka sisi dadu
b). Hitung varians dan simpangan bakunya
Penyelesaian :
a). Jelas S = {1, 2, 3, 4, 5, 6}, dan jika X ≡ ”angka sisi dadu” Jelas pula
bahwa Sx = S = { 1, 2, 3, 4, 5, 6}. Berdasarkan 1.8 maka
6
μ = E [X] = x. P[X = x]
x 1
+ 36(0,15)
= 0,2 + 0,8 + 2,7 + 0,8 + 2,5 + 5,4 = 12,4 dan μ = 3,1 Maka varians, σ2 = 12,4 –
9,61 = 2,79, dan simpangan baku σ = 2,79 1,67
Bukti 4 :
Var (aX + b) = E [(aX + b)2] – E2 [aX + b]
= E [aX2 + 2abX + b2] – E2 [aμ + b]2
= a2 E [X] + 2abE [X] + E [b2] – a2 μ2 - 2 abμ - b2
= α2 E [[X2] - μ2] + 2ab (E[X] - μ)
= α2 Var [X] + 2ab (0)
= a2 σ2 (terbukti))
Contoh 3.8
Perhatikan contoh telah diketahui, bahwa p, a X dengan fkp
1
( x 1) ; 1 x 1
f (x) = 2
0 ; x lainnya
Catatan :
Jika peubah acak X memiliki rerata μ dan varian σ2 tidak nol, maka kita dapat
menghubungkan antara keduanya, dalam pernyataan peluang dan hukum ini
ditemukan oleh seorang ahli matematika pada abad 19, yaitu P. I Chebyshev.
Hukumnya atau rumusnya ini dinamakan ketidaksamaan Chebyshev. Sebenarnya
ketidaksamaan Chebyshev adalah hal khusus dari teorema Bienaime. Tidak banyak
gunanya dalam buku ini. Berikut akan disampaikan teorema Bienaime (tak
dibuktikan) kemudian teorema atau kateksamaan Chebyshev (dibuktikan dengan
menggunakan T. Bienaime)
Penyelesaian
2
3 3 1 2
P[u(X) c] = P[2X - 2] = P X x 2 dx x3
2 3 8 8 3
2 2
1 27 27 37
=1- . 1 .
8 8 64 64
Pengantar Statistika Matematis ------------------------------------------------------------------------------- 73
3
Sedangkan E [u(X)] = E [2X – 1] = 2 E [X] – 1 = 2 –1=2
2
37 E [u x) ]
Sehingga P[u(X) 2] = 1= (sesuai T. Bienaime)
64 2
Teorema (Ketaksamaan Chebyshev)
Misalkan peubah acak X mempunyai rerata μ dan varians 0 < σ2 < , maka untuk
setiaPbilangan real positif k, berlaku :
1 1
P[|x - μ | kσ] atau P[|x - μ | < k σ ] 1-
k2 k2
Bukti :
2 2 2
E (x )2 2
1
P x k P (x ) k 2 2 2 2
k k k2
1
Jadi P x k karena peristiwa {x : |x - μ| < k σ} komplemen dari
k2
1
peristiwa {x : |x – μ| k σ}, maka P x k
k2
Contoh 3.10
Perhatikan p, a X dan fkp nya pada contoh 3.9. dapat anda tunjukkan bahwa μ = ......
3
dan σ2 =
20
a) Hitung P[μ - 2σ < X < μ + 2σ]
b) Bnadingkan hasilnya dengan ketaksamaan Chebyshev
Penyelesaian :
a) P[| x – μ | < 2σ]
3 3 3 3
= P[μ - 2σ < X < μ + 2σ] = P 2 X 2
2 20 2 20
3 3 3 3
2 2
2 20 2 2 20
3 2
= f ( x) dx x dx 0 dx
3 3 3 3
8 2
2 2
2 20 2 20
= 1 – 0, 04775 = 0, 95225
Menurut ketaksamaan Chebyshev : ( k = 2 )
3 3 1 1
P x 2 1 2
1 0,75
2 20 2 4
3 3 1
Jelas P x _ 2 0,95225 0,75 1
2 20 k2
Definisi :
a) Momen ke k dari peubah acak X dinotasikan dengan μ adalah ekspektasi dari
Xk, k = 1, 2, 3, ……..ditulis
k = E [Xk]
b) Momen sentral ke k sekitar rerata μ dari p, a X dinotasikan dengan
μk = E (X – μ)k], k = 1, 2, 3, …
jadi jika f (x) fkp dari p, a X, maka
Untuk X diskrit : μk = E [Xk] = (x)k f (x)
x
2
2 5
μk = E [(X4 ] = x4 f (x) dx = x dx ( 2x5 4 x 4 ) dx
0
3 3
2
16 38 28 2 27 19 9
.. . 7
3 3 3 3 8 6 4
2 9 21 9 57 2 3 39
= 2 7 2 7
3 8 16 4 18 3 16 8
1 17
=- 2 0
8 8
2
7 37 7 37 49 111 98 13
μ2 = E [(X - ) 2 ] E [ ( X 2 ] 2
6 24 6 24 36 72 72
= σ2 = 0, 1805 = 0, 42492
1 3
2 2
2 3 2 4 2 2 4 4 3 1
Dengan E [X2] = x dx + (- 2x3 +4x2 dx = x x x
0
3 3 12 0 4 3 3
2 2
3 3
2 2 2
1 2 4 1 5 2 5 4
E[ X 3 ] x 3 f ( x) dx x ( 2x 4 4 x 3 ) dx x x x3
3
0
3 3 6 0
5 3
2
1
k = 1, maka = E [X] + ( rerata X), dan = E [ (X - ) ] = .........
1 1
1
k = 2, maka = E [X2] (momen ke 2), dan = E [ (X - )2 ] = .........
2 2
1
k= = 0, maka =
k k
3
3
, dinamakan ukuran atau koefisien skurnes (kemiringan atau distribusi)
4
4
, dinamakan ukuran atau koefisien kutosis (keruncinran atau distribusi)
Contoh 3.11
2
x ; 2x 5
Diketahui peubah acak X berdistribusi dengan fkp f(x) = 3
0 ; x lainnya
Hitung momen ke 1, ke 2 ke 3, dan ke 4 dari X
Hitung momen sentral ke 1, ke 2, ke 3, dan ke 4 sekitar ......
Hitung koefien skernes dam koefisien kuartosis dar X . ....
Hitung karasteristik kurva dari ..... Sketsa grafik !
Pengantar Statistika Matematis ------------------------------------------------------------------------------- 77
Penyelesaian
3 3
2 2 2
1 2 2 2 3 2 3 7
E[ X ] x f ( x) dx x dx ( 2 x 2 4 x) dx x x 2
1
0
3 3 9 0
3 6
2
Dapat anda hitung bahwa :
μ3 = E [(X - )3] = ....... (X - .....)3 f (x)dx = - 0, 032407 dan
μ4 = E [(X - )4] = ....... (X - .....)3 f (x)dx = - 0, 07824
c) = koefisien skewnes = ........ = ................ = ............... = 2, 422394
= koefisien kurtosis = ........ = ................ = ............... = 2, 3999
Berdasarkan nilai berarti kurva miring negatif (curam di kanan, landai di kiri).
Gambar Kurva
2 3
x ;0 x
3 2
3
d) Grafik f (x) = 2x 4 ; x 2
2
0 ; x lainnya
f(x)
Negatif & platykurtic
1
x
0 1 3/2 2
Gambar 3-2
Teorema :
Jika μ, μk dan μk berturut-turut adalah : rerata, momen ke k dan momen sentral ke k
sekitar rerata dari p, a. X, maka
k k i
1) μk = ( )k i
i 0 i 1
k k
2) μk = k i
i 0 i 1
Bukti :
k k
1) μk = E ( X k )k E Xi ( )k i
i 0 i
k k k k 1
= ( )k i
E[ X i ] ( )k i
.
i 0 i i 0 i i
2) μk = E [Xk] = E[((X - ) + )k ]
k k k
= E (X )i k i
E k i
(X )i
i 0 i i
k k k i
k k
= E [( X )i ] k i
i 0 i i 0 i i
Contoh 3.12
Perhatikan contoh 3.11 !
'
Telah diditung momen-momen ke 1, 2, 3, dan 4, yaitu 1
=
49 49 37 37 49 111 98 13
= 2
36 36 24 24 36 72 72
2
= 0,1805555 =
3 2 1 0
3 3 ' 3 7 3 7 7 3 7 37 3 7 35
μx = ( ) 3 i
.1 . . .
i 0 i i 0 6 1 6 6 2 6 24 3 6 16
momen (fpm) dari X belum tentu ada ! Walaupun f[e x] ada tetapi
(k – 0), nilai Mx (t) tidak ada, maka Mx dianggap tidak ada. Ini
berarti
, harus memuat himpunan buku yang memuat nol. Jika f, p, m dari
maka sangat berguna, antara lain untuk menentukan nilai momen-momen dari
X,
dari X, maka
.
x
kontinu, , M (1) = E e tx
= etx f(x) dx
(k )
d k M x (t )
f, p, m, dari X dan M x (1) = turunan ke k terhadap 1 dari
dt k
maka, M x(k ) (0) = μ2 ( momen ke k dari X)
dianggap konstanta)
d k M x) (t )
0 M x(k ) (0) = ...... = e tx xk f(x) = E x k = t
k
dt x
Cara lain untuk membuktikan hubungan ini ialah dengan cara menguraikan terlebih
dahulu, fungsi μ(x) = etx menjadi bentuk deret, yaitu dengan perluasan deret
Macladrin, yang mana :
(tx) 2 (tx) 3 (tc) k k
(tx) i
etx = 1 + tx + ... ...
2! 3! k! i 0 i!
k
(tx) i
Sehingga M x (t) = E [etx] = E
i 0 i!
Sifat
Jika M x (t) f,p,m dai X, maka rerata dan varians X berturut-turut adalah
2
Μ = M x (0) dan = M x (0) – ( M x (0))2
Contoh 3.13
1 2
;x 0,1, 2
Misalkan p, a X memiliki f,k,p f (x) = 4 x
0 ; x lainnya
Penyelesaian :
a). Jelas X p,a diskrit, maka
1 1 et e 2t 1 2t 1 t 1
= e e ,t
2 2 1 2 4 2 4
1 2t 1 t 1 1
b). μ1 = M x (0) = e e 1
2 2 t 0
2 2
1 11 1 3
2 = M x
(0) e 2t et 1
t 0
2 2
2 11 11 2 3 2 1
2 = M x
(0) M x
(0)
2
1
2
Contoh 3.14
x
xe ,x 0
Misalkan X dengan fkp f(x) =
0 , x lainnya
1
Tunjukkan, bahwa fpm dari X adalah MX (t) = , t dengan mwnggunakan
(1 t ) 2
2
fpm, hitunglah μ, , , dan sketsa grafik f.
Penyelesaian
0
M x (t) = E e tx e tx f ( x) dx s tx . 0 dx e tx x e x dx
0
x 1
= 0 x e (t 1) x dx d (t 1) x
x d e (t 1) x
t 1 (t 1)
1 1 1
= x e (t 1)
e (t 1)
x dx x e (t 1) x
e (t 1) x
(t 1) (t 1) (t 1) 0
1 him 1 1
= b e (t 1) b
e (t 1) b
0 .1 , (t 1) 1
(t 1) b (t 1) (t 1)
1 1
= (0 0) ,t 1
(t 1) (t 1) 2
1
= ,t 1
(t 1) 2
M 1x (t) = 2 (1 – t) -3 ==> 1
1 = M 1x (0) = 2
-4
x (t) = 6 (1 – t)
M 11 1
==> 2 = M 11
x (0) = 6
M x3 (t) = 24 (1 – t) -5 ==> 1
3 = M 13
x (0) = 24
1 3 1 3 3 3 3
= 3
( 2) 3 1 ( 2) 2 ( 2)1 . 6 ( 2) 0 . 24
( 2) 3 0 1 2 3
1
= ( 8 24 36 24 )
2,8284267
= 1, 4142
4 1 4
Y*= = (- ) 4-i i
4 4 1
= 1 4 4 4 4 4
( ..2)4.1+ (-2)3.2+ (-2)2.0 + (-2)24 + ( 2)0.120
4 0 1 2 3 4
1
= [ 16 – 48 + 144 – 192 + 120] = 10
4
ƒ (x)
leptokurtic
-1
e
0 1 X
Gambar 3.3
Definisi :
Misal ƒ (x y) fkp bersyarat dari X jika diketahui Y =y,dan u(x) benuk atau fungsi
dalam X. Ekspektasi bersayarat dari u(x) jika diketahui Y=y, ditulis E[u(x)/y] dan
Untuk p.a. diskrit, E[u(x)/y] = u(x)f(x/y)
x
x
Untuk p.a kontinu, E[u(x)/y] = u(x)f(x/y) dx
x
A. Definisi
1. x/y = E[X/Y] dinamakan rerata bersyarat dari X jika diketahui Y=y dan x/y =
/X=x] =E[Y2/y]-E2[Y/X]
3. Jika x dan y berturut-turut adalah rerata dari X dan Y, maka kovarians dari
X dan Y, ditulis cov (X,Y) = E[X- x)(Y- y)] = E[XY] – E[X].E[Y}
cov( X , Y ) E[ XY ] E[ X ]E[Y ]
xy = =
x y ( E[ X 2 [ X ])(E[Y 2 ] E 2 [Y ])
B. Contoh 3.15
Penyelesaian :
3 x y
a. E[(22-3)/y] = 2X 2 3 f x/ y 2x 2 3
x x 1 3y 6
1 3
= 2 x 3 3x 2 x 2 y 3 y
3y 6 x 1
1
= 2 3 2 y 3 y 16 6 8 y 3 y 54 9 18 y 3 y
3y 6
19 y 54
=
3y 6
19 54 73 1
E[(22-3)/y] = 8
3 6 9 9
2 x y
E[(3-4y)/x]= xf 3 4 y f y / x 3 4y
x y 1 2x 3
1 2
= 3x 3 y 4 xy 4 y 2
2x 3 y 1
1
= 3x 3 4 x 4 3x 6 8 x 16
2x 3
6 x 11
=
2x 3
3 x( x y) 1
b. x / y E X / y xf x / y [4 y 4 2 y 9 3 y ]
x 1 2x 3 3y 6
6 y 13
=
3y 6
6.2 14 26 13
x/2
3.2 6 12 6
3.2 5 1
y/2
2.2 3 7
2
c. x/ y var(X / y) E[ X 2 / y] E 2 [ X / y] dengan
3 x 2 ( x y)
E[(x2/y] =
x 1 3y 6
1
= [1 y 8 4 y 27 9 y ]
3y 6
14 y 36
=
3y 6
Maka
2
14 y 36 6 y 14
x/ y
36 6 3y 6
42 y 2 193 y 216 36 y 2 168 y 196 6y2 24 y 20
2 2
3y 6 3y 6
2
y/x 2 var y / x 2 E y2 / 2 E2 y / 2
2 2 y 1 18
dengan E Y 2 / 2 y2 [3 16]
y 1 4 3 7 7
3.2 5 11
dan E(Y/2) =
2.2 3 7
2 3 x y
E[XY] = xyf ( x, y) xy
x, y y 1 x 1 21
y 2 1 2
= [1 y 4 2 y 9 3 y ] (6y2+14y)
y 1 21 21 y 1
1 72 24
= [20 52]
21 21 7
3 2x 3 1 46
E[X] = xf ( x) x [5 14 27]
x x 1 21 21 21
2 y 2 1 11
E[Y] = yf y ( y ) [3 8]
y y 1 y 7 7
24 46 11
Maka Cov [X,Y] = 3,4286 3,4428 0,0142
7 21 7
Cov( x, y ) 0,0142
xy , dengan
x y x y
2
2 2 2x 3 3
2 46 1 2116
x E[ X ] E [ X ] x (5 28 81)
x 1 21 2 21 441
= 5,42857 – 4,79818 = 0,630039
2
x y 2 11 1 121
2 2 2 2
y E[Y ] E [Y ] y 3 16
y 1 7 7 7 49
0,0142 0,0142
maka xy = 0,036
(0,79397 )( 0,49487 ) 0,3929
Catatan :
Kovarians dari X dan Y, atau Cov (X,Y) adalah ukuran statistik yang digunakan
untuk mengukur derajat hubungan linier antara dua peubah acak X dan Y.
hubungan linier antara peubah acak X dan peubah acak Y yang bebas dari satuan
ukuran yang dipakai. Dapat dibuktikan bahwa –1 1 . Jika nilai semakin
besar baik positif maupun negatif, maka kelinieritasannya makin baik, artinya
titik-titik pasangan (X,Y) semakin dekat dengan garis lurus. Jika X dan Y dua
peubah acak saling bebas stokastik, maka dapat ditunjukkan bahwa E[X,Y]
=[X].E[Y], Cov (X,Y) = 0 dan =0. tetapi kebalikannya tidak berlaku yakni,
jika Cov (X,Y) = 0 atau = 0 maka belum tentu X dan Y bebas. Khususnya
untuk = 0 diartikan bahwa X dan Y tak berkorelasi linier.
Contoh 3.16
Misalkan fkp gaungan dari peubah acak X dan peubah acak Y berbentuk :
xy ;0 x 4
f ( x, y ) 96 1 y 5
0 ; xlainnya
a. Tentukan fkp marjinal dari X, fkp marjinal dari , fkp bersyarat dari X jika
diketahui Y = y. periksa apakah X dan Y peubah acak saling bebas ?
b. Cov (X,Y) = E[XY] – E[X].E[Y], dengan
5 4 5 4
yy y2 1 3
E[XY] = xyf ( xy)dxdy xy dxdy = x dy
1 0
96 1 96 3 0
5
64 1 3 64.124 248
= y
3.96 3 1 3.3.96 27
4 4
1 2 1 3 64 8
E[X] = Xfx( x)dx x dy x
0
8 24 0
24 3
antara peubah acak X dan Y tidak terdapat korelasi (hubungan) linier, jika
kita perhatikan jawaban (a), bahwa peubah acak X dan y saling bebas hal ini
berakibat = 0. silahkan anda berikan contoh peubah acak X dan Y dengan
= 0, tetapi X dan Y tak bebas.
x 2
; 2, x,4
f ( x) 18
; xlainnya
0
Hitung E[X], E[(x+2)2, dan E[(6X-2(X+2)3]
x
; x 3,4,5,6
f ( x) 18
; xlainnya
0
3
a. Hitung E[2-X2] dan E
X
b. Hitung rerata, varian dan simpangan baku X
Hitung kovarian dari X dan Y, dan juga koefisien korelasinya, kemudian tafsirkan
berdasarkan hasil atau nilai yang diperoleh !
Penyelesaian
Misalkan x fkp marjinal dari X, maka
1
f x, y x ;0 x 4
Y, maka f x = 8
y f y ( y) ; xlainnya
0
Linier f x f x ( x), maka ini menunjukkan pula sebagai alasan, bahwa X dan Y
y
peubah acak saling bebas (Y tidak mempengaruhi X)
3. Dua dadu homogen dittos sekaligus. Jika X menyatakan jumlah pasangan
angka dadu. Berapakah harapan matematik dari jumlah pasangan angka dadu ?
4. Panitia undian berhadiah mengeluarkan 10.000 lembar undian, dengan
1 hadiah pertama ebesar Rp. 5.000.000,-
2 hadiah kedua masing-masing sebesar Rp.2.000.000,-
4 hadiah ketiga masing-masing sebesar Rp. 500.000,-
a. Berapa rupiahkan harapan menang untuk setiap lembar undian ?
b. Jika setiap lembar undian dijual dengan harga Rp. 2.000 rupiah, berapakah
harapan menang bagi seseorang yang telah membeli selembar undian ?
5. Hitunglah rerata dan varian (jika ada) dari peubah acak berikut :
14. Diketahui dua peubah acak X dan y saling bebas dengan fkp X dan fkp Y
berturut-turut adalah :
x;x 0 y; y 0
g ( x) dan h( x )
0; xlainnya 0; ylainnya
a. tentukan cov (X,Y) dan kosefisien korelasi berdasarkan kebebasan dari X
dan Y
b. Hitung cov (X,Y) dan koefisien korelasi berdasarkan definisi (sifat)
E[N] = P[N] secara umum, tunjukkan bahwa jika Xp acak non negatif
k 0