BAB I
PENDAHULUAN
A. Latar Belakang
sebagai berikut:
2
1. Teori Himpunan
pendekatan yaitu :
dan
teori pembuktian, teori model, dan teori rekursi, dikenal sebagai fondasi
atas.
2. Logika matematis
lain (terutama sains komputer). Seperti kita ketahui bahwa tujuan utama
3. Teori Bilangan
dalam kajian ini antara lain fungsi Mobius, fungsi Euler-j. Beberapa
berturutan
1994).
6
grup berhingga)
4. Aljabar
Aljabar elementer
Aljabar Linear
Aljabar Absttrak
sebagainya.
khususnya pada bidang datar yang salah satu sudutnya adalah 90 derajat.
6. Geometri
bumi dan ukurannya), bidang ini merupakan sains tertua, yang pada
bangun geometri (seperti kurva, garis, bidang datar dan ruang) dapat
struktur obyek geometri oleh Euler dan Gauss, akan membawa kajian
datar) dan ruang dimensi tiga (ruang nyata), biasanya dipelajari pada
7. Topologi
dari geometri. Sesuai dengan namanya, topologi, kajian awal bidang ini
sebagai nama bidang kajiannya atau juga sebagai nama himpunan dengan
konsep manifold)
13
8. Analisis matematis
kajian secara taat azas (rigorous) dari kalkulus. Dalam hal ini dilakukan
secara lanjut dikaji pula dalam kerangka ruang obyek matematis (ruang
(i) Analisis real, merupakan kajian diferesial dan integral dari fungsi
ukuran.
dan abstraksinya
(iv) Analisis kompleks, seprti analisis real tetapi dikaji dikaji fungsi pada
9. Teori probabilitas
fenomena acak. Obyek utama dalam kajian adalah peubah acak, kejadian
acak, dan proses stokastik. Dua obyek penting dalam kajian ini adalah
hukum bilangan besar (law of large number) dan teorema limit pusat
mekanika kuantum.
10. Statistika
deviation)
meliputi analisis variansi (anova), runtun waktu (time series), dan data
dimungkinkan untuk mengolah sejumlah besar data dengan cepat. Hal ini
bertahan hidup pada keadaan yang selalu berubah, tidak pasti, dan
sehingga dapat ditarik suatu kesimpulan yang benar dan dapat dibuat
pengertian Faktorial (disimbolkan dengan tanda seru atau !). Nilai suatu
jumlah seluruh titik contoh. Ilmu untuk menghitung titik contoh disebut
dengan kombinatorika.
B. Rumusan Masalah
2. Bagaimana contoh peluang dari uang logam, dadu dan kartu bridge?
C. Tujuan
D. Manfaat
hari.
23
BAB II
TINJAUAN TEORITIS
A. PELUANG ACAK
mata uang dengan sisi muka (M) dan Belakang (B) yang dilemparkan tiga
BMB, BBM, BBB}. Bila yang diperhatikan banyaknya sisi muka yang
SOLUSI
2. Misalkan rata-rata ada 1,4 orang buta huruf untuk setiap 100
Jika x = banyak banyak buta huruf per 200 orang, maka untuk kita
SOLUSI.
0,0608 = 0,9392
hanya satu, dan kejadian majemuk jika hasinlnya lebih dari satu.
Contoh :
B= {1,3,5 }
C={ 3,6 }
D= {1,2,3,4,5,6 }
a. F adalah fungsi yang tidak turun, artinya jika a < b maka F(a) ≤ F(b)
b. F adalah fungsi yang kontinu dari kanan. Artinya, untuk setiap b dan setiap
yang cacat. Bila suatu sekolah membeli 2 komputer ini secara acak, cari
JAWAB :
komputer yang cacat yang dibeli oleh sekolah tersebut. Maka x dapat
x 0 1 2
f(x) 10/28 15/28 3/28
JAWAB :
diperoleh f(0) = 1/16, f(1) = 1/14, f(2) = 3/8, f(3) = ¼, dan f(4) = 1/16.
Jadi,
Jadi,
3. Misalkan bahwa galat suhu reaksi, dalam ºC, pada percobaan laboratorium
peluang
0, untuk x lainnya
27
Jawab:
4. Carilah F(x) dari fungsi pada contoh soal 4 dan kemudian hitunglah P(0 <
X ≤ 1)
JAWAB :
9
Jadi,
0 x ≤ -1
9
1 x ≥ 2
Jadi,
5. Dua isi ballpoint dipilih secara acak dari sebuah kotak yang berisi 3 isi
JAWAB :
Pasangan nilai (x,y) yang mungkin adalah (0,0), (0,1), (1,0), (1,1), (0, 2), dan
merah dan hijau yang terpilih. Banyaknya cara yang berkemungkinan sama
memilih dua isi dari delapan adalah = 28. Banyaknya cara memilih 1 merah
dari 2 isi berwarna merah dan hijau dari 3 isi berwarna hijau adalah = 6, jadi
f(0,1) = 6/28 = ¾. Dengan jalan yang sama dihitung peluang untuk kasus
x = 0, 1, 2;
F(x,y) = y = 0, 1, 2;
0 x+y 2
≤ ≤
1 3/14 3/14 3/7
2 1/28 1/28
jum. lajur 5/14 15/28 3/28 1
. P [(X, Y) € A] = P (X + Y ≤ 1)
Dalam statistik, kadang dijumpai nilai yang diperoleh dari salah atu hasil
Contoh
Perusahaan jasa penjualan telur ayam kampung yang dikelola sendiri oleh Pak
upah setiap karyawannya sebesar 1 uta rupiah, dia sendiri setiap bulannya
Apakah ini masuk akal? Kalo iya, karyawan yang mana yang mendapat upah 3 jt
rupiah? Kenyataannya tidak ada seorang karyawan pun yang mendapat upah 3
juta. Dari salah satu permasalahan di atas maka, perlu teknik lain supaya dalam
analisa data tidak bias, yakni fungsi kepadatan peluang Fungsi Kepadatan Peluang
dibedakan menjadi dua jenis, yakni untuk data diskrit dan untuk data kontinue.
Untuk Fungsi Kepadatan Peluang Data Diskrit sering disebut sebagai fungsi
sebaran peluang, sedangkan untuk fungsi data kontinue sering disebut sebagai
Definisi:
Keterangan
f(x) lebih besar atau sama dengan nol, jelas, karena f(x) adalah peluang dari
masing masing nilai peubah acak yang diperoleh dari permasalahan, sesuai
Sigma f(x) =1, hal ini dapat dijelaskan yakni, setiap nilai peubah acak menyebar
di ruang sampel (berpasangan dengan anggota ruang sampel) sehingga jumlah jika
setiap titik sampel yang menjadi pasangan nilai peubah dijumlahkan maka akan
P(X=x)=f(x), adalah peluang untuk peubah acak x tertentu, sama dengan fungsi
Contoh 1
Dua buh dadu di tos 1 kali, diberikan peubah acak X yaitu jumlah mata dadu yang
muncul. Tentukan
b. P(X=3)
c. P(X<5)
Jawab
a. Terlebih dahulu kita menentukan nilai peubah acak yang mungkin yakni
b. P(X=3)=f(3) = 2/36
Contoh 2
Lima buah koin di tos 1. Diberikan fungsi peubah acak banyaknya sisi angka yang
muncul, tentukan
Jawab:
{0,1,2,3,4,5}
tiap nilai peubah acak di ruang sampel, dimana banyaknya ruang sampel adalah
32. Untuk mempercepat kita dapat gunakan teknik permutasi atau kombinasi
x,).P(x,x))/32
Fx,y (x,y) = P (X = x, Y = y)
berlaku pula untuk padat peluang multifariat, maka fungsi padat peluang
❑ ❑
1
F (x,y) = 8 xy untuk y < x < 1 , 0 < y < x
= 0 untuk x lainnya
statistik jika dan hanya jika f(x,y) = g(x) h(y) untuk semua (x,y).
- Misalkanlah x1, x2 , x3 ,…..xn , n peubah acak diskret maupun
acak x1, x2 , x3 ,…..xn dikatakan saling bebas statistik jika dan hanya
Contoh. Misalkan x1, x2 & x3 , 3 peubah acak bebas statistik dan misalkanlah
=0 untuk x lainnya
38
(y|x) = , g(x) > 0 f(x|y) = ; h(y) > 0P ( a< y < b | X=x) =
(x,y) = 8 xy untuk y < x < 1 , 0 < y < x= 0 untuk x
lainnya
bebas statistik jika dan hanya jika f(x,y) = g(x) h(y) untuk
semua (x,y).
(xn ). Peubah acak x1, x2 , x3 ,…..xn dikatakan saling bebas
statistik jika dan hanya jika f (x1 , x2 ….xn) = f1 (x1 ), f2 (x2),
….fn (xn ).
39
Contoh.2 Misalkan x1, x2 & x3 , 3 peubah acak bebas statistik dan
Hitunglah P (x1 <2 , 1< x2 < 3 , x3 > 2 ) Jawab Fungsi padat peluang
Contoh:
Dua kelereng dipilih secara acak dari sebuah kotak berisi 3 kelereng biru,
Penyelesaian:
∑ f ( x, y)
1. g(x) = y
∑ f (0 , y )
g(0) = y = f(0,0)+ f(0,1) + f(0,2)
3 6 1 10
+ + =
= 28 28 28 28
9 6 15
+ =
g(1) = 28 28 28
3
g(2) = 28
X 0 1 2
40
10 15 3
g(x)
28 28 28
∑ f ( x, y)
2. h(x) = x
∑ f ( x,0 )
h(0) = x = f(0,0)+ f(1,0) + f(2,0)
3 9 3 15
+ + =
= 28 28 28 28
6 6 12
+ =
h(1) = 28 28 28
1
h(2) = 28
X 0 1 2
15 12 1
g(x)
28 28 28
Contoh:
f(x,y) =
{kx(1+3 y2 ) ,0<x<2 , 0< y<1 ¿ ¿¿¿
tentukan:
Penyelesaian:
41
1
f(x,y) =
{
4
x(1+3 y 2 ) ,0< x<2 , 0< y<1 ¿ ¿¿¿
∞ 1
1
∫ f (x , y)dy = ∫ x(1+3 y 2 ) dy
1. g(x) = −∞ 0 4
1 1
x( y + y 3 )|10 = x
= 4 2 , 0<x<2
∞ 2
1
∫ f (x , y)dx = ∫ x(1+3 y 2 ) dx
2. h(y) = −∞ 0 4
1 1
(1+3 y 2 ) x 2|20 = (1+3 y 2 )
= 8 2 , 0<y<1.
BAB III
42
PEMBAHASAN
A. PELUANG ACAK
1. Peluang Acak
uang dengan sisi muka (M) dan Belakang (B) yang dilemparkan tiga kali
BBM, BBB}. Bila yang diperhatikan banyaknya sisi muka yang muncul, maka
banyaknya sisi muka yang muncul dalam tiga kali pelemparan mata uang itu,
fungsi distribusi peluang farik yang biasa disebut fungsi massa peluang dari
peubah acak X, yang dapat dibuat dalam sebuah tabel sebagai berikut:
43
1.1. Fungsi massa peluang munculnya sisi muka dalma tiga kali
X P (X = x) = p (x)
0 1/8
1 3/8
2 3/8
3 1/8
Karena ruang sampel S adalah ruang sampel farik, maka peubah acak
X yang diturunkan dari S juga disebut peubah acak farik, dan distribusi
peluangnya disebut distribusi peluang farik. Peubah acak ditulis dengan huruf
1. p(x) ≥ 0 untuk x = 0, 1, 2, 3
2.
acak farik X yang mempunyai terhingga banyaknya nilai x 1, x2, x3, …..xn
1. pi ≥ 0 untuk i = 1, 2, 3, …….n
44
2.
Sifat ini dapat diperluas lagi untuk peubah acak yang memiliki tak
bilangan asli A = {1, 2, 3…}. Misalkan nilai-nilai peubah acak X adalah x1, x2,
x3….. dengan peluang masing-masing p1, p2, p3….. harus memenuhi sifat-sifat
berikut:
1. pi ≥ 0 untuk i = 1, 2, 3, …….
2.
Ada dua momen penting dari peubah acak yang disebut nilai harapan
(expected value) dan variansi (variance). Rumus kedua momen ini berturut-
turut adalah:
x i pi
m = E (X) = i 1
2 2
(x i i ) pi
s = E (X - m) = i 1
x i
2
pi
variansi dapat pula ditulis dengan s 2 = E(X2) - m 2, dengan E(X2) = i 1 .
Untuk peubah acak farik X yang nilainya terhingga banyaknya (n), kedua
nomen tersebut dinyatakan oleh rumus yang sama, tetapi batas sigma yang
x i pi
m = E (X) = i 1
(x i i ) pi
s2 = E (X - m)2 = i 1
Hasil suatu percobaan mungkin saja tak hingga banyaknya dan tidak
mengenai jarak yang ditempuh sebuah mobil yang dijalankan dengan lima
liter bensin. Jika X menyatakan jarak yang ditempuh oleh mobil itu sampai
bensin itu habis, maka peubah acak ini memiliki nilai tak hingga banyaknya.
dari percobaan dan tidak melalui transformasi dari ruang sample S, karena
ruang sample itu sendiri sudah dinyatakan dengan bilangan riil. Ruang sampel
yang memuat takhingga banyaknya titik sampel dan tidak dapat dipadankan
satu-satu dengan bilangan asli disebut ruang sampel malar, dan peubah acak
f (x)dx dx 1
2.
f (x) dx
3. P(a<X<b) = a untuk a, b R
Nilai harapan dan variansi peubah acak malar dihitung dengan rumus
46
E(X) x.f (x)dx
(x ) .f (x)dx x .f (x)dx
2 2 2 2
B
E(X) x.f (x)dx
A
B B
2 (x ) 2 .f (x)dx x 2 .f (x)dx 2
A A
tingkah laku suatu distribusi adalah fungsi massa atau fungsi padat peluang.
ciri khas distribusi itu. Misalnya, nilai rata-rata dan variansi dapat dihitung
peluang untuk distribusi peluang farik dan fungsi pada peluang untuk
peluang malar.
a. Distribusi Peluang
47
1. Variabel Acak
Pada pengundian dua buah mata uang logam, peristiwa yang terjadi
adalah:
menggunakan tabel
X P(X)
0 ¼
1 ½
2 ¼
Jumlah 1
memiliki harga-harga 0, 1, 2, 3, …
Dalam tabel di atas jumlah peluang adalah sama dengan satu. Apabila
hal ini terjadi, maka dikatakan bahwa distribusi peluang untuk varibel
∑ p ( x i )=1
i=1
peluang sama dengan satu. Ini dikatakan wajar karena setiap peristiwa
pasti memiliki nilai penjumlahan peluang sama dengan satu dari setiap
selanjutnya.
CONTOH.
SOLUSI
1. Distribusi Poisson
Dengan X=0,1,2,3,…
= 2,7183
CONTOH.
Misalkan rata-rata ada 1,4 orang buta huruf untuk setiap 100
Jika x = banyak banyak buta huruf per 200 orang, maka untuk kita
SOLUSI.
0,0608 = 0,9392
Dengan
π : 3,1416σ > 0
e: 2,7183
maka:
x
52
X−μ
σ , dan misal Z= , maka Z berdistribusi normal baku.
σ
a−μ b−μ
o P (a < X < b) = P ( < Z< ) = luas di bawah kurva normal
σ σ
a−μ b−μ
baku dari z 1= sampai z 2
σ σ
o P (X < c) = 1 – P(X ≥ c)
o P (X > d) = 1 – P(X ≤ d)
o P (Z ≤ 0) = P(Z ≥ 0) = 0,5
sebagai berikut, dan ini berlaku jika harga ‘t’ memenuhi ∞<t<∞
53
‘n’.
simetrik terhadap t = 0
daerah yang diarsir = p dan dibatasi paling kanan oleh tp, dimana
ukuran sampel.
Dengan U = X2
Harga u>0
V= drajat kebebasan
e=2,7183
Luas daerah arsir sama dengan peluang p, yaitu luas dari X p2 ke
sebelah kiri.
Apa bila luas daerah di sebelah kanan sama dengan 0,05 maka Χ2
Dan Apa bila luas daerah di sebelah kiri sama dengan 0,025 maka
adalah derajat kebebasan (ν) dengan ν=n−1 dan nilai peluang (α).
4. Distribusi F
V2= dk penyebut
katakana memiliki dk = 2
Untuk tiap pasang dk, v1, v2, Daftar berisikan harga F dengan kedua
Untuk tiap dk=v2, daftar terdiri atas 2 baris, yang atas untuk
Ciri distribusi F:
fungsi probabilitas p(x) > 0, maka fungsi sebaran bagi peubah acak tersebut
F ( x ) = P( X ≤ x ) = ∑ p( x )
X ≤ x
Contoh :
Bila X1, X2, X3, …, Xn merupakan peubah acak kontinu dengan fungsi
kepekatan probabilitas f(x) > 0, maka fungsi sebaran bagi peubah acak
x
F( x ) = P( X ≤ x ) = ∫ f ( x) dx
−∞
Contoh :
Baik untuk peubah acak diskrit ataupun untuk peubah acak kontinu, terdapat
1. F (- ~) = P (X - ~ ) = 0
2. F (+~) = P (X + ~) = 1
ℓ im F ( x+ h)=F( x )
0<h→0
57
5. P(a < X b)
= P(X b) - P(X a)
= F(b) - F(a)
6. P(a X b)
7. P(a X < b)
Contoh 1 :
Peubah X1, X2, X3, X4 merupakan sampel acak berukuran 4 yang me-nyebar
x 4 x
4! 1 1
P(x) =
x! (4 - x)! 2 2
probabilitas untuk seluruh nilai x dan sebaran probabilitas kumulatif, disertai
p(x) :
58
0 4
4! 1 1 1
P(0) =
0! (4 - 0)! 2 2 16
4 6 4
P ( 1) = ; P ( 2) = ; P ( 3) = ; dan
16 16 16
1
P ( 4 )=
16
bagai berikut :
1 5
F(0 ) = ; F(1 ) = F(0 ) + P(1 ) =
16 16
11 15
F( 2 ) = F( 1) + P( 2) = ; F( 3 ) = ; dan
16 16
16
F( 4 ) = =1
16
Grafik dari P(X=x) = p(x) dan F(x) dapat dilihat sebagai berikut
59
P(X)
16/16
8/16
4/16
X
0 1 2 3 4
F(X)
16/16
8/16
4/16
X
0 1 2 3 4
Contoh 2 :
2e -2x , x > 0
f ( x) = 0 , x 0
a. Gambarkan grafik f(x)
b. Gambarkan F(x) = P( X x )
Penyelesaian :
60
Fungsi kepekatan probabilitas dari peubah X yang kontinu adalah f(x), se-
b
P ( a < X b ) = f(x) dx
a
dengan
f(x) 0 dan f(x) dx = 1
-
fungsi probabilitas
f(x )
A
x
a b
b
A = P (a X b) = P (a < X < b) = f(x) dx
a
= luas daerah yang diarsir
d F(x)
f (x) = turunan dari fungsi probabilitas
dx
kumulatif
TEORI PROBABILITAS
biasa digunakan antara lain rata-rata hitung yang biasa disebut “harapan
Sering kali kita menjumpai data pengamatan yang memuat perubah acak
berikut:
2. Kejadian (E)
f
E
acak dan kejadian E muncul f kali, maka frekuensi relatif kejadian n
P E # E
Probabilitas kejadian E dinotasikan dengan . Misalkan
# E k # N
adalah jumlah outcome E . Saat dan maka
k # E
PE
N #
[1.2]
Contoh:
63
- = {0,1}
6
E
- Frekuensi relatif dari 10
1
PE
- 2
Aksioma Probabilita
E,0 P E 1
aksioma 1.1 untuk setiap kejadian
P 1
aksioma 1.2
5. Variabel acak
Variabel random adalah suatu fungsi yang nilai berupa bilangan real yang
ditentukan oleh setiap unsur dalam ruang sampel S. Variabel acak dinyatakan
kecil x, y , z,
64
dengan suatu himpunan bilangan real. Variabel acak terbagi menjadi dua jenis
Variabel acak X dikatakan diskrit, jika himpunan semua nilai yang mungkin
f x P X x ; x x1, x2 ,
(countable). Fungsi yang berbentuk disebut
Suatu fungsi f adalah pdf dari variabel acak diskrit jika dan hanya jika
f xi 0
1) untuk setiap xi
semua xi
f ( xi ) 1
2)
F x P X x
Fungsi distribusi kumulatif (CDF) dari X adalah untuk
F x
sembarang bilangan real x. Jadi menyatakan peluang kejadian
65
X , x F x
. Untuk variabel random diskrit, grafik dari berupa fungsi
tangga
Sifat-sifat CDF:
Lim F ( x ) 0
1) x
Lim F ( x ) 1
2 x
Lim F ( x h ) F ( x )
3) h 0
4) Jika a b maka
F a F b
sehingga diperoleh:
P a X b P X b P X a F b F a
f x
Misalkan X adalah variabel acak dengan distribusi probabilitas . Mean
E X xf x
x jika X diskrit
E X xf x dx
jika X kontinu
66
Ekspektasi atau nilai rata-rata atau nilai mean (Bernard W. Lindgren: 1993)
dari variabel acak X dengan pdf f dan nilai xi untuk i 1,2, adalah
E X x i f xi
i 1 [1.4]
Teorema 1.1
Y g X
Jika X adalah variabel acak diskrit, nilai mean dari fungsi adalah
E Y E g X g xi P X x i
i [1.5]
Teorema 1.2
a, E a a E aX aE X
a. untuk sembarang konstanta dan
E X Y E X E Y
b.
c. terdapat kontanta a, b, c
E aX bY c aE X bE Y c
Sifat-sifat ekspektasi:
a. Jika X merupakan variabel acak dengan pdf fx(x) dan u(X) adalah fungsi dari
u x fx x , jika X diskrit
x
E u X
u x fx x dx, jika X kontinu
7. Variansi
Mean dari variabel acak X adalah suatu nilai yang penting dalam statistik
ukuran variabilitas dalam statistik adalah variansi. Variansi dari variabel acak
Var X
X atau variansi dari distribusi probabilitas X dinyatakan dengan atau
f x
Misalkan X adalah variabel acak dengan distribusi probabilitas dan
2 E X x f x
2 2
x
, jika X diskrit
68
2 E X x f x dx
2 2
, jika X kontinu
Teorema 1.3
2 E X 2 2
[1.6]
Bukti :
2 x f x x 2 2 x 2 f x
2
x x
x 2f x 2 xf x 2 f x
x x x
xf x f x 1
karena x dan x untuk setiap distribusi probabilitas
diskrit maka
2 x 2f x 2 2 2
x
sehingga diperoleh
2 x 2f x 2 E X 2 2
x
69
8. Distribusi
a. Distribusi bernoulli
p 0 p 1
jika X hanya bernilai 0 atau 1 dan
P X 1 p 1 P X 0
p x q1 x , x 0,1, q 1 p
f x p
0 ,lainnya
E X p Var X pq
dan
b. Distribusi binomial
acak binomial. Distribusi probabilitas dari variabel acak diskrit ini dinamakan
b x; n, p
distribusi binomial, yang dinyatakan dengan . Definisi 1.5 (Walpole,
2007:144)
n
b x; n, p p x q n x , x 0,1,2, , n
x [1.7]
Teorema 1.4
b x; n, p
Mean dan variansi distribusi binomial adalah
Teorema 1.5
x np
Z
npq dimana n
[1.9]
N 0,1
adalah berdistribusi Normal Standar atau .
Jika x adalah mean dari sampel acak berukuran n yang diambil dari suatu
populasi dengan mean dan variansi maka bentuk limit dari distibusi
2
x
Z
n dimana n [1.10]
71
N 0,1
adalah berdistribusi Normal Standar atau .
Kuadrat suatu variabel acak normal standar adalah variabel random chi-
c. Distribusi multinomial
n! k
f n1, , nk p1n1 pk nk n i n
n1 ! nk ! untuk i 1
p i 1
Parameter-parameter itu memenuhi i 1
E ni npi
Nilai ekspektasi dan variansi dari distribusi multinomial adalah
Var ni npi 1 pi
dan dimana i 1,2, , k .
Teorema 1.7
72
y i npi
2
k
2
[1.11]
mean adalah k 1 .
2
Pearson pada tahun 1900 sehingga dikenal dengan nama ”Pearson’s chi
square statistic”.
Harga mean hanya tergantung pada banyak sel atau kelas k (banyak
2
Bukti :
E y i npi
2
k
mean E
2 2
npi
i 1
73
k var y i k npi 1 pi
i 1 npi i 1 npi
k k k
1 pi 1 pi k 1
i 1 i 1 i 1
y i npi Oi Ei
2 2
k k
2
i 1 npi i 1 Ei [1.12]
Ei npi mean y i
berukuran n, sedangkan adalah mean atau frekuensi sel
1
H0 : p1 p2 pk
kemungkinan yang sama yaitu k.
dengan
2
k k n
2
n i 1
yi
k [1.13]
Definisi 1.8
1 v 1 x
v2 v x e ,x 0
2 2
f x; v 2 2
0 , lainnya [1.14]
Teorema 1.8
v dan 2 2v [1.15]
Teorema 1.9
Oi Ei
2
k
2
i 1 Ei [1.16]
maka prosedur ini sebaiknya tidak digunakan jika frekuensi harapan sangat
yang lebih kecil dari lima maka frekuensi tersebut dapat digabungkan dengan
1985:24).
5. Definisi
F(b)
Contoh:
76
Tentukan:
Jawab:
= C(4, x)/16, dimana x = 0, 1, 2, 3, 4
f(1)=(4!/3!)/16 = 4/16
f(3) = f(1)
f(4)= f(0);
2) f(x) = dF(x)/dx
Contoh
77
Soal: Untuk fungsi pada contoh 2.6., tentukanF(x) dan gunakan untuk
menghitung P(0< X≤1)
Jawab:
yang cacat. Bila suatu sekolah membeli 2 komputer ini secara acak, cari
JAWAB :
komputer yang cacat yang dibeli oleh sekolah tersebut. Maka x dapat
x 0 1 2
f(x) 10/28 15/28 3/28
78
JAWAB :
diperoleh f(0) = 1/16, f(1) = 1/14, f(2) = 3/8, f(3) = ¼, dan f(4) = 1/16.
Jadi,
Jadi,
2. Misalkan bahwa galat suhu reaksi, dalam ºC, pada percobaan laboratorium
peluang
0, untuk x lainnya
Jawab:
79
3. Carilah F(x) dari fungsi pada contoh soal 4 dan kemudian hitunglah P(0 <
X ≤ 1)
JAWAB :
9
Jadi,
0 x ≤ -1
9
1 x ≥ 2
Jadi,
4. Dua isi ballpoint dipilih secara acak dari sebuah kotak yang berisi 3 isi
JAWAB :
80
Pasangan nilai (x,y) yang mungkin adalah (0,0), (0,1), (1,0), (1,1), (0, 2), dan
merah dan hijau yang terpilih. Banyaknya cara yang berkemungkinan sama
memilih dua isi dari delapan adalah = 28. Banyaknya cara memilih 1 merah
dari 2 isi berwarna merah dan hijau dari 3 isi berwarna hijau adalah = 6, jadi
f(0,1) = 6/28 = ¾. Dengan jalan yang sama dihitung peluang untuk kasus
x = 0, 1, 2;
F(x,y) = y = 0, 1, 2;
0 x+y 2
≤ ≤
F(x,y) x Jumlah
0 1 2 baris
y 0 3/28 9/28 3/28 15/28
1 3/14 3/14 3/7
2 1/28 1/28
jum. 5/14 15/28 3/28 1
lajur
. P [(X, Y) € A] = P (X + Y ≤ 1)
= 9/14
81
F(y)=P( Y y ) = P(u(X) y )
Contoh :
= ½ x ( x+ 1
Jika x 1 dan y 1, maka
1 1
=1
Dengan demikian , maka
1 , untuk x 1 , y 1
Sepasang variable acak x dan y memiliki distribusi yang normal bivariat, dan
mereka disebut variable acak sebagai bersama – sama terdistribusi normal,
jika dan hanya jika kepadatan probabilitas gabungan mereka diberikan oleh:
83
−1
¿¿
2 (1− p2)
e
(x, y) =
2 12 √ 1−❑2
Untuk - < x< dan - < y< , dimana 1 > 0 , 2 > 0, dan -1 < < 1.
2 12 √ 1−❑2
x−1
Sementara membuat substitusi u = . untuk menyederhanakan notasi dan
1
x−2
mengubah variable integrasi dengan memisalkan: v = . Kita memperoleh;
2
−1 2
x
2 (1− p2)
e
−1 2
(v −2 v)
2 (1− p2 )
g(x) = ∫e dv
−
2 12 √ 1−❑2
−1 2
❑
2
e
g(x)=
1√ 2
−1
1 2 ¿¿
= e
√2
Akhirnya, dengan mengidentifikasi kuantitas dalam kurung sebagai integral
dari kepadatan yang normal dari, - ke . Dan karenanya persamaan sama,
maka didapatkan;
−1 2
❑
2
e
g(x)=
1√ 2
−1
1 2
¿¿
= e
√2
Untuk - < x < . Mengikuti dengan ispeksi bahwa kepadatan marginal x
adalah distribusi normal dengan 1 dan 1 deviasi standard an oleh simetri,
bahwa kepadatan marginal y distribusi normal dengan 2 rata rata dan 2
standar devasi.
Fx,y (x,y) = P (X = x, Y = y)
85
*jika fx,y (·,·) adalah fungsi padat peluang bersama untuk peubah acak X,
❑ ❑
dikenakan pada data yang terdiri dari banyak variabel dan antar variabel
1. Factor Analysis
88
2. Cannonical Correlation
3. Multivariate Regression
4. MANOVA
89
5. Discriminant Analysis
6. Cluster Analysis
dua variable atau melihat pengaruh satu variable terhadap variable lainnya.
tidak hanya oleh kualitas produk tetapi juga oleh harga dan saluran
termasuk dalam klasifikasi ini ialah analisis regresi linear berganda, analisis
variable tergantung, misalnya satu atau lebih dan skala pengukuran bersifat
metrik atau non metrik. Jika variable tergantung hanya satu dan
varian. Jika variable tergantung lebih dari satu dan pengukurannya bersifat
variable tergantung dan bebas lebih dari satu dan pengukurannya bersifat
metrik atau non metrik, maka teknik analisisnya digunakan analisis korelasi
kanonikal.
masukan variable dengan skala pengukuran bersifat metrik atau non metrik.
Jika masukan data berskala metrik, maka kita dapat menggunakan teknik
tergantung lebih dari dua yang berskala interval atau rasio. prosedur
92
analisis regresi dan varians untuk variabel tergantung lebih dari satu
Dalam statistik, kadang dijumpai nilai yang diperoleh dari salah atu hasil
Contoh
Perusahaan jasa penjualan telur ayam kampung yang dikelola sendiri oleh Pak
upah setiap karyawannya sebesar 1 uta rupiah, dia sendiri setiap bulannya
Apakah ini masuk akal ?Kalo iya, karyawan yang mana yang mendapat upah 3
3 juta Dari salah satu permasalahan di atas maka, perlu teknik lain supaya
dalam analisa data tidak bias, yakni fungsi kepadatan peluang Fungsi
93
Kepadatan Peluang dibedakan menjadi dua jenis, yakni untuk data diskrit dan
untuk data kontinue. Untuk Fungsi Kepadatan Peluang Data Diskrit sering
disebut sebagai fungsi sebaran peluang, sedangkan untuk fungsi data kontinue
sering disebut sebagai fungsi kepadatan peluang (fkp) atau probability Density
Function(PDF)
Definisi:
Keterangan
f(x) lebih besar atau sama dengan nol, jelas, karena f(x) adalah peluang dari
masing masing nilai peubah acak yang diperoleh dari permasalahan, sesuai
Sigma f(x) =1, hal ini dapat dijelaskan yakni, setiap nilai peubah acak
sehingga jumlah jika setiap titik sampel yang menjadi pasangan nilai peubah
jelas berjumlah 1 karena peluang menjadi ruang sampel dibagi ruang sampel
sama dengan 1
Contoh 1
Dua buh dadu di tos 1 kali, diberikan peubah acak X yaitu jumlah mata dadu
b. P(X=3)
c. P(X<5)
Jawab
a. Terlebih dahulu kita menentukan nilai peubah acak yang mungkin yakni
b. P(X=3)=f(3) = 2/36
Contoh 2
Lima buah koin di tos 1. Diberikan fungsi peubah acak banyaknya sisi angka
Jawab:
{0,1,2,3,4,5}
pasangan tiap nilai peubah acak di ruang sampel, dimana banyaknya ruang
sampel adalah 32. Untuk mempercepat kita dapat gunakan teknik permutasi
atau kombinasi (Teknik yang paling tepat adalah permutasi, namun dalama
x,).P(x,x))/32
FKP/PDF Diskret
Dari fungsi sebaran peluang di atas tampak jelas bahwa karyawan yang
mendapat gaji 1 jt, mempunyai peluang 3/4 lebih besar dari peluang yang
mendapat gaji 9 jt, sehingga sajian data di atas lebih mewakili keadaan
sebenarnya. Perhatikan yang peluangnya nol, karena memang tidak ada yang
Fx,y (x,y) = P (X = x, Y = y)
*jika fx,y (·,·) adalah fungsi padat peluang bersama untuk peubah
❑ ❑
s, t dengan s1 , s2 , . . . , sn.
berlaku pula untuk padat peluang multifariat, maka fungsi padat peluang
❑ ❑
mempelajari perilaku dan hubungan antara dua atau lebih variabel. Dasar dari
kajian ini adalah analisis korelasi dan analisis regresi untuk dua variabel.
Prinsip yang sama kemudian dikembangkan untuk lebih dari dua variabel.
multivariat.
Fx,y (x,y) = P (X = x, Y = y)
berlaku pula untuk padat peluang multifariat, maka fungsi padat peluang
❑ ❑
Jika f X1, X2, . . ., Xn ( X1, X2,. . ., Xn) adalah fungsi padat peluang bersama
peubah acak multivariate ( X1, X2,. . ., Xn), maka fungsi padat peluang
❑ ❑ ❑
) ; 1≤ k ≤ n-1 , yaitu :
distribusi normal.
Contoh :
102
Jika kita lihat kembali pada peubah acak kontinu dari contohnya dapat
kita peroleh fungsi distribusi bersama untuk peubah acak ( X,Y) adalah
Maka :
Sehingga :
Fx(X) = 0 ,untuk x ≤ 0
Fx(X) = 1 ,untuk x ≥ 0
DISTRIBUSI MARGINAL
● Bila distribusi peluang f(x,y) dengan peubah acak x dan y diketahui maka
∑ f ( x , y) ∑ f ( x , y)
- Untuk Diskret : g(x) = y h(y) = x
∞ ∞
f (x,y) f (x,y)
F (y|x) = g (x ) , g(x) > 0 f(x|y) = h( y) ; h(y) > 0
∫ f ( y|x )dy
P ( a< y < b | X=x) = y
= 0 untuk x lainnya
statistik jika dan hanya jika f(x,y) = g(x) h(y) untuk semua (x,y).
- Misalkanlah x1, x2 , x3 ,…..xn , n peubah acak diskret maupun
acak x1, x2 , x3 ,…..xn dikatakan saling bebas statistik jika dan hanya
Contoh.2 Misalkan x1, x2 & x3 , 3 peubah acak bebas statistik dan misalkanlah
=0 untuk x lainnya
X2, . . ., Xn ), 1 ≤ k ≤ n, yaitu:
104
distribusi marginal.
2. Langsung dari fungsi distribusi bersama dari peubah acak ( X1, X2, . . .,
Contoh:
1. Jika kita lihat kembali pada peubah acak kontinu dari contohnya dapat kita
Maka:
Sehingga:
0 , untuk x ≤ 0
1
Fx (x) = x (x+1) , untuk 0 ˂ x ˂ 1
2
1 , untuk x ≥ 1
Definisi: Jika X1 dan X2 merupakan variabel random diskrit dan f(x1, x2)
adalah harga dari distribusi probabilitas bersama di (x1, x2), maka fungsi
untuk setiap x1 di dalam range dari X1 disebut densitas marginal dari X1.
untuk setiap x2 di dalam range dari X2 disebut densitas marginal dari X2.
105
Definisi: Jika X1 dan X2 merupakan variabel random kontinu dan f(x1, x2)
adalah harga dari distribusi probabilitas bersama di (x1, x2), maka fungsi
untuk -¥ < x1 < ¥, -¥ < x2 < ¥ disebut densitas marginal dari X1.
untuk -¥ < x1 < ¥, -¥ < x2 < ¥ disebut densitas marginal dari X2.
f(x1, x2) =
berikut.
Definisi: Jika F(x1, x2) adalah harga dari fungsi distribusi bersama dari
untuk -¥ < x1 < ¥, -¥ < x2 < ¥ disebut fungsi distribusi marginal bersama
Contoh: Jika diketahui densitas dari variabel random X1, X2, dan X3 berikut
adalah
H(x1) =
Bila distribusi peluang f(x,y) dengan peubah acak x dan y diketahui maka
(y|x) = , g(x) > 0 f(x|y) = ; h(y) > 0P ( a< y < b | X=x) =
(x,y) = 8 xy untuk y < x < 1 , 0 < y < x= 0 untuk x
lainnya
bebas statistik jika dan hanya jika f(x,y) = g(x) h(y) untuk
semua (x,y).
(xn ). Peubah acak x1, x2 , x3 ,…..xn dikatakan saling bebas
statistik jika dan hanya jika f (x1 , x2 ….xn) = f1 (x1 ), f2 (x2),
….fn (xn ).
Contoh.2 Misalkan x1, x2 & x3 , 3 peubah acak bebas statistik dan
Hitunglah P (x1 <2 , 1< x2 < 3 , x3 > 2 ) Jawab Fungsi padat peluang
Contoh:
Dua kelereng dipilih secara acak dari sebuah kotak berisi 3 kelereng biru,
Penyelesaian:
∑ f ( x , y)
3. g(x) = y
108
∑ f (0, y)
g(0) = y = f(0,0)+ f(0,1) + f(0,2)
3 6 1 10
+ + =
= 28 28 28 28
9 6 15
+ =
g(1) = 28 28 28
3
g(2) = 28
X 0 1 2
10 15 3
g(x)
28 28 28
∑ f ( x , y)
4. h(x) = x
∑ f ( x,0)
h(0) = x = f(0,0)+ f(1,0) + f(2,0)
3 9 3 15
+ + =
= 28 28 28 28
6 6 12
+ =
h(1) = 28 28 28
1
h(2) = 28
X 0 1 2
15 12 1
g(x)
28 28 28
109
Contoh:
f(x,y) =
{kx(1+3 y2 ) ,0<x<2 , 0< y<1 ¿ ¿¿¿
tentukan:
Penyelesaian:
1
f(x,y) =
{
4
x(1+3 y 2 ) ,0< x<2 , 0< y<1 ¿ ¿¿¿
∞ 1
1
∫ f (x , y)dy = ∫ x(1+3 y 2 ) dy
3. g(x) = −∞ 0 4
1 1
x( y + y 3 )|10 = x
= 4 2 , 0<x<2
∞ 2
1
∫ f (x , y)dx = ∫ x(1+3 y 2 ) dx
4. h(y) = −∞ 0 4
1 1
(1+3 y 2 ) x 2|20 = (1+3 y 2 )
= 8 2 , 0<y<1.
Distribusi Frekuensi
xi = data ke-i
Rumus Modus
dengan rumus:
Dengan :
Mo = Modus
modus)
i = Interval kelas
terdekat sebelumnya
terdekat sesudahnya
terbesar.
112
Dengan :
Qj = Kuartil ke-j j = 1, 2, 3
i = Interval kelas
Rumus Jangkauan ( J )
BAB IV
PENUTUP
A. Kesimpulan
n!
Crn=
r !(n−r )!
Jika urutan tidak diperhatikan dan objek bisa dipilih lebih dari sekali, maka
dibedakan atas :
1. Distribusi farik
2. Distribusi malar
distribusi malar.
115
suatu hasil numeric. Ruang sampel yang memuat takhingga banyaknya titik
sampel dan tidak dapat dipadankan satu-satu dengan bilangan asli disebut
ruang sampel malar dan peubah acak yang diturunkannya disebut peubah acak
malar.
B. Saran
DAFTAR PUSTAKA
Mulawarman : Samarinda
6. http://id.wikipedia.org/wiki/Kombinasi
7. http://www.ilmustatistik.com/category/bahan-kuliah/page/5/
8. http://fatur.6te.net/Matematika/Peluang/materi01.html
9. http://freedownloadbooks.net/peluang-kombinasi-permutasi-doc.html
10. http://www.belajarti.co.cc/2010/02/statistik-peluang-kombinasi.html
Bandung