Proses Random
04
Abstract Kompetensi
Petunjuk Penggunaan Template Dosen Penyusun dapat menerapkan
Modul Standar untuk digunakan dan menggunakan template modul
dalam modul perkuliahan standar untuk modul-modul yang akan
Universitas Mercu Buana dipergunakannya
Perhitungan Variabel Random Diskret
Contoh 1
Diberikan sebuah variabel random yang bernilai bulat (integer-valued random variable) Y.
Tunjukanlah
P ( Y =n )=P ( Y >n−1 )−P(Y >n)
Solusi
Dengan
+∞
P ( Y >n ) = ∑ P(Y =i)
i=n+1
dan
+∞ +∞
P ( Y >n−1 )=∑ P(Y =i)= ∑ P(Y =i)+ P(Y =n)
i=n i =n +1
Maka menjadi
P ( Y >n−1 )=P(Y > n)+ P(Y =n)
Contoh 2
c
Diberikan variabel random X dengan pmf p X ( k )= 2 untuk k=1, 2, ….
k
(1) Tentukan nilai c, sehingga deret berkonvergensi
(2) Tentukannlah P(X>4)
(3) Tentukanlah P(6 ≤ X ≤ 8)
Solusi
(1)
+∞ +∞
1
1= ∑ p X ( k )=c ∑
k2
k=−∞ k=1
+∞
1 π2
Dari fungsi Zeta didapatkan ∑ = =1.6449
k =1 k2 6
Pendekatan sepuluh baris pertama: 1.5498, seratus baris pertama: 1.6350,
( )
4
c 1 1 1
P ( X > 4 ) =1−∑ 2
=1−1.6449 1+ + + =0.1346
k=1 k 4 9 16
Contoh 3
Solusi
Variabel random Poisson memiliki pmf
k −λ
λ e
p X ( k )= , k=0, 1, 2, …
k!
Dengan
1=P ( X ≤ 1 ) + P(X >1)
Dan
−λ −λ
P ( X ≤1 ) =P ( X=0 )+ P ( X=1 )=e + λ e
Menjadi
−λ
P ( X >1 )=1−e ( 1+ λ )
Contoh 4
Solusi
( )
0 −λ 1 −λ 2 −λ 3 −λ 2 3
λ e λ e λ e λ e −λ λ λ
P ( X < 4 ) =P ( X ≤ 3 )= + + + =e 1+ λ+ +
0! 1! 2! 3! 2 6
Dengan λ=2:
( )
2 3
−2 2 2
P ( X < 4 ) =e 1+2+ + =0.1353 ( 1+2+2+1.3333 ) =0.8569
2 6
Contoh 5
Pada sebuah call center, dalam interval waktu t detik berdatangan N buah permintaan
(sambungan). Kondisi ini dimodelkan dengan variabel random Poisson dengan λ=αt , yang
mana α adalah kecepatan kedatangan permintaan rata-rata (dengan satuan
permintaan/detik). Dengan asumsi nilai α adalah empat permintaan per menit. Tentukanlah
probabilitas
(1) Terjadinya lebih dari empat permintaan dalam kurun waktu sepuluh detik
(2) Terjadinya lebih sedikit dari lima permintaan dalam kurun waktu dua menit
Solusi
Dengan α =4 permintaan/menit = 1/15 permintaan/detik
(2) Dalam kurun waktu 2 menit = 120 detik, memberikan λ=αt =¿8
Probabilitas datangnya lebih sedikit dari lima permintaan dinyatakan dengan P(X<5),
4
λ k e−λ
P ( X < 4 ) =P ( X ≤ 4 )=∑
k=0 k!
( )
0 1 2 3 4
−8 8 8 8 8 8
P ( X ≤ 4 )=e + + + +
0 ! 1 ! 2! 3 ! 4 !
P ( X > 4 ) =3.3546 ∙10−4 ( 1+ 8+32+85.333+170.667 )=0.0889
Contoh 6
Jumlah paket data yang tiba pada sebuah multiplekser dalam setiap t detik adalah N buah
paket, yang dimodelkan dengan variabel random Poisson dengan λ=αt , yang mana α
adalah kecepatan kedatangan paket rata-rata (dengan satuan paket/detik). Tentukan
probabilitas bahwa dalam t detik tidak ada paket yang datang
0 −αt
λ e −αt
Probabilitas tak ada paket yang datang, dimodelkan dengan P ( X=0 )= =e
0!
Probabilitas “ketidak datangan satu paket-pun” mengecil secara eksponensial dengan
membesarnya waktu pengamatan, hal ini logis, karena paket “pasti” akan datang (kecuali
jika α =0 ).
Contoh 7
Sebuah sistim komunikasi optis mengirimkan data dengan kecepatan 1 Gbit/s. Probabilitas
kesalahan bit pada sistim ini (bit error rate/BER) adalah 10 -9. Tentukanlah probabilitas
terjadinya lima atau lebih error dalam satu detik.
Solusi
( )
4
λk 1 1 1 1
P ( X ≥5 )=1−P ( X <5 )=1−e−λ ∑ =1−e−1 1+ + + +
k=0 k! 1 ! 2! 3 ! 4 !
P ( X ≥5 )=1−e−1 1+( 1 1 1 1
+ + +
1! 2! 3! 4!
=0.0037 )
Contoh 8
Pada sebuah sistim elektrik dilakukan upaya pendinginan supaya tidak terjadi kerusakan
akibat panas yang berlebihan. Tindakan yang dilakukan adalah mengeluarkan panas itu
sesuai dengan seberapa cepat panas tersebut terbentuk.
Andaikan sistim ini memiliki delapan komponen yang bekerja dengan probabilitas 0.25
independen satu sama lain. Perancangan proses pendinginan ini dimulai dengan melakukan
pengamatan terhadap probabilitas dari kejadian-kejadian berikut
(1) Tak ada sistim yang aktif
(2) Hanya satu yang aktif
(3) Lebih dari empat yang aktif
(4) Lebih dari dua tetapi lebih sedikit dari enam yang aktif
Solusi
Proses random ini bersifat terulang secara independen sebanyak n kali. Model yang
digunakan adalah variabel random Binomial dengan probabilitas
Untuk k=0, 1, …, n
Jadi untuk kasus di problem di sini, p=0.25 dan n=8
(1)
(2)
k=5 k ()
P ( X > 4 ) =∑ 8 0.25 k ( 0.75 )
8−k
(85) 0.25 ( 0.75) +( 86) 0.25 ( 0.75) +(87) 0.25 ( 0.75) +( 88)0.25 ( 0.75 )
P ( X > 4) =
5 3 6 2 7 1 8 0
P ( X > 4 ) =0.25
5
( 8!
5! ( 8−5 ) !
( 0.75 )3 +
8!
6 ! ( 8−6 ) !
2 2
0.25 ( 0.75 ) +8 ∙ 0.25 0.75+0.25
3
)
P ( X > 4 ) =0.00097656 ( 23.6250+3.9375+0.3750+ 0.0156 )=0.0273
(4)
5
P ( 2< X <6 )=∑ (8k ) 0.25 ( 0.75)
k=3
k 8−k
Contoh 9
Dengan mengunakan prinsip jumlah keseluruhan probabilitas binomial (n,p) adalah satu,
buktikanlah teorema binomial
n
∑ (nk ) a k b n−k =( a+ b )n
k=0
Solusi:
Dengan
n
∑ (nk ) pk ( 1− p )n−k =1
k=0
∑( ) ()
k n−k
n a b = 1
∑ n ak b n−k =1
k ( a+ b )n ( a+ b )n k=0 k
k=0
Terbukti
n
∑ (nk ) a k b n−k =( a+ b )n
k=0
Contoh 10
Pada sebuah saluran komunikasi biner (yang mengirimkan sinyal ‘0’ atau ‘1’) memiliki
probabilitas salah kirim (bit error) sebesar p. Andaikan X adalah jumlah kesalahan yang
terjadi dalam n buah pengiriman. Tentukanlah pmf dari X, dan hitunglah probabilitas dari
terjadinya kesalahan sebuah atau lebih sedikit.
Solusi
X memiliki nilai kemungkinan pada ruang himpunan SX = {0, 1, 2, .., n}.
Jika dikirimkan bit ‘0’, maka kemungkinan bit ini diterima ‘1’ dengan probabilitas p, atau
dengan notasi statistik P(‘1’)= p. Sedangkan probabilitas diterima ‘0’ adalah P(‘0’)=1-p.
Kemungkinan terjadi k kesalahan ‘dan’ n-k tidak salah adalah hasil kalinya,
k n−k
p ( 1− p )
Karena tidak penting pada saat pengiriman keberapa kesalahan terjadi, maka konstelasi k
kesalahan dari n pengiriman berjumlah
( nk)= k ! ( n−k
n!
)!
Sehingga pmk dari proses ini:
Berapa probabilitas terjadinya sebuah kesalahan atau lebih kecil dari itu
P ( X=0 )= (n0) p ( 1− p )
0 n−0
=( 1− p )
n
P ( X=1 )= ( n1) p ( 1− p)
1 n−1
=np ( 1−p )
n−1
Jadi kemungkinan terjadinya sebuah kesalahan atau lebih sedikit, adalah jumlah keduanya
n n−1
P ( X ≤1 ) =( 1− p ) +np ( 1−p )
Contoh 11
Sebuah sistim komunikasi mengirimkan informasi biner melalui channel dengan probabilitas
terjadinya error sebesar p=0.001. Sistim komunikasi yang diamati ini setiap kali mengirimkan tiga bit
dan receiver hanya bisa mengoreksi kesalahan maksimal sebuah dari tiga bit terkirim ini. Berapa
besar probabilitas channel decoder bisa bekerja sesuai perancangan ?
Solusi
Dari teorema probabilitas:
P ( X ≤1 ) + P ( X >1 )=1
Dicari probabilitas decoder bekerja, yaitu jika kesalahan yang terjadi 0 buah atau satu buah, jadi
berapakah P ( X ≤1 )
(30) p ( 1− p) +( 31) p ( 1− p)
P ( X ≤1 ) =
0 3−0 1 3−1 3
=( 1−p ) + 3 p ( 1− p )
2
2
P ( X ≤1 ) =( 1−0.001 ) ((1−0.001)+ 3∙ 0.001 )=0.999997
Contoh 12
Kodewords besaran 10 bit ditransmisikan melalui channel yang mengandung noise. Bit yang
dikirimkan masing-masing secara independen bisa mengamali kesalahan dengan probabilitas p.
Solusi
Dari teorema probabilitas:
P ( X ≤2 )+ P ( X > 2 )=1
Dicari probabilitas decoder tidak bekerja, yaitu jika kesalahan yang terjadi lebih dari dua buah, jadi
berapakah P ( X >2 )
P ( X >2 ) =1−
((100) p ( 1−p ) +(101) p ( 1− p ) +( 102) p ( 1− p) )
0 10−0 1 10−1 2 10−2
(
P ( X >2 ) =1− ( 1− p )10 +10 p ( 1− p )9+
10 ∙ 9 2
2
p ( 1− p )8 )
P ( X >2 ) =1−( 1− p )8 ( ( 1−p )2+ 10 p ( 1− p )+ 45 p 2 )
Contoh 13
1 2
Jika diberikan P ( X=2 )= dan P ( X=5 )= , hitunglah nilai ekspektasi dari X, E(X)
3 3
Solusi
Nilai ekspektasi adalah nilai yang diharapkan jika kita melihat data secara keseluruhan. Seringkali
dinyatakan sebagai nilai rata-rata.
Dari persamaan perhitungan ekspektasi
N
E ( X )=∑ x i P( X=x i)
i=1
Karena jumlah probabilitas dari kedua elemen di atas bernilai 1, maka bisa dipastikan nilai
probabilitas dari yang lainnya adalah nol, sehingga hanya keduanya yang relevan untuk diikut
sertakan dalam perhitungan
E ( X )=x 1 P ( X=x 1 ) + x 2 P (X=x 2 )
1 2
E ( X )=2∙ +5 ∙ =4
3 3
Solusi
Dari pembahasan sebelum, nilai ekspektasi dari fungsi dari sebuah variabel random Z=g(X)
adalah
E ( Z=g ( X ) ) =∑ g ( x i) p X (x i )
i
( )
∞
e− λ λk e− λ λ 1−e−λ
E ( Z=g ( X ) ) =
λ
∑ k ! −1 = λ e −1 = λ
( )
k=0
Contoh 15
Solusi
Nilai rata-rata m dihitung dengan
N
m=E ( X )=∑ x i P (X=x i )
i=1
2
Nilai varians σ rata-rata dihitung dengan
N
σ 2=E ( ( X −m ) )=∑ ( X−m ) P (X=x i )
2 2
i=1
atau
E ( X 2) =σ 2 +m2=7 +4=11
Jika X adalah variabel random yang memiliki nilai rata-rata m dan variance σ2, dan jika Y=cX,
tentukanlah variance dari Y
Solusi
Nilai rata-rata Y:
N N
mY =E ( Y =cX )=∑ cx i P ( X =xi ) =c ∑ xi P ( X=x i ) =cm
i=1 i=1
Nilai E ( Y 2 ):
N N
E ( Y 2 ) =E ( c 2 X 2) =∑ c 2 x2i P ( X=x i ) =c 2 ∑ x 2i P ( X=x i )=c2 E ( X 2 ) =c 2 ( σ 2+ m2)
i=1 i=1
Contoh 17
Solusi
Dilakukan modifikasi terlebih dahulu untuk mempermudah
E ( ( X+ Y )3 )=E ( X 3 +3 X 2 Y + 3 X Y 2+Y 3 )
¿ E ( X 3 ) + 3 E ( X 2 Y )+ 3 E ( X Y 2 ) + E ( Y 3 )
Karena kedua variabel random saling independen
¿ E ( X 3 ) + 3 E ( X 2 ) E ( Y ) + 3 E ( X ) E ( Y 2) + E ( Y 3 )
Contoh 18
2 2
Diberikan dua variabel random X dan Y dengan nilai rata-ratanya mX dan mY dan variances σ X dan σ Y
Solusi:
Dari definisi:
Koefisien korelasi:
ρ XY =E
[( )( )]
X−m X
σX
Y −mY
σY
ρ XY =E
[( X−m X
σX )( Y −mY
σY
=
)] 1
σ X σY
E [ ( X −m X ) ( Y −mY ) ]=
cov ( X , Y )
σ X σY
Dan
Diberikan dua variabel random X dan Y, yang masing-masing memiliki nilai rata-rata mX dan mY dan
2 2
variance σ X dan σ Y . Keduanya saling terkorelasi melalui koefisien ρ XY .
Andaikan X tidak bisa diamati, tetapi kita mampu untuk melakukan pengukuran terhadap Y. Melalui
data dari Y, dilakukan estimasi terhadap X melalui sebuah fungsi X = aY, a adalah suatu konstanta
tertentu yang bisa mengestimasikan secara akurat.
Dengan asumsi mX=mY= 0, tentukanlah nilai a sehingga meminimalkan mean squared error dari
E ( ( X−aY )2) .
Solusi
Dengan
ρ XY =E
[( )( )]
X−m X
σX
Y −mY
σY
=
1
σ X σY
E [ XY ]
Maka
Contoh 20
Jika X adalah variabel random yang memiliki nilai x1, x2, .., xn , yang memiliki probability
mass function pmf pi = P(X=xi).
Dengan mengamati fungsi
g ( x i )=−log pi
Didefinisikan Entropy dari X, yaitu
Solusi
(1)
n n
1 1 1
H ( X )=∑ p i log =∑ log =log n
i=1 pi i=1 n 1/n
(2)
n
1
H ( X )=∑ p i log =1∙ log 1=0
i=1 pi
Daftar Pustaka
John A. Gubner-Probability and Random Processes for Electrical and Computer Engineers-
Cambridge University Press (2006)
Alberto Leon-Garcia, Probability, Statistics, and Random Processes for Electrical
Engineering, 3rd ed., Prentice Hall, (2008)