MODUL PERKULIAHAN

Proses Random

Metoda Statistika di Digital

Communication
Perhitungan Variabel Random Diskret

Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

Teknik Teknik Elektro ..... Dr.-Ing. Mudrik Alaydrus

04

Abstract
Petunjuk Penggunaan Template
Modul Standar untuk digunakan
dalam modul perkuliahan
Universitas Mercu Buana
Kompetensi
Dosen Penyusun dapat menerapkan
dan menggunakan template modul
standar untuk modul-modul yang akan
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,

2016 Proses Random 4 - MTE

2 Mudrik Alaydrus
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 Seribu baris pertama: 1.6439, sepuluh ribu: 1.6448
1
c= =0.6079
1.6449
(2)

( )
4
c 1 1 1
P ( X > 4 ) =1−∑ 2
=1−1.6449 1+ + + =0.1346
k=1 k 4 9 16

(3) P ( 6 ≤ X ≤ 8 )=c ( 361 + 491 + 641 )=0.0388

Contoh 3

Diberikan sebuah variabel random X Poisson( λ ). Hitunglah secara umum nilai

dari P(X>1) dan jika nilai λ=1.

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 )

Untuk nilai parameter λ=1, didapatkan

−1 2
P ( X >1 )=1−e (1+1 ) =1− =1−0.7358=0.2642
e

Contoh 4

2016 Proses Random 4 - MTE

3 Mudrik Alaydrus
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Sebuah sensor cahaya akan gagal untuk bekerja, jika sensor ini dalam suatu interval waktu
tertentu menerima lebih sedikit dari empat photon. Jika jumlah photon bisa dimodelkan
dengan X=Poisson( λ=2), tentukanlah probabilitas sensor bekerja.

Solusi

Sensor tidak bekerja, jika

( )
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

Maka probabilitas sensor bekerja

P ( X ≥ 4 )=1−0.8569=0.1431.

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

(1) Dalam kurun waktu 10 detik, memberikan λ=αt =¿2/3

Probabilitas datangnya lebih dari empat permintaan dinyatakan dengan P(X>4),
4
λ k e− λ
P ( X > 4 ) =1−P ( X ≤ 4 ) =1−∑
k=0 k!

2016 Proses Random 4 - MTE

4 Mudrik Alaydrus
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 ( )
2 0 2 1 2 2 23 2 4
−2
3 3 3 3 3 3
P ( X > 4 ) =1−e + + + +
0 ! 1! 2 ! 3 ! 4 !
P ( X > 4 ) =1−0.513 ( 1+0.6667+ 0.1111+0.0082 )=0.00838

(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

2016 Proses Random 4 - MTE

5 Mudrik Alaydrus
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Probabilitas terjadinya lima atau lebih error dimodelkan dengan P ( X ≥5 )
Pengiriman data dalam satu detik 1 Gbit/s = 10 9 data/s, sedangkan error yang bisa terjadi
adalah 10-9 error/data.
9 data −9 error error
Maka λ=10 10 =1
s data s

( )
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

P ( X=k )= p X ( k )= (nk) p (1−p )

k n−k

Untuk k=0, 1, …, n
Jadi untuk kasus di problem di sini, p=0.25 dan n=8
(1)

P ( X=0 )= p X ( 0 )= ( 80) 0.25 ( 0.75) =0.1

0 8

(2)

P ( X=1 )= p X ( 1 )= (81) 0.25 ( 0.75) =0.267

1 7

2016 Proses Random 4 - MTE

6 Mudrik Alaydrus
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 (3)
8

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

P ( 2< X <6 )=( ) 0.25 ( 0.75 ) + ( ) 0.25 ( 0.75 ) + ( ) 0.25 ( 0.75 )

8 8 3 58 4 4 5 3
3 4 5

P ( 2< X <6 )=0.25 0.75

3 3
( 8!
3 ! ( 8−3 ) !
( 0.75 )2+
8!
4 ! ( 8−4 ) !
0.25 ∙0.75+
8!
5 ! ( 8−5 ) !
0.25
2
)
P ( 2< X <6 )=0.0066 ( 31.5+13.12+ 0.8750 )=0.3003

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

(petunjuk: gunakan p=a/(a+b)

Solusi:
Dengan
n

∑ (nk ) pk ( 1− p )n−k =1
k=0

Dan mengganti p dengan a/(a+b), atau 1-p=b/(a+b), maka

∑ (nk )( a+a b ) ( a+b )

n k n−k
b
=1
k=0

2016 Proses Random 4 - MTE

7 Mudrik Alaydrus
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Menjadi
n n

∑( ) ()
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:

p X ( k )=P ( X=k )= (nk) p (1−p )

k n−k

Jadi X dinamakan variabel random Binomial dengan parameter n dan p.

Berapa probabilitas terjadinya sebuah kesalahan atau lebih kecil dari itu

2016 Proses Random 4 - MTE

8 Mudrik Alaydrus
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 (a) Kemungkinan terjadinya nol kesalahan k=0

P ( X=0 )= (n0) p ( 1− p )
0 n−0
=( 1− p )
n

(b) Kemungkinan terjadinya sebuah kesalahan k=1

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 )

Karena X merupakan variabel random Binomial, maka

(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.

2016 Proses Random 4 - MTE

9 Mudrik Alaydrus
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Sistim channel decoder di penerima bertugas untuk mengoreksi kesalahan ini, tetapi hanya bisa
bekerja jika kesalahan yang muncul per setiap kodeword maksimal 2 buah.
Tentukanlah probabilitas sistim decoder ini tidak bekerja secara benar.

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−P ( X ≤2 ) =1−( P ( X =0 ) + P ( X=1 )+ 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

2016 Proses Random 4 - MTE

10 Mudrik Alaydrus
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Contoh 14

Jika X adalah variabel random Poisson(λ), hitunglah E(1/(X+1))

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

Variabel random Poisson memiliki pmf

k −λ
λ e
p X ( k )= , k=0, 1, 2, …
k!
∞ ∞ ∞
1 λk e− λ e−λ λk +1 e− λ λk
E ( Z=g ( X ) ) =∑ = ∑ = ∑
k=0 1+ k k! λ k=0 ( 1+k ) ! λ k =1 k !

( )
∞
e− λ λk e− λ λ 1−e−λ
E ( Z=g ( X ) ) =
λ
∑ k ! −1 = λ e −1 = λ
( )
k=0

Contoh 15

Variabel random X memiliki nilai rata-rata 2 dan variance 7. Hitunglah E(X2)

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−m )2 )=E ( X 2−2 Xm+ m2) =E ( X 2 ) −E ( 2 Xm ) + E ( m2 )

E ( ( X−m )2 )=E ( X 2 )−2 mE ( X ) +m2=E ( X 2 )−m2

Sehingga

E ( X 2) =σ 2 +m2=7 +4=11

2016 Proses Random 4 - MTE

11 Mudrik Alaydrus
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Contoh 16

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

Maka variance dari Y:

σ 2Y =E ( ( Y −mY )2 )=E ( Y 2 ) −m2Y =c 2 ( σ 2+ m2) −( cm )2=c2 σ 2

Perhitungan bisa pula dilakukan dengan cara:

σ 2Y =E ( ( Y −mY )2 )=E ( ( cX−cm)2 ) =E ( c 2 ( X−m )2 ) =c 2 E ( ( X−m )2 ) =c 2 σ 2

Contoh 17

Diberikan variabel random X = Bernoulli(p) dan Y = Bernoulli(q), yang saling independen.

Hitunglah E ( ( X+ Y )3 )

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 )

Ulangan dari pembahasan di kuliah:

2016 Proses Random 4 - MTE

12 Mudrik Alaydrus
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
X=Bernoulli(p), adalah variabel random yang memiliki nilai x0=0 dengan probabilitas 1-p dan x1=1
dengan probabilitas p, sehingga
E ( X )=0 ∙ ( 1−p ) +1∙ p= p
dan

E ( X n )=0 n ∙ ( 1− p ) +1n ∙ p=p

Untuk semua n (n>1)
Sehingga

E ( ( X+ Y )3 )= p+3 pq+3 pq+ q= p+ 6 pq+ q

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

. Sedangkan korelasi kedua variabel random ini adalah ρ XY .

Buktikanlah
covariance-nya cov(X,Y) ¿ ρ XY σ X σ Y
dan
2
cov(X,X)¿ σ X

Solusi:
Dari definisi:
Koefisien korelasi:

ρ XY =E
[( )( )]
X−m X
σX
Y −mY
σY

dan definisi covariance:

cov ( X ,Y )=E [ ( X−mX ) ( Y −mY ) ]

Maka dengan modifikasi

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

cov ( X , X ) =E [ ( X −mX ) ( X −mX ) ]=E [ ( X −m X )2 ]=σ 2X

2016 Proses Random 4 - MTE

13 Mudrik Alaydrus
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
Contoh 19

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

E ( ( X−aY )2) =E ( X 2) + a2 E ( Y 2 )−2 aE ( XY ) =σ 2X + a2 σ 2Y −2 aE ( XY )

Dan kasus special mX=mY= 0:

ρ XY =E
[( )( )]
X−m X
σX
Y −mY
σY
=
1
σ X σY
E [ XY ]

Maka

E ( ( X−aY )2) =σ 2X +a 2 σ 2Y −2 a ρXY σ X σ Y

Nilai mean squared minimal dengan menurunkan fungsi ini terhadap a dan men-set hasilnya
nol.
d
E ( ( X−aY ) )=0=2 a σ Y −2 ρ XY σ X σ Y
2 2
da
Maka didapatkan nilai
ρ XY σ X
a=
σY

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

2016 Proses Random 4 - MTE

14 Mudrik Alaydrus
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id
 n n
1
H ( X )=E ( g ( xi ) )=∑ g ( x i ) P ( X=x i )=∑ p i log
i=1 i=1 pi
Hitunglah H(X) untuk:
(1) Semua kejadian memiliki probabilitas yang sama pi = 1/n
(2) X adalah variabel random konstan, yaitu pj = 1 untuk j tertentu dan pi = 0 untuk i≠ j.

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)

2016 Proses Random 4 - MTE

15 Mudrik Alaydrus
Pusat Bahan Ajar dan eLearning
http://www.mercubuana.ac.id