Tim Matematika
PENDAHULUAN
Bidang statistika berurusan dengan penarikan inferensi tentang populasi dan sifat
populasi. Percobaan yang dilakukan memberikan hasil yang berkemungkinan.
Pelemparan sejumlah koin merupakan suatu contoh percobaan statistika, suatu istilah
yang memberikan setiap proses yang menghasilkan pengamatan yang berkemungkinan.
Mengetahui bahwa distribusi variabel acak memberi tahu kita semua tentang
variabel acak. Namun, dalam praktiknya, sering kali tidak mungkin atau tidak perlu
untuk mengetahui semua peluang distribusi dari variabel acak yang menggambarkan
eksperimen acak tertentu. Sebagai gantinya, mungkin cukup untuk menentukan
beberapa kuantitas karakteristik, seperti nilai rata-rata dan ukuran yang menggambarkan
penyebaran di sekitar nilai rata-rata.
Suatu percobaan sering terdiri atas beberapa usaha, tiap usaha dengan dua
kemungkinan hasil yang dapat diberi nama keberhasilan atau kegagalan. Hal ini terjadi,
misalnya pada pengujian barang produksi, dengan tiap pengujian atau usaha
menunjukkan apakah suatu barang cacat atau tidak cacat. Dalam modul ini juga akan
dibahas mengenai distribusi binomial.
Modul 13 ini memberikan materi Variabel Acak dan Distribusi Diskrit. Perlu
diketahui bahwa dalam mempelajari variabel acak dan distribusi diskrit dibutuhkan
pemahaman tentang konsep dari modul-modul sebelumnya terutama tentang turunan,
integral, ruang sampel, dan peluang.
Berdasarkan penjelasan di atas, tujuan instruksional yang harus dicapai
mahasiswa pada pembelajaran ini antara lain mahasiswa:
• Mampu menghitung nilai harapan (mean) dan variansi untuk suatu variabel
3 acak yang diberikan atau suatu ruang sampel diskrit
menjelaskan variabel acak sebagai peta dari ruang sampel ke dalam kumpulan
bilangan real. Pengambilan data acak tervariabel secara acak untuk mengaturnya. Jika X
mengambil kumpulan nilai konkrit (terbatas atau tidak terbatas), disebut variabel
acak diskrit. Jika mengambil rentang nilai kontinu, misalnya, nilai yang berkisar
pada suatu interval disebut variabel acak kontinu. Variabel acak diskrit adalah topik
yang dibahas pada modul ini, variabel acak kontinu akan dibahas pada modul
selanjutnya.
Dalam contoh di bagian ini, kita melihat variabel acak yang mengambil nilai diskrit
adalah himpunan yang terbatas.
Contoh 1.
Percobaan pelemparan sebuah koin sebanyak tiga kali. Misalkan menjadi variabel
acak yang menghitung banyaknya bagian gambar di setiap hasil percobaan pelemparan
yang keluar. Dengan G adalah hasil percobaan munculnya bagian gambar dan A adalah
hasil percobaan munculnya bagian angka.
Ruang sampel adalah
* +
dan variabel acak
dengan mengambil nilai 0 untuk hasil percobaan tidak munculnya bagian gambar dalam
tiga kali pelemparan, nilai 1 untuk hasil percobaan munculnya bagian gambar sebanyak
satu kali dalam tiga kali pelemparan, nilai 2 untuk hasil percobaan munculnya bagian
gambar sebanyak dua kali dalam tiga kali pelemparan, nilai 3 untuk hasil percobaan
munculnya gambar sebanyak tiga kali dalam tiga kali pelemparan.
Misalnya,
( )
( )
( )
( )
( ) ( ) ( )
( ) ( ) (* +) ( ) ( ) ( )
( ) ( ) (* +) ( ) ( ) ( )
( ) ( ) ( )
Definisi.
Sebuah variabel acak disebut variabel acak diskrit jika variabel itu mengambil nilai
diskrit terbatas atau tidak terbatas. Peluang distribusi dapat digambarkan dengan
fungsi kepadatan peluang ( ) yang memiliki sifat-sifat berikut:
1. ( )
2. ∑ ( ) , di mana jumlahnya lebih dari semua nilai dengan ( )
3. ( ) ( )
Fungsi kepadatan peluang adalah salah satu cara untuk menggambarkan peluang
distribusi dari variabel acak diskrit. Fungsi penting lainnya yang menggambarkan
peluang distribusi dari variabel acak adalah fungsi distribusi kumulatif ( )
( ). Fungsi ini didisain untuk setiap variabel acak, tidak hanya diskrit.
Definisi.
Fungsi distribusi kumulatif ( ) dari variabel acak didefinisikan sebagai
( ) ( ) ∑ ( )
Fungsi kepadatan peluang dan fungsi distribusi adalah cara yang setara untuk
menggambarkan peluang distribusi dari variabel acak diskrit, dan kita dapat
memperoleh satu dari yang lain, seperti yang diilustrasikan dalam contoh 2 dan contoh 3
berikut.
Contoh 2.
Misalkan fungsi kepadatan peluang dari variabel acak diskrit diberikan oleh Tabel 2.
Tabel 2.
( )
-1 0.1
0 0.2
1.5 0.05
3 0.15
5 0.5
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
Fungsi distribusi ( ) adalah fungsi yang ditentukan secara terpisah (sepotong demi
sepotong). Sehingga diperoleh,
( )
Pada Gambar 1, kita melihat bahwa grafik ( ) adalah fungsi yang tidak menurun dan
konstan-satu yang mengambil lompatan pada nilai-nilai di mana ( ) .
Fungsi ( ) adalah benar kontinu; yaitu, untuk setiap ,
( ) ( )
Fungsi tersebut tidak kontinu kiri di mana-mana, karena, pada nilai di mana
( ) ,
( ) ( )
Misalnya, ketika ,
( ) ( )
Contoh 3.
Misalkan fungsi distribusi dari variabel acak diskrit diberikan oleh
( )
{
Tentukan fungsi kepadatan peluang yang sesuai.
Jawab.
Kita perlu melihat titik di mana ( ) melompat. Titik-titik di mana ( )
( ) . Tinggi lompatan sama dengan peluang bahwa mengambil nilai
tersebut. Diperoleh,
( ) ( ) ( ) ( )
( ) ( )
( ) ( ) ( ) ( )
( ) ( )
( ) ( ) ( ) ( )
( ) ( )
( ) ( ) ( ) ( )
( ) ( )
Sehingga fungsi kepadatan peluang dari variabel acak diskrit pada Tabel 3 berikut.
Tabel 3.
( )
-5 0.2
2 0.4
3 0.1
6.5 0.3
Tidak ada nilai di mana ( ) . Kita dapat memeriksa hasil dengan
menjumlahkan peluang yang baru saja ditemukan:
( ) ( ) ( ) ( )
Penjumlahannya menjadi 1, yang menunjukkan bahwa tidak ada nilai lain di mana
( ) .
2. DISTRIBUSI DISKRIT
2.1 Nilai Harapan
2.1.1 Nilai Rata-rata (Mean) dari Variabel Acak Diskrit
Nilai rata-rata disebut harapan matematika atau nilai harapan variabel acak dari
(ekspektasi), atau mean, dan dilambangkan dengan ( ). Nilai harapan adalah jumlah
yang sangat penting. Berikut ini definisinya:
Jika adalah variabel acak diskrit, maka nilai harapan, atau mean, dari adalah
( ) ∑ ( )
Ketika rentang adalah terbatas, jumlah dalam definisi selalu ditentukan. Ketika
kisaran tidak terbatas, kita harus menjumlahkan jumlah istilah yang tidak terbatas.
Jumlah seperti itu bisa terbatas atau tidak terbatas, tergantung pada distribusi . Nilai
harapan dari didefinisikan hanya jika keduanya yaitu ∑ ( ) dan
∑ ( ) adalah terbatas. Oleh karena itu, kita akan membatasi permasalahan
untuk kasus-kasus di mana jumlahnya terbatas.
Contoh 4.
Ukuran sarang burung dapat dianggap sebagai variabel acak. Misalkan menunjukkan
banyaknya telur per sarang yang diletakkan oleh spesies burung tertentu, dan
menganggap bahwa distribusi dijelaskan oleh fungsi kepadatan peluang berikut:
( )
1 0.05
2 0.1
3 0.2
4 0.3
5 0.25
6 0.1
Nilai rata-rata telur per sarang dihitung sebagai nilai rata-rata jumlah tertimbang yaitu
( ) ∑ ( )
( )( ) ( )( ) ( )( ) ( )( ) ( )( ) ( )( )
14 16 15 18 17
16 18 16 14 16
16 16 15 15 16
15 18 16 16 15
Untuk menemukan distribusi frekuensi relatif, kita harus menghitung seberapa sering
setiap nilai terjadi dan kemudian dibagi dengan ukuran sampel, yaitu 25 dalam kasus
ini. Hasilnya dirangkum dalam tabel berikut:
Banyak Daun 13 14 15 16 17 18
Frekuensi Relatif
Kita tafsirkan frekuensi relatif sebagai peluang. Jika variabel acak menunjukkan
banyaknya daun per tanaman dengan distribusi peluang yang diberikan oleh distribusi
frekuensi relatif, maka nilai harapan dari banyaknya daun per tanaman adalah
( )
Perhatikan bahwa meskipun banyaknya daun per tanaman adalah bilangan bulat, nilai
rata-rata daun per tanaman tidak. Kita benar-benar akan kehilangan informasi berharga
jika membulatkan angka rata-rata ke bilangan bulat terdekat.
Penting untuk dipahami bahwa nilai harapan dari variabel acak bilangan bulat tidak
perlu berupa bilangan bulat. Untuk menekankan hal ini, pertimbangkan nilai rata-rata
harapan kelahiran seumur hidup oleh wanita berusia 18 hingga 34 tahun pada tahun
1992. (Data yang diambil adalah data dari Biro Sensus AS, yang diterbitkan pada tahun
1994) Banyaknya harapan kelahiran seumur hidup oleh seorang wanita yang bukan
lulusan sekolah menengah adalah 2.393, sedangkan angka yang sesuai untuk wanita
dengan gelar sarjana atau profesional adalah 1.990. Jika kita membulatkan angka-angka
ini ke bilangan bulat terdekat, akan sama, yaitu, 2; kita tidak akan lagi melihat
perbedaan antara kedua kelompok perempuan itu.
Kita dapat mengubah definisi nilai harapan ke nilai harapan fungsi . Misalkan ( )
adalah fungsi . Sehingga
, ( )- ∑ ( ) ( )
Contoh 6.
Hitunglah ( ) untuk variabel acak dalam Contoh 4.
Jawab.
Dengan menggunakan fungsi kepadatan peluang yang diberikan dalam Contoh 4,
diperoleh
( ) ∑ ( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
Gambar 2. Fungsi kepadatan peluang dan . Distribusi lebih tersebar daripada distribusi .
Kedua variabel acak memiliki rata-rata 0, tetapi rentang jauh lebih tersebar daripada
kisaran .
Untuk menangkap ide ini dalam kuantitas tunggal, kita akan menghitung variansi, yang
didefinisikan sebagai rata-rata tertimbang dari jarak kuadrat ke rata-rata:
Untuk setiap variabel acak dengan rata-rata , variansi didefinisikan sebagai
( ) ,( ) -
Jika adalah variabel acak diskrit, maka
( ) ∑( ) ( )
Karena variansi adalah nilai rata-rata dari jarak kuadrat, nilainya selalu tidak negatif.
Kita kembali ke variabel acak dan . Nilai mean keduanya sama dengan 0, begitu
juga variansinya adalah
( ) ∑( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( )
( ) ∑( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( )
Kita melihat bahwa variansi lebih besar dari variansi , mencerminkan fakta bahwa
rentang lebih tersebar daripada rentang .
√ ( )
Simpangan baku memiliki keuntungan bahwa ia memiliki unit yang sama dengan mean
dan dapat ditafsirkan lebih mudah daripada variansi.
Contoh 7.
Hitung variansi dan simpangan baku dari banyaknya daun per tanaman pada Contoh 5.
Jawab.
Misalkan adalah variabel acak yang menghitung banyaknya daun per tanaman dengan
peluang distribusi yang diberikan dalam tabel Contoh 5. Dalam contoh tersebut,
diperoleh bahwa ( ) . Oleh karena itu, variansi adalah
( ) ∑( ) ( )
( ) ( ) ( )
( ) ( ) ( )
Kita dapat menggunakan aturan untuk menemukan formula alternatif untuk variansi.
Mulai dengan
( )
kemudian mengalikan harapan pada kedua sisi, diperoleh
( ) ( )
Karena harapan dari penjumlahan adalah jumlah dari harapan, pada sisi kanan dapat
disederhanakan menjadi
( ) ( ) ( ) ( ) ( ) ( ) , ( )-
Karena ( ), ( ) , ( )- , dan ( ) ( ) , ( )- .
Dengan ( ) ( ), diperoleh
( ) ( ) , ( )-
Rumus variansi ini sering lebih nyaman digunakan, karena rumus ini menghasilkan
ekspresi yang lebih sederhana secara aljabar. Perhatikan bahwa ( ) , ( )- ,
kecuali ( ) , dan ( ) , ( )- , karena ( ) . Pada contoh 8,
diterapkan formula ini ke variabel acak dalam Contoh 4.
Contoh 8.
Gunakanlah variabel acak dalam Contoh 4, hasil dari Contoh 6, dan rumus alternatif
variansi untuk menghitung variansi .
Jawab.
Dalam Contoh 4, diperoleh bahwa ( ) . Dalam Contoh 6, kita hitung ( ) dan
diperoleh
( )
Sehingga,
( ) ( ) , ( )- ( )
yaitu berhasil atau gagal. Setiap percobaan tersebut disebut percobaan Bernoulli. Uji
coba bersifat independen dan peluang keberhasilan dalam setiap uji coba adalah .
Kami mendefinisikan variabel acak , sebagai
dengan ( ) ( ) untuk .
Jika kita mengulangi percobaan ini sebanyak kali, kita mungkin ingin mengetahui
banyaknya total keberhasilan. Kita menetapkan
banyaknya keberhasilan dalam percobaan
Kita dapat mendefinisikan dalam variabel acak sebagai
∑ ( )
. / cara yang berbeda untuk menempatkan ketiga di lima posisi yang mungkin dan ada
tepat satu cara untuk menempatkan nol di dua posisi yang tersisa. Karenanya, ada
. / . / rangkaian yang berbeda dengan panjang 5 dengan tepat tiga. Ada cara
lain untuk menemukan ini; yaitu, ada 5! cara mengatur tiga yang dan dua nol jika nol
dan yang dibedakan. Karena nol dan yang dapat disusun ulang di antara itu sendiri tanpa
mengubah hasilnya, kita harus membagi dengan urutan. Kemudian menemukan bahwa
ada
. /
( ) . / ( )
Kita dapat menggunakan alasan yang sama untuk memperoleh rumus umum, yang
disimpulkan sebagai berikut:
Distribusi Binomial.
Misalkan adalah variabel acak yang menghitung banyaknya keberhasilan dalam uji
independen, masing-masing memiliki peluang keberhasilan dan peluang kegagalan
. Kemudian dikatakan didistribusikan secara biner dengan parameter dan
, dan
( ) ( ) . / ( )
Variabel acak disebut variabel acak binomial, dan distribusinya disebut distribusi
binomial.
Contoh 9.
Pelemparan sebuah koin sebanyak empat kali. Tentukan peluang bahwa sebenarnya ada
tiga bagian gambar yang muncul.
Jawab.
Misalkan menunjukkan banyaknya bagian gambar yang muncul. Jika bagian gambar
menunjukkan keberhasilan, maka peluang keberhasilan adalah . adalah
distribusi binomial dengan parameter dan . Sehingga,
( ) . /( ) ( ) ( ) ( )
Jika kita hitung menggunakan tabel distribusi binomial pada Lampiran (hal 21) maka
( ) ( ) ∑ ( ) ∑ ( )
Contoh 10.
Dalam pengiriman 10 kotak, setiap kotak memiliki peluang rusak. Tentukan peluang
memiliki dua atau lebih kotak yang rusak dalam pengiriman.
Jawab.
Misalkan menunjukkan banyaknya kotak yang rusak dalam pengiriman. adalah
distribusi binomial dengan parameter dan . Kejadian dua atau lebih
kotak yang rusak kemudian dapat ditulis sebagai . Untuk menghitung (
), kita gunakan rumus
( ) ( ) , ( ) ( )-
0. /( ) ( ) . /( ) ( ) 1
Jika kita hitung menggunakan tabel distribusi binomial pada Lampiran (hal 21) maka
( ) ( )
∑ ( )
( ) (∑ ) ∑ ( )
( ) (∑ ) ∑ ( ) ( ) ( )
Contoh 11.
Peluang untuk sembuh seorang penderita penyakit darah yang jarang adalah 0.4. Bila
diketahui ada 15 orang yang telah mengidap penyakit tersebut, berapakah peluang
a. antara 2 sampai 4 yang sembuh
b. tentukan nilai harapan dari variabel acak binomial
c. tentukan variansi dari variabel acak binomial
Jawab.
Misalkan banyaknya penderita yang sembuh. adalah distribusi binomial dengan
parameter dan . Maka
a. ( ) ( ) ( ) ( )
. /( ) ( ) . /( ) ( ) . /( ) ( )
Jika kita hitung menggunakan tabel distribusi binomial pada Lampiran (hal 21)
maka
( ) ∑ ( ) ∑ ( ) ∑ ( )
b. ( ) ( )( )
c. ( ) ( )( )( )
RINGKASAN
Diskrit
Fungsi Kepadatan ( ) ( )
Peluang Sifat-sifat:
1. ( )
2. ∑ ( ) , di mana jumlahnya lebih dari semua nilai
dengan ( )
3. ( ) ( )
Fungsi Distribusi ( ) ( ) ∑ ( ) .
Nilai Harapan ( ) ∑ ( )
(Mean) dari
Variabel Acak ( ) ∑ ( )
, ( )- ∑ ( ) ( )
Variansi dari ( ) ( ) ∑( ) ( )
Variabel Acak
( ) ( ) , ( )- ∑ ( ) [∑ ( )]
Simpangan Baku √ ( )
Distribusi Binomial ( ) . / ( )
LATIHAN
1. Pelemparan sebuah koin sebanyak dua kali. Misalkan merupakan variabel acak
yang menghitung banyaknya bagian angka yang muncul di setiap hasil. Tentukan
fungsi kepadatan peluang yang menggambarkan distribusi .
2. Misalkan fungsi kepadatan peluang dari variabel acak diskrit diberikan:
( )
-3 0.2
-1 0.3
1.5 0.4
2 0.1
a. Tentukan fungsi distribusi ( ) yang sesuai,
b. Gambarkanlah grafik fungsi kepadatan peluang ( ) dan fungsi distribusi ( ).
3. Misalkan merupakan variabel acak diskrit dengan fungsi distribusi
( )
{
Tentukan fungsi kepadatan peluang .
4. Tabel berikut berisi banyaknya daun per tanaman selasih dalam sampel ukuran 25:
19 21 20 13 18
14 17 14 17 17
13 15 12 15 17
15 16 18 17 14
14 14 13 20 13
a. Tentukan distribusi frekuensi relatif,
b. Hitunglah nilai rata-rata menggunakan distribusi frekuensi relatif yang diperoleh
dalam (a).
5. Misalkan fungsi kepadatan peluang dari variabel acak diskrit diberikan oleh tabel:
( )
-2 0.1
-1 0.4
0 0.3
1 0.2
a. Tentukan ( ),
b. Tentukan ( ),
c. Tentukan ( ),
d. Tentukan simpangan baku dari ,
e. Tentukan , ( )-.
6. Pelemparan sebuah koin sebanyak 10 kali. Misalkan adalah banyaknya bagian
gambar yang muncul. Tentukan
a. ( ),
b. ( ),
c. ( ).
7. Peluang seseorang sembuh dari operasi jantung yang rumit adalah 0.9.
a. Berapakah peluang tepat 5 dari 7 orang yang menjalani operasi ini akan
sembuh?
b. Tentukan nilai harapan dari variabel acak binomial tersebut,
c. Tentukan variansi dari variabel acak binomial tersebut.
DAFTAR PUSTAKA
Neuhauser, Claudia. Calculus for Biology and Medicine 3rd Ed. Prentince Hall. 2011.
Walpole, Ronald E. Dan Myers, Raymond H. Ilmu Peluang dan Statistika untuk
Insinyur dan Ilmuwan, Edisi 3. Bandung: Penerbit ITB, 1995.