Nama : Melan C.

A Kitu
NIM : 2206040019
Kelas/Semester : B/3
Mata Kuliah : Statistika Matematika 1

PEUBAH ACAK

A. Peubah Acak dan Distribusinya

1. Peubah Acak Peubah acak atau variabel acak merupakan hasil-hasil prosedur penyampelan
acak (random sampling) atau eksperimen acak dari suatu data yang telah dianalisis secara
statistik. Peubah acak dapat dinyatakan dengan huruf besar, misal X , sedangkan nilai dari
peubah acak dinyatakan dengan huruf kecil padanannya, misal (Walpole & Myears, 1989).

2. Definisi Peubah Acak

Peubah acak merupakan fungsi yang memetakan setiap elemen dari ruang sampel (hasil
percobaan) menjadi bilangan real (diskrit dan kontinu).

 Jika suatu runag contoh mengandung titik yang berhingga banyaknya atau
sederetan anggota yang banyaknya sebanyak bilangan bulat maka ruang contoh
itu dinamakan ruang contoh diskrit.

 Jika ruang contoh mengandung titik contoh yang tak berhingga banyaknya dan
banyaknya sebanyak titik pada sepotong garis disebut ruang contoh kontinu.

3. Distribusi Peubah Acak Distribusi peubah acak terbagi menjadi dua yaitu distribusi peubah
acak diskrit dan distribusi peubah acak kontinu. Seringkali untuk memudahkan suatu
perhitungan semua probabilitas peubah acak dinyatakan dalam suatu fungsi nilainilai X
seperti f (x) yaitu f (x)  P(X  x). Pada peubah acak diskrit, setiap nilainya dikaitkan dengan
probabilitas. Himpunan pasangan berurutaan x, f (x) disebut distribusi probabilitas peubah
acak X . Sebuah distribusi yang mencantumkan semua kemungkinan nilai peubah acak diskrit
berikut probabilitasnya disebut probabilitas diskrit (Walpole & Myears, 1989).

Contoh

1. Dalam percobaan pengundian sebuah dadu berisi enam yang seimbang. Ruang contohnya
sebagai berikut:

S = {S1,S2,S3,S4,S5,S6}

Salah satu peubah acak yang dapat dibuat adalah:

 X = munculnya sisi dadu yang bermata genap

x = (0,1)

Pemetaan fungsi X dapat digambarkan sebagai berikut:

Daerah Fungsi Wilayah Fungsi

S1

S2 0

S3

S4 1

S5

S6

2. Percobaan pengundian tiga buah koin. Ruang contohnya dapat didata sebagai berikut.

S = {GGG,GGA,GAG,GGA,AGA,AAG,AAA}

Salah satu peubah acak yang dapat dibuat adalah:

Y = banyaknya sisi angka yang muncul

Kemungkinan angka yang muncul yaitu:

y = (0,1,2,3)

Pemetaan fungsi X dapat digambarkan sebagai berikut :

S x

GGG

GGA 0

GAG 1

AGG 2

GAA 3

AGA

AAG

AAA
 DISTRIBUSI PELUANG DISKRIT

1. Distribusi Seragam (Uniform) Diskrit

• Jika peubah acak X mempunyai nilai x 1, x2, x3, …, xk dengan peluang yang sama, maka
distribusi seragam diskrit didefinisikan sebagai:

1
(x;k) = , x=x 1 , x 2, x 3 ,... , xk
k
• Rataan dan variansi dari distribusi seragam diskrit adalah:
k


∑ Xi k
¿ t =1 dan❑2=∑ ¿ ¿ ¿
k t =1

Sifat-Sifat Proses Bernoulli:

1. Eksperimen terdiri dari n usaha yang berulang

2. Setiap usaha memberikan hasil yang dapat diklasifikasikan menjadi sukses atau gagal

3. Peluang dari sukses adalah p, yang bersifat tetap dalam setiap kali usaha.

4. Tiap usaha tersebut bersifat independen satu sama lain.

2. Distribusi Binomial

• Distribusi binomial didasarkan pada proses Bernoulli.

• Pada proses Bernoulli, suatu eksperimen sering terdiri dari beberapa usaha yang berulang-
ulang, di mana tiap usaha mempunyai dua kemungkinan: sukses atau gagal.

• Contohnya pada pengujian suatu produk untuk menentukan berapa jumlah produk yang cacat
dari n pengujian atau usaha.

• Pada tiap pengujian ditentukan bahwa suatu produk cacat atau tidak cacat.

• Setiap pengujian bersifat independen (tidak bergantung pada pengujian sebelumnya).

• Suatu usaha Bernoulli dapat menghasilkan sukses dengan peluang p dan gagal dengan peluang q

= 1 – p . Maka distribusi peluang dari peubah acak binomial X, yaitu jumlah sukses dari n usaha
yang independen adalah

B(x;n,p) ¿ ( nk) p q
x n− x
, x=0 , 1, 2 , ..., n
 • Keterangan: ( nx) adalah notasi lain untuk C(n, x).Notasi ini disebut juga notasi binomial
• Biasanya dalam soal kita diminta menghitung distribusi kumulatif P(X < r) atau P(a ≤ X ≤ b)
n
P(X < r) ¿ ∑ n p q
x n−x

x=0
( x)
b
P(a ≤ X ≤ b) = ∑ n p q
x n−x

x=a
(x)
3. Distribusi Multinomial

Jika suatu percobaan dapat menghasilkan k macam hasil E1 , E 2, ... , Ek dengan peluang

p1 , p2 , ... , p kmaka distribusi peluang dari peubah acak X 1 , X 2 , ... , X k yang menyatakan banyak

terjadinya dalam n usaha yang independen adalah: E1 , E 2, ... , Ek n usaha yang independen
adalah:

( x 1 , x 2, ... , x k ; p1 , p2 , ... , p k= (x n
)
1 , x 2 , ..., x k
x x
p1 p 2 ... pk
1 2 x
k

dengan

k k

∑ x i= n dan ∑ pi =1
t =1 i=1

Eksperimen Multinomial

• Distribusi binomial dapat diperluas menjadi multinomial.

Distribusi multinomial didasarkan pada eksperimen multinomial.

• Eksperimen dapat dikembangkan menjadi multinomial bila tiap usaha menghasilkan lebih dari
dua hasil, jadi tidak hanya sukses atau gagal.

• Misalkan pengambilan kartu dengan pengembalian adalah percobaan multinomial bila yang
menjadi perhatian keempat jenis kartu .

• Dari rumus binomial dapat dikembangkan menjadi:

(x n
1 , x 2 , ..., x k
)(
= n!
)
x1 !, x 2 !, ... , x k !
4. Distribusi Hipergeometrik
5. • Distribusi hipergeometrik mempunyai sifat-sifat sebagai berikut:
1. Secara acak diambil sebanyak n tanpa dikembalikan dari N benda.
2. k dari N benda diklasifikasikan sukses dan N-k diklasifikasikan gagal
• Jumlah sukses X dari eksperimen hipergeometrik disebut peubah acak hipergeometrik.
• Distribusi peluang dari peubah acak hipergeometrik disebut dengan distribusi hipergeometrik,
dan nilainya dinotasikan dengan h(x;N,n,k)
• Definisi. Distribusi peluang dari peubah acak hipergeometrik X, yaitu jumlah sukses dari
sampel acak berukuran n yang diambil dari N benda, di mana terdapat k jumlah sukses dan N-k
jumlah gagal adalah:

h(x;N,n,k) =
( n)( n−x )
k N −k
, x = 0,1,2, . . . , n
(n )
N

• Perampatan Distribusi Hipergeometrik

Bila N benda dapat dikelompokkan dalam k-sel A 1, A2, …, Ak yang masing-masing berisi a 1, a2,
…, ak benda, maka distribusi peluang acak X 1, X2, …, Xk yang menyatakan banyaknya benda
(anggota) yang terambil dari A , A , …, A dalam suatu sampel acak terambil dari A 1, A2, …, Ak
dalam suatu sampel acak berukuran n adalah:

f(x1, x2, …, xk; a1, a2, …, ak, N, n) =

( )( ) ( )
a1 a2
x1 x2
a
... k
xk

( Nn )
k k
dengan ∑ x i=n dan ∑ ai = N
i=1 i=1

6. Distribusi Poisson
• Eksperimen Poisson adalah eksperimen yang menghasilkan nilai numerik dari peubah acak X
pada selang waktu yang tertentu atau daerah tertentu.
Contoh:
1) jumlah panggilan telepon dalam waktu 1 jam yang diterima oleh resepsionis.diterima oleh
resepsionis.
2) banyaknya pertandingan tenis yang terpaksa diundurkan karena terjadinya hujan selama musim
hujan
3) banyaknya tikus dalam satu hektar sawah
4) banyaknya salah ketik dalam satu halaman
• Eksperimen Poisson diturunkan dari proses Poisson.
• Sifat-sifat proses Poisson:

1. Jumlah hasil yang terjadi dalam satu selang waktu atau daerah tertentu adalah independen
terhadap hasil yang terjadi pada selang atau daerah lain. Prosesn Poisson dikatakan tidak
mempunyai ingatan.
 2. Peluang terjadinya suatu hasil (tunggal) dalam selang waktu yang sangat pendek atau daerah
yang sangatwaktu yang sangat pendek atau daerah yang sangat kecil sebanding dengan panjang
selang waktu atau besarnya daerah dan tidak bergantung pada banyaknya hasil yang terjadi di luar
selang atau daerah tersebut
3. Peluang terjadinya lebih dari satu hasil yang terjadi dalam selang waktu yang pendek dapat
diabaikan.
• Definisi Distribusi Poisson:
Distribusi peluang peubah acak Poisson X, yang menyatakan banyaknya sukses yang terjadi
dalam selang waktu atau daerah tertentu --dinotasikan dengan t --
adalah:
−t x
e (t )
p(x;t) = x = 0,1,2, …
x!
di mana λt adalah rata-rata banyaknya sukses yang terjadi per satuan waktu atau daerah,dan e =
2.71828…
• Rataan dan variansi dari distribusi Poisson p(x;λt) adalah sama, yaitu λt.
• Tabel distribusi Poisson membantu untuk menghitung jumlah peluang Poisson P(r; λt) =
7. Distribusi Binomial Negatif
• Pada percobaan binomial, misalkan usaha diulang sampai tercapai sejumlah sukses tertentu.
• Misalkan kita ingin mengetahui bahwa sukses ke-k terjadi pada usaha ke-x.
• Percobaan semacam ini dinamakan percobaan binomial
• Percobaan semacam inidinamakan percobaan binomial negatif.
• Banyaknya usaha X untuk menghasilkan k sukses dalam suatu percobaan binomial negatif
disebut peubah acak binomial negatif dan distribusi peluangnya disebut distribusi binomial
negatif.
• Definisi Distribusi Binomial Negatif : Bila usaha yang saling bebas dilakukan berulangkali
menghasilkan sukses dengan peluang p sedangkan gagal dengan peluang p -1, maka distribusi
peluang acak X, yaitu banyaknya usaha y
ang berakhir tepat pada sukses ke-k diberikan oleh

( )
b ( x ; k , p)= x−1 p q ,
¿

k−1
k x−k
x = k,k+1,k+2, …

8. Distribusi Geometrik
• Distribusi geometrik adalah kasus khusus dari distribusi binomial negatif untuk k = 1, yaitu
distribusi peluang banyaknya usaha yang diperlukan untuk mendapatkan sukses pertama.
• Jika k = 1 disulihkan ke dalam persamaan distribusi binomial negatif, maka persamaannya
menyusut menjadi b*(x; 1, p) = pqx-1 , x = 1, 2, 3, …. Karena urutan semua suku membentuk
deret geometri, maka distribusinya dinamakan distribusi geometrik.
 • Definisi distribusi geometrik: Bila usaha yang saling bebas dan dilakukan berulangkali
menghasilkan sukses dengan peluang p, gagal dengan peluang q = p– 1, maka distribusi peluang
peubah acak X, yaitu banyaknya usaha sampai terjadi sukses yang pertama diberikan oleh
g(x; p) = pq x−1 x = 1, 2, 3, …

CONTOH SOAL
1. Dalam sebuah keluarga dengan 4 anak,
(a) tentukan peluang keluarga tersebut memiliki paling sedikit 1 anak laki-laki dengan asumsi
peluang kelahiran anak laki-laki adalah ½kelahiran anak laki-laki adalah ½
(b) Dari 2000 keluarga dengan 4 anak, berapa banyak keluarga yang memiliki paling sedikit anak
laki-laki?
• Jawaban:
p = ½ ; q = 1 – ½ = ½; n = 4
Misalkan X menyatakan banyaknya anak laki-laki di dalam keluarga dengan 4 anak, maka
4 4 0
a). P(1 ≤ X ≤ 4) = ∑ b 9 x ; 4 , 0.5 ¿ ¿=∑ b ( 4 , 5.0 )−∑ b ( x , 4 , 0.5 )
1 1 0

= 1.0 – 0.0625 = 0.9375

b). Jumlah ekspektasi = (2000)(0.9375) = 1875

2. Sepuluh persen dari alat-alat yang diproduksi dalam suatu proses fabrikasi tertentu ternyata rusak.
Tentukan peluang bahwa dalam suatu sampel dari 10 alat yang dipilih secara acak, tepat ada 2
alat yang rusak dengan menggunakan:ada 2 alat yang rusak dengan menggunakan:
(a) distribusi binomial
(b) aproksimasi Poisson terhadap distribusi binomial
• Jawaban:
(a) p = 0.1; misalkan X menyatakan peubah acak yang menyatakan banyaknay alat yang rusak

P(X = 2) = b(2; 10, 0.1) = (102) (0.1 ) (0.9 )=0.1937

2 8

(b) t =  = np = (10) (0.1)

( 1 )2 e−1
P(X = 2) = p(x; 1.0) = =0.1839
2!
Secara umum, aproksimasi tsb dianggap bagus jika p ≤ 0.1 dan λt = μ = np ≤ 5.
3. Sebuah kotak berisi 5 bola merah, 4 bola putih, dan 3 bola biru. Sebuah bola dipilih secara acak
dari kotak, warnanya dicatat, dan kemudian bolanya dimasukkan kembali.kemudian bolanya
dimasukkan kembali.Tentukan peluang bahwa dari 6 bola yang diambil secara acak dengan cara
ini, 3 diantaranya berwarna merah, 2 adalah putih,dan 1 biru.
Jawaban:
• Cara 1: (menggunakan rumus distribusi multinomial)
P(merah pada sembarang pengambilan) = 5/12
P(putih pada sembarang pengambilan) = 4/12
P(biru pada sembarang pengambilan) = 3/12
n=3+2+1=6
P(3 merah, 2 putih, 1 biru) = f(3, 2, 1; 5/12. 4/12, 3/12, 6)

( )( ) ( ) ( )
3 2 1
6 5 4 3 625
= =
3 , 2 ,1 12 12 12 5184

• Cara 2: Peluang terpilihnya satu bola merah adalah 5/12, sehingga untuk 3 bola merah

( )
3
5
peluangnya adalah . Jadi, peluang untuk memilih 3 bola merah, 2 bola putih, dan 1 bola
12
adalah:

( )( )( )
3 2 1
5 4 3
12 12 12

Tetapi pilihan yang sama dapat diperoleh dalam urutan yang lain (misalnya putih dulu, baru
merah), dan banyaknya cara berbeda adalah

6!
C(6; 3, 2, 1) =
3! 2! 1 !

sehingga peluang yang dicari adalah

( )( )( )
3 2 1
5 4 3 6! 625
=
12 12 12 3 ! 2! 1 ! 5184

4. Jika bola yang telah diambil tidak dikembalikan ke dalam kotak. Tentukan peluang bahwa dari 6
bola yang diambil secara acak dengan cara ini, 3diambil secara acak dengan cara ini, 3
diantaranya berwarna merah, 2 adalah putih,dan 1 biru.

Jawaban: Ini adalah persoalan distribusi hipergeometrik (kata kunci: tanpa pengembalian)

x1 = 3, x2 = 2, x3 = 1

a1 = 5, a2 = 4, a3 = 3
 N = 5 + 4 + 3 = 12; n = 6

Peluang yang dicari adalah:

f(3, 2, 1; 5, 4, 3; 6) =
( 3 )( 2 )( 1 )
5 4 3

(126)
5. Pengalaman menunjukkan bahwa pada setiap penstensilan kertas koran, dari 1500 yang distensil
telah terjadi kerusakan sebanyak 150 lembar. Bial distensil sebanyak 10 lembar,tentukan peluang
banyaknya kertas yang rusak paling sedikit 3 lembar.

Jawaban:

Misalkan X adalah peubah acak yang menyatakan banyaknya kertas koran yang rusak.

Ini adalah persoalan distribusi binomial (rusak dan tidak rusak).

150 1
p = P(rusak) = =
1500 10

1 9
q = 1- =
10 10
2
P(X ≥ 3) = 1 – P(X < 3) = 1 – ∑ b ( x ; 10 , 0.1 )
x=0

= 1 – 0.9298 = 0.0702

DISTRIBUSI PELUANG KONTINU

1. Fungsi Padat Peluang

• Untuk peubah acak kontinu, fungsi peluangnya atau distribusi peluangnya tidak bisa disajikan
dalam bentuk tabel, tetapi dalam bentuk rumus.
• Fungsi peluang, f(x), untuk peubah acak kontinu X disebut fungsi padat peluang(probability
density function atau pdf) atau fungsi padat saja.
• Grafik fungsi padat adalah kurva kontinu dan peluang dinyatakan sebagai luas daerah di bawah
kurva.
• Karena peluang selalu positif, maka kurva fungsi padat selalu berada di atas sumbu-x
• Definisi 1. Fungsi f(x) adalah fungsi padat peluang dari peubah acak kontinu X yang
didefinisikan di atas himpunan semua bilangan riil R, bila memenuhi syarat:
 1) f(x) ≥ 0 untuk semua x ∈ R
b
2) ∫ f (x )dx = 1
a

b
3) P(a < X < b) = ∫ f (x )dx
a

• Peubah acak kontinu mempunyai peluang nol pada setiap titik x, tetapi lebih besar dari 0 untuk
X yang terletak dalam sebuah selang (interval).
• Contoh ilustrasinya sebagai berikut: misalkan satu orang dipilih secara acak dari suatu
kelompok mahasiswa. Peluang mahasiswa yang terpilih memiliki tinggi tepat 172 cm (tidak
kurang atau tidak lebih sedikitpun yaitu presisi 172.0000) adalah sangat kecil sehingga peluang
kejadian tersebut diberi nilai nol. Namun, peluang memilih mahasiswa yang tingginya paling
sedikit 172.000 cm dan 174.000 cm lebih besar dari nol.
• Perhatikan pula bahwa bila X kontinu,
P(a < X ≤ b) = P(a < X < b) + P(X = b) = P(a < X < b) + 0 = P(a < X < b)
artinya tidak penting benar apakah titik diujung selang diikutsertakan atau tidak. Hal ini tidak
benar pada X diskrit.
• Definisi 2. Distribusi kumulatif atau fungsi distribusi dari suatu pebuah acak kontinu X dengan
fungsi padatnya f(x) adalah

F(x) = P (X≤ x ¿= ∫ x f ( t ) dtuntuk −¿ X <∞

−¿¿

Sebagai akibatnya,
P(a < X < b) = F(b) – F(a) Dan f(x) = dF(x)/dx
1. Distribusi Empiris
• Distribusi empiris mengelompokkan data ke dalam suatu interval, di mana frekuensi data dalam
setiap interval dapat digunakan untuk menentukan frekuensi nisbinya.
• Langkah awal dalam menaksir f(x) adalah membuat distribusi frekuensi nisbi (nisbi= relatif).
2. Distribusi Peluang Gabungan
• Konsep-konsep fungsi peluang dapat dirampatkan untuk dua atau lebih peubah acak.
• Bila dalam percobaan dilakukan pencatatan dan peubah acak secara serentak, maka peluang
kedua peubah acak itu dapat dihitung.
• Misalkan pengukuran tekanan (P) dan volume gas (V)akan memberikan hasil (p, v).
• Bila X dan Y adalah peubah acak, maka distribusi peluang terjadinya secara serentak X dan Y
disebut distribusi peluang gabungan X dan Y dan dinyatakan dengan f(x,y) dimana f(x, y) = P(X
= x , Y = y).
• Tinjau kasus dua peubah acak yang keduanya diskrit atau keduanya kontinu.
1. Kasus X dan Y keduanya diskrit
 • Definisi 3. Fungsi f(x,y) adalah fungsi peluang gabungan peubah acak diskrit X dan Y bila:
1) f(x, y) ≥ 0 untuk semua (x, y)

2) ∑ ❑ ∑ f (x , y)=1
x y

3) P(X = x, Y = y) = f(x, y)
Untuk tiap daerah A di bidang xy,

P[(X, Y) ∈ A] = ∑ ❑ ∑ f (x , y)
A ❑

2. Kasus X dan Y keduanya kontinu

• Definisi 4. Fungsi f(x,y) adalah fungsi padat gabungan peubah acak kontinu X dan Y bila:
1) f(x, y) ≥ 0 untuk semua (x, y)
∞ ∞
2) ∫ ❑ ∫ f ( x , y )dxdy =1
−∞ −∞

3) Untuk tiap daerah A di bidang xy,

❑

P[(X,Y)  A] = ∬ f (x , y )dxdy
A

3. Distribusi Marginal
• Bila diketahui distribusi peluang gabungan f(x,y) dari peubah acak X dan Y maka distribusi
peluang g(x) dari X dapat diperoleh dengan menjumlahkan f(x,y) terhadap semua nilai Y.
• Begitupula distribusi peluang h(y) dari Y dapat diperoleh dengan menjumlahkan f(x,y) terhadap s
emua nilai X.
• Distribusi peluang g(x) dan h(y) disebut distribusi peluang marginal dari X dan Y.

Definisi 5. Distribusi marginal dari X dan Y adalah

❑ ❑
g(x) = ∑ f (x , y)dan h( y )=∑ f (x , y)
y x

untuk kasus diskrit, dan

∞ ∞
g(x) = ∫ f ( x , y ) dy dan h ( y )=∫ f ( x , y ) dx
−∞ −∞

untuk kasus kontinu.

CONTOH SOAL
Diketahui x adalah variabel acak kontinu yang nilainya berada di antara 0 dan 2. Jika fungsi
(k + 1) k
kepadatan dari X adalah f(x) = . x dengan k adalah bilangan positif, maka k = ….
8

Pembahasan:

Ditanya

 bilangan positif, maka k =

Jawab

 Cari nilai k

Diket: variabel acak

Batas 0 →2

(k + 1) k
f(x) = .x
8

Cari nilai k

P(0<x<2) = 1
2

∫ f (x )dx =1
0

2
( k +1) k
∫¿ 8
. x dx=1
0

2
( k +1)
∫¿ (k+ 1) . x ] 2 =1
k +1

0 8 0

(k + 1) (k +1)
(k +1) .2 k+1− (k +1). 0k+1 = 1
8 8

(k + 1)
(k +1) .2 k+1 – 0 = 1
8

1 k +1
.2 – 0 = 1
8
 3
k +1 1
2 + =1
2
(k+1−3)
2 =1
(k−2 )
2 =1
( k−2)
2 =2−0

k-2 = 0

k=2