PENGANTAR

TEORI PELUANG
FIRDA FADRI, S.Si., M.Si.
JOINT •

•
JOINT PROBABILITY DISTRIBUTIONS
MARGINAL PROBABILITY DISTRIBUTIONS
PROBABILITY • CONDITIONAL PROBABILITY DISTRIBUTIONS

DISTRIBUTIONS • INDEPENDENCE
• MEAN , VARIANCE
• COVARIANCE, CORRELATION
DISTRIBUSI PELUANG BERSAMA
(VARIABEL RANDOM DISKRIT)

 Fungsi f(x,y) adalah fungsi massa peluang bersama dari variable random
diskrit X dan Y jika

 Untuk setiap daerah A di bidang xy,

 Contoh 1

Dua bolpen dipilih secara random dari sebuah kotak yang berisi 3 bolpen biru, 2 merah, dan
3 hijau. Bila X adalah banyaknya isi bolpen biru dan Y banyaknya isi bolpen merah yang
terpilih, tentukan
A) fungsi peluang bersama f(x,y)
B) 𝑃 (𝑋, 𝑌) ∈ 𝐴 sedangkan 𝐴 = 𝑥, 𝑦 |𝑥 + 𝑦 ≤ 1
Jawab
A) semua kemungkinan pasangan nilai (x,y) adalah (0,0),(0,1),(1,0),(1,1),(0,2),(2,0).
misalkan f(0,1) menyatakan peluang terambilnya isi 0 bolpen biru dan 1 bolpen merah,
berarti akan terambil 1 bolpen hijau, maka banyaknya cara mengambil 0 bolpen dari 3
3 2 3
bolpen biru, 1 dari 2 bolpen merah dan 1 dari 3 bolpen hijau adalah =6
0 1 1
8
Banyaknya cara mengambil 2 dari 8 bolpen adalah = 28
2
 Distribusi peluang bersama

Rumus sebaran peluang

bersama :

b) 𝑃 (𝑋, 𝑌) ∈ 𝐴
DISTRIBUSI PELUANG BERSAMA
(VARIABEL RANDOM KONTINU)

 Fungsi f(x,y) adalah fungsi densitas peluang bersama dari variable random
kontinu X dan Y jika
Contoh 2
 jawab
DISTRIBUSI PELUANG MARJINAL
-VARIABEL RANDOM DISKRIT-
 Contoh 3

Dari contoh 1, tunjukkan bahwa jumlah kolom dan baris table distribusi peluang bersama
memberikan distribusi marjinal dari X sendiri dan Y sendiri
Jawab
Untuk variable random X

Maka bentuk table distribusi marjinal dapat dituliskan sebagai berikut

DISTRIBUSI PELUANG MARJINAL
-VARIABEL RANDOM KONTINU-
Contoh 4

 Tentukan marginal pdf dari X dan marginal pdf dari Y pada contoh 2
FUNGSI DISTRIBUSI KUMULATIF BERSAMA
-VARIABEL RANDOM DISKRIT-
FUNGSI DISTRIBUSI KUMULATIF BERSAMA
-VARIABEL RANDOM KONTINU-
DISTRIBUSI BERSYARAT

Nilai x bagi variable random X menyatakan suatu kejadian yang merupakan himpunan
bagian ruang sampelnya. Dengan menggunakan definisi peluang bersyarat

dengan sebagai A dan B diambil kejadian X=x dan Y=y, maka

asalkan X dan Y merupakan variable random diskrit.

DISTRIBUSI BERSYARAT

 Distribusi bersyarat bagi variable random diskrit ataupun kontinu Y untuk

X=x diberikan menurut rumus

 Distribusi bersyarat bagi variable random diskrit ataupun kontinu X untuk

Y=y diberikan menurut rumus
DISTRIBUSI BERSYARAT

 Menghitung peluang variable random diskrit X berada antara a dan b jika

diketahui bahwa varaibel random diskrit Y=y

 Menghitung peluang variable random kontinu X berada antara a dan b

jika diketahui bahwa varaibel random kontinu Y=y
 Contoh 5

Dari contoh 1, tentukan f(x|1) untuk semua nilai x dan tentukan pula 𝑃(𝑋 = 0|𝑌 = 1).
Jawab

Maka
 Distribusi bersyarat X, untuk Y=1 adalah

 Jadi,
Contoh 6
 DUA VARIABEL RANDOM YANG BEBAS

Misalkan X dan Y dua variabel random diskrit maupun kontinu dengan fungsi peluang bersama
f(x,y) dan distribusi marjinal masing-masing g(x) dan h(y).
Variabel random X dan Y dikatakan bebas statistik jika dan hanya jika
𝑓 𝑥, 𝑦 = 𝑔 𝑥 ℎ(𝑦)
untuk semua (x,y) dalam daerah definisinya
Contoh 7

Tunjukan bahwa kedua variable random tidak bersifat bebas (dari contoh 1)
Jawab
Perhatikan

jelas bahwa

sehingga X dan y tidak bebas statistik

RATA-RATA VARIABEL RANDOM

 Misalkan X adalah variable random diskrit dengan distribusi peluang

𝑥 𝒙𝟏 𝒙𝟐 … 𝒙𝒏
𝑃(𝑋 = 𝑥) 𝒇(𝒙𝟏 ) 𝒇(𝒙𝟐 ) … 𝒇(𝒙𝒏 )
Maka rata-rata atau nilai harapan bagi X adalah

 Untuk variable random kontinu,

 Contoh 8

Tentukan nilai harapan banyaknya laki-laki dalam sebuah panitia yang terdiri dari 3 orang,
yang diambil secara random dari 4 laki-laki dan 3 perempuan
Jawab
Misalkan X melambangkan banyaknya laki-laki dalam panitia tersebut, maka distribusi peluang
bagi X adalah
4 3
𝑓 𝑥 = 𝑥 3−𝑥
7 , untuk x=0,1,2,3
3
Perhitungan sederhana menghasilkan f(0)=1/35, f(1)=12/35, f(2)=18/35,f(3)=4/35
1 12 18 4 60 12
Sehingga 𝜇 = 𝐸 𝑋 = 0 + 1 + 2 + 3 = 35 = =1,7
35 35 35 35 7
Jadi, jika sebuah panitia 3 orang terambil secara random berulang-ulang dari 4 laki-laki dan 3
perempuan, secara rata-rata akan berisi 1,7 laki-laki.
Contoh 9
NILAI RATA-RATA FUNGSI SATU
VARIABEL RANDOM

 Misalkan X adalah variable random diskrit dengan distribusi peluang

𝑥 𝒙𝟏 𝒙𝟐 … 𝒙𝒏
𝑃(𝑋 = 𝑥) 𝒇(𝒙𝟏 ) 𝒇(𝒙𝟐 ) … 𝒇(𝒙𝒏 )
Maka rata-rata atau nilai harapan bagi g(X) adalah

 Untuk variable random kontinu X,

 Contoh 10

Misalkan X banyaknya mobil yang dicuci di suatu tempat pencucian mobil di antara pukul 16.00
dan 17.00 pada setiap hari Jumat yang cerah mempunyai distribusi peluang :

Jika g(X)=2X-1 menyatakan uang yang dibayarkan (dalam dolar) oleh manajer kepada petugas
pencuci, tentukan penerimaan harapan petugas pencuci mobil pada periode waktu tertentu.
Jawab
Petugas dapat mengharapkan untuk menerima
NILAI RATA-RATA FUNGSI DUA
VARIABEL RANDOM

 Misalkan X dan Y keduanya merupakan variable random diskrit dengan

peluang bersama f(x,y) untuk 𝑥 = 𝑥1 , 𝑥2 , … , 𝑥𝑛 dan 𝑦 = 𝑦1 , 𝑦2 , … , 𝑦𝑛 . Maka
rata-rata atau nilai harapan bagi variable random g(X,Y) adalah

 Untuk variable random X dan Y kontinu,

Contoh 11

Misalkan X dan Y adalah variable random dengan distribusi peluang

bersama pada contoh 1, tentukan nilai harapan bagi g(X,Y)=XY.
Jawab
Contoh 12
NILAI RATA-RATA FUNGSI MARJINAL

Perhatikan bahwa jika g(X,Y)=X dalam definisi di atas, maka

𝑚 𝑛
𝑚
𝜇𝑋 = 𝐸 𝑋 = ෍ ෍ 𝑥𝑖 𝑓(𝑥𝑖 , 𝑦𝑗 ) = ෍ 𝑥𝑖 𝑔(𝑥𝑖 )
𝑖=1
𝑖=1 𝑗=1
dengan 𝑔(𝑥𝑖 ) merupakan nilai distribusi marjinal X.
Jadi dalam menghitung 𝜇𝑋 dalam ruang dua dimensi, kita dapat menggunakan
distribusi peluang X dan Y maupun distribusi marjinal X. kita definisikan
𝑚 𝑛
𝑛
𝜇𝑌 = 𝐸 𝑌 = ෍ ෍ 𝑦𝑗 𝑓(𝑥𝑖 , 𝑦𝑗 ) = ෍ 𝑦𝑗 ℎ(𝑦𝑗 )
𝑗=1
𝑖=1 𝑗=1
dengan ℎ(𝑦𝑖 ) merupakan nilai distribusi marjinal Y.
 Contoh 13

Dengan mengacu pada distribusi peluang bersama pada contoh 1, tentukan 𝜇𝑋 dan 𝜇𝑌
Jawab
2 2 2

𝜇𝑋 = 𝐸 𝑋 = ෍ ෍ 𝑥𝑓(𝑥, 𝑦) = ෍ 𝑥𝑔(𝑥)
𝑥=0 𝑦=0 𝑥=0
5 15 3 21 3
= 0 + 1 + 2 = =
14 28 28 28 4
dan
2 2 2

𝜇𝑌 = 𝐸 𝑌 = ෍ ෍ 𝑦𝑓(𝑥, 𝑦) = ෍ 𝑦ℎ(𝑦)
𝑥=0 𝑦=0 𝑦=0
15 3 1 14 1
= 0 + 1 + 2 = =
28 7 28 28 2
 RAGAM VARIABEL RANDOM

Jika X adalah variable random diskrit dengan distribusi peluang

𝑥 𝒙𝟏 𝒙𝟐 … 𝒙𝒏
𝑃(𝑋 = 𝑥) 𝒇(𝒙𝟏 ) 𝒇(𝒙𝟐 ) … 𝒇(𝒙𝒏 )
Maka ragam bagi X adalah
Atau

sehingga
 Contoh 14

Dari contoh 8 diketahui bahwa rata-rata sebesar 12/7, maka

3

𝜎2 = ෍ 𝑥 − 𝜇 2𝑓 𝑥
𝑥=0
2 2 2 2
12 1 12 12 12 18 12 4 24
= 0− + 1− + 2− + 3− =
7 35 7 35 7 35 7 35 49
Atau
3
1 12 18 4 24
෍ 𝑥2 𝑓 𝑥 = 0 2
+ 1 2
+ 2 2
+ 3 2
=
35 35 35 35 7
𝑥=0
2
2
24 12 24
𝜎 = − =
7 7 49
RAGAM FUNGSI SATU VARIABEL RANDOM
 Contoh 15

Hitunglah ragam g(X)=2X+3 jika X merupakan variable random dengan distribusi

peluang

Jawab

Maka
KOVARIAN
 Contoh 16

Dari contoh 1, tentukan kovarian X dan Y

Jawab
Contoh 17
KORELASI
 SIFAT-SIFAT RATA-RATA DAN RAGAM

 Jika 𝑎 dan 𝑏 konstanta, maka 𝜇𝑎𝑋+𝑏 = 𝑎𝜇𝑋 + 𝑏 = 𝑎𝜇 + 𝑏

 Jika 𝑎 = 0 maka 𝜇𝑏 = 𝑏
 Dan jika b = 0 maka 𝜇𝑎𝑋 = 𝑎𝜇
 Rata-rata jumlah atau selisih dua atau lebih variable random sama dengan jumlah atau selisih
rata-rata masing-masing variable. Jadi, 𝜇𝑋+𝑌 = 𝜇𝑋 + 𝜇𝑌 dan 𝜇𝑋−𝑌 = 𝜇𝑋 − 𝜇𝑌
 Rata-rata hasil kali dua atau lebih variable random yang bebas satu sama lain sama dengan
hasil kali rata-rata masing-masing variable random. Jadi, jika X dan Y bebas, maka 𝜇𝑋𝑌 = 𝜇𝑋 𝜇𝑌
 Jika X suatu variable random dan b konstanta, maka 𝜎𝑋+𝑏
2
= 𝜎𝑋2 = 𝜎 2
 Jika X suatu variable random dan a konstanta, maka 𝜎𝑎𝑋
2
= 𝑎2 𝜎𝑋2 = 𝑎2 𝜎 2
 Ragam jumlah atau selisih dua atau lebih variable random yang bebas sama dengan jumlah
ragam masing-masing variable random. Jadi, jika X dan Y bebas , maka 𝜎𝑋+𝑌
2
= 𝜎𝑋2 + 𝜎𝑌2 dan
2
𝜎𝑋−𝑌 = 𝜎𝑋2 + 𝜎𝑌2