Contoh.
Dilempar 2 buah mata uang, jika X adalah variabel random yg
menyatakan banyaknya muncul Angka (A) dalam percobaan tsb,
hitunglah nilai ekspektasi X.
Jawab.
Ruang sampel percobaan ini S = {AA,AG,GA,HH}
Probabilitasnya masing-masing
P(X=0) = P(GG)= ¼ P(X=1) =P(AG)+P(GA)= ½ dan
P(X=2)= P(AA)=1/4
Mean (Rata-Rata) Variabel Random
Nilai ekspekstasi X adalah:
2
E ( X ) = xP( x) = 0 * P(0) + 1* P(1) + 2 * P(2) = 0 + 1 / 2 + 2(1 / 4) = 1
x =0
Contoh.
Sekotak komponen 7buah diperiksa oleh inspektur QC. Isi kotak tsb 4
komponen baik dan 3 cacat. QC mengambil sampel 3 buah dari
kotak tsb. Carilah nilai harapan (rata-rata) banyaknya komponen
yang baik yg diperoleh dalam sampel tsb
Mean (Rata-Rata) Variabel Random
Jawab:
Kita hitung dulu banyak titik ruang sampel jika diambil 3 dari kotak
tsb yg berisi 7. Ini adalah masalah banyak kombinasi 3 obyek yg
diambil dari 7 obyek, jadi n(S)=
n(S) = C73 = 7!/(3!*(7-3)!) = 35.
7 komponen tsb berisi 4 baik dan 3 cacat. Jika diambil 3 buah acak
banyaknya kombinasi yg berisi 1 sampel baik (berarti 2 cacat)
adalah (ingat urutan tdk berpengaruh):
banyak kombinasi 1 sampel baik dari 4 sampel baik (KALI)
banyak kombinasi 2 sampel cacat dari 3 sampel cacat
n(1baik, 2cacat) = C41*C32 = 4!/(1!3!) * 3!/(2!1!) = 12 buah
Jadi probabilitas terambilnya sampel 3 buah = 1baik +2cacat,
P(1baik, 2cacat) = 12/35.
Mean (Rata-Rata) Variabel Random
Jawab:
Definisikan variabel random X= banyak komponen baik dari 3
sampel yg terambil, maka, jika f(x) menyatakan probabilitas
mendapatkan X=x, berarti
f(X=1) = 12/35. 4 3
x 3 − x
f ( x) =
Mengikuti pola tsb maka secara umum: 7
3
g ( X ) = E[ g ( X )] = g ( x) f ( x)
Diskrit
x
g ( X ) = E[ g ( X )] = g ( x) f ( x)dx
kontinu
−
Contoh.
Misalkan probabilitas jumlah mobil X yg masuk ke sebuah pencucian
mobil antara jam 4 dan 5 adalah sbb:
x 4 5 6 7 8 9
P(X=x) 1/12 1/12 ¼ ¼ 1/6 1/6
Misalkan g(X)=2X-1 adalah bonus yg diberikan perusahaan cuci
mobil tsb. Hitunglah nilai ekspektasi dari bonus yg didapat.
Mean fungsi Variabel Random
Jawab.
Ekspektasi bonus :
g ( X ) = E[ g ( X )] = g ( x) f ( x) = (2 x − 1) P( x)
x x
E(2X-1) = 7(1/12)+9(1/12)+11(1/4)+13(1/4)+15(1/6)+17(1/6)=12.67
VARIANSI
Nilai rata-rata hanya memberikan info ttg kecenderungan pemusatan
data, akan tetapi tidak memberikan gambaran ttg bentuk
distribusi atau penyebaran data.
X X
1 2 3 1 2 3
Distribusi dengan mean sama tetapi memiliki dispersi yg berbeda
VARIANSI
Misal X adalah variabel random dengan distribusi probabilitas f(x)
dan rata-rata (mean) μ, maka variansi dari X adalah:
Contoh.
Misalkan X adalah jumlah mobil yg dipergunakan dalam satu hari
dalam sebuah perusahaan. Andaikan distribusi probabilitas dari X
untuk perusahaan A diberikan sbb:
x 1 2 3
f(x)1 0.3 0.4 0.3
Sedangkan untuk perusahaan B diberikan sbb:
x 0 1 2 3 4
f(x) 0.2 0.1 0.3 0.3 0.1
a) Hitunglah rata-rata (mean) dari jumlah mobil yg dipakai
b) Hitunglah variansi dari X untuk masing-masing perusahaan,
berikan komentar.
VARIANSI
Jawab.
a) rata-rata untuk masing-masing perusahaan:
N
= E[ X ] = x k f ( x k )
k =1
b) Variansinya: = E[( X − ) ] = ( xk − ) 2 f ( xk )
2 2
k =1
Contoh.
Hitung ulang contoh sebelumnya dg rumus ini!
2
Jawab: atau N
N
2 = E[ X 2 ] − 2 = xk f ( xk ) − xk f ( xk )
2 2
k =1 k =1
Untuk perusahaan A:
Soal.
Permintaan mingguan Pepsi adalah X (dalam ribuan liter) dengan
fungsi rapat probabilitas:
2( x − 1) 1 x 2
f ( x) =
0 lainnya
Hitunglah:
a) Mean dari X
b) Variansi dari X
VARIANSI
g2( X ) = E[( g ( X ) − g ) 2 ] = (g ( x) − )
2
g f ( x)dx For continous x
−
Contoh.
Hitung variansi g(X)=2X+3, dimana X adalah variabel random dg
distribusi probabilitas x 0 1 2 3
f(x) ¼ 1/8 ½ 1/8
VARIANSI
g2( X ) = E[( g ( X ) − g ) 2 ] = (g ( x) − g )2 f ( x)
x
For discrete x and
g2( X ) = E[( g ( X ) − g ) 2 ] = (g ( x) − )
2
g f ( x)dx For continous x
−
Contoh.
Pertama hitung mean dari g(X): g ( X ) = E[ g ( X )] = g ( x) f ( x)
x
2 X +3 = (2 * 0 + 3) *1 / 4 + (2 *1 + 3) *1 / 8 + (2 * 2 + 3) *1 / 2 + (2 * 3 + 3) *1 / 8
2 X +3 = 3 / 4 + 5 / 8 + 7 / 2 + 9 / 8 = (6 + 5 + 28 + 9) / 8 = 6
Variansi g(x) : g ( X ) = (2 x + 3 − 6) f ( x) = 4 x − 12 x + 9 f ( x)
2 22
( )
x x
g2( X ) = 4 x 2 f ( x) − 12 xf ( x) + 9 f ( x) = 4
x x x
KOVARIANSI
XY = E[( X − X )(Y − Y )] = ( x − x )( y − y ) f ( x, y )
x y
X,Y diskrit
XY = E[( X − X )(Y − Y )] = X,Y kontinu
−
−
( x − x )( y − y ) f ( x , y ) dxdy
Kovariansi dari dua variabel random X dan Y merupakan ukuran asosiasi antara
keduanya:
- jika nilai X besar cenderung menghasilkan Y besar atau
X kecil cenderung menghasilkan nilai Y kecil, maka berarti deviasi X yg
positif akan cenderung menghasilkan deviasi Y yg positif juga. Sehingga
produk (X-μX)(Y-μY) akan cenderung positif.
- sebaliknya jika nilai X besar cenderung menghasilkan Y kecil atau
sebaliknya, maka produk (X-μX)(Y-μY) akan negatif.
- Jadi tanda kovariansi menyatakan sifat asosiasi antara 2 variabel random.
- Jika X dan Y secara statistik independen maka kovariansi nya =0, tetapi
sebaliknya tidaklah selalu benar.
- Demikian juga nilai kovariansi =0 hanya mengukur linear kovariansi.
KOVARIANSI
X Total
f(x,y) baris
0 1 2 h(y)
0 3/28 9/28 3/28 15/28
y 1 3/14 3/14 0 3/7
2 1/28 0 0 1/28
g(x) 5/14 15/28 3/28 1
KOVARIANSI
Pertama hitung mean masing-masing variabel:
X = E[ X ] = xg ( x) = 0 * 5 / 14 + 1*15 / 28 + 2 * 3 / 28 = 3 / 4
Y = E[Y ] = x yh( y ) = 0 *15 / 28 + 1* 3 / 7 + 2 *1 / 28 = 1 / 2
x
Kemudian hitung E(XY)=
E(XY)=0+0+0+0+3/14+0+0+0+0 = 3/14
3 3 1 9
XY = E[ XY ] − X Y = − ( )( ) = −
14 4 2 56
KOVARIANSI
Soal.
Persentase pelari pria X dan pelari wanita Y yg bertanding di suatu
maraton memiliki fungsi rapat distribusi bersama:
8 xy 0 y x 1
f ( x, y ) =
0 lainnya
Hitunglah
a) Fungsi rapat probabilitas marginal untuk X dan Y
b) Kovariansi antara X dan Y
KORELASI
Walaupun kovariansi memberikan info ttg sifat hubungan asosiasi
(linear) antara dua variabel random X dan Y, tetapi besarnya
kovariansi TIDAK memberi info tentang kekuatan asosiasinya
sebab nilai kovariansi tidak bebas skala X dan Y!
Jika X adalah variabel random, dan g(X) serta h(X) adalah fungsi-
fungsi dari X tsb maka nilai rata-rata dari g(X)+h(X) diberikan
oleh:
E[ g(X)+h(X)] = E[g(X)]+E[h(X)]
Generalisasi : Mean dan Kovariansi Kombinasi
Linear Variabel Random
Jika X dan Y adalah dua variabel random yg independen (saling
bebas), maka
E[XY] = E[X]*E[Y]
Contoh.
Dalam produksi Ga-As chips diketahui rasio antara Ga:As adalah
independen dalam menghasilkan prosentase yg tinggi dari chips
yg baik. Misalkan X adalah rasio dari Ga:As dan Y prosentase dari
chips yg baik. Diketahui X dan Y adalah variabel random dengan
distribusi rapat probabilitas bersama:
x(1 + 3 y 2 )
0 x 2,0 y 1
f ( x, y ) = 4
0 lainnya
2
aX +b =a
2 2
X