Joint CDF PMF PDF Variabel Acak Bersyarat Variabel Acak Independen

Probabilitas dan Proses Stokastik
Tim ProStok
Jurusan Teknik Elektro - FTI

Institut Teknologi Sepuluh Nopember
Surabaya, 2014
CP Teori Contoh Ringkasan Latihan
Capaian Pembelajaran
Mahasiswa mampu:
menghitung probabilitas joint event

menggunakan fungsi distribusi kumulatif dari
dua variabel acak
Joint CDF 3
Pengantar
Konsep variabel acak joint merupakan konsep perluasan

dari variabel acak tunggal. Variabel acak joint merupakan
event joint dari dua variabel acak yang didefinisikan dalam
ruang sampel yang sama.
Joint CDF 4
Fungsi Distribusi Kumulatif – Joint Cumulative Distribution Function (Joint CDF)
Joint CDF variabel acak X dan Y:
FX ,Y ( x, y ) = P ( X ≤ x, Y ≤ y )
S A={X≤x}
SJ
A y
A∩B A∩B=
{ X≤x, Y≤y}
B={Y≤y}
B
Joint CDF 5
Sifat-sifat Joint CDF
Sifat-sifat fungsi distribusi joint:
1. FX ,Y (−∞,−∞) = 0 FX ,Y (∞, ∞) = 1
2. 0 ≤ FX ,Y ( x, y ) ≤ 1
3. P ( x1 < X ≤ x2 , y1 < Y ≤ y2 )
= FX ,Y ( x2 , y2 ) + FX ,Y ( x1, y1 ) − FX ,Y ( x1, y2 ) − FX ,Y ( x2 , y1 )
4. FX ,Y ( x, ∞) = FX ( x) FX ,Y (∞, y ) = FY ( y )
Joint CDF 6
Soal
Masa pakai (X) dan intensitas (Y) sejenis bola lampu

memiliki fungsi distribusi joint
FX ,Y ( x, y ) = 1 − e −0.001x − e −0.002 y
+ e −0.001x −0.002 y untuk x ≥ 0, y ≥ 0
Dapatkan:
a) fungsi distribusi marginal X dan Y.
b) probabilitas event {500<X≤1500, 1000<Y≤ 2000}
Joint CDF 7
Solusi (1)
Validasi fungsi CDF:

1. FX ,Y (−∞,−∞) = 0
2. FX ,Y (∞, ∞) = 1 − e −0.001( ∞ ) − e −0.002( ∞ )
+ e −0.001( ∞ ) −0.002( ∞ ) = 1
Marginal CDF variabel acak X dan Y:
FX ( x) = FX ,Y ( x, ∞) = 1 − e −0.001x
FY ( y ) = FX ,Y (∞, y ) = 1 − e −0.002 y
Joint CDF 8
Solusi (2)
Probabilitas event {500<X≤1500, 1000<Y≤ 2000}
P (500 < X ≤ 1500,1000 < Y ≤ 2000)
= FX ,Y (1500,2000) + FX ,Y (500,1000)
− FX ,Y (1500,1000) − FX ,Y (500,2000)
= (1 − e −1.5 − e − 4 + e −5.5 ) + (1 − e −0.5 − e − 2 + e − 2.5 )
− (1 − e −1.5 − e − 2 + e − 2.5 ) − (1 − e −0.5 − e − 4 + e − 4.5 )

= 0.045
Joint CDF 9
Joint CDF
 Fungsi distribusi joint didefinisikan sebagai probabilitas

joint dari dua variabel acak
 Fungsi distribusi marginal dari satu variabel acak dapat

diperoleh dengan men-set salah satu variabel dalam
fungsi distribusi joint dengan nilai tak hingga
Joint CDF 10
Soal Latihan
Sebuah sistem memiliki dua buah komponen A dan B. Masa

pakai komponen A dan B memiliki distribusi eksponensial
dengan mean 2000 jam. Masa pakai komponen A dinyatakan
sebagai variabel acak X dan masa pakai komponen B
dinyatakan sebagai variabel acak Y.
Joint CDF dari X dan Y:
FX ,Y ( x, y ) = 1 − e −0.002 x − e −0.002 y + e −0.002 ( x + y ) x ≥ 0, y ≥ 0
Dapatkan:
a) marginal CDF var. acak X dan Y
b) probabilitas event {1000 < X ≤ 2000, 1500 < Y ≤ 2500}.
Joint CDF 11
Tim ProStok

Surabaya, 2014
Mahasiswa mampu:

menggunakan fungsi massa probabilitas dari
dua variabel acak
Joint PMF 3
Pengantar
Fungsi massa probabilitas joint digunakan untuk

mendeskripsikan joint event dari dua variabel acak diskrit
dalam bidang xy. Representasi joint PMF dalam bahasan ini
diberikan dalam bentuk persamaan dan matriks. Sifat-sifat
dari joint PMF tersebut terdapat juga dalam bahasan ini.
Joint PMF 4
Fungsi Massa Probabilitas Joint – Joint Probability Mass Function (Joint PMF)
Joint PMF variabel acak X dan Y:
PX ,Y ( x, y ) = P ( X ≤ x, Y ≤ y )
Sifat-sifat joint PMF :
1. PX ,Y ( x, y ) ≥ 0 2. ∑ ∑ PX ,Y ( x, y ) = 1
x∈S X y∈SY
3. PX ( x) = ∑ PX ,Y ( x, y ) PY ( y ) = ∑ PX ,Y ( x, y )
y∈SY x∈S X
Marginal PMF
Joint PMF 5
Soal
Dua IC dari pabrik XYZ dites. Pada tiap tes, outcome yang
mungkin adalah diterima (a) atau ditolak (r). Asumsikan
tiap IC yang diterima (a) memunyai probabilitas 0.9 dan
outcome tiap tes adalah independen.
Hitung jumlah IC yang diterima X dan hitung jumlah tes yang

sukses Y sebelum observasi pertama ditolak. (Jika kedua tes
adalah sukses, maka Y=2)
Joint PMF 6
Solusi (1)
X: jumlah tes diterima (a)

Y: jumlah tes diterima sebelum observasi pertama ditolak
0.9 a aa 0.81 X=2, Y=2

a
0.9 r ar 0.09 X=1, Y=1
0.1
0.9 a ra 0.09 X=1, Y=0

0.1 r
0.1 r rr 0.01 X=0, Y=0
Joint PMF 7
Solusi (1)
Representasi joint PMF dalam persamaan
0.81 x = 2, y = 2
 0.09 x = 1, y = 1

PX ,Y ( x, y ) =  0.09 x = 1, y = 0
0.01 x = 0, y = 0

 0 yanglain
Joint PMF 8
Solusi (1)
Representasi joint PMF dalam matriks
PX,Y(x,y) y=0 y=1 y=2 PX(x)
x=0 0.01 0 0 0.01

x=1 0.09 0.09 0 0.18
x=2 0 0 0.81 0.81

PY(y) 0.10 0.09 0.81
Joint PMF 9
Solusi (2)
Marginal PMF
 0.01 x = 0
 0.18 x = 1

• Variabel acak X: PX ( x) = 
 0.81 x = 2
 0 yang lain
 0.10 y = 0
 0.09 y = 1

• Variabel acak Y: PY ( y ) = 
 0.81 y = 2
 0 yang lain
Joint PMF 10
Joint CDF
 Fungsi distribusi joint didefinisikan sebagai probabilitas

joint dari dua variabel acak
 Fungsi distribusi marginal dari satu variabel acak dapat

diperoleh dengan men-set salah satu variabel dalam
fungsi distribusi joint dengan nilai tak hingga
Joint PMF 11
Soal Latihan
Dua komputer menggunakan modem dan line telpon untuk mentransfer e-mail
dan berita internet tiap jam. Pada permulaan dari panggilan data, modem pada
tiap line menegosiasikan kecepatan yang bergantung pada kualitas line. Bila hasil
negosiasi adalah rendah, komputer mereduksi jumlah berita yang ditransfer. Misal
jumlah bit yang ditransmisikan L dan kecepatan B dalam bits per second memiliki
joint PMF berikut:
PL,B(l,b) b = 14,400 b =21,600 b =28,800
l = 518,400 0.2 0.1 0.05
l = 2,592,000 0.05 0.1 0.2
l = 7,776,000 0 0.1 0.2
Dapatkan marginal PMF dari variabel acak L dan B.
Joint PMF 12
Tim ProStok

Surabaya, 2014
Mahasiswa mampu:

menggunakan fungsi kepadatan probabilitas
dari dua variabel acak
Joint PDF 3
Pengantar
Selain dideskripsikan dengan fungsi distribusi kumulatif

joint, dua variabel acak juga didespripsikan dalam fungsi
kepadatan probabilitas joint. Fungsi ini diperoleh dari
derivatif kedua dari fungsi distribusi joint-nya. Definisi dan
sifat-sifat dari fungsi kepadatan probabilitas joint terdapat
dalam bahasan ini.
Joint PDF 4
Fungsi Kepadatan Probabilitas Joint – Joint Probability Density Function (Joint PDF)
Joint PDF variabel acak X dan Y:
∂ 2 FX ,Y ( x, y )
f X ,Y ( x. y ) =
∂x∂y
Dari joint PDF variabel acak X dan Y dapat diperoleh joint CDF:
x y
FX ,Y ( x, y ) = ∫ ∫ f X ,Y ( x' , y ' )dx' dy '
−∞ −∞
Joint PDF 5
Sifat-sifat Joint PDF
Sifat-sifat fungsi kepadatan proabilitas joint:
1. f X ,Y ( x, y ) ≥ 0
∞ ∞
2. ∫ ∫ f X ,Y ( x, y ) dx dy = 1
−∞ −∞
y2 x2
3. P ( x1 < X ≤ x2 , y1 < Y ≤ y2 ) = ∫ ∫ f X ,Y ( x, y ) dx dy
y1 x1
∞ ∞
4. f X ( x) = ∫ f X ,Y ( x, y ) dy fY ( y ) = ∫ f X ,Y ( x, y ) dx
−∞ −∞
Joint PDF 6
Soal
Masa pakai (X) dan intensitas (Y) sejenis bola lampu

memiliki fungsi distribusi joint
FX ,Y ( x, y ) = 1 − e −0.001x − e −0.002 y
+ e −0.001x −0.002 y untuk x ≥ 0, y ≥ 0
Dapatkan:
a) fungsi kerapatan probabilitas marginal X dan Y.
b) probabilitas event {500<X≤1500, 1000<Y≤ 2000}
Joint PDF 7
Solusi (1)
Joint CDF variabel acak X dan Y:
FX ,Y ( x, y ) = 1 − e −0.001x − e −0.002 y + e −0.001x −0.002 y
Joint PDF variabel acak X dan Y:
∂ 2 FX ,Y ( x, y )
f X ,Y ( x, y ) =
∂x∂y
= 2 ⋅10−6 e −0.001x −0.002 y
Joint PDF 8
Solusi (2)
Marginal PDF variabel acak X:

∞
f X ( x) = ∫ f X ,Y ( x, y ) dy
−∞
∞
= 2 ⋅10−6 ∫ e −0.001x −0.002 y dy = 0.001e −0.001x
0
Marginal PDF variabel acak Y:

∞
fY ( y ) = ∫ f X ,Y ( x, y ) dx
−∞
∞
= 2 ⋅10−6 ∫ e −0.001x −0.002 y dx = 0.002e −0.002 y
0
Joint PDF 9
Solusi (3)
Probabilitas event {500<X≤1500, 1000<Y≤ 2000}
P (500 < X ≤ 1500,1000 < Y ≤ 2000)
2000 1500
= ∫ ∫ 2 ⋅10−6 e −0.001x −0.002 y dx dy
1000 500
2000
= 2 ⋅10−3 (0.3834) ∫ e −0.002 y dy = 0.045
1000
Joint PDF 10
Joint PDF
 Fungsi kepadatan joint diperoleh dari derivatif kedua

fungsi distribusi joint
 Integral fungsi kepadatan joint terhadap salah satu

variabel akan diperoleh fungsi kepadatan marginal dari
variabel yang lainnya
Joint PDF 11
Soal Latihan

FX ,Y ( x, y ) = 1 − e −0.002 x − e −0.002 y + e −0.002 ( x + y ) x ≥ 0, y ≥ 0
Dapatkan:
a) marginal PDF var. acak X dan Y
b) probabilitas event {1000 < X ≤ 2000, 1500 < Y ≤ 2500}.
Joint PDF 12
Tim ProStok

Surabaya, 2014
Mahasiswa mampu:
menghitung probabilitas joint event bersyarat

event lain
Variabel Acak Bersyarat 3

Pengantar
Pada bahasan ini, akan diturunkan model probabilitas baru

dari variabel acak yang didasarkan pada pengetahuan
parsial yang dapat berupa event dalam variabel acak yang
sama atau dalam variabel acak yang lain. Model
probabilitas ini disebut dengan fungsi distribusi
(kepadatan) bersyarat.

Fungsi Distribusi (Kepadatan) Bersyarat (1)
Fungsi distribusi X bersyarat event B:
FX ( x B ) = P ( X ≤ x B )
Fungsi kepadatan X bersyarat event B :

dFX ( x B )
f X ( x B) =
dx
dengan event B:
 event dalam variabel acak X
 event dalam variabel yang lain

 Event B = {X ≤ a}
FX ( x B ) = FX ( x X ≤ a ) = P ( X ≤ x X ≤ a )
P ( X ≤ x, X ≤ a )
FX ( x X ≤ a ) =
P( X ≤ a)
 Event B = {Y ≤ b}
FX ( x B ) = FX ( x Y ≤ b)
P ( X ≤ x, Y ≤ b) FXY ( x, b)
= =
P (Y ≤ b) FY (b)
FX ,Y ( x, y )
Secara umum, CDF bersyarat: FX ( x Y ≤ y ) =
FY ( y )
FX ,Y ( x, y )
FY ( y X ≤ x) =
FX ( x)
f X ,Y ( x, y )
PDF bersyarat: f X ( x Y = y) =
fY ( y )
f X ,Y ( x, y )
fY ( y X = x ) =
f X ( x)
Soal
Masa pakai (X) dan intensitas (Y) sejenis bola lampu yang
memiliki fungsi kepadatan joint
f X ,Y = 2 ⋅10−6 e −0.001x −0.002 y untuk x ≥ 0, y ≥ 0
Dapatkan:
a) fungsi kepadatan marginal X dan Y.
b) probabilitas lampu dapat dipakai lebih dari 1000 jam bila
diketahui intensitas lampu adalah 500 lumen

Solusi (1)

∞
f X ( x) = ∫ f X ,Y ( x, y ) dy
−∞
∞
= 2 ⋅10−6 ∫ e −0.001x −0.002 y dy = 0.001e −0.001x
0

∞
fY ( y ) = ∫ f X ,Y ( x, y ) dx
−∞
∞
= 2 ⋅10−6 ∫ e −0.001x −0.002 y dx = 0.002e −0.002 y
0
Solusi (2)
Probabilitas X > 1000 jam, diketahui Y = 500

∞
P ( X > 1000 Y = 500) = ∫ f X ( x Y = 500) dx
1000
Fungsi kepadatan X bersyarat Y :
f XY ( x,500 )
f X ( x Y = 500) =
fY (500 )
2.10−6 e −0.001x .e −0.002(500)

= = 10−3 e −0.001x
2.10−3.e −0.002(500)
Solusi (3)
Probabilitas lampu dapat dipakai lebih dari 1000 jam bila

diketahui intensitas lampu adalah 500 lumen
∞
P ( X > 1000 Y = 500) = 10−3 ∫ e −0.001x dx
1000
−3 −0.001x ∞
= 10 ⋅ (−10 3
)e
1000
= −1(0 − e −1 ) = e −1 = 0.3679

Variabel Acak Bersyarat
 Fungsi distribusi suatu variabel acak bersyarat variabel

acak yang lain sama dengan fungsi distribusi joint dari
dua variabel acak tersebut dibagi dengan fungsi distribusi
marginal variabel acak yang dijadikan syaratnya
 Fungsi kepadatan suatu variabel acak bersyarat variabel

acak yang lain sama dengan fungsi kepadatan joint dari
dua variabel acak tersebut dibagi dengan fungsi
kepadatan marginal variabel acak yang dijadikan
syaratnya

Soal Latihan

Joint PDF dari X dan Y:
f X ,Y ( x, y ) = 4 ⋅ 10 −6 e −0.002( x + y ) x ≥ 0, y ≥ 0
Tentukan probabilitas komponen A bertahan lebih lama dari

pada komponen B. Asumsikan P(X>2000, bila Y=2000)

Tim ProStok

Surabaya, 2014
Mahasiswa mampu:
menghitung probabilitas joint event untuk dua

variabel acak independen
Variabel Acak Independen 3

Pengantar
Dalam bahasan ini, dijelaskan konsep independensi

variabel acak yang merupakan penerapan konsep
independensi dari event. Interpretasi dari variabel acak
independen adalah generalisasi interpretasi dari event-
event independen.

Variabel Acak Independen (1)
Probabilitas dua event independen, A dan B:

P ( A ∩ B ) = P ( A) P ( B )
Untuk event A = {X ≤ x} dan event B = {Y ≤ y}, bila
P( X ≤ x, Y ≤ y ) = P ( X ≤ x) P (Y ≤ y )
maka variabel acak X dan Y disebut independen
Fungsi distribusi (kepadatan) joint untuk X dan Y independen:

FX ,Y ( x, y ) = FX ( x) FY ( y ) f X ,Y ( x, y ) = f X ( x) fY ( y )

Untuk X dan Y independen, CDF bersyarat:
FX ( x Y ≤ y ) = FX ( x)
FY ( y X ≤ x) = FY ( y )
dan PDF bersyarat: f X ( x Y ≤ y ) = f X ( x)
fY ( y X ≤ x ) = fY ( y )

Soal
Masa pakai (X) dan intensitas (Y) sejenis bola lampu yang
memiliki fungsi kepadatan joint
f X ,Y = 2 ⋅10−6 e −0.001x −0.002 y untuk x ≥ 0, y ≥ 0
a) Dapatkan fungsi kepadatan marginal X dan Y

b) Buktikan bahwa variabel acak X dan Y adalah independen

Solusi (1)

∞
f X ( x) = ∫ f X ,Y ( x, y ) dy
−∞
∞
= 2 ⋅10−6 ∫ e −0.001x −0.002 y dy = 0.001e −0.001x
0

∞
fY ( y ) = ∫ f X ,Y ( x, y ) dx
−∞
∞
= 2 ⋅10−6 ∫ e −0.001x −0.002 y dx = 0.002e −0.002 y
0
Solusi (2)
Fungsi kepadatan joint X dan Y
f X ( x) ⋅ fY ( y ) = 0.001e −0.001x ⋅ 0.002e −0.002 y
= 2 ⋅10−6 e −0.001x −0.002 y
Karena f X ( x) ⋅ fY ( y ) = f X ,Y ( x, y )
X dan Y adalah independen

Variabel Acak Independen
 Jika X dan Y independen, maka fungsi distribusi dan

kepadatan joint merupakan hasil kali dari fungsi
distribusi atau kepadatan masing-masing variabel acak
tersebut
 Untuk X dan Y independen maka fungsi distribusi

(kepadatan) X bersyarat Y atau sebaliknya tidak
bergantung pada fungsi distribusi (kepadatan) dari
variabel yang dijadikan syaratnya

Soal Latihan

FX ,Y ( x, y ) = 1 − e −0.002 x − e −0.002 y + e −0.002( x + y ) x ≥ 0, y ≥ 0
Apakah masa pakai komponen A dan B independent?


Joint CDF PMF PDF Variabel Acak Bersyarat Variabel Acak Independen

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Joint CDF PMF PDF Variabel Acak Bersyarat Variabel Acak Independen

Diunggah oleh

Hak Cipta:

Format Tersedia

Probabilitas dan Proses Stokastik

Jurusan Teknik Elektro - FTI

menghitung probabilitas joint event

Konsep variabel acak joint merupakan konsep perluasan

Fungsi Distribusi Kumulatif – Joint Cumulative Distribution Function (Joint CDF)

Joint CDF variabel acak X dan Y:

Sifat-sifat Joint CDF

Sifat-sifat fungsi distribusi joint:

Masa pakai (X) dan intensitas (Y) sejenis bola lampu

+ e −0.001x −0.002 y untuk x ≥ 0, y ≥ 0

Validasi fungsi CDF:

2. FX ,Y (∞, ∞) = 1 − e −0.001( ∞ ) − e −0.002( ∞ )

Marginal CDF variabel acak X dan Y:

Probabilitas event {500<X≤1500, 1000<Y≤ 2000}

P (500 < X ≤ 1500,1000 < Y ≤ 2000)

= (1 − e −1.5 − e − 4 + e −5.5 ) + (1 − e −0.5 − e − 2 + e − 2.5 )

− (1 − e −1.5 − e − 2 + e − 2.5 ) − (1 − e −0.5 − e − 4 + e − 4.5 )

 Fungsi distribusi joint didefinisikan sebagai probabilitas

 Fungsi distribusi marginal dari satu variabel acak dapat

Sebuah sistem memiliki dua buah komponen A dan B. Masa

FX ,Y ( x, y ) = 1 − e −0.002 x − e −0.002 y + e −0.002 ( x + y ) x ≥ 0, y ≥ 0

Jurusan Teknik Elektro - FTI

menghitung probabilitas joint event

Fungsi massa probabilitas joint digunakan untuk

Joint PMF variabel acak X dan Y:

Sifat-sifat joint PMF :

Hitung jumlah IC yang diterima X dan hitung jumlah tes yang

X: jumlah tes diterima (a)

0.9 a aa 0.81 X=2, Y=2

0.9 a ra 0.09 X=1, Y=0

Representasi joint PMF dalam persamaan

Representasi joint PMF dalam matriks

PX,Y(x,y) y=0 y=1 y=2 PX(x)

x=0 0.01 0 0 0.01

x=2 0 0 0.81 0.81

 Fungsi distribusi joint didefinisikan sebagai probabilitas

 Fungsi distribusi marginal dari satu variabel acak dapat

Dapatkan marginal PMF dari variabel acak L dan B.

Jurusan Teknik Elektro - FTI

menghitung probabilitas joint event

Selain dideskripsikan dengan fungsi distribusi kumulatif

Joint PDF variabel acak X dan Y:

Sifat-sifat Joint PDF

Sifat-sifat fungsi kepadatan proabilitas joint:

Masa pakai (X) dan intensitas (Y) sejenis bola lampu

+ e −0.001x −0.002 y untuk x ≥ 0, y ≥ 0

Joint CDF variabel acak X dan Y:

FX ,Y ( x, y ) = 1 − e −0.001x − e −0.002 y + e −0.001x −0.002 y

Joint PDF variabel acak X dan Y:

= 2 ⋅10−6 e −0.001x −0.002 y

Marginal PDF variabel acak X:

Marginal PDF variabel acak Y:

Probabilitas event {500<X≤1500, 1000<Y≤ 2000}

P (500 < X ≤ 1500,1000 < Y ≤ 2000)

 Fungsi kepadatan joint diperoleh dari derivatif kedua

 Integral fungsi kepadatan joint terhadap salah satu

Sebuah sistem memiliki dua buah komponen A dan B. Masa

FX ,Y ( x, y ) = 1 − e −0.002 x − e −0.002 y + e −0.002 ( x + y ) x ≥ 0, y ≥ 0

Jurusan Teknik Elektro - FTI

menghitung probabilitas joint event bersyarat

Variabel Acak Bersyarat 3

Pada bahasan ini, akan diturunkan model probabilitas baru

Variabel Acak Bersyarat 4

Fungsi Distribusi (Kepadatan) Bersyarat (1)