2-Pendahuluan

DOSEN : NOVRIANA SUMARTI,PHD

Teori Peluang(Review)
Setiap himpunan dari hasil yang mungkin terjadi dari percobaan
tersebut disebut kejadian (event), yang merupakan subhimpunan
dari 𝑆 (himpunan atas seluruh hasil yang mungkin terjadi).

Definisikan 𝑃(𝐴) merupakan peluang 𝐴 terjadi, :

𝑃(𝐴) = ෍ 𝑝𝑖
𝑖∈𝐴
yang mengakibatkan
𝑃(𝑆) = ෍ 𝑝𝑖 = 1
𝑖
Peluang hasil percobaan berada pada ruang
sampel 𝑆 adalah 1, karena 𝑆 terdiri dari seluruh
hasil percobaan yang mungkin
Terdapat 𝐴𝑐 (komplemen dari 𝐴), yaitu setiap kejadian dari
ruang sampel 𝑆 yang tidak terdapat di 𝐴.
𝐴𝑐 terjadi jika dan hanya jika 𝐴 tidak terjadi.
𝑃(𝐴𝑐 ) = 1 − 𝑃(𝐴).
Proposisi
𝑃(𝐴⋃𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴𝐵)

Contoh
Misalkan peluang bahwa indeks saham Dow-Jones meningkat
pada hari ini adalah 0.54, peluang meningkat besok adalah
0.54 dan indeks saham Dow-Jones meningkat pada hari ini dan
besok adalah 0.28. berapa peluang bahwa saham tidak
meningkat di kedua hari tersebut?
Jawab
Misal
𝐴 : kejadian bahwa indeks naik pada hari ini,
𝐵 ∶ kejadian indeks naik pada hari esoknya.
𝐴𝐵 : kejadian indeks naik pada hari ini dan hari esoknya.

Peluang bahwa indeks saham naik setidaknya pada salah satu di

hari tersebut adalah
𝑃(𝐴⋃𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴𝐵)
= 0.54 + 0.54 − 0.28 = 0.80
Sehingga, peluang bahwa indeks saham tidak meningkat di
kedua hari tersebut adalah
𝑃 𝐴⋃𝐵𝐶 = 1 − 0.80 = 0.20.
Definisi
Jika 𝑋 merupakan sebuah peubah acak yang memiliki nilai
𝑥1 , 𝑥2 , … , 𝑥𝑛 maka nilai ekspektasi dari 𝑋, dinyatakan dengan
𝐸[𝑋], yang didefinisikan
𝑛

𝐸[𝑋] = ෍ 𝑥𝑗 𝑃 𝑋 = 𝑥𝑗 .
𝑗=1
𝐸[𝑋] adalah ekspektasi atau mean dari 𝑋.

Contoh
Misalkan sebuah peubah acak 𝑋 menyatakan banyaknya
seseorang menang dalam suatu lomba.
Hitung nilai 𝐸[𝑋] jika peluang kalah 1 kali adalah 60%,
20% jika menang 1 kali dan 20% jika menang 2 kali.
Jawab
Kalah : nilai negatif, menang : nilai positif
𝐸[𝑋] = −1(0.6) + 1(0.2) + 2(0.2) = 0

Jadi, peluang bahwa banyaknya orang tersebut menang dalam

lomba ini adalah 0.

Suatu peristiwa yang memiliki ekspektasi

menang sama dengan 0, disebut fair.
Proposisi Untuk peubah acak 𝑋1 , … , 𝑋𝑘 ,
𝑘 𝑘

𝐸 ෍ 𝑋𝑗 = ෍ 𝐸[𝑋𝑗 ]
𝑗=1 𝑗=1

Suatu peubah acak 𝑋1 , … , 𝑋𝑛 dinyatakan saling bebas jika peluang

dari tiap sub himpunannya tidak dipengaruhi oleh informasi dari
nilai peubah acak lainnya.
Contoh 1.3e Misalkan 𝑘 buah bola dipilih secara acak dari 𝑁
bola yang ada, dengan 𝑛 di antaranya berwarna merah.

𝑋𝑖 bernilai 1 jika bola yang terambil berwarna merah dan 0 jika

bola yang diambil berwarna hitam.

Peubah acak 𝑋1 , … , 𝑋𝑛
• saling bebas :bola yang diambil dikembalikan
• tidak saling bebas : pengambilan bola tanpa dikembalikan
(penempatan kembali).
Definisi
Variansi dari 𝑋, dinyatakan dengan 𝑉𝑎𝑟(𝑋) didefinisikan
𝑉𝑎𝑟(𝑋) = 𝐸 𝑋 − 𝐸[𝑋] 2 .
Variansi mengukur rata-rata kuadrat dari selisih antara 𝑋
dengan ekspektasinya.
Jawab:
Karena 𝐸 𝑋 = 1. 𝑝 + 0. 1 − 𝑝 = 𝑝
𝐸(𝑋 − 𝐸[𝑋])2 = 𝐸 𝑋 2 − 2𝑋𝐸 𝑋 + 𝐸 𝑋 2
= 𝐸 𝑋 2 − 𝐸[𝑋]2 .
𝑉𝑎𝑟 𝑋 = 𝐸 𝑋 2 − 𝐸 𝑋 2
= 12 . 𝑝 + 02 . 1 − 𝑝 − 𝑝2
= 𝑝 − 𝑝2 .
Jika 𝑎 dan 𝑏 konstan maka
𝑉𝑎𝑟(𝑎𝑋 + 𝑏) = 𝐸[(𝑎𝑋 + 𝑏 − 𝐸[𝑎𝑋 + 𝑏])2 ]
= 𝐸[(𝑎𝑋 − 𝑎𝐸[𝑋])2 ]
= 𝐸[𝑎2 (𝑋 − 𝐸[𝑋])2 ]
= 𝑎2 𝑉𝑎𝑟(𝑋).
Kovariansi
Kovarian dari 2 buah peubah acak 𝑋 dan 𝑌, dinyatakan dengan

𝐶𝑜𝑣(𝑋, 𝑌) = 𝐸[(𝑋 − 𝐸 𝑋 )(𝑌 − 𝐸[𝑌])]

= 𝐸[𝑋𝑌] − 𝐸[𝑋]𝐸[𝑌]

Nilai positif : 𝑋 dan 𝑌 saling berbanding lurus,

Nilai negatif : 𝑋 dan 𝑌 saling berbanding terbalik.
Korelasi
Derajat keterkaitan (korelasi) antara nilai 𝑋 dan 𝑌 dinyatakan
dengan
𝐶𝑜𝑣(𝑋, 𝑌)
𝜌 𝑋, 𝑌 = .
𝑉𝑎𝑟 𝑋 𝑉𝑎𝑟(𝑌)
Nilainya: −1 ≤ 𝜌(𝑋, 𝑌) ≤ 1.
Jika X dan Y saling berhubungan secara linier, 𝑌 = 𝑎𝑋 + 𝑏,
maka 𝜌(𝑋, 𝑌) akan bernilai 1 ketika 𝑏 positif, dan -1 ketika 𝑏 negatif.
Peubah Acak Kontinu
Setiap peubah acak kontinu 𝑋 memiliki fungsi fungsi kepadatan
peluang (pdf-𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑡𝑦 𝑑𝑒𝑛𝑠𝑖𝑡𝑦 𝑓𝑢𝑛𝑐𝑡𝑖𝑜𝑛).
Untuk setiap 𝑎 < 𝑏, daerah di bawah 𝑓 antara 𝑎 dan 𝑏 sama dengan
peluang bahwa 𝑋 berada di antara 𝑎 dan 𝑏.

𝑃{𝑎 ≤ 𝑋 ≤ 𝑏} = daerah di bawah 𝑓, antara 𝑎 dan 𝑏.

Fungsi kepadatan peluang peubah acak normal ditentukan

oleh dua parameter, 𝜇 dan 𝜎, yaitu:
1 −(𝑥−𝜇)2 /2𝜎 2
𝑓 𝑥 = 𝑒 .
2𝜇𝜎

𝜇 = 𝐸𝑋, 𝜎 2 = 𝑉𝑎𝑟 𝑋 .
Peubah acak normal dengan mean bernilai 0 dan variansi bernilai
1 disebut peubah acak normal baku.
Misalkan 𝑍 sebuah peubah acak normal baku. Fungsi 𝜑(𝑥), yang
didefinisikan untuk semua bilangan real sebagai berikut
𝜑(𝑥) = 𝑃{𝑍 ≤ 𝑥}
disebut fungsi distribusi normal baku.

𝜑(𝑥), peluang bahwa peubah acak normalnya

kurang atau sama dengan 𝑥, adalah sama dengan
luas daerah di bawah fungsi kepadatan normal baku
1 −𝑥 2/2
𝑓 𝑥 = 𝑒 .
2𝜋
Jika 𝑋 peubah acak normal maka 𝑎𝑋 + 𝑏 peubah acak normal
dengan 𝑎 dan 𝑏 konstanta. Setiap peubah acak normal 𝑋
dapat diubah menjadi peubah acak normal baku Z.

Misalkan 𝑋 merupakan peubah acak normal

dengan mean 𝜇 dan variansi 𝜎, karena
𝑋−𝜇
𝑍=
𝜎
memiliki nilai ekspektasi 0 dan variansi 1 maka
𝑍 juga merupakan peubah acak normal.
Contoh Hitung nilai dari 𝜑(𝑥) hingga empat angka di
belakang koma
𝑃{|𝑍| ≤ 1} = 𝑃{−1 ≤ 𝑍 ≤ 1} = 0.6828,
𝑃{|𝑍| ≤ 2} = 𝑃{−2 ≤ 𝑍 ≤ 2} = 0.9544,
𝑃{|𝑍| ≤ 3} = 𝑃{−3 ≤ 𝑍 ≤ 3} = 0.9974.
Jika dibutuhkan keakuratan yang lebih baik dari yang disediakan
tabel normal, kita dapat menggunakan formula berikut:
1 −𝑥 2
𝜑 𝑥 ≈1− 𝑒 2 𝑎1 𝑦 + 𝑎2 𝑦 2 + 𝑎3 𝑦 3 + 𝑎4 𝑦 4 + 𝑎5 𝑦 5 ,
2𝜋
dengan
1
𝑦= ,
1 + 0.2316419𝑥
𝑎1 = 0.319381530, 𝑎2 = −0.356563782,
𝑎3 = 1.781477937, 𝑎4 = −1.821255978,
𝑎5 = 1.330274429,
Dan 𝜑 −𝑥 = 1 − 𝜑 𝑥 .
Contoh

Misal 𝑆(𝑛) menyatakan harga dari suatu saham pada

masa penutupan di pekan ke 𝑛, 𝑛 ≥ 1. Model return
untuk 𝑛 ≥ 1 adalah peubah acak lognormal yang iid
(independent and identically distributed ) .

Dengan menggunakan model dan parameter

lognormal 𝜇 = 0.0165 dan 𝜎 = 0.0730, berapa
peluang:
a. Harga saham naik pada pada pekan pertama, pekan
dan kedua.
b. Harga saham pada penutupan di pekan kedua lebih
besar dari harga saham hari ini
Jawab
Misal 𝑍 peubah acak normal baku.
Fungsi ln(𝑥) naik terhadap 𝑥,
𝑥 > 1 jika dan hanya jika 𝑙𝑛(𝑥) > 𝑙𝑛(1) = 0.
𝑆 1 𝑆 1
𝑃 > 1 = 𝑃 l𝑛 >0
𝑆 0 𝑆 0
−0.0615
=𝑃 𝑍>
0.0730
= 𝑃{𝑍 > −0.2260}
= 1 − 𝑃 𝑍 > 0.2260
= 𝑃{𝑍 < 0.2260}
≈ 0.5894
Peluang harga naik di tiap satu pekan setelahnya adalah 0.5894.
Karena perbandingan harga saling bebas, peluang bahwa harga
saham naik di pekan pertama dan pekan kedua adalah
(0.5894)2 =0.3474.
Untuk penyelesaian soal b,
𝑆 2 𝑆 2 𝑆 1
𝑃 >1 =𝑃 >1
𝑆 0 𝑆 1 𝑆 0
𝑆 2 𝑆 1
= 𝑃 l𝑛 + 𝑙𝑛 >0
𝑆 1 𝑆 0
0 − 2𝜇
=𝑃 𝑍>
𝜎 𝑛
−0.0330
=𝑃 𝑍>
0.0730 2
= 𝑃{𝑍 > −0.31965}
= 𝑃{𝑍 < 0.31965}
≈ 0.6254
𝑆 2 𝑆 1
dimana 𝑙𝑛 + 𝑙𝑛 sebagai penjumlahan dari peubah acak
𝑆 1 𝑆 0
normal yang saling bebas dengan mean 2x 0.0165 dan standard
deviasi 0.0730 2.
Misalkan 𝑋1 , 𝑋2 , … merupakan barisan peubah acak yang i.i.d,
dimana masing-masing memiliki nilai ekspektasi 𝜇 dan variansi 𝜎 2 ,
dan
𝑛

𝑆𝑛 = ෍ 𝑋𝑖
𝑖=1
Teorema Limit Pusat
Untuk 𝑛 yang besar, 𝑆𝑛 akan mendekati peubah acak normal dengan
nilai ekspektasi 𝑛𝜇 dan variansi 𝑛𝜎 2 , sehingga untuk setiap 𝑥 kita
peroleh
𝑆𝑛 − 𝑛𝜇
𝑃 ≤𝑥 ≈𝜑 𝑥 ,
𝜎 𝑛
dengan aproksimasi yang makin tajam (mendekati) seiring dengan
makin membesarnya 𝑛.
Contoh
Sepasang koin dilempar 100 kali. Berapa peluang muncul sisi muka
kurang dari 40 kali?
Jawab
Jika 𝑋 dinyatakan sebagai banyaknya sisi muka yang muncul,
kemudian 𝑋 merupakan peubah acak binomial dengan parameter
𝑛 = 100 dan 𝑝 = 1/2.

Karena nμ = 𝑛𝑝 = 50, kita peroleh n𝜎 2 = 𝑛𝑝(1 − 𝑝) = 25. Jadi

𝑋 − 50 40 − 50
𝑃 𝑋 < 40 = 𝑃 <
25 25
𝑋 − 50
=𝑃 < −2
25
≈ 𝜑 −2 = 0.0228