PEUBAH ACAK

Pertemuan II - III
Sub Materi
Konsep Variabel Acak
Distribusi Probabilitas
Distribusi Gabungan
Harapan Matematis
Varian Peubah Acak
Pembangkitan Momen
KONSEP PEUBAH ACAK
Definisi :
Peubah acak atau variabel random ialah suatu fungsi yang
mengaitkan suatu bilangan real pada setiap unsur dalam
ruang sampel

Catatan:
Peubah acak ditulis dengan huruf besar (X) sedangkan nilainya
ditulis dengan huruf kecil (x)
CONTOH
Contoh
Seorang petugas ruang simpan mengembalikan tiga helm keselamatan secara acak
kepada tiga pegawai pabrik baja yang sudah memeriksa helm tersebut. Bila Smith,
John, dan Brown di dalam urutan itu, menerima salah satu dari 3 helm itu, tulislah
titik-titik contoh bagi urutan yang mungkin dari pengembalian helm tersebut, dan
carilah nilai m dari peubah acak M yang mewakili jumlah kecocokan yang tepat.
Penyelesaian:
Bila S, J dan B masing-masing menunjukkan helm milik Smith, Jones dan Brown maka
susunan yang mungkin dimana helm akan dikembalikan dan jumlah kecocokan yang
benar adalah
CONTOH
Ruang sampel yang memberikan secara rinci setiap
kemungkinan hasil bila tiga suku cadang elektronik diuji
dapat ditulis sebagai

T={BBB, BBC, BCB,BCC,CBB.CBC,CCB,CCC}

Bila B menyatakan ‘baik’ dan C menyatakan ‘cacat’.

Peubah acak X menyatakan banyaknya cacat yang
terjadi.
Tentukan nilai x yang mungkin dari peubah acak X.
CONTOH

Nilai x yang mungkin dari peubah acak x diberikan

tabel berikut :
Ruang sampel x
BBB 0
BBC 1
BCB 1
BCC 2
CBB 1
CBC 2
CCB 2
CCC 3
DISTRIBUSI PROBABILITAS
Himpunan pasangan nilai-nilai variabel acak X dengan probabilitas nilai-nilai
variabel acak X, P(X = x) disebut probabilitas X atau disingkat distribusi X. Himpunan
pasangan tersusun (x, f(x)) adalah sebuah fungsi probabilitas atau fungsi kerapatan
probabilitas dari variabel acak X untuk setiap keluaran x yang mungkin. Sifat-sifat fungsi
f(x) adalah
a. Variabel acak diskrit
1. f  x   P  X  x   fungsi probabilitas
2. f x   0
3.  f x   1
x

b. Variabel acak kontinyu

b
1. P a  X  b    f ( x ) dx  fungsi kepadatan probabilitas/probability
a

density function (pdf)

2. f x   0

3.  f  x dx  1

DISTRIBUSI PROBABILITAS
Jika variabel acak X memiliki fungsi probabilitas f(x), maka fungsi distribusi kumulatif
dari X, yaitu F(x) dinyatakan sebagai

  f x  X diskrit
 X  x
F x   P X  x   
X
  f x dt X kontinyu

Fungsi distribusi kumulatif F(x) dapat dinyatakan pada interval a  X  b yaitu
sebagai:
Pa  X  b   F b   F a  .
Fungsi kerapatan probabilitas f(x) dapat dinyatakan sebagai hubungan dengan distribusi
kumulatif sebagai:
dF  x 
f x  
dx
DISTRIBUSI PROBABILITAS
DISTRIBUSI PROBABILITAS
Contoh: 1

Sebuah pengiriman 8 mikrokomputer yang serupa ke suatu jaringan eceran berisi 3 yang
cacat. Bila suatu sekolah melakukan suatu pembelian acak 2 dari komputer ini, carilah
sebaran probabilitas untuk jumlah cacat.

Penyelesaian :

Ambil X sebagai peubah acak yang nilai x-nya adalah jumlah komputer cacat yang
mungkin dibeli oleh sekolah tersebut. Maka x dapat menjadi salah satu dari bilangan
0,1,2. Sekarang

 3 5  3  5
     
 0   2  10 1 1
 , f 1  P  X  1       ,
15
f 0  P  X  0 
8 18 8 18
   
2  2
DISTRIBUSI PROBABILITAS
 35
  
2 0
f  2  P  X  0      
3
8 18
 
 2
sehingga sebaran probabilitas dari X adalah

X 0 1 2
f(x) 10
28
15
28
3
28
DISTRIBUSI PROBABILITAS
Contoh 2
Pada sebuah eksperimen probabilitas satu kali melempar dua buah dadu
secara bersamaan, distribusi probabilitas dari jumlah mata dadu yang muncul
ditentukan sebagai berikut:

Ruang sampel eksperimen adalah pasangan mata dadu yang mungkin:

(1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
(2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
(3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
(4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
(5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
(6,1) (6,2) (6,3) (6,4) (6,5) (6,6)

Jika X adalah varibel acak diskrit yang menyatakan jumlah mata dadu yang
mungkin muncul, maka X = {2,3,4,5,6,7,8,9,10,11,12}
DISTRIBUSI PROBABILITAS
Distribusi probabilitas untuk masing-masing nilai variabel X
membentuk fungsi probabilitas sebagai berikut:

P(X=2) = p(2) = 1/36 P(X=8) = p(8) = 5/36

P(X=3) = p(3) = 2/36 P(X=9) = p(9) = 4/36
P(X=4) = p(4) = 3/36 P(X=10) = p(10) = 3/36
P(X=5) = p(5) = 4/36 P(X=11) = p(11) = 2/36
P(X=6) = p(6) = 5/36 P(X=12) = p(12) = 1/36
P(X=7) = p(7) = 6/36

Fungsi probabilitas untuk variable diskrit seperti di atas dapat

ditampilkan dalam bentuk grafik batang
DISTRIBUSI PROBABILITAS
p(x)

6/36

5/36

4/36

3/36

2/36

1/36

2 3 4 5 6 7 8 9 10 11 12 x
DISTRIBUSI PROBABILITAS
Dari fungsi probabilitas jumlah mata dadu yang muncul pada eksperimen melempar
dua mata dadu dalam Contoh 2 dapat dibentuk fungsi distribusi kumulatif (cdf)
sebagai berikut:
F (2)   p( x )  p(2)  1/ 36
x 2
F (3)   p( x )  p(2)  p(3)  1/ 36  2 / 36  3 / 36
x 3
F (4)   p( x )  p(2)  p(3)  p(4)  1/ 36  2 / 36  3 / 36  6 / 36
x4
F (5)   p( x )  p(2)  p(3)  ...  p(5)  1/ 36  2 / 36  ...  4 / 36  10 / 36
x 5
F (6)   p( x )  p(2)  p(3)  ...  p(6)  1 / 36  2 / 36  ...  5 / 36  15 / 36
x 6
F (7)   p( x )  p(2)  p(3)  ...  p(7)  1/ 36  2 / 36  ...  6 / 36  21/ 36
x 7
F (8)   p( x )  p(2)  p(3)  ...  p(8)  1/ 36  2 / 36  ...  5 / 36  26 / 36
x 8
F (9)   p( x )  p(2)  p(3)  ...  p(9)  1/ 36  2 / 36  ...  4 / 36  30 / 36
x 9
F (10)   p( x )  p(2)  p(3)  ...  p(10)  1/ 36  2 / 36  ...  3 / 36  33 / 36
x 10
F (11)   p( x )  p(2)  p(3)  ...  p(11)  1/ 36  2 / 36  ...  2 / 36  35 / 36
x 11
F (12)   p( x )  p(2)  p(3)  ...  p(12)  1/ 36  2 / 36  ...  1/ 36  36 / 36
x 12
DISTRIBUSI PROBABILITAS

F(x)

36/36

30/36

24/36

18/36

12/36

6/36

0 1 2 3 4 5 6 7 8 9 10 11 12 x
DISTRIBUSI PROBABILITAS
Contoh 3.

Carilah sebaran kumulatif peubah acak X dalam contoh 3.4. Dengan menggunakan F(x),
buktikanlah bahwa f(2) = 3/8.

Penyelesaian:

Penghitungan langsung sebaran probabilitas dari contoh 3.4 memberikan f(0) = 1/16,
f(1) = ¼, f(2) = 3/8, f(3) = ¼, dan f(4) = 1/16. Sehingga

1
F  0  f  0  ,
16
5
F 1  f  0   f 1  ,
16
11
F  2   f  0   f 1  f  2   ,
16
15
F  3  f  0   f 1  f  2   f  3  ’
16
F  4   f  0   f 1  f  2   f  3  f  4   1 .
DISTRIBUSI PROBABILITAS
Sehingga

 0 untuk x0
1 untuk 0  x 1
 16
 165 untuk 1  x  2
F  x    11
 16 untuk 2 x3
 15 untuk 3 x  4
 16
 1 untuk x4

Sekarang,
11 5 3
f  2   F  2   F 1   
16 16 8
DISTRIBUSI PROBABILITAS
Contoh 4
Andaikan bahwa kesalahan dalam temperatur reaksi, dalam oC, untuk
sebuah percobaan laboratorium yang diatur merupakan suatu peubah
acak kontinu X yang mempunyai fungsi kepekatan probabilitas
 x3 1  x  2
2
,
f  x  
0 di tempat lain
a.Tunjukkan bahwa

 f xdx  1


b. Carilah
P  0  X  1

c. Carilah F(x)
DISTRIBUSI PROBABILITAS
Penyelesaian
 2 2 2
a.  f  x dx   x x2 8 1
dx    1
 1
3 3 1
9 9

1 1
b. x2 x3 1
P  0  x  1   dx  
0
3 9 0
9

c. Untuk -1 < x < 2

 0, x  1
 3
x x
t2 t3
x
x3  1  x 1
F  x    f  t  dt   dt   F  x   , 1  x  2
1 1
3 9 1
9  9
 1, x2
DISTRIBUSI PROBABILITAS
DISTRIBUSI GABUNGAN
Fungsi f(x,y) merupakan distribusi probabilitas gabungan atau fungsi kerapatan
distribusi dari variabel acak diskrit X dan Y, bila
1. f x, y   0 , untuk semua (x,y)
2.  f x, y   1
x y

3. P X  x, Y  y   f x, y 
Untuk setiap daerah A pada bidang datar xy, maka
P X , Y   A   f x, y 
A
DISTRIBUSI GABUNGAN
Fungsi f(x,y) merupakan distribusi probabilitas gabungan atau fungsi kerapatan
distribusi dari variabel acak kontinyu X dan Y, bila
1. f x, y   0 , untuk semua (x,y)

2.   f x, y dxdy  1

3. P X , Y   A    f x, y dxdy

A

Untuk semua daerah A pada bidang datar xy

DISTRIBUSI GABUNGAN
Distribusi marginal dari variabel acak X atau Y saja diberikan oleh
g  x    f  x, y  dan h  y    f  x, y  , untuk distribusi diskrit dan
y x

g x    f x, y dy dan h y    f x, y dx untuk distribusi kontinyu.

Untuk dua variabel acak X dan Y, diskrit atau kontinyu, maka distribusi bersyarat untuk
variabel acak Y , karena X = x, diberikan oleh
f  x, y 
f y x 
g x 
Untuk distribusi bersyarat dari variabel acak X untuk Y = y, diberikan oleh:
f  x, y 
f x y  
h y 
DISTRIBUSI GABUNGAN
Untuk dua variabel acak X dan Y, diskrit atau kontinyu, dengan distribusi probabilitas
gabungan diberikan oleh f(x,y) dan distribusi marginal diberikan oleh g(x) dan h(y),
maka variabel acak X dan Y dikatakan tidak saling ketergantungan jika dan hanya jika
f  x, y   g x h y  untuk semua (x,y).
Untuk n variabel acak X1, X2, ..., Xn, diskrit atau kontinyu dengan masing masing
distribusi probabilitas gabungan f(x1, x2, …, xn) dan distribusi marginal f1(x1), f2(x2), …,
fn(xn), variabel acak X1, X2, ..., Xn dikatakan saling tak tergantung secara statistik jika
dan hanya jika
f  x1 , x 2 ,..., x n   f 1  x1  f 2  x 2  f 3  x3 ... f n  x n 
DISTRIBUSI GABUNGAN
Contoh 5

Sebuah perusahaan kembang gula mendistribusikan kotak cokelat dengan campuran krim,
toffees, dan kacang yang dibalut dengan cokelat warna muda dan gelap. Untuk kotak yang
dipilih secara acak, diambil X dan Y masing-masing sebagai perbandingan cokelat warna
muda dan gelap yang dicampur dengan krim dan andaikan bahwa fungsi kepekatan
gabungan adalah

2 
 (2 x  3 y ), 0  x  1, 0  y  1
f ( x, y )   5 
 0, di tempat lain 

 1 1 1
(a) Carilah P [ ( X, Y ) Є A ], dimana A merupakan wilayah  x, y  | 0  x  ,  y   .
 2 4 2
DISTRIBUSI GABUNGAN
Penyelesaian
  1 1
2
 
 
f ( x, y )dx dy  0 0 5 (2 x  3 y)dx dy
1 x 1
2 x 2 6 xy
  dy
0
5 5 x2

1 2 1
 2 6y  2 y 3y
   dy  
0
5 5  5 5 0

2 3
   1.
3 5
DISTRIBUSI GABUNGAN
1 1 1
(a) P [ ( X , Y )  A ] = P (0 < X < ,  Y )
2 4 2
1 1
2 2
2

1
  0
5
(2 x  3 y ) dx dy
4

1
x 1
2
2 x 2 6 xy 2
 
1 5

5
dy
4 x0

1 1
 1 3y 
2 2 2
y 3y
     dy  
1  10 5  10 10 1
4 4

1  1 3   1 3   13
          .
10  2 4   4 16   160
 DISTRIBUSI GABUNGAN
Contoh 6

Kepekatan gabungan untuk peubah acak (X, Y), dengan X adalah perubahan suhu
satuan dan Y adalah perbandingan pergeseran spektrum yang dihasilkan oleh partikel atom
tertentu, adalah

10 xy 2 , 0  x  y 1
f  x, y   
 0, di tempat lain
(a) Carilah kepeakatan marginal g(x), h(y) dan kepekatan kondisional f(y|x)!
(b) Carilah probailitas dimana pergeseran spektrum lebih dari pada setengah pengamatan
total, karena suhu ditingkatkan sampai 0,25 satuan.
DISTRIBUSI GABUNGAN
Penyelesaian:

(a) Sesuai definisi,

 1 y 1

g  x  
2 10
f  x, y dy   10 xy dy  xy 3
3

10
3

x 1  x3 ,  0  x 1
 x yx

 y x y
g  x   f  x, y dy   10 xy dy  5 x y
2 2 2
 5 y4 , 0  y 1
 0 x 0

Sekarang,
f  x, y  10 xy 2 3 y2
f  y x    , 0  x  y 1
3 x 1  x  1  x 
g  x 10 3 3

Sehingga,
1 1
3 y2 8
P Y  1
X  0, 25     fy x  0, 25 dy    dy 
2
1/ 2 1/ 2 1  0, 253 9
NILAI HARAPAN MATEMATIS
Bila variabel acak X mempunyai fungsi probabilitas f(x) = P(X=x), maka nilai
harapan matematis X, E(X), dinyatakan oleh:

  xf  x  X diskrit
 X  x
EX   

  xf  x dx X kontinyu

NILAI HARAPAN MATEMATIS
Harapan matematis berguna untuk menentukan mean   , variansi  2 , atau standar 
deviasi   dari populasi yang dirumuskan sebagai:
1. Mean populasi,   E  X 
2. Variansi populasi

  x    f x 
2
X diskrit
 X  x

 2  E  X   2  

   x    f  x dx
2
X kontinyu


3. Standar deviasi    X    
2

 
Besarnya variansi dapat disederhanakan menjadi  2  E  X     E X 2    2
2
NILAI HARAPAN MATEMATIS
Bila X adalah variabel acak dengan distribusi probabilitas f(x), mean dari
variabel acak g(X) diberikan oleh

 g ( X )  E g ( X )   g ( x) f ( x)

Untuk X diskrit, dan


 g ( X )  E g ( X )   g ( x) f ( x)dx


jika X kontinyu.
NILAI HARAPAN MATEMATIS
Bila X dan Y adalah dua variabel acak dengan distribusi probabilitas gabungan
f(x,y), mean dari variabel acak g(X,Y) diberikan oleh
 g ( X ,Y )  Eg ( X , Y )   g ( x, y ) f ( x, y )
x y

untuk X dan Y diskrit, dan


 g ( X ,Y )  E g ( X , Y )    g ( x, y ) f ( x, y )dxdy


untuk X dan Y kontinyu.

VARIAN PEUBAH ACAK
Bila X adalah variabel acak dengan distribusi probabilitas f(x) dan mean,  ,
variansi X diberikan oleh

 
 2  E  X   2    X   2 f ( x )

untuk X diskrit, dan

 
 2  E  X   2    X   2 f ( x)dx

jika X kontinyu.
VARIAN PEUBAH ACAK
Bila X adalah variabel acak dengan distribusi probabilitas f(x) dan mean,  ,
variansi g(X) diberikan oleh

 
 g2( X )  E g(X )  g( X ) 2  g(X )  g( X ) 2 f (x)

untuk X diskrit, dan

 

 g2( X )  E g(X )  g( X ) 2   g(X )  g( X ) 2 f (x)dx


jika X kontinyu.
VARIAN PEUBAH ACAK

Bila X dan Y adalah dua variabel acak dengan distribusi probabilitas gabungan f(x,y),
standar deviasi dari variabel X dan Y diberikan oleh:
 XY  E  X   X Y   Y     x   X  y   Y  f ( x, y )
x y

bila X dan Y adalah diskrit, dan

 XY  E  X   X Y   Y      x   X  y   Y  f ( x, y )dxdy

untuk X dan Y adalah kontinyu.

VARIAN PEUBAH ACAK
Standard deviasi dua variabel acak X dan Y dengan masing-masing mean
 X dan  Y diberikan oleh
 XY  E XY    X  Y
Bila X dan Y merupakan dua variabel acak dengan standar deviasi gabungan
 XY dan standar deviasi masing-masing  X dan  Y , koefisien korelasi X dan Y diberikan
oleh
 XY
 XY 
 XY
dimana nilai koefisien korelasi memenuhi persyaratan  1   XY  1 .
NILAI HARAPAN PEUBAH ACAK
Sifat-sifat dari harapan matematis adalah:
a. E(c) = c
b. E(bX) = bE(X)
c. E(a + bX) = a + bE(X)
d. Nilai harapan matematis dari penjumlahan atau perbedaan dua atau lebih fungsi
suatu variabel acak X adalah penjumlahan atau perbedaan dari masing-masing nilai
harapan matematis tersebut, yang diberikan oleh
E g ( X )  h( X )  E g ( X )  E h( X )
e. Nilai harapan matematis dari penjumlahan atau perbedaan dua atau lebih fungsi
suatu variabel acak X dan Y merupakan penjumlahan atau perbedaan dari masing-
masing nilai harapan matematis tersebut, yang diberikan oleh
Eg ( X , Y )  h( X , Y )  Eg ( X , Y )  E h( X , Y )
NILAI HARAPAN PEUBAH ACAK
f. Bila X dan Y adalah dua variabel acak bebas, maka
E XY   E X E Y 
g. Jika a dan b adalah konstanta

 aX
2
 b  a  X  a  , bila a = 1 maka
2 2 2 2

 X2 b   X2   2 , bila b = 0, maka

 aX
2
 a 2 X2  a 2 2

h. Jika X dan Y adalah dua variabel acak dengan distribusi probabilitas gabungan
f(x,y), maka

 aX
2
 bY  a  X  b  Y  2ab XY
2 2 2 2
NILAI HARAPAN PEUBAH ACAK
i. Bila X dan Y adalah variabel acak bebas maka

 aX
2
 bY  a 
2 2
X  b Y
2 2

j. Bila X dan Y adalah variabel acak bebas, maka

 aX
2
 bY  a 
2 2
X  b Y
2 2

k. Jika X1, X2, …, Xn adalah variabel acak bebas, maka

 a2 X  a X
1 1 2 21 ... a n X n
 a12 X2 1  a 22 X2 2  ...  a n2 Xn
2
CONTOH
Contoh 7.
Misalkan variabel acak X mempunyai distribusi probabilitas:

X -3 6 9
P(X) 1 1 1
6 2 3

Tentukanlah:
a. E(X) dan E(X2);
b. E{(2X + 1)2};
c. E[{X – E(X)}2 ]!

Penyelesaian :

a. E(X) =  x P( X = x )
= ( -3 ) 1/6 + ( 6 ) 1/2 + ( 9 ) 1/3
= 11 / 2
= 5,5
CONTOH
E(X2) =  x2 P( X = x )
= ( -3 )2 1/6 + ( 6 )2 1/2 + ( 9 )2 1/3
= 93 / 2
= 46,5

b. E{(2X + 1)2} = E(4X2 + 4X + 1)

= 4 E(X2) + 4 E(X) + E(1)
= 4 . 46,5 + 4 . 5,5 + 1
= 209

c. E[{X – E(X)}2 ] = E[X2 – 2XE(X) + E(X)2]

= E(X2) – 11 E(X) + 30,25
= 46,5 – 11 . 5,5 + 30,25
= 16,25
CONTOH
Contoh 8
Kebutuhan mingguan untuk minuman tertentu, dalam ribuan liter, dari toko lokal,
adalah variabel acak kontinyu g(X) = X2 + X – 2, di mana X mempunyai fungsi
kerapatan sebagai berikut:
2( x  1) ,1  x  2
f ( x)  
 0 , yang lainnya
Tentukan nilai yang diharapkan dari kebutuhan mingguan minuman tersebut.
Penyelesaian:
2 2
E(X + X – 2) = E(X ) + E(X) – E(2).
E(2) = 2, sehingga
2 2
E ( X )   2 x( x  1)dx  2 ( x 2  x)dx  5 / 3
1 1
dan
2 2
E ( X 2 )   2 x 2 ( x  1) dx  2 ( x 3  x 2 )dx  17 / 6
1 1
Jadi
2
E(X + X – 2) = (17/6) + (5/3) – 2 = 5/2

Ini berarti bahwa kebutuhan mingguan rata-rata untuk minuman adalah 2500 liter
CONTOH
Contoh 9

Kepekatan gabungan untuk peubah acak (X, Y), dengan X adalah perubahan suhu
satuan dan Y adalah perbandingan pergeseran spektrum yang dihasilkan oleh partikel atom
tertentu, adalah

10 xy 2 , 0  x  y 1
f  x, y   
 0, di tempat lain
(a) Carilah kepeakatan marginal g(x), h(y) dan kepekatan kondisional f(y|x)!
(b) Carilah probailitas dimana pergeseran spektrum lebih dari pada setengah pengamatan
total, karena suhu ditingkatkan sampai 0,25 satuan.
CONTOH
Penyelesaian:

(a) Sesuai definisi,

 1 y 1

g  x  
10
f  x, y dy   10 xy dy  xy 3
2

3

10
3

x 1  x3 ,  0  x 1
 x y x

 y x y
g  x   f  x, y dy   10 xy dy  5 x y
2 2 2
 5 y4 , 0  y 1
 0 x 0

Sekarang,
f  x, y  10 xy 2 3y2
f  y x    , 0  x  y 1
g  x 
3 x 1 x
10 3
 
1 x 3

(b). Sehingga,
1 1
3y2 8
P Y  1
X  0, 25     fy x  0, 25 dy    dy 
2
1/ 2 1/ 2 1  0, 253  9