NAMA : TIANA FITRI

NIM : 1305617006
PRODI : MATEMATIKA 2017

RESUME VARIABEL ACAK INDEPENDEN

Variabel acak adalah suatu fungsi yang memetakan dari ruang sample ke bilangan riil.
A. Variabel Acak Diskrit
Misalkan X merupakan variabel acak maka
X : S→R
Range dari variabel acak X dinotasikan dengan Range( X ) atau R X adalah himpunan nilai
yang mungkin terjadi pada X .
X dikatakan variabel acak diskrit jika range countable.
R X ={x 1 , x 2 , x 3 , … }

1.1 Probability Mass Function (PMF)

Definisi 1.1
Misalkan X variabel acak diskrit dengan range R X ={x 1 , x 2 , x 3 , … } (finite atau countably
infinite). Fungsi
P X ( x¿¿ k)=P( X =x k ) ¿ untuk k =1,2,3 , …
dikatakan Probability Mass Function (PMF) pada X .

Sifat-sifat dari PMF

 0 ≤ P X ( x ) ≤ 1 untuk setiap x

 ∑ P X ( x )=1
x∈ RX

 Untuk setiap himpunan A ⊂ R X , P ( X ∈ A )= x∑

∈A
P X ( x)

1.2 Cumulative Distribution Function (CDF)

F ( x )=P( X ≤ x)
Sifat-sifat CDF
 0 ≤ F (x )≤ 1
 F ( x ) monoton tidak turun
  lim F ( x )=1 dan lim F ( x )=0
x→ ∞ x→−∞

 Fungsi tangga

Contoh
Misalkan X variabel acak diskrit dengan range R X ={1,2,3,4 }
1 1
Jika diketahui P X (1)=P X (2)= dan P X (4)= , Tentukan :
3 6
a) P X (3)
P X ( 1 ) + P X ( 2 ) + PX ( 3 ) + P X (4)=1
1 1 1
+ + P X ( 3 ) + =1
3 3 6
1 1 1 6−2−2−1 1
P X ( 3 ) =1− − − = =
3 3 6 6 6
b) P ( 2≤ X < 4 )
P ( 2≤ X < 4 ) =P ( X ∈ { 2,3 } )
¿ PX (2)+ PX (3)
1 1 2+1 3 1
¿ + = = =
3 6 6 6 2

B. Variabel Acak Kontinu

2.1 Probabilitiy Density Function (PDF)
Definisi 2.1
Dikatakan bahwa X adalah variabel acak kontinu jika terdapat fungsi nonnegatif f (x) ,
didefinisikan untuk semua x bilangan riil ∈ (−∞, ∞), memiliki sifat untuk setiap
himpunan B dari bilangan riil

P { X ∈ B }=∫ f ( x ) dx
B

Fungsi f (x) disebut fungsi probabilitas densitas atau fungsi kepadatan peluang (FKP)
dari variabel acak X . f ( x) harus memenuhi :
∞
1=P { X ∈ (−∞ , ∞ ) } =∫ f ( x ) dx
−∞

2.2 Cumulative Distribution Function (CDF)

 x
F ( x )= ∫ f ( t ) d t
−∞

Sifat-sifat dari CDF

 0 ≤ F (x )≤ 1
 Monoton tidak turun

 lim
x→ ∞
F ( x )=1 dan lim F ( x )=0
x→−∞

C. Independent of Random Variables

Definisi 3
X , Y dikatakan independen jika gelanggang-σ yang dihasilkan juga independen.
Dengan kata lain, untuk setiap himpunan Borel B ,C pada R
P ( X −1 ( B ) ∩Y −1 ( C ) )=P ¿
Contoh

Misalkan ( Ω=[ 0,1 ] , M )dillengkapi dengan Lebesgue terukur. Ambil X =1[0 , 1 ] ,Y =1[ 1 , 3 ].
2 4 4

1 1 1 3 1 3
{ [ ] ( ]} {
Maka F X = ∅ , [ 0,1 ] , 0 ,
2 2 [ ] [ ) ( ]}
, , 1 , F Y = ∅ , [ 0,1 ] , , , 0 , ∪ , 1
4 4 4 4
jelas independen

3.1 Independence Jointly Discrete Variables

Definisi 3.1.1
Kita katakan variabel acak X 1 , X 2 , … , X nindependen jika untuk setiap himpunan A1,
A2 , … , A n bilangan riil maka
P ( X 1 ∈ A1 , X 2 ∈ A 2 , … , X n ∈ A n )=P ¿

Teorema 3.1.2
Misalkan X , Y variabel acak diskrit dengan fungsi probabilitas gabungan p dan fungsi
probabilitas marginal p X dan pY . Maka X , Y independen jika dan hanya jika
p ( x , y )= p X (x) p Y ( y)
Untuk setiap ( x , y )∈ R2
Bukti :
( ⇒ )Misalkan X , Y independen, maka untuk setiap ( x , y )∈ R,
p ( x , y )=P ( X =x , Y = y ) =P ( X=x ) P ( Y = y ) ¿ p X ( x) p Y ( y)
 ( ⇐ )Misalkan p ( x , y )= p X ( x) p Y ( y) untuk setiap ( x , y )∈ R, maka untuk setiap
A ⊂ Rdan B⊂ R
P ( X ∈ A , Y ∈ B )= ∑ ∑ P ( X =x , Y = y )
x∈ A y ∈B

¿∑ ∑ p X ( x) pY ¿ ¿ ¿
x ∈ A y ∈B

¿ ∑ p X (x ) ∑ pY ( y)
x∈A y ∈B

¿
( ∑ p ( x ))( ∑ p ( y ))
x∈ A
X
y ∈B
Y

¿ P¿
Sehingga X , Y independen

Secara umum, variabel acak diskrit X 1 , X 2 , … , X n dengan fungsi probabilitas bersama

p independen jika dan hanya jika
p ( x 1 , x 2 , … , x n )= p X ( x 1 ) p X ( x2 ) … p X ( x n )
1 2 n

n
untuk setiap ( x 1 , x 2 ,… , x n ) ∈ R

3.2 Independence Jointly Continuous Variables

Teorema 3.2.1
Jika X , Y variabel acak dengan fungsi probabilitas gabungan F dan fungsi probabilitas
marginal F X dan F Y . Maka X , Y independen jika dan hanya jika
F ( x , y ) =F X ( x) FY ( y )
untuk setiap ( x , y )∈ R2
Bukti :
( ⇒ )Misalkan X , Y independen, maka
F ( x , y ) =P ( X ≤ x ,Y ≤ y )=P ¿
( ⇐ )Misalkan F ( x , y ) =F X (x) FY ( y ) untuk setiap ( x , y )∈ R2 dan misalkan A=( a , b ]
dan B=¿ maka
P ( X ≤ x ,Y ≤ y )=P ( a< X ≤ b , c <Y ≤ d )
¿ F ( b , d )−F ( a , d )−F ( b ,c ) + F ( a ,c )
¿ F X ( b ) F Y ( d )−F X ( a ) F Y ( d ) −F X ( b ) F Y ( c ) + F X ( a) FY (c )
¿ ( F X ( b ) −F X ( a ) )( FY ( d )−F Y ( c ) )
¿P¿
 ¿ P ( X ∈ A ) P(Y ∈ B)
Sehingga terbukti bahwa untuk P( X ∈ A ,Y ∈ B)=P ( X ∈ A ) P(Y ∈ B) untuk
setiap A ⊂ Rdan B⊂ R . Jadi X , Y independen

Teorema 3.2.2
Misalkan X , Y variabel acak kontinu bersama dengan fungsi densitas bersama f dan
fungsi densitas marginal f X dan f Y . Maka X,Y independen jika dan hanya jika
f ( x , y )=f X ( x ) f Y ( y)
untuk setiap ( x , y )∈ R2

Secara umum, variabel acak kontinu bersama X 1 , X 2 , … , X n dengan fungsi densitas

bersama f dan fungsi densitas marginal f Xk , k =1, 2 , … , n dikatakan independen jika
dan hanya jika
f ( x 1 , x 2 , … , x n ) =f X ( x 1 ) f X ( x2 ) … f X ( x n )
1 2 n

n
untuk setiap ( x 1 , x 2 ,… , x n ) ∈ R

Teorema 3.2.3
Jika X 1 , X 2 , … , X n variabel acak densitas dan r k : R → R , k =1 ,2 , … , n maka
Y 1=r 1 ( X 1 ) , Y 2=r 2 ( X 2) , … , Y n=r n ( X n )independen
Bukti :
Untuk setiap B⊂ R, misalkan r k −1 ( B )={x :r ( x ) ∈ B ¿. Maka untuk setiap
A1 ⊂R , A 2 ⊂ R , … , A n ⊂ R kita mempunyai

P(r ¿ ¿ 1 ( X 1 ) ∈ A 1 , … , r n ( X n ) ∈ A n)=P ( X 1 ∈ r 1−1 ( A 1 ) , … , X n ∈ r n−1 ( A n ) )¿

¿ P(X 1 ∈r 1−1 ( A1 ) )… P (X n ∈r n−1 ( An ) )

¿ P(r ¿ ¿ 1 ( X 1 ) ∈ A 1) … P (r n ( X n ) ∈ A n) ¿

Sehingga Y 1=r 1 ( X 1 ) , Y 2=r 2 ( X 2) , … , Y n=r n ( X n )independen