Bab 3.

Variabel Acak dan Distribusi Probabilitas

 4. Harapan Matematis

Bila variabel acak X mempunyai fungsi probabilitas f(x) = P(X=x), maka nilai
harapan matematis X, E(X), dinyatakan oleh:

  xf (x ) X diskrit
 X  x
E(X ) = 

  xf (x )dx X kontinyu
−

Bab 3. Variabel Acak dan Distribusi Probabilitas

Bab 3. Variabel Acak dan Distribusi Probabilitas
 4. Harapan Matematis
Harapan matematis berguna untuk menentukan mean ( ) , variansi ( 2 ) , atau standar
deviasi ( ) dari populasi yang dirumuskan sebagai:
1. Mean populasi,  = E ( X )
2. Variansi populasi

  (x −  ) f (x )
2
X diskrit
 X  x

 2 = E ( X −  )2  =

  ( x −  ) f ( x )dx
2
X kontinyu
−

3. Standar deviasi  = ( X −  ) 
2

 
Besarnya variansi dapat disederhanakan menjadi  2 = E ( X −  ) = E (X 2 ) −  2
2

Bab 3. Variabel Acak dan Distribusi Probabilitas

 4. Harapan Matematis

Bila X adalah variabel acak dengan distribusi probabilitas f(x), mean dari
variabel acak g(X) diberikan oleh

 g ( X ) = Eg ( X ) =  g ( x) f ( x)

Untuk X diskrit, dan


 g ( X ) = Eg ( X ) =  g ( x) f ( x)dx


jika X kontinyu.

Bab 3. Variabel Acak dan Distribusi Probabilitas

 4. Harapan Matematis

Bila X adalah variabel acak dengan distribusi probabilitas f(x) dan mean,  ,
variansi X diberikan oleh

 
 2 = E ( X −  )2 =  ( X −  )2 f ( x)

untuk X diskrit, dan

 
 2 = E ( X −  )2 =  ( X −  )2 f ( x)dx

jika X kontinyu.

Bab 3. Variabel Acak dan Distribusi Probabilitas

 4. Harapan Matematis

Bila X adalah variabel acak dengan distribusi probabilitas f(x) dan mean,  ,
variansi g(X) diberikan oleh

 
 g2( X ) = E (g ( X ) −  g ( X ) )2 =  (g ( X ) −  g ( X ) )2 f ( x)

untuk X diskrit, dan

   (g ( X ) −  )

 = E (g ( X ) −  g ( X ) ) =
2 2 2
g(X ) g(X ) f ( x)dx
−

jika X kontinyu.

Bab 3. Variabel Acak dan Distribusi Probabilitas

 4. Harapan Matematis

Bila X dan Y adalah dua variabel acak dengan distribusi probabilitas gabungan
f(x,y), mean dari variabel acak g(X,Y) diberikan oleh
 g ( X ,Y ) = Eg ( X , Y ) =  g ( x, y ) f ( x, y )
x y

untuk X dan Y diskrit, dan


 g ( X ,Y ) = Eg ( X , Y ) =   g ( x, y ) f ( x, y)dxdy


untuk X dan Y kontinyu.

Bab 3. Variabel Acak dan Distribusi Probabilitas

 4. Harapan Matematis

Bila X dan Y adalah dua variabel acak dengan distribusi probabilitas gabungan f(x,y),
standar deviasi dari variabel X dan Y diberikan oleh:
 XY = E( X −  X )(Y − Y ) =  (x −  X )( y − Y ) f ( x, y )
x y

bila X dan Y adalah diskrit, dan

 XY = E( X −  X )(Y − Y ) =   (x −  X )( y − Y ) f ( x, y )dxdy

untuk X dan Y adalah kontinyu.

Bab 3. Variabel Acak dan Distribusi Probabilitas

 4. Harapan Matematis

Standard deviasi dua variabel acak X dan Y dengan masing-masing mean

 X dan  Y diberikan oleh
 XY = E XY  −  X  Y
Bila X dan Y merupakan dua variabel acak dengan standar deviasi gabungan
 XY dan standar deviasi masing-masing  X dan  Y , koefisien korelasi X dan Y diberikan
oleh
 XY
 XY =
 XY
dimana nilai koefisien korelasi memenuhi persyaratan − 1   XY  1 .

Bab 3. Variabel Acak dan Distribusi Probabilitas

 4. Harapan Matematis
Sifat-sifat dari harapan matematis adalah:
a. E(c) = c
b. E(bX) = bE(X)
c. E(a + bX) = a + bE(X)
d. Nilai harapan matematis dari penjumlahan atau perbedaan dua atau lebih fungsi
suatu variabel acak X adalah penjumlahan atau perbedaan dari masing-masing nilai
harapan matematis tersebut, yang diberikan oleh
E g ( X )  h( X ) = E g ( X )  E h( X )
e. Nilai harapan matematis dari penjumlahan atau perbedaan dua atau lebih fungsi
suatu variabel acak X dan Y merupakan penjumlahan atau perbedaan dari masing-
masing nilai harapan matematis tersebut, yang diberikan oleh
E g ( X , Y )  h( X , Y ) = E g ( X , Y )  E h( X , Y )

Bab 3. Variabel Acak dan Distribusi Probabilitas

 4. Harapan Matematis
f. Bila X dan Y adalah dua variabel acak bebas, maka
E  XY  = E  X E Y 
g. Jika a dan b adalah konstanta

 aX
2
+b = a 
2 2
X = a  , bila a = 1 maka
2 2

 X2 +b =  X2 =  2 , bila b = 0, maka

 aX
2
= a 2 X2 = a 2 2

h. Jika X dan Y adalah dua variabel acak dengan distribusi probabilitas gabungan
f(x,y), maka

 aX
2
+ bY = a  X + b  Y + 2ab XY
2 2 2 2

Bab 3. Variabel Acak dan Distribusi Probabilitas

 4. Harapan Matematis
i. Bila X dan Y adalah variabel acak bebas maka

 aX
2
+ bY = a 
2 2
X + b Y
2 2

j. Bila X dan Y adalah variabel acak bebas, maka

 aX
2
−bY = a 
2 2
X + b Y
2 2

k. Jika X1, X2, …, Xn adalah variabel acak bebas, maka

 a2 X + a X
1 1 2 21 +...+ a n X n
= a12 X2 1 + a 22 X2 2 + ... + a n2 Xn
2

Bab 3. Variabel Acak dan Distribusi Probabilitas

 4. Harapan Matematis
Contoh 2
Misalkan variabel acak X mempunyai distribusi probabilitas:

X -3 6 9
P(X) 1 1 1
6 2 3

Tentukanlah:
a. E(X) dan E(X2);
b. E{(2X + 1)2};
c. E[{X – E(X)}2 ]!
Penyelesaian :

a. E(X) =  x P( X = x )
= ( -3 ) 1/6 + ( 6 ) 1/2 + ( 9 ) 1/3
= 11 / 2
= 5,5

Bab 3. Variabel Acak dan Distribusi Probabilitas

 4. Harapan Matematis
E(X2) =  x2 P( X = x )
= ( -3 )2 1/6 + ( 6 )2 1/2 + ( 9 )2 1/3
= 93 / 2
= 46,5

b. E{(2X + 1)2} = E(4X2 + 4X + 1)

= 4 E(X2) + 4 E(X) + E(1)
= 4 . 46,5 + 4 . 5,5 + 1
= 209

c. E[{X – E(X)}2 ] = E[X2 – 2XE(X) + E(X)2]

= E(X2) – 11 E(X) + 30,25
= 46,5 – 11 . 5,5 + 30,25
= 16,25

Bab 3. Variabel Acak dan Distribusi Probabilitas

 4. Harapan Matematis
Contoh 3
Kebutuhan mingguan untuk minuman tertentu, dalam ribuan liter, dari toko lokal,
adalah variabel acak kontinyu g(X) = X2 + X – 2, di mana X mempunyai fungsi
kerapatan sebagai berikut:
2( x − 1) ,1  x  2
f ( x) = 
 0 , yang lainnya
Tentukan nilai yang diharapkan dari kebutuhan mingguan minuman tersebut.
Penyelesaian:
E(X2 + X – 2) = E(X2) + E(X) – E(2).
E(2) = 2, sehingga
2 2
E ( X ) =  2 x( x − 1)dx = 2 ( x 2 − x)dx = 5 / 3
1 1
dan
2 2
E ( X 2 ) =  2 x 2 ( x − 1)dx = 2 ( x 3 − x 2 )dx = 17 / 6
1 1
Jadi
E(X2 + X – 2) = (17/6) + (5/3) – 2 = 5/2

Ini berarti bahwa kebutuhan mingguan rata-rata untuk minuman adalah 2500 liter
Bab 3. Variabel Acak dan Distribusi Probabilitas
 4. Harapan Matematis
Contoh 4

Dalam pembuatan mikrocip galium-arsenida, telah diketahui bahwa perbandingan

antara galium dan arsenida tidak tergantung pada tingginya prosentasi pembuatan
wafer yang baik. X menyatakan perbandingan galium terhadap arsenida dan Y
menyatakan prosentasi wafer yang baik yang dihasilkan selama 1 jam. X dan Y
adalah variabel acak independen yang mempunyai kerapatan gabungan sebagai
berikut:
 x(1 + 3 y 2 )
 ,0  x  2,0  y  1
f ( x, y ) =  4
 0 , yang lainnya
Buktikan bahwa E(XY) = E(X)E(Y)

Bab 3. Variabel Acak dan Distribusi Probabilitas

 4. Harapan Matematis
Penyelesaian:
1 2 1 2 x 2 y (1 + 3 y 2 )
E ( XY ) =   xyf ( x, y )dxdy =   dxdy
0 0 0 0 4
x=2
1 x 3 y (1 + 3 y 2 ) 2 y (1 + 3 y 2 )
1
= dy =  dy = 5 / 6
0 12 x =0
0 3
1 2 1 2 x 2 (1 + 3 y 2 )
E( X ) =   xf ( x, y )dxdy =   dxdy
0 0 0 0 4
x=2
1 x 3 (1 + 3 y 2 ) 1 2(1 + 3 y 2 )
= dy =  dy = 4 / 3
0 12 x =0
0 3
1 2 1 2 xy(1 + 3 y 2 )
E (Y ) =   yf ( x, y )dxdy =   dxdy
0 0 0 0 4
x=2
1 x 2 y (1 + 3 y 2 ) 1 y (1 + 3 y 2 )
= dy =  dy = 5 / 8
0 8 x =0
0 2
Sehingga E(X) E (Y) = (4/3)(5/8) = 5/6 = E(XY).
Bab 3. Variabel Acak dan Distribusi Probabilitas
Contoh 5

Hitunglah variansi g(X) = 2X + 3, dimana X adalah peubah acak dengan distribusi

probabilitas

x 0 1 2 3
1 1 1 1
f(x) 4 8 2 8

Penyelesaian:
Pertama kita cari nilai tengah peubah acak 2X + 3.
3
 2 X + 3 = E ( 2 X + 3) =  ( 2 x + 3) f ( x ) = 6
x =0

Sekarang dengan menggunakan teorema 4.3, kita dapatkan:


 2 2 X + 3 = E ( 2 X + 3) − 2 X +3 
2
 = E 2 X + 3 − 6 
2

( ) ( )
3
= E 4 X − 12 X + 9 =  4 x 2 − 12 x + 9 f ( x ) = 4
2

x =0
Bab 3. Variabel Acak dan Distribusi Probabilitas
 Tugas
1. Suppose that X and Y have the following joint probability function:

(a) Find the expected value of g(X, Y ) = XY2.

(b) Find μX and μY .

2. If the joint density function of X and Y is given by

𝑋
find the expected value of 𝑔 𝑋, 𝑌 = + 𝑋 2 𝑌.
𝑌3

Bab 3. Variabel Acak dan Distribusi Probabilitas