TEORI PELUANG
Dosen Pengampu :
Dr. Tina Yunarti, M.Si.
Fungsi peluang merupakan salah satu konsep utama dalam teori peluang.
Secara formal, jika kita memiliki ruang sampel S yang terdiri dari semua
kemungkinan hasil darisuatu eksperimen acak, maka fungsi peluang P adalah
fungsi yang memetakan setiap kejadian Ayang mungkin terjadi di S ke suatu
angka P(A), di mana P(A) adalah probabilitas kejadian A terjadi.
Jika X adalah variabel acak kontinu yang dapat mengambil setiap nilai x yang
memiliki fungsi probabilitas f(x), maka ekspektasi dari variabel acak kontinu
X dinotasikan dengan E(X).
1
P (x) = 𝑘 ; x = 1, 2, 3, …., k
Keterangan :
1 𝑏
C =𝑏−𝑎 sebab 1 = ∫𝑎 𝑐 𝑑𝑥 = 𝑐 (𝑏 − 𝑎).
untuk X ~ UNIF ( a, b) :
Suatu variabel random diskrit X mempunyai distribusi uniform diskrit
pada bilangan bulat 1, 2, 3, ..., N dan mempunyai fkp dengan bentuk :
1
f (x) = 𝑁 ; x = 1, 2, 3, …., N
Mean 𝐸(𝑋) = 𝜇
Bukti:
∞
𝐸(𝑋) = ∫−∞ 𝑥 𝑓(𝑥) 𝑑𝑥
1 𝑥−𝜇 2
∞ 1
𝑒 −2 ( )
𝐸(𝑋) = ∫−∞ 𝑥 σ 𝑑𝑥
σ√2𝛑
1 𝑥−𝜇 2
1 ∞ − ( )
𝐸(𝑋) = ∫ 𝑥 𝑒 2 σ 𝑑𝑥
σ√2𝛑 −∞
𝑥− μ
Misalkan z = maka dx = σ dz, sehingga:
σ
1 𝑥−𝜇 2
1 ∞ − ( )
𝐸(𝑋) = ∫ (μ + σ𝑧) . 𝑒 2 σ 𝑑𝑧
σ√2𝛑 −∞
1 1
1 ∞ − (𝑧)2 1 ∞ − (𝑧)2
𝐸(𝑋) = ∫−∞ μ . 𝑒 2 𝑑𝑧 + ∫−∞ σz . 𝑒 2 𝑑𝑥
√2𝛑 √2𝛑
1 1
μ ∞ − (𝑧)2 σ ∞ − (𝑧)2
𝐸(𝑋) = ∫−∞ 𝑒 2 𝑑𝑧 + ∫−∞ z . 𝑒 2 𝑑𝑥
√2𝛑 √2𝛑
1 1
μ ∞ − (𝑧)2 σ ∞ − (𝑧)2
𝐸(𝑋) = ∫−∞ 𝑒 2 𝑑𝑧 + ∫−∞ z . 𝑒 2 𝑑𝑥
√2𝛑 √2𝛑
1
μ ∞ (𝑧)2 σ ∞
𝐸(𝑋) = 2 ∫−∞ 𝑒 −2 𝑑𝑧 − ∫−∞(𝑒 ∞ − 𝑒 −∞ ) 𝑑𝑧
√2𝛑 √2𝛑
2μ 1 σ
𝐸(𝑋) = . 2 √2𝛑 − .0
√2𝛑 √2𝛑
𝐸(𝑋) = 𝛑 − 0
𝐸(𝑋) = 𝛑
Variansi Var(X) = σ𝟐
Bukti :
σ𝟐 = 𝐸[(𝑥 − μ)]2
1 𝑥−𝜇 2
1 ∞ − ( )
σ𝟐 = ∫ 𝑥 − μ .𝑒 2 σ 𝑑𝑥
σ√2𝛑 −∞
𝑥− μ
Misalkan z = maka dx = σ dz, sehingga:
σ
1
1 ∞ − (𝑧)2
𝐸[(𝑥 − μ)]2 = ∫ 𝑧 2 σ2 . 𝑒 2 σ 𝑑𝑧
σ√2𝛑 −∞
1
σ2 ∞− (𝑧)2
𝐸[(𝑥 − μ)]2 = ∫ 𝑧2 . 𝑒 2 𝑑𝑧
σ√2𝛑 −∞
𝐸[(𝑥 − μ)]2 = σ2
Standar Deviasi
σ = √σ2
Cara Luas Daerah Kurva Normal
Probabilitas distribusi normal f(x) pada interval 𝑥1 < 𝑥 < 𝑥2 ditentukan
dengan mencari luas daerah di bawah kurva yang ditunjukkan pada
Gambar 2
Gambar 2 Probabilitas Distribusi Normal Pada Interval 𝑥1 < 𝑥 < 𝑥2
Pada Gambar 2 probabilitas 𝑃(𝑥1 < 𝑥 < 𝑥2) ditunjukkan oleh luas daerah
yang diarsir yang dibatasi oleh kurva f(x), sumbu-x, garis tegak 𝑥 = 𝑎 dan
𝑥 = 𝑏 . Karena f(x) merupakan fungsi kontinu, probabilitas 𝑃(𝑥1 < 𝑥 <
𝑥2) dihitung dengan menggunakan integral dari fungsi f(x) yang dibatasi
oleh 𝑥 = 𝑥1 dan 𝑥 = 𝑥2, yaitu:
1 𝑥−𝜇 2
x2 𝑋 1
𝑒 −2 ( )
𝑃(𝑥1 < 𝑥 < 𝑥2 ) = ∫x1 𝑓(𝑥) 𝑑𝑥 = ∫𝑋 1 𝑥 σ 𝑑𝑥
2 σ√2𝛑
Definisi
Distribusi probabilitas dari variabel random normal Z dengan rata-rata 𝜇=0
dan variansi 𝜎2 = 1 disebut distribusi normal baku dengan notasi 𝑁(0,1).
3. Distribusi Gamma
Bukti:
Rataan dan varians suatu peubah acak X dapat dicari jika diketahui
fungsi pembangkit momennya. Untuk mencari rataan dari distribusi
gamma, kita hanya perlu menurunkan fungsi MGF yang telah diperoleh
di atas, kemudian menetapkan nilai 0 untuk t. Kita peroleh sebagai
berikut:
Dimana θ > 0.
Andaikan X adalah variabel acak kontinu yang mengikuti distribusi
eksponensial. MGF dari X diberikan oleh:
Bukti:
Kita tahu bahwa MGF diperoleh dari 𝐸(𝑒 𝑡𝑋 ). Dengan demikian, MGF
dari distribusi eksponensial dapat diperoleh sebagai berikut :
1 1 θ
Misalkan 𝑦 = (θ − 𝑡) 𝑥, maka 𝑥 = 1 dan 𝑑𝑥 = 1 − θt, sehingga
−𝑡
θ
Bukti :
Kita tahu bahwa MGF suatu distribusi diperoleh dari E(etX). Dengan
demikian, MGF dari distribusi chi-square dapat diperoleh sebagai
berikut:
𝑀𝑥 (𝑡) = ∫ 𝑒 𝑡𝑥 .
0