Makalah Variabel Acak Kelompok 1
Makalah Variabel Acak Kelompok 1
TEORI PELUANG
DISUSUN OLEH
KELOMPOK I
1. ANNISA 2110246954
2. ELINA 2110246903
3. NURLELA 2110246905
D. Manfaat ...................................................................................................... 4
A. Kesimpulan ................................................................................................ 17
B. Saran ......................................................................................................... 18
1
BAB I
PENDAHULUAN
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
3
BAB II
PEMBAHASAN
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 = 𝑥1 ) + 𝑥2 𝑃(𝑋 = 𝑥2 ) + ⋯ + 𝑥𝑛 𝑃(𝑋 = 𝑥𝑛 )
= ∑𝑛𝑖=1 𝑥𝑖 𝑃(𝑋 = 𝑥𝑖 )
Mengingat 𝑃(𝑋 = 𝑥𝑖 ) = 𝑓(𝑥𝑖 ), maka:
𝐸 (𝑋) = 𝑥𝑖 𝑓(𝑥𝑖 ) + 𝑥2 𝑓(𝑥2 ) + ⋯ + 𝑥𝑛 𝑓(𝑥𝑛 )
= ∑𝒏𝒊=𝟏 𝒙𝒊 𝒇(𝒙𝒊 )
Contoh 4.a
Misalkan X adalah variabel acak yang mengambil salah sati nilai -1, 0, dan 1
dengan probibilatas masing-masing
Hitunglah 𝐸 {𝑥 2 }.
Penyelesaian:
Karena
4
Perhatikan bahwa
proporsi 4.1.
Jika X adalah variabel acak diskrit yang mengambil salah satu nilai 𝑥𝑖 , 𝑖 ≥ 1,
dengan probibilitas masing-masing 𝑝(𝑥𝑖 ) maka untuk semua fungsi g bernilai
real.
Sebelum membuktikan prporsi ini, mari kita periksa apakah itu sesuai dengan
hasil contoh 4a.
= 0,2 + 0 + 0,3
= 0,5
= ∑𝑗 𝑦𝑗 𝑃{𝑔(𝑋) = 𝑦𝑗 }
5
= 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:
= 𝑠𝑏 jika 𝑋 > 𝑠
= 𝑠𝑏 + (𝑏 + 𝑙 ) ∑𝑠𝑖=0(𝑖 − 𝑠)𝑝(𝑖)
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
6
𝑠+1
𝐸 [𝑃(𝑠 + 1)] = 𝑏(𝑠 + 10 + (𝑏 + 𝑙 ) ∑ (𝑖 − 𝑠 − 1 )𝑝(𝑖)
𝑖=0
Karena itu
𝑠
unit.
𝑏
∑𝑠𝑖=0 𝑝(𝑖) < (4.1)
𝑏+𝑙
Karena ruas kiri Persamaan (4.1) bertambah dalam s sedangkan ruas kanan
𝐸 [𝑃(0)] < ⋯ < 𝐸 [𝑃(𝑠 ∗ )] < 𝐸 [𝑃(𝑠 ∗ + 1)] > 𝐸 [𝑃(𝑠 ∗ + 2)] > ⋯
diharapkan maksimum.
Contoh 4c.
Banyaknya mobil yang masuk ketempat cucian mobil antara jam 13.00 – 14.00
X 4 5 6 7 8 9
1 1 1 1 1 1
𝑓 (𝑥 ) 12 12 4 4 6 6
7
Misalkan 𝑔(𝑥 ) = 2𝑥 − 1 menyatakan upah (dalam $) para karyawan yang
dibayar perusahaan pada jam tersebut. Hitunglah pendapatan karyawan pada jam
tersebut.
Sulusi:
9
= (7) (1⁄2) + (9) (1⁄2) + (11) (1⁄4) + (13) (1⁄4) + (15) (1⁄6) + (17)(1⁄6
= 2,67
Jadi pendapatan pada jam tersebut adalah $ 2,67
Contoh 4c
Sepasang dadu dilemparkan. Tentukan nilai harapan jumlah angka yang muncul.
Sulusi:
Misalkan :
Maka:
𝐸 (𝑋 + 𝑌) = 𝐸 (𝑋) + 𝐸(𝑌)
𝐸(𝑋) = (1) (16) + (2) (16) + (3) (16) + (4) (16) + (5) (16) + (6)(16)
= 21
6
= 72
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]
Var (X) = E [X – 𝜇 2]
= ∑𝑥 ( 𝑥 – 𝜇)2 p(x)
= ∑𝑥 ( x2 – 2𝜇𝑥 + 𝜇 2) p(x)
= E [X2] –2 𝜇2 + 𝜇2A1
= E [X2] - 𝜇2
Jadi
Dengan kata lain, varians X sama dengan nilai harapan X2 dikurangi kuadrat dari
nilai yang diharapkan.
9
1 1 1 1 1 1 7
𝐸 [𝑋 ] = 1 ( ) + 2 ( ) + 3 ( ) + 4 ( ) + 5 ( ) + 6 ( ) =
6 6 6 6 6 6 2
1 1 1 1 1 1
E [X2]= 12 ( ) + 22 ( ) + 32 ( ) + 42 ( ) + 52 ( ) + 62 ( )
6 6 6 6 6 6
91
=
36
Maka
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:
Var X x . px
2
Dengan: E X x.px
x
3
x. px
x 1
EX
10 5
6 3
10
2
3
5
Jadi: Var ( X ) x . p x
x 1 3
2 2 2
5 5 5
1 . p1 2 . p2 3 . p3
3 3 3
4 1 1 1 16 1
9 2 9 3 9 6
2 1 8
9 27 27
15 5
Var ( X )
27 9
Bukti :
E (c c ) 2
E ( 0)
Dalil 2
11
Bukti :
Var ( X c) E X c E X c
2
E X c E X E (c)
2
EX c E X c
2
E X E ( X )
2
Dalil 3
c. Jika a dan b adalah dua buah konstanta dan X adalah peubah acak,
maka :
Var(aX b) a 2 Var( X )
Bukti :
EaX b E aX E b
2
E aX b a E X b
2
EaX a E X
2
a 2 E X E X
2
12
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 (2𝑋)
1
b. Var (2 𝑋 − 1)
Penyelesaian :
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:
i. E X x. px
x
EX
91
6
ii.
E X 2 x 2 . px
x
E X2
2215
6
Maka : Var X E X 2 E X
2
2
2215 91
6 6
13
2215 8281
6 36
13.290 8281
36 36
5009
36
a. Var 2 X a 2 .Var X
2 5009
2 .
36
5009
4.
36
Var 2 X
5009
9
b. Var (2 𝑋 − 1) a 2 .Var X
1
2
1 2 5009
. 1 .
2 36
1 5009
.1.
4 36
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
14
35
Dari soal nomor 5a didapat Var (X) = 12
Jadi SD = √Var(X)
35
= √12 ≈0,493
15
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.
1
Jika X adalah peubah acak Bernoulli dengan parameter 𝑝 = 3, maka fungsi
peluangnya adalah :
2⁄ , 𝑗𝑖𝑘𝑎 𝑥 = 0
3
𝑋 = {1⁄ , 𝑗𝑖𝑘𝑎 𝑥 = 1
3
0 , 𝑠𝑒𝑙𝑎𝑖𝑛𝑛𝑦𝑎
1
𝐸 (𝑋 ) = 𝑝 =
3
1 1 2
𝑉𝑎𝑟 (𝑋) = 𝑝(1 − 𝑝) = ( ) (1 − ) =
3 3 9
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?
𝑇𝑑𝑎𝑑𝑢 = {1,2,3,4,5,6}
3
𝑃 (𝐴 ) =
6
16
Karena A menang hanya jika muncul genap maka peubah acak X adalah muncul
genap
Dan yang ditanyakan adalah peluang A kalah, yang artinya yang ditanyakan
ketika muncul ganjil yaitu pada saat x = 0
3 0 3 1−0 1
Maka, 𝑃(𝑋 = 0) = ( ) (1 − ) =
6 6 2
B. Distribusi Binomial
𝑛
Banyak susunan yang mungkin keseluruhan peristiwa S ada ( ) cara,
𝑥
maka peluang bahwa peristiwa S terjadi dalam x kali adalah :
𝑛
𝑃 (𝑋 = 𝑥 ) = ( ) 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥
𝑥
𝒏
𝑩(𝒙; 𝒏, 𝒑) = 𝒑(𝒙) = 𝑷(𝑿 = 𝒙) = ( ) 𝒑𝒙 (𝟏 − 𝒑)𝒏−𝒙 ; 𝒙 = 𝟎, 𝟏, 𝟐, 𝟑, … , 𝒏
𝒙
17
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 :
10 1 5 3 10−5
a. 𝑃(𝑋 = 5) = ( ) ( ) (4) = 0,1615146
5 4
10 1 𝑥 3 10−𝑥
b. 𝑃(𝑋 ≥ 3) = 1 − ∑2𝑥=0 ( ) ( ) (4)
𝑥 4
0
10 1 3 10−0 10 1
1
3 10−1 10 1
2
3 10−2
= 1 − [( ) ( ) ( ) + ( )( ) ( ) + ( )( ) ( ) ]
0 4 4 1 4 4 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
18
𝑷(𝑿 = 𝒙) 𝒏
𝒃(𝒙|𝒏, 𝒑) = 𝑪 (𝒑)𝒙 . (𝒒)𝒏−𝒙
𝒙
0
0 3 1 1 3 1
𝐶 ( ) .( ) =
0 2 2 8
1
1 3 1 1 2 3
𝐶 ( ) .( ) =
1 2 2 8
2
2 3 1 1 1 3
𝐶 ( ) .( ) =
2 2 2 8
3
3 3 1 1 1 1
𝐶 ( ) .( ) =
3 2 2 8
Contoh Soal 3
Dalam perlombaan memancing dalam satu kolam terdapat ikan patin . Besar
1
peluangnya berhasil dipancing dalam waktu 2 jam adalah jika dalam lomba itu
10
19
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
20
BAB III
PENUTUP
A. Kesimpulan
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 = 𝑥1 ) + 𝑥2 𝑃(𝑋 = 𝑥2 ) + ⋯ + 𝑥𝑛 𝑃(𝑋 = 𝑥𝑛 )
= ∑𝑛𝑖=1 𝑥𝑖 𝑃(𝑋 = 𝑥𝑖 )
Mengingat 𝑃(𝑋 = 𝑥𝑖 ) = 𝑓(𝑥𝑖 ), maka:
𝐸 (𝑋) = 𝑥𝑖 𝑓(𝑥𝑖 ) + 𝑥2 𝑓(𝑥2 ) + ⋯ + 𝑥𝑛 𝑓(𝑥𝑛 )
= ∑𝒏𝒊=𝟏 𝒙𝒊 𝒇(𝒙𝒊 )
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 :
21
Dalil 2
Dalil 3
Jika a dan b adalah dua buah konstanta dan X adalah peubah acak,
maka :
Var(aX b) a 2 Var( X )
𝒏
𝑩(𝒙; 𝒏, 𝒑) = 𝒑(𝒙) = 𝑷(𝑿 = 𝒙) = ( ) 𝒑𝒙 (𝟏 − 𝒑)𝒏−𝒙 ; 𝒙 = 𝟎, 𝟏, 𝟐, 𝟑, … , 𝒏
𝒙
B. Saran
22
DAFTAR PUSTAKA
Ross, Sheldon M. 2010. A First Course in Probability 8th edition. New York.
23