Sifat-sifat Nilai Harapan

PERTEMUAN KEDUA
Th 2.4.1
jika X adalah vR dengan pdf f(x) dan u(x) fungsi bernilai riil dg x  X
maka
 u( x) f ( x), X diskrit jika c seb
x
Eu X     maka
  u( x) f ( x), X kontinu  u( x) f ( x), X diskrit
- x
Eu X    
  u( x) f ( x), X kontinu
-
Th 2.4.2
jika X adalah vR dengan pdf f(x), a dan b konstan. g(x), h( x) fungsi bernilai riil dg x  X
maka
Eag  X   bh X   aEg  X   bEh X 
Contoh 1
Misal dua koin saling independen dilempar dengan probabilitas
muncul muka kepala adalah ¾ dan didefinisikan X adalah jumlah
muka kepala dg pdf:
  1 2
   ,x  0
  4
 1 3
f ( x)  2. . , x  1
  4  2 4 
 3
   ,x  2
 4

Nilai harapan E[X]

2 2
1  1  3   3
EX   0   12    2 
 4  4  4   4
24 3
 
16 2
Variansi. Definisi 2.4.1
Variansi dari vR X didefinisikan :

var X   E  X  EX 2 
Standar deviasi dari X :
 x  var(X )
Th. 2.4.3 Variansi juga dapat dinyatakan:
   
var X   E X 2  EX 2  E X 2   2
Th. 2.4.4
Jika X adalah vR, a dan b konstan
varaX  b  a 2Var X 
Contoh
1 / 9, x bilangan bulat dalam range  4,4
f ( x)  
 0, x yg lain
Nilai harapan 4
E X    xf ( x)
x 4

1 4
  x   4  3  2  1  0  1  2  3  4  0
1
9 x 4 9

variansi
     
var X   E  X  EX 2  E  X  02  E X 2
4
  x 2 f ( x)  0  1.  4.  9.  16. 
2 2 2 2 60
4 9 9 9 9 9
Def 2.4.2
k'  E X k 
Momen ke-k terhadap pusat dari suatu vR X didefinisikan

Momen ke-k terhadap rata-rata (momen sentral ke-k) didefinisikan :

k  EX  EX k  EX   k

contoh

1  EX  EX 1  EX     E  X     0

2  EX  EX 2  EX   2   2

Batas probabilitas. Th. 2.4.6
Jika X vR dan u(x) adalah fungsi bernilai riil nonnegative maka untuk sebarang konstanta positif c>0
Eu X 
Pu X  c  
c

Misal untuk , r>0

Ketidaksamaan Markov
Ketidaksamaan Chebysev
Jika X vR dengan rata - rata  dan variansi 2 , k  0

P X    k   2
1
k
bukti :
misal u X    X   2 , c  k 2 2 Bentuk lain:
maka mengg. th 2.4.6
E  X   2 1

P X     k  
2 2 2

k

2 2
 2
k
MGF (moment generating function/ Fungsi Pembangkit Momen)

Jika X vR maka nilai harapan M X (t )  EetX 

Disebut dengan mgf jika nilai harapannya ada untuk setiap nilai t,  h  t  h , h  0
Sifat:
Fmgf (Faktorial Momen)
 Latihan 1, T1_1
1. Gambar cdf dari
0,  x  0
1
 4 ,0  x  1
F x   
3
 ,1  x  2
4
 1,2  x  
3. vR X kontinu mempunyai pdf
2. Tentukan c, kemudian cari nilai P1  X  2
2e2 x , x  0
f x   
cx2 , 0  x  3  0, x  0
f x   
0, x yang lain
a. Tentukan E[X]
b. Tentukan Var(X)
PR buat resume tentang distribusi khusus
variabel diskrit dan kontinu