Roslina Chebyshev
Roslina Chebyshev
(Ketaksamaan Chebyshev)
1. Pendahuluan
bila x kontinu
bila x diskrit
Varians dari X akan dilambangkan dengan σ2, dan jika σ2 ada, kita mendefinisikannya dengan
σ2 = E [(X – μ)2], untuk X adalah variabel random jenis diskrit atau kontinu.
fungsi pembangkit momen dari suatu variabel random X. Misalkan ada bilangan positif h
sehingga untuk -h < t < h ekspektasi matematikanya, E (etx) ada. Jadi
B. Topik
Ketaksamaan Chebyshev
Dalam bagian ini kita akan membuktikan teorema yang memungkinkan kita untuk
menemukan batas atas (atau bawah) untuk probabilitas (peluang) tertentu. Batas ini,
bagaimanapun, tidak perlu dekat untuk probabilitas (peluang) yang tepat, dan maka, kita
biasanya tidak menggunakan teorema untuk memperkirakan probabilitas. Prinsip penggunaan
teorema dan kasus khusus itu adalah dalam diskusi teoritis.
Teorema 6. Misalkan u(X) adalah fungsi non negatif dari variabel random X. jika E[u (X)]
ada, maka, untuk setiap c konstanta positif,
Pr [ u(X) ≥ c ] ≤
Bukti. Buktinya diberikan ketika variabel random X adalah tipe kontinyu, tetapi bukti dapat
disesuaikan dengan kasus diskrit jika kita mengganti integral dengan jumlah. Misalkan A=
{ x ; u(x) ≥ c} dan misalkan f(x) menandakan p.d.f dari X. Maka
E[u (X)] =
karena setiap integral di anggota ekstrim ruas kanan dari persamaan sebelumnya adalah non
negatif, anggota ruas kiri lebih besar dari atau sama dengan salah satu dari mereka. Secara
khusus,
Namun, jika x ϵ A, kemudian u(x) ≥ c; maka, anggota ruas kanan dari ketaksamaan
sebelumnya tidak meningkat jika kita mengganti u(x) dengan c.
sehingga
Sejak
itu mengikuti
Teorema sebelumnya adalah generalisasi dari ketaksamaan yang sering disebut ketaksamaan
Chebyshev. Ketaksamaan ini sekarang akan dibentuk.
Pr (|X- μ| ≥ kσ) ≥ 1-
Bukti. Dalam teorema 6 ambil u(X) = (X – μ)2 dan c = k2σ2 . kemudian kita mempunyai
karena pembilang dari anggota ruas kanan dari ketaksamaan sebelumnya adalah σ2, dalam
persamaan dapat ditulis
Pr (|X- μ| ≥ kσ) ≤
yang merupakan hasil yang diinginkan. Tentu, kami akan mengambil jumlah k positif lebih
besar dari 1 untuk memiliki ketaksamaan yang di cari.
Hal ini terlihat bahwa bilangan 1/k2 adalah batas atas untuk probabilitas Pr (|X- μ| ≥ kσ).
Dalam contoh berikut ini batas atas dan nilai yang tepat dari probabilitas dibandingkan dalam
kejadian khusus.
Contoh 1. misal X mempunyai p.d.f
F(x) = , <x<
. = 0 yang lainnya.
Pr(|X| ≥ 2) = 0. Ini kembali dengan sangat kurang dari batas atas 1/k2 = ¼ menyajikan dalam
ketaksamaan chebyshev.
Dalam setiap kejadian pada contoh sebelumnya, probabilitas Pr (|X- μ| ≥ kσ) dan batas atas
1/k2 terikat berbeda jauh. Hal ini menunjukkan bahwa ketaksamaan ini mungkin dibuat lebih
tajam. Namun, jika kita menginginkan ketaksamaan yang berlaku untuk setiap
k > 0 dan berlaku untuk semua variabel random yang memiliki varians yang terbatas, seperti
peningkatan adalah tidak mungkin, seperti yang ditunjukkan oleh contoh berikut.
Contoh 2. Misal X variabel random tipe diskrit memiliki probabilitas 1/8, 6/8, 1/8 di titik x =
-1,0,1, resvectively. Disini μ = 0 dan σ2 = ¼. Jika k =2, kemudian 1/k2 = ¼ dan
Tambahan
Jika peubah acak X memiliki rerata μ dan varian σ2 tidak nol, maka kita dapat
menghubungkan antara keduanya, dalam pernyataan peluang dan hukum ini ditemukan oleh
seorang ahli matematika pada abad 19, yaitu P. I Chebyshev. Hukumnya atau rumusnya ini
dinamakan ketaksamaan Chebyshev.
1.104 Misalkan X (adalah) variabel random dengan mean dan misalkan E[(X – μ )2k] ada.
1.106 jika X adalah suatu variabel random yaitu E(X)=3 dan E(X2)=3 gunakan
1.107 misalkan X (adalah) suatu variabel random dengan fungsi pembangkit momen M(t),
dan bahwa
Isyarat. Misal u(x) = etx dan c = eta di teorema 6. Catatan. Hasil ini menyiratkan bahwa Pr (X≥
a) dan Pr (X≤a) kurang dari batas bawah yang paling rendah masing-masing e –at M (t) ketika
0 < t < h dan ketika -h < t < 0
1.108.fungsi pembangkit momen X ada untuk semua nilai-nilai riil t dan diberikan
M (t) = , t ≠ ), M(0) = 1.
Menggunakan hasil dari latihan sebelumnya untuk menunjukkan bahwa Pr( X ≥ 1)= 0 dan
Pr( X ≤ – 1) = 0. Catatan bahwa di sini h tanpa batas.
Penyelesaian
1.104. Diketahui : X (adalah) variabel random dengan mean dan misalkan E[(X – μ )2k] ada
Jawab :
Ambil Pr (|X- μ| ≥ d) = Pr (|X- μ|2k ≥ d2k) kedua ruas dikali 2k, dengan k=0
Sehinnga
Pr (|X- μ| ≥ d) ≤
terbukti
μ = E (X)
Ditanya : Tunjukkan Pr (X ≥ 2 μ ) ≤ ½
Jawab :
Pr (X ≥ 2 μ ) ≤ ½
Misal
c=2μ
Pr [ u(X) ≥ c ] ≤ , maka
Pr [X ≥ c ] ≤
Pr [X ≥ 2 μ ] ≤
Pr [X ≥ 2 μ ] ≤
Pr [X ≥ 2 μ ] ≤ terbukti
E(X2) = 13
Jawab : σ2 = E(X2) – µ2
= 13 – 32
= 13 – 9
σ2= 4
σ=2
Batas bawah
Pr (|X- μ| ≥ kσ) ≥ 1-
Pr (|X- 3| ≥ 2k) ≥ 1-
Pr (|X- 3| ≥ 2k) ≥ 1-
-2 k = -5 2k=5
k= k=
1- = 1- = = 0,84
Jadi, batas bawah untuk batas bawah Pr(-2 < X < 8) adalah = 0,84
Jawab :
Pr [ u(X) ≥ c ] ≤ , maka
X≤ a
X≥a
Pr [e tx ≥ e ta ] ≤
0 <t<h
-h < t < 0
-h
h
0
Pr [e tx ≥ e ta ] ≤
Pr [e tx ≥ e ta ] ≤ e -ta M(t)
Hasil ini menyiratkan bahwa Pr (X≥ a) dan Pr (X≤a) kurang dari batas bawah yang paling
rendah masing-masing e –at M (t) ketika 0 < t < h dan ketika -h < t < 0.
1. Kesimpulan
Ketaksamaan Chebishev
Jika peubah acak X memiliki rerata μ dan varian σ2 tidak nol, maka kita dapat
menghubungkan antara keduanya, rumus ini dinamakan ketaksamaan chebyshev.
Teorema 6. Misalkan u(X) adalah fungsi tak negatif dari variabel random X. jika E[u (X)]
ada, maka, untuk setiap c konstanta positif,
Pr [ u(X) ≥ c ] ≤
BAB 1
PENDAHULUAN
A. Latar Belakang
Bila peluang dinyatakan dengan luas maka dapat diharapkan bahwa suatu distribusi
kontinu dengan simpangan baku yang kecil mempunyai sebagian besar luasnya dekat
dengan . Akan tetapi, nilai yang besar menyatakan penyebaran yang lebih besar sehingga
dapat diharapkan luas tadi lebih menyebar.
B. Manfaat
Dapat menentukan peluang peubah acak yang mendapat nilai dalam jarak k simpangan
baku dari harga rataannya paling sedikit (1 – 1/k2) dengan k bilangan real.
BAB 2
ISI
A. Teorema
Chebychev, seorang matematikawan Rusia, menemukan bahwa bagian luas antara dua
nilai yang simetri terhadap nilai rataan berkaitan dengan simpangan baku. Karena luas di
bawah kurva distribusi peluang atau dalam histogram peluang berjumlah 1, maka luas antara
dua bilangan sembarang menyatakan peluang peubah acak yang bersangkutan mendapat nilai
antara kedua bilangan tersebut.
BUKTI
2
=
karena yang kedua dari ketiga integral taknegatif. Sekarang, karena dalam kedua integral
lainnya. Maka
dan bahwa
Sehingga
Untuk k = 2 teorema menyatakan bahwa peubah acak X mempunyai peluang paling sedikit 1
– (1/2)2 = ¾ mendapatnilai dalam jarak dua simpangan baku dari nilai rataan. Yaitu tiga
perempat atau lebih pengamatan setiap distribusi terletak dalam selang .begitu pula teorema
tersebut menyatakan bahwa paling sedikit delapan persembilan pengamatan setiap distribusi
terletak dalam selang
B. Permasalahan
2
1. Suatu peubah acak X mempunyai rataan = 8, variansi = 9, sedangkan peluang
distribusinya tidak diketahui. Hitunglah :
a. P (-4 < x < 20)
b. P (1x – 81 ≥ 6)
2
2. Suatu peubah acak X mempunyai rataan = 12, variansi = 9, sedangkan peluang
distribusinya tidak diketahui. Dengan menggunakan teorema Chebyshev hitunglah:
a. P (6 < x < 18)
b. P (3 < x < 21)
3. Suatu peubah acak X mempunyai rataan = 10, variansi 2 = 4. Dengan menggunakan
teorema Chebyshev hitunglah:
a. P ( | x – 10 | ≥ 3)
b. P ( | x – 10 | < 3)
c. P ( 5 < x < 15)
4. Suatu peubah acak X mempunyai rataan =8, variansi sedangkan distribusinya tidak
diketahui. Hitunglah
a.
b.
C. Pembahasan
1. Diketahui : = 8, 2 = 9
b.P (1x – 81 ≥ 6)
Penyelesaian :
Ditanyakan : a. P ( | x – 10 | ≥ 3)
b. P ( | x – 10 | < 3)
4. Diketahui : =8,
Ditanyakan : a.
b.
Penyelesaian :
a. P (µ - k < x < µ + k ) ≥ 1 –
P (µ - k < x < µ + k ) ≥ 1 –
D. Kesimpulan
Teorema Chebychev Peluang bahwa setiap peubah acak X mendapat nilai dalam k simpangan
baku dari nilai rataan adalah paling sedikit , yaitu:
TEOREMA CHEBYSHEV
Bila kita mengalami kesulitan untuk
MENDEFINISIKAN
distribusi peluang
dari sebuah variabel acak Y, dapat dipakai suatu tak
siran yaitu
TEOREMA CHEBYSHEV
:
“Peluang variabel acak Y akan berada dalam rentang G
±
kσ adalah
PALING SEDIKIT ”
2
k
1
-1
2
k
1
-1
)
σ
k
+
<
y
<
σ
k-
(P
≥
ATAU
CONTOH :
Terdapat sebuah data dengan μ = 8 dan
σ
=3
.
..
.
Pengamat mengalami
kesulitan untuk mendefinisikan distribusi peluangny
a. Pengamat ingin
mencari peluang jatuhnya sebuah data dalam selang –
4 < y < 20, maka :
P (- 4 < y < 20) = P (8 – k.3 < y < 8 + k.3), ja
[ ][ ]
[ ]
2222222222
/1)(1)( /)()()()()(
k k X P k X k P Jadi k k X P atau k k X E k X P atau k X E k X P
σσ µσ µσ µ σσ µσ µ µ µ µ
−≥≥−−=+− ≤≥−=−≤≥−−≤≥−
5.6.MOMENDANFUNGSIPEMBANGKITMOMEN
Pandang X peubah acak dengan fungsi peluang f(x) maka rataan pangkat r adalah)(
xf X
r
∑
dan ini disebut momen ke r sekitar nol (awal), sedangkan rataan pangkat r dari selisih X terhadap A
(konstan) adalah)()(
xf Ax
r
−∑
disebut momen ke r sekitar A, Bila semua unsur mengandung peluang yang sama makarataan tersebut berturut
adalah
n A xdann x
rr
/)(/
−∑∑
2D.5.9.Defenisi Momen ke- r sekitar awal peubah acak Xdiberikan oleh
kontinu xdx x f xb diskrit x x f xa X E
r xr r r
,)(. ),(.)(
∫∑
∞∞−
=
µ
D.5.10. Defenisi Momen ke- r sekitar A peubah acak X diberikan oleh
[]
kontinu xdx x f A xb diskrit x f A xa A X E A
r r xr r
,)()(. ),()(. )()(
'
∫∑
∞∞−
−−=−=
µ
D.5.10. Defenisi : Fungsi pembangkit momen peubah avak xdiberikan oleh E (e
tx
) dan disimbolkan dengan M (t) (sering juga dengan
diskrit x x f ea t dengan juga sering t M
xtx x
),(.))(()(
∑
∞
=
φ
T. 5.14. Teorema : Misalkan X suatu peubah acak dengan fungsi pembangkit momen
makat M
x
)(0)(
=
t dt t M d
r xr
ir
µ
=
fpmdanmomendenganiansh Nyatakanla Contoh X E diperoleht membuat Dengan
kontinu xdx x f e xb diskrit x x f e xa
dt t M d makaada yaegradanturunanbahwa Dianggap Bukti
r r txr tx xr r xr
var .24.5 )(0,)(. ),(.)(:lnint:
'
µ
=−=
∫∑
[]
[ ][ ]
[
[]
npq pnpVarians dannprataanitukarena pnnpdannpdiperoleht Dengan
eq pe pe peenpdt t M d dan pe pendt t M d
berturut fpmkeduadan pertamaturunanaSelanjutny t dt t dM dt t M d X E jugademikian
X E X E sedangkan X E defenisi Menurut x X Var Jadi
takonsr denganndisimbolkabiasanyarataan sekitar Momenrataan
sekitar keduamomenadalahinibentuk X E xdefenisi Menurut Jawab
nt t nqt xt nqt x x xr
=−=−= ==+−=== ++−==−=−= ======−=
−−++
)1(1)1(0 )())(1(/)( )(/)( ,0,)/)((/)( )(,)()(,)( )()tan(. ,)(:
2'22'1'2'1112122 2222 '22'22'112222
µ µσ µ µ µ µ µ µσ µ µ µ µσ µ µσ
3
T.5.15.Teorema: Suatu peubah acak memiliki fungsipembangkit momen yang tunggal teorema tunggalJika :
makat semuauntuk t M t M
yx
)()(
=
sama yang peluang sebaranmemilikiY dan X
T.5.16. Teorema)()(
t Mxet M
at n x
=
+
Bukti:)()( )(
)(
x Mxee E e e E t M
at tX at a X t n x
===
++
Bukti :)()(
)()(
at Mxe E e E t M
X taaX t aX
===
[]
)(... )(.)( )(.)(.)()( )(.... )(.)()...,,,( :... )...,,(... )()(:
21222111 1221121 11).....1( )... 21(
2
n Mxt Mxt Mx dx x f edx x f edx x f et M sehingga x f x f x f x x x f
makabebas X acak peubah Karena dxdx x x f e e E e E t M Bukti
nnnnntxtxtx ynnnnn Xn X t n X X X t ty y
======
∫∫∫∫∫
∞∞−∞∞−∞∞−∞∞−++∞∞−++
Pada pembicaraan berikut yang dimaksud dengan peubah normal adalah peubah yangmempunyai sebaran
normal pada contoh 5.26. yang akan dibicarakan lebih lanjutdalam pertemuan lanjutan. Pembaca diharapkan
dapat menerima teorema berikut :
EVALUASI
4
T.5.17. Teorema :
)()(
at Mxt M
aX
=
)(......,),(),()( .....,)(......,),(),( ......,,,
212121 21
t Mxt Mxt Mxt M maka X X X Y danturut berturut t Mxt Mxt Mx fpm
denganbebasacak peubahadalah X X X JikaTeorema
n ynnn
=+++=−
222222212122211 2211 222212121
........var ..................,,........,,var .........,,, ,.......,,.19.5.
nn ynn ynnnnn
aaiansdanaaa rataratadengannormal menyebar X a
X a X aY acak peubahacak peubahmakaturut berturut iansdanrataandengan
normal menyebar bebanacak peubah X X X TeoremaT
σσσσσσσ µ µ µ µ σσσ µ µ µ
+++= +++= −+++=−
1.Diketahui bahwa jumlah produksi susatu perusahaan terhadap sejenis barangantik mempunyai
rata-rata 50 buah perminggua)Berapakah peluang bahwa perusahaan itu memproduksi
palingsedikit 75 buah barang antic. b)Jika varians produksi perminggu sama dengan 25,
berapakah peluang produksi perminggu antara 40 hingga 60Jawab :Misalkan X peubah acak
menyatakan jumlah atau banyaknya barang antic yangdiproduksi perminggu.a ) M e n u r u t
p e r t i d a k s a m a a n M a r c o v 3/275/5075/)()75(
==≤
X E X P
b)Yang diminta adalah peluang
berartiini X
)6040(
≤≤
[ ][ ]
2505)5.250()5.250 )1050()1050(
===+≤≤− +≤≤−
k sedangkandan X P X P
µσ
Jadi menurut teorema Chebyshev :
[]
4/3)6040( 211)5.250()5.250
2
≥−≥+≤≤−
X P X P
5
~
182
~
OPTIMASI FUNGSI LEBIH DARI SATU VARIABEL BEBASDENGAN KENDALA
Ilmu ekonomi pada dasarnya membahas bagaimana pelaku ekonomimencapai kondisi
optimal dengan melakukan opportunity cost tertentuyang harus dikorbankan. Dengan kata
lain pelaku ekonomi akanmenghadapi kendala dalam usaha untuk mengoptimalkan tujuan
yangingin dicapai dari kegiatan yang dilakukannya.Sebagai contoh ketika seorang konsumen
ingin memaksimumkankepuasannya maka kendala yang dihadapi adalah konsumen
memilikidana terbatas untuk membeli barang dan barang-barang yang tersediamerupakan
barang bebas sehingga untuk mendapatkannya konsumenharus membayar sejumlah uang
tertentu berdasarkan harga barang yangbersangkutan. Sub bab ini menjelaskan bagaimana
fungsi tujuan dicapaibaik maksimum maupun minimum dengan kendala tertentu yagn
dimiliki
Jika suatu fungsi tujuan dengan lebih dari satu variabel bebas dinyatakandengan persamaan :
y = f(x
1
,x
2
,x
3
, ......, x
n
Untuk mencapai fungsi tujuan tersebut terdapat kendala/constraint yangdinyatakan dengan
fungsi :
g (x
1
,x
2
,x
3
, ……., x
n
)=k
Optimasi fungsi tujuan dengan memperhatikan kendala yang adadilakukan dengan
menggunakan metode LAGRANGE yang dinyatakandengan persamaan :
L = f(x
1
,x
2
,x
3
, ......, x
n
) + λ{k
- g (x
1
,x
2
,x
3
, ……., x
n
)}
Contoh Soal : Kasus Laba Maksimal