Proses Stokastik

(PS Matematika FMIPA UB, MAM 4816, 3 sks, P)

Pertemuan ke-3/7

Dr. Adji Achmad RF, S.Si, M.Sc

Statistika, FMIPA, Universitas Brawijaya Malang

Fungsi Linier Peubah Acak

Untuk dua peubah acak X dan Y berlaku:

E X Y E X EY
E aX aE X

var aX a 2 var X
var X Y var X var Y 2 cov X , Y
Jika X dan Y saling bebas, maka:

cov X , Y 0

var X Y var X var Y

DR. Rahma Fitriani, S.Si., M.Sc

Fungsi Pembangkit Moment

(Moment Generating Function)
Definisi untuk Y PA
Diskrit:

M t E ety ety p y
y

Definisi untuk Y PA
Kontinyu:

M t E ety ety f y dy

DR. Rahma Fitriani, S.Si., M.Sc

Sifat khusus fungsi pembangkit

moment

dM t
M 0
E Y
dt t 0

Bukti:

d ty
e ye ty
dt
Pada t =0
Definisi nilai
harapan

dM t
d
ty
M t

e
f y dy

dt
dt

M 0

ty
ye
f y dy

0y
ye
f y dy

M 0 E Y

DR. Rahma Fitriani, S.Si., M.Sc

yf y dy

Secara umum:
r
d
M t
r
r

M 0

E
Y
r
dt t 0

DR. Rahma Fitriani, S.Si., M.Sc

Sebaran sebaran Penting

Diskrit

Bernoulli
Binomial
Geometrik
Poisson

Kontinyu

Uniform
Exponential
Gamma
Normal

DR. Rahma Fitriani, S.Si., M.Sc

Sebaran Bernoulli

Pelemparan satu koin atau percobaan dengan hasil

hanya yang bersifat biner (misal: sukses dan gagal)

Yang diamati peubah X:

X=1 untuk sukses dan X=0 untuk gagal.

Fungsi frekuensi peluang dari X adalah

P(0) = P(X=0) = 1-p
P(1) = P (X=1) = p
p, untuk x 1

Pr X x
Yang secara umum:
1 p, untuk x 0

DR. Rahma Fitriani, S.Si., M.Sc

Sebaran Bernoulli

Sifat-sifat:
E X p

var X p 1 p

DR. Rahma Fitriani, S.Si., M.Sc

Sebaran Binomial

Pelemparan n kali koin dengan peluang

sukses p
Berupa n kali percobaan Bernoulli
Yang diamati adalah peubah X:

Jumlah kesuksesan

Fungsi frekuensi npeluang:

x

n x
Pr X x p 1 p
, x 0,1,..., n
x

E X np

var X np 1 p

DR. Rahma Fitriani, S.Si., M.Sc

Adalah n kali
dari setiap
sifat dari
sebaran
Bernoulli

Sebaran Geometri

pelemparan koin denga peluang sukses p

Yang menjadi pengamatan adalah peubah X:
Jumlah pelemparan sampai diperolehnya sukses
yang pertama
Dengan fungsi frekuensi peluang:
Pr X x 1 p

x 1

p, x 1,2,...

Dengan sifat umum:

1
E X
p

var X

1 p

DR. Rahma Fitriani, S.Si., M.Sc

p2

Sebaran Poisson

Terjadinya even yang langka dengan = rata-rata

terjadinya even dalam satu periode (waktu, luas,

jarak)
Yang diamati adalah peubah X:

Jumlah kejadian di dalam periode yang bersesuaian

Contoh: jumlah kesalahan ketik pada satu halaman
buku

Adalah limit dari sebaran binomial untuk n , p

0

Pada contoh: n adalah jumlah huruf dalam satu buku

dan peluang salah ketik yang cukup kecil

DR. Rahma Fitriani, S.Si., M.Sc

Sebaran Poisson

Fungsi frekuensi peluang:

Pr X x

x e
x!

, x 0,1,2,...

Dengan sifat-sifat:
E X
var X

Sebaran diskrit yang istimewa yang menjadi

asumsi dari beberapa model stokastik diskrit
DR. Rahma Fitriani, S.Si., M.Sc

Sebaran Uniform (Seragam)

Nilai pengamatan X mempunyai kemungkinan

yang sama untuk terjadi pada interval (a,b)

f x

1
,untuk a x b
ba
0,
selainnya

, untuk x a
0
xa
F x
, untuk a x b
ba
, untuk x b
1

Dengan sifat-sifat:
ab
E X
2

var X

b a2

DR. Rahma Fitriani, S.Si., M.Sc

12

Sebaran Eksponensial
Peubah X yang non-negatif dengan
kemungkinan terbesar terjadi pada nilai
yang dekat dengan nol
Biasa digunakan untuk memodelkan
fenomena yang berhubungan dengan
waktu

Mis: Laju kerusakan/Reliabilitas

Mempunyai sifat memoryless, sifat

istimewa yang diperlukan dalam beberapa
model stokastik

Continuous Time Markov Chain

DR. Rahma Fitriani, S.Si., M.Sc

Sebaran Eksponensial
e x ,untuk x 0
f x
selainnya
0,
1 e x ,untuk x 0

F x

0,

x0

var X

E X

f(x)

DR. Rahma Fitriani, S.Si., M.Sc

Sifat Tanpa Ingatan (Memoryless Property)

sebaran Eksponensial

Jika digunakan untuk memodelkan umur suatu

barang (lifetime)
Definisi memoryless property:

Peluang produk berfungsi baik untuk x waktu ke

depan bagi produk yang sudah berumur t dan produk
baru adalah sama secara statistik

Pr X x t , X t
Pr X x t X t
Pr X t

Pr X x t
1 F x t

Pr X t
1 F t
e x t
x

e
Pr X x
t
e
DR. Rahma Fitriani, S.Si., M.Sc

Sebaran Gamma

X adalah peubah acak non negatif yang

tergantung pada dua parameter, >0, dan >0

Ketika parameter adalah bilangan integer, maka

X adalah jumlah dari sebaran eksponensial,
masing-masing dengan parameter
X Y1 ... Y

Y1...Y ~ Exp

1 x

x
e ,untuk x 0

f x

0 ,

selainnya

DR. Rahma Fitriani, S.Si., M.Sc

E X

var X 2

Sebaran Normal

Sebaran yang paling banyak digunakan sebagai

asumsi
X menyebar mengikuti sebaran dengan bentuk
seperti genta
Dari teorema limit pusat (central limit
theorem):

Sebaran dari jumlah n peubah yang saling bebas

dan menyebar secara sama (iid) mendekati sebaran
normal untuk n

2
1
x
fX x
e
2

2 2

, x

E X
Var X 2

DR. Rahma Fitriani, S.Si., M.Sc

Peluang Bersyarat

Kasus peubah diskrit:

p X |Y ( x | y )

P ( X x, Y y ) p XY x, y

, pY y 0
P( y y )
pY y

p XY x, y p X |Y ( x | y ) pY y

Dengan hukum peluang total

y 0

y 0

P( X x ) p XY ( x, y ) p X |Y ( x | y ) pY ( y )
Sifat peluang
marjinal

Definisi peluang
bersyarat

Contoh penggunaan
X N ~ Bin N , p

N ~ Poisson

Apa sebaran marjinal bagi X?

pX x ?

Gunakan hukum peluang total

P X x p X |N ( x | n ) p N ( n )
n 0

Binomial

Poisson

P X x p X |N ( x | n ) p N ( n )
n 0

n
n!
n x e
x
P X x
p 1 p

x
!
n

x
!
n
!
n x

e p x

x!

1 p n x n

n x !
n x

e x p x

x!

n x 1 p

n x !
n x

n n x x
n x

e p

x!

n x
j

p
Dengan deret Taylor:

n x !
j!
n x
j 0

e e 1 p p
e p p
P X x

x!
x!
x

1 p n x

n x !
n x

e 1 p

x 0,1,...

e p p
P X x
x!

X N ~ Bin N , p

x 0,1,...

N ~ Poisson

X ~ Poisson p

Peluang Bersyarat

Kasus peubah kontinyu

f XY x, y
f X |Y ( x | y )
, fY y 0
fY y
f XY x, y f X |Y ( x | y ) fY y

Dengan hukum peluang total

f X ( x)

XY

( x, y )dy

Sifat peluang
marjinal

X |Y

( x | y ) fY ( y )dy

Definisi peluang
bersyarat

Contoh penggunaan
p ~ uniform 0,1

X p ~ Bin N , p

Apa sebaran marjinal bagi X?

f X x ?

Gunakan hukum peluang total

1

f X x f X | p ( x | p ) f P ( p )dp
0

Binomial

Uniform

f X x
0

N!
N k
p k 1 p dp
k! N k !
1

N!
N k
k

p
1

p
dp

k! N k ! 0
1

m 1, n 1 x m 1 x dx

Fungsi Beta

p 1 p
k

N k

m! n!
m n 1!

k! N k !
k! N k !
dp

k N k 1!
N 1!

N!
N!
k! N k !
N!
N k
k

f X x
p
1

p
dp

k! N k ! 0
N 1!
k! N k ! N 1!
1

N!
1
f X x

,
N 1! N 1

X p ~ Bin N , p

x 0,1,... N

p ~ Uniform 0,1

X ~ Uniform diskrit, x 0,1,..., N

Contoh Terapan

Peubah acak N merupakan jumlah angka pada sisi dadu yang

menghadap ke atas ketika dilakukan pelemparan.
Dilakukan suatu percobaan berikut:

Dadu dilempar sekali, dan diamati jumlah angka pada sisi dadu yang
menghadap ke atas.
Misalkan diperoleh jumlah angka sebesar N maka dilakukan percobaan
berikutnya, pelemparan koin sebanyak N kali.

Dari pelemparan N kali koin tersebut, diamati X: jumlah Gambar dari N

kali lemparan tersebut.

Berdasarkan sifat peluang bersyarat, hitunglah peluang diperolehnya 2

gambar pada pelemparan koin dan jumlah angka 3 pada sisi dadu
yang menghadap ke atas!

Berdasarkan hukum peluang total, berapa peluang bahwa akan

diperoleh 5 angka pada percobaan pelemparan koin?

Nilai Harapan Bersyarat (Conditional

Expected Value)
Definisi nilai harapan X dengan syarat Y=y:

E[ g ( X ) | Y y ] g ( x) p X |Y ( x | y )
x

Berdasarkan hukum peluang total:

Pr X A Pr X A Y y pY y
y
E[ g ( X )] E g ( x) Y y pY ( y )
x

E[ g ( X )] E E g ( x) Y

Berlaku hal yang sama untuk kasus peubah

kontinyu

Random Sums
X 1 2 ... N
i : Peubah acak yang menyebar secara sama dan bebas (iid)
N : Peubah acak

Contoh terapan Random Sums:

Proses Antrian
Teori Resiko
Model populasi

Teori Antrian

N sebagai jumlah pelanggan yang datang pada

fasilitas layanan pada selang waktu tertentu (Peubah
acak)
i adalah waktu layanan yang dibutuhkan oleh
pelanggan ke-i,
Maka total kebutuhan waktu layanan adalah:
X 1 2 ... N

i ~ Exp

Teori Resiko

N sebagai jumlah klaim yang diterima suatu

perusahaan asuransi pada suatu minggu
(peubah acak).
i adalah jumlah yang harus dibayarkan untuk
klaim ke-i,
Maka total liability (hutang) dari perusahaan
asuransi tersebut adalah:

X 1 2 ... N

Model Populasi

N sebagai jumlah tanaman spesies tertentu

pada suatu daerah (peubah acak).
i adalah jumlah biji yang dihasilkan oleh
tanaman ke-i,
Maka total biji yang diproduksi di daerah
tersebut adalah:
X 1 2 ... N

Pada Random Sums terdapat dua peubah, X

dan N di mana N selalu berupa peubah diskrit
Jika X juga peubah diskrit, sifat sebaran
bersyarat seperti biasa dapat diterapkan
Jika X peubah kontinyu maka digunakan
definisi fungsi sebaran bersyarat pada kasus
mixed

Sebaran Bersayarat: the mixed case

X dan N peubah acak yang mempunyai

sebaran gabungan
N bersifat diskrit
Fungsi sebaran bersyarat bagi X dengan
syarat N=n:

Pr X x, N n
FX | N ( x | n)
, untuk Pr N n 0
Pr N n

Untuk X peubah kontinyu, maka berlaku:

d
f X | N ( x | n)
FX | N ( x | n)
dx

Fungsi tersebut dapat digunakan untuk

menghitung peluang:
b

Pr a X b, N n f X | N ( x | n) p N (n)dx
a

Memperoleh fungsi peluang marjinal bagi X

dengan hukum peluang total:

f X ( x ) f X | N ( x | n) p N ( n)
n 0

Nilai harapan bersyarat

E[ g ( X ) | N n] g ( X ) f X | N ( x | n)dx

Nilai harapan berdasarkan hukum peluang

total:

E[ g ( X )] E[ g ( X ) | N n] p N (n)
n 0

Sifat-sifat tersebut digunakan untuk

menurunkan moment dari Random Sums

Momen-momen bagi Random Sums

E[k] = , Var [k] = 2

E[N] = Var [N] = 2

X 1 2 ... N

Nilai harapan dari Random Sums:

E X ?

n 0

n 1

E X E[ X | N n] p N (n) E[1 2 ... N | N n] p N (n)

E X E[1 2 ... N | N n] p N (n)

n 1

E[1 2 ... n | N n] p N (n)

n 1

Karena X dan N
saling bebas:

E[1 2 ... n ] p N ( n)
n 1

Sifat nilai harapan

E 1 E 2 ... E n p N (n)
n 1

n 1

n 1

np N (n) np N (n) Nilai harapan N

E X v E E N

Ragam dari Random Sums:

var X ?

var X E X v v 2 2 2
2

Bukti ada di Buku

Taylor & Karlin

Contoh 1:
X 1 2 ... N

Jika:

E N E k
var N var k 2

Maka:

E X E N E 2
var X 2 2 2 2 1

Contoh 2:

Didefinisikan peubah acak N sebagai jumlah

kecelakaan dalam 1 minggu, yang menyebar
secara Poisson dengan rata-rata 2.

Diasumsikan bahwa peubah acak jumlah korban

di setiap kecelakaan ke i, menyebar secara
bebas dan indentik pada sebaran tertentu
dengan, rata-rata 3 dan ragam 4

Berdasarkan konsep random sums tentukan

rata-rata dan ragam dari total jumlah korban
kecelekaan pada satu minggu tersebut!