NO. BP : 1510951019
TEKNIK ELEKTRO
FAKULTAS TEKNIK
UNIVERSITAS ANDALAS
PADANG
2017
VARIABEL ACAK
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:
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 :
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:
𝑆 = {1 , 2 , 3 , 4, 5, 6}
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.
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 }
• 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
X Outer P(X=x)
-2 2K, 4K, 6K 3
18
-1 2B, 4B, 6B 3
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 ∞
• −∞ < 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
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 :
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
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
10 10 10
P(X 2) = b( x 10;0.5) 0.5 x 0.510 x 0.989
x 2 x 2 x
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(xn,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
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.
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
𝑏(𝑥; 𝑘, 𝑝) = , 𝑥 = 𝑘, 𝑘 + 1, 𝑘 + 2, … ..
Contoh soal 5:
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