VARIABEL ACAK

DAN DISTRIBUSI PROBABLITAS ACAK DISKRIT

NAMA : IRVAN ZIKRI

NO. BP : 1510951019

TEKNIK ELEKTRO

FAKULTAS TEKNIK

UNIVERSITAS ANDALAS

PADANG

2017
 VARIABEL ACAK

DAN DISTRIBUSI PROBABLITAS ACAK DISKRIT

Variabel acak merupakan suatu fungsi dari ruang sampel ke himpunan bilangan real.
Variabel acak dinyatakan dengan huruf kapital, sedangkan nilainya dinyatakan dengan huruf
kecil. Jika X variabel acak, maka nilainya dinyatakan dengan x, dan peluang kejadian X
bernilai kurang dari atau sama dengan x dinyakan dengan 𝑃 (𝑋 ≤ 𝑥 ). Klasifikasi Variabel
Acak:

1. Variabel acak diskrit

adalah variabel yang dapat memiliki sejumlah nilai yang dapat dihitung. Dapat dihitung
berarti bahwa nilai-nilai yang dimilikinya adalah bilangan bulat positif. Contoh: jumlah
mobil mobil yang terjual setiap bulan, jumlah kecelakaan lalu lintas setahun, jumlah
televisi yang diproduksi setiap tahun.

2. Variabel Acak Kontinu

adalah variabel yang dapat memiliki nilai yang tak berhingga dengan titik-titik dalam suatu
interval garis. Kata menerus berarti melakukan tanpa terputus-putus Contoh: banyaknya
minyak yang dipompa setiap jam dari sebuah sumur, banyaknya energi yang dihasilkan
oleh PLN setiap hari, dll

Misalkan X adalah Variabel Acak Diskrit maka fungsi kepadatan probabilitas (probability density
function, PDF) dapat didefinisikan sebagai 𝑝𝑥 (𝑥) = 𝑃 (𝑋 = 𝑥 ). Dengan kata lain, fungsi 𝑝𝑥 (𝑥)
adalah fungsi distribusi probabilitas dari X untuk variabel acak diskrit. PDF dari variabel acak
diskrit X harus memenuhi sifat-sifat berikut :

(i) 0 ≤ 𝑝𝑥 (𝑥) ≤ 1
(ii) ∑𝑥 𝑝𝑥 (𝑥) = 1

Misalkan X merupakan variabel acak diskrit maka fungsi kepadatan kumulatif (cumulative
density function , CDF ) dapat didefinisikan sebagai :
Dengan kata lain, fungsi Fx (x) adalah fungsi distribusi dari X untuk variabel acak diskrit. CDF
dari variabel acak diskrit X dapat diilustrasikan sebagai berikut.

Jika px (x) merupakan PDF dari variabel acak diskrit X, maka terdapat relasi antara PDF dan
CDF, yaitu :

Sebagai tambahan, mean dan varian dari variabel acak diskrit masing-masing adalah :

Mean :

Varian :

Contoh soal 1:
Dalam suatu keluarga yang memiliki dua anak, distribusi probabilitas dari banyaknya anak yang
terlahir perempuan akan mengikuti ketentuan ini

Nilai mean dan varian dari banyaknya anak yang terlahir perempuan akan dihitung sebagai
berikut :

 Misalkan X adalah banyaknya anak yang sukses terlahir perempuan, maka :

 Dan:

Jadi, diperoleh mean dan varian dari banyaknya anak yang terlahir perempuan pada suatu
keluarga yang memiliki dua anak masing- masing adalah 1 dan 0,5.

Contoh soal 2:

 Eksperimen : Pelemparan 1 buah dadu

𝑆 = {1 , 2 , 3 , 4, 5, 6}

 A = {1 , 3 , 5 } <- Mencari angka ganjil

 B = {2 , 4 , 6 } <- Mencari angka genap
 C = {1 , 2 , 3 } <- Angka < 4

 Variable acak X yang menyatakan nilai angka yang muncul adalah :

 X SISTEM P(X = x )

1 1 1/6

2 2 1/6

3 3 1/6

4 4 1/6

5 5 1/6

6 6 1/6

∑ 𝑃(𝑋 = 𝑥) = 1

Peluang terjadinya nilai variabel random X yang meliputi semua nilai ditentukan melalui distribusi
peluang. Distribusi peluang suatu variabel random X adalah himpunan nilai peluang dari variabel
random X yang ditampilkan dalam bentuk table dan atau gambar.

Dapat disimpulkan bahwa :

Jumlah probabilitas dari semua nilai numeris yang mungkin terjadi

HARUS BERNILAI 1

Contoh Soal 3:

• 1 buah dadu dilempar serta disaat bersamaan terjadi pengambilan bola warna dasar
(Merah, Kuning, Biru)

• 𝑆 = {1𝑀, 1𝐾, 1𝐵, 2𝑀, 2𝐾, 2𝐵, 3𝑀, 3𝐾, 3𝐵, 4𝑀, 4𝐾, 4𝐵, 5𝑀, 5𝐾, 5𝐵, 6𝑀, 6𝐾, 6𝐵 }

• Variabel diskrit X menyatakan penjumlahan 3 muncul warna merah, perkalian 2 apabila

muncul warna kuning, dan pemberian nilai -1 disetiap angka genap pada dadu, serta yang
lainnya diberi nilai 0

• 1M = 0 + 3 = 3 • 1K = 0 x 2 = 0
 • 1B = 0 + 0 = 0 • 4K = -1 x 2 = -2

• 2M = -1 + 3 = 2 • 4B = -1 + 0 = -1

• 2K = -1 x 2 = -2 • 5M = 0 + 3 = 3

• 2B = -1 + 0 = -1 • 5K = 0 x 2 = 0

• 3M = 0 + 3 = 3 • 5B = 0 + 0 = 0

• 3K = 0 x 2 = 0 • 6M = -1 + 3 = 2

• 3B = 0 + 0 = 0 • 6K = -1 x 2 = -2

• 4M = -1 + 3 = 2 • 6B = -1 + 0 = -1

Direpresentasikan dalam bentuk tabel

X Outer P(X=x)

-2 2K, 4K, 6K 3
18

-1 2B, 4B, 6B 3
18

0 1K, 1B, 3K, 3B, 6

5K, 5B 18

2 2M, 4M, 6M 3
18

3 1M, 5M, 3M 3
18

∑ 𝑃(𝑋 = 𝑥) = 1

• Variabel acak diskrit F(x) adalah distribusi kumulatif variable acak diskrit X yang memiliki
distribusi probabilitas f(x)
 • Syarat : (i) 𝑓(𝑥) = 𝑃(𝑋 ≤ 𝑥), ∑𝑋≤𝑥 𝑓(𝑥) , − ∞ < 𝑥 ∞

• Misal pada contoh 3 tadi , yaitu :

• −∞ < x < -2 = 0 •
3 3 6 12
0 ≤ x < 2 = 0 + 18 + 18 + 18 = 18
3 3
• -2 ≤ x < -1 = 0 + 18 = 18 3 3 6 3 15
• 2 ≤ x < 3 = 0 + 18 + 18 + 18 + 18 = 18
3 3 6
• -1 ≤ x < 0 = 0 + 18 + 18 = 18 3 3 6 3 3
• 3 ≤ x < ∞ = 0 + 18 + 18 + 18 + 18 + 18

=1

Maka diperoleh bentuk ilustrasi dari probabilitas kumulatifnya adalah sebagai berikut

Distribusi Hipergeometrik
1
15
18
12
18

6
18
3
18

-2 -1 0 2 3

• Distribusi probabilitas variabel acak diskrit yang dikenal diantaranya :

1. Distribusi Binomial

Distribusi binomial adalah distribusi probabilitas variabel acak diskrit yang diturunkan
berdasarkan eksperimen Bernoulli.

Suatu eksperimen disebut eksperimen Bernoulli, jika memenuhi kriteria sebagai berikut :

1. Eksperimen tersebut dapat diulangi sebanyak n kali

2. Setiap eksperimen hanya menghasilkan dua peristiwa, yaitu sukses (S) dan gagal (G).
3. P(S) = p dan P(G) = 1 – p = q dimana nilai p dan q bersifat tetap untuk setiap eksperimen.
 4. Setiap eksperimen bebas satu sama lainnya

Misalkan suatu eksperimen terdiri dari n eksperimen Bernoulli dengan probabilitas sukses p
dan probabilitas gagal q = 1 – p, dan misalkan X adalah variabel acak yang menyatakan jumlah
sukses dari n eksperimen tersebut, maka distribusi probabilitas untuk X dituliskan sebagai X
b(n,p) dengan fungsi probabilitasnya adalah

n
b(x|n,p) = P(X = x) =  p x (1  p)n  x untuk x = 0, 1, 2, 3, ... , n
x

n n n n x
 b( x n,p)    p (1  p) 1
x
x 0 x 0  x 

 Rata-rata (mean) dari variabel acak X yang berdistribusi binomial : μX = E(X) = np

 Varians dan Standar deviasi dari variabel acak X yang berdistribusi binomial :

Var(X) = 2X  npq  Std(X) =   Var( X)  npq

X

Contoh soal 4:

 Bila sekeping uang (koin) yang memiliki muka bergambar angka (A) dan muka bergambar
hurup (H) ditoss sebanyak 10 kali. Tentukanlah probabilitas peristiwa muncul muka bergambar
angka (A) :
(a) 6 kali
(b) Paling banyak 3 kali
(c) Paling sedikit 2 kali
(d) Hitung rata-rata jumlah muka A yang muncul dan standar deviasinya
 Jawab :
Misalkan X adalah variabel acak yang menunjukkan jumlah muka A yang muncul

n = 10 p = 0.5 q = 0.5

(a) P(X = 6) = ?

10 
P(X = 6) =  0.560.510  4  0.2051
6
 untuk n = 10, p = 0.5, dan x = 6  P(X = 6) = 0.2051

(b) P(X  3) = P(X = 0) + P(X = 1) + P(X = 2) + P(X = 3)

= 0.0010 + 0.0098 + 0.0439 + 0.1172 = 0.1719

(c) P(X  2) = P(X = 2) + P(X = 3) + . . . + P(X = 10)

P(X  2) = 1 – P(X = 0) – P(X = 1)

= 1 – 0.0010 – 0.0098 = 0.9892

10 10 10 
P(X  2) =  b( x 10;0.5)    0.5 x 0.510 x  0.989
x 2 x 2 x 

(d) Rata-rata jumlah muka A yang muncul : x = 10(0.5) = 5

Standar deviasi X : x = 10(0.5)(0.5)  1.58

2. Distribusi Poisson

Jika variabel acak X  b(n,p) dengan n yang besar sekali (n  50) dengan p kecil sekali (p 
0.01), maka np   , dimana  adalah bilangan positif. Sehingga X dalam hal ini akan
berdistribusi Poisson X  p() atau p(xn,p).
Hasil pengamatan terhadap peristiwa yang jarang terjadi akan berditribusi Poisson.
Peristiwa yang jarang terjadi tersebut ditunjukkan oleh probabilitasnya yang sangat kecil.
Sehingga untuk ruang pengamatan yang kecil (n kecil), maka peristiwa tersebut sangat kecil
kemungkinannya untuk teramati. Peristiwa tersebut akan teramati jika ruang pengamatannya
diperbesar (n diperbesar).
Misalkan, kita akan mengamati jumlah orang yang terkena kanker. Diketahui bahwa
insidensi seseorang terkena penyakit kanker adalah sangat kecil, misalnya satu per sepuluh ribu
orang (p = 0.0001). Sehingga jika pengamatan dilakukan terhadap semua orang yang ada di
lingkungan anda (fakultas) yang berjumlah 3 ribu orang, maka kemungkinan anda menemukan
jumlah orang yang terkena kanker secara rata-rata sebanyak  = 0.0001 x 3000 = 0.3 orang.
Jika ruang pengamatan diperbesar, pengamatan dilakukan terhadap semua orang di
lingkungan anda (universitas) yang berjumlah 25 ribu orang, maka kemungkinan anda
menemukan jumlah orang yang terkena kanker secara rata-rata sebanyak  = 0.0001 x 25000 =
 2.3 orang. Demikian pula jika ruang pengamatan diperbesar lagi, misalnya semua orang di
lingkungan anda (provinsi) yang berjumlah 5 juta orang, maka kemungkinan anda menemukan
jumlah orang yang terkenan kanker secara rata-rata sebanyak  = 0.0001 x 5000000 = 500
orang

3. Distribusi Geometrik

Berkaitan dengan percobaan Bernoulli, dimana terdapat n percobaan independen yang

memberikan hasil dalam dua kelompok (sukses dan gagal), variable random geometric mengukur
jumlah percobaan sampai diperoleh sukses yang pertama kali.

Fungsi distribusi probabilitas geometrik:

g(x; p) = 𝑝𝑞 𝑥−1

dimana x = 1,2,3,... , p dan q adalah parameter (probabilitas sukses dan gagal). Rata-rata dan
variansi distribusi probabilitas geometrik adalah :

1 𝑞
𝜇= 𝜎2 =
𝑝 𝑝2

4. Distribusi Hipergeometrik

Setiap percobaan statistik keluaran yang telah dihasilkan obyeknya selalu dikembalikan, sehingga

probabilitas setiap percobaan peluang seluruh obyek memiliki probabilitas yang sama. Dalam
pengujian kualitas suatu produksi, maka obyek yang diuji tidak akan diikutkan lagi dalam
pengujian selanjutnya, artinya tidak dikembalikan.

Percobaan hipergeometrik memiliki sifat-sifat sebagai berikut:

1. sebuah pengambilan acak dengan ukuran n dipilih tanpa pengembalian dari N obyek
2. k dari N obyek dapat diklasifikasikan sebagai sukses dan N – k diklasifikasikan sebagai
gagal.
𝑘 𝑁−𝑘
( )( )
ℎ(x; N, n, k) = 𝑥 𝑛 − 𝑥
𝑁
( )
𝑛
 Nilai rata-rata dan varians pada Distribusi Hipergeometrik adalah :

𝑛𝑀 𝑛𝑀 𝑀 𝑁−𝑛
𝜇 = 𝐸(𝑋) = 𝜎2𝑥 = (1 − ) ( )
𝑁 𝑁 𝑁 𝑁−1

5. Distribusi Binomial Negatif

Suatu percobaan independen dapat menghasilkan outcome sukses dengan probabilitas
“p”dan outcome gagal dengan probabilitas q= 1 – p ,maka distribusi probabilitas variable
random “X” adalah jumlah percobaaan yang di butuhkan sampai “K” terjadi adalah

𝑏(𝑥; 𝑘, 𝑝) = , 𝑥 = 𝑘, 𝑘 + 1, 𝑘 + 2, … ..

Contoh soal 5:

Probabilitas campuran beton tidak rusak ketika di jatuhkan adalah ¾.Berapakah

probabilitasnya ada 2 dari 4 campuran beton yang dijatuhkan tidak rusak?

Jawab :
Diasumsikan “sukses = tidak rusak”
 Probabilitas sukses (p) = ¾
 Probabilitas gagal (q)= 1 - ¾

Jadi, probabilitas 2 dari 4 campuran beton yang dijatuhkan tidak rusak adalah

2
3 𝑛 4 3 1 4−2
𝑏 (𝑥 = 2; 𝑛 = 4, 𝑝 = ) = ( ) 𝑝 𝑥 𝑞 𝑛−𝑥 = ( ) ( ) ( )
4 𝑥 2 4 4

3 4! 9 1 27
𝑏 (𝑥 = 2; 𝑛 = 4, 𝑝 = ) = =
4 2! (4 − 2)! 16 16 128