Tugasstatmat PDF
Tugasstatmat PDF
Tugasstatmat PDF
Disusun Oleh :
Februl Defila
(10050051)
{1} S
f n (S ) 1
f n ( A B) f n A f n B jika A B
Kejadian dikatakan saling asing jika kejadian tersebut tidak dapat terjadi bersama-sama.
Jika ruang sampel suatu percobaan dengan kejadian dasar S = {Si}, maka peluang
timbulnya kejadian dasar S = {Si} dengan i = 1,2,…,n adalah :
Pi = P[{Si}], i = 1,2,…,n dengan sifat :
Pi 0
P
i 1
i 1
k k
Jika A1,…,Ak adalah kejadian dalam S yang saling asing maka P Pi Pi
i 1 i 1
2. P( A) 1 P( A) A A S
A A
3. P( A B) P( A) P( A B)
4. P( A B C ) P( A) P( B) P(C ) P( A B) P( A C ) P( B C ) +
P A B C
Contoh :
Dua kartu diambil secara acak satu – persatu, tentukan peluang bahwa kartu yang terambil
pertama adalah kartu Jack dan kartu yang terambil kedua adalah kartu Queen!
Jawab :
Peluang dari kejadian diatas adalah :
4 4 16 4
52 51 2652 663
3
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
Secara umum, jika dua peristiwa A1 dan A2 saling asing A1 A2 , maka :
P A1 A2 B
P A1 A2 | B
P B
P A1 B A2 B
=
P B
P A1 B P A2 B
P B P B
P A1 | B P A2 | B
2. P A1 A2 | B = P A1 | B P A2 | B P A1 A2 | B
3. 0 P A | B 1
Contoh :
1. Empat kartu diambil secara random satu persatu tanpa pengembalian. Tentukan
probabilitas bahwa kartu yang terambil secara berturut – turut adalah as waru hitam
(AsWH), as waru merah (AsWM), as wajik (AsW), as semanggi (AsS)!
Jawab :
P( AsWH AsWM AsWJ As s ) P AsWH P AsWM | AsWH P AsWJ | AsWH AsWM
1 1 1 1
= 0,079
52 51 50 49
2. Kotak A berisi 10 bola merah (MA) dan 15 bola hijau (HA). Kotak B berisi 12 bola merah
(MB) dan 17 bola hijau (HB). Sebuah bola diambil secara acak dari kotak A kemudian
dikembalikan ke kotak B. Dari kotak B diambil sebuah bola secara acak. Tentukan
peluang bahwa 2 bola yang terambil berwarna hijau!
Jawab :
4
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
PH A H B PH A PH B | H A
15 18
. 0,36
25 30
2. BB S 4. A A 6. A S S
A S = A
A B B = A B A B
n A B B = n A B nA B , sehingga
P A = P A B B
= P A B PA B
S B1 B2 ... Bk . Sehingga :
Teorema :
Jika B1 , B2 ,..., Bk himpunan kejadian saling asing, maka untuk sebarang peristiwa A berlaku :
k
P A P Bi P A | Bi
i 1
Bukti :
Karena A A B1 ... A Bk
5
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
P A P A B1 ... P A Bk
Contoh :
a. Terdapat 3 dos berisi barang elektronik (lampu). Dos I berisi 25 lampu dan 5
diantaranya rusak. Dos II berisi 35 lampu dan 10 diantaranya rusak. Dos III berisi 40
lampu dan 5 diantaranya rusak. Sebuah dos dipilih secara random, tentukan probabilitas
bahwa produk yang terambil rusak!
Jawab:
Misal : A = lampu yang rusak
B1 = dos 1
B2 = dos 2
B3 = dos 3
P A P A B1 P A B2 P A B3
1 5 1 10 1 5
=
3 25 3 30 3 40
Dari contoh di atas, dapat dikaitkan konsep aturan Bayes, sebagai berikut :
Jika diasumsikan seperti syarat pada teorema sebelumnya, maka untuk setiap j,j=1, 2, 3, ... , k
berlaku :
PB j PA | B j
PB j | A
PB PA | B
k
j j
j 1
6
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
1.5 Kejadian Saling Bebas
Dua kejadian dikatakan saling bebas jika tidak saling mempengaruhi. Secara statistik, A dan
B dikatakan bebas / independent, jika :
P A B = P A PB Saling Bebas
8. A dan B, bebas
9. A dan B , bebas
Bukti :
10. P A B = P A P A B
= P A P APB
= P A1 PB
= P B P A
Secara umum, jika Ai, i , i 1,2,...,k adalah peristiwa saling bebas, maka :
k k
P Ai P Ai
i 1 i 1
Contoh :
Jika dua dadu dilempar satu kali secara bersamaan, tunjukkan bahwa dua kejadian dibawah
ini saling bebas !
Jawab :
A : Dua dadu berjumlah tujuh.
B : Dua dadu memiliki angka yang sama.
7
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
Jawab :
A 1,6, 2,5, 3,4, 4,3, 5,2, 6,1
P A P B , P A PB
1 1 1 1
6 6 6 36
A B , P A B 0
Karena P A B P A PB , maka dua kejadian A dan B adalah kejadian yang saling
bebas.
8
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
BAB II
VARIABEL RANDOM DAN FUNGSI DISTRIBUSI
S X Y P(X) P(Y)
1 1
AAA 3 0
8 8
AAG
3 3
AGA 2 1
8 8
GAA
AGG
3 3
GAG 1 2
8 8
GGA
1 1
GGG 0 3
8 8
Keterangan :
9
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
Karena P X PY , dan X Y , maka X dan Y merupakan variabel acak identik. Selain
Teorema :
Suatu fungsi f (x) adalah pdf diskrit jika hanya jika memenuhi sifat:
1. f (x) > 0
2. f x 1
3. Penulisan lain f (x) f X x dengan x = nilai variabel random X
Contoh :
Dari contoh pelemparan koin di atas (Sebuah koin yang dilempar 3 kali), jelas bahwa f (x) =
P (X = x), x = 0, 1, 2, 3. Semuanya 0 dan jumlahnya = 1
= P X x 1 F x
10
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
Teorema :
Misal X variabel acak diskrit dengan pdf = f(x) dan CDF = F(x). Jika nilai-nilai dari variabel
acak X yang mungkin adalah berurutan naik, maka :
x1 x 2 x3 .....
Sehingga F x f x
x j x
j
Sifat-sifat CDF :
a. lim F x 1
X
b. lim F x 0
X
c. lim F x h F x
h 0
d. a b F a F b
Contoh :
Dari contoh pelemparan koin diatas (sebuah koin yang dilemparkan tiga kali), bentuklah
fungsi distribusinya!
Jawab :
F x
1
7
8
4
8
1
8
x
1 2 3
11
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
2.4 Variabel Acak Kontinu
Suatu variabel acak X disebut variabel acak kontinu jika terdapat pdf f(x), sedemikian hingga
CDF-nya dapat dinyatakan sebagai :
x
CDF F x f t dt
f x F x
d
pdf
dx
Teorema :
Suatu fungsi f (x) adalah pdf untuk beberapa variabel acak kontinu X, jika memenuhi :
1. f x 0 , bilangan real X.
2. f xdx 1
Contoh :
c 1 x , x 0
3
c1 x
3
dx = 1
c
1
1 x 2 = 1
2 0
c = 2
12
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
Maka, CDF nya adalah :
x x
F x f t dt = 21 t
3
dt
11 x , x 0
2
F x
0, x 0
Contoh :
Dari contoh pelemparan koin di atas (Sebuah koin yang dilempar 3 kali), didapat
E x . E x 3. 2. 1. 0.
3 1 3 3 1 3
2 8 8 8 8 2
Jika X variabel acak kontinu dengan pdf f(x), maka Nilai Harapan E x xf x dx
Contoh :
Dari contoh di atas (Jika X merupakan variabel acak kontinu), maka :
E x x.0.dx x.21 x dx 1
3
0
13
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
Jika X variabel random dengan pdf f(x), a, b suatu konstanta dan g(x), h(x) suatu fungsi
bernilai real dari variabel x, maka:
E a.g x bhx aEg x bEhx
Bukti :
Misalkan V variable acak kontinu, maka :
= aE g x bE hx
Contoh :
Misal X adalah variabel random yang menyatakan waktu tunggu sebuah proses dengan CDF
F x 0,4.Fd x 0,6.Fc x , dengan Fd x 1 dan Fc x 1 e x , untuk x 0 . Tentukan
14
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
x 5 0,4 0,6 1 e x 0,636
P x 0danP x t
Jadi, Px t | x 0 =
P x 0
P0 x t
=
Px 0
F t F 0
=
1 F x 0
=
0,4 0,6 1 e t
1 0,4
= 1 e t
f t
d
dt
F t
d
dt
1 e t e t
2.7 Varian
Varian dari variabel acak X didefinisikan sebagai Var(x) = V(x) =
Teorema :
Jika X variabel acak kontinu, maka vx E x 2 2
Bukti :
V x x f x dx E x
2 2
= E x 2 2 x 2
= E x 2E x E
2 2
= E x 2 . 2
2
V x E x 2
2
15
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
Contoh :
Perhatikan contoh pelemparan koin sebelumnya, dengan mean = 3 . Tentukan varian dan
2
simpangan bakunya!
Jawab :
x = 0, 1, 2, 3
Var(x) = x f x
2
= 0 3 2 . 18 1 3 2 . 2 8 2 3 2 . 38 3 3 . 18
2 2 2 2
Var(x) = 0.75
= E ax b E ax b
2 2
= a 2 v x
Jika X,Y dua buah variabel random, maka berlaku :
V x y V x V y 2Covx, y
Jika X, Y independen dan cov (x, y) = 0, maka berlaku :
v( x y ) v( x) v( y )
Covx, y E x x y y
= E xy E x .E y
16
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
x, y korelasi (x, y)
cov(x, y )
=
V y V x
2.8 Momen
Momen ke-k di sekitar x=0 dari variabel random X didefinisikan sebagai :
k E x k
Jika k=1 1 E x E ( x) 0
k=2 2 E ( x ) 2 2
Contoh :
Misalkan ada seorang pembalap mobil yang diasumsikan waktu berkendaranya antara 20
hingga 30 menit. Jika X adalah variable acak yang menyatakan waktu dalam menit, maka
tentukan momen ke k dari variable tersebut!
Jawab :
f X x 1
10 , 20 x 30
1
10 , untuk yang lain.
Momen ke k dari variable acak tersebut adalah :
E X
30
xk
mk k
dx
20
10
30 k 1 20 k 1
, dimana k = 1, 2, 3, …
10 k 1
Sehingga diperoleh :
m1
30 20
2 2
25 dan m2
303 203 633 1
102 103 3
17
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
Karena m1 X , sehingga diperoleh X 25 . Dan karena m2 X2 X2 , maka diperoleh
1
X2 8
3
Px k
k
1
2
k
1
or p x k 1 2
Jika diambil k k
2
2
P x 2 atau p x 1 2
turunan dari fungsi H ' x , H '' x ,...., H n x dan H x dapat diekspansikan menurut Deret
Taylor di sekitar x , maka :
Sehingga : E H ( x) E H x H '
x 2 H " ....)
2!
18
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
H "
= H E x H ' E x . .....
2
2
H ''
= H 0 0
2
Jadi, E H x H H 2 e e 2
1 " 1
2 2
V H x V H x H ' ........
= 0 V x H '
= H ' vx
2
= H
' 2 2
Jadi, V H x H r
' 2 2
Contoh :
Jika X variabel random bernilai positif dengan pdf f x ln x , maka tentukan Eln x dan
V ln x
Jawab :
H x ln x maka H ln x
H ' x
1
x
H " x
1
x2
E ln x ln x 2 H '' x
1
2
= ln
1
x 2 12
2
1
= ln 2
2 2
19
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
V ln x H ' 2
2
1
= 2
2
2
=
2
i 1
X Variabel acak kontinu M x t E e tx e tx f x dx
r
:
:
Jika t = 0, maka :
M x' 0 xi f xi
= E x
20
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
= E x 2 2 r 2
Contoh :
Jika X variabel acak kontinu dengan f x e x , x 0 , maka tentukan MGF!
Jawab :
M x t e tx f x dx
R
= e tx e x dx
0
t 1 x
= e
0
dx
e t 1x
= d t 1x
0
t 1
1 t 1x
=
t 1
e 0
1 1t x
=
t 1
e 0
=
1
0 1
1 t
1
,t 1
t 1
M x t 1 t
1 1
1 t
M x' t 11 t 1
2
21
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
= 1 t
2
M x' 0 1
M x" t 21 t 1
3
= 21 t
3
M x" 0 2
Jadi, E x 1
2 2 12 1
Contoh :
x 1
1
Jika X variabel acak diskrit dengan pdf f x dengan x=0,1... Tentukan MGF-nya!
2
Jawab :
M x t e txi f xi
i 0
xi 1
1
= e txi
i 0 2
xi
1 et
=
2 i 0 2
1 xi
= s
2 i 0
=
1
2
1 s s 2 ...
1 1
=
2 1 8
1
= deret konvergen
2 et
Jadi, e t 2
t ln 2
22
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
Sifat-sifat MGF :
1. Jika y = ax+b, maka MGF-nya adalah M y t ebt M x at
2. y x M y t e t M x t
Teorema :
Jika MGF X ada, maka E x r M xr 0 dengan M x t 1
E xr t r
r 1 r!
23
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
BAB III
HUKUM – HUKUM PROBABILITAS
Distribusi Probabilitas
Terdapat dua macam distribusi probabilitas, yaitu :
1. Variabel acak diskrit
2. Variabel acak kontinu
24
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
Teorema :
Jika X Bernoulli, maka :
E ( x) p
v( x) pq
Contoh :
Buktikan teorema diatas dan cari MGF-nya!
Jawab :
E( x) xf ( x) E( x 2 ) x 2 f ( x)
= 0.q 1. p = 0.q 1. p
= p = p
Sehingga, v( x) E ( x 2 ) ( E ( x)) 2
= p p2
= p(1 p)
= pq
M x (t ) ( pe t q )
25
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
Teorema :
Jika X BIN (n, p), maka :
E ( x) np
v( x) npq
M x (t ) ( pe t q ) n
Bukti :
M x (t ) E (e tx )
n xi n xi
= e txi
p q
x
n
= x (e p) t xi
q n xi
= ( pe t q ) n
n
n
( a b) n = i a b i n i
i o
E ( x) ' x (0)
Contoh :
1 20 1 1
16 4
b16,10, 0,0046
2 16 2 2
26
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
Definisi :
Variabel random X dikatakan berdistribusi Hipergeometris, jika pdf-nya berbentuk :
M N M
x n x
h ( x , n, N , M ) , x 0,1,2,...,n
N
n
Teorema :
Jika X distribusi Hipergeometris, maka :
nM
E ( x)
N
nM M N M
v( x) 1
N N N 1
Bukti :
E( x) xf ( x)
M N M
x n x
x
N
n
M 1 N M
n
M x 1 n x
x
x 0 x N N 1
n n 1
M 1 N M
n
nM x 1 n x
x 1 N N 1
n 1
Misal :
y x 1 , maka y x 1 , sehingga x 1, y 0
Sehingga :
27
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
M 1 N M
nM n 1
y n 1 y
N x 0 N 1
n 1
nM
Jadi, E ( x)
N
M N M
2 x n x
E(x ) x
2
N
n
nM M N M
Jadi, v( x) 1
N n n 1
Contoh :
Sepuluh produk diambil dari sebuah dos besar berisi 1000 produk, 400 diantaranya rusak.
Sampel tersebut diambil secara random. Dari sepuluh yang diambil tadi, terdapat lima
Jawab :
28
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
M N M
x n x n x q x
lim p q
N N x
n
3.4 Distribusi Poisson
Suatu variabel random X berdistribusi Poisson jika pdf-nya berbentuk :
x e x
f ( x, ) f ( x ) , x 0,1,2,..., 0
x!
Teorema :
Bukti :
M x (t ) E (e ix )
n
x e
= e
x 0
tx
x!
e tx x
= e
x!
(e t ) x
= e
x!
= e x e et
= e ( e 1)
t
M ' x (t ) e (e 1) e t
t
M ' x ( 0)
M n (0) 2
= 2 2
=
29
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
Teorema :
Jika X BIN(n, p) , maka untuk setiap nilai x = 0,1,2,…,n dan P 0 dengan np
n e x
suatu konstanta, maka lim p x (1 p) n x , dengan .
n x
x!
Contoh :
Buktikan teorema diatas!
Jawab :
n x
n x
x
n!
p (1 p) n x 1
x x!(n x)! n n
n x
n(n 1)(n 2)...(n x 1)
x
= 1
x( x 1)(x 2)...(1) n n
x
n(n 1)(n 2)...(n x 1) x
n
= 1 1
x! nx n n
x
n(n 1)(n 2)...(n x 1) x
n
= 1 1
nx x! n n
x
n(n 1)...(n x 1)
x n
= lim 1 1
n
n.n.n...n x! n n
x
= 1. .e .1
x!
x e
=
x!
(Terbukti)
30
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
3.5 Distribusi Uniform Diskrit (Seragam)
Suatu variabel random X berdistribusi Uniform Diskrit, jika pdf-nya berbentuk :
1
, N 1,2,...,N
N
f(x) = Memiliki peluang yang sama
0, yang lain
Teorema :
1 1
Jika X DU (N ) , maka E ( x) ( N 1), dan v( x) ( N 2 1)
2 12
Contoh :
Buktikan teorema diatas!
Jawab :
N
E ( x) xf ( x)
x 1
1
= x N
=
1
1 2 ... N
N
N a U n
1 1
=
N 2
1 1
= N N 1
N 2
=
1
N 1 (Terbukti)
2
v( x) x 2 f ( x) xf x
2
=
1
1 2
1 2 2 3 2 ... N 2 N 1
N 4
31
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
1
= ( N 2 1)
12
(Terbukti)
0, x a
xa
CDF F ( x, a, b) ,a x
ba
1, x b
Teorema :
1 1
Jika X UNIF(a, b) , maka E ( x) (b a), dan v( x) (b a) 2
2 12
Contoh :
Buktikan teorema diatas!
Jawab :
b
E ( x) xf ( x)dx
a
b
1
= x b a dx
a
32
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
1 1 2 a
= x
b a 2 b
=
1 1 2 1 2
a b
ba2
2
=
1 1
b a b a
ba 2
1
= (b a )
2
(Terbukti)
2
b
b
v( x) x f ( x)dx xf ( x)dx
2
a a
1 2
b
dx b a
1
x
2
=
a
ba 4
1 1 3 a 1
= x b a 2
b a 3 b 4
=
1 1 3
ba 3
1
b a 3 b 2 2ab a 2
4
=
1 1
ba 3
4
b a b 2 ab a 2 1 b 2 1 ab 1 a 2
2 4
1 2 1 1 1 1 1
= b ab a 2 b 2 ab a 2
3 3 3 4 2 4
1 2 1 1
= b ab a 2
12 6 12
=
1 2
12
b 2ab a 2
=
1
b a 2
12
(Terbukti)
33
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
3.7 Distribusi Gamma
Untuk memahami distribusi Gamma, perlu diketahui fungsi Gamma secara umum dan
sifat-sifatnya. Secara umum, fungsi Gamma didefinisikan sebagai :
x t 1e t dt
0
Sifat-sifatnya :
1. x 1x , 0
2. n n 1!, n A
3. 1 1
1
4.
2
X suatu variabel acak kontinu dengan distribusi Gamma dengan parameter positif dan
negatif, jika pdf-nya berbentuk :
x
x GAM ( , ) : f x, ,
1 1
x e
, 0, 0, x 0
Contoh :
Buktikan teorema diatas!
Jawab :
E ( x) xf x dx
0
x
1
x
1
= x e dx
0 x
34
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
x
1
x 0
( 1) 1
= x e dx
1
1 1 ( 1)1 x
=
x 0 1 1 x e dx
1 1 1 x
=
0 1
1
x ( 1)1e dx
= .1
=
(Terbukti)
Akibat khusus :
CDF-nya : X GAM ( , )
t
F x, ,
1
t 1e dt
0
Jika 2 dan , maka x x 2 GAM ( ) GAM 2,
2 2
Jika 1, maka GAM ,1 eksponensial
, maka : f x, e x , 0, x 0
1
Jika
x
CDF-nya berbentuk : F ( x, ) 1 e
35
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
Teorema :
Jika X berdistribusi Eksponensial, maka E ( x) , dan v( x) 2
Contoh :
Masa usia sejenis komponen listrik berdistribusi Eksponensial dengan rata-rata 100 jam.
Tentukan probabilitas bahwa komponen tersebut dapat digunakan 50 jam lagi dari batas
yang ditentukan perusahaan!
Jawab :
P = 0,6065
Definisi :
36
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
Suatu variabel acak X wei , , 0, 0 , maka :
x
1
x e ,x 0
f x, ,
0, yang lain
x
Jika 1 , maka : f x, ,1
1
e
x exp( )
2
x
Jika 2 , maka : f x, ,2
2
xe x Rayleigh
x
Bentuk CDF-nya : F x, , 1 e
Terorema :
Jika X wei( , ) , maka :
1
E (x) 1
2 1
v( x) 2 1 2 1
37
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
1 x
2
x N ( , ) f x, ,
1
e 2
, ,0 , x
2
2
v( x) x f x dx xf x dx
2
R R
= E x
2
Sifat-sifat :
1. f x, , 0
Contoh :
Buktikan : f x, , dx 1
R
Jawab :
1 x
2
1
2
e dx
R 2
x 1
Ambil z dz dx
1
1 z2
= 2 e 2
dz
R 2
1 2
vz
2
Misal : z 2 2v
1
1
z 2v dz 2 . v 2 dv
2
1
1 1
= 2 e v 2 v 2 dv
0 2 2
38
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
1
1
=
0
v 2 e v dv
1
1
v 2 e dv
v
=
0
1
t 1 dt 1
1 1 1
=
2 0
2 2
=
=1
Selanjutnya, jika Z berdistribusi Normal baku dengan rata-rata = 0 dan = 1, yang
dinotasikan z N (0,1) , maka pdf-nya berbentuk :
1
z2
pdf z
1
e 2
, z
2
CDF z t dt
Sifat-sifat :
1. z z fungsigenap
2. N (0,1) simetris di z = 0
Teorema :
x
Jika X N ( , ) , maka Fx x Px x
Contoh :
Misalkan X variabel acak yang menyatakan masa pakai suatu komponen listrik dengan
ukuran bulan. Jika variabel diasumsikan berdistribusi Normal dengan = 60 dan 2 = 36
39
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
bulan. Tentukan probabilitas bahwa komponen tersebut masa pakainya maksimal 4
tahun!
Jawab :
48 60
P x 48
6
= 2
= 2
= 0,0228
Teorema :
1
t 2t 2
Jika X N ( , ) , maka M x t e 2
Bukti :
M x t E e tx
x
Misal : z x z
M x t E e tx
= e t f z dz
2
1
1 z2
= e tz
e 2
dz
R 2
1 1 2
1 z t 2 t
=
R 2
e 2
e 2
dt
1 2 1
t 1 z t 2
=e 2
R 2
e 2
dz
1
t2
= e 2 .1
Sehingga M x t M 2 t
40
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
= e t M z t
1 2 2
t
t 2
=e e
1
t 2t 2
2
=e
(Terbukti)
Teorema :
Jika X N ( , ) , maka :
E x ' x 0
41
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
BAB IV
JOIN DISTRIBUSI VARIABEL RANDOM
Definisi :
pdf bersama dari variabel acak diskrit berdimensi k (vektor random) didefinisikan sebagai
berikut :
f X 1 ,..., X k P X 1 x1 ,..., X k x k
= P X 1 x1 ... X k x k
Untuk semua nilai (x), X X 1 , X 2 ,..., X k dari vektor random yang mungkin.
Contoh :
Sebuah dos berisi 1000 bolpen, 400 warna merah, 400 warna hitam, sisanya biru. Jika 10
bolpen diambil secara random sekaligus tanpa pengembalian, maka tentukan probabilitas
banyaknya bolpen yang terambil berwarna merah, hitam, dan biru.
Jawab :
400 400 200
X 1 X 2 n X 1 X 2
f 1000 ,10 , X 1 , X 2 , dengan X 1 X 2 X 3 n
1000
10
Distribusi bersama biasanya terkait dengan distribusi multinomial (perluasan dari binomial).
42
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
Misalkan Xi variabel acak menyatakan banyaknya kejadian Ei dari n eksperimen, maka
vektor random dikatakan berdistribusi multinomial, jika pdf-nya berbentuk :
f X 1 ,..., X k
n! X X
, P1 1 ... Pk 1 k 1
X 1!... X k 1!
k
X k 1 n X i ,0 i n
i 1
k
Pk 1 1 Pi
i 1
Teorema :
Suatu fungsi f X 1 ,..., X k adalah pdf bersama untuk beberapa vektor random jika hanya jika
berlaku :
a. f X 1 ,..., X k 0, i, i 1,2,..., k
b. ... f X ,...,X 1
X1 Xk
1 k
Contoh :
1. Sebuah bidang tetrahedron dilemparkan sebanyak 20 kali, masing-masing permukaaan
mempunyai peluang yang sama, yakni 1/4. Tentukan probabilitas bahwa dari percobaan
tersebut munculnya angka 1 adalah 4 kali, angka 2 adalah 6 kali, angka 3 dan 4 adalah 5
kali.
Jawab :
4 6 5 5 20
20! 1 1 1 1 20! 1
4!.6!.5!.5! 4 4 4 4 4!.6!.5!.5! 4
= 0,0089 0,9%
2. X mult 3;0,4;0,4
43
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
X1/X2 0 1 2 3
0 0,008 0,048 0,096 0,064 0,216 f1(0) = P(X1=0)
1 0,048 0,192 0,192 0 0,432 f1(1) = P(X1=1)
2 0,096 0,192 0 0 0,288 f1(2) = P(X1=2)
3 0,064 0 0 0 0,064 f1(3) = P(X1=3)
0,216 0,432 0,288 0,064 1
Definisi :
Jika pasangan variabel acak diskrit X1, X2 mempunyai pdf f X 1 , X 2 , maka pdf marginal
dari X1 dan X2 adalah :
f1 X 1 f X 1 , X 2 (X1 fixed and X2 variable)
X2
CDF bersama dari k variabel acak (vector random) adalah suatu fungsi yang didefinisikan
sebagai berikut :
F X 1 ,..., X k F X 1 x1 ,..., X k x k
Teorema :
Suatu fungsi F X 1 , X 2 adalah CDF bivarian jika hanya jika berlaku :
1. lim F X 1 , X 2 F , X 2 0, X 2
X1
2. lim F X 1 , X 2 F X 1 , 0, X 1
X 2
44
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
3. lim F X 1 , X 2 F , 1
X 1 , X 2
sebagai berikut :
Xk X1
Teorema :
pdf bersama f X 1 ,..., X k jika hanya jika memenuhi :
a. f X 1 ,..., X k 0
b. ..... f X
1 ,...,X k dX 1 ,...,dX k 1
Pdf marginal : f1 X 1 f X , X dX
1 2 2
=
f X 1 , X 2 dX 1
Contoh :
Misalkan X1 menyatakan konsentrasi dari substansi tertentu dari percobaan 1 dan X2
menyatakan konsentrasi dari substansi tertentu dari percobaan 2. Jika diasumsikan bahwa pdf
bersamanya f X 1 ,. X 2 4 X 1 X 2 ,0 X 1 1;0 X 2 1 , maka tentukan CDF-nya.
Jawab :
45
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
X2 X1
X2 X1
= X 1 , X 2
2
Definisi :
X1 dan X2 variabel acak diskrit dengan pdf bersama f X 1 , X 2 , dikatakan bebas stokastik
d b
Pa X 1 b, c X 2 d f X 1 , X 2 dX 1dX 2
c a
d b
= f X . f X dX dX
c a
1 2 1 2
b d
= f1 X 1 dX 1 . f 2 X 2 dX 2
a c
46
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
Teorema :
Vektor random X bebas stokastik jika hanya jika :
k
CDF F X 1 ,..., X k Fi X i
i 1
k
pdf f X 1 ,..., X k f i X i
i 1
Contoh :
X1/X2 0 1 2 f1(X1)
0 0,1 0,2 0,1 0,4
1 0,1 0,2 0,1 0,4
2 0,1 0,1 0 0,2
f2(X2) 0,3 0,5 0,2 1
b. f X 1 | X 2 f1 X 1
Contoh :
Jika x dan y dua variabel acak kontinu yang mempunyai pdf bersama :
f x, y x y,0 x 1;0 y 1
Tentukan :
a. f y | x
1 1
b. P 0 y | x
2 4
Jawab :
f x, y x y x y x y
a. f y | x
f x 1
1 2 1 1
x
x y.dy
0
2
y xy
0 2
1 1 x y
b. P 0 y | x
2 4
x
1
2
1 1
2 y
= 4 .dy
1 1
0
4 2
1 2 1 1
y y 2
2 4 0
= 3
4
2
1
= 8
3 3
4
48
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
Sifat –sifat probabilitas
1. Jika X vektor random yang mempunyai pdf bersama f X 1 ,..., X k dan jika y u (x)
merupakan fungsi dari vektor random, maka :
Variabel acak diskrit
E ( y) E (u( x))
= ... u( X ,...,X
X1 Xk
1 k ) f ( X 1 ,..., X k )
Teorema :
Jika X1, X2 suatu random variabel dengan pdf bersama f X 1 , X 2 , maka :
E( X 1 X 2 ) E( X 1 ) E( X 2 )
Bukti :
E( X 1 X 2 ) X
1 X 2 f ( X 1 , X 2 )dX 1dX 2
= X
1 f ( X 1 , X 2 )dX 1 X 2 f ( X 1 , X 2 )dX 2
= E( X 1 ) ( X 2 )
E ai X i Eai X i
Teorema :
Jika x, y dua variabel random bebas stokastik g(x) dan h(y) sebuah fungsi, maka :
49
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
E ( g ( x)h( y)) E ( g ( x))..E (h( y))
Secara umum, jika x vektor random saling independen dan u(x) suatu fungsi, maka :
E (u ( x)) E (u ( X 1 )),..., u ( X k ))
= E (u ( X 1 )),..., E (u ( X k ))
4.6 Covarian
Definisi covarian bersama antara x dan y :
cov x, y E x x y y xy E xy E x E y
= E x 2 2 xx x
2
= E x 2 E x
2
= v x
= x
2
Teorema :
Jika x dan y bebas stokastik, maka :
E x, y E x E y , sehingga cov (x, y) = 0
Apabila cov (x, y) = 0, maka tidak berlaku x dan y bebas stokastik.
=
=
=
50
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
2.
3.
4.
Teorema :
Jika X, Y variabel random, maka :
=
=
=
=
=
=
(Terbukti)
maka :
Contoh :
51
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
=
=2 + 1 + 4 + 2
= 9
4.7 Korelasi
Jika X dan Y merupakan variabel random dengan variansinya maisng-masing adalah
dan kovariansinya adalah Maka korelasi X dan Y
didefinisikan
2.
Dengan
0,jika
-1,jika
3. a. xy 0 corr
b. xy 0 corr
c. xy 0 uncorrelated
Contoh :
Misalkan diketahui pdf bersama dari variabel random Y yang diberikan X sebagai berikut :
E Y | X
2 X
,0 Y ,0 X Z
X 2
Cari E Y | X EY | X Y E Y | X x !
Jawab :
x x
2 2
2 1 x
E Y | X x Y Y . .dY . Y 2 2
2 x
0 0
x x 2 0 4
Teorema :
Jika X dan Y variabel random berdistribusi bersama, maka :
EE y | x E y
Bukti :
Misal : E y | x hx
EE y | x E hx hx f1 x dx
= E y | x f x dx
1
= y. f y | x. f x.dy.dx
1
= y. f x, y .dy.dx
= y f x, y .dx.dy
53
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
= E y
(Terbukti)
Contoh :
1 32
= x
2.4 0
8 1
=
24 3
Dari contoh-contoh di atas, ekspektasi bersyarat dapat juga digunakan untuk 2 variabel yang
saling bebas stokastik. Jika x, y bebas stokastik, maka :
a. E y | x E y
b. E x | y E x
Variansi bersyarat dari y diberikan x didefinisikan sebagai :
v y | x E y 2 | x E y | x
2
Teorema :
Jika X dan Y variabel random berdistribusi bersama, maka :
v y E var y | x varE y | x
2
Bukti :
E var y | x E E y 2 | x E y | x
2
= E y 2 E E y | x
2
54
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
= E y 2 E y E y E E y | x
2 2 2
= var y E E y | x E y
2 2
= var y varE y | x
55
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
BAB V
FUNGSI VARIABEL RANDOM
Tujuan dari subpokok bahasan ini adalah menentukan distribusi pdf dari fungsi variabel
acak. Dengan syarat, variabel acak sebelumnya (x) biasanya sudah diketahui bentuk CDF-nya.
Terdapat tiga metode / teknik untuk mendapatkan distribusi fungsi variabel acak. Teknik tersebut
antara lain :
5.1 Metode CDF.
5.2 Metode transformasi variabel acak (transformasi satu-satu atau transformasi yang lain).
5.3 Metode MGF.
= f
x1
x ( x)dx
= Fy ( x 2 ) – Fy ( x1 )
d
Jadi, pdf = CDF.
dy
56
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
Contoh :
1. Diketahui Fx (x) = 1 – e-3x, 0 x . Tentukan pdf dari Y = ex!
Jawab :
Fy (y) = P[Y y]
= P[ex y]
= P[x ln y]
= P[Fx (hy)]
= 1 – e-3ln y
1
=1– , 1 y
y2
d 1
Jadi, Fy (y) = (1 2 )
dy y
2
= , 1 y
y3
2. Jika X variabel acak kontinu. Tentukan pdf dari Y = x2 !
Jawab :
Fy (y) = P[Y y]
= P[x2 y]
= P[ y x y ]
= P( x y ) – P( y x )
= Fx ( y ) – Fx (- y )
d
Fy (y) = ( Fx ( y ) – Fx (- y ))
dy
=
d Fx y
d Fx y
dy dy
= fx y 2 1 y f y 2 1 y
x , untuk y 0
57
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
Teorema :
Misalkan X vector random dari variabel acak kontinu dengan pdf bersama X x1 , x 2 ,..., xk .
u x dan Ay x | u x y
Contoh :
Misalkan Y = x1 x2 dengan xi ~ Exp 1 , tentukan pdf dari Y, p x1 y x 2 , 0 x1 y ?
Jawab :
FY y = PY y
= Px1 x2 y
y y x2
= f x , x dx dx
0 0
1 2 1 2
y y x2
x1 x2
= e
0 0
dx1dx2
y y x2
=e x2
e
x1
dx1 dx2
0 0
= e x2 e x1 dx
y x2
0
0 2
1 e e
y
y x2 x2
= dx2
0
e
y
x2
= e y dx2
0
= e x2 e y x 2
y
0
= e y ye y 1
= 1 e y ye y
f y y f x w y , y B dengan B y f y y 0
Contoh :
1. X ~ GEO (p) dengan pdf f x x pq x 1 , x 1,2,...
Dan y = x-1, tentukan pdf Y!
Jawab :
x = y+1
x w y
f y y f x w y
= fx y 1
p.q y 11
pq y , y 0,1,....
Misalkan X variabel acak kontinu dengan pdf f(x) diasumsikan bahwa y=u(x)
merupakan fungsi satu-satu dari himpunan A x f y x 0 , B y f y y 0 dengan
transformasi invers x=w(y). Jika turunan w’(y) kontinu dan tidak bernilai nol pada
himpunan B, maka pdf dari y dapat dinyatakan sebagai
f y y f x w y w y Contoh :
d
dy
Misalkan CDF dari variabel random X adalah F x 1 e 2 x , maka tentukam pdf dari
w' y
1
y
f y y f x w y j
= 1 e 2 ln y
1 1 1
y y y3
Fy y 1 , dengan 1 y
d
f y w
dy
= y 2 3 y 4
y2 3
y4
f x x 1 e 2 x
f x x Fx x
d
dx
= 2 e 2 x
f y y f x w y J
1
= 2e 2 ln y
y
2
=
y3
2. Misalkan X variabel acak kontinu berdistribusi uniform U , . Tentukan
2 2
distribusi fungsi Y b tan x a !
Jawab :
pdf U a, b
1
ba
f x x U ,
1 1
2 2
2 2
60
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
y b tan x a
b tan x y a
ya
tan x
b
ya
w y = x rc tan
b
ya
Misal : f y
b
f 'y
Maka : w' y
1 f y
2
1
dw y b
ya
2
dy
1
b
b
=
b y a
2 2
Sehingga :
f y y f x w y J
1 b
=
b y a 2
2
61
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
Teorema :
Jika X suatu vektor random yang kontinu dengan PDF bersama:
pada himpunan A dan Y= , merupakan transformasi satu-satu yakni
yi=u(xi), i=1,2,...,k dan jacobian matriks kontinu tidak nol, maka PDF dari y adalah
X= solusi tunggal dari y.
Contoh :
Misalkan x1 & x2 adalah 2 variabel random independen yang masing-masing
berdistribusi eksponensial satu.
x=1 exp(1)
= , x1>0, x2>0
Maka tentukan pdf bersama dari y1 & y2 bila diketahui y1= , y2 =
62
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
Jawab:
y1=
y2 =
= =1
=
=
x
Jadi G
1 1
x e
, 2, 1
63
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
5.3 Metode MGF
Sebagaimana metode sebelumnya, metode MGF ini juga dapat digunakan dengan mudah
untuk menentukan distribusi variabel random atau jumlah fungsi variabel random.
Jika (x1,x2,...,xk) merupakan n buah variabel random yang saling independen aatau bebas dan
masing-masing punya MGF : maka jumlah n buah variabel random
diatas yakni :
x,y independen
Contoh :
Misalkan variabel random berdistribusi binomial yang saling independen :
dengan
64
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
Jawab:
=(
=
BIN (
Misalkan : A1 =
A2 =
A3 =
A4 =
A5 =
A6 =
B =
A1= = , ,
A1= = , ,
66
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
Contoh :
1. Misalkan menyatakan sampel random dengan PDF
. Tentukan PDF bersama dari statistik bersama dan PDF
marginal!
Jawab :
Penurunan distribusi dari order statistik ke-k dapat juga dilakukan hubungan antara PDF
dan CDF :
67
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
; a< <b
Dari contoh diatas maka PDF marginal secara umum dapat ditentukan dengan
menggunakan teorema berikut :
sampel random berorder n dari suatu PDF yang kontinyu dengan >0
68
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
Untuk a<x<b, maka PDF order statistik ke-k (marginal) dapat dinyatakan sebagai :
= ,
CDF :
Definisi :
Jika
69
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
Maka dikatakan konvergen dalam distibusi ke dan dinyatakan
Contoh :
Misalkan sampel random dari distribusi eksponensial dan order statistik
terkecil. Maka tentukan CDF !
Jawab :
F(-∞) = 0
F(∞) = 1
Definisi :
Suatu barisan dari variabel random dikatakan konvergen stokastik pada
konstanta c jika barisan tersebut mempunyai distribusi limit pada y=c.
Dari definisi tersebut, maka dapat diturunkan definisi distribusi generate.
Dengan kata lain, G(y) adalah CDF dari distribusi variabel acak diskrit jika probabilitas
bernilai 1 pada titik y=c dan bernilai 0 pada yang lain.
70
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
5.7 Distribusi Paretto
Suatu variabel acak kontinu X dikatakan berdistribusi paretto dengan θ>0, ɸ>0
Jika PDF-nya berbentuk :
Contoh :
Misalkan berdistribusi paretto satu-satu dan order statistik terkecil,
maka tentukan CDF dari !
Jawab :
= G(Y)
71
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
Maka
Contoh :
Misalkan suatu sampel random dari distribusi bernoulli dengan
Yn =
sedemikian hingga np= maka tentukan distribusi limit dengan
CLT!
Jawab :
M (t)
, maka Yn =
=M(t)
Dari contoh diatas, konsep distribusi limit dan CLT dan keduanya menentukan dengan
pendekatan
Satu hal yang perlu diketahui, apabila bentuk CDF tidak memenuhi sifat-sifat umum, maka
barisan Yn tidak mempunyai distribusi limit pendekatan.
Teorema limit pusat secara khusus :
Jika merupakan sampel random dari sebuah distribusi dengan PDF f(x), dan
mean dan varian berhingga, maka distribusi limit dari :
72
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
Dari uraian di atas, dapat disimpulkan bahwa Theorema limit Central dapat dimodifikasi
berdasar konsep-konsep statistik dasar, yaitu :
1.
2. Jika , maka:
1.
2.
Contoh :
Misalkan adalah mean sampel random berukuran 75 dari distribusi dengan PDF
Jawab :
73
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com
5.10 Konvergen Stokastik
Konsep konvergen stokastik banyak digunakan untuk menunjukkan bagaimana sebuah
random variabel dapat digunakan untuk pendekatan asimtotik normal.
Misalkan merupakan distribusi dari variabel random yang distribusinya tergantung
pada bilangan bulat positif n. Jika c merupakan konstanta yang tidak tergantung pada n maka
variabel random dikatakan konvergen stokastik/ probabilistik/ lemah ke-c jika dan hanya
jika untuk setiap berlaku :
Dari konsep diatas, konvergensi stokastik dapat diperluas terhadap barisan variabel random.
Misalkan {Xn} barisan variabel random , n=1,2,.... dan X=variabel random yang terdefinisi
pada ruang parameter (ῼ) maka : konvergensi dari barisan tersebut dapat diuraikan melalui 3
macam konvergen :
1. Konvergen almost sure / konvergen dengan probabiitas 1 / konvergen strong
2. Konvergen stokastik / konvergen probabilistik / konvergen weak
3. Konvergen distribusi / konvergen lengkap
Definisi :
Misalkan Xn barisan variabel random dikatakan konvergen hampir pasti ke-x, jika untuk
setiap ε > 0 berlaku :
Contoh :
Misalkan merupakan sampel random dari distribusi eksponensial. Buktikan
konvergen stokastik ke !
Jawab :
Buktikan :
lim (1 ) 1
n n 2
75
Februl Defila
defiladefila@gmail.com
http://febroeldefila.wordpress.com