1

P ( C 1 ) P ( C|Ci )
P (Ci|C )= M
∑ P(Ck )P ( C|Ck )
K =1
P ( C 1∩C )
=
P(C )
P ( Ci ) . P(C|Ci)
=M
∑ P ( C|Ci ) P(C|Ci )
i=1

IV.2. DISTRIBUSI MARGINAL DAN DISTRIBUSI BERSYARAT

Telah diketahui bahwa pengertian distribusi suatu peubah acak, dapat diartikan
sebagai fkp nya maupun sebagai fungsi distribusinya. Berikut ini akan dikemukakan fkp
marginal, fkp bersyarat, dan ekspektasi-ekspektasi bersyaratnya, jika kita memiliki distribusi
bersama beberapa peubah acak.

1. Distribusi (fkp) Marginal

Misalkan f (x,y) adalah f.k.p. bersama dari X dan Y. Perhatikan peristiwa (a < X < b)
dengan a < b. Ekivalen dengan peristiwa {a < X < b, −∞ < Y < ∞}. Akibatnya,

P (a < X < b) = P (a < X < b, −∞ < Y < ∞)

Akan tetapi,

P (a < X < b) = P (a < X < b, −∞ < Y < ∞) =

b ∞

¿
{
∫ ∫ f ( x , y ) dydx ; X , Y kontinu
a −∞

∑ ∑ f ( x , y ) ; X ,Y diskrit
a< x<b y

Oleh karena itu kita peroleh:

P (a < X < b) =
{
∫ f 1 ( x ) dx ; X kontinu
a

∑ f 1 ( x ) ; X diskrit
a< x<b
 2

di mana,

f 1 ( x )=
{
∫ f ( x , y ) dy ; X ,Y kontinu
−∞

∑ f ( x , y ) ; X ,Y diskrit
y

Jelas bahwa f 1 ( x ) adalah fungsi dari x saja. Oleh karena itu dinamakan fkp marginal X.
dengan cara yang sama seperti atas, maka

f 2 ( y )=
{ ∫ f ( x , y ) dx ; x , y kontinu
−∞

∑ f ( x , y ) ; x , y diskrit
x

Di namakan fkp marginal Y.

Berikut ini disajikan contoh pencarian kp marginal baik untuk kasus diskrit maupun kontinu.

Contoh 4.7

Misalkan X dan Y mempunyai fkp bersama berikut

x+ y
f ( x , y )= 21
{
; x=1,2,3 dan y=1,2
0 ; x , y yang lain

Cari:

a. Fkp marginal X
b. Fkp marginal Y
c. P(X=3)
d. P(Y=2)
Penyelesaian:

Di sini X dan Y diskrit, jadi

a. Fkp marginal X adalah

2

∑ x21
+ y 2 x +3
f 1 ( x )=
{ =
y=1 21
; x =1,2,3
0 ; x yang lain
 3

b. Fkp marginal Y adalah

3

∑ x21
+ y 3 y +6
f 2 ( y )=
{
x=1
=
21
; y=1,2
0 ; y yanglain

2 ( 3 )+3 3
c. P(X = 3) = f 1 ( 3 ) = =
21 7
3 (2 )+6 3
d. P(Y = 2) = f 2 ( 2 ) = =
21 7
Dalam kasus dua peubah acak diskrit seperti pada contoh di atas, fpk marginal akan mudah
diperoleh dengan menggunakan tabel distribusi bersama X dan Y. Perhatikan kembali contoh
4.7b. tabel distribusi bersamanya adalah sebagai berikut.

y x 1 2 3 Jumlah

1 2/21 3/21 4/21 9/21

2 3/21 4/21 5/21 12/21

Jumlah 5/21 7/21 9/21 1

Jika kita jumlahkan ke bawah, maka kita peroleh fkp marginal x, yakni:

X 1 2 3

f1 (x) 5/21 7/21 9/21

Sedangkan jumlah ke samping adalah fkp marginal Y berikut :

X 1 2

f2 (y) 9/21 12/21

Contoh 4.8

X dan Y diketahui memiliki fkp bersama berikut.

 4

f ( x , y )= {0 2;; x 0<, y yang

x< y <1
lain

Tentukan :

a. fkp marginal X
b. fkp marginal Y
c. P(X < ½)
d. P(Y> ¼)

Penyelesaian :

a. F.k.p. marginal X adalah :

∞ 1
f 1 ( x )= ∫ f ( x , y ) dy=∫ 2dy
−∞ x

¿ 2 ( 1−x ) ; 0< x <1

{ 0 ; x yang lain

b. F.k.p marginal Y adalah,

∞ y
f 2 ( y )= ∫ f ( x , y ) dx=∫ 2 dx
−∞ 0

¿ 2 y ; 0< y <1
{
0 ; y yang lain

0,5 0,5
3
c. P (X < 0,5¿=∫ f 1 ( x ) dx=¿ ∫ 2 ( 1−x ) dx= ¿
0 0 4
0,25
15
d. P (Y >0,25)=1−P (Y ≤ 0,25 )=1− ∫ 2 y dy =
0 16

2. Distribusi Bersyarat ( fkp bersyarat)

Pada bagian ini akan dibahas pengertian fkp bersyarat suatu peubah acak diketahui harga
satu peubah acak yang lain. Untuk itu kita mulai dengan memperhatikan dua peubah acaka
diskrtit X dan Y. Tuliaskan kembali f (x,y), f 1(x), dan f2(y) masing – masing fkp bersama
dari X dan Y, fkp marginal x, dan fkp marginal y.
 5

Misalkan a dan b dua bilangan riil sembarang. Jika.

A = { ( x , y ) │ x=a ,−∞< y < ∞ } dan

B = { ( x , y ) │ y =b ,−∞< x< ∞ },
Maka

P ( A ∩ B ) P ( X=a ,Y =b ) f (a ,b)
P ( B │ A )= = =
P ( A) P( X=a ) f 1 (a )

Akan tetapi P ( B │ A )=P ( Y =b │ X=a ). Karena a dan b sembarang, Secara umum kita

f ( x , y)
temukan bahwa peluang bersyarat dari Y diketahui X = x, adalah , asal f 1 ( x)>0. Bila
f 1( x)
harga x ditetapkan, maka peluang tersebut merupakan fungsi dari y. Jelas fungsi itu
merupakan suatu fkp, sebab

f (x , y)
(i) ≥0
f 1( x)
f (x, y) 1 f (x)
(ii) ∑ = ∑ f ( x , y )= 1 =1
y f 1 (x) f 1 (x) y f 1( x )

Fkp tersebut selanjutnya diberi lambang f(x│y). Jadi,

f (x , y )
f ( x| y )=
f 2( y )

Fkp f(y│x) ini dinamakan fkp bersyarat dari Y diketahui X = x. Dengan cara yang sama, fkp
bersyarat dari X diketahui Y = y adalah

f ( x , y)
f(y│x) = f ( x)
1

Konsep fkp bersyarat pada kasus peubah acak diskrit diatas, dapat diperluas pada kasus dua
peubah acak kontinu. Jadi, secara umum, kita tuliskan kembali f(y│x), f 1 ( x), f 2 ( x) berturut-
turut fkp bersama dari dua peubah acak (diskrit atau kontinu) X dan Y, fkp marginal X, dan

f (x , y)
fkp marginal Y. Jika f 1 ( x) > 0, jelas bahwa f(x│y) = adalah suatu fkp, (coba anda
f 1( x)
buktikan sendiri sebagai latihan), dan dinamakan fkp bersyarat dari Y diketahui X = x.
 6

Demikian pula, jika f 2 ( y) > 0, fkp bersyarat dari X diketahui Y = y adalah

f (x , y )
f ( x| y )=
f 2( y )

fkp bersyarat fkp f(x│x) dan f(x│y) masing-masing mendefinisikan suatu distribusi. Dengan
demikian pada distribusi-distribusi tersebut dapat kita cari mean, variansi dan juga peluang
suatu peristiwa.

Dalam hal X dan Y kontinu, kita peroleh

i. P ( a< X ≤ b|Y = y )=∫ f ( x| y ) dx , adalah peluang bersyarat dari a<X≤b diketahui

a

Y=y

Catatan, ruas kiri biasa ditulis P ( a< X ≤ b| y )

d
ii. P ( c< Y ≤ d|X =x )=∫ f ( y|x ) dy , adalah peluang bersyarat dari c<Y≤d diketahui
c

X=x
∞

iii. E [ u( X ) │ y ] = ∫ u ( x ) f ( x │ y)dx , adalah ekspetasi matematik bersyarat dari u(X)

−∞

diketahui Y=y.
iv. E [ Y │ x ], jika ada adalah mean bersyarat dari Y diketahui X=x sedangkan E [ Y │ x ],
jika ada adalah mean bersyarat X diketahui Y=y.
2
v. E [ {Y −E [ Y │ x ] } │ x ] , jika ada, adalah variasi bersyarat dari Y diketahui X=x.
Variasi ini dapat dihitung melalui kesamaan

2 2 2
E [ ( Y −E [ Y | x ] ) |x ]=E [ Y ∨x ] −{ E ( Y ∨x ) }

2 2
vi. E [ ( Y −E [ Y | x ] ) |x ]=E [ Y 2 ∨x ] −{ E ( Y ∨x ) } adalah variansi bersyarat dari x
diketahui Y = y.

Dalam hal X dan Y diskrit ,ke enam perolehan diatas tetap berlaku, dengan catatan
lambang integral diaganti dengan lambang jumlah.

Contoh 4.9.

Perhatikan kembali kedua peubah acak X dan Y pada contoh 4.8. Fkp bersamanya adalah,
 7

f ( x , y )= {0 2;; x 0<, y yang

x< y<1
lain }

Tentukan:

a. Fkp bersyarat dari X diketahui Y=y.

b. Mean bersyarat dari X diketahui Y=y.
c. Variansi bersyarat dari X diketahui Y=y.
d. P ( 0< X ≤ 0,5∨ y =0,75 ) .
e. P ( 0< X < 0,5 ) .

Penyelesaian :

Pada Contoh 4.8. telah diperoleh fkp marginal x dan fkp marginal Y sebagai berikut.

f 1 ( x )= {20(1−x ) ; 0< x<1

; x yang lain }

f 2 ( y )= {02; yy ;yang
0< y <1
lain }

Jadi ,

2 1
a. f ( x∨ y )=
f (x , y)
f 2 ( y) {
= 2y y
= ; 0< x < y <1
0 ; x , y yang lain }
∞ y
1 y
b. E ( X| y ) =∫ xf ( x| y ) dx=∫ x dx= ; 0< y <1.
−∞ 0 y 2
0,5
Umpama y =0,5 , maka E [ X∨0,5 ] = =0,25
2
∞ y
2 2 2 1 1
c. E ( X ∨ y )= ∫ x f ( x| y ) dx=∫ x dx = y 2 .
−∞ 0 y 3

dengan 0<y<1. jadi variansi bersyarat dari x diketahui Y = y adalah:

E[{X-E[X│y]}2│Y] = E[X2│y] – {E(X│y)}2

1 2 y
= y – ( )2
3 2

1 2
= y ; 0<y<1.
12
 8

2 2
Umpamanya y = , maka variansi dari x diketahui Y = adalah sebesar .
3 3

0,5

d. P(0 < X ≤ 0,5 │y = 0,75 )= ∫ f ( x │ y=0,75 ) dx

0

0,5
4
=∫ dx
0 3
2
=
3
0,5 0,5

e. P(0 < X< 0,5) = ∫ f 1 ( x ) dx = ∫ 2 ( 1−x ) dx=0,75

0 0

Sifat yang penting mean bersyarat dalam kaitannya dengan mean tak bersyarat adalah sebagai
berikut. untuk setiap peubah acak X dan Y berlaku :

E(X) = E[E(X│Y)]

Bukti:

a. kasus diskrit.

E(X) = ∑ x P( X =x)
x

= ∑ x ∑ P(X =x , Y = y)
x y

= ∑ ∑ x P(X =x , Y = y)
x y

= ∑ ∑ x P(X = x │Y = y) . P(Y = y)
x y

= ∑ E (X│y) . P(Y = y)
y

= E [E(X│Y)]
b. kasus kontinu (tinggal mengganti lambang jumlah dengan lambang integral.
∞
E(X) = ∫ x f ( x ) dx
−∞

∞ ∞

= ∫ x ∫ f ( x , y ) dy dx
−∞ −∞

∞ ∞

= ∫ x ∫ f ( x| y ) f 2 ( y ) dy dx
−∞ −∞
 9

∞ ∞

=∫
−∞ −∞
{∫ }
x f ( x| y ) dx f 2 ( y ) dy

= ∫ { E ( X| y ) } f 2 ( y ) dy
−∞

=E [ E ( X| y ) ]

Contoh 4. 10.
Lihat kembali contoh 4. 9. Tentukan E ( X ) dengan menggunakan :
a. E ( X| y ) yang diperoleh pada Contoh 4. 9.
b. Dengan menggunakan fkp marginal X.

Penyelesaian :
Pada contoh 4. 8. telah diperoleh fkp marginal X dan Y adalah

2 ( 1−x ) ; 0< x <1

f 1 ( x )=¿
0 ; x yang lain

2y ; 0< y<1
f 2 ( y )=¿
0 ; y yang lain

a. Pada contoh 4. 9. telah diperoleh

y
E ( X| y ) = ; 0< y<1
2
Berdasarkan uraian di atas, maka
E ( X ) = E [ E ( X|Y ) ]
1
¿ ∫ E ( X| y ) f 2 ( y ) dy
0

1
y
¿∫ ( 2 y ) dy
0 2
1 31
¿ y|
3 0
 10

1
¿
3

b. Pada Contoh 4. 8. telah diperoleh f. k. p. marginal x adalah

2 ( 1−x ) ; 0< x <1

f 1 ( x )=¿
0 ; x yang lain

Jadi,
∞
E ( X ) =∫ x f 1 ( x ) dx
−∞

1
¿ ∫ 2 x ( 1−x ) dx
0

2
¿ x 2− x3|1
3 0
1
¿
3

Tampak bahwa kedua hasil di atas sama

Mean bersyarat dapat juga dapat digunakan untuk menghitung peluang bersyarat, seperti di
kemukakan pada contoh berikut.

Contoh 4.11

Misalkan A suatu peristiwa dan X adalah peubah acak yang didefinisiskan sebagai berikut
(biasa disebut peubah indicator).

X = 1 ; jika terjadi peristiwa A

{ 0 ; jikatid ak ada

Misalkan X1 , X2 , … … , Xn peubah-peubah acak yang mmepunyai fkp bersama

f ( X 1 , X 2 , … … , X n ). Dalam kasus kontinu, fkp marginal dari X adalah
 11

∞ ∞
f i ( x i ) =∫ … ∫ f ( x 1 , x 2 , … … , x n ) dx 1 .. dx i−1 dx i +1 … dx n
−∞ −∞

Untuk i=1, kita peroleh fkp marginal X1, sebagai berikut

∞ ∞
f i ( x i ) =∫ … ∫ f ( x 1 , x 2 , … … , x n ) dx 2 dx3 … dx n
−∞ −∞

Akibatnya, P ( a< X 1 ≤ b ) =∫ f 1 ( x 1 ) dx1

a

Selain fkp marginal x i ; i=1,2 , … . n , disini kiata mengenal juga apa yang dinamakan fkp
marginal bersama k buah peubah acak; k<n. Untuk lebih jelasnya, misalkan n = 5 dan k =3.
Fkp marginal bersama dari X2, X4, X5 didefinisikan oleh:

∞ ∞
f 245 ( x 2 , x 4 , x5 ) =∫ ∫ f ( x1 , x2 , x3 , X 4 , X 5 ) dx1 dx 3
−∞ −∞

Jika f i ( x i ) >0 , maka fungsi

f ( x1 , X 2 , … , X n )
f ( x 1 , X 2 ,… , X i−1 , X i+1 , … , X n I x i )=
f i( Xi)

Dinamakan fkp bersama dari X =¿1 , X 2 ,… .. X i−1 X i+1 ¿.

Buktikan:

a. E ( X ) =P ( A )
b. E ( X| y ) =P ( A| y )
c. P ( A )=E [ P ( A|Y ) ]
Bukti:

a. E ( X ) =∑ x P ( X= x ) =0. P ( X =0 ) +1. P ( X=1 )

x

¿ P ( X=1 ) =P(A )
b. Untuk setiap peubah acak sembarang Y , maka
E ( X| y ) =∑ x P ( X =x∨ y )=0. P ( X=0∨ y ) +1. P ( X =1∨ y )
x

¿ P ( X=1| y ) =P ( A| y )
 12

c. Akibat dari butir b, dengan mendefinisikan peubah indikator, kita peroleh bahwa untuk
setiap peubah acak sembarang Y yang memiliki f.k.p f ( y ) berlaku
P ( A )=E ( X )=E [ E ( X|Y ) ] =E [ P ( A|Y ) ]

Dari contoh diatas, dapat disimpulkan bahwa untuk setiap peristiwa A dan setiap peubah
acak Y dengan fkp f ( y ), berlaku

∑ P ( A∨ y ) f ( y ) ; jika y diskrit
P(A)
{ −∞
∞
y

∫ P ( A| y ) f ( y ) dy ; jika y kontinu
3. Distribusi Marginal dan Distribusi Bersyarat yang Umum

Pada bagian 1 dan 2, pembahasan hanya terbatas pada dua peubah acak. Bagaimana jika
ada n peubah acak? Definisi-definisi yang telah anda kenal diatas, dapat diperluas untuk n
buah ..., x n diketahui X i =xi . Khususnya

f ( x1 , x2 , … , xn )
f (x 2 , x 3 , … , xn∨x 1 )=
f 1 ( x 1)

Adalah fkp bersyarat bersama dari X 2 , X 3 , … , X n diketahui X 1 =x1. Dengan adanya

pengertian fkp bersyarat bersama, dapat kita definisikan pula ekspetasi bersyaratnya.

Misalkan u ( X 2 , X 3 , … , X n ) fungsi dari X 2 , X 3 , … , X n .

Ekspetasi berikut;
∞ ∞
E [ u ( X 2 , X 3 , … , X n )|x 1 ]= ∫ … ∫ u ( x 2 , x 3 , … , x n ) f ( x 2 , x3 , … , xn ∨x1 ) d x 2 d x3 … . d x n
−∞ −∞

Dinamakan ekspetasi bersyarat dari u ( X 2 , X 3 , … , X n ) diketahui X 1 =x1.

Catatan: Uraian diatas adalah untuk kasus kontinu. Untuk kasus diskrit, lambang
integral diganti dengan lambang jumlah.

IV.2.1.Rangkuman

1. Misalkan f ( x , y ) f.k.p bersama dari X dan Y

a. F.k.p marginal X adalah
 13

f ( x )=
{
∫ f ( x , y ) dy ; x , y kontinu
−∞

∑ f ( x , y ) ; x , y diskrit
y

b. F.k.p marginal Y adalah

∞

f ( y )=
{
∫ f ( x , y ) dx ; x , y kontinu
−∞

∑ f ( x , y ) ; x , y diskrit
x

2. Dalam kasus dua peubah acak diskrit, fkp marginal akan mudah diperoleh dengan
menjumlahkan ( ke bawah dan ke samping) isi tabel distribusi bersamanya:
3. fkp bersyarat dari X diketahui Y = y adalah

f ( x , y)
F(x|y)= ;f
f 1 ( y ) 2 ( y )>0

Sedangkan fkp bersyarat dari y diketahui X = x adalah :

f ( x , y)
F(y|x)= ;f
f 1( x) 2 ( x )>0

4. P ( a< x <b∨Y = y ) =∫ f ( x∨ y ) dx untuk kasus kontinu, atau

a

P ( a< x <b∨Y = y ) = ∑ f ( x∨ y ) untuk kasus kontinu.

a< x<b

5. P ( c< x< d∨X =x )=∫ f ( y∨x ) dy untuk kasus kontinu, atau

c

P ( c< x< d∨X =x )= ∑ f ( y∨x ) untuk kasus kontinu

c< x<d

6. Ekspektasi bersyarat dari u(Y) diketahui X = x, adalah :

∞
E [ u ( Y ) 0| x ] =∫ u ( y)f ( y|x ) dy ,untuk kasus kontinue ,atau
−∞

E [ u ( Y ) 0| x ] =∑ u( y ) f ( y| x ) , untuk kasus diskrit .

y

7. Mean bersyarat dari X diketahui Y = y adalah E ( X| y ) . Sedangkan E ( Y |x ) adalah

mean bersyarat dari Y diketahui X = x.
8. i. E ¿ ¿, adalah variansi bersyarat dari X diketahui Y = y.
ii . E ¿¿, adalah variansi bersyarat dari Y diketahui X = x.
 14

9. Misalkan x 1 , x 2 , … , x n kontinu dan mempunyai fkp bersama f (x ¿ ¿1 , x 2 , … , x n). ¿

i. Fkp marginal x1 adalah:
∞ ∞
f 1 ( x 1 )= ∫ … ∫ f ( x 1 , x 2 , … , x n ) dx 2 dx 3 … dx n
−∞ −∞

ii. Fkp bersyarat bersama dari x 2 , x 3 ,… , x n diketahui X 1 =x1 adalah

f (x ¿ ¿ 1 , x 2 , … , x n )
f (x ¿ ¿2 , x 3 , … , x n|x 1 )= ¿¿
f 1 ( x ¿¿ 1) ; f 1 ( x ¿¿ 1)> 0 ¿¿
iii. Ekspektasi bersyarat dari u(x ¿ ¿ 2 , x 3 , … , x n )¿ jika diketahui X 1 =x1 adalah
E¿
10. Jika x 1 , x 2 , … , x n diskrit maka lambing integral pada nomor 9 di atas diganti dengan
lambing jumlah
11. Untuk setiap peubah acak X dan Y, baik diskrit maupun kontinu, berlaku
E ( X ) =E ¿
a. Kasus diskrit
E ( X ) =E ¿
b. Kasus kontinu
E ( X ) =E ¿
12. Mean bersyarat dapat pula digunakan untuk menghitung peluang suatu peristiwa A
dengan mendefinisikan perubahan indikator x.

x= 1; jika terjadi peristiwa A

{ 0 ; ji ka tidak
Jika γ suatu peubah acak yang memiliki f.k.p. f(Y ), maka

P ( A )=E ( X )

¿ E [ E ( X lY ) ]=E [ P ( A lY ) ]

Σ (

{
P A lY ) f ( Y ) ; jika Y diskrit
¿ Y
∞

∫ P ( A lY ) f ( Y ) dy ; jika Y kontinu
−∞

IV. 2 . 2 . Latihan

4.1 X dan Y mempunyai f.k.p . bersama sebagai berikut.

 15

x + y ; 0 < x < 1, 0 < y < 1

f(x,y)=

1 ; x , y yang lain
a. Cari mean bersyarat dari Y diketahui X = x. Begitu juga dengan variansi bersyarat
dari Y diketahui X = x.
b. Dengan menggunakan mean bersyarat E( Y | x) yang kita peroleh dibagian a,
hitunglah mean dari Y.
4.2 Diketahui fkp bersyarat dari x diketahui Y = y berikut:

x
K ; 0 < x < y, 0 < y < 1
y

f(x|y)=

1 ; x , y yang lain

Adapun fkp marginal dari Y adalah

L y4 ; 0 < y < 1

f2 ( y ) =

1 ; y yang lain
a. Tentukan harga K dan L
b. Cari fkp bersama dari X dan Y
c. Hitung P (1/4 < X < 1/2 | Y = 5 / 8)
d. Hitung P (1/4 < X < 1/2)
4.3 X dan Y memiliki f.k.p. bersama sebagai berikut.

21 x 2 y3 ; 0 < y < 1

f(x,y)=

1 ; x , y yang lain
a. Carilah mean dan variansi bersyarat dari X dan Y = y.
b. Dengan menggunakan hasil di a) , hitunglah E( X ).
c. Coba Anda selidiki apakah perhitungan variansi dari X dapat Anda lakukan dengan
menggunakan variansi dari X jika diketahui Y = y.
 16

4.4 X dan Y memiliki f.k.p. bersama sebagai berikut.

X +2 y
; (x, y) = (1 , 1) , (1 , 2) , (2 , 1) , (2 , 2)
18

f(x,y)=

1 ; (x , y) yang lain
a. Cari mean dan variansi bersyarat dari Y jika diketahui X= x.
b. Hitung E( Y ) dengan menggunakan E (Y | x) yang diperoleh diatas.
c. Selidiki apakah perhitungan variansi dari Y dapat dilakukan dengan menggunakan
variansi variansi bersyarat dari Y diketahui X = x.
4.5 Pilihlah sebuah titik secara acak dalam interval (0 , 1). Kita tuliskan X1 peubah acak
yang menyatakan absis titik tersebut. Sekarang pilih lagi satu titik secara acak dari dalam
interval (0, x1 ) dimana x1 adalah suatu harga dari x1. Kemudian kita tuliskan x2 peubah
acak yang menyatakan absis titik yang terpilih kedua.
a. Buatlah asumsi tentang fkp marginal x1 dan fkp bersyarat dari x2 diketahui x2 = x1.
b. Hitung P(X1 + X2 > 1).
c. Cari mean bersyarat E(X1 | X2)
d. Hitung E (X1) dengan menggunakan E(X1 | X2).

JAWABAN

4.6 Diket : x dan y mempunyai f.k.p bersama

f ( x , y )= x + y ; 0< x <1 ; 0< y <1

{ 0 ; x , y yang lain
Ditanya : a) Cari mean bersyarat dari Y diketahui X = x. begitu juga variasi bersyarat
dari Y diketahui X = x
b) Dengan menggunakan mean bersyarat E ( X lY ) yang kita peroleh dibagian
a, hitunglah mean dari Y
Penyelesaian:
 17

a) E ( Y l X )=∫ y . f ( y l x)dy
−∞

1
f ( x )=∫ f ( y , x)dy
0

1
¿ ∫ y + x dy
0

1
¿ xy + y 2 1
2 0 |
1
¿ x+
2
Sehingga f.k.p marginal dari X
1
f (x)=
{
x + ; 0< x <1
2
0 ; x yang lain
f (x , y)
f ( y l x )=
f (x)
x+ y 2
¿ ⟹x+ y .
1 2 x+1
x+
2
2 x +2 y
¿
2 x +1

Sehingga f.k.p marginal dari Y

2 x +2 y
{
f (x)= 2 x +1
; 0< y <1
0; y yang lain
∞
f ( y l x )= ∫ y . f ( y l x )dy
−∞

1
¿∫ y
0
( 22xx+2+1y ) dy
1
1
¿ ∫ y (2 x+ 2 y )dy
2 x +1 0
1
1
¿ ∫ 2 xy+ 2 y 2 dy
2 x +1 0
1 2
x y 2+ y 3 1
¿
2 x +1 [ 3 0 ]
 18

1 2
¿
2 x +1
x+[ ]
3
2
x+
3
¿
2 x +1
3 x+2
¿
6 x+3
3 x+2
Jadi E ( y l x )=
6 x+3

2
Var ( Y l X ) =E ( y 2 l x ) −( E ( Y l X ) )

∞
E ( y 2 l x )= ∫ y 2 . f ( y l x )dy
−∞

1
¿∫ y2
0
( 22xx+2+1y ) dy
1
1
¿ ∫ y 2 (2 x+2 y )dy
2 x +1 0
1
1
¿ ∫ 2 x y 2 +2 y 3 dy
2 x +1 0
1 2 1
x y 3+ y 4 1
¿
2 x +1 3 [ 2 0 ]
1 2 3 1 4 2 1
¿
2 x +1 3 [ 2 3 2][
x 1 + 1 − x 03 + 0 4 ]
1 2 1
¿
2 x +1 3 [
x+
2 ]
1 4 x+3
¿
2 x +1 [
6 ]
4 x+3
¿
12 x +6
2
Var ( Y l X ) =E ( y 2 l x ) −( E ( Y l X ) )
2
4 x+3 3 x +2
¿ − (
12 x +6 6 x +3 )
4 x+3 9 x 2+12 x+ 4
¿ −
12 x +6 362 +36 x +9
 19

4 x +3 9 x 2+12 x+ 4
¿ −
2(6 x+3) ( 6 x+ 3 )2
( 6 x +3 )( 4 x+3 )−2 ( 9 x 2+12 x+ 4 )
¿ 2
2 ( 6 x +3 )
24 x 2+30 x +9−18 x 2−24 x−8
¿
2 ( 6 x+ 3 )2
6 x2 +6 x +1
¿
2 ( 6 x +3 )2

E ( y )=E [ E ( y l x ) ]
1
¿ ∫ E ( y l x ) f ( x) dx
0

1
3 x +2 1
¿∫
0
( )
6 x +3
x + dx
2
1
3 x +2 2 x +1
6 x +3 ( 2 )
¿∫ dx
0

1
3 x+2 2 x+ 1
¿∫ . dx
0 3 (2 x +1) 2
1
3 x +2
¿∫ dx
0 6
1
1
¿
60
∫ 3 x+ 2 dx
1
1 3
¿ ∫ x 2+ 2 x dx
60 2
1 3 2
x +2 x 1
¿
6 2 [ ] 0
1 3 2
¿
6 2 [() ]
1 +2(1)

1 3
¿
6 2 [ ]
+2

1 7
¿
6 2 []
7
¿
12
 20

4.7 Diket : x dan y mempunyai f.k.p bersama

x
f ( x l y )=
{
k
y
; 0< x < 4 ; 0< y <1
0 ; x , y yang lain
4
f 2 ( y )= Ly ; 0< y <1
{
0 ; y yang lain
Ditanya : K dan L?
Penyelesaian:
∞
a) ∫ f ( x l y )dx=1
−∞

∫ K xy dx=1
0

4
K
∫ x dx=1
y 0
K 1 2 4
( )
y 2
x =1
0
K 1
y (2 )
2
y =1

1 2
K. y
2
=1
y2
1
Ky=1
2
1
K=
1
y
2
2
K= ????????
y
Jadi f.k.p bersyarat f(x l y)
2 x 2x
f ( x l y )= y y y 2
{
= ; 0< x <4 ; 0< y <1

0 ; x , y yang lain

Mencari L
 21

∫ f 2 ( y )dy =1
−∞

∫ L y 4 dy=1
0

1 5 1
L [ ] 5
y =1
0
1
L [] 5
=1

1 1
=
5 L
L=5

x
b) f ( y l x )=k
y

f ( y , x )=f ( y l x ) . f ( y )

2x
¿ 2
. 5 y4
y
¿ 2 x . 5 y2
¿ 10 xy 2
10 xy 2 ; 0< y <1
Jadi f ( x , y )=
{
0 ;(x , y ) yanglain
Jadi f.k.p bersyarat f ( y l x )
2x x 2x

{
= ; 0< x < y , 0< y <1
f ( x l y )= y y y 2
0 ; x , y yang lain

1 1 5
c) P( < x < l y= )
4 2 8
1
2

¿ ∫ f ( x l y ) dx
1
4

1
2
5
1
(
¿ ∫ f x l y=
8
dx)
4
 22

1
2
2x
¿∫ dx
1 y2
4

1
64 2
(
¿ x . 2
25 1 )
4
1 2 64 1 2 64
¿
(( ) ) (( ) )
.
2 25
− .
4 25
1 64 1 64
¿ . − .
4 25 16 25
16 4
¿ −
25 25
12
¿
25
 23

BAB V

KEBEBASAN STOKASTIK

Kebebasan stokastik merupakan salah satu konsep dasar yang sangat penting dan
menjanjikan berbagai kemudahan dalam praktek. Auantuk distribusi bersama tertentu,
kebebasan stokastik dapat dideteksi melalui koefisien korelasi. Dua hal tersebut, yakni;
koefisien korelasi dan kebebasan stokastik merupakan materi dari bab ini.

Sub – sub pertama membahas pengertian kovariansi dua peubah acak, koefisien
korelasi, serta cara perhitungannya yang mudah. Selain itu dibahas pula hubungan koefisien
korelasi dengan mean bersyarat yang berupa fungsi linear, variansi bersyarat (jika mean
bersyaratnya berupa fungsi linear dan jika variansi bersyarat tersebut berupa fungsi konstan),
dan fpm bersama. Pada sub-bab kedua dikemukakan konsep kebebasan stokastik antara
beberapa peubah acak. Kemudian dibahas pula cara mendeteksi kebebasan stokastik, serta
berbagai kemudahan yang diberikan oleh adanya kebebasan stokastik.

Tujuan Instruksional khususnya adalah sebagai berikut. Setelah mempelajari seluruh materi
bab ini dengan baik, mahasiswa diharapkan dapat :

a. Menjelaskan dan menghitung kovariansi.

b. Menjelaskan dan menghitung koefisien korelasi ρ.
c. Menjelaskan dan menggunakan hubungan ρ dengan mean bersyarat E ( Y ∨x ) yang berupa
fungsi linier dari x.
d. Menjelaskan dan menggunakan hubungan ρ dengan mean bersyarat E ( X ∨ y ) yang berupa
fungsi linier dari y.
e. Menjelaskan dan menggunakan hubungan ρ dengan variansi bersyarat dari Y diketahui
X= x. Khususnya bila variansi tersebut berupa fungsi dari x yang berharga konstan.
f. Menjelaskan dan menggunakan ρ dengan variansi bersyarat dari X diketahui Y= y.
Khususnya bila variansi tersebut berupa fungsi dari y yang berharga konstan.
g. Menjelaskan dan menentukan fpm bersama dari dua peubah acak M ( t 1 , t 2 ).
h. Menentukan fpm marginal.
i. Menjelaskan dan menggunakan hubungan ρ dengan fpm bersama.
j. Menjelaskan pengertian kebebasan stokastik.
k. Mendeteksi kebebasan stokastik melalui fkp.
l. Menghitung peluang jika terjadi kebebasan stokastik.
 24

m. Menghitung ekspekstasi hasil kali dua peubah acak, bila terjadi kebebasan stokastik.
n. Mendeteksi kebebasan stokastik melalui fungsi- fungsi non negative.
o. Mendeteksi kebebasan stokastik melalui fpm.
p. Membentuk fpm bersama, bila terjadi kebebasan stokastik.

V.1. KOEFISIEN KORELASI

Misalkan ke dua peubah acak X dan Y memiliki fkp bersama f ( x , y ). Misalkan pula
u ( X , Y )adalah fungsi dari X dan Y. pada bab sebelumnya telah dibahas pengertian ekspektasi
atau nilai harapan u ( X , Y ). Batas formalnya, adalah sebagai berikut:

∞ ∞

E [ u ( X ,Y ) ]=
{
∫ ∫ u ( x , y ) f ( x , y ) dxdy ; X ,Y kontinu
−∞ −∞

∑ ∑ u ( x , y ) f ( x , y ) ; X ,Y diskrit
x y

Beberapa bentuk khusus;

i. Jika u ( X , Y )=X , maka E [ u ( X ,Y ) ] adalah mean X. Demikian pula jika u ( X , Y )=Y , maka
E [ u ( X ,Y ) ] adalah mean Y.
2 2
ii. Jika u ( X , Y )=( X−μ1 ) , maka E [ u ( X ,Y ) ] adalah variansi X. Jika u ( X , Y )=( Y −μ2 ) , maka

E [ u ( X ,Y ) ] adalah variansi Y. Disini μ1=E ( X ) dan μ2 =E (Y ).

iii. Jika u ( X , Y )=( X−μ1 ) ( Y −μ 2 ), maka E [ u ( X ,Y ) ] disebut kovariansi X dan Y.

DEFINISI :

E [( X−E ( X ))(Y −E(Y )) ] dinamakan kovariansi X dan Y, dan ditulis Kov(X,Y).

Untuk menghitung kovariansi, biasanya akan lebih mudah jika digunakan teorema berikut.

Teorema 1

E [ ( X−μ1 ) (Y −μ2) ]=E ( XY )−μ1 μ2, dengan μ1=E ( X ) dan μ2=E ( Y ) .

Bukti :
E [ ( X−μ1 ) ( Y −μ 2) ]=E [ XY −μ 2 X −μ1 Y + μ 1 μ2 ]

¿ E ( XY )−μ2 E ( X )−μ 1 E(Y )+ μ1 μ 2

¿ E ( XY )−μ2 μ1−μ1 μ2 + μ1 μ2
Kov ( X , Y )=E ( XY )−μ1 μ 2
 25

Teorema ini menyatakan pula bahwa

E ( XY )=μ 1 μ2 + E [ ( X −μ1 ) (Y −μ 2) ] E( XY )= E ( X ) E ( Y ) + Kov ( X , Y )

Jadi nilai harapan perkalian dua peubah acak sama dengan perkalian nilai harapan masing-
masing ditambah dengan kovariansinya. Akibatnya,E ( XY )=E ( X ) E ( Y ) jika dan hanya jika
Kov ( X , Y )=0. Syarat cukup dan perlu agar kesamaan E ( XY )=E ( X ) E ( Y ) dipenuhi
merupakan topik yang menarik dalam teori peluang. Topik ini akan dibahas berikut ini.
Definisi :
Kov ( X ,Y )
Besaran ρ= dimana σ 12 dan σ 22 masing-masing adalah variansi X dan variansi Y
σ 1σ2
dinamakan koevisien korelasi antara X dan Y.
ρ memenuhi |ρ|≤ 1 dan menyatakan derajat kebergantungan X terhadap Y (atau Y terhadap X)
secara linier.
Contoh 5.1.

Misalkan X dan Y dua peubah acak diskrit yang memiliki fkp bersama sebagai berikut.

f(x,y)=

Hitunglah koefisien korelasi X dan Y.

Penyelesaian :

Fkp bersama itu memberikan tabel distribusi peluang bersama dari X dan Y.
x
Y 0 1 2

0 0 0

1 0 0

2 0 0

1
 26

a. Jumlah ke bawah membentuk fkp marjinal X, yakni

f1(x)=

Jadi mean dan varian X adalah :

μ 2
1 1 1
1= ∑ x f 1( x )= 0. +1. +2. =1
x=0 3 3 3

2 1 2 1 2 1 2
α 21=E ( X 2 ) −μ21=0 +1 . +2 . −1=
3 3 3 3
b. Jumlah ke kesamping membentuk fkp marjinal Y,yakni.

f2(y)=

Dengan cara yang sama seperti diatas,maka mean dan varian Y adalah μ2=1 dan α 22=

2
3
c. Sekarang kita hitung Kov (X,Y)
2 2
E(XY)=∑ ∑ xy f ( x , y )
x=0 y=0

=0.0 f(0,0)+ 0.1 f(0,1)+ 0.2 f(0,2)+ 1.0 f(1,0) +1.1 f(1,1) +1.2 f(1,2) +2.0
f(2,0) +2.1 f(2,1) +2.2 f(2,2)
1 1
=0+0+0+0+ +0+0+0+4.
3 3
5
=
3
5 2
Jadi Kov (X,Y) = E(X,Y) – E(X).E(Y) = - 1.1=
3 3
Akibatnya,koefisien korelasi antara X dan Y adalah
kov ( x , y ) 2/3
= =1
ρ= α 1 α 2 2 2
3 3 √√
 27

Catatan : Pada contoh di atas diperoleh ρ=1 . Ini menandakan ada hubungan sempurna
antara X dan Y. Setiap harga X akan menentukan harga Y dengan pasti (perhatikan
tabel pada contoh itu).

Contoh 5.2
Diketahui fkp bersamadari X dan Y berikut.

f ( x , y ) =¿ ¿
Hitung koefisien korelasi antara X dan Y.
Penyelesaian :
a. Mean dan variansi X adalah:
μ1 =E ( X )
1 1
=∫ ∫ x ( x+ y ) dy dx
0 0
1 1

{ 1
=∫ x 2 y + xy 2
0 2
| }dx
2

1
1
(
=∫ x 2 + x dx
0
2 )
1
1 1
= x3 + x 2
3 4
| 0

1 1 7
= + =
3 4 12
σ 21 =E ( X 2 )−μ 21
1 1 2
7
0 0
( )
=∫ ∫ x2 ( x + y ) dydx−
12
1 1 2
=∫ {x y + x y| } dx−( )
13 7
2
0
0 2 12
1 2
1 7
=∫ ( x + x ) dx−( )
3 2

0 2 12
1 1 49 11
= + − =
4 6 144 144

b. Dengan cara yang sama seperti di atas, kita peroleh mean dan variansi sebagai
berikut.
 28

7 11
μ2 = σ 22 =
12 dan 144

c. Kita hitung dulu E(XY)

1 1
E ( XY )=∫ ∫ xy ( x+ y ) dydx
0 0
1 1
=∫ {
0
1 2 2 1 3
2
x y + xy
3
| } dx
0

1 1
= ∫{ 1 2 1
2
x + x
3
| } dx
0
0
1 1 1
= + =
6 6 3
Jadi,
1 7 7 1
Kov
( X , Y )=E ( XY ) −μ 1 μ2 = −
3 12 12
=−
144 ( )( )
Akibatnya, koefisien korelasi antara X dan Y adalah :
−11
44 −1
ρ= = =−0,091
11 11 11
√ √
44 44

Berikut ini akan dikemukakan hubungan antara koefisien korelasi dengan mean bersyarat,
variasi bersyarat, dan fpm bersama. Pembahasan akan dibatasi untuk kasus X dan Y kontinu.
Namun demikian, hasil yan diperoleh berlaku pula kasus diskrit.

1. Hubungan Koefisien Korelasi Dengan Mean Bersyarat Yang Linear.

Misalkan f(x,y) fkp bersama dua peubah acak kontinu X dan Y. fkp marginalnya berturut-
turut ditulis f1(x) dan f2(y). hubungan ρ dengan mean bersyarat yang linear dikemukakan
berikut ini.

a. Hubungan dengan mean bersyarat E(Y│X)

Telah kita ketahui bahwa mean bersyarat dari Y di ketahui X=x yakni E(Y│X) adalah

∞ ∞
1
E ( Y │ X ) =∫ yf ( y|x ) dy= ∫ yf ( x , y ) dy
−∞ f 1( x ) −∞
 29

Jelas E(Y│X) adalah fungsi dari x saja. Oleh karena itu dapat kita tuliskan ρ ( x )=E(Y │ X) .
Dalam hal E(Y │ X ) berupa fungsi linear kita peroleh hubungan antara E(Y │ X ) dan ρ
sebagai berikut.

Teorema 2 :
Jika E ( Y |X ) berupa fungsi linier dari x, maka :
σ2
E ( Y |X )=μ2 + ρ ( x−μ1 )
σ1
Bukti :
Karena E ( Y |X ) berupa fungsi linier dari x, maka dapat dituliskan : E ( Y |X )=a+bx. Akan kita
cari a dan b. Karena E ( Y |X )=a+bx, maka
∞
1
∫ yf ( x , y )=a+ bx
f 1 (x) −∞
Atau
∞

∫ yf ( x , y ) =(a+ bx) f 1 ( x ) .............................................(*)

−∞

Jika dedua ruas ini kita integrasikan terhadap x dari ∞ sampai −∞, maka:
∞ ∞ ∞

∫ ∫ yf ( x , y ) dydx= ∫ ( a+bx ) f 1 (x )dx

−∞ −∞ −∞

Atau
E ( Y |X )=a+bE ( X )
Atau
μ2=a+b μ1 .............................................................(x)
Selanjutnya jika kedua ruas pesamaan (*) kita kalikan dengan x, kemudian kita
integralkan terhadap x dari ∞ sampai −∞, maka :
∞ ∞ ∞

∫ ∫ xyf ( x , y ) dydx=∫ ( a+bx ) f 1 ( x )dx

−∞ −∞ −∞

Atau
E ( XY )=aE ( X ) +bE( X 2)
Atau
ρ σ 1 σ 2 + μ1 μ 2=a μ1 +b( σ 21 + μ21) .........................................(+)
E ( XY ) −μ 1 μ2
Sebab : ( i ). Dari ρ= diperoleh E ( XY )= ρ σ 1 σ 2+ μ 1 μ2
σ 1σ2
 30

( ii ). Dari σ 12=E ( X 2 ) −μ 21 diperoleh E ( X 2) =σ 21 + μ21

Dari persamaan (x) dan (+) kita peroleh:
σ2 σ2
a=μ2−ρ dan b=ρ
σ1 σ1
σ2
Akibatnya, E ( Y |X )=μ2−ρ ( x−μ1). Dengan demikian, teorema diatas terbukti.
σ1
b. Hubungan dengan mean bersyarat E ( X|Y )

dengan cara yang sama seperti diatas, jika E ( X|Y )merupakan fungsi linier dari y, maka:
σ1
E ( X|Y )=μ1+ ρ ( y−μ 2)
σ2

2. Hubungan Koefisien Korelasi Dengan Variansi Bersyarat Jika Mean Bersyaratnya

Linear

2
a. Hubungan dengan E [ {Y −E ( Y |x ) } |x ]

Jika E ( Y |x ) merupakan fungsi linear dari x, maka diantara ρ dan variansi bersyarat dari Y
diketahui X =x, terdapat hubungan berikut.
Teorema 3
2
Misalkan E ( Y |x ) merupakan fungsi linear dari x. Jika k ( x )=E [ {Y −E ( Y |x ) } |x ], maka :

E [ k ( X) ] =σ 22 (1− ρ2)

Bukti :
σ2
Telah kita ketahui bahwa E ( Y |x )=μ2 + ρ ( x −μ 1). Jadi :
σ1
2
k ( x )=E [ {Y −E ( Y |x ) } |x ]
∞ 2
σ
¿∫
−∞
{ y −μ 2−ρ 2 (x −μ 1)
σ1 }
∞ 2
1 σ2
¿
f 1 ( x ) −∞ {
∫ ( 2) σ ( 1 ) f ( x , y ) dy
y−μ −ρ
1
x−μ }
Jika kedua ruas kita kalikan dengan f 2 ( x ), kemudian diintegralkan terhadap x dari −∞ sampai
∞, terbentuklah hubungan berikut :
∞ ∞ ∞ 2
σ2
∫ k ( x ) f 1 ( x ) dx= ∫ ∫
−∞ −∞ −∞
{ }
( y−μ2 )− ρ σ ( x−μ1 ) f ( x , y ) dydx
1
 31

∞ ∞ 2 ❑
σ2 2 σ2
¿∫ ∫
−∞ −∞
{
( y−μ 2)
2
−2 ρ
σ1
( x−μ 1 )( y−μ 2) + ρ 2(
σ1
x−μ1 )2
} f ( x , y ) dydx

σ2 σ2
¿ E [ ( y −μ 2 )2 ]−2 ρ E [ ( x−μ1 ) ( y−μ 2 ) ] + ρ2 22 [ ( x−μ1 )2 ]
σ1 σ1
2
2 σ2 2 σ2 2 2 2
¿ σ −2 ρ ( ρσ 1 σ 2) + ρ 2 σ 1=σ 2 (1−ρ )
2
σ1 σ1
Akan tetapi

∫ k ( x ) f 1 ( x ) dx=¿¿ E [ k ( X) ]
−∞

Jadi,

E [ k ( X) ] =σ 22 ( 1−ρ2 )

Dengan demikian teorema diatas terbukti.

Akibat : bila k (x) berupa fungsi konstan, k(x) = K, maka E [ k ( X ) ] =E [ K ] K=k ( x ) .

2
Akibatnya, E [ {Y −E ( Y |x ) } ∨x ]=σ 22 ( 1−ρ2 )

Dalam hal ini,

2
i. Bila ρ=0, maka E [ {Y −E ( Y |x ) } ∨x ]=σ 22
2
ii. Bila ρ ≈ 1, maka E [ {Y −E ( Y |x ) } ∨x ] ≈ 0 yang berarti ada konsentrasi yang tinggi dari
peluang bersyarat di sekitar E(Y|x).

2
b. Hubungan dengan E [ { X−E ( X| y ) } ∨ y ]
misalkan

2
h( y)=E [ { X −E ( X| y ) } ∨ y ]

Jika E(X|y] berupa fungsi linear dari y maka dengan cara yang sama seperti diatas,

( y )=E [ h ( y ) ] =σ 21 ( 1−ρ2 )
 32

Khususnya dalam hal h(y) = K (konstan), maka

2
E [ { X−E ( X| y ) } ∨ y ]=σ 21 ( 1−ρ2 )

Contoh 5.3.

1
Diketahui E(Y|x)= 4x + 3 dan E(X|y) = y−3. Hitung μ1 μ 2 dan ρ
16

Penyelesaian:

Karena ke dua mean bersyarat E( y x) dan E( x y) berupa fungsi-fungsi linier, maka

σ1
μ1 + ρ ( x −μ 1 )
E( y x) = σZ
……………..(
σ1
μZ + ρ ( y−μ z )
E( x y) = σZ

Jadi

E ( y  μ1 ) = μ z dan E( x  μ z ) = μ1

1
μ z −3
Akan tetapi, diketahui E ( y  μ1 ) = 4 μ1 +3 dan E (x  μ z ) = 16

Akibatnya,

μ z = 4 μ1 + 3 dan

1
μ1 = 16 μ z - 3

Dari kedua persamaan ini kita peroleh:

15
μ1 = −
4 dan μ z = -12
 33

Untuk menghitung ρ , perhatikan persamaan (). Pada persamaan itu terlihat bahwa:

(koefisien dari x) x (koefisien dari y)

σz σ1
(ρ ) (ρ )
σ1 σz
=

1 1 1
ρ2 =4 ( )=− ρ=−
Akibatnya, 16 4 . . Jadi 2 . (Jelaskan mengapa tidak boleh diambil

1
ρ=−
2 )

Jawab:

Lihat koefisien x adalah 4, maka ρ harus dipilih yang positif

σ1
ρ
Maka 4 = σz

3. Hubungan Koefisien Korelasi Dengan Fpm Bersama

Misalkan
η1 dan η2 dua buah bilangan riil positif. Jika

t x +t z y
M ( t 1 , t 2 )= E {e t }

Ada untuk setiap t1 dan t z dimana −η1 < t 1 < η1 dan −η1 < t 1 < η1 , maka

M (t1 , t 2 ) dinamakan fpm bersama x dan y.

Seperti pada kasus sebuah peubah acak, maka M (t1 , t 2 ) mendefinisikan satu dan

hanya satubuah fpm bersama. Demikian pula sebaliknya. Bila M 1 (t 1 ) dan M 2 (t 2 )

masing-masing adalah fpm marginal x dan fpm marginal y, maka kita peroleh,

t1 X
μ1 ( t 1 ) = E [ e ] =μ ( t 1 , 0)

t2Y
μ2 ( t 2 ) = E [ e ]= μ ( 0 , t 2 )
 34

ρ dan μ ( t1 ,t 2 )
Akibatnya, hubungan antara dapat kita peroleh berdasarkan hubungan –
hubungan berikut:

∂ . M ( 0,0 ) ∂ M ( 0,0 )
μ1 = μ2 =
(i) ∂t1 dan ∂t 2

(ii) σ 21 =E ( X 2 )−μ 21 , dan

2
∂ M ( 0,0 )
σ 22 =E ( Y 2 )−μ22 = −μ22
∂t 2
2 , dan
2
∂ M ( 0,0 )
( X , Y )=E ( XY )−μ 1 μ 2= −μ 1 μ 2
(iii) Kov ∂t 1 ∂t 2 . Jadi,
∂2 M ( 0,0 )
−μ1 μ2
∂t1∂t2
ρ=
∂ 2 M ( 0,0 ) 2

√ ∂t 2
1
2 ∂ M ( 0,0 )
−μ1
∂t 2
2
−μ2
√ 2

Contoh 5 . 4

Dua peubah acak X dan Y diketahui memiliki fkp bersama sebagai berikut.

−y
f ( x , y )= e ; 0< x < y <∞
{
0 ; x , y yang lain

Cari :

a. Fpm bersama dari X dan Y

b. μ1 dan σ 21

c. μ2 dan σ 22

d. Koefisien korelasi ρ antara X dan Y

Penyelesaian :

∞ ∞ t1 X+t 2 Y
μ ( t1 ,t 2) =∫∫ e f ( x , y ) dydx
a. 0 x
∞∞ t 1 X+t 2 Y −Y
=∫∫ e dydx
0 x
 35

−1 −1
=( 1−t 1−t 2 ) ( 1−t 2 )

dengan t1 + t2 < 1 dan t2 < 1.

M 1 (t1 )  M (t1 , 0)  (1- t1 )-1 ; t1  1

b. Fpm dari X adalah
M 1' (t1 )  (1- t1 ) 2 dan M 1'' (t1 )  2(1- t1 ) 3 .
Jadi,
Akibatnya,
1  M 1' (0)  1 dan  12  M 1'' (0)  12  2  1  1

M 2 (t2 )  M (0, t2 )  (1- t2 ) 2 ; t2  1

c. Fpm dari Y adalah
M 2' (t2 )  2(1- t2 ) 3 dan M 2 '' (t2 )  6(1- t2 ) 4 .
Jadi,
Akibatnya,
2  M 2 ' (0)  2 dan  2 2  M 2'' (0)  2 2  6  4  2

M 2 (t1 , t2 )  (1  t1  t2 ) 1 (1  t2 )1
d. Karena
, maka

M (t1 , t2 )
 (1  t1  t2 ) 2 (1  t2 ) 1  (1  t1  t2 ) 1 (1  t2 ) 2
t2
M (t1 , t2 )
 2(1  t1  t2 ) 3 (1  t2 ) 1  (1  t1  t2 ) 2 (1  t2 ) 2
t1t2

 2 M (0, 0)
E ( XY ) 3
t1t 2
Jadi,

dan
Kov (XY) = E(XY) - µ µ = 3 – 1 . 2 = 1
Akibatnya,
kov( XY ) 1 1
   2
 1 2 1 2 2
V.1.1.Rangkuman

1. Kovariansi x dan yditulis Kov ( X , Y ) adalah :

Kov ( X , Y )=E ¿

2. Kovariansi dapat pula dihitung melelui hubungan

Kov ( X , Y )=E ( XY )−μ1 μ 2
 36

3. Koefisien korelasi ρ antara X dan Y didefinisikan oleh :

Kov ( X , Y )
ρ= . Harga ρ memenuhi ǀρǀ ≤1
σ1 σ2

4. Bila E ( Yǀ x ) berupa fungsi linear, maka :

σ2
i. E ( Yǀ x ) =μ 2+ ρ (x−μ1 )
σ1
2
ii. Jika ( x ) E [ { Y −E ( Yǀ x ) } ⎹ x ] , maka

E [ k ( X ) ]=σ 22 (1− ρ). Khususnya dalam hal ini k ( x) adalah konstanta, maka
2
E [ {Y −E ( Yǀx ) } ⎹ x ]=σ 22(1−ρ).

5. Bila E ( Xǀ y ) berupa fungsi linear, maka:

σ1
i. E ( Yǀ x ) =μ 1+ ρ ( y−μ 2)
σ1
2
ii. h ( y ) E[ { X −E ( Xǀ y ) } ⎹ y ] , maka
E [ h ( y ) ] =σ 21(1−ρ ²). Khususnya dalam hal ini h( y) adalah konstan, maka
2
E [ {ᶺ −E ( Xǀy ) } ⎹ x ]=σ 21 (1−ρ ²).

t 1 x+ t 2 y
6. M ( t 1 , t 2 ) =E [ e ] ;−h1 <t 1 <h 1 , h2 <t 2 <h 2

Dengan h1 >0 dan h2 >0 dinamakan fpm bersama dari X dan y.

7. M ( t 1 , 0 )=M ₁ ( t 1 ) fpm dari X

M ( 0 ,t 2 )=M ₂ ( t 2 ) fpm dariY

ə M ( 0,0 ) ə M ( 0,0 )
8. i. =¿ μ ₁ dan . =¿ μ ₂
ə t1 ə t2
ə ² M ( 0,0 ) ə ² M ( 0,0 )
ii. 2
=¿ E( X ²) dan . =¿ E(Y ²)
ət1 ə t 22
ə ² M ( 0,0 )
iii. =¿ E( X Y )
ə t1 ə t 2
 37

ə ² M ( 0,0 )
−μ 1 μ2
ə t 1 ə t2
9. ρ=
ə ² M (0,0) 2 ə ² M ( 0,0) 2
√ ə t 12
−μ1
√
ə t 22
−μ 2

V. 1. 2. LATIHAN

5.1 Diketahui fkp bersama dari X dan Y sebagai berikut

(x, y) (1, 1) (1, 2) (1, 3) (1, 4) (1, 5) (1, 6)

2 4 3 1 1 4
f(x, y)
15 15 15 15 15 15

Hitung koefisien korelasi antara X dan Y

5.2 fkp bersama dari X dan Y adalah sebagai berikut

2 ; 0<x<y ; 0<y<1

f(x, y) =
0 ; x, y yang lain

Hitung,

a. E(Y | x) dan E(X | y)

b. Koefisien korelasi ρ
1
c. Variansi bersyarat dari Y diketahui X =
2
3
d. Variansi bersyarat dari X diketahui Y =
4
5.3 fkp bersama dari X dan Y adalah

1 ; -x<y<x ; 0<x<1

F(x, y) =
0 ; x, y yang lain

Buktikan bahwa
 38

a. E(Y | x) bukan fungsi linier dari x

b. E(X | y) bukan fungsi linier dari y
5.4 Jika ρ ada, buktikanlah bahwa |ρ| ≤ 1

Petunjuk : perhatikan diskriminan dari fungsi kadrat dalam ω yang non negatif berikut.

2
[
H(ω) = E {( X −μ ) +ω ( Y −μ2 ) } ]
5.5 Misalkan ψ (t1 , t2) = In M (t1 , t2). Buktikan:
∂Ψ ( 0 ,0 )
a. = Mean
∂ t1

∂2 Ψ ( 0 , 0 )
b. = Variansi
∂t 21
∂ ∂2 Ψ ( 0 , 0 )
c. = Kovariansi
∂ t 1∂ t 2

V. 2. KEBEBASAN STOKASTIK

Uraian pada subbab ini berlaku secara umum, baik untuk X dan Y yang kontinu,
maupun yang diskrit. Namun pembahasan di sini dipusatkan pada kasus kontinu. Untuk kasus
diskrit, lambang integral tersebut diganti dengan lambang jumlah. Misalkan f(x,y) adalah fkp
bersama dari X dan Y yang kontinu. Fkp marginalnya berturut-turut ditulis f 1(x) dan f2(y).
Andaikan kita berhadapan dengan situasi di mana f(y|x) tidak tergantung dari x. Dalam hal
demikian fkp marginal Y dapat dituliskan,

∞ ∞

f2(y) = ∫ f ( x , y ) dx = ∫ f ¿ ¿
−∞ −∞

= f ( y|x ) ∫ f 1 ( x ) dx = f ( y∨x )
−∞

Akibatnya, f(x,y) = f1(x) • f2(y)

Fenomena di atas mengatakan bahwa jika fkp bersyarat dari Y diketahui X = x tidak
tergantung (independent) dari X, maka f ( x , y )=f 1 ( x ) . f 2 ( y ) . oleh karena itu, kita anut definisi
berikut.
 39

DEFINISI:
Peubah-peubah acak X dan Y dikatakan bebas stokastik jika f ( x , y )=f 1 ( x ) . f 2 ( y ) untuk setiap
X dan Y.
Catatan:
i. f 1 ( x ) ≥ 0 untuk setiap x di A x dan f 2 ( y ) ≥ 0 untuk setiap y di A y, jika dan hanya jika
f 1 ( x ) . f 2 ( y ) ≥ 0 untuk setiap ( x , y ) di A x × A y .

ii. Hubungan f ( x , y )=f 1 ( x ) . f 2 ( y ) memiliki arti :jika A={(x , y)|f ( x , y ) ≠ f 1 ( x ) . f 2 ( y ) }. Maka

P(A) = 0.

Contoh 5.5
Diketahui fkp bersama dari X dan Y berikut
;0<x<1;0<y<1

; x, y yang lain

Selidiki apakah X dan Y bebas stokastik.

Penyelesaian:
Fkp marginal X dan Y adalah :

;0<x<1

0 ; x yang lain

;0<y<1

0 ; x yang lain

Karena f ( x , y ) ≠ f 1 ( x ) . f 2 ( y ) maka X dan Y tidak bebas stokastik.

Pemeriksaan bebas stokastik dengan menggunakan definisi di atas terkadang tidak
sederhana mengingat fkp marginalnya harus diidentifikasi terlebih dahulu. Pada teorema
berikut dikemukakan cara yang lebih luwes tanpa harus mencari fkp marginal.
Teorema 4:
Misalkan fkp bersama dari X dan Y adalah f(x,y). Maka X dan Y bebas stokastik jika dan
hanya jika terdapat fungsi-fungsi non negatif g(x) dan h(y) sehingga,

f ( x , y )=g ( x ) . h( y )
 40

Dan domain dari g tidak tergantung dari y serta domain dari h tidak tergantung x.
Bukti:
(i). Misalkan X dan Y bebas stokastik. Jadi f ( x , y )=f 1 ( x ) . f 2 ( y ) . Dalam hal ini cukup
diambil, g ( x )=f 1 ( x ) dan h ( y )=f 2 ( y ).
(ii). Misalkan f ( x , y )=g ( x ) . h ( y ) ; g(x )≥ 0 dan h( y) ≥ 0. Akan dibuktikan X dan Y bebas
stokastik. Untuk itu kita cari dulu f 1 ( x ) dan f 2 ( y ) .
  

f ( x) 
1  f ( x, y ) dy   ( x ).h( y ) dy  ( x ).  h( y ) dy
  

 k ( x ) dengan k   h( y )dy

suatu konstanta.

  

f 2
( y)   f ( x, y )dx   ( x ).h ( y ) dx  h( y ).  ( x ) dx
  

 Lh( y ) dengan L   ( x)dx

suatu konstanta.

Akan tetapi,
   
KL=  h( y )dy.  ( x)dx    ( x).h( y )dydx
   
 
  
 
f ( x, y ) dydx  1.

Akibatnya,

f ( x, y )  ( x ).h( y ) 
f 1
( x)
.
f 2
( y)
k L
 f 1
( x). f .
2

Ini berarti X dan Y bebas stokastik. Dari hasil (i) dan (ii), maka teorema diatas terbukti.

Contoh 5.6.

Perhatikan kembali f.k.p bersama pada Contoh 5.5. berikut.

x  y ; 0  x  1; 0  y  1

f ( x, y )  0 ; x, y yang lain
 41

Apakah X dan Y bebas stokastik ?

Penyelesaian:

Jelas fingsi f ( x, y ) tidak dapat ditulis dalam bentuk hasil kali ( x).h( y ) dimana fingsi
( x)  0 untuk 0  x  1 dan fungsi h( y )  0 untuk 0  y  1 . Ini berarti X dan Y tidak

bebas stokastik.

Contoh 5.7.

Diketahui f.k.p bersama dari x dan y berikut.

12 xy (1  y ) ;0  x  1; 0  y  1

f ( x, y )  0 ; x, y yang lain.

Buktikan bahwa X dan Y bebas stokastik.

Bukti :

Tulislah ( x)  12 x dan h(y)  y(1-y). Jelas bahwa :

i. ( x)  o untuk setiap x ;0  x  1.
ii. h( y )  0 untuk setiap y ; 0  y  1.
iii. f ( x, y )  ( x).h( y ) ; 0  x  1, 0  y  1.

Akibatnya, X dan Y bebas stokastik.

Kedua contoh diatas memperlihatkan bahwa dalam berbagai kasus distribusi bersama,

kebebassan stokastik dapat dideteksi hanya dengan melihat bentuk fungsi f ( x, y ) dan fungsi-

fungsi ( x ) dan h( y ) , jika ada, serta masing-masing domainnya.

Berikut ini dikemukakan berbagai akibat kebebasan stokastik.

1. Akibat Kebebasan Stokastik Dua Peubah Acak.

Sifat bebas stokastik yang dimiliki dua (atau lebih) peubah acak, memberikan banyak
kemudahan dalam perhitungan.
 42

Misalnya untuk menghitung: peluang, ekspektasi ataupun menentukan fpm bersama. Pada
teorema berikut dikemukakan cara perhitungan peluang apabila X dan Y bebas stokastik.

Teorema 5 :

Jika X dan Y bebas stokastik, maka

P ( a< X <b , c<Y <d )=P ( a<X <b ) . P ( c <Y <d )

Bukti:

Akan dibuktikan untuk kasus kontinu. Untuk kasus diskrit, anda tinggal mengganti lambang
integral dengan lambang jumlah. Karena X dan Y bebas stokastik, maka f(x,y) = f1(x)f2(y)

Akibatnya:

b d
P ( a< X < b , c< Y < d )=∫ ∫ f ( x , y ) dydx
a c

b d b d
¿ ∫ ∫ f 1( x ) f 2 ( y ) dydx=∫ f 1 ( x ) dx∫ f 2 ( y ) dy
a c a c

¿ P ( a< X ≤ b ) . P ( c <Y ≤ d ) .

Dengan demikian teorema diatas terbukti.

Pada teorema diatas terlihat bahwa kebebasan stokastik memberikan kemudahan dalam
perhitungan peluang. Banyak lagi kemudahan yang diberikan antara lain: kemudahan
menghitung ekspektasi dan kemudahan menentukan fpm. Hal ini dikemukakan dalam dua
teorema berikut.

Teorema 6 :

Misalkan

i. X dan Y peubah acak

ii. μ ( X ) dan ϑ(Y ) masing-masing berupa fungsi dari X dan fungsi dari Y.

Jika X dan Y bebas stokastik, maka;

E [ μ ( X ) ϑ(Y ) ]=E [ μ (X ) ] . E [ ϑ(Y ) ]

 43

Bukti:

Disinipun akan dibuktikan untuk kasus kontinu. Misalkan f(x,y) f.k.p bersama dari X dan Y.
Fkp marginalnya kita tulis f1 (x) dan f2 (y). Jadi,

∞ ∞
E [ μ ( X ) ϑ ( Y ) ] =∫ ∫ μ ( x ) ϑ ( y ) f ( x , y ) dxdy
−∞ −∞

∞ ∞
¿ ∫ ∫ μ ( x ) ϑ ( y ) f 1 ( x ) f 2 ( y ) dxdy .
−∞ −∞

∞ ∞
¿
{∫
−∞
μ ( x ) f 1 ( x)dx
}{∫
−∞
ϑ ( y ) f 2 ( y ) dy
}
¿ E [ μ( X ) ] . E [ ϑ(Y ) ]

Dengan demikian teorema diatas terbukti.

Teorema ini menjelaskan bahwa jika X dan Y bebas stokastik, maka ekspektasi μ ( X ) .ϑ (Y )
sama dengan hasil kali ekspektasi μ( X) dan ekspektasi ϑ(Y ) . Teorema 3 ini memberikan
akibat berikut.

Akibat : Jika X dan Y bebas stokastik, maka ρ=0 , sebab

E [ XY ] =E [ X ] . E [Y ]

atau

Kov ( X . Y )=E [ XY ] −E [ X ] . E [ Y ]=0

Catatan : Hati-hati dalam menerapkan akibat di atas jika ρ=0 , maka belim tentu x dan y
bebas stokastik. Hal ini diperlihatkan pada contoh berikut.

Contoh 5.4.

Diketahui fkp bersama dari x dan y sebagai berikut.

{
f ( x , y )= 3
; ( x , y )=( 0,0 ) , ( 1,1 ) ,(2,0)
0 ; x yang lain

a. Buktikan bahwa X dan Y tidak bebas stokastik

 44

b. Buktikan bahwa ρ=0

Bukti :

a. Fkp marginal x dan y adalah sebagai berikut.

1

{
f 1 ( x )= 3
; x =0,1,2
0 ; x yang lain

{
; y=0
3
f 2 ( y )= 1
; y=1
3
0 ; y yang lain

Jelas f ( x , y ) ≠ f 1 ( x ) . f 2 ( y ), malahan untuk setiap (x,y). Jadi Xdan Y tidak bebas stokastik.
1
b. Dari fkp bersama f ( x , y ) kita peroleh E [ XY ] = . Sedangkan dari kedua fkp marginal
3

1 1
kita peroleh μ1=1 dan μ2=1 /3 . Jadi Kou ( X .Y ) =E [ XY ] −μ 1 μ2= −1. =0
3 3

Pada contoh di atas terlihat bahwa walaupun dua peubah acak x dan y tidak bebas
stokastik, bisa terjadi koefisien korelasi antara mereka sama dengan nol. Terlihat bahwa
koefisien korelasi tergantung kepada bentuk fkp bersama dari x dan y. Oleh karena
mendeteksi kebebasan stokastik. Bukan koefisien korelasi yang menentukan kebebasan
stokastik melainkan bentuk distribusi bersamanya.

Kita akan kembali kepada topic ini tatkala mempelajari model distribusi normal bivariat.

Teorema 7 :

Misalkan

i. M ( t 1 .t 2 ) f.p.m. bersama dari X dan Y.

ii. M 1 (t 1 ) dan M 2 (t 2 ) masing-masing fpm marginal X dan fpm marginal Y.

Maka X dan Y bebas stokastik jika dan hanya jika :

M ( t 1 .t 2 )=M 1 ( t 1 ) . M 2( t 2 )

Bukti :
 45

i. Misalkan X dan Y bebas stokastik. Maka

M (t ¿ ¿1 , t 2)=E ( et X +t 2 Y
1
) =E ( e t X . et Y ) ¿
1 2

¿ E (et X ). E (et Y )
1 2

¿ M 1 ( t 1 ) . M 2 ( t2 )

ii. Misalkan M (t ¿ ¿1 , t 2)=M 1 ( t 1 ) . M 2 ( t 2 ) ¿ . Jadi,

∞ ∞
M (t ¿ ¿1 , t 2)=
{∫
−∞
t1X
e . f 1 (x) dx
}{∫−∞
et Y . f 2 ( y )dy ¿
2

}
∞ ∞
¿∫ ∫ e t X +t Y f 1 ( x ) f 2 ( y ) dx dy
1 2

−∞ −∞

Akan tetapi M (t ¿ ¿1 , t 2) ¿ adalah fpm bersama dari X dan Y. Jadi,

∞ ∞
M (t ¿ ¿1 , t 2)=¿ ∫ ∫ e t X +t Y f (x , y) dx dy ¿
1 2

−∞ −∞

Karena fpm bersifat unik, maka f ( x , y )=f 1 ( x ) f 2 ( y ), kecuali mungkin di himpunan yang
peluangnya 0. Ini berarti X dan Y bebas stokastik. Dari i dan ii, maka teorema di atas
terbukti.

2. Kebebasan Stokastik Beberapa Peubah Acak

Pengertian kebebasan stokastik dua peubah acak dapat dikembangkan kepada n buah
peubah acak. Demikian pula dengan Teorema 2, 3 dan 4. Peubah-peubah acak X1 ,X2 ,… ,Xn

dikatakan saling bebas stokastik jika

f ( x 1 , x 2 , … , x n ) =f ( x 1 ) f ( x 2 ) .… . f ( x n )

Ruas kiri menyatakan fkp bersama dari X1 ,X2 ,… ,Xn . Sedangkan ruas kanan adalah hasil
kali dari seluruh fkp marginalnya.

i. Jika X1 ,X2 ,… ,Xn saling bebas stokastik, maka

P ( a1 < X 1 ≤ b1 , a2< X 2 ≤b 2 , … , an < X n ≤ b n)

= P ( a1 < X 1 ≤ b1 ) . P ( a 2 < X 2 ≤ b2 ) … P ( an < X n ≤ b n )

ii. Jika X1 ,X2 ,… ,Xn saling bebas stokastik, maka

 46

E [ μ1 ( X 1 ) μ2 ( X 2 ) … μ n ( X n ) ] =E [ μ 1 ( X 1 ) ] E [ μ 2 ( X 2 ) ] … E [ μ n ( X n ) ]

iii.Jika X1 ,X2 ,… ,Xn saling bebas stokastik jika dan hanya jika

M ( t 1 , t 2 , … t n ) =M ( t 1 ) M ( t 2 ) … M ( t n ) dimana ;

a. Ruas kiri adalah f.p.m dari X1 ,X2 ,… ,Xn

b. M i ( t i ) adalah f.p.m dari X i ; i=1,2 , … n .

Jadi M i ( t i ) =( 0,0 , … , 0 ,t i , 0 , … , 0 )

Contoh 5.8.

Ketiga peubah acak X1 ,X2 ,dan X3 diketahui bebas stokastik dan memiliki fkp yang sama,
yakni :

f ( x )= 2 x ; 0< x <1
{
0 ; x yang lain

Misalkan Y =maks { X 1 , X 2 , X 3 } yakni yang harganya terbesar antara X 1 , X 2 , X 3.

a. Tentukan fkp bersama dari X 1 , X 2 , dan X 3.

b. Cari fungsi distribusi Y.

c. Hitung P Y ≤ ( 12 ) .
d. Tentukan fkp Y.

Penyelesaian :

a. Karena X 1 , X 2 , dan X 3 saling bebas stokastik , maka fkp bersamanya adalah :

f (x ¿ ¿1 , x 2 , x 3)=f ( x 1 ) f ( x 2) f ( x3 ) = 8 x 1 x2 x 3 ; 0< x i <1 ; i=1,2,3. ¿

{ 0 ; x 1 , x 2 , x 3 lainnya

b. Fungsi distribusi dari Y adalah :

F ( y )=P ( Y ≤ y )
¿ P¿
¿ P [ X1≤ y , X2≤ y , X3≤ y ]
¿ P [ X1≤ y ] . P [ X2 ≤ y ] . P[ X3≤ y ]
 47

¿{P [ X ≤ y]}3

0 ; y <0

Jadi,
{
{∫ }
y

0
3
6
2 x dx = y ; 0 ≤ y <1

1; y ≥1

1 1 1 6 1
c. P Y ≤ ( ) ()()2
=F
2
=
2
=
64
d. Fkp Y adalah h ( y )=F ' ( y ) , atau :
5
h ( y )= 6 y ; 0< y <1
{
0 ; y yang lain

Contoh 5 . 9.

Sebuah mata uang dilontarkan berkali-kali secara independent . Pada lontaran ke-i, kita
tuliskan

x i= {0 ,1bila
,bila muncul muka
muncul belakang

Misalkan untuk setiap i = 1, 2, … , fkp dari xi adalah

f ( x i ) =¿

Jika y menyatakan banyaknya lontaran sampai muncul muka, tentukanlah

a. P( y = 3 )
b. Fkp dari y

Penyelesaian

a. y = 3 artinya diperlukan tiga kali lontaran untuk memperoleh bagian muka. Ini berarti
x1 = 0, x2 = 0 dan x3 = 1. Jadi,
p ( y=3 ) =p (x 1=0 , x2 =0 , x 3=1)
¿ p ( x1 =0 ) p ( x2 =0 ) p( x 3=1)
1 1 2
¿ . .
3 3 3
2
¿
27
 48

b. karena y diskrit, maka fkp dari y adalah f(y) = p(Y=y). akan tetapi Y=y berarti bahwa
x1 = x2 = … = xy-1 = 0. Jadi
f ( y ) =p (Y = y )
¿ p( x 1=0 , x 2=0 , … , x y−1=0 , x y =1)
¿ p ( x1 =0 ) p ( x2 =0 ) … p ( x y−1 =1 ) p(x y =1)
y−1 y
1 2 1
¿ () () ()
3 3
=2
3

Atau

1 y

{( )
f ( y ) = 3 ; y =1, 2 , 3 ,…
2
0 ; y yang lain

V.2.1 Rangkuman

1. X dan Y bebas stokastik jika dan hanya jika

f ( x , y )=f 1 ( x ) f 2 ( y )
2. X dan Y bebas stokastik jika dan hanya jika terdapat dua fungsi non negative g(x) dan
h(x) sehingga f (x , y )≡ g ( x ) h( y ). Domain g(x) tidak tergantung y, dan domain h(y)
tidak tergantung x
3. Jika X dan Y bebas stokastik, maka
i. p ( a< x ≤b , c < y ≤ d )= p ¿
ii. E(u ( x ) v ( y ))=E ( u ( x ) ) E( v ( y ) )
4. Secara umum, jika x1, x2, … , xn bebas stokastik, maka:
i. p¿
¿ p ( a1 < x 1 ≤ b1 ) p(a 2< x 2 ≤b 2) , … … , p (an < x n ≤ b n)
ii. E¿
5. X dan Y bebas stokastik jika dan hanya jika M ¿ T 2) = M 2 ¿ ) M 2 ¿ )
6. Secara umum X 1 , X 2 , X 3 ... X n sal;ing bebas stakostik jika dan hanya jika
M ¿, t 2, ... t n) = M 1 ( t 1 ) M 2, (t 2), ... M n ¿¿ )
7. Jika X dan Y bebas stokastik maka ρ = 0 tapi tak sebaliknya
 49

V.2.2 latihan

5.6 Diketahui f, k, p, bersama dari X dan Y sebagai berikut.

1
{
f ( x , y )= 16
; x=1 ,2 , 3 , 4 y=1 , 2 ,3 , 4
0; x , y yang lain

a. Buktikan X dan Y bebas stokastik

b. Cari fpm bersama dan dan kedua fpm marginalnya
5.7 Fkp bersama dari X dan Y adalah sebagai berikut,
−x−y

f ( x , y )={e 0 x> 0 , y> 0

Buktikan bahwa :

a. X dan Y bebas stokastik

b. E [ e t (X +Y ) ] = (1 - t)(1−t)2 ; t < 1
5.8 X 1 , X 2 , X 3 X 4 diketahui salingbebas stokastik dan masing – masing memiliki fkp
sebagai berikut,
2

f ( x )={ 3(1−x)00< x <1 , dan x yang lain

Jika Y = min X 1 , X 2 , X 3 X 4 yakni yang harganya terkecil diantara X 1 sampai dengan

X 4 cari fungsi distribusi dan fkp dari y.

5.9 Sebuah dadu yang seimbang dilemparkan tiga kali secara independen. Pada lemparan
ke-i , i = 1, 2, 3, kita tuliskan X i = nilai dadu yang muncul jika Y = maks X 1 , X 2 , X 3
cari fungsi distribusi f.k.p nya
5.10 Seorang karyawan berangkat ke kantornya antara pukul 08.00 dan 08.30. lama
diperjalanan antara 40 dan 50 menit. Misalkan X menyatakan saat keberangkatan, dan
Y lama diperjalanan. Jika X dan Y bebas stokastik dan masing-masing berdistribusi
uniform, hitunglah peluangnya bahwa karyawan tersebut tiba di kantornya sebelum
pukul 09.00
50
 51

BAB VI
BEBERAPA MODEL DISTRIBUSI DISKRIT

VI. 1. MODEL DISTRIBUSI BINOMIAL

Di dalam matematika kita mengenal uraian binomial berikut. Untuk setiap bilangan
asli n, berlaku :

n
( a + b ) n = ∑ C xn ax bn-x ; a,b real
x=0

Jika kita ambil a= ρ dan b= 1-ρ dengan 0<ρ<1, maka fungsi

f(x) = cxn ρx (1-ρ)n-x ; x= 0,1,2,...,n
0 ; x yang lain
Merupakan fkp suatu peubah acak X, sebab
i. f(x) ≥ 0 untuk setiap x = 0, 1,2,...,n
n n
n
ii. ∑ f (x ) = ∑ Cx ρx (1-ρ)n-x = {ρ + (1-ρ) }n = 1
x=0 x=0