Tim Matematika
PENDAHULUAN
Mengetahui bahwa distribusi variabel acak memberi tahu kita semua tentang variabel
acak. Namun, dalam praktiknya, sering kali tidak mungkin atau tidak perlu untuk
mengetahui semua peluang distribusi dari variabel acak yang menggambarkan
eksperimen acak tertentu. Sebagai gantinya, mungkin cukup untuk menentukan
beberapa kuantitas karakteristik, seperti nilai rata-rata dan ukuran yang menggambarkan
penyebaran di sekitar nilai rata-rata.
Modul 13 ini memberikan materi Harapan Matematika - Mean dan Variansi dengan
kasus Diskrit dan Kontinu. Perlu diketahui bahwa dalam mempelajari Harapan
Matematika - Mean dan Variansi: diskrit dan kontinu dibutuhkan pemahaman tentang
konsep dari modul-modul sebelumnya terutama tentang integral khususnya limit bentuk
tak tentu dan integral tak wajar, ruang sampel, peluang, variabel acak, dan fungsi
distribusi.
Berdasarkan penjelasan di atas, tujuan instruksional yang harus dicapai mahasiswa pada
pembelajaran ini antara lain mahasiswa:
Ketika rentang adalah terbatas, jumlah dalam definisi selalu ditentukan. Ketika
kisaran tidak terbatas, kita harus menjumlahkan jumlah istilah yang tidak terbatas.
Jumlah seperti itu bisa terbatas atau tidak terbatas, tergantung pada distribusi . Nilai
harapan dari didefinisikan hanya jika keduanya yaitu ∑ dan
∑ adalah terbatas. Oleh karena itu, kita akan membatasi permasalahan
untuk kasus-kasus di mana jumlahnya terbatas.
Contoh 1.
Ukuran sarang burung dapat dianggap sebagai variabel acak. Misalkan menunjukkan
banyaknya telur per sarang yang diletakkan oleh spesies burung tertentu, dan
menganggap bahwa distribusi dijelaskan oleh fungsi kepadatan peluang sebagai
berikut:
1 0.05
2 0.1
3 0.2
4 0.3
5 0.25
6 0.1
Nilai rata-rata telur per sarang dihitung sebagai nilai rata-rata jumlah tertimbang yaitu
Contoh 2.
Suatu hari musim dingin di suatu tempat di Minnesota selatan, berikut perkiraan suhu
(dalam Fahrenheit) pada jam ke- diperoleh:
0 1 2 3 4 5 6 7 8 9 10 11
6 6 6 5 5 5 5 5 8 10 12 12
12 13 14 15 16 17 18 19 20 21 22 23
12 12 12 12 10 8 8 8 5 5 3 3
Berdasarkan pengamatan per jam, suhu rata-rata pada hari itu, dilambangkan dengan ̅ ,
adalah
total. Misalnya, muncul dua kali dalam 24 sampel pengukuran, sehingga frekuensi
relatif dari adalah .
Jika kita mengartikan frekuensi relatif sebagai peluang, kita melihat bahwa ̅ dalam
Contoh 2 memang nilai harapan dari suhu pada hari itu.
Contoh 3.
Tabel berikut berisi banyaknya daun per tanaman selasih dalam 25 sampel tanaman
selasih:
16 15 13 16 16
14 16 15 18 17
16 18 16 14 16
16 16 15 15 16
15 18 16 16 15
Untuk menemukan distribusi frekuensi relatif, kita harus menghitung seberapa sering
setiap nilai terjadi dan kemudian dibagi dengan ukuran sampel, yaitu 25 dalam kasus
ini. Hasilnya dirangkum dalam tabel berikut:
Banyak Daun 13 14 15 16 17 18
Frekuensi Relatif
Kita tafsirkan frekuensi relatif sebagai peluang. Jika variabel acak menunjukkan
banyaknya daun per tanaman dengan distribusi peluang yang diberikan oleh distribusi
frekuensi relatif, maka nilai harapan dari banyaknya daun per tanaman adalah
Perhatikan bahwa meskipun banyaknya daun per tanaman adalah bilangan bulat, nilai
rata-rata daun per tanaman tidak. Kita benar-benar akan kehilangan informasi berharga
jika membulatkan angka rata-rata ke bilangan bulat terdekat.
Penting untuk dipahami bahwa nilai harapan dari variabel acak bilangan bulat tidak
perlu berupa bilangan bulat. Untuk menekankan hal ini, pertimbangkan nilai rata-rata
harapan kelahiran seumur hidup oleh wanita berusia 18 hingga 34 tahun pada tahun
1992. (Data yang diambil adalah data dari Biro Sensus AS, yang diterbitkan pada tahun
1994) Banyaknya harapan kelahiran seumur hidup oleh seorang wanita yang bukan
lulusan sekolah menengah adalah 2.393, sedangkan angka yang sesuai untuk wanita
dengan gelar sarjana atau profesional adalah 1.990. Jika kita membulatkan angka-angka
ini ke bilangan bulat terdekat, akan sama, yaitu, 2; kita tidak akan lagi melihat
perbedaan antara kedua kelompok perempuan itu.
Kita dapat mengubah definisi nilai harapan ke nilai harapan fungsi . Misalkan
adalah fungsi . Sehingga
Contoh 4.
Hitunglah untuk variabel acak dalam Contoh 1.
Jawab.
Dengan menggunakan fungsi kepadatan peluang yang diberikan dalam Contoh 1,
diperoleh
-10 0 0.2
-1 0.2 0
0 0.6 0.6
1 0.2 0
10 0 0.2
Gambar 1. Fungsi kepadatan peluang dan . Distribusi lebih tersebar daripada distribusi .
Kedua variabel acak memiliki rata-rata 0, tetapi rentang jauh lebih tersebar daripada
kisaran .
Untuk menangkap ide ini dalam kuantitas tunggal, kita akan menghitung variansi, yang
didefinisikan sebagai rata-rata tertimbang dari jarak kuadrat ke rata-rata:
Untuk setiap variabel acak dengan rata-rata , variansi didefinisikan sebagai
Karena variansi adalah nilai rata-rata dari jarak kuadrat, nilainya selalu tidak negatif.
Kita kembali ke variabel acak dan . Nilai mean keduanya sama dengan 0, begitu
juga variansinya adalah
Kita melihat bahwa variansi lebih besar dari variansi , mencerminkan fakta bahwa
rentang lebih tersebar daripada rentang .
Contoh 5.
Hitunglah variansi dan simpangan baku dari banyaknya daun per tanaman pada Contoh
3.
Jawab.
Misalkan adalah variabel acak yang menghitung banyaknya daun per tanaman dengan
peluang distribusi yang diberikan dalam tabel Contoh 3. Dalam contoh tersebut,
diperoleh bahwa . Oleh karena itu, variansi adalah
Sekarang akan dikumpulkan beberapa aturan penting mengenai nilai harapan dan
variansi. Aturan pertama, memberi tahu cara menghitung nilai harapan dan variansi
dengan transformasi linear . Aturan ini berlaku untuk variabel acak apa pun, tidak
hanya yang terpisah.
Misalkan dan adalah konstanta. Sehingga terdapat 2 sifat, yaitu:
1.
2.
Sifat pertama mengatakan bahwa nilai harapan dari fungsi linear adalah fungsi linear
yang dievaluasi pada nilai harapan dari . Sifat kedua memberi tahu kita apa yang
terjadi pada variansi ketika kita mengalikan variabel acak dengan faktor konstan;
penting untuk dicatat bahwa faktor konstan adalah kuadrat ketika kita menariknya
keluar dari variansi. Selanjutnya, kita melihat bahwa variansi tidak berubah ketika kita
menambahkan istilah konstan ke variabel acak. Fakta terakhir dapat dipahami secara
intuitif: Menambahkan istilah konstan hanya menggeser distribusi tanpa mengubah
bentuknya.
Contoh 6.
Misalkan suhu minimum rata-rata, diukur dalam derajat Fahrenheit, di Minneapolis,
Minnesota, pada bulan Januari adalah . Tentukanlah suhu minimum rata-rata dalam
derajat Celcius?
Jawab.
Transformasi linear
mengubah suhu yang diukur dalam derajat Fahrenheit (F) menjadi suhu yang diukur
dalam derajat Celcius (C). Sehingga
[ ]
Jadi, suhu minimum rata-rata pada bulan Januari di Minneapolis adalah sekitar
.
Contoh 7.
Tentukan formula yang mengubah variansi suhu yang diukur dalam derajat Celcius
menjadi variansi suhu yang diukur dalam derajat Fahrenheit.
Jawab.
Dengan menggunakan transformasi linear dari Contoh 6. Transformasi ini
menghubungkan suhu yang diukur dalam derajat Fahrenheit (F) dengan suhu yang
diukur dalam derajat Celcius (C):
Sehingga
( ) ( )
Seringkali perlu melihat penjumlahan dari variabel acak. Misalkan dan menjadi dua
variabel acak. Kemudian juga merupakan variabel acak, dan diperoleh
Rumus ini berlaku untuk variabel acak apa pun, tidak hanya variabel diskrit.
Contoh 8.
Misalkan nilai rata-rata wanita yang memasuki kedai kopi selama jam makan siang
adalah 52.2 dan nilai rata-rata pria adalah 47.3. Tentukan rata-rata jumlah total orang
yang memasuki kedai kopi selama jam makan siang?
Jawab.
Jika memisalkan banyaknya wanita dengan dan banyaknya pria dengan , maka
untuk menentukan . Dengan dan , diperoleh
Kita dapat menggunakan aturan untuk menemukan formula alternatif untuk variansi.
Mulai dengan
Karena harapan dari penjumlahan adalah jumlah dari harapan, pada sisi kanan dapat
disederhanakan menjadi
Karena , , dan .
Dengan , diperoleh
Rumus variansi ini sering lebih nyaman digunakan, karena rumus ini menghasilkan
ekspresi yang lebih sederhana secara aljabar. Perhatikan bahwa ,
kecuali , dan , karena . Pada contoh 9,
diterapkan formula ini ke variabel acak dalam Contoh 1.
Contoh 9.
Gunakanlah variabel acak dalam Contoh 1, hasil dari Contoh 4, dan rumus alternatif
variansi untuk menghitung variansi .
Jawab.
Dalam Contoh 1, diperoleh bahwa . Dalam Contoh 4, kita hitung dan
diperoleh
Sehingga,
dengan adalah fungsi kerapatan peluang dari . Variansi dari variabel acak
kontinu dengan mean didefinisikan sebagai
∫ (∫ )
Ingat bahwa integral ini didefinisikan pada interval yang tidak terbatas dan
mungkin tidak kontinu.
Contoh 10.
Fungsi kerapatan peluang dari variabel acak diberikan sebagai berikut
∫ ∫ ∫ ]
Nilai mean ditunjukkan pada Gambar 2. Untuk menghitung nilai variansi, pertama kita
hitung
∫ ∫ ∫ ]
( )
RINGKASAN
Diskrit Kontinu
Mean ∑
∫
∑
∫
∑
∫
[∑ ] [∫ ]
∑ ∑
∫ ∫
Variansi
∑
∫
∑ [∑ ] ∫ [∫ ]
∑
∫
Simpangan √ √
Baku
√∑ √∫
√∑ [∑ ]
√∫ [∫ ]
LATIHAN
1. Tabel berikut berisi banyaknya daun per tanaman selasih dalam sampel ukuran 25:
19 21 20 13 18
14 17 14 17 17
13 15 12 15 17
15 16 18 17 14
14 14 13 20 13
a. Tentukan distribusi frekuensi relatif,
b. Hitunglah nilai rata-rata dengan (i) rata-rata nilai dalam tabel secara langsung
dan (ii) menggunakan distribusi frekuensi relatif yang diperoleh dalam (a).
2. Misalkan fungsi kepadatan peluang dari variabel acak diskrit diberikan oleh tabel
berikut:
-2 0.1
-1 0.4
0 0.3
1 0.2
a. Tentukan ,
b. Tentukan ,
c. Tentukan ,
d. Tentukan .
3. Misalkan fungsi kepadatan peluang dari variabel acak diskrit diberikan oleh tabel
berikut:
-3 0.2
-1 0.3
1.5 0.4
2 0.1
4. Misalkan dan menjadi dua variabel acak independen dengan fungsi kepadatan
peluang diberikan pada tabel berikut:
-2 0.1 0.2
-1 0 0.2
0 0.3 0.1
1 0.4 0.3
2 0.05 0
3 0.15 0.2
a. Tentukan dan ,
b. Tentukan ,
c. Tentukan dan ,
d. Tentukan .
5. Permintaan mingguan Coca Cola, dalam ribuan liter, pada suatu jaringan pemasaran
daerah, merupakan variabel acak kontinu dengan fungsi kerapatan peluang
sebagai berikut
a. Tentukan ,
b. Tentukan ,
c. Tentukan simpangan baku dari .
DAFTAR PUSTAKA
Neuhauser, Claudia. Calculus for Biology and Medicine 3rd Ed. Prentince Hall. 2011.
Walpole, Ronald E. Dan Myers, Raymond H. Ilmu Peluang dan Statistika untuk
Insinyur dan Ilmuwan, Edisi 3. Bandung: Penerbit ITB. 1995.