H. Maman Suherman,Drs.,M.

Si

BAB III
EKSPEKTASI MATEMATIK

Konsep ekspektasi matematik (nilai harapan secara matematik) dalam

statistik sangat besar manfaatnya. Selain digunakan untuk pengembangan dalam
statistik lanjutan dan terapan dibidang lain, juga sebagai konsep dasar untuk
mendefinisikan atau membangun ukuran-ukuran dalam statistik, seperti rerata,
varian, koesfisien, korelasi.

3.1. Pengertian Ekspektasi Matematik

Definisi :
Misalkan p, a X dengan fkp f (x), dan U (x) fungsi atau bentuk dalam X. Ekspektasi
matematik atau nilai harapan dari U (x), ditulis dengan E [u (x)] dan
- Untuk X diskrit, E [u (x) ] = U (x) f (x) = u (x). P[X = x]
x x Sx

- Untuk X kontinu, E [u )x)] = U (x) f (x) dx

Catatan : Nilai ekspektasi dari U (x) belum tentu ada !

Ekspektasi matematik untuk dua atau lebih peubah acak, didefinisikan
berikut ini :
Definisi :
Misalkan f (x, y) fkp bersama dari peubah acak X dan Y, dan U (X, y) fungsi dalam
X dan Y. Ekspektasi matematik dari U (X, Y) ditulis dengan E [U, X Y],dan
- Untuk X, Y diskrit, E [U(X, Y)] = u (x, y) f (x, y)
x y Sy

= u (x, y). P(X = x, Y = y

x Sx y Sy

Pengantar Statistika Matematis ------------------------------------------------------------------------------- 63

 - Untuk X, Y kontinu, E [U (X, Y)] = u (x, y) f (x, y) dxdy

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

- Untuk peubah acak kontinu,

E [u(x1, x2, ...., xn)] = u ( x1 , x 2 ,...x n ), ( f ( x1 , x 2 ,...x n )

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

(b). Dalam hal ini u (x) = X2, maka ;

1
1 2 1 3 1 1
E [X2] = x 2 f ( x) dx 2 (x 2 x 3 ) dx 2 x x
x 0
3 3 0 6

(c). Dalam hal ini u (x) = 6X +3X2, maka ;

1
2 2
E [(6x +3x )] = (6 x 3x ) f ( x) dx 2 (6 x 3 2 )(1 xydx
x 0

Pengantar Statistika Matematis ------------------------------------------------------------------------------- 64

 1
3 4 1 5
= 2 (6 x 3x 2 ) dx 2 3x 2 x3 x
0
4 0 2

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

Pengantar Statistika Matematis ------------------------------------------------------------------------------- 65

 3
4000
28
p2p3

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

Sehingga E [X] = Ekspektasi besar hadiah

= xf (x) = x, P(X = x)
x x Sx

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

Pengantar Statistika Matematis ------------------------------------------------------------------------------- 66

 1
1 1 1 1 2 1 7
= y dy y y
0
3 2 3 4 0 12
1 1 1 2
1 3 1 1
E [Y] = x. f ( x, y) dxdy yx ( x y) dxdy x y dy
0 0 0
2 2 0
1
1 1 1 1 3 1 7
= y2 dy y y
0
2 0 4 3 0 12
1 1 1 2
2 2 1 3 1 2 1
E [XY] = x. f ( x, y ) dxdy ( x y xy ) dxdy x y x y2 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

Pengantar Statistika Matematis ------------------------------------------------------------------------------- 67

 N n
(3) E ki ui X k i E [u i X ], k1 , k 2 ...,kn kon tan tareal
I 1 i 1

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

3.2 Rerata dan Varian

jika X peubah acak, dengan u (X) = X, maka E [u (X) = E [X].
Definisi :
Jika f (x) fkp dari peubah acak X, maka
(1) Untuk X peubah acak diskrit, rerata dari X adalah = E [X] = xf (x)
x

(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

Bila dihitung dengan rumus rerata yang biasa digunakan adalah μ =

1 n 1
Xi (1 2 3 4 5) 3 Kenapa hasilnya berbeda ? Hal ini terjadi karena
ni 1 5
bergantung pada fkp yang digunakan atau didefinisikan atau pad bobot yang
diberikan untuk setiaPdata X. Dalam hal ini, masyarakat menggunakan fkp
1
; x 1,2,3,4,5
f (x) = 5
0 ; x lainnya

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

Hitung rerata X, jika ada !

Penyelesaian ;
Jelas X peubah acak kontinu !

1
Maka μ = E [X] = x f ( x) dx dx 1 nx
x 1
x

Dalam hal ini rerata X dianggaPtidak ada !

Jika μ rerata peubah acak X, dan u (x) = (x – μ)2, maka E [(x – μ)2] dinamakan
varian dari X, dan dinotasikan dengan σ2 atau ....... = E [(x – μ)2]

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 !

- Akar kuadrat positif dari, σ2 yaitu σ = E (x ) 2 dinamakan standar

deviasi atau simpangan baku X
- Untuk populasi-populasi dengan satuan dan ketelitian yang sama, maka
varians atau simpangan baku semakin kecil menunjukkan populasi tersebut
semakin merata atau homogen (uniform).

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

Var (X) = E [X2] - μ2 (terbukti)

Contoh 3.6
1
( x 1) ; 1 x 1
Misalkan peubah acak X dengan fkp f (x) = 2
0 ; x lainnya

Hitung varians dan simpangan baku dari X !

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

= 1 (0,2) + 2(0,2) + 3(0,3) + 4(0,5) + 5(0,1) + 6(0,15) = 3,1

Pengantar Statistika Matematis ------------------------------------------------------------------------------- 71

 Ternyata, apabila dadu tersebut ditos atau diundi terus menerus, maka
diharapkan rerata akan muncul angka 3, 1.
6
b). Karena E [X2] = x 2 p ( X = x) = 1(0,2) + 4(0,2) + 9(0,3) + 16(0,05) + 25(0,1)
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

Sifat-sifat Rerata dan Varians

Jika μ dan σ2 berturut-turut adalah rerata dan varians dari X, maka
(1). E [(X – μ)] = o
(2). E [(aX + b)] = aμ + b, a, b konstanta real
(3) Var (X + c) = Var [x] = , σ2 c konstanta real
(4) Var (aX + b) = a2 Var [ X] = a2 σ2
Akan dibuktikan hanya bagian (4) saja, sisanya (1), (2), (3) anda buktikan sendiri
sebagai latihan

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

Pengantar Statistika Matematis ------------------------------------------------------------------------------- 72

 1 2
Memiliki rerata μ = dan varian σ2 =
3 9
Jika Y = -3X + 5, maka rerata Y = rerata (-3 x + 5) = (-3) (1/3) + 5 = 4
Dan Var (Y) = var (-3x + 5) = (-3)2 2/9 = 2

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)

Teorema (T. Bienaime)

Misalkan u (X) fungsi tak negatif dari p, a X, jika E [u(X)] ada, maka untuk
setiaPbilangan real positif c, berlaku :
E [ u ( x) ]
P[u(X) c|
c
Contoh 3.9
3 2
x ;0 x 2
Misalkan p, a memiliki f, k, Pf (x) = 8
0 ; x lainnya
E [ u ( x) ]
Jika u (x) = 2X – 1 dan c = 2. Tunjukkan bahwa P[u(X) c]
c

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

Pengantar Statistika Matematis ------------------------------------------------------------------------------- 74

 1 3 2 1 3 3 1
= x 1 2 1 (0,382)
8 3
2
3 8 2 20 8
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

(memenuhi ketaksamaan Chebyshev)

3.3 Momen dan Fungsi Pembangkit Momen

Ukuran statistik yang baru saja anda pelajari, yakni rerata, varians dan
simpangan baku adalah hal khusus dari ekspektasi matematik, yaitu momen dan
fungsi pembangkit momen. Momen ialah salah satu ukuran statistia yang gunanya
antara lain sebagai dasar untuk merumuskan ukuran keruncingan dan lemiringan
kurva (distribusi). Sedangkan fungsi pembangkit momen antara lain untuk
menurunkan atau menentukan momen-momen.

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

μk = E [(X – μ)k] = (x - μ)k f (x)

x

Pengantar Statistika Matematis ------------------------------------------------------------------------------- 75

Untuk X kontinu μk = E [Xk] = xk f (x) dx

2
2 5
μk = E [(X4 ] = x4 f (x) dx = x dx ( 2x5 4 x 4 ) dx
0
3 3
2

1 6 2 1 6 4 5 2 729 64 128 729 972

= x x x
9 0 3 5 3 576 3 5 192 160
2

81 128 243 64 243 324 128 3289 81 307 3289

=
64 5 64 3 40 64 5 120 16 120
81 214 1215 434 781
=
16 120 240 240
Berdasarkan (a) telah diketahui
7
μ = rerata X =
6
3
2 2
7 7 2 2 7 19 14
μ = E [(X - )] = (x ) f ( x) dx (x x)dx ( 2x 2 x ) dx
6 6 0
3 6 3 3 5
2
3
2 1 2 7 2 2 2 3 19 2 14 2 2 1 27 7 9
= X x x x x _ +
3 3 12 0 3 6 3 3 3 3 8 12 4
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

Pengantar Statistika Matematis ------------------------------------------------------------------------------- 76

 2 81 2 4 1 81 4 27
= . + .16 .8 . .
12 16 4 3 2 16 3 8
27 8 81 9 81 256 243 432 148 37
= + + - = = =
32 3 32 2 96 96 24
3 3
2 2 2
1 2 3 1 4 1 4 4 4 2 37
E[ X 2 ] x 2 f ( x) dx x ( 2x 3 4 x 2 ) dx x x x
2
0
3 3 6 0
2 3 3 24
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)

0 kurva memiliki kemiringan positif

0 kurva simetris
0 kurva memiliki kemiringan negatif
>3 kurva leptokurtic (runcing)
=3 kurva mesokurtic(moderat atai normal)
<3 kurva platykurtic (tumpul)

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

Dan berdasarkan nilai berarti kurva platykurtic (tumpul)

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

Pengantar Statistika Matematis ------------------------------------------------------------------------------- 78

Catatan :
Terdapat hubungan antara momen dan momen sentral sekitar rerata, sehingga jika
diketahui yang satu maka yang lain dapat dihitung menggunakan hubungan tersebut.
Hubungan ini akan dibeerikan dalam teorema berikut :

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
=

7 ' 37 ' 35 ' 781

, , , dan . Akan dihitung momen-momen sentral
6 1 24 1 16 4 240

Pengantar Statistika Matematis ------------------------------------------------------------------------------- 79

sekitar rerata ke 1, 2, 3, dan 4 dengan menggunakan rumus dalam teorema hubungan
antara momen dan momen sentral sekitar rerata, sebagai berikut :
1 0
1 l ' 1 7 1 7 7 7 7
μ1 = ( ) l i
.1 . 0
i 0 i i 0 6 1 6 6 6 6
2 1 0
2 2 ' 2 7 2 7 7 2 7 37
μ2 = ( )2 i
.1 . .
i 0 i i 0 6 1 6 6 2 6 24

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

243 243 259 35 343 259 35 343 154 1372 1386

= 3 3
216 216 144 16 108 48 16 108 108 432
14
= = - 0,032407
432
4 3 2
4 4 ' 4 7 4 7 7 4 7 37
μx = ( )4 i
.1 . .
i 0 i i 0 6 1 6 6 2 6 24
0
4 7 35 4 7 781
+ . ;
3 6 16 4 6 240
2401 2401 49 37 245 781
= 4 6 . 4
1296 1296 36 24 96 240
2401 1813 245 781 3038 1669
=
432 144 24 240 432 240
1519 1669
= = 0,07824
216 240
Dapat anda perhatikan, bahwa nilai-nilai μ1, μ2, μ3 dan μ4 yang diperolah dengan
teorema (umum), persisi sama dengan nilai-nilai yang diperoleh dengan
menggunakan definisi !

Pengantar Statistika Matematis ------------------------------------------------------------------------------- 80

Hal 78 tidak kebaca !
................................... kita akan mempelajari ekspektasi khusus berikutnya, yang
disebut
pembangkit momen, dengan fungsi ini kita bisa menghitung momen-
momen yang barangkali lebih praktis !

, dengan Mx (1) = .......... dinamakan fungsi pembangkit momen

dari
sedemikian sehingga – k < 1< k maka Mx (1) ada.

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

diskri, Mx (1) = E [] = etx f(x)

y

.
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)

p, a, diskrit sehingga M x (t) = e tx f (x), maka M x(k ) (t) = e tx f (x)

x 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

Pengantar Statistika Matematis ------------------------------------------------------------------------------- 81

 dianggap X. p, a kontinu, sehingga M x (t) = e tx f (x)dx, maka

..............................(x dianggap konstanta)

Teu aya halaman
.
d k M x (t )
Untuk t = 0 M (k )
x (0) = ...... = xk f(x) = E x k = t
k
dt

Jadi baik X diskrit maupun kontinu, maka M x(k ) (0) = t

k (terbukti)

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!

Silahkan anda teruskan dengan cara ini !

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

a). Tentukan f,p,m dari X

b). Melalui f,p,m hitung μ1, μ2

Penyelesaian :
a). Jelas X p,a diskrit, maka

Pengantar Statistika Matematis ------------------------------------------------------------------------------- 82

 2
1 2! 1 2 tx e tx !
M x (t) = E [etx] = e tx f ( x) e tx . e
x x 0 4 (2 x)!x! 2 x 0 (2 x)!x!

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

Pengantar Statistika Matematis ------------------------------------------------------------------------------- 83

M x (t) = (1 – t)2, t < 1

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

M x4 (t) = 120 (1 – t) -6 ==> 1

4 = M 1x 4 (0) = 120
Maka :
μ= 1
1 = M 1x (0) = 2
2 2
x (0) – ( M x (0)) = 6 – 4 = 2 ==> T =
= M 11 1
2

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

Kurva ƒ memiliki kemiringan positif dan keruncingan leptokurtic

c. Grafik ƒ disajikan dalam gambar 3.3. dengan titik puncak (1,e-1)

ƒ (x)

leptokurtic
-1
e

0 1 X

Gambar 3.3

Pengantar Statistika Matematis ------------------------------------------------------------------------------- 84

3.4. Ekspektasi

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 =

E[X/Y] dinamakan rerata bersyarat dari y jika diketahui X=x

2
2. 2
x/ y = var (X/Y) = E[X- x/y) /Y = y] E[X2/Y]-E2{X/Y] dinamakan varians
2 2
bersyarat dari X, jika diketahui Y=y x/ y = var (Y/X)=E[(Y- y/x)

/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}

4. Jika x dan y berturut-turut adalah simpangan buku X dan simpangan baku

Y, maka koefisien korelasi dari X dan Y ditulis :

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

Misalkan X dan Y mempunyai fkp bersama seperti contoh 2.10 yakni :

3x 3 ; x1, 2,3 y 2 ; x1, 2

fx(X) = fy(X) =
21 7
; Xlainnya ; ylainnya
0 0

Pengantar Statistika Matematis ------------------------------------------------------------------------------- 85

 ; x1, 2,3 ; x1, 2,3
x y x y
f(x/y) = ;y=1,2 f(y/x) = ;y=1,2
3y 6 ; Xlainnya 2x 3 ; Xlainnya
0 0

a. Hitung E[(22x2-3)/y], E[(3-4y)/x] dan E[(2x2-3)/y=1]

b. Hitung rerata X jika diketahui Y=y dan rerata Y jika diketahui X=x
Berapakah x/ y 2 dan y/x 2 ?

c. Hitung var (x/y) dan var (y/x=2)

d. Hitung cov (x,y) dan xy

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

Pengantar Statistika Matematis ------------------------------------------------------------------------------- 86

 2 y ( y x) 1
y/x EY/x yf x / y [ x 1 2 x 4]
y y 1 2x 3 2x 3
3x 5
=
2x 3

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

Pengantar Statistika Matematis ------------------------------------------------------------------------------- 87

 2
2 18 11 126 121 5
maka y/2
7 7 49 49

d. Cov. [X,Y]=E[XY]-E[X].E[Y], dengan

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

= 2,714286 – 2,469388 = 0,244898

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.

Pengantar Statistika Matematis ------------------------------------------------------------------------------- 88

 Nilainya mungkin positif, negatif atau nol. Jika Cov (X,Y) >0, dikatakan X dan
Y mempunyai hubunan positif. Jika Cov (X,Y) <0, dikatakan X dan Y
mempunyai hubungan negatif. Ukuran ini memiliki satuan dengan satuan data
yang digunakan. Agar tidak memiliki satuan, maka diperbaiki (distandarkan)
dengan ukuran statistik derajat xy jadi xy juga adalah ukuran derajat

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

Pengantar Statistika Matematis ------------------------------------------------------------------------------- 89

 5 5
y2 1 3 124 31
E[Y] = Yfy( y )dy dy y
1
12 36 1
36 9
248 8 31
Maka Cov (x,y) = 0
27 3 9
Cov( x, y )
Dengan demikian, maka koefisien korelasi xy = 0
x y

Karena nilai Cov(x,y) = 0 atau juga xy = 0, ini memberikan arti, bahwa

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.

3.5. Soal-soal Latihan

1. Diketahui p.a. X memiliki fpk

x 2
; 2, x,4
f ( x) 18
; xlainnya
0
Hitung E[X], E[(x+2)2, dan E[(6X-2(X+2)3]

2. Misalkan fkp dari p.a X berbetuk

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

Pengantar Statistika Matematis ------------------------------------------------------------------------------- 90

 5 5
1 1 1 2 1
(X) = f ( x, y )dy xydy xy x
96 1 96 2 1
8
1
x ;0 x 4
jadi, f f x ( x) 8
xlainnya
0
Misalkan f y fkp marjinal dari Y, maka
4 4
1 y 1 2 y
(y) = f ( x, y )dy xydx x x
96 0 96 2 1
13
y
;1 y 5
Jadi, f y ( y ) 12
ylainnya
0
Linier f ( x, y ) f x ( x). f ( y ) untuk setiap x,y R,
Maka X dan Y dua peubah acak saling bebas stokasta sebagai alasan lain, dapat

dijelaskan sebagai berikut misalkan f x fkp bersyarat dari X jika diketahui

y

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 :

Pengantar Statistika Matematis ------------------------------------------------------------------------------- 91

 2 2
; x
a. Peubah acak X dengan fkp f(x) = 3x 2 3
0; xlainnya
1
; y 1,2,3.......
b. Peubah acak Y dengan fkp g(y) = 2
ylainnya
0
2
; 2 Z
c. Peubah acak Z dengan fkp h(z) = 3
0; Zlainnya
6. Misalkan f.k.p bersama dari X dan Y berbentuk
1
( x, y ) ; x 0,1,2,3
f ( x) 30 y 0,1,2
x, ylainnya
0
a. Hitung rerata bersyarat dari X jika diketahui Y=y
b. Hitung rerata besyarat dari Y jika diketahui X=0
c. Hitung E[(2x2-3x-1)/y], dan E[(2x2-3x-1)Y]
d. Hitung var(X/Y), dan var (Y/x=0)
x
 ;x 0
7. Misalkan p.a X dengan f.kp f ( x)
0 xlainnya
a. Tentukan f.p.m dari X
b. Hitung momen sentral sekitar rerata ke 1, ke 2, ke 3, dan ke 4 dengan cara
menghitunga terlebih dulu momen ke 1, ke 2, ke 3 dan ke 4. (Pentunjuk ;
sebaiknya dengan menggunakan f.pm)
c. Hitung koefisien kemiringan y dan koefisien keruncingan y. Bicarakan
tentang kurva f berdasarkan hasil ini. Kemudian sketsa grafik
8. Peubah acak X mempunyai mean 3 dan momen ke 2 2 13
a. Hitung simpangn baku dari X ( = )
b. Tentukan batas bawah P{-2 <x<8], dengan menggunakan ketaksamaan
Chebyshev
9. Buktikan untuk setiap p.a X dan Y berlaku
E[E[X/y]] = E[X] = x dan
E[E[Y/x]] = E[Y] = y

Pengantar Statistika Matematis ------------------------------------------------------------------------------- 92

10. Misalkan fungsi kepadatan peluang dari X berbentuk
3(1 x) 2 ;0 x 1
f ( x)
0 ; xlainnya

a. Jika dan , berturut-turut adalah rerata dan varian x, hitung

P[ -2 <x< +2 ]
b. Bandingkan hasil a) dengan menggunakan ketaksamaan Chebysshev
11. Misalkan pubah acak X dan Y dengan fkp gabungannya
12xy(1 y);0 xy 1
f ( x, y)
0; x, ylainnya
a. Hitung cov (X,Y)
b. Hitung koefisien korelasi
c. Apakah X dan Y bebas Stokastik ?
12. Jika X dan Y peubah acak, a dan b dua konstanta real maka var(aX+bY) =
a2var(X) + b2var(Y) + 2abcov(X,Y). Buktikan !
13. Misalkan X dan Y memiliki fkp bersama
1
( x, y) (0,2), (1,1), (2,2)
f ( x, y ) 3
0; ( x, y )lainnya
a. Hitung cov (X,Y)

b. Hitung koefisien korelasi

c. Apakah X dan Y bebas Stokastik ?

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)

Pengantar Statistika Matematis ------------------------------------------------------------------------------- 93

15. Misalkan N peubah acak bernilai bilangan b tak negatif, tunjukkan bahwa

E[N] = P[N] secara umum, tunjukkan bahwa jika Xp acak non negatif
k 0

dengan fungsi distribusi maka E[X] = E ( x)dx

0

Pengantar Statistika Matematis ------------------------------------------------------------------------------- 94