KETIDAKSAMAAN CHEBYSHEV

Ketaksamaan Chebyshev merupakan ketaksamaan yang membandingkan perkalian

dua integral fungsi dengan integral dari perkalian dua fungsi dengan syarat fungsi tersebut
merupakan fungsi monoton.
Teorema Chebyshev
Probabilitas dari sembarang peubah acak m X dalam selang k simpangan baku dari rataan
sekurang-kurangnya 1 – 1/ k 2,
1
P ( μ−kσ < X < μ+ kσ ) ≥1−
k2
Bukti dari Teorema Chebyshev:
σ 2=E [( X−μ ) 2 ]
∞
¿∫ ¿¿
−∞

μ −kσ
¿ ∫ ¿¿
−∞

μ−kσ
≥ ∫ ¿¿
−∞

Sekarang karena | x - µ|≥ kσ, maka berlaku ( x−µ)2 ≥ k 2 σ 2 , sehingga kedua suku terakhir
dapat dituliskan sebagai berikut:
μ−kσ ∞ μ−kσ ∞
1
σ 2≥ ∫ k 2 σ 2 f ( x ) dx+ ∫ k 2 σ 2 f ( x ) dx atau ∫ f ( x ) dx+ ∫ f ( x ) dx ≤
−∞ μ +kσ −∞ μ+ kσ k2
Sehingga diperoleh:
1
P ( μ−kσ < X < μ+ kσ ) ≥1−
k2
Contoh:
Contoh Penggunaan Teorema Chebyshev:
Peubah acak X mempunyai rataan µ=8 dan variansi σ2 = 9, serta distribusi peluang tidak
diketahui. Tentukan P ( - 4 < x < 20).
Jawab:
15
P (−4 < x< 20 )=P[8−( 4 )( 3 )< x <8+ ( 4 )( 2 ) ]≥
16

Teorema Ketidaksamaan Chebyshev

Misalkan X adalah variabel acak dengan rata-rata (μ) dan varians (σ2), untuk setiap nilai k >
0, maka,
σ2
P {|X −μ|≥ k } ≤
k2
Bukti:
Perhatikan gambar berikut:

2
Sekarang perhatikan σ 2=E [ X−E ( X ) ] ≥ k 2 P [| X−E ( X )|≥ k ]
Sehingga teorema terbukti.
Pada ketidaksamaan ini, abaikan terlebih dahulu integral dari μ−k hingga μ+k, kemudian
mengganti fungsi yang di dalam tanda integral pada integral sisanya, yakni −∞ ke μ−k dan

dari μ+k ke + ∞ dengan nilai minimumnya k 2. Perhatikan bahwa P [|X −E ( X )|≥ k ] adalah

massa peluang di luar μ−k , μ+ k : P [ X ∈ S ] = ∫ f ( x ) dx, bila S= { x :|x−μ|≥ k } .

x ∈S

Atau
σ 2=E ¿
μ−k
≥ ∫ ¿¿
−∞

μ−k ∞ μ−k ∞
≥ ∫ k 2 f ( x ) dx + ∫ k 2 f ( x ) dx=k 2
−∞ μ +k
( ∫ f ( x ) dx + ∫ f ( x ) dx
−∞ μ+k
)
¿ k 2 [ P ( X ≤ μ−k ) + P ( X ≥ μ+ k ) ]
¿ k 2 [ P ( X−μ ≤−k ) + P ( X−μ ≥ k ) ]
¿ k 2 P (|X −μ|≥ k )
Bukti lainnya:
Karena ( X −μ)2 ≥ 0, maka dengan menggunakan ketidaksamaan Marov:
E(X)
P ( X ≥ k )≤
k
 2 2 E [ ( X−μ )2 ]
P {( X −μ ) ≥ k }≤
k2
Ingat bahwa : ( X −μ )2 ≥ k 2 ⟺∨X−μ∨≥ k
Jadi,
2
σ
P(| X−μ|≥ k )≤ 2
k
Apabila k diganti dengan σk, maka
1
P(| X−μ|≥ kσ )≤
k2
Dapat juga dinyatakan kembali menjadi,
Batas atas (paling banyak):
1
P (|X −μ|≥ kσ ) ≤
k2
Batas bawah (palling sedikit):
1
P (|X −μ|< kσ ) ≥1−
k2
Bentuk Ekuivalensi dari Pertidaksamaan Chebyshev
Bentuk ekuivalensi dari pertidaksamaan Chebyshev, Sebagai berikut : JIKA variabel random
X mempunyai mean μ dan variansi σ2 , maka untuk suatu konstanta c dan k berlaku:
1
a . P (|X −μ|≥ kσ ) ≤
k2
1
b . P (|X −μ|<kσ ) ≥ 1−
k2
σ2
c . P(|X−μ|≥ c )≤
c2
Ketaksamaan Chebyshev dalam Bentuk Determinan
Jika f 1 , f 2 , … , f n dan g1 , g 2 , … , g n fungsi yang terintegralkan Riemann pada [a,b] dan
¿
Maka
b b

|
∫ f 1 ( x ) g 1 ( x ) dx ⋯
a

b
⋮

∫ f n ( x ) g 1 ( x ) dx
a
⋱

⋯
a

b
⋮
|
∫ f 1 ( x ) g n ( x ) dx

∫ f n ( x ) g n ( x ) dx
a
≥0
Ide pembuktian akan dimulai dari kasus determinan matriks 2 × 2. Jika 𝑓𝑖 dan 𝑔𝑖 fungsi yang
terintegralkan Riemann pada [𝑎, 𝑏] dan

Berdasarkan sifat positif integral. Lalu dengan cara yang sama untuk matriks
 b b

|
∫ f 1 ( x ) g 1 ( x ) dx

|
∫ f 1 ( x ) g n ( x ) dx
⋯
a a
⋮ ⋱ ⋮
b b

∫ f n ( x ) g 1 ( x ) dx ⋯ ∫ f n ( x ) g n ( x ) dx
a a

b b
1
¿ ∫ ⋯∫ ¿ ¿
n! a a
Hal ini dikarenakan ada n! cara dalam pengambilan f i.

PELUANG BERSYARAT
Pada beberapa hal, kejadian B sering dipengaruhi oleh kejadian A. Peluang terjadinya
B jika diketahui kejadian A telah terjadi disebut peluang bersyarat dan dinyatakan dengan
P ( B| A ). Lambang P ( B| A )biasanya dibaca “peluang B terjadi bila diketahui A terjadi” atau
“peluang B bila A diketahui”.

DEFINISI
Peluang bersyarat B jika diketahui A ditentukan oleh
P( A ∩B)
P ( B| A )= bila P ( A ) >0
P (A )
Contoh 1
Misalkan ruang sampel S menyatakan orang dewasa yang tamat SMU di Kecamatan
Sukamadu.Mereka dikelompokkan menurut jenis kelamin dan status pekerjaan,
Bekerja Tidak Bekerja
Laki-Laki 460 40
Wanita 140 260
Kecamatan tersebut akan dijadikan daerah pariwisata dan seseorang akan dipilih secara acak
untuk mempromosikan ke luar negeri. Tentukanlah peluang yang terpilih adalah laki-laki jika
diketahui telah bekerja!
Penyelesaian :
Misalkan
L : Kejadian yang terpilih laki-laki
B : Kejadian yang terpilih dalam status bekerja
n ( B ) 600 2
P( B) = = =
n ( S ) 900 3
 n( L∩ B) 460 23
P ( L∩ B )= = =
n (S ) 900 45
Maka
23
P ( L ∩B ) 45 23
P ( L|B ) = = =
P( B) 2 30
3
23
Jadi peluang yang terpilih adalah laki-laki jika diketahui telah bekerja adalah .
30

Penyelesaian peluang bersyarat bisa menggunakan ruang sampel B yang diperkecil, maka
kita batasi ruang sampel pada orang dewasa yang telah bekerja, sehingga
n ( laki−laki status bekerja ) = 460
n ( S) = 600
460 23
P ( L|B ) = =
600 30

Contoh 2
Diantara 10 orang laki-laki dan 10 orang wanita 2 laki-laki dan 3 wanita yang buta warna.
Jika dipilih secara acak seorang yang buta warna, tentukan peluang yang terpilih adalah laki-
laki!
Penyelesaian :
Misalkan
A = kejadian terpilih laki-laki
B = kejadian terpilih wanita
C = kejadian terpilih buta warna
Maka
n( A ∩C) 2
P ( A ∩ B )= =
n (S) 20
n (C) 5
P(C) = =
n ( S ) 20
Sehingga
2
P ( A ∩ B ) 20 2
P ( A|C ) = = =
P(C ) 5 5
20
CATATAN
P( A ∩B)
P ( B| A )=
P(A )
↔ P ( A ∩ B )=P ( A ) . P ( B| A )

Contoh 3
Misalkan sebuah kotak berisi 20 sekering, 5 diantaranya cacat. Bila dua sekering dikeluarkan
dari kotak satu demi satu secara (tanpa pengembalian) berapakah peluang kedua sekering itu
cacat ?
Penyelesaian :
Misal
A = kejadian sekering pertama cacat
B = kejadian yang kedua cacat
Maka
5 1
P ( A )= =
20 4
dan kemudian sisa sekeringnya 19 dan ada 4 yang cacat, sehingga
4
P ( B| A )=
19
Sehingga didapat
1 4 1
P ( A ∩ B )=P ( A ) . P ( B| A )= ∙ =
4 19 19
1
Jadi peluang kedua sekering itu cacat adalah .
19

Proses Stokastik
Proses stokastik adalah keluarga variabel acak { X ( t ) ,t ∈ T } . Suatu harga t dari T disebut
indeks atau parameter “waktu.”
 Jika T ={0,1,2,3, … .. } atau T ={± 0 , ±1 , ± 2, ± 3 , …. } maka proses stokastik ini
berparameter diskret dan biasanya disingkat dengan notasi { X n }.
 Jika T ={ t |−∞<t <∞ } atau T ={t∨t ≥0 }, maka proses stokastiknya berparameter
kontinyu dan dinyatakan dengan notasi { X ( t ) ,t ≥ 0}.
Contoh
Pada percobaan pelemparan mata uang berkali-kali
X 1 adalah peubah acak yang berhubungan dengan pelemparan pertama
X 2 adalah peubah acak yang berhubungan dengan pelemparan kedua
.
.
.
X n adalah peubah acak yang berhubungan dengan pelemparan ke-n
X 1 sampai X nini disebut keluarga peubah acak yang dapat juga disebut proses stokastik.
Contoh :
Perhatikan banyaknya kelahiran di suatu tempat pada suatu hari. Bila X t adalah banyaknya
kelahiran pada (0,t) dengan t ∈ [0,1440], maka kumpulan dari X t adalah proses stokastik.

Semua kemungkinan harga yang dapat terjadi pada variabel acak X(t) disebut ruang status.
Ruang status disebut diskret apabila finite atau infinite countable, sementara disebut kontinyu
bila berisi interval dari garis real.
Contoh-contoh :
 Waktu tunggu sejak memberikan perintah komputer hingga dieksekusi adalah
{W ( t ) ,t ≥0 } memiliki parameter kontinyu dan ruang status kontinu.

 Jumlah dari pesan yang datang dalam periode waktu dari 0 hingga t adalah
{N ( t ) ,t ≥ 0 } memiliki parameter kontinyu dan ruang status diskret.

 { X n ,n=1,2 , … ., 12 } menunjukkan curah hujan rata-rata di Jakarta pada bulan ke n

dalam satu tahun, memiliki parameter diskret dan ruang status kontinu.
 { X n ,n=¿ semester ke 1, 2, 3, ....} yang menunjukkan jumlah SKS yang berhasil
diperoleh si tono pada semester ke n, memiliki parameter diskret dan ruang status
diskret.