MAKALAH

TEORI PELUANG

VARIABEL ACAK (FUNGSI EKSPEKTASI DARI VARIABEL

ACAK, VARIANSI, VARIABEL ACAK BERNOULI
DAN BINOMIAL)

Dosen: Dr. PUTRI YUANITA, M.Ed

DISUSUN OLEH

KELOMPOK I

1. ANNISA 2110246954
2. ELINA 2110246903
3. NURLELA 2110246905

PROGRAM PASCA SARJANA UNIVERSITAS RIAU

PROGRAM STUDI PENDIDIKAN MATEMATIKA
UNIVERSITAS RIAU
TAHUN 2021
 DAFTAR ISI

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

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

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

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

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

C. Tujuan Masalah..............................................................................................4

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

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

A. Fungsi Ekspektasi dari Variabel Acak...........................................................5
B. Variansi..........................................................................................................5
C. Variabel Acak Bernouli dan Binomial...........................................................10
1. Sifat-sifat Variabel Acak Binomial..........................................................14
2. Menghitung Fungsi Binomial..................................................................15

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

A. Kesimpulan....................................................................................................17
B. Saran ..............................................................................................................18

1
 BAB I
PENDAHULUAN

A. Latar Belakang Masalah

Perkembangan ilmu pengetahuan dan teknologi (IPTEK) yang semakin

hari semakin telah membawa perubahan pada dunia pendidikan. Segala
perubahan yang terjadi dalam kehidupan masyarakat membuat dunia
pendidikan terus menyesuaikan diri. Dunia pendidikan sangat terkait dengan
siswa sebagai peserta didik yang merupakan subjek utama dalam pendidikan.
Siswa harus dibekali dengan pengetahuan, keterampilan, dan sikap yang
memungkinkannya untuk mandiri, sehingga dapat memberikan kontribusi
yang bermanfaat bagi pembangunan bangsa dan negara.

Salah satu pelajaran yang perlu mendapat perhatian lebih adalah

matematika. Apabila dibandingkan dengan mata pelajaran yang lain, prestasi
siswa dalam pelajaran matematika selalu lebih rendah, dikarenakan beberapa
kesalahan problematika dalam pembelajaran matematika di sekolah. Perasaan
seseorang mengenai matematika, sebagaimana perasaan orang terhadap
kecantikan fisik, sangatlah subjek. Tentu saja, matematika tidaklah dianggap
sebagai mata pelajaran yang asyik oleh peserta didik bahkan orang dewasa
sekalipun. Salah satu mata pelajaran yang ada pada semua jenjang pendidikan
adalah matematika. Mulai dari jenjang SD sampai dengan perguruan tinggi.

Salah satu mata kuliah pada program studi Pascasarjana Pendidikan

Matematika adalah Teori Peluang. Teori peluang adalah cabang matematika
yang bersangkutan dengan peluang, analisis fenoma acak. Obyek utama teori
peluang adalah variable acak, proses stokastik, dan kejadian: abstraksi
matematis non-deterministik peristiwa atau kuantitas terukur yang dapat
berupa kejadian tunggal atau berkembang dari waktu ke waktu dalam mode
tampaknya acak (Anggoro, 2015).

2
 Pada makalah ini kami akan membahas teori peluang yaitu permutasi
dan kombinasi, koefisien multinomial dan jumlah solusi Bilangan Bulat.
Diharapkan makalah dapat memberikan wawasan yang luas tentang definisi
permutasi dan kombinasi, koefien multinomial dan jumlah solusi bilangan
bulat.

B. Rumusan Masalah

1. Apa yang diamaksud fungsi ekspektasi dari variabel acak ?

2. Apayang dimaksud dengan variansi ?

3. Apa saja sifat-sifat variansi?
4. Apa yang dimaksud variabel acak bernouli dan binomial ?
5. Bagaimana Sifat-sifat variabel acak binomial?
6. Bagaimana menghitung fungsi binomial?
C. Tujuan Masalah

Berdasarkan rumusan masalah diatas, dapat disimpulkan beberapa tujuan

sebagai berikut:

1. Mampu memahami tentang fungsi ekspektasi dari variabel acak.

2. Mampu memahami tentang variansi.

3. Mengetahui sifat-sifat variansi
4. Mampu memahami variabel acak bernouli dan binomial.
5. Mampu memahami sifat-sifat variabel acak binomial
6. Mampu menghitung fungsi binomial
D. Manfaat

Makalah ini memberikan manfaat yaitu sebagai wawasan dan referensi

bagi para pembaca khususnya kepada para pendidik dalam penerapan proses
pembelajaran.

3
 BAB II
PEMBAHASAN

A. Fungsi Ekspektasi Dari Variabel Acak

Definisi

Untuk suatu peubah acak diskrit X yang memiliki nilai-nilai yang mungkin
x1, x2, …, xn, nilai ekspektasi dari x didefinisikan sebagai:
E ( X ) =x1 P ( X=x 1 ) + x 2 P ( X =x 2 )+ …+ x n P( X=x n )
n
= ∑ x i P (X =xi )
i=1

Mengingat P ( X =xi ) =f ( x i ) ,maka:

E ( X ) =xi f ( x i ) + x 2 f ( x 2) + …+ x n f ( x n)

n
= ∑ xi f ( xi )
i=1

Contoh 4.a

Misalkan X adalah variabel acak yang mengambil salah sati nilai -1, 0, dan 1
dengan probibilatas masing-masing

P { X=−1 }=0,2 P { X=0 }=0,5 P { X=1 }=0,3

Hitunglah E { x 2 }.

Penyelesaian:

Misalkan Y = X 2, maka fungsi masaa probabilitas dari y diberikan oleh

P { Y =1 }=P { X =−1 } + P { X=1 }

= 0,2+0,3=0,5

P { Y =1 }=P { X =0 } =0,5

4
Karena

E [ X 2 ]=E [ Y ]=1 ( 0,5 ) +0 ( 0,5 )=0,5

Perhatikan bahwa

2
0,5=E [ X 2 ] ≠ ( E [ X ] ) =0,1

proporsi 4.1.

Jika X adalah variabel acak diskrit yang mengambil salah satu nilai x i , i≥ 1 ,

dengan probibilitas masing-masing p ( x i) maka untuk semua fungsi g bernilai real.

E [ g(X ) ] =∑ g ( x i ) p (x i)
i

Sebelum membuktikan prporsi ini, mari kita periksa apakah itu sesuai dengan
hasil contoh 4a.

2
E ( X 2) =(−1 ) ( 0,2 )+ 02 ( 0,5 )+12 ( 0,3)

= 0,2+0+ 0,3

= 0,5

Sesuai dengan hasil pada contoh 4a

Bukti proporsi 4.1

∑ g ( x i ) p ( x i ) =∑ ∑ g ( xi ) p( x i )
i j i ;g ( x i ) = y i

=∑ ∑ y j p( x i)
j i:g x =y( i) j

=∑y ∑
( ) j
i
i : g xi = y j
p(x i )

5
 = ∑ y P { g ( X )= y }
j
j j

= E [ g( X ) ]

Contoh 4b.

sebuah produk yang dijual secara musiman menghasilkan laba bersih b dolar
untuk setiap unit yang terjual dan kerugian bersih l untuk setiap unit yang tidak
terjual saat musim berakhir. Jumlah unit produk yang dipessan di departemen
store tertentu selama musim apapun adalah variabel acak yang memiliki fungsi
massa probabilitas p ( i ) , i≥ 0. Jika toko harus stok produk ini terlebih dahulu,
tentukan jumlah unit yang harus disediakan toko untuk memaksimalkan
keuntungan yang diharapkan.

Solusi:

Misalkan X adalah jumlah unit yang dipesan. Jika s unit yang tersedian, maka
keuntungan P(s) dapat dinyatakan sebagai:

P ( s )=bX −( s− X ) l jika X ≤ s

= sb jika X > s

Oleh karena itu keuntungan yang diharapkan adalah:

s ∞
E [ P(s) ] = ∑ [ bi−( s−i ) l ] p (i ) + ∑ bp(i)
1=0 i=s +1

s s s
= ( b+l ) ∑ ip ( i )−sl ∑ p (i ) + sb 1−∑ p (i)
i=0 i=0
[ i=0
]
s s
= (b+ l) ∑ ip9 i ¿−9 b+ l¿ s ∑ p ( i ) + sb ¿
i=0 i=0

s
= sb+ ( b+ l ) ∑ ( i−s ) p(i)
i=0

6
Oleh karena itu, untuk menentukan nilai s yang optimal, mari kita selidiki apa

yang terjadi pada keuntungan ketika kita meningkatkan s dengan 1 unit. Dengan

substitusi, kita melihat bahwa keuntungan yang diharapkan dalam hal ini

kasus diberikan keuntungan yang diharapkan sama dengan

E [ P(s+1) ] =b ¿
s
= b ( s+1 ) + ( b+ l ) ∑ ( i−s−1 ) p(i)
i=0

Karena itu
s
E [ P(s+1) ] −E [ P ( s ) ] =b−( b+l ) ∑ p (i)
i=0

Dengan demikian, penyediaan s + 1 unit akan lebih baik daripada penyediaan s

unit.
s
b (4.1)
∑ p( i)< b+l
i=0

Karena ruas kiri Persamaan (4.1) bertambah dalam s sedangkan ruas kanan

sisi konstan, pertidaksamaan akan dipenuhi untuk semua nilai s ≤ s ¿ dimana s¿

adalah nilai s terbesar memenuhi Persamaan (4.1). Sejak

E [ P ( 0 ) ] <…< E [ P ( s ¿ ) ]< E [ P ( s ¿ +1 ) ] > E [ P ( s¿ +2 ) ]> …

berikut bahwa stocking s¿ +1 item akan menghasilkan keuntungan yang

diharapkan maksimum.

Contoh 4c.

Banyaknya mobil yang masuk ketempat cucian mobil antara jam 13.00 – 14.00

setiap hari mempunyai distribusi peluang sebagai berikut:

7
X 4 5 6 7 8 9
1 1 1 1 1 1
f (x) 12 12 4 4 6 6

Misalkan g ( x )=2 x −1 menyatakan upah (dalam $) para karyawan yang dibayar

perusahaan pada jam tersebut. Hitunglah pendapatan karyawan pada jam tersebut.

Sulusi:
9
E ¿ ¿= E(2 x−1)=∑ ( 2 x−1 ) f ( x)
x=4

= (7) ( 12 )+( 9 ) ( 12 )+ ( 11) ( 14 )+( 13) ( 14 )+( 15 ) ( 16 )+(17) ¿

= 2,67
Jadi pendapatan pada jam tersebut adalah $ 2,67

Contoh 4c

Sepasang dadu dilemparkan. Tentukan nilai harapan jumlah angka yang muncul.

Sulusi:

Misalkan :

X menyatakan angka yang muncul pada dadu pertama

Y menyatakan angka yang muncul pada dadu kedua

Maka:

E ( X +Y ) = E ( X ) +E (Y )
1 1 1 1 1 1
E( X) = ( 1 )
6 () () () () ()
+( 2 )
6
+ ( 3)
6
+( 4 )
6
+ ( 5)
6
+(6)( )
6
21
=
6
7
=
2
7 7
Jadi E ( X +Y ) =E ( X ) + E ( Y )= + =7
2 2

8
B. Variansi
Kuadrat dari simpangan baku adalah varian atau ragam. Varians
digunakan untuk mengetahui seberapa jauh pesebaran nilai dari hasil
observasi terhadap rata-rata. Varians merupakan ukuran penyeberan yang
paling sering di pakai dalam statistik.

Definisi
Jika X adalah variabel acak dengan mean , maka varians dari X, dilambangkan
dengan Var(X), didefinisikan oleh
Var (X)= E [X – μ2]

Rumus alternatif untuk Var(X) diturunkan sebagai berikut:

Var (X) = E [X – μ2]

= ∑ ¿¿ – μ ¿2 p(x)
x

= ∑ ¿¿ x2 – 2 μx + μ2) p(x)
x

= ∑ ¿¿ x2p(x) - 2 μ ∑ x p(x) + μ2∑ p(x)

x x x

= E [X2] –2 μ2 + μ2A1

= E [X2] - μ2

Jadi

Var (X) = E [X2] – (E [X])2

Dengan kata lain, varians X sama dengan nilai harapan X2 dikurangi kuadrat dari
nilai yang diharapkan.

9
CONTOH 5a(dari buku)
Hitung Var(X) jika X mewakili hasil ketika sebuah dadu dilempar. Itu
ditunjukkan dalam Contoh 3a bahwa
1
Solusi :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( 16 )= 72

E [X2]= 12 ( 16 ) + 2 ( 16 ) + 3 ( 16 ) + 4 ( 16 ) + 5 ( 16 ) + 6 ( 16 )
2 2 2 2 2

91
=
36

Maka

Var (X) = E [X2] – (E [X])2

91 7
= -
36 2 () 2

35
=
12

Contoh :
1. Misalnya distribusi peluang dari peubah acak X adalah
sebagai berikut:

x 1 2 3
1 1 1
p(x )
2 3 6

Hitung Var(X )?
Penyelesaian:
Berdasarkan definisi varians diskrit, maka:
( X )=∑ ( x−μ )2 . p ( x )
Var x

μ=E ( X )=∑ x . p ( x )
Dengan: x

10
 3
=∑ x . p ( x )
x=1

=( 1 ) . p ( 1 ) + ( 2 ) . p ( 2 ) + ( 3 ) . p ( 3 )

=( 1 ) . ( 12 )+( 2) .( 13 )+ (3 ) .( 16 )
10 5
μ=E ( X )= =
6 3
3
52
Jadi: Var
( X )= ∑ x−
x=1
( ) 3
. p(x)

52 52 5 2
= 1−( ) 3 ( )
. p (1 ) + 2− . p ( 2 )+ 3− . p ( 3 )
3 3 ( )
= ( 49 )( 12 )+( 19 )( 13 )+(169 )( 16 )
2 1 8
= + +
9 27 27
15 5
( X )= =
Var 27 9

Sifat – sifat Variansi

Berikut ini akan dijelaskan beberapa sifat dari varians.

Dalil 1

a. Jika c adalah sebuah konstanta, maka Var (c) = 0

Bukti :

Berdasarkan definisi dari perumusan varians, maka :

2
Var(c)=E [ c−E(c)]

2
=E (c−c)

11
 =E (0)

Var(c )=0 (terbukti)

Dalil 2

b. Jika X adalah peubah acak dan c adalah sebuah konstanta, maka :

Var( X +c )=Var ( X )

Bukti :

Berdasarkan definisi dari perumusan varians, maka :

2
Var ( X +c )=E [ ( X +c )−E ( X +c ) ]

2
=E [ X + c−E ( X )−E (c ) ]

2
=E [ X + c−E ( X )−c ]

2
=E [ X −E( X ) ]

Var ( X +c )=Var( X ) (terbukti)

Dalil 3

c. Jika a dan b adalah dua buah konstanta dan X adalah peubah acak,
maka :
2
Var (aX +b )=a ⋅Var ( X )

Bukti :

Berdasarkan definisi dari perumusan varians, maka :

2
Var ( aX +b )=E [ ( aX + b )−E ( aX + b ) ]

2
=E [ aX + b−E ( aX )−E ( b ) ]

12
 2
=E [ aX + b−a⋅E ( X )−b ]

2
=E [ aX −a⋅E ( X ) ]

2
=a 2⋅E [ X −E ( X ) ]

2
Var(aX +b )=a ⋅Var( X ) (terbukti)

Berikut ini akan diberikan contoh penggunaan sifat-sifat varians diatas.

Contoh :

1. Misalkan Farah mengundi sebuah dadu yang seimbang. Jika peubah acak X
menyatakan kuadrat dari munculnya angka pada mata dadu, maka hitunglah
a. Var( 2 X )

b. Var ( 12 X −1)
Penyelesaian :

Distribusi peluang dari X berbentuk:

x 1 4 9 16 25 36
1 1 1 1 1 1
p(x )
6 6 6 6 6 6
Berdasarkan definisi rataan diskrit, maka:

E ( X )=∑ x . p ( x )
i. x

1 1 1 1 1 1
=( 1 ) () () () () () ()
6
+(4 )
6
+( 9 )
6
+ ( 16 )
6
+ ( 25 )
6
+ ( 36 )
6
1 4 9 16 25 36
= + + + + +
6 6 6 6 6 6
91
E ( X )=
6

13
 E ( X 2 )=∑ x 2 . p ( x )
ii. x

1 1 1 1 1 1
=( 1 ) () () ()
6
+ (16 )
6
+ ( 81 )
6
+ ( 196 )
6 () ()
+ ( 625 )
6 ()
+ ( 1296 )
6

1 4 9 16 25 36
= + + + + +
6 6 6 6 6 6
2215
E ( X 2 )=
6
2
Var ( X )= E ( X 2 ) −[ E ( X ) ]
Maka :
2
2215 91
=
6( )( )
−
6

=(22156 )−(8281
36 )
13 .290 8281
=( ) −(
36 36 )
5009
=
36
2
a. Var ( 2 X ) =a .Var ( X )

(5009
=( 2 )2 .
36 )
5009
=4 . (
36 )
5009
( 2 X )=
Var 9
1 =a 2 .Var ( X )
b. Var ( 2
X −1 )
1 2 5009
=
2 (). (−1 )2 .
36 ( )
= ( 14 ). ( 1) .( 5009
36 )

14
 1 5009
=
(
Var 2
X −1 ) 144

Akar kuadrat dari Var(X) disebut simpangan baku dari X, dan kita dilambangkan
dengan SD(X). Itu adalah
SD (X) = √ Var (X )
Variabel acak diskrit sering diklasifikasikan menurut massa probabilitasnya
fungsi. Dalam beberapa bagian berikutnya, kami mempertimbangkan beberapa
jenis yang lebih umum

Contoh (diambil dari contoh soal 5a)

Hitung Var(X) jika X mewakili hasil ketika sebuah dadu dilempar. Hiunglah
Simpangan Bakunya.!
Solusi :
35
Dari soal nomor 5a didapat Var (X) =
12
Jadi SD = √ Var (X )

35
=
√ 12
≈ 0,493

C. Variabel acak Bernouli dan Binomial

A. Distribusi Bernoulli
Definisi:
Peubah acak X dikatakan berdistribusi Bernoulli, jika dan hanya jika
fungsi peluangnya berbentuk:
p ( x ) =P ( X=x )= p x (1− p)1−x ; x=0,1
Penulisan notasi peubah acak yang berdistribusi Bernoulli adalah B(x; 1,
p), artinya peubah acak X berdistribusi Bernoulli dengan peristiwa yang
diperhatikan, baik sukses maupun gagal dinyatakan dengan 𝑥, banyak
eksperimen yang dilakukan satu kali, dan peluang terjadinya peristiwa
yang diperhatikan, baik sukses maupun gagal sebesar p. Sebuah

15
 eksperimen dikatakan mengikuti distribusi Bernoulli, jika eksperimen itu
memenuhi sifat-sifat sebagai berikut:
- Eksperimennya terdiri atas dua peristiwa, yaitu peristiwa yang
diperhatikan (sering disebut peristiwa sukses) dan peristiwa yang tidak
diperhatikan (sering disebut peristiwa gagal)
- Eksperimennya hanya dilakukan sekali saja
Jika diambil X=1 untuk kejadian “berhasil”, dan X=0 untuk kejadian
“gagal”, fungsi massa peluangnya adalah :
 p ( X=0 )=1− p
 p ( X−1 ) =p

Nilai harapan dan ragam :

1
 E ( X ) =∑ x . p ( x )=0 ( 1− p ) +1 ( p )= p
x=0

 Var ( X )=E ( X 2 )−¿ ¿

Contoh Soal:

Sebuah dadu setimbang dilemparkan sebanyak satu kali. Misalkan, jika diperoleh
angka 4 atau 6, maka dikatakan “berhasil”, sedangkan sisanya dikatakan “gagal”.
Tentukan fungsi massa peluang bagi peubah acak X, yaitu munculnya angka 4
atau 6.

X = 1 , Jika muncul angka 4 atau 6

{ 0 , selainnya

1
Jika X adalah peubah acak Bernoulli dengan parameter p= ,maka fungsi
3
peluangnya adalah :

{
, jika x=0
3
X= 1
, jika x=1
3
0 , selainnya

16
Nilai harapan dan ragam :

1
E ( X ) =p=
3

Var ( X )= p ( 1− p ) = ( 13 )( 1− 13 )= 29
Contoh soal 2

Jika seseorang sedang bertaruh menggunakan dadu. Andi mengatakan jika dari
hasil lantunan sebuah dadu muncul angka genap maka dia akan memenangkan
taruhan tersebut, jika tidak maka dia kalah. Berapa peluang dia kalah?

T dadu= {1,2,3,4,5,6 }

A adalah kejadian muncul angka dadu genap, A={ 2,4,6 }

3
P ( A )=
6

Karena A menang hanya jika muncul genap maka peubah acak X adalah muncul
genap

X ( 1 )= X ( 3 )=X ( 5 )=0 dan X (2 )=X ( 4 )= X ( 6 )=1( peubah acak diskrit)

Dan yang ditanyakan adalah peluang A kalah, yang artinya yang ditanyakan
ketika muncul ganjil yaitu pada saat x = 0

0 1−0
3 3 1
Maka, P ( X=0 )= ( )( )
6
1−
6
=
2

B. Distribusi Binomial

Misalkan kita melakukan suatu eksperimen yang menghasilkan dua

peristiwa, yaitu peristiwa sukses (S) dan peristiwa gagal (G). Peluang terjadinya

17
peristiwa S, P(S), sebesar p dan peluang terjadinya peristiwa G, P(G), sebesar 1 –
p.

Eksperimen itu diulang sampai n kali secara bebas. Dari n kali

pengulangan itu, periatiwa S terjadi sebanyak x kali dan sisanya (n-x) kali terjadi
peristiwa G. Kita akan menghitung besar peluang bahwa banyak peristiwa sukses
dalam eksperimen itu sebanyak x kali.

Banyak susunan yang mungkin keseluruhan peristiwa S ada ( nx ) cara,

maka peluang bahwa peristiwa S terjadi dalam x kali adalah :

P ( X=x )= ( nx) p ( 1− p)
x n−x

Definisi: Peubah acak X dikatakan berdistribusi binomial, jika dan hanya

jika fungsi peluangnya adalah :

B ( x ; n , p )= p ( x )=P ( X=x )= n p x (1−p)n− x ; x=0 , 1 , 2, 3 , … , n

()
x

B ( x ; n , p ), artinya peubah acak X berdistribusi binomial dengan banyak

pengulangan eksperimen sampai n kali, peluang terjadi peristiwa sukses sebesar p,
dan banyak peristiwa sukses terjadi ada x.

Contoh Soal 1

Ujian matematika menggunakan pilihan berganda. Setiap soal ada empat pilihan
dan hanya satu jawaban yang benar untuk setiap soal. Selanjutnya, antar nomor
soal diasumsikan saling bebas. Amir mengikuti ujian matematika tersebut, dan
terdapat 10 soal yang harus dijawab.
a.Berapa peluang dia menjawab benar 5 soal?
b.Berapa peluang dia menjawab soal minimal 3 yang benar ?
Jawab :
5 10−5
10 1 3
a. P ( X=5 )= ( )( ) ( )
5 4 4
=0,1615146

18
 2 x 10− x
10 1 3
b. P ( X ≥3 )=1−∑
x=0 x 4 ( )( ) ( ) 4
0 10−0 1 10−1 2 10−2
1 3 1 3 1 3
[( )( ) ( )
¿ 1− 10
0 4 4
+ 10
( )( ) ( ) ( )( ) ( )
1 4 4
+ 10
2 4 4 ]
¿ 0,763912

Contoh Soal 2
Sebuah mata uang logam setimbang dilemparkan 3 kali, jika X adalah variabel
yang menyatakan munculnya gambar, tentukanlah :Distribusi peluang X
Jawab :
Nilai X yang mungkin = 0,1,2,3
n=3
Peluang gambar berhasil (muncul) = p
1
p=
2
Peluang gambar gagal (tidak mungkin) = q
1 1
q=1− =
2 2
P( X =x) n x n− x
b ( x|n , p )=C ( p) .(q)
x
0 1 0 1 3 1
C3 ( )(
. )=
0 2 2 8 Contoh Soal 3
1 2
1 1 1 3
C3 ( )(
. )= Dalam perlombaan
1 2 2 8
2 1 2
1 1
3 memancing dalam satu
C3 ( )(
. )=
2 2 2 8 kolam terdapat ikan
3 1
3 1 1 1
C3 ( )(
. )= patin . Besar
3 2 2 8
peluangnya berhasil

1
dipancing dalam waktu 2 jam adalah jika dalam lomba itu diikuti oleh 3
10
pemancing. Peluang seorang pemancing berhasil memancing ikan patin itu dalam
2 jam adalah …
Jawab :

19
 1
p= peluang ikan patin terpancing=
10
1 9
q= peluang ikan patin gagal terpancing=1− =
10 10
Jumlah pemancing 3 orang → n=3
variabel X nya( 0,1,2,3) → P(x =1)

P( X =1)→ b ( x|n , p ) =C n ( p) x .( q)n−x

x
1 1 9 2
1 3
(| ) ( ) ( )
b 1 3,
10
=C
1 10
.
10
3! 1 81
¿
1! (3−1)! 10 100
81
¿3.
1000
243
¿
1000

Contoh Soal 4
Sebuah mesin fotokopi selalu didapat 50 lembar yang cacat saat mesin
memfotokopi 500 lembar. Jika Rudi memfotokopi 3 lembar berapakah peluang
Rudi memperoleh 2 lembar diantaranya cacat.
Jawab :
50 1
Peluang mesin fotokopi menghasilkan cacat adalah p= =
500 10
1 9
Peluang mesin fotokopi menghasilkan bagus adalah q=1− =
10 10
Memotokopi 3 lembar berarti n = 3
variabel X =0,1,2,3→ P( X =2)

P( X =2)→ b ( x|n , p )=C n ( p)x .(q)n−x

x
1 2 9 1
1 3
(| ) ( ) ( )
b 2 3,
10
=C
2 10
.
10
3! 1 9
¿
2! (3−2)! 100 10

20
 9
¿3.
1000
27
¿
1000

BAB III
PENUTUP

A. Kesimpulan

Berdasarkan penulisan makalah ini yang telah dilakukan dapat

disimpulkan:

1. Fungsi Ekspektasi dari variabel acak

Definisi

Untuk suatu peubah acak diskrit X yang memiliki nilai-nilai yang mungkin
x1, x2, …, xn, nilai ekspektasi dari x didefinisikan sebagai:
E ( X ) =x1 P ( X=x 1 ) + x 2 P ( X =x 2 )+ …+ x n P( X=x n )
n
= ∑ x i P (X =xi )
i=1

21
 Mengingat P ( X =xi ) =f ( x i ) ,maka:
E ( X ) =xi f ( x i ) + x 2 f ( x 2) + …+ x n f ( x n)

n
= ∑ xi f ( xi )
i=1

2. Variansi adalah kuadrat dari simpangan baku. Varians digunakan

untuk mengetahui seberapa jauh persebaran nilai hasil observasi
terhadap rata – rata. Varians merupakan ukuran penyebaran yang
paling sering dipakai dalam statistik. Variansi dari X didefinisikan
sebagai :

Variansi dari X didefinisikan sebagai :

Var (X)= E [X – μ2]

o Sifat – sifat Variansi

Dalil 1

Jika c adalah sebuah konstanta, maka Var (c) = 0

Dalil 2

Jika X adalah peubah acak dan c adalah sebuah konstanta, maka :

Var ( X +c )=Var( X )
Dalil 3

Jika a dan b adalah dua buah konstanta dan X adalah peubah acak,
maka :
2
Var (aX +b )=a ⋅Var ( X )

3. Peubah acak X dikatakan berdistribusi Bernoulli, jika dan hanya jika

fungsi peluangnya berbentuk:
p ( x ) =P ( X=x )= p x (1− p)1−x ; x=0,1
4. Definisi: Peubah acak X dikatakan berdistribusi binomial, jika dan
hanya jika fungsi peluangnya adalah :

22
 B ( x ; n , p )= p ( x )=P ( X=x )= n p x (1−p)n− x ; x=0 , 1 , 2, 3 , … , n
()x

B. Saran

Demikianlah makalah yang dapat kami buat, sebagai manusia biasa

kita menyadari dalam pembuatan makalah ini masih terdapat banyak
kesalahan dan kekurangan. Untuk itu kritik dan saran yang bersifat
konstruktif sangat kami harapkan demi kesempurnaan makalah ini dan
berikutnya semoga makalah ini bermanfaat bagi kita semua aamiin ya rabbal
aalaamiin.

DAFTAR PUSTAKA

Ross, Sheldon M. 2010. A First Course in Probability 8th edition. New York.

23