MAKALAH STATISTIKA MATEMATIKA I “Ekspektasi Matematika

(Ekspektasi Satu Peubah Acak dan Ekspektasi Dua Peubah Acak)”

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU

PENGETAHUAN ALAM UNIVERSITAS NEGERI MANADO 2017

KATA PENGANTAR Puji dan syukur senantiasa saya panjatkan kehadirat

Tuhan Yang Maha Esa, karena atas rahmat-Nya, saya dapat
menyelesaikan penyusunan makalah yang berjudul “Ekspektasi
Matematika”. Makalah ini disusun untuk memenuhi tugas mata kuliah
“Statistika Matematika I”. Saya mengucapkan terima kasih kepada semua
pihak yang membantu dalam penyelesaian makalah ini. Saya berharap
makalah ini dapat menambah pengetahuan pembaca dan memberikan
gambaran mengenai materi terkait yaitu Ekspektasi Matematika. Saya
menyadari bahwa makalah ini masih jauh dari kesempurnaan baik materi
maupun bahasanya, maka saya mengharapkan saran dan kritik yang
membangun untuk perbaikan makalah ini. Semoga makalah ini dapat
memberikan manfaat bagi semua pihak yang menjadikan makalah ini
sebagai bahan literatur mengenai materi terkait.

Tondano,

Oktober 2017

Penyusun

DAFTAR ISI KATA

PENGANTAR..........................................................................................i
DAFTAR
ISI ........................................................................................................ii BAB
I PENDAHULUAN A. Latar
Belakang ..........................................................................................1 B.
Rumusan Masalah .....................................................................................1
C. Tujuan
Penulisan........................................................................................2 BAB II
PEMBAHASAN A. Pengertian Ekspektasi
Matematika………………………………….. 4 B. Ekspektasi Satu Peubah
Acak 1. Nilai Ekspektasi………………………………………….…………. 4 2.
Sifat-sifat Nilai Ekspektasi……………………………….……….... 6 3.
Rataan…………………………………………………….………... 7 4.
Varians………………………………………………….………….. 9 5.
Momen………………………………………………….………….. 11 6. Fungsi
Pembangkit Momen…………………………….………….. 13 7.
Pertidaksamaan Chebyshev………………..…………..…………... 15 C.
Ekspektasi Dua Peubah Acak 1. Nilai Ekspektasi
Gabungan…………………………………………17 2. Ekspektasi
Bersyarat………………………………………………. 19 3. Rataan
Bersyarat…………………………………………………… 23 4. Perkalian Dua
Momen………………………………………………28 ii

5. Kovarians………………………………………………………….. 29 6.
Varians Bersyarat…………………………………………………. 33 7. Fungsi
Pembangkit Momen Gabungan………………………….... 34 8. Koefisien
Korelasi………………………………………………… 35 9. Akibat
Kebebasan Stokastik…………………………………….... 35 BAB III
PENUTUP A.
Kesimpulan .......................................................................................... 37 B.
Saran .................................................................................................... 37
DAFTAR PUSTAKA .....................................................................................
38

iii

BAB 1 PENDAHULUAN

Y , dan kovariansi dari perubah acak X dan Y dinyatakan X , A. Latar

Belakang Distribusi probabilitas memiliki berbagai sifat atau karakteristik
yang dapat digunakan untuk mengidentifikasi suatu distribusi. Karakteristik
yang biasa digunakan antara lain rata-rata hitung yang biasa disebut
“Ekspektasi Matematika” (atau nilai harapan) dan variansi. Ekspektasi
matematika adalah satu konsep penting dalam teori dasar statistika.
Harapan matematis (Ekspektasi Matematika) ini menentukan tendensi
sentral dari distribusi probabilitas. Dalam makalah ini akan dibahas
beberapa macam ukuran yang dihitung berdasarkan ekspektasi dari satu
maupun dua peubah acak, baik diskrit maupun kontinu. Sering kali kita
menjumpai data pengamatan yang memuat perubah acak tidak tunggal.
Misalnya, X dan Y perubah acak, maka nilai harapan 2 2 dinyatakan E(X),
E(Y), dan E(X,Y) , Variansi dari X da Y dinyatakan

XY

B. Rumusan Masalah 1. Apa yang dimaksud dengan ekspektasi

matematika? 2. Apa yang dimaksud dengan nilai ekspektasi dan sifat-sifat
nilai ekspektasi? 3. Bagaimana menentukan rataan dari suatu peubah
acak? 4. Bagaimana menentukan varians dari suatu peubah acak? 5.
Bagaimana menghitung nilai ekspektasi dari peubah acak dengan
pangkatnya lebih dari 2 (Momen)? 6. Apa yang dimaksud dengan fungsi
pembangkit momen? 7. Apa yang dimaksud dengan pertidaksamaan
Chebyshev? 8. Apa yang dimaksud dengan nilai ekspektasi gabungan? 9.
Bagaimana rumus untuk menghitung ekspektasi bersyarat? 10. Bagaimana
rumus untuk menghitung rataan bersyarat?

11. Bagaimana rumus untuk menghitung perkalian dua momen? 12.

Bagaimana rumus untuk menentukan kovarians? 13. Bagaimana rumus
untuk menentukan varians bersyarat? 14. Bagaimana rumus untuk
menentukan fungsi pembangkit momen gabungan? 15. Bagaimana
menentukan derajat hubungan linear antara dua buah peubah acak? 16.
Apa saja akibat kebebasan stokastik dari dua peubah acak?

Tujuan Penulisan 1. Untuk mengetahui apa yang dimaksud dengan

ekspektasi matematika 2. Untuk mengetahui apa yang dimaksud dengan
nilai ekspektasi dan sifat-sifat nilai ekspektasi 3. Untuk mengetahui
bagaimana menentukan rataan dari suatu peubah acak 4. Untuk
mengetahui bagaimana menentukan varians dari suatu peubah acak 5.
Untuk mengetahui bagaimana menghitung nilai ekspektasi dari peubah
acak dengan pangkatnya lebih dari 2 (Momen) 6. Untuk mengetahui apa
yang dimaksud dengan fungsi pembangkit momen 7. Untuk memahami
apa yang dimaksud dengan pertidaksamaan Chebyshev 8. Untuk
memahami apa yang dimaksud dengan nilai ekspektasi gabungan 9. Untuk
mengetahui bagaimana rumus untuk menghitung ekspektasi bersyarat 10.
Untuk mengetahui bagaimana rumus untuk menghitung rataan bersyarat
11. Untuk mengetahui bagaimana rumus untuk menghitung perkalian dua
momen 12. Untuk mengetahui bagaimana rumus untuk menentukan
kovarians

6
13. Untuk mengetahui bagaimana rumus untuk menentukan varians
bersyarat 14. Untuk mengetahui bagaimana rumus untuk menentukan
fungsi pembangkit momen gabungan 15. Untuk mengetahui bagaimana
menentukan derajat hubungan linear antara dua buah peubah acak 16.
Untuk mengetahui apa saja akibat kebebasan stokastik dari dua peubah
acak

BAB II PEMBAHASAN A. Pengertian Ekspektasi Matematika Ekspektasi

matematika atau harga harapan atau mean(rata- rata) atau sering disebut
ekspektasi saja, adalah satu konsep penting dalam teori dasar statistika.
Jika X adalah sembarang peubah acak, maka ekspektasi matematika dari
peubah acak X biasanya dinotasikan dengan E(X) atau µ. B. Ekspektasi
Satu Peubah Acak 1. Nilai Ekspektasi

Definisi (Nilai Ekspektasi Diskrit Jika X adalah peubah acak diskrit dengan
nilai fungsi peluangnya di x adalah p (x) dan u (X) adalah fungsi dari X,
maka nilai ekspektasi dari u (X), dinotasikan dengan E [u(X)], didefinisikan
sebagai : E [u(X)] =

u(x) . p(x) x

Contoh 1 : Misalnya fungsi peluang dari peubah acak berbentuk : 𝑝(𝑥) =

𝑥 ; 𝑥 = 1,2,3,4,5 15

Hitung a. E(𝑋 2 − 1) b. E[X(X + 1)] Penyelesaian : a. Berdasarkan definisi

nilai ekspektasi diskrit, maka : E(𝑋 2 − 1)

(𝑥 2 − 1) . 𝑝 (𝑥)

= ∑5𝑥=1(𝑥 2 − 1) . 1

𝑥 15 2

3
4

= ( 1 – 1) (15) + (4 − 1) (15) + (9 − 1) (15) + (16 − 1) (15) 5

+ (25 − 1)(15)

24

60

= 0 + 15 + 15 + 15 +

E(𝑋 2 − 1)

210 15

120 15

= 14

b. Berdasarkan definisi nilai ekspektasi diskrit, maka : E[X(X + 1)]

𝑥(𝑥 + 1) . 𝑝 (𝑥)

= ∑5𝑥=1 𝑥(𝑥 + 1) .

𝑥 15

2
4

= (1)(1 + 1) (15) + (2)(2+1) (15) + (3)(3+1) (15) + (4)(4+1) (15) +(5)(5+1)

( 15) 2

12

36

80

= 15 + 15 + 15 + 15 +

E[X(X + 1)]

150 15

280 15

Definisi (Nilai Ekspektasi Kontinu) Jika X adalah peubah acak kontinu

dengan nilai fungsi densitasnya di x adalah f (x) dan u(X) adalah fungsi dari
X, maka nilai ekspektasi dari u(X), dinotasikan dengan E[u(X)],
didefinisikan sebagai: ∞

E[u(X)] = ∫∞ 𝑢(𝑥). 𝑓(𝑥)𝑑𝑥

Contoh 2: Misalkan fungsi densitas dari peubah acak X berbentuk : f (x) =

2(1 − x) ; 0 < x < 1 =0 ; x lainnya Tentukan : a. E[𝑋 2 − 1] b. E[X(X+1)]

Penyelesaian : a. Berdasarkan definisi nilai ekspektasi kontinu,maka : E[𝑋

2 − 1]

= ∫−∞(𝑥 2 − 1). 𝑓(𝑥)𝑑𝑥 0

1

=∫−∞(𝑥 2 − 1). 𝑓(𝑥)𝑑𝑥 + ∫0 (𝑥 2 − 1). 𝑓(𝑥)𝑑𝑥 + ∫1 (𝑥 2 − 1). 𝑓(𝑥)𝑑𝑥 0

= ∫−∞(𝑥 2 − 1). 0𝑑𝑥 + ∫0 (𝑥 2 − 1). 2(1 + 𝑥)𝑑𝑥+∫1 (𝑥 2 − 1). 0𝑑𝑥 1

= 0 + 2 ∫0 (𝑥 2 − 𝑥 3 − 1 + 𝑥)𝑑𝑥 + 0 1

= 2 (3 𝑥 3 − 4 𝑥 4 − 𝑥 + 2 𝑥 2 ) 1

= 2 (3 − 4 − 1 + 2) E[𝑋 2 − 1]

= −6

b. Berdasarkan definisi nilai ekspektasi kontinu,maka : E[X(X+1)]

= ∫−∞ 𝑥(𝑥 + 1). 𝑓(𝑥)𝑑𝑥 0

=∫−∞ 𝑥(𝑥 + 1). 𝑓(𝑥)𝑑𝑥 + ∫0 𝑥(𝑥 + 1). 𝑓(𝑥)𝑑𝑥 + ∫1 𝑥(𝑥 + 1). 𝑓(𝑥)𝑑𝑥 0

1
∞

= ∫−∞ 0𝑑𝑥 + ∫0 𝑥(𝑥 + 1). 2(1 − 𝑥)𝑑𝑥+∫1 0𝑑𝑥 1

= 0 + 2 ∫0 (𝑥 − 𝑥 3 )𝑑𝑥 + 0 1

= 2 . (3 𝑥 2 − 4 𝑥 4 1

= 2 (2 − 4) E[X(X+1)]

=2

2. Sifat-sifat Nilai Ekspektasi (Dalil 1) a. Jika c adalah sebuah konstanta,

maka E(c) = c. b. Jika c adalah sebuah konstanta dan u(X) adalah fungsi
dari X, maka: E[c · u(X)] = c · E[u(X)] c. Jika 𝑐1 𝑑𝑎𝑛 𝑐2 adalah dua buah
konstanta dan 𝑢1 (X) dan 𝑢2 (X) adalah dua buah fungsi dari X, maka: E[𝑐1
· 𝑢1 (X) + 𝑐2 · 𝑢2 (X)] = 𝑐1 · E[𝑢1 (X)] + 𝑐2 · E[𝑢2 (X)]

10

Contoh 3 : Hitung E(𝑋 2 − 1) dan E[X(X + 1)] dengan menggunakan sifat-

sifat nilai ekspektasi. Penyelesaian : a. E(𝑋 2 − 1) = E(𝑋 2 ) − 𝐸(1) = E(𝑋 2 )
−1=

𝑥 2 . 𝑝 (𝑥) − 1

= (∑5𝑥=1 𝑥 2 . 15) − 1 1

= {(15)(1 + 8 + 27 + 64 + 125)} … 1 =(
225 15

)−1

= 15 – 1 E(𝑋 2 − 1)

= 14

b. E[X(X + 1)] = E(𝑋 2 + 𝑋) = E(𝑋 2 ) + 𝐸(𝑋) = 15 +

𝑥 . 𝑝 (𝑥)

= 15 + ∑5𝑥=1 𝑥. 15 1

= 15 + (15)(1 + 4 + 9 + 16 + 25) 55

= 15 + (15) E[X(X + 1)]

280 15

3. Rataan

Definisi (Rataan Diskrit) Jika X adalah peubah acak diskrit dengan nilai
fungsi peluang dari X di x adalah p(x), maka rataan dari peubah acak X
didefinisikan sebagai: E(X) =

x . p(x)

11

x . P(x) xPemahaman penggunaan rumus rataan diperjelas melalui

contoh di bawah ini : Contoh 4 : Jika Sandy mengundi sebuah dadu yang
seimbang, maka tentukan rataan dari munculnya angka pada mata dadu
itu. Penyelesaian : Misalnya peubah acak X menunjukkan munculnya
angka pada mata dadu. Jadi nilai-nilai yang mungkin dari X adalah { x : x =
1,2,3,4,5,6}, dengan masing1 masing nilai mempunyai peluang yang sama
yaitu 6 . Jadi : E(X) =

= ∑6𝑥=1 𝑥. 6 1

= (6) (1 + 2 + 3 + 4 + 5 + 5) 21

E(X) = 6 = 3,5 Sehingga apabila dadu yang seimbang itu diundi terus-
menerus, maka diharapkan rataan angka pada mata dadu yang akan
muncul adalah 3,5.

Definisi (Rataan Kontinu) Jika X adalah peubah acak kontinu dengan nilai
fungsi densitas dari X di x adalah f (x), maka rataan dari peubah acak X
didefinisikan sebagai: ∞ E[X] = ∫−∞ 𝑥 . 𝑓 (𝑥) Contoh 5 : Misalnya fungsi
densitas dari X berbentuk : 𝑓(𝑥) = 20𝑥 3 (1 − 𝑥); 0 < 𝑥 < 1 = 0 ; x lainnya
Hitung E(X)! Penyelesaian : E(X)

= ∫−∞ 𝑥 . 𝑓(𝑥)𝑑𝑥 0

= ∫−∞ 𝑥 . 𝑓(𝑥)𝑑𝑥 + ∫0 𝑥 . 𝑓(𝑥)𝑑𝑥 + ∫1 𝑥 . 𝑓(𝑥)𝑑𝑥 0

= ∫−∞ 𝑥 . 0𝑑𝑥 + ∫0 𝑥 . 20. 𝑥 3 (1 − 𝑥)𝑑𝑥 + ∫1 𝑥 . 0𝑑𝑥 0

= 0 + 20 ∫1 (𝑥 4 − 𝑥 5 )𝑑𝑥 + 0

12

1
1

= 20(5 𝑥 5 − 6 𝑥 6 1

= 20 (5 − 6) E(X)

20

= 30 = 3

Rataan dari sebuah peubah acak, baik diskrit maupun kontinu biasanya
dinotasikan dengan 𝜇 (dibaca “mu”), sehingga apabila peubah acaknya X
maka 𝜇 = 𝐸(𝑋) Nilai rataan dari sebuah peubah acak, baik diskrit maupun
kontinu tidak selalu ada, artinya nilai rataan tersebut bisa mempunyai nilai
dan bisa juga tidak mempunyai nilai. Nilai rataan dari sebuah peubah acak
itu ada, jika hasil penjumlahannya atau pengintegralannya ada. Sebaliknya,
nilai rataan dari sebuah peubah acak tidak ada, jika hasil penjumlahannya
atau pengintegralannya tidak ada. 4. Varians Berikut ini akan dijelaskan
definisi varians dari sebuah peubah acak yang berlaku bagi peubah acak
diskrit maupun kontinu. Definisi (Varians) Misalnya X adalah peubah acak,
baik diskrit maupun kontinu. Varians dari X didefinisikan sebagai : Var(X) =
E[X – E(X)]2 Atau Var(X) = E(X − μ)2

(x − μ)2 · p(x) xDefinisi (Varians Diskrit) Jika X adalah peubah acak

diskrit dan p(x) adalah nilai fungsi peluang dari X di x, maka Varians dari X
didefinisikan sebagai: Var(X) =

Contoh 6 : Misalnya distribusi peluang dari peubah acak X adalah sebagai

berikut : X 1 2 3 p(x)

12

13

16

Hitung Var (X). 13

(x − μ)2 · p(x) xPenyelesaian : Berdasarkan definisi varians diskrit,
maka : Var (X) =

Dengan μ = E(X) = ∑3𝑥=1 𝑥. 𝑝(𝑥) = (1). 𝑝(1) + (2). 𝑝(2) + (3). 𝑝(3) 1 1 1 =
(1) (2) + (2) (3) + (3)(6) μ

= E(X) =

10 6

=3 5

Jadi : Var (X) = ∑3𝑥=1(𝑥 − 3)2 . 𝑝 (𝑥) 5

= (1 − 3)2 . 𝑝(1) + (2 − 3)2 . 𝑝(2) + (3 − 3)2 . 𝑝(𝑥) 4

16

= (9) (2) + (9) (3) + ( 9 )(6) 2

= 9 + 27 + 27 15

= 27 = 9
Var (X)

Definisi (Varians Kontinu) Jika X adalah peubah acak kontinu dan f (x)
adalah nilai fungsi densitas dari X di x, maka Varians dari X didefinisikan
sebagai: ∞ Var(X) = ∫−∞(𝑥 − 𝜇)2 . 𝑓 (𝑥)𝑑𝑥 Contoh 7 : Misalnya fungsi
densitas dari X berbentuk : 𝑓(𝑥) = 𝑒 −𝑥 ; 𝑥 > 0 = 0 ; x lainnya Hitung Var (X)!
Penyelesaian : ∞

Var(X) = ∫−∞(𝑥 − 𝜇)2 . 𝑓(𝑥)𝑑𝑥 Dengan 𝜇 = E (X)

= ∫−∞ 𝑥. 𝑓(𝑥)𝑑𝑥 0

= ∫−∞ 𝑥. 𝑓(𝑥)𝑑𝑥 + ∫0 𝑥. 𝑓(𝑥)𝑑𝑥 0

= ∫−∞ 𝑥. 0𝑑𝑥 + ∫0 𝑥. 𝑒 −𝑥 𝑑𝑥 ∞

= 0 + ∫0 𝑥. 𝑒 −𝑥 𝑑𝑥 𝑏

= lim ∫0 𝑥. 𝑒 −𝑥 𝑑𝑥 𝑏→∞

= lim (−𝑥. 𝑒 −𝑥 𝑏→∞

+ ∫0 𝑥. 𝑒 −𝑥 𝑑𝑥)

14

= lim (−𝑏. 𝑒 −𝑏 + 1 − 𝑒 −𝑏 ) 𝑏→∞

= lim − 𝑏. 𝑒 −𝑏 + 1 − lim 𝑒 −𝑏 𝑏→∞

𝜇 Jadi : Var (X)

=0+1–0=1

𝑏→∞
∞

= ∫−∞(𝑥 − 1)2 . 𝑓(𝑥)𝑑𝑥 0

= ∫−∞(𝑥 − 1)2 . 𝑓(𝑥)𝑑𝑥+ ∫0 (𝑥 − 1)2 . 𝑓(𝑥)𝑑𝑥 0

= ∫−∞(𝑥 − 1)2 . 0𝑑𝑥 + ∫0 (𝑥 − 1)2 . 𝑒 −𝑥 𝑑𝑥 ∞ = 0 + ∫0 (𝑥 2 − 2𝑥 + 1)𝑒 −𝑥 𝑑𝑥 𝑏

= lim ∫0 (𝑥 2 − 2𝑥 + 1). 𝑒 −𝑥 𝑑𝑥 𝑏→∞

= lim ∫0 𝑥 2 . 𝑒 −𝑥 𝑑𝑥 − 2. lim ∫0 𝑥. 𝑒 −𝑥 𝑑𝑥 𝑏→∞

𝑏 lim ∫0 𝑒 −𝑥 𝑑𝑥 𝑏→∞

𝑏→∞

= 2 – (2) (1) + 1 =1

Dalil 2 : Jika C adalah sebuah konstanta, maka Var (c) = 0 Dalil 3 : Jika X
adalah peubah acak dan c adalah sebuah konstanta, maka Var (X + c) =
Var (X) Dalil 4 : Jika a dan b adalah dua buah konstanta dan X adalah
peubah acak, maka : 𝑉𝑎𝑟 (𝑎𝑋 + 𝑏) = 𝑎2 . 𝑉𝑎𝑟 (𝑋)

5. Momen

Definisi (Momen) Jika X adalah peubah acak, baik diskrit maupun kontinu,
maka momen ke-k (dinotasikan dengan μ‘k )didefinisikan sebagai : 𝜇. 𝐾 =
𝐸(𝐸 𝑘 ) k = 1, 2, 3, · · ·

15

Definisi (Momen Diskrit) Jika X adalah peubah acak diskrit dan p(x) adalah
nilai fungsi peluang dari X di x, maka momen ke-k (dinotasikan μ’k )
didefinisikan sebagai : 𝜇𝑘 ′ = ∑ 𝑥 𝑘 . 𝑝(𝑥) 𝑥

Contoh 8 : X
1

214

P(x)

318

418

12

Hitung nilai 𝜇3 ′. Penyelesaian : Berdasarkan definisi momen diskrit, maka :

𝜇3 ′ = 𝐸(𝑋 3 )

= ∑𝑥 𝑥 3 . 𝑝(𝑥) = ∑4𝑥=1 𝑥 3 . 𝑝(𝑥) 1

= (1)3 (4) + (2)3 (8) + (4)3 (2) 1

=4+1+ 𝜇3 ′ = 𝐸(𝑋 3 ) =

27 8

64 8

293 8

Definisi (Momen Kontinu) Jika X adalah peubah acak kontinu dan f (x)
adalah nilai fungsi densitas dari X di x, maka momen ke-k (dinotasikan μ’k )
didefinisikan sebagai : ∞

𝜇𝑘′ = ∫−∞ 𝑥 𝑘 . 𝑓(𝑥)𝑑𝑥

Contoh 9 : Misalnya fungsi densitas dari X berbentuk : 𝑓(𝑥) =

2𝑥 ;1 < 𝑥 < 2 3
= 0; 𝑥 𝑙𝑎𝑖𝑛𝑛𝑦𝑎

16

Hitung 𝜇′3 . Penyelesaian : ∞

𝜇′3 = 𝐸(𝑋 3 ) = ∫ 𝑥 3 . 𝑓(𝑥)𝑑𝑥 −∞ 1

= ∫−∞ 𝑥 3 . 𝑓(𝑥)𝑑𝑥+∫1 𝑥 3 . 𝑓(𝑥)𝑑𝑥+∫2 𝑥 3 . 𝑓(𝑥)𝑑𝑥 1

= ∫−∞ 𝑥 3 . 0𝑑𝑥 +∫1 𝑥 3 . 2

= 0 + ( 𝑥5 15

𝜇′3 = 𝐸(𝑋 3 ) =

2𝑥 3

𝑑𝑥+∫2 𝑥 3 . 0𝑑𝑥

62 15

Definisi (Momen Sekitar Rataan Diskrit) Jika X adalah peubah acak diskrit
dan p(x) adalah nilai fungsi peluang dari X di x, maka momen sekitar
rataan ke-k (dinotasikan dengan 𝜇𝑘 ) didefinisikan sebagai: 𝜇𝑘 =∑𝑥(𝑥 − 𝜇)𝑘.
𝑝(𝑥)

Definisi (Momen Sekitar Rataan Kontinu) Jika X adalah peubah acak

kontinu dan p(x) adalah nilai fungsi densitas dari X di x, maka momen
sekitar rataan ke-k (dinotasikan dengan 𝜇𝑘 ) didefinisikan sebagai: ∞ 𝜇𝑘 =
∫−∞(𝑥 − 𝜇)𝑘 · f(x) 𝑑𝑥

6. Fungsi Pembangkit Momen Pada bagian sebelumnya, kita sudah

membahas momen ke-k yang dinotasikan dengan 𝜇′𝑘 . Momen ini bisa juga
diperoleh melalui besaran lainnya yang dinamakan fungsi pembangkit
momen. Sehingga fungsi pembangkit momen merupakan fungsi yang
dapat menghasilkan momen-momen. Selain itu, penentuan distribusi baru
dari peubah acak yang baru merupakan kegunaan lain dari fungsi
pembangkit momen.

17

Definisi (Fungsi Pembangkit Momen) Jika X adalah peubah acak, baik

diskrit maupun kontinu, maka fungsi pembangkit momen dari X
(dinotasikan dengan Mx (t)) didefinisikan sebagai: Mx (t) = E(𝑒 𝑡𝑋 ) untuk
−h < t < h dan h > 0

Definisi (Fungsi Pembangkit Momen Diskrit) Jika X adalah peubah acak

diskrit dan p(x) adalah fungsi peluang dari X di x, maka fungsi pembangkit
momen dari X didefinisikan sebagai: Mx (t) = ∑𝑥 𝑒 𝑡𝑥 . 𝑝(𝑥)

Definisi (Fungsi Pembangkit Momen Kontinu) Jika X adalah peubah acak

diskrit dan f (x) adalah fungsi densitas dari X di x, maka fungsi pembangkit
momen dari X didefinisikan sebagai: ∞ Mx (t) = ∫−∞ 𝑒 𝑡𝑥 . 𝑓(𝑥)𝑑𝑥

npq 1)  np(n   2    np 2 1 2 1    1].  1) p  np[(n 2  np 1

1.et ] . Untuk t=0, maka dt 2 dan Jadi, dan  q) n ( pet 21. pet  q) n 1)
( pet  np[et (n 1. pet dibeproleh bahwa sehingga, dt d 2 Mx(t )  q) n
n( pet  penguraian binomial (pet+q)n, sehingga Mx(t)=(pet+q)n. Kemudian
dMx (t )  x  x 0 0 x  jumlah yang terakhir adalah x  q n( pet )  
   q n p    et  M (t ) n  n npq. Penyelesaian: Dari definisi
diperoleh n n  2  np dan  Contoh 10 : Tentukan fungsi pembangkit
momen peubah acak binomial X dan kemudian tunjukkan bahwa

18

Dalil 5 : Jika X adalah peubah acak, baik diskrit maupun kontinu dan 𝑀𝑥 (t)
adalah fungsi pembangkit momennya, maka : 𝑀𝑋𝑟 (𝑡)

= 𝜇𝑟 ′

Dalil 6 : Jika X adalah peubah acak dan c adalah sebuah konstanta, maka :
𝑀𝑐𝑋 (𝑡) = 𝑀𝑋 (𝑐𝑡) Dalil 7 : Jika X adalah peubah acak dan c adalah sebuah
konstanta, maka : 𝑀𝑋−𝑐 (𝑡) = 𝑒 𝑐𝑡 . 𝑀𝑋 (𝑡) Dalil 8 : Jika X adalah peubah
acak, sedangkan a dan b adalah dua buah konstanta, maka : 𝑎𝑡 𝑡 𝑀(𝑋+𝑎) =
𝑒 𝑏 . 𝑀𝑋 ( ) 𝑏 𝑏

7. Dalil Chebyshev (Dalil 9) : Jika 𝜇 𝑑𝑎𝑛 𝜎 masing-masing merupakan

rataan dan simpangan baku dari peubah acak X, maka untuk setiap
bilangan positif k peluang dari peubah acak X 1

yang bernilai antara 𝜇 − 𝑘𝜎 𝑑𝑎𝑛 𝜇 + 𝑘𝜎 paling sedikit sebesar 1 − (𝑘 2 ), dan

ditulis: 1

P (|x−𝜇| < 𝑘𝜎)≥ 1 − 𝑘 2 Nilai peluang di atas merupakan batas bawah

peluang dari peubah acak X yang berharga tertentu. Kita bisa juga
menghitung peluang dari peubah acak X yang bernilai lebih kecil atau
sama dengan 𝜇 − 𝑘𝜎 atau lebih besar atau sama dengan 𝜇 + 𝑘𝜎. Yaitu 1
yang paling besar 2 dan ditulis : 𝑘

P (|x−𝜇| < 𝑘𝜎)≤ 𝑘 2 BUKTI : Menurut definisi variansi,

19

 ) 2 f ( x)dx   ( x    ) 2  ( X  E  2 

 k 

 ) f ( x)dx  (2

 k 





 ) 2 f ( x)dx  ( x

 ) f ( x)dx   ( x 2

 k 

k
k 

karena integral

 )   (x 

2 k 

 ) 2 f ( x)dx  ( x



) ( x 

2 k 

 K  Kemudian X

f ( x)dx tak negatif.

k

2 dalam kedua integral lainnya, k 2 ) 2   dengan ( X  k   atau x 

k  dengan x

 2 maka

k

 f ( x)dx  k 2 2

  


 2 , maka diperolehkanan dibagi dengan k 2

f ( x)dx . Jika

ruas

k

k 

f ( x)



  k  f ( x)dx 

k

) k   X   k sehingga p( 

 k 

  k  1  f ( x)dx 

k

dengan demikian terbuktilah teorema Chebyshev.

 9, sedangkan distribusinya tidak diketahui. Hitunglah: a. P(-4 0 , h2 2  8,
variansi  Contoh 11 : Suatu peubah acak X mempunyai rataan > 0.

Di bawah ini merupakan definisi dari fungsi pembangkit momen gabungan

dari dua peubah acak diskrit

Definisi (Fungsi pembangkit Momen Gabungan Diskrit) Jika X dan Y

adalah peubah acak diskrit dengan p(x,y) adalah nilai fungsi peluang
gabungan dari X dan Y di (x,y), maka fungsi pembangkit momen gabungan
dari X dan Y didefinisikan sebagai: 𝑀(𝑡1 , 𝑡2 ) = ∑𝑥 ∑𝑦 𝑒 𝑡1𝑥+𝑡2𝑦 . 𝑝(𝑥, 𝑦)

Selanjutnya definisi dari fungsi pembangkit momen gabungan dari dua

peubah acak kontinu. Definisi (Fungsi Pembangkit Momen Gabungan
Kontinu) Jika X dan Y adalah peubah acak kontinu dengan f(x,y) adalah
nilai fungsi densitas gabungan dari X dan Y di (x,y), maka fungsi
pembangkit momen gabungan dari X dan Y didefinisikan sebagai: ∞ ∞
𝑀(𝑡1 , 𝑡2 ) = ∫−∞ ∫−∞ 𝑒 𝑡1𝑥+𝑡2 𝑦 . 𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦 Berdasarkan fungsi
pembangkit momen gabungan dari X dan Y, kita dapat menentukan fungsi
pembangkit momen masing-masing dari X dan Y yang dinamakan fungsi
pembangkit momen marginal dari X dan fungsi pembangkit momen
marginal dari Y.

38

Fungsi pembangkit momen marginal dari X diperoleh dari fungsi

pembangkit momen gabungan dengan mensubstitusikan t2 = 0, sehingga:
M(t1,0) = M(t1) = E[exp(t1X)]

8. Koefisien Korelasi Penentuan derajat hubungan linier antara dua buah

peubah acak digunakan koefisien korelasi. Rumus yang digunakan untuk
menentukan derajat hubungan linier tersebut bisa dilihat dalam definisi
berikut. Definisi (Koefisien Korelasi) Jika X dan Y adalah dua peubah acak,
baik diskrit maupun kontinu, maka koefisien korelasi (dinotasikan dengan ρ
) didefinisikan sebagai: 𝜌=

𝐸(𝑋𝑌)−𝐸(𝑋).𝐸(𝑌) √{{𝐸(𝑋 2 )−[𝐸(𝑋)]2 {𝐸(𝑌 2 )−(𝐸(𝑌)]2 }}

Selain itu, penghitungan koefisien korelasi 𝜌 dapat juga dilakukan

berdasarkan fungsi pembangkit momen gabungan dari X dan Y. Rumus
yang digunakannya sama seperti di atas, dengan mengganti:

9. Akibat Kebebasan Stokastik Sudah dijelaskan sebelumnya bahwa dua

peubah acak dikatakan saling bebas, jika distribusi gabungannya sama
dengan perkalian dari distribusi marginal masingmasing peubah acaknya.
Beberapa akibat kebebasan stokastik dari dua peubah acak bisa dilihat
dalam dalil-dalil berikut ini. Dalil 12 (Akibat Pertama Kebebasan Stokastik)

Jika X dan Y adalah dua peubah acak yang saling bebas, maka: E(XY) =
E(X).E(Y)

39

Dalil 13 (Akibat Kedua Kebebasan Stokastik) Jika X dan Y adalah dua

peubah acak yang saling bebas, maka: E[(u(X).v(Y)] = E[u(X)].E[v(Y)] Dalil
14 (Akibat Ketiga Kebebasan Stokastik) Jika X dan Y adalah dua peubah
acak yang saling bebas, maka: M(𝑡1 , 𝑡2 ) = MX(𝑡1 ).MY(𝑡2 ) Dalil 15
(Akibat Keempat Kebebasan Stokastik) Jika X dan Y adalah dua peubah
acak yang saling bebas, maka: Kov(X,Y) = 0 Dalil 16 (Akibat Kelima
Kebebasan Stokastik) Jika X dan Y adalah dua peubah acak yang saling
bebas, maka: ρ=0

Dalam hal ini, hubungan antara kebebasan stokastik dua peubah acak dan
koefisien korelasinya ρ = 0 sebagai berikut: 1. Jika X dan Y adalah dua
peubah acak yang saling bebas, maka ρ = 0. 2. Jika ρ = 0, maka X dan Y
adalah dua peubah acak yang belum tentu saling bebas.

Dalil 17 (Akibat Keenam Kebebasan Stokastik) Jika X dan Y adalah dua

peubah acak yang saling bebas, maka: 𝜇’r,s = 𝜇’r . 𝜇’s

40

BAB III PENUTUP

A. Kesimpulan Ekspektasi matematika adalah satu konsep penting dalam

teori dasar statistika. Ekspektasi Matematika (Harapan matematis) ini
menentukan tendensi sentral dari distribusi probabilitas. Jika X adalah
sembarang peubah acak, maka ekspektasi matematika dari peubah acak X
biasanya dinotasikan dengan E(X) atau µ. Ekspektasi matematika terbagi
dalam 2 bagian yaitu ekspektasi satu peubah acak dan ekspektasi dua
peubah acak. Dalam ekspektasi satu peubah acak dibahas mengenai nilai
ekspektasi, rataan, varians, momen, fungsi pembangkit momen, dan
pertidaksamaan Chebyshev. Sedangkan dalam ekspektasi dua peubah
acak membahas mengenai nilai ekspektasi gabungan, ekspektasi
bersyarat, rataan bersyarat, perkalian dua momen, kovarians, varians
bersyarat, fungsi pembangkit

momen gabungan, koefisien

stokastik, dan akibat kebebasan stokastik. B. Saran Ekspektasi matematika
adalah satu konsep penting dalam teori dasar statistika. Oleh karena itu
sebagai mahasiswa penting bagi kita untuk mempelajari contoh-contoh
yang berkaitan dengan ekspektasi matematika baik satu maupun dua
peubah acak serta mengembangkannya dalam kehidupan sehari-hari.
Dalam menyusun makalah ini, penulis menyadari sepenuhnya bahwa isi
makalah ini belumlah sempurna dan masih kurang baik mengenai materi
maupun cara penulisannya. Oleh karena itu, penulis sangat mengharapkan
kritik dan saran yang sifatnya membangun dari pihak lain yang dapat
menyempurnakan makalah ini.

41

Daftar Pustaka

N. Herrhyanto dan T.Gantini, Pengantar Statistika Matematik, Bandung,

Yrama Widya, 2009.

http://chandra-
novtiar.dosen.stkipsiliwangi.ac.id/files/2017/04/Pertemuan_5.pdf
http://chandra-
novtiar.dosen.stkipsiliwangi.ac.id/files/2017/04/Pertemuan_6.pdf
http://file.upi.edu/Direktori/FPMIPA/JUR._PEND._MATEMATIKA/19610618
19
87031NAR_HERRHYANTO/FILE_12_PERTEMUAN_KESEMBILAN_STAT
MAT_1.pdf
http://file.upi.edu/Direktori/FPMIPA/JUR._PEND._MATEMATIKA/19610618
19
87031NAR_HERRHYANTO/FILE_11_PERTEMUAN_KETUJUH_STATMA
T _1.pdf

https://pdfcoffee.com/brigita-wowiling-15504060-makalah-ekspektasi-
matematika-pdf-free.html

http://file.upi.edu/Direktori/FPMIPA/JUR._PEND._MATEMATIKA/19610618
1987031-
NAR_HERRHYANTO/FILE_12_PERTEMUAN_KESEMBILAN_STATMAT_
1.pdf