MAKALAH

TEORI PELUANG

Dosen: Dr. PUTRI YUANITA, M.Ed

DISUSUN OLEH

KELOMPOK 6

1. AULIA RAHMI UTARI 2110246747

2. NIDA SRI RAHMITA HASIBUAN 2110246735
3. NURSAMILASARI 2110246922

PROGRAM PASCA SARJANA UNIVERSITAS RIAU

PROGRAM STUDI PENDIDIKAN MATEMATIKA
UNIVERSITAS RIAU
TAHUN AJARAN 2021/2022
 KATA PENGANTAR

Puji dan Syukur kami Panjatkan ke Hadirat Tuhan Yang Maha Esa, karena kami dapat
menyelesaikan tugas makalah yang berjudul “Teori Peluang”.

Makalah disusun untuk memenuhi tugas Mata Kuliah Teori Peluang. Selain itu, makalah
ini bertujuan untuk menambah wawasan tentang Pengantar Teori Peluang, bagi para pembaca
dan juga bagi penulis.

Penulis mengucapkan terima kasih kepada ibu Dr. Putri Yuanita, M.Ed selaku dosen
pengampu pada mata kuliah Teori Peluang. Ucapan terima kasih juga disampaikan kepada
semua pihak yang telah membantu diselesaikannya makalah ini.

Akhirnya, kami menyadari bahwa makalah ini sangat jauh dari kesempurnaan. Oleh
karena itu, dengan segala kerendahan hati, kami menerima kritik dan saran agar penyusunan
makalh selanjtnya menjadi lebih baik. Untuk itu kami mengucapkan banyak terima kasih dan
semoga karya tulis ini bermanfaat bagi para pembaca.

Pekanbaru, September 2021

Penulis
 DAFTAR ISI

KATA PENGANTAR...............................................................................................1

DAFTAR ISI..............................................................................................................2

BAB I PENDAHULUAN.........................................................................................3

A. Latar Belakang Masalah.................................................................................3

B. Rumusan Masalah..........................................................................................4

C. Tujuan MasalahType equation here ................................................................4

D. Manfaat..........................................................................................................4

BAB II PEMBAHASAN .........................................................................................5

A. Variabel Acak.................................................................................................5
B. Variabel Acak Diskrit....................................................................................5
C. Nilai yang Diharapkan...................................................................................10

BAB III PENUTUP..................................................................................................17

A. Kesimpulan....................................................................................................17
B. Saran ..............................................................................................................18
 BAB I
PENDAHULUAN

A. Latar Belakang Masalah

Belum pernah kita dengar suatu masa di mana pendidikan tidak dibicarakan. Di
semua negara dan di semua waktu, pendidikan adalah masalah yang tak pernah selesai.
Pendidikan selalu terasa tidak pernah memuaskan. Apakah Anda mengira negara maju tidak
pernah lagi membicarakan pendidikan mereka? Apakah mereka sudah puas? Tidak, orang-
orang di negara maju sekalipun masih mengkritik keadaan pendidikan di negaranya.
Mengapa manusia tidak pernah puas terhadap pendidikan?

Mudah dipahami karena semua orang berkepentingan dengan pendidikan. Orang yang
ingin memperbaiki seseorang, sekelompok orang, suatu negara, dan bahkan dunia, pasti akan
melakukannya, langsung atau tidak langsung, melalui pendidikan. Orang yang akan merusak
negara juga akan melakukannya melalui pendidikan. Orang yang mengerti pendidikan tentu
akan ikut bicara pendidikan. Orang yang tidak tahu apa-apa tentang pendidikan juga ikut
berbicara tentang pendidikan karena anak dan turunannya telah dan akan mengikuti
pendidikan.

Kemajuan dan perkembangan pendidikan menjadi faktor keberhasilan suatu bangsa.

Beberapa indikasi dapat dilihat dari kemajuan dunia barat seperti Amerika dan Eropa yang
selalu menjadi anutan setiap berbicara masalah pendidikan. Hal ini diketahui dari berbagai
data yang telah memberikan informasi tentang keungngulan dibidang pendidikan seperti
model pembelajaran, hasil-hasil penelitian, produk-produk lulusan dan sebagainya.Bangsa
Indonesia sebagai bangsa yang dalam posisinya masih dikatakan sebagai Negara berkembang
sedang mencari bentuk tentang bagaimana cara dan upaya agar menjadi negar maju terutama
dibidang pendidikan.

Teori Peluang yang merupakan cabang Matematika, menitikberatkan perhatian pada

analisis gejala-gejala random. Objek-objek utama Teori Peluang adalah variabel-variabel
random, proses-proses stokastik, dan kejadian-kejadian (abstraksi matematika dari kejadian
non deterministik).Saat ini teori peluang banyak digunakan di berbagai bidang, seperti
asuransi, bisnis, biologi, olahraga, dan kesehatan. Pada tingkatan Perguruan Tinggi,
khususnya pada jurusan Pendidikan Matematika, teori peluang dipelajari pada tahun pertama
kuliah di semester 1 dengan nama mata kuliah yang sama yaitu Teori Peluang. Teori Peluang
merupakan dasar bagi mahasiswa dalam menempuh mata kuliah lanjutan Statistika
Matematika.

Pada makalah ini kami akan membahas teori peluang yaitu ruang sampel memiliki hasil
yang mungkin sama, probabilitas sebagai fungsi set lanjut , dan probabilitas sebagai ukuran
kepercayaan. Diharapkan makalah dapat memberikan wawasan yang luas tentang ruang
sampel memiliki hasil yang mungkin sama, probabilitas sebagai fungsi set lanjut , dan
probabilitas sebagai ukuran kepercayaan.

B. Rumusan Masalah

1. Bagaimana variabel acak memiliki hasil yang mungkin sama pengaplikasiannya

dalam kehidupan sehari-hari ?
2. Bagaimana variabel acak diskrit pengaplikasiannya dalam kehidupan sehari-hari ?
3. Bagaimana nilai yang diharapkan pengaplikasiannya dalam kehidupan sehari-hari ?

C. Tujuan Masalah

Berdasarkan rumusan masalah diatas, dapat disimpulkan beberapa tujuan sebagai

berikut:

1. Mampu memahami tentang variabel acak memiliki hasil yang mungkin sama.

2. Mampu memahami tentang variabel acak diskrit.

3. Mampu memahami tentang nilai yang diharapkan.
 BAB II

PEMBAHASAN

A. Variabel Acak
Seringkali, ketika sebuah eksperimen dilakukan, kita tertarik terutama pada
beberapa fungsi dari hasil yang bertentangan dengan hasil yang sebenarnya itu sendiri.
Misalnya, dalam melempar dadu, kita sering tertarik pada jumlah dua dadu dan tidak
terlalu peduli tentang nilai-nilai yang terpisah dari masing-masing mati. Artinya, kita
mungkin tertarik untuk mengetahui bahwa jumlahnya adalah 7 dan mungkin tidak peduli
apakah hasil yang sebenarnya adalah (1, 6), (2, 5), (3, 4), (4, 3), (5, 2), atau (6, 1). Juga,
dalam melempar koin, kita mungkin tertarik pada jumlah total kepala yang muncul dan
tidak peduli sama sekali tentang angka sebenarnya. Urutan kepala-ekor yang dihasilkan.
Jumlah bunga ini, atau, lebih formal, ini fungsi bernilai nyata yang didefinisikan pada
ruang sampel, dikenal sebagai variabel acak. Karena nilai variabel acak ditentukan oleh
hasil eksperimen, kita dapat menetapkan probabilitas ke nilai yang mungkin dari variabel
acak.

CONTOH 1a

Misalkan percobaan kita terdiri dari pelemparan 3 koin yang adil. Jika kita
biarkan Y menyatakan jumlah kepala yang muncul, maka Y adalah variabel acak yang
mengambil salah satu nilai 0, 1, 2, dan 3 dengan probabilitas masing-masing

1 3
P { Y =0 }=P { ( T , T , T ) }= P { Y =1 }=P { ( T ,T , H ) , ( T , H ,T ) , ( H , T , T ) }=
8 8

3
P { Y =2 }=P {( T , H , H ) , ( H , T , H ) , ( H , H , T ) }=
8

1
P { Y =3 }=P { ( H , H , H ) }=
8

Karena Y harus mengambil salah satu dari nilai 0 sampai 3, kita harus memiliki

3
1=( P¿i=0¿3 {Y =i })=∑ P {Y =i}
i=0
 yang, tentu saja, sesuai dengan probabilitas sebelumnya.

CONTOH 1b

Tiga bola akan dipilih secara acak tanpa pengembalian dari sebuah guci berisi 20
bola bernomor 1 sampai 20. Jika kita bertaruh bahwa setidaknya salah satu bola yang
yang terambil memiliki bilangan yang sama besar atau lebih besar dari 17, berapa
peluang kita memenangkan taruhan?

Larutan. Biarkan X menunjukkan angka terbesar yang dipilih. Maka X adalah variabel
acak mengambil salah satu dari nilai 3, 4, ... , 20. Selanjutnya, jika kita menganggap

bahwa masing-masing dari (203 ) kemungkinan pilihan sama-sama mungkin terjadi, maka
i−1
P { X=i } =
( 2 )
i=3 , … ,20 (1.1)
20
(3)
Persamaan (1.1) mengikuti karena banyaknya pilihan yang menghasilkan kejadian
{X = i} hanyalah banyaknya pilihan yang menghasilkan bola bernomor i dan dua dari

bola bernomor 1 sampai i 1 yang dipilih. Karena jelas ada (11 )(i−12) pilihan tersebut,
kami memperoleh probabilitas yang dinyatakan dalam Persamaan (1.1), dimana kita
melihat itu

19
P { X=20 }=
( 2) 3
= =.150
20 20
(3)
18
P { X=19 }=
( 2 ) 51
= ≈ .134
20 380
(3)
 17
P { X=18 }=
( 2 ) 34
= ≈ .119
20 285
(3)
16
P { X=17 }=
( 2) 2
= ≈ .105
20 19
(3)
Oleh karena itu, karena kejadian {X 17} adalah gabungan dari kejadian-kejadian yang
saling lepas {X = i}, i = 17, 18, 19, 20, maka probabilitas menang taruhan kita diberikan
oleh

P { X ≥17 } ≈ .105+.119 +.150=.508

CONTOH 1c

Percobaan independen yang terdiri dari pelemparan koin yang memiliki probabilitas p
dating up head terus dilakukan sampai salah satu head terjadi atau total n flips adalah
dibuat. Jika kita membiarkan X menunjukkan berapa kali koin dilempar, maka X adalah
acak variabel mengambil salah satu nilai 1, 2, 3, ... , n dengan probabilitas masing-masing

P { X=1 }=P { H }= p

P { X=2 }=P { ( T . H ) }=( 1− p ) p

P { X=3 }=P { ( T , T , H ) }=(1− p)2 p

P { X=n−1 }=P {( T ,T , … ,T , H ) }=(1− p)n −2 p

P { X=n }=P { ( T , T , … , T , T ) , ( T , T ,… , T , H ) } =(1− p)n−1

Sebagai bukti, perhatikan bahwa

n n−1
1−( 1− p )n−1
P ( ¿ i=1¿n { X=i }) =∑ P { X=i }¿ ∑ p ¿ ¿¿ P
i=1 i=1
[
1−( 1− p ) ]
+ ( 1− p )n−1¿ 1−( 1−p )n−1+ ( 1−p )n−1¿ 1

CONTOH 1d
 Tiga bola dipilih secara acak dari sebuah guci yang berisi 3 putih, 3 merah, dan 5
hitam bola. Misalkan kita menang $1 untuk setiap bola putih yang dipilih dan kehilangan
$1 untuk setiap bola merah terpilih. Jika kita membiarkan X menunjukkan total
kemenangan kita dari percobaan, maka X adalah variabel acak yang mengambil
kemungkinan nilai 0, ±1, ±2, ±3 dengan probabilitas masing-masing

5 + 3 3 5 3 5+ 3 3
P { X=0 }=
( ) ( )(
3 1 1 1 )( ) =( 55 ) P { X=1 }=P { X=−1 }=
( 1 )( 2 ) ( 2 )( 1 )
=( 39 )
11 165 11 165
(3) (3)

3 5 +3 3 3
P { X=2 }=P { X=−2 }=
( )( )
2 1 2 1 ( )( ) =( 15 ) P { X=3 }=P { X=−3 }=
( 3)
=( 1 )
165
( 113) (113) 165
Probabilitas ini diperoleh, misalnya, dengan mencatat bahwa agar X sama dengan
0, ketiga bola yang dipilih harus berwarna hitam atau 1 bola dari setiap warna harus
terpilih. Demikian pula, kejadian {X = 1} terjadi jika 1 bola putih dan 2 bola hitam
berada dipilih atau jika 2 putih dan 1 merah dipilih. Sebagai cek, kami mencatat bahwa

3 3
55+39+15+1+39+15+ 1
∑ P { X =i }+∑ P { X=−i }= 165
=1
i−0 i=1

Probabilitas bahwa kita memenangkan uang diberikan oleh

3
55 1
∑ P { X =i }= 165 =
3
i=1

CONTOH 1e

Misalkan ada N jenis kupon yang berbeda dan setiap kali mendapatkan kupon, itu,
terlepas dari pilihan sebelumnya, sama-sama mungkin menjadi salah satu dari tipe N.
Salah satu variabel acak yang menarik adalah T, jumlah kupon yang perlu dikumpulkan
sampai seseorang memperoleh satu set lengkap setidaknya satu dari setiap jenis. Daripada
turunkan P{T = n} secara langsung, mari kita mulai dengan mempertimbangkan
 probabilitas bahwa T lebih besar dari n. Untuk melakukannya, perbaiki n dan tentukan
kejadian A1, A2, ... , AN sebagai berikut: Aj adalah kejadian bahwa tidak ada kupon tipe
j yang terdapat di antara n kupon pertama yang dikumpulkan, j = 1, ... , N. Karenanya,

P { T >n }=P ( ¿ j=1¿ N Aj )¿ ∑

j
P ( Aj )− ∑ ∑ P ( A j A j ) + …
j <j
1 2
1 2

+ (−1 )
k +1
∑ ∑ ∑ P ( A j A j¿… A j ) … ¿+ (−1 ) N +1 P( A1 A 2 … A N )
1 2 k

j 1< j2 …< jk

Sekarang, Aj akan terjadi jika masing-masing dari n kupon yang dikumpulkan

bukan bertipe j. Karena masing-masing kupon tidak akan bertipe j dengan probabilitas (N
1)/N, kita miliki, dengan asumsi kemandirian jenis kupon berturut-turut,

n
N −1
P ( A j )= ( N )
Juga, acara Aj1Aj2 akan terjadi jika tidak ada n kupon pertama yang dikumpulkan
adalah salah satunya ketik j1 atau ketik j2. Jadi, sekali lagi menggunakan independensi,
kita melihat bahwa

n
N −2
P ( A j A j )=
1 2 ( N )

Alasan yang sama memberikan

n
N−k
P ( A j A j … A j )=
1 2 k ( N )
dan kita lihat untuk n>0,

N−1 n N N−2 n N N−3 n n

1
( ) ( )( ) ( )( ) −…+ (−1 ) N
P { T >n }=N
N
−
2 N
+
3 N
N
( )( )
N−1 N

N −1
N−i n
¿∑ N
i−1 i ( )( N )
(−1)i+1
 Probabilitas bahwa T sama dengan n sekarang dapat diperoleh dari rumus sebelumnya
dengan Penggunaan

P { T >n−1 }=P { T =n }+ P { T > n }

Atau equivalent dengan

P { T =n } + P { T >n−1 }−P {T >n }

Variabel acak lain yang menarik adalah jumlah jenis kupon yang berbeda yang
terdapat dalam n pilihan pertama—sebut variabel acak ini Dn. Untuk menghitung P{Dn =
k}, mari kita mulai dengan memusatkan perhatian pada himpunan tertentu dari k jenis
yang berbeda, dan mari kita tentukan probabilitas bahwa himpunan ini merupakan
himpunan yang berbeda jenis yang diperoleh dalam n pilihan pertama. Sekarang, agar
situasinya seperti ini, itu adalah perlu dan cukup bahwa, dari n kupon pertama yang
diperoleh,

A: masing-masing adalah salah satu dari k tipe ini.

B: masing-masing dari k jenis ini diwakili.

Sekarang, setiap kupon yang dipilih akan menjadi salah satu dari k jenis dengan
probabilitas k/N, jadi probabilitas bahwa A akan valid adalah (k/N)n. Juga, mengingat
bahwa kupon adalah salah satu dari k jenis yang sedang dipertimbangkan, mudah untuk
melihat bahwa itu sama-sama mungkin dari salah satu dari k jenis ini. Oleh karena itu,
probabilitas bersyarat B jika A terjadi adalah sama sebagai probabilitas bahwa satu set n
kupon, masing-masing memiliki kemungkinan yang sama untuk salah satu dari k yang
mungkin jenis, berisi satu set lengkap semua k jenis. Tapi ini hanya kemungkinan bahwa
jumlah yang dibutuhkan untuk mengumpulkan satu set lengkap, ketika memilih di antara
k jenis, kurang dari atau sama dengan n dan dengan demikian dapat diperoleh dari
Persamaan (1.2) dengan k menggantikan N. Jadi, kita punya

k−1
k n k k −1 n
P A=
( )
N ( )
P ( B| A )=1−∑
i=1 i k ( )( )
(−1)i+1
 Akhirnya, karena ada ( Nk ) pilihan yang mungkin untuk himpunan tipe k, kita sampai pada
n k−1
k −i n
P { Dn=k }= N P ( AB )¿ N
k ( ) k ( )( ) [
k
N
1−∑ k
i=1 i
( )( )
k
(−1 )i+1
]
Komentar. Karena seseorang harus mengumpulkan setidaknya N kupon untuk
mendapatkan set yang bersaing, itu berikut bahwa P{T > n} = 1 jika n < N. Oleh karena
itu, dari Persamaan (1.2), kita memperoleh identitas kombinatorial yang menarik bahwa,
untuk bilangan bulat 1 … n < N,

N−1
N N−i n
∑(
i =1 i )( N ) (−1)i+ 1=1

Yang dapat ditulis sebagai

N−1 n
∑ ( Ni )( N−i
N ) (−1)i+ 1=0
i=0

atau, setelah dikalikan dengan (−1)N N n dan dibiarkan menjadi j=N−i ,

∑ ( Nj ) jn (−1) j−1=0 1 ≤n< N

j=1

Untuk variabel acak X, fungsi F didefinisikan oleh

F ( x )=P { X ≤ x } −∞ < x< ∞

disebut fungsi distribusi kumulatif, atau, lebih sederhana, fungsi distribusi, dari X. Jadi,
fungsi distribusi menentukan, untuk semua nilai nyata x, probabilitas bahwa variabel
acak kurang dari atau sama dengan x. Sekarang, misalkan a≤b. Kemudian, karena
kejadian {X≤ a} terdapat pada peristiwa {X ≤ b}, maka F(a), probabilitas yang pertama,
 lebih kecil dari atau sama dengan F(b), probabilitas yang terakhir. Dengan kata lain, F(x)
adalah fungsi tak menurun dari x.

B. Variabel Random Diskrit

Sebuah variabel acak yang dapat mengambil paling banyak jumlah nilai yang mungkin
dapat dihitung adalah dikatakan diskrit. Untuk variabel acak diskrit X, kami mendefinisikan
massa probabilitas fungsi p(a) dari X dengan
p(a) = P{X = a}
Fungsi massa probabilitas p(a) positif untuk paling banyak sejumlah nilai yang dapat
dihitung
dari a. Artinya, jika X harus mengasumsikan salah satu nilai x1, x2, . . . , kemudian
p(xi) ≥ 0 untuk i = 1,2, …..
p(x) = 0 untuk semua nilai lain dari x
Karena X harus mengambil salah satu nilai xi, kita mendapatkan
∞

∑ p( xi ¿ )=1 ¿
i=1

Seringkali instruktif untuk menyajikan fungsi massa probabilitas dalam format

grafis dengan memplot p(xi) pada sumbu y terhadap xi pada sumbu x. Misalnya, jika
probabilitas fungsi massa X adalah

1 1 1
p ( 0 )= p ( 2 )= p ( 1 )=
4 4 2

Kita dapat merepresentasikan fungsi ini secara grafis seperti yang ditunjukkan
pada Gambar 4.1. Demikian pula, grafik dari fungsi massa probabilitas dari variabel acak
yang mewakili jumlah ketika dua buah dadu dilempar terlihat seperti Gambar 4.2.
Contoh 2a
Fungsi massa probabilitas dari variabel acak X diberikan oleh p(i) = cλi/i!,
i = 0, 1, 2, . . . , di mana λ adalah beberapa nilai positif. Carilah (a) P{X = 0} dan (b) P{X >
2}.
 Solusi.Sejak

∑ p ( i )=1kita memiliki
i=0

∞
λi
c∑ =1
i=0 i!

Dimana karena,

∞
e x =∑ xi /i! menyiratkan bahwa
i=0

ce λ=1 c=e−λ

Karenanya,

−λ o
( a ) P { X=0 }= e λ =e− λ
0!

2 −λ
( b ) P { X >2 }=1 P { X ≤2 }=1−P { X=0 }−P { X =1 }−P { X=2 }=1−e−λ −λe−λ − λ e
2

Fungsi distribusi kumulatif F dapat dinyatakan dalam p(a) dengan

F ( a )= ∑ p( x )
all x ≤a

Jika X adalah variabel acak diskrit yang nilainya mungkin adalah x1, x2, x3, . . . , di mana x1 <
x2 < x3 < · · · , maka fungsi distribusi F dari X adalah fungsi langkah. Itu adalah, nilai F
konstan dalam interval [xi−1, xi) dan kemudian mengambil langkah (atau melompat) dari
ukuran p(xi) di xi. Misalnya, jika X memiliki fungsi massa probabilitas yang diberikan oleh

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

maka fungsi distribusi kumulatifnya adalah

 0 a<¿ 1

{ 1
4
¿
¿
a <2 3 ¿ 2≤ ¿ a< 3 ¿ ¿ 7
4 8
3≤ a ¿ 4 ¿ 1 4 ≤ a ¿

Fungsi ini digambarkan secara grafis pada Gambar 4.3.

Perhatikan bahwa ukuran langkah pada salah satu nilai 1, 2, 3, dan 4 sama dengan
probabilitas bahwa X mengasumsikan nilai tertentu.

C. Nilai yang diharapkan 

Salah satu konsep terpenting dalam teori probabilitas adalah ekspektasi dari variabel
acak. Jika X adalah variabel acak diskrit memiliki fungsi massa probabilitas p(x ), maka
harapan, atau nilai harapan, dari X , dilambangkan dengan E( X), didefinisikan oleh 

E ( X )= ∑ xp( x )
x : p ( x ) >0

Dengan kata lain, nilai yang diharapkan dari X adalah rata-rata tertimbang dari nilai-nilai
yang mungkin X dapat mengambil, setiap nilai dibobot dengan probabilitas bahwa X
mengambilnya. Untuk Misalnya, disatu sisi, jika fungsi massa probabilitas X diberikan
oleh

1
p ( 0 )= = p ( 1 )
2

Maka

E ( X ) =0 ( 12 )+1 ( 12 )=( 12 )
adalah hanya rata-rata biasa dari dua nilai yang mungkin, 0 dan 1, yang dapat diasumsikan
oleh X . di sisi lain, jika 

1 2
p ( 0 )= = p ( 1 )=
3 3

maka 

E ( X ) =0 ( 13 )+1 ( 23 )=( 23 )
 adalah rata-rata tertimbang dari dua kemungkinan nilai 0 dan 1, dimana nilai 1 diberikan
bobot dua kali lipat dari nilai 0, karena p ( 1 )=2 p (0).

Motivasi lain dari definisi harapan disediakan oleh frekuensi interpretasi probabilitas.
Penafsiran ini (sebagian dibenarkan oleh yang kuat) hukum bilangan besar, yang akan
disajikan dalam Bab 8) mengasumsikan bahwa jika barisan tak hingga replikasi
independen dari suatu percobaan dilakukan, maka, untuk setiap kejadian E, proporsi waktu
terjadinya E adalah P(E). Sekarang, pertimbangkan variabel acak X yang harus mengambil
salah satu nilai x1 , x2 , … xn dengan probabilitas masing-masing
p(x ¿¿ 1) , p ( x 2), … p ( x¿¿ n) ¿ ¿, dan anggap X mewakili kemenangan kita dalam satu
permainan peluang. Artinya, dengan probabilitas p( x i) kita akan memenangkan x i unit
i=1,2 , … , n. Menurut interpretasi frekuensi, jika kita memainkan game ini terus-menerus,
maka proporsi waktu bahwa kita menang x iakan menjadi p(x i). Karena ini benar untuk
semua i, i=1,2 , … , n, maka rata-rata kemenangan per game adalah
n

∑ x i p (x i)=E (X )
i=1

Contoh :

1. Temukan E( X), di mana X adalah hasil ketika kita melempar dadu yang adil.
Penyelesaian:
1
Karena P(1)=¿ P ( 2 )=P ( 3 )=P ( 4 )=P ( 5 )=P ( 6 ) = kita peroleh,
6

E ( X ) =1 ( 16 )+2 ( 16 )+3 ( 16 )+ 4 ( 16 )+5 ( 16 )+6 ( 61 )= 72

2. Sebuah sekolah yang terdiri dari 120 siswa didorong dengan 3 bus menuju pertunjukan
simfoni. Di sana ada 36 siswa di salah satu bus, 40 di bus lain, dan 44 di bus ketiga. Ketika
bus tiba, salah satu dari 120 siswa dipilih secara acak. Biarkan X menunjukkan angka
siswa di bus siswa yang dipilih secara acak, dan temukan E( X).
36 40 44
P { X=36 }= , P { X=40 }= , P { X =44 }=
120 120 120
Oleh karena itu,
 E ( X ) =36 ( 103 )+ 40( 13 )+44 ( 1130 )= 1208
30
=40.2667

3. Empat bus membawa 148 siswa dari tempat yang sama sekolah tiba di stadion sepak bola.
Bus-bus membawa, masing-masing, 40, 33, 25, dan 50 siswa. Satu dari siswa dipilih secara
acak. Biarkan X menunjukkan banyaknya siswa yang berada di dalam bus yang
mengendarai mobil tersebut adalah siswa yang dipilih secara acak. Salah satu dari 4
pengemudi bus juga dipilih secara acak. Biarkan Y menunjukkan jumlah siswa di busnya.
a. Manakah dari E( X) atau E(Y ) yang menurut Anda lebih besar? Mengapa?
b. Hitung E( X)dan E(Y ).
Penyelesaian:
a. E ( X ) > E (Y ) karena siswa yang dipilih lebih mungkin berasal dari bus yang membawa
siswa maksimal sedangkan sebagai pengemudi kemungkinan besar yang dipilih sama.

b. E ( Y )=40 ( 14 )+33 ( 14 )+25 ( 14 )+ 50( 14 )= 1484 =37

40 33 25 50
E ( X ) =40 ( 148 )+33 ( 148 )+25 ( 148 )+50( 148 )= 5.814
148
=39,3

RINGKASAN

Fungsi bernilai nyata yang didefinisikan pada hasil eksperimen probabilitas disebut sebuah
variabel acak.

Jika X adalah variabel acak, maka fungsi F (x) didefinisikan oleh

F ( x )= { P ≤ x }

disebut fungsi distribusi X . Semua probabilitas mengenai X dapat dinyatakan dalam hal F.

Sebuah variabel acak yang himpunan nilai-nilai yang mungkin baik terbatas atau tak
terbatas terhitung disebut diskrit. Jika X adalah variabel acak diskrit, maka fungsi
 p ( x ) =P{ X=x }

disebut fungsi massa peluang dari X . Juga, besaran E( X) yang didefinisikan oleh

E ( X )= ∑ xp( x )
x : p ( x ) >0

disebut nilai harapan dari X . E( X) juga biasa disebut mean atau harapan dari X .