3.5. Momen
Kata momen pengertiannya mirip seperti momen dalam mekanika maupun mekanika
bahan.
n
μx = E[X] = å x p (x )
i =1
i x i (3.58.a)
¥
μx = E[X] = ò xf
-¥
x ( x)dx (3.58.b)
1 n
x= å xi
n i =1
(3.59)
r r
ni
x=å xi = å fi xi (3.60)
i =1 n i =1
Contoh 3.26:
Jika suatu kelompok 10 buah barang x terdiri dari 3 buah berukuran 40 mm, 5
buah berukuran 50 mm dan 2 buah berukuran 55 mm
0,6
0,5
0,4
p(x)
0,3
0,2
0,1
0
0 20 40 60
x
Contoh 3.27:
¥
4a 4
µx = ò x dx = 4a/3
a
x5
2,5
1,5
f(x)
0,5
0
0 1 2 3 4 5
x
Bab III - 2
Semester I 2022/2023
∞
σ x2 = Var[x] = ∑ (x1 − µ x )2 px (xi ) (3.61)
i
Untuk jumlah data yang kecil, misalnya n, nilai variansi harus dikoreksi dengan
dikalikan n/(n – 1).
¥
sx ò (x - µ )
2
2 = x f x ( x)dx (3.62)
-¥
s = Ö s2 (3.63)
sx
Vx = (3.64)
µx
Contoh 3.28:
Untuk Contoh 3.26 yaitu 10 buah barang x terdiri dari 3 buah berukuran 40 mm,
5 buah berukuran 50 mm dan 2 buah berukuran 55 mm, nilai variansi
didapatkan
Var[x] = 0,3 x (40 – 48)2 + 0,5 x (50 – 48)2 + 0,2 x (55 – 48)2 = 31
Karena jumlah data adalah 10, maka Var[x] = 31x(10/9) = 34,44
Contoh 3.29:
maka
¥
4a 4
Var[ x] = ò ( x - 4a / 3) 2
5
dx = 2a2/9
a
x
dengan σx = ⅓ a √2 dan vx = ¼ √2
Bab III - 3
Semester I 2022/2023
3.6. Ekspektansi
Jika
Y = g(X) (3.65)
Suatu cara yang lebih mudah untuk menghitung ekspektansi ialah dengan
Untuk kontinu
¥
E[g(X)] =
-¥
ò g ( x) f ( x)dx
x (3.68)
untuk diskret
¥
E[g(X)] = å g(x ) p (x )
i =1
i x i (3.69)
Bab III - 4
Semester I 2022/2023
Contoh 3.30:
px(-1) = 1/3
px(1) = 1/3
px(2) = 1/3
Y = g(X) = X2
kemudian
Berlaku bagi perhitungan nilai rata-rata dengan g(X) = x dan untuk variansi
dengan g(x) = (x - mx)2.
Bab III - 5
Semester I 2022/2023
òx
n
E[Xn] = f x ( x ) dx (3.70)
-¥
ò (x - µ )
n
E[(X - μx )n] = x f x ( x)dx (3.71)
-¥
E[( x - µ x )3 )]
g1 = g1 = (3.72)
s x3
E[( x - µ x ) 4 )]
g2 = g2 = (3.73)
s x4
Bab III - 6
Semester I 2022/2023
Contoh 3.31:
1
3
µx = ∫ 4x(x − x )dx = 8 /15
0
1
2 8 2 3 11
σ =
x ∫ 4(x − 15 ) (x − x )dx = 225
0
1
8 3 3
∫ 4(x − 15 ) (x − x )dx
0
g1 = = −0,125
11 1
× 11
225 15
1,8
1,6
1,4
1,2
1
f(x)
0,8
0,6
0,4
0,2
0
-0,2 0 0,5 1 1,5
x
1
8 4 3
∫ 4(x − 15 ) (x − x )dx
g2 = 0
= 2.18
11 11
×
225 225
ini menunjukkan puncak fungsi distribusi ini tidak selancip fungsi distribusi
normal yang mempunyai g2 = 3,0,
Bab III - 7
Semester I 2022/2023
Salah satu sifat ekspektansi dapat diturunkan di bawah ini antara lain
¥ ¥
E[c] = ò cf
-¥
x ( x ) dx = c ò f x ( x ) dx
-¥
=c (3.74)
∞ ∞
E[cx] = ∫ cxf (x)dx = c ∫ xf (x)dx = cE[x]
x x (3.75)
−∞ −∞
∞ ∞
E[a + bx] = ∫ (a + bx) fx (x)dx =a + b ∫ xfx (x)dx =a + bE[x] (3.76)
−∞ −∞
Sifat linearitas.
Untuk variansi:
Var [x] = E[(x - µ)2]
∞
2
= ∫ (x − 2µ x + µ 2 ) f x (x)dx
−∞
= E[x2] - 2 E [x µ] + E [µ2]
= E[x2] - E [µ2]
= E[x2] - µ2 (3.78)
sehingga
E[x2] = µ2 + s2 (3.79)
Sifat variansi;
∞
Var[c] = ∫ (c − c) f (x)dx = 0
x (3.80)
−∞
∞ ∞
2 2 2
Var[cx] = ∫ {cx − cµ ) f x (x)dx = ∫ (c x − 2c 2 µ x + c 2 µ 2 ) f x (x)dx
−∞ −∞
= c2 Var[x] (3.81)
∞
2
Var[a + bx] = ∫ {a + bx − a + bµ} fx(x)dx =
−∞
= b2 Var[x] (3.82)
Bab III - 8
Semester I 2022/2023
Juga
E[g(x)] ¹ g(E[x]) (3.83)
sy = |b|sx (3.84)
Contoh 3.32:
Misalnya g(x) = x2. Maka E[x2] sesuai Persamaan (3.79) adalah sx2 +µx2
sedangkan g(E[x]) adalah µx2.
Contoh 3.33:
Jika y = 2x + 1 maka var [y] = E[(2x + 1 – 2µx - 1)2] dan berdasarkan linearitas = 4
E[(x – µx)2] sehingga E[y] = 4 var [x] atau sy = 2 sx
Fungsi yang melibatkan dua variabel atau lebih dapat dianalisis dengan fungsi
distribusi bersama. Jika diketahui suatu fungsi z = g(x,y), maka
E[Z] = E[g(X,Y)]
¥ ¥
= òò
- ¥- ¥
g ( x, y ) f x , y ( x, y )dxdy (3.85)
¥ ¥
E[Z] = åå
i =1 j =1
g ( xi , y j ) px, y ( xi , y j ) (3.86)
Contoh 3.34:
3 2 2
f x,y (x, y) =(x + y ) untuk 1 ≤ x ≤ 2 dan 1 ≤ y ≤ 2
14
z(x,y) = xy
2 2
3 2 135
E[z] = ∫ ∫ xy 14 (x + y 2 )dxdy = = 2, 411
1 1 56
Bab III - 9
Semester I 2022/2023
Contoh 3.35:
3 2 2
f x,y (x, y) = (x + y ) untuk 1 ≤ x ≤ 2 dan 1 ≤ y ≤ 2
14
z(x,y) = x2
2 2
2 3 2 2 37
E[z] = ∫ ∫x 14
(x + y )dxdy =
15
= 2, 467
1 1
Contoh 3.36:
0,2
0,15
p(x,y)
0,1
0,05
2
0
x
0 0
1 2
3
y
¥ ¥
s x,y = ò ò ( x - µ )( y - µ
- ¥- ¥
x y ) f x , y ( x, y )dxdy (3.87)
Koefisien korelasi
s x, y
r x, y = (3.88)
s xs y
Bab III - 10
Semester I 2022/2023
∞ ∞
µx = ∫ ∫ xf x,y (x, y)dxdy (3.89)
−∞ −∞
∞ ∞
µy = ∫ ∫ yf x,y (x, y)dxdy (3.90)
−∞ −∞
∞ ∞
σ x2 = ∫ ∫ (x 2
− 2xµ x + µ x2 ) f x,y (x, y)dxdy (3.91.a)
−∞ ∞
! !
𝜎#$ = ∫"! ∫"!)𝑦 $ − 2𝑦𝜇# + 𝜇#$ .𝑓%,# (𝑥, 𝑦)𝑑𝑥𝑑𝑦 (3.91.b)
Contoh 3.37:
3 2 2
f x,y (x, y) = (x + y ) untuk 1 ≤ x ≤ 2 dan 1 ≤ y ≤ 2
14
2 2
3 2 87
µx = ∫ ∫ x 14 (x + y 2 )dxdy = = 1, 55
1 1 56
2 2
3 2 87
µy = ∫ ∫ y 14 (x + y 2 )dxdy = = 1, 55
1 1 56
2 2
3 2 2 52 87 2
σ x2 = ∫ ∫ (x − µ ) x
2
(x + y )dxdy = − ( ) = 0, 053
1 1 14 21 56
2 2
3 2 2 52 87 2
σ y2 = ∫ ∫ (y − µ ) y
2
(x + y )dxdy = − ( ) = 0, 053
1 1 14 21 56
2 2
3 2 135 87 2
σ xy = ∫ ∫ (y − µ )(x − µ ) 14 (x
y x + y 2 )dxdy = − ( ) = −0, 003
1 1 56 56
σ xy 0, 003
ρ xy = =− = −0, 054
σ xσ y 0, 053
Kovariansi
E[ xy ] - µ x µ y
r x, y =
( E[ x 2 ] - µ x )(E[ y 2 ] - µ y )
2 2
Bab III - 11
Semester I 2022/2023
Contoh 3.38:
acs u + bds v
2 2
=
(a 2s u +b 2s v )(c 2s u + d 2s v )
2 2 2 2
Contoh 3.39:
y = a1 x1 + a2 x2
µy = E[a1 x1 + a2 x2]
= a1 µx1 + a2 µx2
sy2 = E [(y-µy)2]
= a12 sx12 + a22 sx22 + 2 a1a2 sx1,x2
Contoh 3.40:
Catatan:
Bab III - 12