EKSPEKTASI MATEMATIK

MAKALAH
Disusun untuk Memenuhi Tugas Mata Kuliah Statistika Matematika
Dosen Pengampu : Dr. Scolastika Mariani, M.Si.
Rombel A1

Disusun oleh:
Siti Munafiah (0401518019)
Mas’ud Rifai (0401518020)

PROGRAM STUDI PENDIDIKAN MATEMATIKA

PROGRAM PASCASARJANA
UNIVERSITAS NEGERI SEMARANG
2019
 KATA PENGANTAR

Puji syukur kehadirat Allah SWT. atas segala rahmat dan hidayahNya
yang begitu banyak tercurah limpahkan pada kehidupan ini. Shalawat serta salam
kepada junjungan Nabi Muhammad SAW beserta keluarga, sahabat dan para
pengikutnya hingga akhir zaman.
Terimakasih atas anugerah dan bimbingan-Nya sehingga makalah ini dapat
terselesaikan tepat waktu. Dalam penulisan makalah ini terdapat banyak
kekurangan, oleh karena itu ada kritik dan saran yang sifatnya membangun demi
kesempurnaan makalah ini.
Terima kasih kepada semua pihak yang telah membantu dalam penyusunan
makalah ini. Semoga makalah ini dapat memberikan manfaat bagi mahasiswa
UNNES khususnya dan masyarakat indonesia umumnya.
A. Pembahasan
1. Rasional
Dalam suatu percobaan tentu ada hasil yang diharapkan. Untuk mendapatkan
hasil yang baik dan kesimpulan hasil yang akurat, maka percobaan statistika
tersebut dilakukan berulang kali. Hal tersebut dimaksudkan untuk memperoleh
suatu hasil yang benar-benar mendekati,sehingga kesimpulan yang dihasilkan
valid. Ukuran yang menyatakan harapan dari hasil yang dapat diperoleh dari
suatu percobaan statistika dinyatakan secara matematis sebagai ekspektasi
matematika.
2. Ekspektasi Matematik
Definisi: Ekspektasi Matematik Suatu Peubah Acak
Jika 𝑋 suatu peubah acak dengan distribusi peluang 𝑓(𝑥), maka nilai harpan 𝑋
atau harapan matematik 𝑋 didefinisikan sebagai..

∫ 𝑥𝑓(𝑥)𝑑𝑥; 𝑋 𝑘𝑜𝑛𝑡𝑖𝑛𝑢
𝐸(𝑋) =
∑ 𝑥𝑓(𝑥)𝑑𝑥; 𝑋 𝑑𝑖𝑠𝑘𝑟𝑖𝑡
{
Contoh 1.1
Tentukan nilai harapan banyaknya wanita dalam panitia yang terdiri dari 3 orang
dipih secara acak 4 orang wanita dan 3 orang pria !
Solusi : Misalkan X menyatakan banyaknya wanita yang terpilih, maka rumus
peluang X adalah :
(43)(3−1
3
)
𝑓(𝑥) = , 𝑥 = 0,1, 2, 3
(73)
1 12 18 4
Sehungga, 𝑓(0) = 35 ; 𝑓(1) = 35 ; 𝑓(2) = 35 ; 𝑑𝑎𝑛 𝑓(3) = 35
1 12 18 4 12 5
Jadi, 𝐸(𝑋) = 0. 35 + 1. 35 + 2 − 35 + 3. 35 = = 17
7

Ini artinya, bahwa jika pemilihan tersebut diulang berkali-kali, maka rata-rata
5
wanita terpilih adalah 1 7 tiap pemilihan.

Contoh 1.2:
Hitunglah nilai harapan peubah acak X yang mempunyai fungsi pada:
 2𝑋, 𝑢𝑛𝑡𝑢𝑘 0 < 𝑋 < 1
𝑓(𝑋) = {
0, 𝑢𝑛𝑡𝑢𝑘 𝑥 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
Solusi:
1 1
2 3 1 2
𝐸(𝑋) = ∫ 𝑥𝑓(𝑥)𝑑𝑥 = ∫ 𝑥, 2𝑥𝑑𝑥 = 𝑥 ] =
3 0 3
0 0

Definisi: Ekspektasi Matematik Suatu Fungsi

Jika X suatu peubah acak dengan distribusi peluang f(x), maka nilai harapan
matematik fungsi g(x) dinyatakan sebagai
∞

∫ 𝑔(𝑥)𝑓(𝑥)𝑑𝑥; 𝑋 𝑘𝑜𝑛𝑡𝑖𝑛𝑢
𝐸[𝑔(𝑋)] = −∞

∑ 𝑔(𝑥)𝑓(𝑥)𝑑𝑥; 𝑋 𝑑𝑖𝑠𝑘𝑟𝑖𝑡
{𝑥 𝑑𝑖 𝐴
Konsep ekspektasi matematik dapat dikembangkan pada beberapa peubah acak
sekaligus. Misalkan 𝑓(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) f.k.p bersama dari 𝑋1 , 𝑋2 , . . . , 𝑋𝑛 dan
𝑔(𝑥1 , 𝑥2 , . . . , 𝑥𝑛 ) suatu fungsi dari 𝑋1 , 𝑋2 , . . . , 𝑋𝑛 . Besaran (jika ada)
∞ ∞ ∞
∫−∞ ∫−∞. . . ∫−∞ 𝑔(𝑥1 , 𝑥2 , … , 𝑥𝑛 )𝑓(𝑥1 , 𝑥2 , … , 𝑥𝑛 )𝑑𝑥1 , 𝑑𝑥2 , . . . , 𝑑𝑥𝑛 ,
𝑢𝑛𝑡𝑢𝑘 𝑝𝑒𝑢𝑏𝑎ℎ 𝑎𝑐𝑎𝑘 𝑑𝑖𝑠𝑘𝑟𝑖𝑡
𝐸[𝑔(𝑋1 , 𝑋2 , . . . , 𝑋𝑛 )] =
∑𝑥1 ∑𝑥2 … ∑𝑥𝑛 𝑔(𝑥1 , 𝑥2 , … , 𝑥𝑛 )𝑓(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) ,
{ 𝑢𝑛𝑡𝑢𝑘 𝑝𝑒𝑢𝑏𝑎ℎ 𝑎𝑐𝑎𝑘 𝑘𝑜𝑛𝑡𝑖𝑢
Contoh 1.3:
Misalnya X suatu peubah acak dengan distribusi peluang sebagai berikut:
𝑥 0 1 2 3

𝑓(𝑥) 1 2 3 1
10 5 10 5
Hitunglah nilai harapa peubah acak 𝑌 = 𝑋 + 1
Solusi:
Karena X peubah acak diskret, maka
3

𝐸[𝑔(𝑋)] = ∑ 𝑔(𝑥)𝑓(𝑥) = ∑(𝑥 + 1)𝑓(𝑥)

𝑥 𝑥=0
1 2 3 1
= (0 + 1) + (1 + 1) + (2 + 1) + (3 + 1)
10 5 10 5
 4 8 9 8 29
= + + + = = 2,9
10 10 10 10 10
Contoh 1.4:
Diketahui X suatu peubah acak dengan fungsi padat peluang
𝑥2
𝑓(𝑋) = { 3 , 𝑢𝑛𝑡𝑢𝑘 − 1 < 𝑥 < 2
0, 𝑢𝑛𝑡𝑢𝑘 𝑥 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
Hitunglah nilai harapan 𝑔(𝑋) = 2𝑋 − 1
Solusi:
2
1
𝐸(2𝑥 − 1) = ∫(2𝑥 − 1) 𝑥 2 𝑑𝑥
3
1
2 2
1 (2𝑥 3 − 𝑥 2 )𝑑𝑥 = 1 [1 𝑥 4 − 1 𝑥 3 ]
= ∫ 3 2 3 −1
3
1

1 1 1
= { (16 − 1) − (8 + 1}
3 2 3
1 15 1 9 9 3
= ( − 3) = ( ) = = = 1,5
3 2 3 2 6 2
Definisi Ekspektasi Matematika dari Fungsi Peluang Gabungan
Jika X dan Y peubah acak dengan distribusi peluang gabungan f(x), maka nilai
harapan matematika fungsi g(X,Y) ditentukan oleh:
∞ ∞

∫ ∫ 𝑔(𝑥, 𝑦)𝑓(𝑥, 𝑦)𝑑𝑥 ; 𝑗𝑖𝑘𝑎 𝑋 𝑑𝑎𝑛 𝑌 𝑘𝑜𝑛𝑡𝑖𝑛𝑢

𝐸[𝑔(𝑋, 𝑌)] = −∞ −∞

∑ ∑ 𝑔(𝑥, 𝑦)𝑓(𝑥, 𝑦)𝑑𝑥; 𝑗𝑖𝑘𝑎 𝑋 𝑑𝑎𝑛 𝑌 𝑑𝑖𝑠𝑘𝑟𝑒𝑡

{ 𝑥 𝑦

Contoh 1.5:
Fkp bersama dari X dan Y adalah,
𝑥 + 𝑦; 0 < 𝑥 < 1, 0 < 𝑦 < 1
𝑓(𝑥) = {
0; 𝑥 𝑦 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛
Carilah E(X) dan E(XY2)
Penyelesaian:
 ∞ ∞ ∞ ∞
a) 𝐸[𝑋] = ∫−∞ ∫−∞ 𝑋 𝑓 (𝑥, 𝑣)𝑑𝑥 𝑑𝑦 = ∫−∞ ∫−∞ 𝑋 (𝑥 + 𝑦)𝑑𝑥 𝑑𝑦
1 1 1 1
= ∫0 ∫0 𝑥 2 𝑑𝑥 𝑑𝑦 + ∫0 ∫0 𝑥𝑦𝑑, 𝑥𝑑 𝑦
11 11 1 1 7
= ∫0 𝑑𝑦 + ∫0 𝑦𝑑 𝑦 = + =
3 2 3 4 12
∞ ∞ 1 1
b) 𝐸[𝑋𝑌 2 ] = ∫−∞ ∫−∞ 𝑥𝑦 2 𝑓(𝑥, 𝑦)𝑑 𝑥𝑑 𝑦 = ∫0 ∫0 𝑥𝑦 2 (𝑥 + 𝑦)d 𝑥𝑑 𝑦
1 1 1 1
= ∫0 ∫0 𝑥 2 𝑦 2 𝑑 𝑥𝑑 𝑦 + ∫0 ∫0 𝑥𝑦 3 𝑑 𝑥𝑑 𝑦
11 11 1 1 17
= ∫0 𝑦 2 d 𝑥𝑑 𝑦 + ∫0 𝑦 3 d 𝑥𝑑 𝑦 = + =
3 2 9 8 72

Sifat-sifat Ekspektasi Matematika

a. Jika a dan b konstanta, maka E(aX+b)-aE(X)+b
b. Jika a = 0, maka E(b)= b
c. Jika b = 0, maka E(aX)= aE(X)
d. 𝐸[𝑔(𝑋) ± ℎ(𝑋)] = 𝐸[𝑔(𝑋) ± ℎ(𝑋)]
e. Jika 𝑔(𝑋, 𝑌) = 𝑋 dan ℎ(𝑋, 𝑌) = 𝑌 maka 𝐸(𝑋 ± 𝑌) = 𝐸(𝑋) ± 𝐸(𝑌)
f. Jika 𝑋 dan 𝑌 dua peubah acak yang bebas, maka 𝐸(𝑋𝑌) = 𝐸(𝑋)𝐸(𝑌)
3. Rerata
Jika X peubah acak, maka, dengan 𝐸[𝑢(𝑋) = 𝐸[𝑋].
Definisi:
Jika f(x) fkp dari peubah acak X, maka
a. Untuk X peubah acak diskrit, rerata dari X adalah 𝜇 = 𝐸[𝑋] = ∑𝑥 𝑥𝑓(𝑥)
b. Untuk X peubah acak kontinu, rerata dari X adalah 𝜇 = 𝐸[𝑋] =
∞
∫−∞ 𝑥, 𝑓(𝑥)𝑑𝑥
Catatan:
 Mean dari X belum tentu ada, dan jika ada sangat berguna sebagai salah satu
ukuran tendensi sentral, antara lain untuk mengukur karakteristik sekumpulan
data kuantitatif atau populasi (sebagai wakil)
 𝐸 [𝑢(𝑥)] diartikan sebagai rerata dari 𝑢 (𝑥)
Contoh:
Peubah acak X denan range 𝑆𝑥 = {1,2,3,4,5} memiliki fkp
𝑥
; 𝑥 = 1,2,3,4,5
𝑓(𝑥) = {15
0; 𝑥 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
Hitung rerata X, kemudian hasilnya bandingkan dengan rumus yang biasa
digunakan dimasyarakat.
Penyelesaian:
1
;1 < 𝑥 < ∞
Misalkan peubah acak X memiliki fkp 𝑓(𝑥) = {𝑥 2
0; 𝑥 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
Penyelesaian:
Jelas X adalah peubah acak diskrit, maka
5 5
𝑥 1 1
𝜇 = 𝐸[𝑋] = ∑ 𝑥𝑓(𝑥) = ∑ 𝑥 = ∑ 𝑥2 = (1 + 4 + 9 + 16 + 25)
15 15 15
𝑥 𝑥=1 𝑥=1

= 3,67
4. Varian
Definisi
Jika f (x) fkp peubah acak X, maka
a. Untuk X peubah acak diskrit, 𝜎 2 = 𝑣𝑎𝑟(𝑥) = 𝐸[(𝑥 − 𝜇 )2 ] = ⋯ (𝑥 −
𝜇 )2 𝑓(𝑥)
b. Untuk X peubah acak kontinu, 𝜎 2 = 𝑣𝑎𝑟(𝑥) = 𝐸[(𝑥 − 𝜇 )2 ] = ⋯ (𝑥 −
𝜇 )2 𝑓(𝑥)𝑑𝑥
Catatan:
 Varians dari X belum tentu ada, dan jika ada sangat berguna sebagai salah
satu ukuran variasi, antara lain untuk mengukur tingkat tersebarnya
sekumpulan data kuantitatif
 Jika 𝜇 tidak ada, maka 𝜎 2 juga tidak ada. Jika 𝜇 ada, belum tentu 𝜎 2 ada
 Akar kuadrat positif dari 𝜎 2 yaitu 𝜎 = √𝐸(𝑥 − 𝜇)2 dinamakan standar
deviasi atau smpangan baku X
 Untuk populasi-populasi dengan satuan dan ketelitian yang sama, maka
varians atau simpangan baku semakin kecil menunjukkan populasi tersebut
semakin merata atau homogen (uniform).
Contoh:
1
(𝑥 + 1); −1 < 𝑥 < 1
Misalkan peubah acak X dengan fkp 𝑓(𝑥) = {2
0; 𝑥 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
Hitung varians dan simpangan baku dari X
Penyelesaian:
X adalah peubah acak kontinu, maka:
∞

𝜇 = 𝐸[𝑋] = ∫ 𝑥, 𝑓(𝑥)𝑑𝑥
−∞
1
1
1 1 1 1
= ∫ 𝑥(𝑥 + 1)𝑑𝑥 = [ 𝑥 3 + 𝑥 2 ]
2 2 3 3 −1
−1
1 1 1 1 1 1
= [( + ) − (− + ] =
2 3 2 3 2 3
Maka

1
2 2
1 2 1 21
𝜎 = 𝐸(𝑥 − 𝜇) = 𝐸 [(𝑥 − ) ] + ∫ (𝑥 − ) (𝑥 + 1)𝑑𝑥
3 3 2
−1
1
1 1 5 1
= ∫( 𝑥 3 + 𝑥 2 − 𝑥 + )𝑑𝑥
2 6 8 18
−1

1 4 1 5 2 1
𝑥 + 𝑥3 −
= 𝑥 + 𝑥]1−1
8 18 36 18
1 1 5 1 1 1 5 1 2
=( + − + )−( − − − )=
8 18 36 18 8 18 36 18 9
c. Fungsi Pembangkit Moment
Fungsi Pembangkit Momen dari 𝑋 adalah 𝑀(𝑡) = 𝐸(𝑒 𝑡𝑥 ); −ℎ < 𝑡 < ℎ, ℎ > 0.
Jika 𝑀(𝑡) ada, maka 𝑀(𝑡) unik. Artinya untuk satu f.k.p hanya ada satu f.p.m
demikian pla sebaliknya.
Teorema 2: 𝑀′ (0) = 𝜇
Teorema 3: 𝜎 2 = 𝑀′′ (0) − {𝑀′′ (0)}2
Teorema 4: Misalkan 𝑀′′ (𝑡) menyatakan turunan dari M(t). Maka momen ke-m
dari X, yakni 𝐸(𝑋 𝑚 ), diberikan oleh 𝐸(𝑋 𝑚 ) = 𝑀𝑚 (0)
d. Ketidaksamaan Chebyshev
Sebenarnya ketidaksamaan Chebyshev adalah hal khusus dari teorema
Bienaime.
Teorema (T. Bienaime)
Misalkan 𝑢(𝑋) suatu fungsi non negatif dari peubah acak 𝑋. Jika 𝐸[𝑢(𝑋) ada,
maka untuk setiap bilangan riil 𝑐 > 0 berlaku:
𝐸[𝑢(𝑋)]
𝑃[𝑢(𝑋) ≥ 𝑐] ≤ 𝑐

Contoh:
3
𝑥2; 0 < 𝑥 < 2
Misalkan p, a memiliki f, k Pf (𝑥) = {8
0; 𝑥 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
𝐸 [𝑢 (𝑥)]
Jika u (x) = 2X – 1 dan c = 2. Tunjukkan bahwa P [u (X) ≥ c] ≤ 𝑐

Penyelesaian:
3 23 1 2
P [u (X) ≥ c] = P [2X - ≥ 2] = [𝑋 ≥ 2] = ∫3 𝑥2 𝑑𝑥 = [8 𝑥3]3
2 8
2

1 27 27 37
= 1- 8 . = 1 - 64 = 64
8
3
Sedangkan E [u (X) ] = E [2X - 1] = 2 E [X] – 1 = 22 – 1 = 2
37 𝐸 [𝑢 (𝑥)]
Sehingga P [u (X) ≥ 2] = 64 ≤ 1 = (sesuai T. Bienaime)
2

Teorema 2 (Ketidaksamaan Chebyshev):

Misalkan peubah acak 𝑋 mempunyai mean dan variansi 𝜎 2 < ∞. Maka untuk
setiap bilangan riil 𝑘 > 0 berlaku:
1
𝑃[|𝑋 − 𝜇| < 𝑘𝜎] ≥ 1 −
𝑘2
Contoh:
Perhatikan p,a X dan fkp nya pada contoh Teorema (T. Bienaime) dapat anda
tunjukkan bahwa 𝜇 = …
a) Hitung P [𝜇 − 2𝜎 < 𝑋 < 𝜇 + 2𝜎]
b) Bandingkan hasilnya dengan ketaksamaan Chebyshev

Penyelesaian:

a) P [|𝜇 − 𝜇|2𝜎]
3 2 3 3
= P [𝜇 − 2𝜎 < 𝑋 < 𝜇 + 2𝜎] = P [2 − 2 √3 < 𝑋 < + 2√20]
2
 3 2 3 2
+2√ 2 3 +2√
2 20 2 2 20
= ∫2 3
𝑓(𝑥)𝑑𝑥 = ∫2 3 8
𝑥 𝑑𝑥 + ∫2 0 𝑑𝑥
−2√ −2√
3 20 3 20

1 3 3 1 3 3 1
= 8 𝑥 3 ]22 − 2√2 = 1 - 8 (2 − 2√20) = 1 - 8 (0,382)

= 1 – 0,04775 = 0, 95225
b) Menurut ketaksamaan Chebyshev: (k = 2)
3 3 1 1
P[|𝑥 2| < 2√20] ≥ 1 − 22 = 1 − 0,75
4

3 3 1
Jelas P [|𝑥 −2| < 2√20] = 0,95225 ≥ 0,75 = 1- 𝑘 2

(memenuhi ketaksamaan Chebyshev)

Catatan:
 Teorema 2 akan lebih bermakna bila diambil 𝑘 > 1. Selain itu teorema atas
1
menyatakan pula bahwa: 𝑃[|𝑋 − 𝜇| < 𝑘𝜎] ≥ 1 − 𝑘 2 .
1
 Bilangan 𝑘 2 adalah suatu batas atas dari harga 𝑃[|𝑋 − 𝜇| ≥ 𝑘𝜎]
1
 Bilangan 1 − 𝑘 2 adalah suatu batas atas dari harga 𝑃[|𝑋 − 𝜇| < 𝑘𝜎]

B. Soal Latihan
1. Diketahui peubah acak X mempunyai fkp sbb
𝑥+2
; −2 < 𝑥 < 4
𝑓(𝑥) = { 18
0; 𝑥 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
Carilah 𝐸(𝑋), 𝐸⌊(𝑋 + 2)2 ⌋ , 𝑑𝑎𝑛 𝐸⌊(6𝑋 − 2)(𝑋 + 2)3 ⌋
2. Fkp bersama dari X dan Y adalah
𝑒 −𝑥−𝑦 ; 𝑥 >, 𝑦 > 0
𝑓(𝑥) = {
0; 𝑥 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
Buktikan bahwa 𝐸(𝑋𝑌) = 𝐸(𝑋). 𝐸(𝑌)
3. Carilah f.p.m dari X jika f.k.p dari X adalah
1
; −1 < 𝑥 < 2
𝑓(𝑥) = {3
0; 𝑥 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
 4. Peubah acak X mempunyai mean 𝜇 = 3 dan 𝐸(𝑋 2 ) = 13 carilah batas bawah
dari 𝑃(−2 < 𝑋 < 8)

Jawab:

𝑥+2
; −2 < 𝑥 < 4
1. Diketahui peubah acak X mempunyai fkp sbb 𝑓(𝑥) = { 18
0; 𝑥 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
a. Mencari E (X)
Jelas, X peubah acak kontinu
u (x) = x maka:
∞
E (x) = ∫−∞ 𝑥 𝑓(𝑥)𝑑𝑥
∞ 𝑥+2
= ∫−∞ 𝑥 𝑓 ( 18 ) 𝑑𝑥
∞ 𝑥 2 +2𝑥
= ∫−∞ 𝑥 𝑓 ( ) 𝑑𝑥
18
−2 𝑥 2 +2𝑥 4 𝑥 2 +2𝑥 ∞ 𝑥 2 +2𝑥
= ∫−∞ 𝑥 𝑓 ( ) 𝑑𝑥 + ∫−2 𝑥 𝑓 ( ) 𝑑𝑥 + ∫4 𝑥 𝑓 ( ) 𝑑𝑥
18 18 18
4 𝑥 2 +2𝑥
= 0 + ∫−2 𝑥 𝑓 ( ) 𝑑𝑥 + 0
18
1 −2
= 18 ∫−∞ 𝑥 𝑓(𝑥 2 + 2𝑥)𝑑𝑥
1 1 4
= 18 [3 𝑥 3 + 𝑥 2 ]
−2
1 64 8
= 18 [ 3 + 16 − (− 3 + 4)]
1 72
= 18 [ 3 + 12)]
1 72 36
= 18 [ 3 + )]
3
1 108
= 18 [ )]
3
1
= 18 x 36

=2
∞
b. E [(𝑥 + 2)2 ] = ∫−∞(𝑥 + 2)2 𝑓(𝑥)𝑑𝑥
∞ 𝑥+2
= ∫−∞(𝑥 + 2)2 ( 18 ) 𝑑𝑥
1 ∞
= 18 ∫−∞(𝑥 + 2)2 (𝑥 + 2)𝑑𝑥
 1 −2 4 ∞
= {∫−∞(𝑥 + 2)2 (𝑥 + 2)𝑑𝑥 + ∫−2(𝑥 + 2)2 (𝑥 + 2)𝑑𝑥 + ∫4 (𝑥 +
18

2)2 (𝑥 + 2)𝑑𝑥}
1 4
= 18 {∫−2(𝑥 + 2)2 (𝑥 + 2)} 𝑑𝑥
1 4
= 18 ∫−2(𝑥 + 2)3 𝑑𝑥
1 1 4
= 18 [4 (𝑥 + 2)4 ]
−2
1
= 72 {(4 + 2)4 − (−2 + 2)4 }
1
= 72 x 1296

= 18
∞
C. E [(6𝑥 − 2) (𝑥 + 2)3 ] = ∫−∞((6𝑥 − 2)(𝑥 + 2)3 ) 𝑓(𝑥)𝑑𝑥
∞ 𝑥+2
= ∫−∞((6𝑥 − 2)(𝑥 + 2)3 ) 𝑓 ( 18 ) 𝑑𝑥
1 ∞
= 18 ∫−∞(6𝑥 − 2) (𝑥 + 2)4 𝑑𝑥
1 −2 4
= {∫−∞(6𝑥 − 2)(𝑥 + 2)4 𝑑𝑥 + ∫−2(6𝑥 − 2)(𝑥 + 2)4 𝑑𝑥 +
18
∞
∫4 (6𝑥 − 2)(𝑥 + 2)4 𝑑𝑥}
1 4
= 18 {0 + ∫−2(6𝑥 − 2)(𝑥 + 2)4 𝑑𝑥 + 0}
1 4
=18 ∫−2(6𝑥 − 2)(𝑥 + 2)4 𝑑𝑥
4
𝑥6 23𝑥 5 16𝑥 4 24𝑥 3 8𝑥 2 16𝑥
= [18 + + + + − ]
45 9 9 9 9 −2
6912
= 5

2. Fkp bersama dari X dan Y adalah

𝑒 −𝑥−𝑦 ; 𝑥 >, 𝑦 > 0
𝑓(𝑥) = {
0; 𝑥 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
Buktikan bahwa 𝐸(𝑋𝑌) = 𝐸(𝑋). 𝐸(𝑌)
∞ ∞
i. E [X] = ∫−∞ ∫−∞ 𝑥 𝑓(𝑥, 𝑦)𝑑𝑥 𝑑𝑦
∞ ∞
= ∫0 ∫0 𝑥 (𝑒 −𝑥−𝑦 )𝑑𝑥 𝑑𝑦
∞
= ∫−∞[(𝑥 + 1)(−𝑒)−𝑥−𝑦 ]∞
0 𝑑𝑦
 ∞
= ∫−∞[0 − (0 + 1)(−𝑒)−𝑥−𝑦 ] 𝑑𝑦
∞
= ∫0 [𝑒 −𝑦 ] dy = −𝑒 −𝑦 ]∞
0 = −𝑒
−𝑦
− (−𝑒 −𝑦 ) = 1
∞ ∞
ii. E (Y) = ∫−∞ ∫−∞ 𝑦 𝑓(𝑥, 𝑦)𝑑𝑥 𝑑𝑦
∞ ∞
= ∫0 ∫0 𝑦 (𝑒 −𝑥−𝑦 )𝑑𝑥 𝑑𝑦
∞
= ∫0 𝑦[(−𝑒 −𝑥−𝑦 )]∞
0 𝑑𝑦
∞
= ∫0 [0 − (𝑦(−𝑒 −0−𝑦 )] 𝑑𝑦
∞
= ∫0 [0 − (𝑦(−𝑒 −𝑦 )] 𝑑𝑦
= [(−𝑦 − 1)𝑒 −𝑦 ]∞
0

= 0 – ((-0-1)𝑒 −0 )
= 0 – (-1. 1)
=1
∞ ∞
iii. E (XY) = ∫−∞ ∫−∞ 𝑥𝑦 𝑓(𝑥, 𝑦)𝑑𝑥 𝑑𝑦
∞ ∞
= ∫0 ∫0 𝑥𝑦 (𝑒 −𝑥−𝑦 )𝑑𝑥 𝑑𝑦
∞
= ∫0 𝑦[(𝑥 + 1)𝑦(−𝑒 −𝑥−𝑦 )]∞
0 𝑑𝑦
∞
= ∫0 [0 − (0 + 1)𝑒 −0−𝑦 ] 𝑑𝑦
∞
= ∫0 [0 − (𝑦 (−𝑒)−𝑦 ] dy
∞
= ∫0 𝑒 −𝑦 𝑑𝑦
= [−𝑒 −∞ ]∞
0

= −𝑒 −∞ - (−𝑒 −0 )
=1
Maka
E [XY] = E [X]. E [Y]
1 = 1.1
1 = 1 (terbukti)

3. Carilah f.p.m dari X jika f.k.p dari X adalah

1
; −1 < 𝑥 < 2
𝑓(𝑥) = {3
0; 𝑥 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
 Mx (t) = E (𝑒 𝑡𝑥 )
2 1
= ∫−1 𝑒 𝑡𝑥 . 3 𝑑𝑥
1 2
= 3 ∫−1 𝑒 𝑡𝑥 𝑑𝑥
1 2
= [3 𝑒 𝑡𝑥 ]
−1
1 1
= 3𝑡 𝑒 2𝑥 – (3𝑡 𝑒 −𝑡 )

4. Peubah acak X mempunyai mean 𝜇 = 3 dan 𝐸(𝑋 2 ) = 13 carilah batas bawah

dari 𝑃(−2 < 𝑋 < 8)
Jawab:
𝜇 = 𝐸 (𝑥) = 3
𝜎 2 = 𝐸 (𝑥)2 − 𝐺 𝜇 2
= 132 − 32 = 4
𝛼=2
Ketaksamaan Chebxshev
1
P [|𝑋 − 𝜇| < 𝑘𝜎] ≥ 1 − 𝑘2
1
P [|𝑋 − 𝜇| < 2𝑘] ≥ 1 − 𝑘2
1
P- 2k < (x – 3)< 2k ≥ 1 − 𝑘2
1
P- 2k < (x – 3) < 2k ≥ 1 − 𝑘2
1
P – 2k + 3 < X < 2k+3 ≥ 1 − 𝑘2

Batas atas untuk 𝑃(−2 < 𝑋 < 8)

-2k + 3 = -2
2
k=5

dan
2k + 3 = 8
5
k=2

maka batas bawahnya

 1 4 21
1− = 1 − = = 0,84
𝑘2 25 25

Soal:
1
1. Jika A adalah variabel acak dimana 𝑃(𝑋 ≤ 0) = 0 dan 𝑃(𝑋 ≥ 2𝜇) ≤ 2

2. Tentukan mean dan varians, jika ada dari distribusi 𝑓(𝑥) = 6𝑥(1 − 𝑥), 0 <
𝑥 < 1, 0 𝑢𝑛𝑡𝑢𝑘 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
3. Show that the moment generating function of the random variable X having the
𝑒 2𝑡 −𝑒 −𝑡
1 , 𝑡≠0
pdf 𝑓(𝑥) = 3 , −1 < 𝑥 < 2, zero elsewhere is 𝑀(𝑡) = { 3𝑡
1, 𝑡=0
Jawab:

1. Misalkan 𝑢(𝑋) = 𝑋 → 𝐸(𝑢(𝑋)) = 𝐸(𝑋) = 𝜇

𝐸(𝑋) 𝜇
Dengan ketaksamaan Markov, 𝑃[𝑋 ≥ 𝑐 ≤ ] ⇒ 𝑃[𝑋 ≥ 𝑐 ≤
𝑐 𝑐

𝜇 1
𝑃[𝑋 ≥ 2𝜇] → 𝑐 = 2𝜇 → =
𝑐 2
1
Maka 𝑃[𝑋 ≥ 𝑐] = 𝑃[𝑋 ≥ 2𝜇] ≤ 2