DISTRIBUSI DUA

PEUBAH ACAK
SLIDESMANIA.COM

Nurhayati, S.Pd., M.Si

 Point-point yang akan dibahas pada bab ini:
❖ Distribusi Gabungan

❖ Distribusi Marginal

❖ Distribusi Bersyarat

❖ Kebebasan Stokastik
SLIDESMANIA.COM
 Distribusi Gabungan
SLIDESMANIA.COM
 Pembahasan macam-macam distribusi yang
berkaitan dengan dua peubah acak selalu
didasarkan pada peubah acak berdimensi dua.

Dalam statistika ada dua

macam peubah acak
berdimensi dua, yaitu

Definisi
peubah acak diskrit
berdimensi dua dan
peubah acak kontinu

Peubah Acak berdimensi dua.

Berdimensi Dua
Jika S merupakan ruang sampel dari
sebuah eksperimen, maka pasangan (X, Y)
dinamakan peubah acak berdimensi dua,
jika X dan Y masing-masing
menghubungkan sebuah bilangan real
SLIDESMANIA.COM

dengan setiap anggota S

 Definisi
Berikut ini akan
Peubah Acak Diskrit
dijelaskan definisi kedua
macam peubah acak Berdimensi Dua
berdimensi dua tersebut
disertai contohnya.
(X,Y) disebut peubah acak diskrit
berdimensi dua, jika banyak nilai-nilai
yang mungkin dari (X,Y) salah satunya
berhingga atau tidak berhingga tapi
dapat dihitung.
SLIDESMANIA.COM
 Contoh 5.1
Sebuah kotak berisi 3 bola pingpong bernomor 1,2 dan 3.

Kemudian kita mengambil dua bola pingpong secara acak dengan pengembalian. Misalnya
peubah acak X menyatakan bilangan pada pengambilan bola pingpong pertama dan peubah acak
Y menyatakan bilangan pada pengembalian bola pingpong kedua.

Pada pengambilan bola pingpong pertama, bola yang akan diambil ada tiga kemungkinan yaitu
bola pingpong bernomor 1,2 atau 3. Jadi, nilai-nilai yang mungkin dari X adalah {1,2,3}.

Pada pengambilan bola pingpong kedua, karena bola pingpong pertama yang terambil
dikembalikan kembali ke dalam kotak, maka bola pingpong yang akan diambil juga ada tiga
kemungkinan yaitu pingpong bernomor 1, 2 atau 3. Jadi nilai-nilai yang mungkin dari Y adalah
{1,2,3}.
SLIDESMANIA.COM

Karena kedua peubah acak X dan Y mempunyai banyak nilai-nilai yang mungkinnya berhingga,
maka (X,Y) termasuk peubah acak diskrit berdimensi dua.
 Definisi
Peubah Acak Kontinu
Berdimensi Dua Untuk memahami
pengertian peubah acak
kontinu berdimensi dua,
perhatikan contoh berikut!
(X,Y) disebut peubah acak kontinu
berdimensi dua, jika banyak nilai-nilai
yang mungkin dari X dan Y masing-
masing berbentuk sebuah interval.
SLIDESMANIA.COM
 Contoh 5.2
Dalam peubah acak diskrit, perhitungan
peluang dari peubah acak X dan Y yang masing-
masing berharga tertentu, memerlukan sebuah
fungsi yang dinamakan
Dalam tubuh seorang manusia yang sehat
berusia 20 sampai 29 tahun, kadar kalsium
dalam darahnya yaitu X, biasanya antara
8,5 dan 10,5 mg/dl sedangkankadar Berikut akan dijelaskan
definisi fungsi peluang
kolestrolnya yaitu Y, biasanya antara 120 gabungan disertai sifat-
dan 240 mg/dl. sifatnya.
Karena peubah acak X dan Y masing-
masing diyatakan dalam interval,
yaitu 8.5  x  10.5 dan 120  y  240 maka,
(X,Y) merupakan peubah acak kontinu
berdimensi dua.
SLIDESMANIA.COM
 Definisi
Fungsi Peluang
Gabungan
Jika X dan Y adalah dua peubah acak
diskrit, maka fungsi yang dinyatakan
dengan p ( x, y ) = P ( X = x, Y = y ) untuk
setiap pasangan nilai ( x, y ) dalam
daerah hasil dari X dan Y, dinamakan
fungsi peluang gabungan.
SLIDESMANIA.COM
Dalil
Sifat-Sifat Fungsi
Peluang Gabungan
Sebuah fungsi dengan dua peubah acak
dapat digunakan sebagai distribusi
peluang gabungan dari pasangan
peubah acak diskrit X dan Y, jika dan
hanya jika nilai-nilainya yaitu p ( x, y )
memenuhi sifat-sifat berikut:
❖ p ( x, y )  0, untuk setiap pasangan nilai
( x, y ) dalam daerah asalnya
❖  p ( x, y ) = 1
x y
 Apabila X mempunyai nilai-nilai
x1 , x2 , x3 ,..., xm dan Y mempunyai Fungsi peluang gabungan
dari X dan Y dapat
nilai-nilai y1 , y2 , y3 ,..., yn maka digambarkan dalam tabel
peluang terjadinya peristiwa X = x j berikut ini.
dan Y = yk dinotasikan dengan

P ( X = x j , Y = yk ) = p ( x j , yk )
SLIDESMANIA.COM
 Tabel Fungsi Peluang Gabungan
Y y1 y2 y3 … yn Jumlah
X
x1 p ( x1 , y1 ) p ( x1 , y2 ) p ( x1 , y3 ) … p ( x1 , yn ) p1 ( x1 )

x2 p ( x2 , y1 ) p ( x2 , y2 ) p ( x2 , y3 ) … p ( x2 , yn ) p1 ( x2 )
x3 p ( x3 , y1 ) p ( x3 , y2 ) p ( x3 , y3 ) … p ( x3 , yn ) p1 ( x3 )

. . . . . . .

. . . . . . .

. . . . . . .

xm p ( xm , y1 ) p ( xm , y2 ) p ( xm , y3 ) … p ( xm , y2 ) p1 ( xm )
SLIDESMANIA.COM

… p1 ( yn )
Jumlah p1 ( y1 ) p1 ( y2 ) p1 ( y3 ) 1
 Perhitungan peluang dari dua peubah
acak X dan Y yang masing-masing
berharga tertentu, dilakukan dengan
menggunakan rumus:
Pemahaman penggunaan
rumus di atas diperjelas
melalui contoh berikut.

P ( X , Y )  A =  p ( x, y )
A

Dengan A merupakan himpunan

bagian dari daerah asal X dan Y.
SLIDESMANIA.COM
 Contoh 5.3 0 + 2c + 4c + 6c + c + 3c + 5c + 7c +
2c + 4c + 6c + 8c + 3c + 5c + 7c + 9c + 1
Fungsi peluang gabungan dari X dan Y 72c = 1
berbentuk: 1
c=
p ( x, y ) = c ( x + 2 y ) ; x = 0,1, 2,3 dan y = 0,1, 2,3 72
a. Tentukan nilai konstanta c.
b. P ( X = 2, Y = 1) =
4 1
=
b. Hitung P ( X = 2, Y = 1) 72 18
c. Hitung P ( X  1, Y  2 ) 1
c. P ( X  1, Y  2 ) =   ( x + 2 y )
Penyelesaian:
 72 
1
a. Berdasarkan sifat (2), maka:
=   (1 + 3 + 5 + 2 + 4 + 6 + 3 + 5 + 7 )
 72 
3 3

  p ( x, y ) = 1
x =0 y =0
P ( X  1, Y  2 ) =
36 1
=
72 2
p ( 0, 0 ) + p ( 0,1) + p ( 0, 2 ) + p ( 0, 3 ) +
Dalam peubah acak kontinu, penghitungan
p (1, 0 ) + p (1,1) + p (1, 2 ) + p (1, 3 ) + peluang dari dua peubah acak yang masing-
masing berharga tertentu, memerlukan sebuah
p ( 2, 0 ) + p ( 2,1) + p ( 2, 2 ) + p ( 2, 3 ) +
SLIDESMANIA.COM

fungsi yang dinamakan

p ( 3, 0 ) + p ( 3,1) + p ( 3, 2 ) + p ( 3, 3 ) = 1
 Definisi
Fungsi Densitas
Berikut ini akan
dijelaskan definisi fungsi
densitas gabungan
Gabungan
disertai sifat-sifatnya.

Sebuah fungsi yang melibatkan dua

peubah acak X dan Y dengan nilai-
nilainya dinyatakan dalam bidang-xy,
dinamakan fungsi densitas gabungan
jika dan hanya jika
P  X , Y   A =   f ( x, y ) dxdy
A
Dengan A terletak dalam bidang-xy.
SLIDESMANIA.COM
 Dalil
Sifat-Sifat Fungsi
Densitas Gabungan
Pemahaman penggunaan
rumus di atas diperjelas
Sebuah fungsi dari dua peubah acak melalui contoh berikut.
kontinu X dan Y dapat digunakan
sebagai fungsi densitas gabungan, jika
nilai-nilainya yaitu f ( x, y ) , memenuhi
sifat-sifat sebagai berikut:
❖ f ( x, y )  0, untuk −   x, y  
 

❖   f ( x, y ) dxdy = 1
− −
SLIDESMANIA.COM
 Contoh 5.4
1 0 4 3 

Misalnya fungsi densitas gabungan dari X   f ( x, y ) dxdy +   f ( x, y ) dxdy +   f ( x, y ) dxdy = 1

− − 1 0 4 3

dan Y berbentuk: 1 0 4 3 

f ( x, y ) = cxy;0  x  3,1  y  4   0 dxdy +   cxy dxdy +   0 dxdy = 1

− − 1 0 4 3

= 0; x, y lainnya. 4
1
3
0 + c.   x 2 y ] dy + 0 = 1
a. Tentukan nilai konstanta c. 1
2 x =0
b. Hitung P ( X , Y )  A dengan A adalah 9c
4

daerah ( x, y ) ;0  x  2, 2  y  3 2 1
. y dy = 1

Penyelesaian:  9c  2
4

 .y ] = 1
 4  y =1

a. Berdasarkan sifat (2), maka:  135 

 c =1
 4 
 

 f ( x, y ) dxdy = 1
4
c=
135
− −
SLIDESMANIA.COM
 b. P ( X , Y )  A = P ( 0  X  2, 2  Y  3)
 
 4 xy 
2 3
=   dydx
0 2  135 
 4  1 2
2 3
=     xy ] dx
 135  0  2  y =2

 2 
2
=    x dx
 27  0
 1 
2
=   x2 ]
 27  x =0
4
P ( X , Y )  A =
27
SLIDESMANIA.COM
 Distribusi Marginal
SLIDESMANIA.COM
 Apabila kita mempunyai distribusi
gabungan dari dua peubah acak X
dan Y (bisa diskrit semua atau
kontinu semua), maka kita dapat
menentukan distribusi untuk Coba kamu perhatikan
masing-masing peubah acak. Jadi kembali “Tabel Fungsi
Peluang Gabungan”.
kita dapat menentukan distribusi
dari peubah acak X dan distribusi
dari peubah acak Y. Distribusi
yang diperoleh dengan cara
demikian dinamakan
.
SLIDESMANIA.COM
 i.  X = x1 =  X = x1 , Y = y1   X = x1 , Y = y2   ...   X = x1 , Y = yn 
P ( X = x1 ) = P ( X = x1 , Y = y1 )  P ( X = x1 , Y = y2  )  ...  P ( X = x1 , Y = yn  )
= P ( X = x1 , Y = y1 )  P ( X = x1 , Y = y2  )  ...  P ( X = x1 , Y = yn  )
n
=  P ( X = x1 , Y = yi  )
i =1

ii. P ( X = x2  ) = P ( X = x2 , Y = y1 )  P ( X = x2 , Y = y2  )  ...  P ( X = x2 , Y = yn  )

= P ( X = x2 , Y = y1 )  P ( X = x2 , Y = y2  )  ...  P ( X = x2 , Y = yn  )
n
=  P ( X = x2 , Y = yi  )
SLIDESMANIA.COM

i =1
 iii. P ( X = x3  ) = P ( X = x3 , Y = y1 )  P ( X = x3 , Y = y2  )  ...  P ( X = x3 , Y = yn  )
= P ( X = x3 , Y = y1 )  P ( X = x3 , Y = y2  )  ...  P ( X = x3 , Y = yn  )
n
=  P ( X = x3 , Y = yi  )
i =1

iv. P ( X = xm  ) = P ( X = xm , Y = y1 )  P ( X = xm , Y = y2  )  ...  P ( X = xm , Y = yn  )

= P ( X = xm , Y = y1 )  P ( X = xm , Y = y2  )  ...  P ( X = xm , Y = yn  )
n
=  P ( X = xm , Y = yi  )
SLIDESMANIA.COM

i =1
 Berdasarkan (i) sampai (iv), peluang dari peubah acak X secara umum ditulis:

P ( X = x ) =  P ( X = x, Y = y)
yRy
Sekarang coba kamu
atau perhatikan lagi “Tabel
Fungsi Peluang Gabungan”.
P ( X = x) =  P ( X = x, Y = y )
yRy

atau
p ( x) =  p ( x, y )
yRy
SLIDESMANIA.COM
 i. Y = y1 =  X = x1 , Y = y1   X = x2 , Y = y1  ...   X = xm , Y = y1
P (Y = y1 ) = P ( X = x1 , Y = y1 )  P ( X = x2 , Y = y1 )  ...  P ( X = xm , Y = y1 )
= P ( X = x1 , Y = y1 )  P ( X = x2 , Y = y1 )  ...  P ( X = xm , Y = y1 )
m
=  P ( X = xi , Y = y1 )
i =1

ii. P (Y = y2  ) = P ( X = x1 , Y = y2  )  P ( X = x2 , Y = y2  )  ...  P ( X = xm , Y = y2  )

= P ( X = x1 , Y = y2  )  P ( X = x2 , Y = y2  )  ...  P ( X = xm , Y = y2  )
m
=  P ( X = xi , Y = y2  )
SLIDESMANIA.COM

i =1
 iii. P (Y = y3  ) = P ( X = x1 , Y = y3  )  P ( X = x2 , Y = y3  )  ...  P ( X = xm , Y = y3  )
= P ( X = x1 , Y = y3  )  P ( X = x2 , Y = y3  )  ...  P ( X = xm , Y = y3  )
m
=  P ( X = xi , Y = y3  )
i =1

iv. P (Y = yn  ) = P ( X = x1 , Y = yn  )  P ( X = x2 , Y = yn  )  ...  P ( X = xm , Y = yn  )

= P ( X = x1 , Y = yn  )  P ( X = x2 , Y = yn  )  ...  P ( X = xm , Y = yn  )
m
=  P ( X = xi , Y = yn  )
i =1
SLIDESMANIA.COM
 Berdasarkan (i) sampai (iv), peluang dari peubah acak Y secara umum ditulis:

P (Y = y ) =  P ( X = x, Y = y)
xRx

atau
P (Y = y ) =  P ( X = x, Y = y )
xRx

atau
p ( y) =  p ( x, y )
xRx
SLIDESMANIA.COM
 Definisi
Fungsi Peluang Untuk setiap x dalam daerah hasil X

Marginal
dinamakan fungsi peluang marginal
dari X.
Adapun fungsi yang dirumuskan
dengan
Jika X dan Y adalah dua peubah acak p2 ( y ) =  p ( x, y )
diskrit dan p ( x, y ) adalah nilai dari y

fungsi peluang gabungannya di (x,y) Untuk setiap y dalam daerah hasil Y

maka fungsi yang dirumuskan dengan: dinamakan fungsi peluang marginal dari
p1 ( x ) =  p ( x, y ) Y.
y
SLIDESMANIA.COM
 Karena p1 ( x ) dan p2 ( y ) masing-masing Adapun fungsi peluang marginal dari Y
merupakan fungsi peluang, maka: terletak pada baris jumlah yaitu:
p2 ( y ) = p2 ( y1 ) ; untuk y = y1
i.  p ( x) = 1
= p2 ( y2 ) ; untuk y = y2
1
x

ii.  p ( y) =1
y
2 .
.
Apabila kita memperhatikan kembali .
Tabel Fungsi Peluang Gabungan, maka
= p2 ( yn ) ; untuk y = yn
fungsi peluang marginal dari X terletak
pada kolom jumlah yaitu:
Perhatikan
p1 ( x ) = p1 ( x1 ) ; untuk x = x1 contoh berikut!!!
= p1 ( x2 ) ; untuk x = x2
.
.
.
SLIDESMANIA.COM

= p1 ( xm ) ; untuk x = xm
 Contoh 5.5 a. Fungsi peluang marginal dari X

p1 ( x ) =  p ( x, y )
Misalnya fungsi peluang gabungan dari X y
3
 1 
dan Y berbentuk : =  ( x + 2y)
 1  y = 0  72 
p ( x, y ) =   ( x + 2 y ) ; x = 0,1, 2,3
 72   1 
=   ( x ) + ( x + 2 ) + ( x + 4 ) + ( x + 6 )
= y;0,1, 2,3  72 
a. Tentukan fungsi peluang marginal dari  1 
=   ( 4 x + 12 )
X  72 
b. Tentukan fungsi peluang marginal dari 1
=   ( x + 3)
Y  18 
Kemudian hasil penyelesaiannya diperiksa 1
Jadi, p1 ( x ) =   ( x + 3) ; x = 0,1, 2,3
kebenarannya  18 

Penyelesaian:
SLIDESMANIA.COM
 b. Fungsi peluang marginal dari Y

p2 ( y ) =  p ( x, y )
x
3
 1 
=  ( x + 2y)
x = 0  72  Kita harus memeriksa
 1  apakah hasil penyelesaian
=   ( 2 y ) + (1 + 2 y ) + ( 2 + 2 y ) + ( 3 + 2 y ) tersebut benar atau salah.
 72  Hal yang dapat dilakukan
 1  dengan cara berikut ini.
=   (6 + 8 y )
 72 
 1 
=   (3 + 4 y )
 36 
 1 
Jadi, p2 ( x ) =   ( 3 + 4 y ) ; y = 0,1, 2,3
 36 
SLIDESMANIA.COM
 a. Kita harus membuktikan bahwa: b. Kita harus membuktikan bahwa:
3
1  1 
   ( x + 3) = 1
3

  36  ( 3 + 4 y ) = 1
x = 0  18  y =0

Bukti: Bukti:
3
 1   1 
1 1  ( + ) =   ( 3 + 7 + 11 + 15 )
3

  
x =0  18 
( x + 3 ) =   (3 + 4 + 5 + 6)
 18 
 
y =0  36 
3 4 y
 36 
 1 
1 =   ( 36 )
=   (18 )  36 
 18  3
 1 

3
1
  ( x + 3) = 1
   (3 + 4 y ) = 1
y = 0  36 
x = 0  18 
SLIDESMANIA.COM
 Sudah dijelaskan sebelumnya bahwa
fungsi peluang gabungan dari peubah
acak diskrit X dan Y digunakan untuk
Hal tersebut dapatdilihat
memperoleh fungsi peluang marginal pada uraian berikut ini.
masing-masing dari X dan Y. dengan
cara yang sama, fungsi densitas marginal
masing-masing dari X dan Y dapat
diperoleh dari fungsi densitas
gabungannya, jika X dan Y keduanya
merupakan peubah kontinu.
SLIDESMANIA.COM
 1. P ( a  X  b ) = P ( a  X  b, −  Y   ) 2. P ( c  Y  d ) = P ( −  X  , c  Y  d )
b    d
 
=    f ( x, y ) dy  dx =    f ( x, y ) dx  dy
x =−  y =−  y = c  x = 

Berdasarkan sifat ke 3 dalam definisi 5.7 Berdasarkan sifat ke 3 dalam definisi 5.7 maka:
bahwa :

f ( y) .
b f ( x, y ) dx harus sama dengan 2
P ( a  X  b ) =  f ( x ) dx −

a
Perumusan ini merupakan fungsi densitas
 marginal dari Y.
Karena itu f ( x, y ) dy harus sama dengan
f1 ( x ) . −
Perumusan ini merupakan fungsi densitas
marginal dari X.
SLIDESMANIA.COM
 Definisi
Fungsi Densitas Adapun fungsi yang dirumuskan

Marginal
dengan:

h( y) =  f ( x, y ) dx; −  y  
−

Jika X dan Y adalah dua peubah kontinu Dinamakan fungsi densitas marginal
dan f ( x, y ) adalah nilai dari fungsi dari Y
peluang gabungannya di (x,y) maka
fungsi yang dirumuskan dengan:

g ( x) =  f ( x, y ) dy; −  x  
−

Dinamakan fungsi densitas marginal

SLIDESMANIA.COM

dari X

Karena g ( x ) dan h ( y ) masing-masing
merupakan fungsi densitas, maka :

Pemahaman penentuan
fungsi densitas marginal
diperjelas melalui contoh
berikut.

1.  g ( x )dx = 1
−

2.  h ( y )dy = 1
−
SLIDESMANIA.COM
 Contoh 5.6 a. Fungsi densitas marginal dari X

g ( x) =  f ( x, y ) dy
−
Misalnya fungsi densitas gabungan dari X 1 4 
dan Y berbentuk : =  f ( x, y ) dy +  f ( x, y ) dy +  f ( x, y ) dy
 4  −
f ( x, y ) =   xy;0  x  3,1  y  4
1 4

 4 
1 4
 35 
=  0 dy +    dy +  0 dy
= 0; x, y lainnya − 1  135  4
a. Tentukan fungsi densitas marginal dari
 4  1  2
4

X = 0+    xy ] + 0
 135   2  y =1
b. Tentukan fungsi densitas marginal dari
Y 2
= x
Kemudian hasil penyelesaiannya diperiksa 9
kebenarannya 2
Jadi, g ( x ) =   x;0  x  3
9
Penyelesaian: = 0; x lainnya
SLIDESMANIA.COM
 b. Fungsi densitas marginal dari X

h( y) =  f ( x, y ) dx
−
0 3 
=  f ( x, y ) dx +  f ( x, y ) dx +  f ( x, y ) dx
− 0 3 Kita harus memeriksa
 apakah hasil penyelesaian
 4 
0 3
=  0 dx +   tersebut benar atau salah.
 xy dx +  0 dy Hal yang dapat dilakukan
− 0  135  3
dengan cara berikut ini.
 4  1  2
3
= 0+   x y ] + 0
 135   2  x =0

 2
= y
 15 
 2
Jadi, h ( y ) =   y;1  y  4
 15 
= 0; y lainnya
SLIDESMANIA.COM
 a. Kita harus membuktikan bahwa: b. Kita harus membuktikan bahwa:
2
3
 2
4

0  9  x dx = 1   15  y dy = 1
1

Bukti: Bukti:

2 1 2  2 1 2

3 3 4 4

0  9  x dx =  9  x x]=0 1  15  y dy =  15  y y]=1
1 1
=   (9) =   (15 )
9  15 
 2
4
2
3

0  9  x dx = 1 1  15  y dy = 1
SLIDESMANIA.COM
 Distribusi Bersyarat
SLIDESMANIA.COM
 Dalam teori peluang, telah dijelaskan mengenai dua buah peristiwa yang bersyarat. Jika A dan B
adalah dua buah peristiwa, maka peluang terjadinya peristiwa B diberikan peristiwa A
dirumuskan dengan:
P ( A  B)
P ( B | A) = ;0  P ( A )  1
P ( A)

Jika A adalah peristiwa X = x dan B adalah peristiwa Y = y , maka:

P ( X = x Y = y)
P (Y = y | X = x ) = Dari perumusan tersebut,
P ( X = x) kita dapat mendefinisikan
fungsi peluang bersyarat
P ( X = x, Y = y ) dari sebuah peubah acak
= diberikan peubah acak
P ( X = x) lainnya.

p ( x, y )
P ( y | x) = ; p1 ( x )  0
p1 ( x )
SLIDESMANIA.COM
 Definisi Jika p1 ( x ) adalah nilai fungsi peluang

Fungsi Peluang marginal dari X di x, maka fungsi yang

dirumuskan dengan:

Bersyarat p ( y | x) =
p ( x, y )
; p1 ( x )  0
p1 ( x )

Untuk setiap y dalam daerah hasil Y,

Jika p ( x, y ) adalah nilai fungsi peluang
dinamakan fungsi peluang bersyarat
gabungan dari dua peubah acak diskrit X
dari Y diberikan X=x.
dan Y di (x,y) dan p2 ( y ) adalah nilai
fungsi peluang marginal dari Y di y,
maka fungsi yang dinyatakan dengan:

p ( x | y ) =; p2 ( y )  0
Untuk setiap x dalam daerah hasil X,
dinamakan fungsi peluang bersyarat
SLIDESMANIA.COM

dari X diberikan Y=y.

 Karena p ( x | y ) dan p ( y | x ) masing-
masing merupakan fungsi peluang,
maka kedua fungsi peluang itu harus
memenuhi sifat sebagai berikut:
1. a. p ( x | y)  0 2. a. p ( y | x)  0
b.  p ( x | y) =1
x
b.  p ( y | x) = 1
y

Bukti : Bukti :
p ( x, y ) p ( x, y )
 p ( x | y) =  p2 ( y )  p ( y | x) = 
x x y y p1 ( x )
1
=
( )  p ( x, y ) =
1
 p ( x, y )
p2 y x p1 ( x ) y

1
= . p2 ( y ) =
1
. p1 ( x )
p2 ( y ) p1 ( x )
SLIDESMANIA.COM

 p ( x | y) = 1
x
 p ( y | x) = 1
y
 Contoh 5.7 p2 ( y ) =  p ( x, y )
x

Misalnya fungsi peluang gabungan dari X 3

 1 
=  ( x + y)
dan Y berbentuk: x =1  21 
 1 
p ( x, y ) =   ( x + y ) ; x = 1, 2,3  1 
 21  =   (1 + y ) + ( 2 + y ) + ( 3 + y )
 21 
y = 1, 2
 1 
a. Tentukan p ( x | y ) =   (6 + 3y )
b. Tentukan p ( y | x )  21 
c. Hitung p ( x | y = 1)  1 
Jadi, p2 ( y ) =   ( 6 + 3 y ) ; y = 1, 2
 21 

Penyelesaian: Sehingga : p ( x | y ) =
x+ y
6 + 3y
; x = 1, 2,3
p ( x, y )
a. p ( x | y ) =
p2 ( y )
Kita akan menentukan lebih dahulu
( )
SLIDESMANIA.COM

p2 y yang merupakan fungsi peluang

marginal dari Y.
 Pemeriksaan terhadap hasil di atas p ( x, y )
b. p ( y | x ) =
dilakukan sebagai berikut: p1 ( x )
i. Karena x=1,2,3 dan y=1,2, maka
Kita akan menentukan lebih dahulu
p ( x | y)  0
ii. Kita akan membuktikan bahwa
( )
p1 x yang merupakan fungsi peluang
marginal dari Y.
3
x+ y

x =1 6 + 3 y
=1 p1 ( x ) =  p ( x, y )
y
2
 1 
Bukti: =  ( x + y)
y =1  21 
3
x+ y
 6 + 3 y = 6 + 3 y (1 + y ) + ( 2 + y ) + ( 3 + y )
1
 1 
x =1 =   ( x + 1) + ( x + 2 )
 21 
1
= (6 + 3y )  1 
6 + 3y =   ( 2 x + 3)
 21 
3
x+ y
 6 + 3y = 1
x =1
 1 
Jadi, p1 ( x ) =   ( 2 x + 3) ; x = 1, 2,3
 21 
SLIDESMANIA.COM

x+ y
Sehingga : p ( y | x ) = ; y = 1, 2
2x + 3
 Pemeriksaan terhadap hasil di atas
dilakukan sebagai berikut:
i. Karena x=1,2,3 dan y=1,2, maka
p ( y | x)  0
ii. Kita akan membuktikan bahwa
2
x+ y

y =1 2 x + 3
=1

Penentuan distribusi
Bukti: bersyarat dari peubah acak
2
x+ y kontinu dapat dilihat
 =
1
(1 + y ) + ( 2 + y ) dalam definisi 5.9
y =1 2 x + 3 2x + 3
1
= ( 2 x + 3)
2x + 3
2
x+ y
 2x + 3 = 1
y =1
SLIDESMANIA.COM
 Definisi Jika f1 ( x ) adalah nilai fungsi peluang

Fungsi Densitas marginal dari X di x, maka fungsi yang

dirumuskan dengan:

Bersyarat h ( y | x) =
f ( x, y )
; f1 ( x )  0
f1 ( x )
Jika f ( x, y ) adalah nilai fungsi peluang
gabungan dari dua peubah acak diskrit X Untuk setiap y dalam daerah hasil Y,
dan Y di (x,y) dan adalah nilai dinamakan fungsi peluang bersyarat
dari Y diberikan X=x.
f 2 ( y ) dari Y di y,
fungsi peluang marginal
maka fungsi yang dinyatakan dengan:

f ( x, y ) Karena g ( x | y ) dan h ( y | x ) masing-

g ( x | y) = ; f2 ( y )  0 masing merupakan fungsi peluang,
f2 ( y )
maka kedua fungsi peluang itu harus
Untuk setiap x dalam daerah hasil X, memenuhi sifat sebagai berikut:
SLIDESMANIA.COM

dinamakan fungsi peluang bersyarat

dari X diberikan Y=y.
 1. a. g ( x | y)  0

b.  g ( x | y )dx = 1
−

Bukti : 2. a. h ( y | x)  0
 
f ( x, y )
g ( x | y )dx =


−

−
f2 ( y )
dx b.  h ( y | x )dy = 1
−

1
=  f ( x, y )dx Bukti :
f 2 ( y ) −  
f ( x, y )
 h ( y | x )dy =  dy
1 f1 ( x )
= . f2 ( y ) − −
f2 ( y ) 1

=  f ( x, y )dy
f1 ( x ) −


 g ( x | y )dx = 1 1
. f1 ( x )
−
=
f1 ( x )

SLIDESMANIA.COM

 h ( y | x )dy = 1
−
 Contoh 5.8 
f2 ( y ) =  f ( x, y ) dx
Diketahui fungsi densitas gabungan dari X
−
dan Y adalah: 0 1 

f ( x, y ) = 4 xy;0  x  1, 0  y  1
=  f ( x, y ) dx +  f ( x, y ) dx +  f ( x, y ) dx
− 0 1

= 0; x, y lainnya 0 1 

a. Tentukan fungsi densitas bersyarat

=  0 dx +  4 xy dx +  0 dx
− 0 1
dari X diberikan Y=y. 1

b. Tentukan fungsi densitas bersyarat = 0 + 2 x2 y ] +0

x =0
dari Y diberikan X=x.
= 2y
Penyelesaian: Jadi, f 2 ( y ) = 2 y;0  y  1
f ( x, y ) = 0; y lainnya
a. g ( x | y ) =
f2 ( y ) 4 xy
Sehingga : g ( x | y ) = = 2x
2y
Kita akan menentukan lebih dahulu
( ) maka : g ( x | y ) = 2 x;0  x  1
SLIDESMANIA.COM

f 2 y yang merupakan fungsi densitas

marginal dari Y. = 0; x lainnya
 Pemeriksaan terhadap hasil di atas 

dilakukan sebagai berikut: f1 ( x ) =  f ( x, y ) dy

i. Karena 0  x  1 maka g ( x | y )  0 −

ii. Kita akan membuktikan bahwa
0 1

1
=  f ( x, y ) dy +  f ( x, y ) dy +  f ( x, y ) dy
− 0 1

 2 x dx = 1 0 1 

0 =  0 dy +  4 xy dy +  0 dy
− 0 1
Bukti: 1
1 1 = 0 + 2 y2 x ] +0
 2 x dx = x ]
2
y =0
x =0
= 2x
0
1

 2 x dx = 1 Jadi, f1 ( x ) = 2 x;0  x  1
f ( x, y )
0
= 0; x lainnya
b. h ( y | x ) =
f1 ( x ) 4 xy
Sehingga : h ( y | x ) = = 2y
2x
Kita akan menentukan lebih dahulu
( )
f1 x yang merupakan fungsi densitas maka : h ( y | x ) = 2 y;0  x  1
SLIDESMANIA.COM

marginal dari X. = 0; y lainnya

 Pemeriksaan terhadap hasil di atas
dilakukan sebagai berikut:
i. Karena 0  y  1 maka h ( y | x )  0
ii. Kita akan membuktikan bahwa
1

 2 y dy = 1
0

Bukti:
1 1 Sekarang kita akan

 2 y dy = y ] membahas point terakhir

2
dalam materi ini, yaitu:
0 y =0
1

 2 y dy = 1
0
SLIDESMANIA.COM
 Kebebasan Stokastik
SLIDESMANIA.COM
 Jika kita mempunyai dua peubah acak X dan Y, baik diskrit maupun kontinu, maka kita
dapat mengetahui apakah kedua peubah acak itu tidak stokastik atau tidak bebas
stokastik.

Penentuan kebebasan
stokastik dari dua peubah
acak diskrit akan dibahas
dalam definisi berikut.
SLIDESMANIA.COM
 Definisi
Kebebasan Stokastik
Diskrit
Misalnya dua peubah acak diskrit X dan
Y mempunyai nilai fungsi peluang
gabungan di ( x, y ) , yaitu p ( x, y ) serta
masing-masing mempunyai nilai fungsi
peluang marginal dari X di x, yaitu
dan nilai fungsi peluang marginal dari Y
di y, yaitu p2 ( y )
Kedua peubah acak X dan Y dikatakan
bebas stokastik, jika dan hanya jika:
p ( x, y ) = p1 ( x ) . p2 ( y )
SLIDESMANIA.COM
Untuk semua pasangan nilau
Dalam praktiknya, soal yang
menyangkut kebebasan stokastik dua
peubah acak diskrit ini ada dua
kemungkinan, yaitu:
1. Fungsi peluang gabungan dari
kedua peubah acak diketahui
bentuknya.
Kita harus menentukan dahulu fungsi
peluang marginal dari masing-masing
peubah acaknya. Kemudian kita
substitusikan semua pasangan nilai dari
kedua peubah acak itu ke dalam
persyaratan kebebasan stokastik, dan
kita perhatikan hasilnya dengan kriteria
sebagai berikut:
( x, y ) .
 ❖ Apabila ruas kiri sama dengan ruas 2.Fungsi peluang gabungan dari kedua
kanan, maka kedua peubah acak itu peubah acak tidak diketahui
dikatakan bebas stokastik. bentuknya.
❖ Apabila ruas kiri tidak sama dengan ❖ Dalam hal ini, fungsi peluang
ruas kanan, maka kedua kedua marginal dari masing-masing peubah
peubah acak itu dikatakan tidak acak diketahui bentuknya. Kemudian
bebas stokastik atau bergantungan kita substitusikan semua pasangan
untuk minima satu pasangan nilai nilai dari kedua peubah ack ke dalam
peubah acak. persyaratan kebebasan stokastik
dan kriterianya sama dengan
sebelumnya.
SLIDESMANIA.COM
 Contoh 5.9 1
p1 ( x ) =   ( x + 3)
 18 
Misalnya fungsi peluang gabungan dari X
1
dan Y berbentuk: Jadi, p1 ( x ) =   ( x + 3) ; x = 0,1, 2,3
 18 
 1 
p ( x, y ) =   ( x + 2 y ) ; x = 0,1, 2,3 dan y = 0,1, 2,3
 72  Fungsi peluang marginal dari Y adalah:
3
 1 
p2 ( y ) =    ( x + 2 y )
Apakah X dan Y bebas stokastik? y = 0  72 

Penyelesaian:  1 
=   ( 2 y ) + (1 + 2 y ) + ( 2 + 2 y ) + ( 3 + 2 y )
 72 
Fungsi peluang marginal dari X adalah:
 1 
=   (8 y + 6 )
3
 1 
p1 ( x ) =    ( x + 2 y )  72 
y = 0  72   1 
p2 ( y ) =   ( 4 y + 3)
 1   36 
=   ( x ) + ( x + 2 ) + ( x + 4 ) + ( x + 6 )
 72   1 
Jadi : p2 ( y ) =   ( 4 y + 3) ; y = 0,1, 2,3
SLIDESMANIA.COM

 1   36 
=   ( 4 x + 12 )
 72 
 Misalnya pasangan nilai dari X dan Y di
ambil ( x, y ) = ( 0, 0 )
 1 
• p ( x = 0, y = 0 ) =   ( 0 + 0 ) = 0
 72 
 3 1
• p1 ( x = 0 ) =   =
 18  6
 3  1
• p2 ( y = 0 ) =   = Penentuan kebebasan
 36  12 stokastik dari dua peubah
Ternyata acak kontinu akan dibahas
dalam definisi berikut.
1
p ( x = 0, y = 0 )  p1 ( x = 0 ) . p2 ( y = 0 ) , karena 0   
 72 
Maka X dan Y dikatakan dua peubah
acak yang bergantungan.
SLIDESMANIA.COM
 Definisi
Kebebasan Stokastik
Kontinu
Misalnya dua peubah acak diskrit X dan
Y mempunyai nilai fungsi peluang
gabungan di ( x, y ) , yaitu f ( x, y ) serta
masing-masing mempunyai nilai fungsi
peluang marginal dari X di x, yaitu
dan nilai fungsi peluang marginal dari Y
di y, yaitu f 2 ( y )
Kedua peubah acak X dan Y dikatakan
bebas stokastik, jika dan hanya jika:
f ( x, y ) = f1 ( x ) . f 2 ( y )
SLIDESMANIA.COM
Dalam praktiknya, soal yang
menyangkut kebebasan stokastik dua
peubah acak kontinu ini ada dua
kemungkinan, yaitu:
1. Fungsi densitas gabungan dari
kedua peubah acak diketahui
bentuknya.
Kita harus menentukan dahulu fungsi
densitas marginal dari masing-masing
peubah acaknya. Kemudian kita
substitusikan semua pasangan nilai dari
kedua peubah acak itu ke dalam
persyaratan kebebasan stokastik, dan
kita perhatikan hasilnya dengan kriteria
sebagai berikut:
 ❖ Apabila ruas kiri sama dengan ruas 2.Fungsi densitas gabungan dari kedua
kanan, maka kedua peubah acak itu peubah acak tidak diketahui
dikatakan bebas stokastik. bentuknya.
❖ Apabila ruas kiri tidak sama dengan ❖ Dalam hal ini, fungsi densitas
ruas kanan, maka kedua kedua marginal dari masing-masing peubah
peubah acak itu dikatakan tidak acak diketahui bentuknya. Kemudian
bebas stokastik atau bergantungan kita substitusikan semua pasangan
untuk minima satu pasangan nilai nilai dari kedua peubah ack ke dalam
peubah acak. persyaratan kebebasan stokastik
dan kriterianya sama dengan
sebelumnya.
SLIDESMANIA.COM
 Contoh 5.10 0 1 
Misalnya fungsi peluang gabungan dari X
dan Y berbentuk:
=  0 dy +  ( x + y )dy +  0 dy
− 0 1

f ( x, y ) = x + y;0  x  1, 0  y  1   1 2
1
= 0 +  xy +   y  ] + 0
= 0; x, y lainnya   2   y =0
1
Apakah X dan Y bebas stokastik? g ( x) = x +
Penyelesaian: 2
1
Jadi, g ( x ) = x + ;0  x  1
Fungsi peluang marginal dari X adalah: 2
 = 0; x lainnya
g ( x) =  f ( x, y )dy
−
0 1 
=  f ( x, y )dy +  f ( x, y )dy +  f ( x, y )dy
− 0 1
SLIDESMANIA.COM
 Fungsi peluang marginal dari Y adalah:

h( y) =  1  1 
 f ( x, y )dx
−
Maka : g ( x ) .h ( y ) =  x +  + y 
 2  2 
0 1  x y 1
= + xy + +
=  f ( x, y )dx +  f ( x, y )dx +  f ( x, y )dx
−
2 2 4
x y 1
Ternyata f ( x, y )  g ( x ) .h ( y ) , karena x + y 
0 1
0 1 
+ xy + +
2 2 4
=  0 dx +  ( x + y )dx +  0 dx
− 0 1 Sehingga X dan Y merupakan peubah
 1   1
acak yang tidak bebas stokastik atau
= 0 +   x 2 + xy  ] + 0 bergantungan.
 2   x =0
1
h( y) = + y
2
1
Jadi, h ( y ) = + y;0  y  1
2
= 0; y lainnya
SLIDESMANIA.COM
Thank you!
SLIDESMANIA.COM