MAKALAH

STATISTIKA MATEMATIKA I

“Ekspektasi Matematika (Ekspektasi Satu Peubah Acak

dan Ekspektasi Dua Peubah Acak)”

D
i
s
u
s
u
n

Oleh :

Nama : Brigita Wowiling

NIM : 15 504 060

Kelas : VA

JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI MANADO

2017

1
 KATA PENGANTAR

Puji dan syukur senantiasa saya panjatkan kehadirat Tuhan Yang Maha Esa,
karena atas rahmat-Nya, saya dapat menyelesaikan penyusunan makalah yang
berjudul “Ekspektasi Matematika”.

Makalah ini disusun untuk memenuhi tugas mata kuliah “Statistika

Matematika I”. Saya mengucapkan terima kasih kepada semua pihak yang
membantu dalam penyelesaian makalah ini. Saya berharap makalah ini dapat
menambah pengetahuan pembaca dan memberikan gambaran mengenai materi
terkait yaitu Ekspektasi Matematika.

Saya menyadari bahwa makalah ini masih jauh dari kesempurnaan baik
materi maupun bahasanya, maka saya mengharapkan saran dan kritik yang
membangun untuk perbaikan makalah ini. Semoga makalah ini dapat memberikan
manfaat bagi semua pihak yang menjadikan makalah ini sebagai bahan literatur
mengenai materi terkait.

Tondano, Oktober 2017

Penyusun

2
 DAFTAR ISI

KATA PENGANTAR..........................................................................................i

DAFTAR ISI ........................................................................................................ii

BAB I PENDAHULUAN

A. Latar Belakang ..........................................................................................1

B. Rumusan Masalah .....................................................................................1
C. Tujuan Penulisan........................................................................................2

BAB II PEMBAHASAN

A. Pengertian Ekspektasi Matematika………………………………….. 4

B. Ekspektasi Satu Peubah Acak

1. Nilai Ekspektasi………………………………………….…………. 4

2. Sifat-sifat Nilai Ekspektasi……………………………….……….... 6

3. Rataan…………………………………………………….………... 7

4. Varians………………………………………………….………….. 9

5. Momen………………………………………………….………….. 11

6. Fungsi Pembangkit Momen…………………………….………….. 13

7. Pertidaksamaan Chebyshev………………..…………..…………... 15

C. Ekspektasi Dua Peubah Acak

1. Nilai Ekspektasi Gabungan…………………………………………17

2. Ekspektasi Bersyarat………………………………………………. 19

3. Rataan Bersyarat…………………………………………………… 23

4. Perkalian Dua Momen………………………………………………28

ii

3
 5. Kovarians………………………………………………………….. 29

6. Varians Bersyarat…………………………………………………. 33

7. Fungsi Pembangkit Momen Gabungan………………………….... 34

8. Koefisien Korelasi………………………………………………… 35

9. Akibat Kebebasan Stokastik…………………………………….... 35

BAB III PENUTUP

A. Kesimpulan .......................................................................................... 37
B. Saran .................................................................................................... 37

DAFTAR PUSTAKA ..................................................................................... 38

iii

4
 BAB 1
PENDAHULUAN

A. Latar Belakang
Distribusi probabilitas memiliki berbagai sifat atau karakteristik
yang dapat digunakan untuk mengidentifikasi suatu distribusi.
Karakteristik yang biasa digunakan antara lain rata-rata hitung yang biasa
disebut “Ekspektasi Matematika” (atau nilai harapan) dan variansi.
Ekspektasi matematika adalah satu konsep penting dalam teori dasar
statistika. Harapan matematis (Ekspektasi Matematika) ini menentukan
tendensi sentral dari distribusi probabilitas.
Dalam makalah ini akan dibahas beberapa macam ukuran yang
dihitung berdasarkan ekspektasi dari satu maupun dua peubah acak, baik
diskrit maupun kontinu.
Sering kali kita menjumpai data pengamatan yang memuat perubah
acak tidak tunggal. Misalnya, X dan Y perubah acak, maka nilai harapan
dinyatakan E(X), E(Y), dan E(X,Y) , Variansi dari X da Y dinyatakan  X,  Y ,
2 2

 XY
dan kovariansi dari perubah acak X dan Y dinyatakan .

B. Rumusan Masalah
1. Apa yang dimaksud dengan ekspektasi matematika?
2. Apa yang dimaksud dengan nilai ekspektasi dan sifat-sifat nilai
ekspektasi?
3. Bagaimana menentukan rataan dari suatu peubah acak?
4. Bagaimana menentukan varians dari suatu peubah acak?
5. Bagaimana menghitung nilai ekspektasi dari peubah acak dengan
pangkatnya lebih dari 2 (Momen)?
6. Apa yang dimaksud dengan fungsi pembangkit momen?
7. Apa yang dimaksud dengan pertidaksamaan Chebyshev?
8. Apa yang dimaksud dengan nilai ekspektasi gabungan?
9. Bagaimana rumus untuk menghitung ekspektasi bersyarat?
10. Bagaimana rumus untuk menghitung rataan bersyarat?

5
 11. Bagaimana rumus untuk menghitung perkalian dua momen?
12. Bagaimana rumus untuk menentukan kovarians?
13. Bagaimana rumus untuk menentukan varians bersyarat?
14. Bagaimana rumus untuk menentukan fungsi pembangkit momen
gabungan?
15. Bagaimana menentukan derajat hubungan linear antara dua buah
peubah acak?
16. Apa saja akibat kebebasan stokastik dari dua peubah acak?

Tujuan Penulisan
1. Untuk mengetahui apa yang dimaksud dengan ekspektasi matematika
2. Untuk mengetahui apa yang dimaksud dengan nilai ekspektasi dan
sifat-sifat nilai ekspektasi
3. Untuk mengetahui bagaimana menentukan rataan dari suatu peubah
acak
4. Untuk mengetahui bagaimana menentukan varians dari suatu peubah
acak
5. Untuk mengetahui bagaimana menghitung nilai ekspektasi dari
peubah acak dengan pangkatnya lebih dari 2 (Momen)
6. Untuk mengetahui apa yang dimaksud dengan fungsi pembangkit
momen
7. Untuk memahami apa yang dimaksud dengan pertidaksamaan
Chebyshev
8. Untuk memahami apa yang dimaksud dengan nilai ekspektasi
gabungan
9. Untuk mengetahui bagaimana rumus untuk menghitung ekspektasi
bersyarat
10. Untuk mengetahui bagaimana rumus untuk menghitung rataan
bersyarat
11. Untuk mengetahui bagaimana rumus untuk menghitung perkalian dua
momen
12. Untuk mengetahui bagaimana rumus untuk menentukan kovarians

6
13. Untuk mengetahui bagaimana rumus untuk menentukan varians
bersyarat
14. Untuk mengetahui bagaimana rumus untuk menentukan fungsi
pembangkit momen gabungan
15. Untuk mengetahui bagaimana menentukan derajat hubungan linear
antara dua buah peubah acak
16. Untuk mengetahui apa saja akibat kebebasan stokastik dari dua
peubah acak

7
 BAB II
PEMBAHASAN
A. Pengertian Ekspektasi Matematika
Ekspektasi matematika atau harga harapan atau mean(rata- rata)
atau sering disebut ekspektasi saja, adalah satu konsep penting dalam teori
dasar statistika. Jika X adalah sembarang peubah acak, maka ekspektasi
matematika dari peubah acak X biasanya dinotasikan dengan E(X) atau µ.

B. Ekspektasi Satu Peubah Acak

1. Nilai Ekspektasi

Definisi (Nilai Ekspektasi Diskrit

Jika X adalah peubah acak diskrit dengan nilai fungsi peluangnya di x adalah p (x)
dan u (X) adalah fungsi dari X, maka nilai ekspektasi dari u (X), dinotasikan
dengan E [u(X)], didefinisikan sebagai :

∑ u( x ). p(x )
E [u(X)] = x

Contoh 1 :
Misalnya fungsi peluang dari peubah acak berbentuk :
x
p ( x) = ; x=1,2,3,4,5
15
Hitung

a. E( X 2 −1)

b. E[X(X + 1)]
Penyelesaian :
a. Berdasarkan definisi nilai ekspektasi diskrit, maka :

X 2 −1 ∑ x 2−1 ¿ . p(x )
E( ) = x (
5
x
= ∑ (x ¿¿ 2−1). ¿
x=1 15

= ( 1 – 1) ( 151 )+( 4−1)( 152 )+ ( 9−1) ( 153 )+ (16−1) ( 154 )

8
 5
+ (25−1)( )
15
6 24 60 120
= 0+ + + +
15 15 15 15

210
E( X 2 −1) = =14
15

b. Berdasarkan definisi nilai ekspektasi diskrit, maka :

∑ x ( x+ 1) . p ( x)
E[X(X + 1)] = x

5
x
= ∑ x (x +1).
x=1 15

1 2 3
= (1)(1 + 1) ( ) + (2)(2+1)( ) + (3)(3+1)( )
15 15 15

+ (4)(4+1) ( 154 )+¿(5)(5+1)( 155 )

2 12 36 80 150
= + + + +
15 15 15 15 15

280
E[X(X + 1)] =
15

Definisi (Nilai Ekspektasi Kontinu)

Jika X adalah peubah acak kontinu dengan nilai fungsi densitasnya
di x adalah f (x) dan u(X) adalah fungsi dari X, maka nilai ekspektasi dari
u(X), dinotasikan dengan E[u(X)], didefinisikan
sebagai:

E[u(X)] = ∫ u ( x ) . f ( x)dx
∞

Contoh 2:
Misalkan fungsi densitas dari peubah acak X berbentuk :
f (x) = 2(1 − x) ; 0 < x < 1

9
 =0 ; x lainnya

Tentukan :

a. E[ X 2 − 1]
b. E[X(X+1)]

Penyelesaian :

a. Berdasarkan definisi nilai ekspektasi kontinu,maka :

∞
2
E[ X − 1] = ∫ ( x 2−1 ) . f ( x ) dx
−∞
0 1 ∞
2 2 2
= ∫ ( x −1 ) . f ( x ) dx+∫ ( x −1 ) . f ( x ) dx+∫ ( x −1 ) . f ( x ) dx
−∞ 0 1
0 1 ∞
= ∫ ( x −1 ) .0 dx + ∫ ( x −1 ) .2(1+ x )dx+∫ ( x 2−1 ) .0 dx
2 2

−∞ 0 1
1
2 3
= 0 + 2 ∫ ( x −x −1+ x ) dx +0
0

1 3 1 4 1
x − x −x + x 2
= 2 (3 4 2 )

1 1 1
= 2 ( − −1+ )
3 4 2

−5
E[ X 2 − 1] =
6
b. Berdasarkan definisi nilai ekspektasi kontinu,maka :

E[X(X+1)] = ∫ x ( x+1 ) . f ( x ) dx
−∞
0 1 ∞

= ∫ x ( x+1 ) . f ( x ) dx +∫ x ( x +1 ) . f ( x ) dx +∫ x ( x +1 ) . f ( x ) dx
−∞ 0 1
0 1 ∞

= ∫ 0 dx + ∫ x ( x+1 ) .2(1−x ) dx+∫ 0 dx

−∞ 0 1
1
3
= 0 + 2 ∫ ( x −x ) dx +0
0

1 2 1 4
x− x
= 2 . (3 4 )

10
 1 1
=2( − )
2 4
1
E[X(X+1)] =
2

2. Sifat-sifat Nilai Ekspektasi (Dalil 1)

a. Jika c adalah sebuah konstanta, maka E(c) = c.

b. Jika c adalah sebuah konstanta dan u(X) adalah fungsi dari X, maka:
E[c · u(X)] = c · E[u(X)]
c. Jika c 1 dan c 2 adalah dua buah konstanta dan u1(X) dan u2 (X) adalah
dua buah fungsi dari X, maka:
E[c 1 · u1 (X) + c 2 · u2 (X)] = c 1 · E[u1 (X)] + c 2 · E[u2 (X)]

Contoh 3 :
Hitung E( X 2 −1) dan E[X(X + 1)] dengan menggunakan sifat-sifat nilai
ekspektasi.
Penyelesaian :

a. E( X 2 −1) = E( X 2 ¿−E(1)

= E( X 2 ¿−1

∑ x 2 . p ( x ) −1
= x

=¿
1
= {( )(1+8+27 +64+125) }… 1
15

= ( 225
15 )
−1

= 15 – 1

E( X 2 −1) = 14

b. E[X(X + 1)] = E( X 2 + X ¿

= E( X 2 ¿+ E( X )

∑ x. p(x)
= 15 + x

11
 5
x
= 15+ ∑ x .
x=1 15

1
= 15+( )(1+ 4+ 9+16+25)
15

= 15+ ( 5515 )
280
E[X(X + 1)] =
15

3. Rataan

Definisi (Rataan Diskrit)

Jika X adalah peubah acak diskrit dengan nilai fungsi peluang dari X di x
adalah p(x), maka rataan dari peubah acak X didefinisikan sebagai:

∑
E(X) = x x . p(x)

Pemahaman penggunaan rumus rataan diperjelas melalui contoh di bawah

ini :

Contoh 4 :

Jika Sandy mengundi sebuah dadu yang seimbang, maka tentukan rataan
dari munculnya angka pada mata dadu itu.

Penyelesaian :

Misalnya peubah acak X menunjukkan munculnya angka pada mata dadu.

Jadi nilai-nilai yang mungkin dari X adalah { x : x = 1,2,3,4,5,6}, dengan masing-
1
masing nilai mempunyai peluang yang sama yaitu .
6
Jadi :
∑
E(X) = x x . P(x)
6
1
= ∑x.
x=1 6
1
= ()
6
( 1+ 2+3+ 4 +5+5)
21
E(X) = =3,5
6

12
Sehingga apabila dadu yang seimbang itu diundi terus-menerus, maka diharapkan
rataan angka pada mata dadu yang akan muncul adalah 3,5.

Definisi (Rataan Kontinu)

Jika X adalah peubah acak kontinu dengan nilai fungsi densitas
dari X di x adalah f (x), maka rataan dari peubah acak X
didefinisikan sebagai:
∞

E[X] = ∫ x . f (x )
−∞

Contoh 5 :
Misalnya fungsi densitas dari X berbentuk :
f ( x )=20 x 3 (1−x ) ; 0< x<1
= 0 ; x lainnya
Hitung E(X)!

Penyelesaian :
∞
E(X) = ∫ x . f (x )dx
−∞
0 1 ∞

= ∫ x . f (x )dx + ∫ x . f ( x )dx +∫ x . f (x)dx

−∞ 0 1
0 1 ∞
= ∫ x .0 dx + ∫ x .20. x 3 (1−x )dx +∫ x . 0 dx
−∞ 0 1
0
4 5
= 0+20 ∫ ( x −x ) dx+0
1

20 ¿ ¿
=
1 1
= 20( − )
5 6

20 2
E(X) = =
30 3

Rataan dari sebuah peubah acak, baik diskrit maupun kontinu biasanya
dinotasikan dengan μ(dibaca “mu”), sehingga apabila peubah acaknya X maka
μ= E( X )
Nilai rataan dari sebuah peubah acak, baik diskrit maupun kontinu tidak
selalu ada, artinya nilai rataan tersebut bisa mempunyai nilai dan bisa juga tidak
mempunyai nilai. Nilai rataan dari sebuah peubah acak itu ada, jika hasil
penjumlahannya atau pengintegralannya ada. Sebaliknya, nilai rataan dari sebuah
peubah acak tidak ada, jika hasil penjumlahannya atau pengintegralannya tidak
ada.

13
 4. Varians

Berikut ini akan dijelaskan definisi varians dari sebuah peubah acak yang
berlaku bagi peubah acak diskrit maupun kontinu.

Definisi (Varians)
Misalnya X adalah peubah acak, baik diskrit maupun kontinu.
Varians dari X didefinisikan sebagai :
Var(X) = E[X – E(X)¿2 Atau Var(X) = E(X − μ¿2

Definisi (Varians Diskrit)

Jika X adalah peubah acak diskrit dan p(x) adalah nilai fungsi peluang dari
X di x, maka Varians dari X didefinisikan sebagai:
∑ 2
Var(X) = x (x − μ¿ · p(x)

Contoh 6 :
Misalnya distribusi peluang dari peubah acak X adalah sebagai berikut :
X 1 2 3

p(x) 1 1 1
2 3 6

Hitung Var (X).

Penyelesaian :

Berdasarkan definisi varians diskrit, maka :

∑ 2
Var (X) = x (x − μ¿ · p(x)
3
Dengan μ = E(X) = ∑ x . p ( x )
x=1

= ( 1 ) . p ( 1 ) + ( 2 ) . p ( 2 )+ ( 3 ) . p(3)
1 1 1
= (1) () ()
2
+( 2 )
3
+( 3 ) ( )
6
10 5
μ = E(X) = =
6 3

14
 3
Jadi : Var (X) = ∑ ¿ ¿
x=1
=¿
= ( 49 )( 12 )+( 19 )( 13 )+( 169 )( 61 )
2 1 8
= + +
9 27 27
15 5
Var (X) = =
27 9

Definisi (Varians Kontinu)

Jika X adalah peubah acak kontinu dan f (x) adalah nilai fungsi
densitas dari X di x, maka Varians dari X didefinisikan sebagai:
∞

Var(X) = ∫ ( x−μ)2 . f ( x ) dx
−∞

Contoh 7 :
Misalnya fungsi densitas dari X berbentuk :
f ( x )=e−x ; x >0
= 0 ; x lainnya
Hitung Var (X)!

Penyelesaian :
∞

Var(X) = ∫ ( x−μ)2 . f ( x ) dx
−∞
∞

Dengan μ = E (X) = ∫ x . f ( x ) dx
−∞
0 ∞

= ∫ x . f ( x ) dx +∫ x . f ( x ) dx
−∞ 0
0 ∞
= ∫ x .0 dx+∫ x . e−x dx
−∞ 0
∞
−x
= 0 + ∫ x . e dx
0
b
−x
= lim ∫ x . e dx
b→∞ 0
b

= blim
→∞ (
¿ −x . e−x +∫ x . e−x dx

−b
0
−b
)
= blim
→∞
(−b . e + 1−e )

15
 = blim −b . e−b +1− lim e−b
→∞ b→ ∞
μ =0+1–0=1
Jadi :
∞

Var (X) = ∫ ( x−1 )2 . f ( x )dx

−∞
0 ∞
= ∫ ( x−1 )2 . f ( x )dx+ ∫ ( x−1 )2 . f ( x ) dx
−∞ 0
0 ∞

= ∫ ( x−1 )2 . 0 dx+ ∫ ( x−1 )2 . e−x dx

−∞ 0
∞
2 −x
= 0 + ∫ ( x −2 x +1 ) e dx
0
b
2 −x
= lim ∫ ( x −2 x+1 ) . e dx
b→∞ 0
b b
2 −x −x
= lim ∫ x . e dx−2. lim ∫ x . e dx
b→∞ 0 b→∞ 0
b
lim ∫ e− x dx
b→∞ 0

= 2 – (2) (1) + 1
=1

Dalil 2 :
Jika C adalah sebuah konstanta, maka Var (c) = 0

Dalil 3 :
Jika X adalah peubah acak dan c adalah sebuah konstanta, maka
Var (X + c) = Var (X)

Dalil 4 :
Jika a dan b adalah dua buah konstanta dan X adalah peubah acak, maka :
Var ( aX +b )=a2 .Var ( X )

5. Momen

Definisi (Momen)

Jika X adalah peubah acak, baik diskrit maupun kontinu, maka momen ke-k
(dinotasikan dengan μ‘k )didefinisikan sebagai :
μ . K =E ( E k ) k = 1, 2, 3, · · ·

16
Definisi (Momen Diskrit)
Jika X adalah peubah acak diskrit dan p(x) adalah nilai fungsi
peluang dari X di x, maka momen ke-k (dinotasikan μ’k )
didefinisikan sebagai :

μk ' =∑ x k . p(x)
x

Contoh 8 :
X 1 2 3 4

P(x) 1 1 1 1
4 8 8 2

Hitung nilai μ3 ' .

Penyelesaian :
Berdasarkan definisi momen diskrit, maka :
3
μ3 '=E (X 3 ) = ∑ x . p( x)
x

4
3
= ∑ x . p ( x)
x=1

= (1)
3
( 14 )+( 2) ( 18 )+( 4) ( 12 )
3 3

1 27 64
= +1+ +
4 8 8
293
μ3 '=E (X 3 ) =
8
Definisi (Momen Kontinu)
Jika X adalah peubah acak kontinu dan f (x) adalah nilai fungsi
densitas dari X di x, maka momen ke-k (dinotasikan μ’k )
didefinisikan sebagai :
∞
μ =∫ x k . f ( x )dx
'
k
−∞

17
Contoh 9 :
Misalnya fungsi densitas dari X berbentuk :
2x
f ( x )= ; 1< x <2
3
¿ 0 ; x lainnya
Hitung μ ' 3.
Penyelesaian :
∞
μ ' 3=E ( X )= ∫ x 3 . f (x) dx
3

−∞

1 2 ∞
3
. f ( x) dx+∫ x . f (x )dx+∫ x 3 . f (x )dx
3
= ∫x
−∞ 1 2

1 2 ∞
3 3 2x
= ∫ x .0 dx+∫ x . dx+∫ x 3 .0 dx
−∞ 1 3 2

=0+ ( 152 x )
5

62
μ ' 3=E ( X 3 )=
15
Definisi (Momen Sekitar Rataan Diskrit)
Jika X adalah peubah acak diskrit dan p(x) adalah nilai fungsi
peluang dari X di x, maka momen sekitar rataan ke-k
(dinotasikan dengan μk ) didefinisikan sebagai:
μ =∑ ( x−μ ) k . p( x )
k
x

Definisi (Momen Sekitar Rataan Kontinu)

Jika X adalah peubah acak kontinu dan p(x) adalah nilai fungsi
densitas dari X di x, maka momen sekitar rataan ke-k
(dinotasikan dengan μk ) didefinisikan sebagai:
∞
μk = ∫ ¿¿
−∞

18
 6. Fungsi Pembangkit Momen
Pada bagian sebelumnya, kita sudah membahas momen ke-k yang
dinotasikan dengan μ ' k .
Momen ini bisa juga diperoleh melalui besaran lainnya yang
dinamakan fungsi pembangkit momen. Sehingga fungsi pembangkit
momen merupakan fungsi yang dapat menghasilkan momen-momen.
Selain itu, penentuan distribusi baru dari peubah acak yang baru
merupakan kegunaan lain dari fungsi pembangkit momen.

Definisi (Fungsi Pembangkit Momen)

Jika X adalah peubah acak, baik diskrit maupun kontinu, maka
fungsi pembangkit momen dari X (dinotasikan dengan Mx (t))
didefinisikan sebagai:
Mx (t) = E(e tX )
untuk −h < t < h dan h > 0

Definisi (Fungsi Pembangkit Momen Diskrit)

Jika X adalah peubah acak diskrit dan p(x) adalah fungsi peluang
dari X di x, maka fungsi pembangkit momen dari X didefinisikan
sebagai:
tx
Mx (t) = ∑ e . p(x)
x

Definisi (Fungsi Pembangkit Momen Kontinu)

Jika X adalah peubah acak diskrit dan f (x) adalah fungsi densitas
dari X di x, maka fungsi pembangkit momen dari X didefinisikan
sebagai:
∞

Mx (t) = ∫ etx . f ( x)dx

−∞

Contoh 10 :
Tentukan fungsi pembangkit momen peubah acak binomial X dan kemudian
2
tunjukkan bahwa μ=np dan σ =npq .
Penyelesaian:

19
 Dari definisi diperoleh
n
M ( t )= ∑ etλ ¿ ( n ¿ ) ¿ ¿ ¿
x=0 ¿ jumlah yang terakhir adalah
penguraian binomial (pet+q)n, sehingga Mx(t)=(pet+q)n. Kemudian
dMx(t )
=n( pet +q )n−1 . pet
dibeproleh bahwa dt sehingga,
d 2 Mx (t )
2
=np[ et (n−1)( pet +q )n−21 . pe t +( pet +q )n−1 . e t ]
dt . Untuk t=0, maka
μ1 =np dan μ2 =np[(n−1) p+1 ]. Jadi, μ=μ1 =np dan
σ 2 =μ12 −μ2 =np( n−1 )=npq

Dalil 5 :
Jika X adalah peubah acak, baik diskrit maupun kontinu dan M x (t) adalah
fungsi pembangkit momennya, maka :
M rX ( t ) = μr '

Dalil 6 :
Jika X adalah peubah acak dan c adalah sebuah konstanta, maka :
M cX ( t )=M X (ct)

Dalil 7 :
Jika X adalah peubah acak dan c adalah sebuah konstanta, maka :

M X−c ( t ) =e ct . M X (t)

Dalil 8 :
Jika X adalah peubah acak, sedangkan a dan b adalah dua buah konstanta,
maka :
at
b t
M ( X +a) =e . M X ( )
b
b

7. Dalil Chebyshev (Dalil 9) :

Jika μ dan σ masing-masing merupakan rataan dan simpangan baku dari
peubah acak X, maka untuk setiap bilangan positif k peluang dari peubah acak X
1
( )
yang bernilai antara μ−kσ dan μ+kσ paling sedikit sebesar 1− 2 ,dan ditulis:
k
1
P (|x−μ∨¿ kσ)≥ 1−
k2

20
 Nilai peluang di atas merupakan batas bawah peluang dari peubah acak X
yang berharga tertentu.
Kita bisa juga menghitung peluang dari peubah acak X yang bernilai lebih
kecil atau sama dengan μ−kσ atau lebih besar atau sama dengan μ+kσ . Yaitu
1
yang paling besar 2 dan ditulis :
k
1
P (|x−μ∨¿ kσ)≤
k2
BUKTI :
Menurut definisi variansi,

∞
σ 2 =E [( X−μ )2 ]= ∫ ( x−μ )2 f (x )dx
−∞
2
μ−kσ μ+kσ ∞ μ−kσ ∞
2 2 2 2 2
= ∫ (−μ) f ( x )dx+ ∫ ( x−μ ) f (x )dx+ ∫ ( x−μ ) f (x )dx≥ −∞∫
−∞
(x−μ ) f ( x)dx+ ∫ (x− μ) f ( x)dx
μ−kσ μ+kσ μ+kσ 2

μ−kσ

∫ ( x−μ )2 f ( x )dx
karena integral μ−kσ tak negatif. Kemudian
|X−μ|≥Kσ dengan x≥μ+kσ atau x≤μ−kσ dengan
2 2 2
( X−μ ) ≥k σ dalam kedua integral lainnya, maka
μkσ ∞
σ 2 ≥ ∫ k 2 σ 2 f (x )dx+ ∫ σ 2 f ( x )dx
−∞ μ+kσ . Jika ruas kanan dibagi dengan
μ−kσ ∞
1
∫ f ( x )+ ∫ f ( x )dx≤
2
k σ
2
, maka diperoleh −∞ μ+kσ k2 sehingga
μ−kσ
1
p( μ−kσ < X < μ+ kσ )= ∫ f ( x )dx≥1−
μ−kσ k2
dengan demikian terbuktilah teorema Chebyshev.

Contoh 11 :
2
Suatu peubah acak X mempunyai rataan μ=8 , variansi σ =9 ,
sedangkan distribusinya tidak diketahui. Hitunglah:
a. P(-4<X<20), dan

21
 b. b. P( |X−8|≥6 .
Penyelesaian:
2
a. Telah diketahui, bahwa μ=8 , variansi σ =9 , sehingga
σ =γ 9=9 . yang harus dicari adalah nilai k. Nilai k ini dicari dengan
melihat salah satu ujung interval, yaitu -4 atau 20. Berdasarkan
teorema Chebyshev diketahui, bahwa
μ+kσ
1
p( μ−kσ < X < μ+kσ )= ∫ f ( x )dx>1− ,
μ−kσ k 2 sehingga
μ−kσ=8−k 3=−4
Dengan menyelesaikan persamaan ini diperoleh nilai k=4. Jadi,
1 15
P(−4< X <20 )=P [ 8−(4 )(3 )< X <8+(4 )(3 ) ]≥1− ⇔ P(−4 <X <20 )≥
1σ 1σ
Kerena diketahui , bahwa simpangan baku = 3, maka 3k = 6 ⇔ k = 2,
1
P(|X −8|≥6 )=1−P( 8−( 2 )( 3)< X < 8+( 2 )( 3)≤
sehingga : 4

b.
P(|X−8|≥6)=1−P(|X−8|<6)=−P(−6< X−8<6)=1−P(8−6<X<8+6)
C. Ekspektasi Dua Peubah Acak
Pada bagian ini, akan dibahas beberapa macam ukuran yang
dihitung berdasarkan ekspektasi dua peubah acak, baik peubah acak diskrit
maupun kontinu, yaitu nilai ekspektasi gabungan, ekspektasi bersyarat,
rataan bersyarat, varians bersyarat, kovarians, fungsi pembangkit momen
gabungan, koefisien korelasi dan akibat kebebasan stokastik.
Jika kita mempunyai fungsi peluangnatau fungsi densitas gabungan
dari dua peubah acak, maka kita bisa melakukan penghitungan nilai
peluang dari dua peubah acak yang berharga tertentu. Selain itu, kita juga
bisa menentukan beberapa ukuran yang didasarkan pada fungsi peluang
atau fungsi densitas gabungan.
1. Nilai Ekspektasi Gabungan
Definisi (Nilai Ekspektasi Gabungan Diskrit)
Jika X dan Y adalah dua peubah acak diskrit, p (x , y) adalah nilai
fungsi peluang gabungan dari (X,Y) di (x,y) dan v(X,Y) adalah fungsi
dari peubah acak X dan Y; maka nilai ekspektasi gabungan dari
v(X,Y) (dinotasikan dengan E[v(X,Y)]) dirumuskan sebagai :

22
 E [ v ( X , Y ) ]=¿ ∑ ∑ v ( x , y ) . p (x , y )
x y

Contoh 12 :
Misalnya fungsi peluang gabungan dari X dan Y berbentuk :
1
p ( x , y )= ( )
72
( x +2 y ) ; x=0,1,2,3

y=0,1,2,3

Hitung E(2 X Y 2−1)

Penyelesaian :
Berdasarkan definisi nilai ekspektasi gabungan diskrit, maka :

E ( 2 X Y 2−1 ) =¿
∑ ∑ 2 x y 2−1 ¿ . p ¿
x y ( )
3 3
2 1
= ∑ ∑ ( 2 x y −1 ) . ( x+ 2 y )
x=0 y=0 72

1
= ( )
72
¿

+ ( 1 ) ( 3 ) + ( 7 ) ( 5 ) + ( 17 ) ( 7 ) + (−1 ) ( 2 )+ (3 )( 4 ) + ( 15 ) ( 6 ) + ( 35 ) ( 8 ) + (−1 ) ( 3 ) + ( 5 ) ( 5 ) + ( 23 ) ( 7 ) +(53)(9) ¿

=¿
−3+25+161+ 477 ¿
1184
E ( 2 X Y 2−1 ) =
72

Definisi (Nilai Ekspektasi Gabungan Kontinu)

Jika X dan Y adalah dua peubah acak kontinu, f(x,y) adalah nilai fungsi
densitas gabungan dari (X,Y) di (x,y), dan v(X,Y) adalah fungsi dari peubah acak
X dan Y; maka nilai ekspektasi gabungan dari v(X,Y) (dinotasikan dengan
E[v(X,Y)]) dirumuskan sebagai:

Contoh 13 :
Misalnya densitas gabungan dari X dan Y berbrntuk :

23
f ( x , y )=x+ y ; 0< x<1 , 0< y <1
=0 ; x lainnya.
Hitung E(2 X Y 2−1).
Penyelesaian :
Berdasarkan definisi nilai ekspektasi gabungan kontinu, maka :
∞ ∞
2
E(2 X Y −1) = ∫ ∫ ( 2 x y 2−1 ) . f ( x , y ) dxdy
−∞ −∞

=
0 0 1 1 ∞ ∞

∫ ∫ ( 2 x y 2−1 ) . f ( x , y ) dxdy +∫∫ ( 2 x y 2−1 ) . f ( x , y ) dxdy +∫∫ ( 2 x y 2−1 ) . f ( x , y ) dxdy

−∞ −∞ 0 0 1 1

=
0 0 1 1 ∞ ∞

∫ ∫ ( 2 x y 2−1 ) .0 dxdy +∫∫ ( 2 x y 2−1 ) . ( x+ y ) dxdy +∫∫ ( 2 x y 2 −1 ) .0 dxdy

−∞ −∞ 0 0 1 1

∞ ∞
2 2 2 3
= 0 +¿ ∫ ∫ ( 2 x y + x y −x− y ) dxdy +0
1 1

1
2 3 2 2 3 1 2
= ∫ ( x y + x y = x −xy )dy
0 3 2
1
2 2 3
= ∫ ( y + y −12− y )dy
0 3

2 3 1 4 1 1
= y + y − y− y 2
9 4 2 2
2 1 1 1
= + − −
9 4 2 2
−19
E(2 X Y 2−1) =
36

2. Ekspektasi Bersyarat

Definisi (Ekspektasi Bersyarat Diskrit)

Jika X dan Y adalah dua peubah acak diskrit, p’(x ¿y) dalah nilai fungsi
peluang bersyarat dari X diberikan Y = y di x, dan p’’(y ¿x) adalah nilai fungsi
peluang bersyarat dari Y diberikan X = x di y, maka ekspektasi bersyarat dari
u(X) diberikan Y = y dirumuskan sebagai berikut:

24
 E [ u ( X )| y ] =¿. p' ( x| y ¿

Dan ekspektasi bersyarat dari v(Y) diberikan X = x dirumuskan sebagai berikut :

E [ v ( Y )|x ]=¿. p' ' ( y| x ¿

Contoh 14 :
Misalnya fungsi peluang gabungan dari X dan Y berbentuk :
xy
p ( x , y )= ; x=1,2,3 dan y=1,2
18
Hitung E ( 3 Y | y=1 ) dan E(2 Y 2∨x=1)
Penyelesaian :
a. Berdasarkan definisi ekspektasi bersyarat diskrit, maka :

E ( 3 Y | y=1 ) ∑ 3 x. '
p ( x| y ¿
= x

Fungsi peluang marginal dari Y adalah :

3
xy
P2 ( y ) =∑
x=1 18
y
=( )(1+2+3)
18
6y
¿
18
y
Jadi, P2 ( y )= ; y=1,2
3
Fungsi peluang bersyarat dari X diberikan Y = y adalah :
xy
18 x
p' ( x| y )= = ; x=1,2,3
y 6
3
Maka :
3
E ( 3 Y | y=1 ) =∑ ( 3 x )
x=1
( 6x )
= ( 12 ) ( 1+ 4+ 9)
E ( 3 Y | y=1 ) = 7

25
 b. Berdasarkan definisi ekspektasi bersyarat diskrit maka :
E¿
Fungsi peluang marginal dari X adalah :
2
xy
P1 ( x )= ∑
y=1 18
xy
=( )(1+2)
18
3x
¿
18
x
Jadi, P1 ( x )= ; x=1,2,3
6
Fungsi peluang bersyarat dari Y diberikan X = x adalah :
x
18 y
p' ( y|x )= = ; y =1,2
x 3
6
Maka :
2
y
E 2 Y x=1 =∑ 2 y 2 .
2
( | )
y=1 3

= ( 23 ) ( 1+8 )
E ( 2 Y 2| x=1 )=6

Definisi (Ekspektasi Bersyarat Kontinu)

Jika X dan Y adalah dua peubah acak kontinu, g(x ¿ y) adalah nilai
fungsi densitas bersyarat dari X diberikan Y = y di x, dan h(y ¿x) adalah
nilai fungsi densitas bersyarat dari Y diberikan X = x di y, maka
ekspektasi bersyarat dari u(X) diberikan Y = y dirumuskan sebagai
berikut:
∞
E [ u ( X )| y ] = ∫ u ( x ) . g( x∨ y )dx
−∞
dan ekspektasi bersyarat dari v(Y) diberikan X = x dirumuskan sebagai
berikut:

26
 ∞
E [ v ( Y )|x ]=∫ v ( y ) . h ( y∨x ) dx
−∞

Contoh 15 :
Misalnya fungsi densitas gabungan dari X dan Y berbentuk :

( 143 ) x y ; 0< x<2 dan 1< y <2

f ( x , y )= 2

Hitung :
a. E(3 X∨ y=1)

b. E(2 Y 2∨x=1)
Penyelesaian :
a. Berdasarkan definisi ekspektasi bersyarat kontinu, maka :
∞
E(3 X∨ y )=∫ 3 x . g (x∨ y )dx
−∞

Fungsi densitas marginal dari Y adalah :

∞
f 2 ( y )= ∫ f ( x , y ) dx
−∞

0 2 ∞
= ∫ f (x , y )dx+∫ f ( x , y) dx+∫ f ( x , y)dx
−∞ 0 2

0 2 ∞
3
= ∫ 0 dx +∫ x y 2 dx+∫ 0 dx
−∞ 0 14 2

3 2 2
= 0+( x y )+0
28

= ( 37 ) y 2

Jadi,

f 2 ( y )= ( 37 ) y ; 1< y <2
2

=0 ; y lainnya
Fungsi densitas bersyarat dari X diberikan Y = y adalah :

27
 3
x y2
14 1
g ( x| y )= = x
3 2 2
y
7
1
Jadi, g ( x| y )= x ; 0< x <2
2
= 0 ; x lainnya
Maka :
0 2 ∞
E ( 3 X| y )= ∫ 3 x . g ( x| y ) dx +∫ 3 x . g(x∨ y ) dx+∫ 3 x . g (x∨ y)dx
−∞ 0 2

0 2 ∞
1
¿ ∫ (3 x).(0) dx+∫ (3 x) .
−∞ 0
() 2
xdx+∫ (3 x) .(0)dx
2

1
= 0+ ( x ) +0
3
2

E ( 3 X| y )=4

Sehingga : E ( 3 X| y )=1¿=4
b. Berdasarkan definisi ekspektasi bersyarat kontinu, maka :
∞
E ( 2 Y | x ) =∫ 2 y 2 . h( y∨x ) dy
2

−∞

Fungsi densitas marginal dari X adalah :

∞
f 1 ( x)= ∫ f (x , y )dy
−∞

0 2 ∞

= ∫ f (x , y ) dy+∫ f ( x , y)dy +∫ f ( x , y )dy

−∞ 1 2

0 2 ∞
3
= ∫ 0 dy +∫ x y 2 dy+∫ 0 dy
−∞ 1 14 2

¿ 0+ ( 141 x y )+0 3

1
¿ x
2
1
Jadi : f 1 ( x )= x ; 0< x< 2
2
= 0 ; x lainnya

28
Fungsi densitas bersyarat dari Y diberikan X = x adalah :
3
x y2
14 3
h ( y|x )= = y2
1 7
x
2

Jadi : h ( y|x )= ( 37 ) y ; 1< y <2

2

=0 ; y lainnya.
Maka :
1 2 ∞

E ( 2 Y 2| x ) =¿ ∫ 2 y 2 . h( y∨x)dy + ∫ 2 y 2 .h ( y∨x)dy +∫ 2 y 2 .h ( y∨x)dy

−∞ 1 2

1 2 ∞
3 2
2
= ∫ (2 y ) .(0)dy + ∫ (2 y ).
−∞ 1 7 2
2
()
y dy +∫ (2 y 2) .(0) dy

6 5
= 0+ y +0
35
186
E ( 2 Y 2| x ) =
35
186
Sehingga : ( 2 Y 2|x=1 ) =
35
3. Rataan Bersyarat
Berikut ini akan dijelaskan definisi rataan bersyarat dari sebuah peubah
acak diskrit diberikan peubah acak diskrit lainnya, baik rataan bersyarat dari X
diberikan Y = y maupun rataan bersyarat dari Y diberikan X = x

Definisi (Rataan Bersyarat Diskrit)

Jika X dan Y adalah dua peubah acak diskrit, p’(x ¿ y) adalah nilai fungsi
peluang bersyarat dari X diberikan Y = y di x, dan p’’(y¿x) adalah nilai fungsi
peluang bersyarat dari Y diberikan X = x di y, maka ekspektasi bersyarat dari X
diberikan Y = y dirumuskan sebagai berikut:

E ( X| y ) =∑ x . p ' ( x∨ y )
x

dan ekspektasi bersyarat dariY diberikan X = x dirumuskan sebagai berikut:

29
 E ( Y |x )=∑ y . p ' ' ( y∨x )
y

Berikut ini akan dijelaskan rataan bersyarat dari sebuah peubah acak
kontinu diberikan peubah acak kontinu lainnya, baik rataan bersyarat dari X
diberikan Y = y maupun rataan bersyarat dari Y diberikan X = x.

Contoh 16 :
Misalnya fungsi peluang gabungan dari X dan Y berbentuk :

p ( x , y )= ( 721 )( x +2 y ) ; x=0,1,2,3 dan y=0,1,2,3

Hitung :
a. E (X ∨ y=1)
b. E (Y ∨x=2)
Penyelesaian :
a. Berdasarkan definisi rataan bersyarat diskrit, maka :

E (X ∨ y) = ∑ x . p (x∨ y)
x

Kita akan menentukan dahulu fungsi peluang bersyarat p(x∨ y ).

Sebelumnya kita akan menentukan fungsi peluang marginal dari Y.
Berdasarkan definisi fungsi peluang marginal diskrit, maka :
p2 ( y )=∑ p(x , y )
x

3
1
=∑ ( x +2 y )
x=0 72

= ( 721 )[2 y +( 1+2 y ) +( 2+2 y )+ (3+ 2 y ) ]

1
=( )(6+8 y )
72

Jadi, p2 ( y ) = ( 721 ) ( 6+8 y ) ; y=0,1,2,3

Berdasarkan definisi fungsi peluang bersyarat, maka :
p(x, y)
p' ( x| y )=
p2 ( y )

30
 1
(x +2 y )
72
=
1
(6 x+ 8 y)
72
=
x+2 y
p' ( x| y )= ; x = 0,1,2,3 dan y = 0,1,2,3
6 x +8 x
3
x+2 y
Sehingga ∑
x=0 6 x +8 x
1
= [ ( 0 )( 2 y ) + ( 1 )( 1+2 y ) + ( 2 ) ( 2+ 2 y ) + ( 3 ) ( 3+2 y ) ]
6+8 y
14+12 y
=
6+8 y
7+6 y
E (X ∨ y)=
3+4 y
Sehingga :
13
E (X ∨ y−1) =
7
b. Berdasarkan definisi rataan bersyarat diskrit, maka :
E ( Y |x )=∑ y . p ' ' ( y ∨x )
y

Kita akan menentukan dahulu fungsi peluang bersyarat p ' ' ( y∨x ), namun
sebelumnya kita akan menentukan fungsi peluang marginal dari X.
Berdasarkan definisi fungsi peluang marginal diskrit, maka :
p1 ( x ) = ∑ p ( x , y )
y

3
1
=∑ ( x +2 y )
x=0 72

= ( 721 )[ x+ ( x +2) +( x +4 ) +(x +6)]

1
=( )(4 x+12)
72

Jadi, p1 ( x ) = ( 721 ) ( 4 x +12) ; x=0,1,2,3

Berdasarkan definisi fungsi peluang bersyarat, maka :

31
 p(x, y)
p' ' ( y|x )=
p1( x )

1
( x +2 y)
72
=
1
(4 x +12)
72
x+2 y
p' ' ( y|x )= ; x = 0,1,2,3 dan y = 0,1,2,3
4 x+12
Sehingga
3
E (Y ∨x)= ∑ ( y) ¿ ¿)
y=0

1
= [( 0 )( x ) + ( 1 )( x +2 ) + ( 2 ) ( x+ 4 ) + ( 3 )( x +6 ) ]
4 x +12
6 x+ 28
=
4 x +12
3 x +14
E (Y ∨x)=
2 x +6
Sehingga :
E (Y ∨x −2) = 2

Definisi (Rataan Bersyarat Kontinu)

Jika X dan Y adalah dua peubah acak kontinu, g(x ¿ y) adalah nilai fungsi
densitas bersyarat dari X diberikan Y = y di x, dan h(y ¿ x) adalah nilai fungsi
densitas bersyarat dari Y diberikan X = x di y, maka rataan bersyarat dari X
diberikan Y = y dirumuskan sebagai berikut:
∞
E ( X| y ) =∫ x . g ( x∨ y)dx
−∞

dan rataan bersyarat dari Y diberikan X = x dirumuskan sebagai berikut:

∞
E ( Y |x )= ∫ y . h ( y∨x) dy
−∞

Contoh 17 :
Misalnya fungsi densitas gabungan dari X dan Y berbentuk :

32
f ( x , y )=e x ; 0< x < y <∞
= 0 ; x,y lainnya
Tentukan E(X|y).
Penyelesaian :
Kita akan menggambarkan dahulu daerah yang memenuhi 0< x < y < ∞

0 x

Dalam penghitungan integralnya, batas-batas integral yang digunakan didasarkan

pada daerah A.
Berdasarkan definisi rataan bersyarat kontinu, maka :
∞
E ( X| y ) =∫ x . g ( x∨ y)dx
−∞

Kita akan menentukan dahulu fungsi densitas bersyarat g( x∨ y ).

Sebelumnya kita akan menentukan fungsi densitas marginal kontinu, maka :
∞
f 2 ( y )= ∫ f ( x , y ) dx
−∞

0 y ∞

= ∫ f ( x , y ) dx+∫ f (x , y ) dx+∫ f ( x , y)dx

−∞ 0 y

0 y ∞
−y
= ∫ 0 dx +∫ f e dx +∫ f 0 dx
−∞ 0 y

= 0 + ( x . e− y ) + 0

= y . e− y

Jadi, f 2 ( y ) = y . e− y ; y > 0
=0 ; y lainnya
Fungsi densitas bersyarat dari X diberikan Y = y adalah :

33
 e− y 1
g x y=
( | ) −y
=
y.e y

1
Jadi, g( x| y )= ; 0< x < y < ∞
y
= 0 ; x,y lainnya
0 y ∞
Maka : E(X|y) = ∫ x . g( x∨ y)dx +∫ x . g(x∨ y ) dx+∫ x . g ( x∨ y )dx
−∞ 0 y

0 y ∞
1
= ∫ x .0 dx+∫ x . dx +∫ x .0 dx
−∞ 0 y y

1 1 2
=0+ ( )
y 2
x +0

y
E(X|y) = ; y >0
2
Jika kita akan menghitung E( X∨ y =2), maka E ( X| y =2 )=1

Dalil 10: Ekspektasi Rataan Bersyarat

1. E[E(X | y)] = E(X)

2. E[E(Y | x)] = E(Y)

Dalil 11:

Jika dua peubah acak X dan Y saling bebas, maka:

1. E(X | y) = E(X)
2. E(Y | x) = E(Y)

4. Perkalian Dua Momen

Misalnya kita mempunyai dua peubah acak, baik diskrit maupun kontinu.
Kemudian kita bisa menghitung momen dari masing-masing peubah acak, baik
momen sekitar pusat maupun momen sekitar rataan. Selain itu, kita sebenarnya
bisa juga menentukan perkalian dua momen, yaitu perkalian dua momen sekitar
pusat dan perkalian dua momen sekitar rataan.
Penentuan perkalian dua momen sekitar pusat dan sekitar rataan dari peubah
acak diskrit ditentukan berdasarkan definisi berikut.
Definisi (Perkalian Dua Momen Diskrit)

34
 Jika X dan Y adalah dua peubah acak diskrit, p(x,y) adalah nilai fungsi
peluang gabungan dari X dan Y di (x,y), μx adalah rataan dari X, dan μy adalah rataan
dari Y, maka perkalian momen sekitar pusat ke-r dan ke-s dari X dan Y (dinotasikan
dengan μ’r,s) dirumuskan sebagai berikut:

μ' r , s=E ( X r Y s )=∑ ∑ x r y s . p ( x , y )

x y

dan perkalian momen sekitar rataan ke-r dan ke-s dari X dan Y (dinotasikan dengan μ
r,s) dirumuskan sebagai berikut:
r s
μr,s = E[(X - μx¿r (Y - μ y ¿s ]¿ ∑ ∑ ( x−μ x ) ( y−μ y ) . p ( x , y )
x y
dengan r = 0, 1, 2, 3, … dan s = 0, 1, 2, 3, ….

Definisi (Perkalian Dua Momen Kontinu)

Jika X dan Y adalah dua peubah acak kontinu, f(x,y) adalah nilai fungsi
densitas gabungan dari X dan Y di (x,y), μx adalah rataan dari X, dan μy adalah
rataan dari Y, maka perkalian momen sekitar pusat ke-r dan ke-s dari X dan Y
(dinotasikan dengan μ’r,s) dirumuskan sebagai berikut:

5. Kovarians
Berikut ini akan dijelaskan sebuah ukuran yang merupakan hal khusus dari
perkalian dua momen, yaitu kovarians.
Definisi (Kovarians)

Jika X dan Y dua peubah acak bebas dengan rataan

μ x dan μ y , maka
kovarians peubah acak X dan Y didefinisikan sebagai
σ 2XY =E [( X−μ x )(Y −μ y )]
a. untuk kasus X dan Y diskret

35
   E [(X   )(Y   )]
XY X Y

  (x   X )(y   Y )f(x,y)
x y

b. untuk kasus X dan Y kontinu

  E [(X   )(Y   )]
XY X Y
 

  (x   X )(y   Y )f(x,y)dxdy
 

Teorema (Kovarians)

Jika X dan Y dua peubah acak bebas dengan rataan

μ x dan μ y , maka
kovarians peubah acak X dan Y dapat ditentukan dengan :
σ 2xy =E ( XY )−E ( X )E(Y )
Bukti :
a. untuk kasus X dan Y diskrit

   (x   x )(y   y ) f(x, y)
XY
x y
  (xy   y   x   x y ) f(x, y)
X Y
x y

  xyf(x, y)    X yf(x,y)    Y xf(x,y)

x y x y x y
  x y  f(x,y)
x y

 x   xf(x,y);  y   y f(x, y); dan  f(x,y)  1

Karena : x y x y x y

Maka diperoleh :

  E(XY)   x y   x  y   x y  E(XY)   x y
XY

36
 b. Untuk kasus X dan Y kontinu
(seperti a) dengan mengganti tanda dengan integral)
 

XY

  (x  x )(y  y )f(x, y)dxdy
 
 

  (xy   X y   Y x   x y )f(x, y)dxdy
 
   

XY

  xyf(x, y)dxdy     X y f(x,y)dxdy
   
   

   Y xf(x,y)dxdy   xy   f(x,y)dxdy
   
   
karena :  x 
 xf(x,y)dxdy;  y 
  yf(x, y)dxdy;
   
 
dan
  f(x,y)dxdy  1
 

Maka diperoleh   E(XY)   x y   x y   x y

XY
 E(XY)   x  y

Contoh 18:
Dimas mengambil 2 buah pensil secara acak dari sebuah kotak yang berisi
tiga pensil warna biru, dua warna merah dan tiga warna kuning. Jika X
menyatakan pensil warna biru dan Y warna yang diambil, hitunglah kovariansi
dua peubah tersebut!
Penyelesaian:
Distribusi peluang gabungannya sebagai berikut:
X 0 1 2
Y
0 3 9 3
28 28 28

37
 1 6 6
28 28

1
2 28
2 2
E [ XY ] = ∑ ∑ xyf ( x , y )=143
Sehingga x =0 y=0 (lihat nilai harapan peubah acak
gabungan X dan Y)
2 2 2
μ x=E [ X ]= ∑ ∑ xf ( x , y )= ∑ xg ( x )=(0)( 10
28
15 3 3
)+(1)( )+(2 )( )=
28 2 4
x −0 x−0 x −0
2 2 2
μ y =E [ Y ] = ∑ ∑ yf ( x , y )= ∑ yh( y )=(0 )( 15
28
12 1
)+(1)( )+(2 )( )=
28 28 2
1
x−0 y −0 x−0

3 3 1 9
σ xy=E ( XY )−μ x μ y= −( )( )=−
Jadi 14 4 2 56
Contoh 19:
Tentukan kovariansi peubah acak X dan Y yang fungsi padat peluang
gabungannya dinyatakan sebagai

f (x , y )= {40 0<x < y ;0< y<1

x lainnya
Penyelesaian :
1 y 1 1 y 1
μ x=E( X)=∫ ¿∫ ¿ 4 ydxdy= ¿¿ E( XY )=∫ ¿∫ ¿ 4 xydxdy= ¿¿
0 0 4 dan 0 0 2
1 2 4 10
σ xy =E ( Xy )μ x μ y= ( )( )=
sehingga 2 3 3 9
Dalil 12 (Perumusan Kovarians Umum)

38
 6. Varians Bersyarat
Definisi (Varians Bersyarat Umum)
Jika X dan Y adalah dua peubah acak, baik diskrit maupun kontinu, maka
varians bersyarat dari X diberikan Y = y didefinisikan sebagai:
Var(X | y) = E[{X - E(X | y)}2 y]
atau
Var(X | y) = E( X 2 | y) - [E(X | y)¿2
dan varians bersyarat dari Y diberikan X = x didefinisikan sebagai:
Var(Y | x) = E[{Y - E(Y | x)}2 x]
atau
Var(Y | x) = E(Y 2 | x) - [E(Y | x)¿2

Penentuan varians bersyarat dari sebuah peubah acak diskrit diberikan

peubah acak diskrit lainnya, baik varians bersyarat dari X diberikan Y = y
maupun varians bersyarat dari Y diberikan X = x dijelaskan dalam definis di
bawah ini :
Definisi (Varians Bersyarat Diskrit)
Jika X dan Y adalah dua peubah acak diskrit, p’(x | y) adalah nilai fungsi peluang
bersyarat dari X diberikan Y = y di x, dan p’’(y | x) adalah nilai fungsi peluang
bersyarat dari Y diberikan X = x di y, maka varians bersyarat dari X diberikan Y = y
dirumuskan sebagai berikut:
Var(X | y) = ∑ ¿¿ X | y)¿2 . p ' (x∨ y)
x

Dan varians bersyarat dari Y diberikan X = x dirumuskan sebagai :

Var(Y | x) = ∑ ¿¿ Y | x)¿2 . p ' ' ( y∨x )

y

Definisi (Varians Bersyarat Kontinu)

Jika X dan Y adalah dua peubah acak kontinu, g(x | y) adalah nilai fungsi
densitas bersyarat dari X diberikan Y = y di x, dan h(y | x) adalah nilai fungsi
densitas bersyarat dari Y diberikan X = x di y, maka varians bersyarat dari X
diberikan Y = y dirumuskan sebagai berikut:
∞

Var(X | y) = ∫ [ x−E ( X| y ) ¿ 2 . g ( x∨ y )dx

−∞
dan varians bersyarat dari Y diberikan X = x dirumuskan
sebagai berikut:

39
 ∞
2
Var(Y | x) = ∫ [ y −E (Y | x ) ¿ . h( y∨x )dy
−∞

7. Fungsi Pembangkit Momen

Fungsi pembangkit momen gabungan dapat didefinisikan sebagai fungsi

pembangkit momen yang diperoleh berdasarkan fungsi peluang gabungan
atau fungsi densitas gabungan dari dua peubah acak. Dalam hal ini, fungsi
pembangkit momen gabungan dapat digunakan untuk memperoleh momen-
momen, baik untuk satu peubah acak maupun dua peubah acak.
Fungsi pembangkit momen gabungan dari dua peubah acak diskrit
dijelaskan dalam definisi di bawah ini

Definisi (Gabungan Umum)

Jika X dan y adalah dua peubah acak, baik diskrit maupun kontinu, maka
fungsi pembangkit momen gabungan dari X dan Y (dinotasikan dengan M(t 1,t2))
didefinisikan sebagai:
M(t1,t2) = E[exp(t1X + t2Y)]
untuk -h1 < t1 < h1 , -h2 < t2 < h2 , h1 > 0 , h2 > 0.

Di bawah ini merupakan definisi dari fungsi pembangkit momen gabungan

dari dua peubah acak diskrit

Definisi (Fungsi pembangkit Momen Gabungan Diskrit)

Jika X dan Y adalah peubah acak diskrit dengan p(x,y) adalah nilai fungsi
peluang gabungan dari X dan Y di (x,y), maka fungsi pembangkit momen
gabungan dari X dan Y didefinisikan sebagai:
M ( t 1 , t 2 ) =∑ ∑ e t x +t y . p( x , y)
1 2

x y

Selanjutnya definisi dari fungsi pembangkit momen gabungan dari dua

peubah acak kontinu.

Definisi (Fungsi Pembangkit Momen Gabungan Kontinu)

Jika X dan Y adalah peubah acak kontinu dengan f(x,y) adalah nilai fungsi
densitas gabungan dari X dan Y di (x,y), maka fungsi pembangkit momen

40
 gabungan dari X dan Y didefinisikan sebagai:
∞ ∞
M ( t 1 , t 2 ) =∫ ∫ e t x +t y . f ( x , y ) dxdy
1 2

−∞ −∞

Berdasarkan fungsi pembangkit momen gabungan dari X dan Y, kita dapat

menentukan fungsi pembangkit momen masing-masing dari X dan Y yang dinamakan
fungsi pembangkit momen marginal dari X dan fungsi pembangkit momen
marginal dari Y.
Fungsi pembangkit momen marginal dari X diperoleh dari fungsi pembangkit
momen gabungan dengan mensubstitusikan t2 = 0, sehingga:
M(t1,0) = M(t1) = E[exp(t1X)]

8. Koefisien Korelasi

Penentuan derajat hubungan linier antara dua buah peubah acak digunakan
koefisien korelasi.
Rumus yang digunakan untuk menentukan derajat hubungan linier tersebut
bisa dilihat dalam definisi berikut.

Definisi (Koefisien Korelasi)

Jika X dan Y adalah dua peubah acak, baik diskrit maupun kontinu, maka
koefisien korelasi (dinotasikan dengan ρ ) didefinisikan sebagai:
E ( XY )−E ( X ) . E (Y )
ρ= 2 2
√ {{ E ( X )− [ E ( X ) ] { E ( Y )−( E ( Y ) ] }}
2 2

Selain itu, penghitungan koefisien korelasi ρ dapat juga dilakukan

berdasarkan fungsi pembangkit momen gabungan dari X dan Y. Rumus yang
digunakannya sama seperti di atas, dengan mengganti:

9. Akibat Kebebasan Stokastik

41
 Sudah dijelaskan sebelumnya bahwa dua peubah acak dikatakan saling bebas,
jika distribusi gabungannya sama dengan perkalian dari distribusi marginal masing-
masing peubah acaknya.
Beberapa akibat kebebasan stokastik dari dua peubah acak bisa dilihat
dalam dalil-dalil berikut ini.

Dalil 12 (Akibat Pertama Kebebasan Stokastik)

Jika X dan Y adalah dua peubah acak yang saling bebas, maka:
E(XY) = E(X).E(Y)

Dalil 13 (Akibat Kedua Kebebasan Stokastik)

Jika X dan Y adalah dua peubah acak yang saling bebas, maka:
E[(u(X).v(Y)] = E[u(X)].E[v(Y)]

Dalil 14 (Akibat Ketiga Kebebasan Stokastik)

Jika X dan Y adalah dua peubah acak yang saling bebas, maka:
M(t 1,t 2) = MX(t 1).MY(t 2)
Dalil 15 (Akibat Keempat Kebebasan Stokastik)
Jika X dan Y adalah dua peubah acak yang saling bebas, maka:
Kov(X,Y) = 0
Dalil 16 (Akibat Kelima Kebebasan Stokastik)
Jika X dan Y adalah dua peubah acak yang saling bebas, maka:
ρ=0

Dalam hal ini, hubungan antara kebebasan stokastik dua peubah acak dan
koefisien korelasinya ρ = 0 sebagai berikut:
1. Jika X dan Y adalah dua peubah acak yang saling bebas, maka ρ = 0.

2. Jika ρ = 0, maka X dan Y adalah dua peubah acak yang belum tentu saling bebas.

Dalil 17 (Akibat Keenam Kebebasan Stokastik)

Jika X dan Y adalah dua peubah acak yang saling bebas, maka:
μ’r,s = μ’r . μ’s

42
 BAB III
PENUTUP

A. Kesimpulan
Ekspektasi matematika adalah satu konsep penting dalam teori
dasar statistika. Ekspektasi Matematika (Harapan matematis) ini
menentukan tendensi sentral dari distribusi probabilitas. Jika X adalah
sembarang peubah acak, maka ekspektasi matematika dari peubah acak X
biasanya dinotasikan dengan E(X) atau µ.
Ekspektasi matematika terbagi dalam 2 bagian yaitu ekspektasi
satu peubah acak dan ekspektasi dua peubah acak. Dalam ekspektasi satu
peubah acak dibahas mengenai nilai ekspektasi, rataan, varians, momen,
fungsi pembangkit momen, dan pertidaksamaan Chebyshev. Sedangkan
dalam ekspektasi dua peubah acak membahas mengenai nilai ekspektasi
gabungan, ekspektasi bersyarat, rataan bersyarat, perkalian dua momen,
kovarians, varians bersyarat, fungsi pembangkit momen gabungan,
koefisien stokastik, dan akibat kebebasan stokastik.

B. Saran
Ekspektasi matematika adalah satu konsep penting dalam teori
dasar statistika. Oleh karena itu sebagai mahasiswa penting bagi kita untuk
mempelajari contoh-contoh yang berkaitan dengan ekspektasi matematika
baik satu maupun dua peubah acak serta mengembangkannya dalam
kehidupan sehari-hari.
Dalam menyusun makalah ini, penulis menyadari sepenuhnya
bahwa isi makalah ini belumlah sempurna dan masih kurang baik

43
 mengenai materi maupun cara penulisannya. Oleh karena itu, penulis
sangat mengharapkan kritik dan saran yang sifatnya membangun dari
pihak lain yang dapat menyempurnakan makalah ini.

Daftar Pustaka

N. Herrhyanto dan T.Gantini, Pengantar Statistika

Matematik, Bandung, Yrama Widya, 2009.

http://chandra-novtiar.dosen.stkipsiliwangi.ac.id/files/2017/04/Pertemuan_5.pdf
http://chandra-novtiar.dosen.stkipsiliwangi.ac.id/files/2017/04/Pertemuan_6.pdf
http://file.upi.edu/Direktori/FPMIPA/JUR._PEND._MATEMATIKA/1961061819
87031NAR_HERRHYANTO/FILE_12_PERTEMUAN_KESEMBILAN_STAT
MAT_1.pdf
http://file.upi.edu/Direktori/FPMIPA/JUR._PEND._MATEMATIKA/1961061819
87031NAR_HERRHYANTO/FILE_11_PERTEMUAN_KETUJUH_STATMAT
_1.pdf

44