= E [(X − )(Y − )]
XY X Y
=
(x − X )(y − Y )f(x,y)dxdy
− −
Kovariansi dua perubah acah X dan Y dengan rata-rata dan diberikan oleh
rumus: = E(XY) − x y
XY
Contoh 1:
Jika X dan Y suatu perubah acak dengan distribusi peluang
gabungan seperti tabel berikut:
X Jumlah
f(x,y) baris
0 1 2
3 9 3 15
0 28
28 28 28
3 3 6
Y 1 14 14
14
1 1
2 28 28
Jumlah 10 15 3 1
kolom 28 28 28
= E(XY)
2 2
= (xy) f(x,y)
x =0 y =0
= 3
14
4
Contoh 2 :
Jika perubah acak X dan Y diberikan seperti pada contoh 1 dengan
distribusi probabilitas gabungan pada tabel 1 maka carilah kovariansi dari
X dan Y
Jawab:
Dari contoh 1 diperoleh E( XY) = 14
3
5
dan
2 2 2
y = E(Y) = y f(x,y) = y h(y)
x =0 y =0 y =0
= (0)( 15 ) + (1)( 3 ) + ( 2)( 1 )
28 7 28
=1
2
Sehingga diperoleh kovariansi dari X dan Y adalah:
= E(XY) − x y
XY
= 3 − ( 3 )( 1 )
14 4 2
=− 9
56
6
Contoh 3 :
Jika perubah acak X dan Y dengan fungsi padat gabungan
diberikan sbb: 8xy; 0 x 1, 0 y x
f(x,y) =
0; untuk x,y yanglainya
Jawab:
Kemudian diperoleh hasil : g(x) = 4x3 ;0 x 1 dan
h(y) = 4y(1 − y 2 ) ; 0 y 1
x = E(X) = 4x 4dx = 4
5
0
1
y = E(Y) = 4y 2 (1 − y 2 )dy = 8
15
0
Dan
11
E(XY) =
8x 2 y 2dxdy = 4
9
0y
= E(XY) − x y = 4 − ( 4 )( 8 )
XY 9 5 15
= 4
225
8
Ketaksamaan Markov &
Chebyshev
Telah dikemukakan diatas bahwa variansi perubah acak akan memberikan
gambaran mengenai keragaman pengamatan di sekitar rata-rata. Bila
variansi dan simpangan baku dari perubah acak kecil maka dapat
diharapkan bahwa pengamatan akan mengelompok di sekitar nilai rata-
rata. Sehingga probabilitas perubah acak dalam selang tertentu di sekitar
rata-rata akan lebih besar dari perubah acak serupa, yang lebih besar
simpangan bakunya.
Tetapi jika nilai besar menyatakan keragaman yang lebih besar,
sehingga dapat diharapkan pengamatan akan lebih menyebar. Perhatikan
1.5
= 0 ; 2 = 0.25
1.0
dnorm(x, 0, 0.25)
0.5
= 0 ; 2 = 1
0.0
-4 -2 0 2 4
0.15
0.10
= 2 ; 2 = 1.5
0.05
0.00
-6 -4 -2 0 2 4 6 8
11
Ketaksamaan Markov dan Chebyshev
membantu kita dalam menentukan
rentang peluang (batas atas dan batas
bawah suatu peluang) jika distribusi
peluang ataupun fungsi distribusi tidak
diketahui, tapi melalui rata-rata dan
variansi dari variabel acak tersebut.
12
Teorema : Ketaksamaan CHEBYSHEV
2
P X − k 2
k
13
Bukti :
Karena ( X − ) 0,
2
P ( X − ) k
2 2
k 2
14
(X − ) k ==== X − k
2 2
Jadi
2
P( X − k) 2
k
Selanjutnya apabila k diganti dengan k,
maka :
P( X − k ) 2
1
k
15
Jadi, teorema Chebyshev mengatakan,
Misalkan X variabel acak dengan mean ,
variansi . Untuk suatu konstanta c dan k,
2
1. P ( X − k ) 2
1 Batas atas
k
2. P ( X − k ) 1 − 2
1
Batas bawah
k
2
3. P ( X − c ) 2
c 16
Contoh:
ketaksamaan Chebyshev,
tentukan batas bawah untuk
P ( −2 X 8 )
17
Jawab
= E( X ) = 3
= E ( X ) − E ( X ) = 13 − 3 = 4
2 2 2 2
= 2
Dengan ketaksamaan Chebyshev,
1
P X − k 1 − 2
k
1
P X − 2k 1 − 2
k
1
P −2k ( X − 3) 2k 1 − 2 18
k
1
P −2k ( X − 3) 2k 1 − 2
k
1
P −2k + 3 X 2k + 3 1 − 2
k
Batas untuk P ( −2 X 8 ) :
5 5
−2k + 3 = −2 → k = dan2k + 3 = 8 → k =
2 2
Maka batas bawahnya adalah:
1 4 21
1− 2 = 1− = = 0,84.
k 25 25 19