Sifat-sifat Nilai Harapan

BAB 1
Th 2.4.1
jika X adalah vR dengan pdf f(x) dan u(x) fungsi bernilai riil dg x  X
maka
 u( x ) f ( x ), X diskrit
 x
E u  X    
  u( x ) f ( x ), X kontinu Jika c sebarang konstanta maka
 -
E c  X   cE X 
Jika X dan Y sebarang vR maka
E  X  Y   E  X   E Y 
Jika X dan Y vR yang saling independen maka
E  XY   E  X E Y 

Th 2.4.2
jika X adalah vR dengan pdf f(x), a dan b konstan. g(x), h( x ) fungsi bernilai riil dg x  X
maka
E ag  X   bh X   aEg  X   bEh  X 
Contoh 1
Misal dua koin saling independen dilempar dengan
probabilitas muncul muka kepala adalah ¾ dan
didefinisikan X adalah jumlah muka kepala dg pdf:
  1 2
   ,x  0
 4
 1 3
f ( x)  2. . , x  1
  4  2 4 
 3
   ,x  2
 4

Nilai harapan E[X]

2 2
1  1  3  3
E X   0   12    2 
4  4  4  4
24 3
 
16 2
Variansi. Definisi 2.4.1
 Variansi dari vR X didefinisikan : Th. 2.4.3 Variansi juga dapat dinyatakan:

   
var X   E X 2  EX   E X 2   2
2


var X   E  X  EX 
2

 Standar deviasi dari X : Th. 2.4.4
Jika X adalah vR, a dan b konstan maka
 x  var(X )
varaX  b  a 2Var X 
Contoh 2
1 / 9, x bilangan bulat dalam range  4,4
f ( x)  
 0, x yg lain

Nilai harapan
4
EX    xf ( x)
x  4

1 4
  x   4  3  2  1  0  1  2  3  4  0
1
9 x  4 9

variansi

     
var X   E  X  E X   E  X  0  E X 2
2 2

4
2 2 2 2 60
  x 2 f ( x )  0  1.  4.  9.  16. 
4 9 9 9 9 9
Def 2.4.2
Momen ke-k terhadap pusat dari suatu vR X didefinisikan
k'  E X k 

Momen ke-k terhadap rata-rata (momen sentral ke-k) didefinisikan :

k  EX  EX k  EX   k

contoh
1  EX  EX 1  EX     E  X     0

2  EX  EX 2  EX   2   2

Batas probabilitas. Th. 2.4.6
 Jika X vR dan u(x) adalah fungsi bernilai riil nonnegatif maka untuk sebarang konstanta positif c>0
E u  X 
Pu  X  c  
c
 Misal untuk ,
r>0

 Ketidaksamaan Markov

Ketidaksamaan Chebysev

Jika X vR dengan rata - rata  dan variansi  2 , k  0

P  X    k  
1
k2
bukti : Bentuk lain:
misal u  X    X    , c  k 2 2
2

maka mengg. th 2.4.6

E X   
 
2
P X     k  
1

2 2 2

k 2 2 k2
MGF (moment generating function/ Fungsi Pembangkit Momen)

Jika X vR maka nilai harapan  

M X (t )  E etX
Disebut dengan mgf jika nilai harapannya ada untuk setiap nilai t,  h  t  h , h  0
Sifat:

Th 2.5.1
Jika mgf dari X ada maka berlaku

 
E X r  M Xr 0 , r  1,2, 
FMGF
Momen faktorial ke r dari variabel random X
E X  X  1  X  r  1
Faktorial fungsi pembangkit momen (FMGF) dari variabel random X
 
G X t   E t X
jika nilai harapannya ada untuk 1  h  t  1  h

Th 2.5.4
Jika X mempunyai FMGF maka
G X' 1  E X 
G X" 1  E X  X  1
G X( r ) 1  E X  X  1  X  r  1
 Latihan 1

1. Gambar cdf dari 3. Jika vR X kontinu mempunyai pdf

0,  x  0 2e 2 x , x  0
f x   
 1  0, x  0
 4 ,0  x  1
F x    Maka tentukan
3
 ,1  x  2
 4 a. E[X]
 1,2  x  
b. Var(X)
2. Jika diketahui
cx 2 , 0  x  3
f x   
0, x yang lain
maka a. Tentukan c
b. Berapakah nilai P1  X  2