MAKALAH

HARAPAN MATEMATIK
PROBABILITAS DAN STATISTIK

Disusun Oleh :

NAMA NIM PERAN

Rataan Peubah Acak
1. AGUINALDO AL NAZEN 2007113988
Penyelesaian Kasus
Teorama Chebyshev
2. ALTHOFF HIBBAN 2007125572
Penyelesaian Kasus
Variansi dan KoVariansi
3. FANDI GUSRIYANDA 2007125577
Penyelesaian Kasus
Teorama Harapan dari dua Peubah
Acak yang Bebas
Teorama Variansi dari Kombinasi
4. M. SYIFA RAMADHAN 2007114310 Linear
Teorama Variansi dari Distribusi
Peluang Gabungan
Penyelesaian Kasus
Teorama Rataan dari Kombinasi
Linear
Teorema Harapan dari Jumlah dan
5. RAHMATUL HAFIZAH 2007114319 Selisih dari Dua Fungsi
Teorema Harapan dari Jumlah dan
Selisih dari Dua Fungsi Gabungan
Penyelesaian Kasus
TEKNIK ELEKTRO S1
FAKULTAS TEKNIK – UNIVERSITAS RIAU
PEKANBARU
2022
 KATA PENGANTAR

Puji syukur kehadirat Tuhan Yang Mahakuasa karena telah memberikan kesempatan
pada penulis untuk menyelesaikan makalah ini. Atas rahmat dan hidayah-Nya lah penulis dapat
menyelesaikan makalah berjudul “Teori Peluang” ini tepat waktu.
Makalah ini disusun guna memenuhi tugas pada mata kuliah Probabilitas dan Statistik
di jurusan Teknik Elektro, Fakultas Teknik, Universitas Riau. Selain itu, penulis juga berharap
agar makalah ini dapat menambah wawasan bagi pembaca tentang Teori Peluang.
Penulis mengucapkan terima kasih sebesar-besarnya kepada Bapak Dian Yayan
Sukma, S.T., M.T. selaku dosen pengampu mata kuliah Probabilitas dan Statistik yang telah
memberikan bimbingan dalam penyusunan makalah ini. Tugas yang telah diberikan ini dapat
menambah pengetahuan dan wawasan terkait bidang yang ditekuni penulis. Penulis juga
mengucapkan terima kasih pada semua pihak yang telah membantu proses penyusunan
makalah ini.
Penulis menyadari makalah ini masih jauh dari kata sempurna. Oleh karena itu, kritik
dan saran yang membangun akan penulis terima demi kesempurnaan makalah ini.
 DAFTAR ISI

KATA PENGANTAR ............................................................................................................................ 2

DAFTAR ISI........................................................................................................................................... 3
BAB I ...................................................................................................................................................... 4
PENDAHULUAN .................................................................................................................................. 4
1.1 Latar Belakang ........................................................................................................................ 4
1.2 Rumusan masalah ................................................................................................................... 4
1.3 Tujuan ..................................................................................................................................... 4
BAB II HARAPAN MATEMATIK ....................................................................................................... 6
2.1 Rataan Peubah Acak ........................................................................................................... 6
2.2 Variansi dan KoVariansi ..................................................................................................... 7
2.3 Rataan dan variansi dari kombinasi linear peubah acak ..................................................... 9
2.4 Teorema Chebyshev.......................................................................................................... 13
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Distribusi probabilitas memiliki berbagai sifat atau karakteristik yang dapat digunakan
untuk mengidentifikasi suatu distribusi. Karakteristik yang biasa digunakan antara lain rata-
ratahitung yang biasa disebut “harapan matematis” (nilai harapan) dan variansi. Harapan
matematis ini menentukan tendensi sentral dari distribusi probabilitas.

Seringkali kita menjumpai data pengamatan yang memuat peubah acak tidak tunggal.
Misalnya, X dan Y peubah acak, maka nilai harapan dinyatakan E(X), E(Y), dan E(Xy).
Variansi dari X dan Y dinyatakan µ X2, µ Y2 , kovariansi dari peubah acak X dan Y dinyatakan
µXY.

1.2 Rumusan masalah

1. Apa pengertian dari nilai harapan atau rataan peubah acak

2. Apa pengertian teorema nilai harapan dari fungsi peubah acak
3. Apa pengertian defenisi nilai harapan atau rataan peubah acak gabungan
4. Apa pengertian defenisi variansi
5. Apa pengertian teorema variansi peubah acak
6. Apa pengertian teorema variansi fungsi peubah acak
7. Apa pengertian defenisi kovariansi distribusi peubah acak gabungan
8. Apa pengertian teorema kovariansi peubah acak gabungan
9. Apa pengertian teorema rataan dari kombinasi linear
10. Apa pengertian teorema harapan dari jumlah dan selisih dari dua fungsi
11. Apa pengertian teorema harapan dari jumlah dan selisiih dari dua fungsi gabungan
12. Apa pengertian teorema harapan dari dua peubah acak yang bebas
13. Apa pengertian teorema variansi dari kombinasi linear
14. Apa pengertian teorema variansi dari distribusi peluang gabungan
15. Apa pengertian teorema Chebyshev

1.3 Tujuan

1. Mahasiswa dapat menjelaskan pengertian dari nilai harapan atau rataan peubah acak
2. Mahasiswa dapat menjelaskan pengertian teorema nilai harapan dari fungsi peubah
acak
3. Mahasiswa dapat menjelaskan pengertian defenisi nilai harapan atau rataan peubah
acak gabungan
4. Mahasiswa dapat menjelaskan pengertian defenisi variansi
5. Mahasiswa dapat menjelaskan pengertian teorema variansi peubah acak
6. Mahasiswa dapat menjelaskan pengertian teorema variansi fungsi peubah acak
7. Mahasiswa dapat menjelaskan pengertian defenisi kovariansi distribusi peubah
acak gabungan
8. Mahasiswa dapat menjelaskan pengertian teorema kovariansi peubah acak
gabungan
9. Mahasiswa dapat menjelaskan pengertian teorema rataan dari kombinasi linear
10. Mahasiswa dapat menjelaskan pengertian teorema harapan dari jumlah dan selisih
dari dua fungsi
11. Mahasiswa dapat menjelaskan pengertian teorema harapan dari jumlah dan selisiih
dari dua fungsi gabungan
12. Mahasiswa dapat menjelaskan pengertian teorema harapan dari dua peubah acak
yang bebas
13. Mahasiswa dapat menjelaskan pengertian teorema variansi dari kombinasi linear
14. Mahasiswa dapat menjelaskan pengertian teorema variansi dari distribusi peluang
gabungan
15. Mahasiswa dapat menjelaskan pengertian teorema Chebyshev
 BAB II
HARAPAN MATEMATIK

2.1 Rataan Peubah Acak

A. Defenisi Peubah Acak

Rataan suatu peubah acak mempunyai peran khusus dalam statistika karena
menggambarkan letak pusat suatu distribusi peluang. Akan tetapi, rataan itu sendiri
tidaklah memberikan keterangan yang cukup mengenai bentuk distribusinya. Pada
Gambar 1 tertera histogram dua distribusi peluang diskrit dengan rataan μ=2 yang sama
tetapi cukup berbeda dalam keragaman atau pemencaran pengamatannya di sekitar
rataan.

DEFINISI:

Misalkan X peubah acak dengan distribusi peluang f(x) dan rataan μ. Variansi X adalah

Akar positif variansi, σ, disebut simpangan baku X. Besaran x−μ pada definisi di atas
disebut penyimpangan suatu pengamatan dari rataannya. Karena penyimpangan ini
dikuadratkan dan kemudian dirata-ratakan, maka σ2 akan lebih kecil untuk suatu
kelompok nilai x yang dekat ke μ dibandingkan dengan kelompok yang berjauhan
dengan μ.
 B. Teorema Nilai Harapan dari Fungsi Peubah Acak

Rataan atau nilai harapan suatu peubah acak diskret dapat dihitung dengan
mengalikan tiap nilai x1,x2,..,xn dari peubah acak X dengan peluang padanannya
f(x1),f(x2),…,f(xn) dan kemudian jumlahkan hasilnya. Jika peubah acaknya adalah
kontinu, cara penghitungan nilai harapan masih sama dengan yang peubah acak diskret
tetapi kita perlu mengganti penjumlahan dengan integral.

DEFINISI:

Misalkan X suatu peubah acak dengan distribusi peluang f(x). Nilai harapan atau rataan
X didefinisikan sebagai berikut:

C. Nilai harapan dari Fungsi Peluang Gabungan

Jika X dan Y peubah acak dengan distribusi peluang gabungan f(x,y), maka
nilai harapan fungsi g(X,Y) ditentukan oleh:

2.2 Variansi dan KoVariansi

1. Variansi
Definisi Variansi adalah ukuran penyebaran untuk peubah acak univariat. Variansi
dari peubah acak X didefinisikan dengan

𝑉𝑎𝑟(𝑋) = 𝐸[(𝑥 − 𝜇) 2 ] = 𝐸[𝑋 2 ] − 𝜇 2

Contoh Soal:
Misal peubah acak X menyatakan banyaknya mobil yang digunakan untuk keperluan
dinas kantor pada setiap hari kerja
Hitung Var (X)
Penyelesaian:

𝐸[𝑋] = ∑𝑥. 𝑝(𝑥) = 2

𝐸[𝑋 2 ] = ∑𝑥 2 . 𝑝(𝑥) = 4.6
Maka,
𝑉𝑎𝑟(𝑋) = 𝐸[𝑋 2 ] − (𝐸[𝑋]) 2 = 0.6

2. KoVariansi
Misalkan X dan Y adalah variabel random dengan distribusi peluang gabungan f(x,
y). Kovariansi dari X dan Y adalah

𝜎𝑋𝑌 = 𝐸 [(𝑋 − 𝜇𝑋 )(𝑌 − 𝜇𝑌 )]= ∑𝑥 ∑𝑦(𝑥 − 𝜇𝑥 ) (𝑦 − 𝜇𝑦 )𝑓(𝑥, 𝑦)

jika X dan Y diskrit, dan

𝜎𝑋𝑌 = 𝐸[(𝑋 − 𝜇𝑋 )(𝑌 − 𝜇𝑌 )]

∞ ∞

= ∫ ∫ (𝑥 − 𝜇𝑥 ) (𝑦 − 𝜇𝑦 )𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦
−∞ −∞
Jika X dan Y kontinu

Interpretasi: Kovariansi antara dua peubah acak menunjukkan sifat asosiasi (hubungan)
antara keduanya; Jika kedua peubah tersebut bergerak kearah yang sama (X membesar
dan Y membesar) maka hasil kali (X - μ x)(Y - μ y) cenderung bernilai positif; Jika
bergerak kearah berlawanan (X membesar dan Y mengecil), maka hasil kali (X - μ x)(Y
- μ y) cenderung akan bernilai negatif. Tanda kovariansi (+ atau -) menunjukkan apakah
hubungan antara kedua peubah acak positif atau negatif. Kovariansi juga dapat dihitung
bila dengan rumus yang lebih mudah sebagai berikut:

𝜎𝑋𝑌 = 𝐸(𝑋𝑌) − 𝜇𝑋 𝜇𝑌

Contoh:
Misalkan X = jumlah ballpoint warna biru, dan Y = jumlah ballpoint warna merah. Bila
dua ballpoint diambil secara acak dari kotak, distribusi peluang gabungannya sudah
dihitung pada contoh terdahulu, yaitu:
 Hitunglah kovariansi dari X dan Y

Jawab:

2 2 2

𝜎𝑋 = 𝐸(𝑋) = ∑ ∑ 𝑥𝑓(𝑥, 𝑦) = ∑ 𝑥𝑔(𝑥)

𝑥=0 𝑦=0 𝑥=2
5 15 3 3
= (0) (14) + (1) (28) + (2) (28) = 4
2 2 2

𝜎𝑋 = 𝐸(𝑋) = ∑ ∑ 𝑦𝑓(𝑥, 𝑦) = ∑ 𝑦ℎ(𝑥)

𝑥=0 𝑦=0 𝑥=2
15 3 1 1
= (0) (28) + (1) (7) + (2) (28) = 2

Sehingga diperoleh

3 2 1 9
𝜎𝑥𝑦 = 𝐸(𝑋𝑌) − 𝜇𝑋 𝜇𝑌 = −( )( ) =
14 4 2 56

2.3 Rataan dan variansi dari kombinasi linear peubah acak

1. Teorema rataan dari kombinasi linear

Bila a dan b adalah konstanta, maka

Bukti: (diberikan yang kontinu saja, untuk yang diskret bisa dibuktikan dengan

cara yang sama)

Menurut definisi nilai harapan,

 Integral pertama di sebelah kanan adalah E(X)E(X) dan integral kedua sama

dengan 1. Jadi, diperoleh

Akibat 1. Bila diambil a=0a=0 maka E(b)=bE(b)=b.

Akibat 2. Bila diambil b=0b=0 maka E(aX)=aE(X)

CONTOH :

Dengan menggunakan Teorema 2 untuk peubah acak

diskret g(X)=2X−1g(X)=2X−1, kerjakan kembali Contoh 4.

Penyelesaian:

Menurut Teorema 2, dapat ditulis

Sekarang

Jadi,

2. Teorema harapan dari jumlah dan selisih dari dua fungsi

 Jumlah nilai harapan atau selisih dua atau lebih fungsi suatu peubah acak X sama dengan
jumlah atau selisih nilai harapan fungsi tersebut, yaitu

Bukti:

Menurut definisi

CONTOH :

Misalkan X peubah acak dengan distribusi peluang sebagai berikut:

Cari nilai harapan Y=(X−1)2Y=(X−1)2

Penyelesaian:

Dengan menggunakan Teorema 3 pada fungsi Y=(X−1)2Y=(X−1)2 maka diperoleh

Dari Akibat 1 Teorema 2, E(1)=1E(1)=1, dan dengan menghitung langsung

Jadi,
3. Teorema harapan dari jumlah dan selisih dari dua fungsi gabungan

Nilai harapan dari penjumlahan atau perbedaan dua fungsi atau lebih dari
peubah acak X dan Y merupakan penjumlahan atau perbedaan dari nilai harapan
fungsi itu. Dengan kata lain

E[g(X, Y)±h(X, Y)] = E[g(X, Y)]±E[h(X, Y)]

Akibat X dari teorema di atas adalah

Dengan membuat g(X, Y) = g(X) dan h(X, Y) = h(Y) kita lihat bahwa
E[g(X)±h(Y)]=E[g(X)]±E[h(Y)]

Dengan membuat g(X, Y) = X dan h(X, Y) = Y, kita lihat bahwa

E(X±Y) = E(X) ± E(Y)

4. Teorema harapan dari dua peubah acak yang bebas

Misalkan X dan Y adalah dua variabel acak bebas, maka

E(XY) = E(X)E(Y)

5. Teorema variansi dari kombinasi linear

Jika a dan b merupakan konstanta maka

akibat dari teorema tersebut adalah :

-Dengan membuat a=1

-Dengan membuat b=0

6. Teorema variansi dari distribusi peluang gabungan

Jika X dan Y adalah peubah acak dengan sebaran probabilitas gabungan f(x, y)
maka
 Akibat dari teorema tersebut adalah

-Jika X dan Y merupakan peubah acak bebas, maka

2.4 Teorema Chebyshev

1. Teorema Chebyshev (1)

Teorema Chebyshev: Probabilitas dari sembarang peubah acak m X dalam selang k
simpangan baku dari rataan sekurang -kurangnya 1 – 1/ k 2, atau

Teorema Chebyshev (2)

Bukti dari Teorema Chebyshev: σ 2 = E[( X - µ ) 2 ]

Teorema Chebyshev (3)

Bukti dari Teorema Chebyshev (Lanjutan): Sekarang karena | x - µ|≥ kσ, maka berlaku
( x - µ ) 2 ≥ k 2 σ 2, sehingga kedua suku terakhir dapat dituliskan sebagai berikut:

Sehingga
2.5 Penyelesaian Kasus
Soal Kasus 1:
Dalam suatu permainan judi di AS seseorang dibayar $3 bila dia menarik jack atau queen dan
$5 bila dia menarik king atau as dari sekotak berisi 52 kartu bridge. Bila dia menarik kartu lain
dia kalah. Berapa banyak dia harus membayar untuk main agar permainan itu adil ?
Soal Kasus 2:
Lamanya dalam menit suatu pesawat terbang menunggu tanda boleh tinggal landas di suatu
bandar udara merupakan peubah acak Y=3X-2, bila X mempunyai fungsi padat:
1 𝑥
𝑓(𝑥) = {0 − , 𝑥 > 0
4 4
Untuk x lainnya
Carilah rataan dan variansi peubah acak Y
Penyelesaian:
Soal Kasus 1:
Sebuah kartu Remi terdiri dari 52 kartu, maka n(s) = 52
Kartu As = 4
Kartu Jack = 4
Kartu Queen = 4
Kartu King = 4
Kartu yang bernomor = 36
Kartu Jack atau Queen dibayar $3
Kartu King atau As dibayar $5
4 1
Peluang terambil kartu As = 𝑃(𝐴𝑠) = =
52 13
4 1
Peluang terambil kartu Jack = 𝑃(𝐽𝑎𝑐𝑘) = 52 = 13
4 1
Peluang terambil kartu Queen = 𝑃(𝑄𝑢𝑒𝑒𝑛) = 52 = 13
4 1
Peluang terambil kartu King = 𝑃(𝐾𝑖𝑛𝑔) = 52 = 13
36 9
Peluang terambil kartu Bernomor = 𝑃(𝑁𝑜𝑚𝑜𝑟) = 52 = 13

Banyaknya dia membayar adalah:

= ( P( As) x$5) + ( P( jack ) x$3) + ( P(Queen) x$3) + ( P( King ) x$5) + ( P( Nomor ) x$0)
1  1  1  1  9 
=  x$5  +  x$3  +  x$3  +  x$3  +  x$0 
 13   13   13   13   13 
$16
=
13
= $1, 23

Soal Kasus 2:
Lama waktu tunggu pesawat sebelum diizinkan terbang merupakan variabel random Y=3X-Z
dengan X adalah variabel random yang memiliki densitas peluang

1 − x/4
e ;x  0
f ( x) = { 4
0 ; x lainnya

E (Y ) = E (3 x − 2)
= E(3x)-2
= 3E ( x ) − 2
 1
= 3 x. e − x /4 dx − 2
0 4
3 
=  x e − x /4 dx − 2
4 0
 BAB III
PENUTUP
3.1 Kesimpulan

Jika X suatu perubah acak dengan fungsi probabilitas f(x), maka nilai harapan
(rata-rata) perubah acak X adalah

Jika X suatu peubah acak dengan fungsi massa peluang f(x), dengan rata-rata,
makavariansi X adalah
Kovariansi dua perubah acah X dan Y dengan rata-rata mX dan mY diberikan oleh rumus

Variansi peubah acak X dapat dihitung dari turunan fpm M(t) untuk t =0, yaitu

3.2 Saran

Dalam pembuatan makalah ini penulis menyadari betul masih terdapat banyak
kesalahan dan kekeliruan maka dari itu penulis mengharapkan kritk dan saran yang
membangun kepada pembaca. Selai itu penulis sampaikan kepada pembaca agar tidak
merasa cepat puas dengan materi yang ada karena masih banyak cara yang bisa di
jadikan media belajar dan penambahan wawasan.

DAFTAR PUSTAKA

https://informatika.stei.itb.ac.id/~rinaldi.munir/Probstat/20102011/Teorema%20Cheb
ysev.pdf
https://jagostat.com/teori-peluang/nilai-harapan-peubah-acak
https://syafii.staff.uns.ac.id/files/2010/03/bab-iv-ekspektasi-matematik.pdf
https://slidetodoc.com/rataan-peubah-acak-variansi-dan-kovariansi-rataan-dan/
https://jagostat.com/teori-peluang/menghitung-nilai-varians-peubah-acak