HARAPAN MATEMATIKA

Oleh:
Nurin Nur Huda (093214014)
Shandy Lavenda (093214015)
Alvinaria (093214016)
Sofia Andini (093214018)
Nurul M.J (093214019)
Achmad Lutfi (093214212)
Frisda T. (093214213)
Inayatul Qudsiyah (093214215)
2009 B
JURUSAN MATEMATIKAFAKULTAS MATEMATIKA DAN
ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI SURABAYA
 HARAPAN MATEMATIKA
• Definisi
Jika X adalah variable acak yang mempunyai PDF dan
adalah sebuah fungsi dari X maka:

E u ( X )    u ( x ) f ( x ) dx


jika X merupakan peubah acak kontinu, dan

E u ( X )    u ( x) f ( x)
x
jika X merupakan peubah acak diskrit.
Dimana merupakan harapan matematika dari u(X).
• Secara umum
Jika X1 , X 2 , X 3 ,..., X n adalah variabel acak
dengan PDF f  x1, x2 , x3 ,...xn  dan jika
u  X , X , X ,...X  merupakan fungsi dari
1 2 3 n

variabelnya.
Jadi nilai harapannya dapat dituliskan
sebagai berikut
 
E u ( X )    ...  u ( x1 , x2 ,..., xn ) f ( x1 , x2 ,..., xn ) dx
 

Jika variabelnya merupakan variable

peubah acak kontinu, dan
E u ( X )    ... u ( x1 , x2 ,..., xn ) f ( x1 , x2 ,..., xn )
xn x1

Jika variabelnya merupakan variable

peubah acak diskrit
 E[u ( X )] nilai harapan X (expected value of X,
yaitu suatu nilai rata-rata X setelah
memperhitungkan probabilitasnya masing-
masing X . Dari rumus tersebut, terlihat bahwa
nilai harapan X diperoleh dengan jalan
menjumlahkan seluruh hasil kali dari variable
dengan probabilitasnya masing-masing.
 Jika X = jumlah kemenangan atau jumlah
kekalahan dalam setiap permainan, maka
E[u ( X )] = rata-rata kemenangan atau
kekalahan yang diharapkan; kalau X =
keuntungan (kerugian suatu perusahaan),
maka E[u ( X )] = rata-rata keuntungan (kerugian)
yang diharapkan; kalau X = banyaknya pesanan
(order) yang masuk, maka E[u ( X )] = rata-rata
pesanan masuk yang diharapkan.
 Dengan demikian, E u( X ) = nilai harapan, atau
sering juga disebut harapan matematis
(mathematical expectation), sebenarnya
merupakan nilai rata-rata variable X yang
diharapkan akan terjadi. Terjadi tidaknya suatu
nilai variable tergantung kepada besar kecilnya
nilai probabilitas dari masing-masing .
Contoh 1:

2(1  x) ; 0  x  1
Jika X mempunyai PDF: f ( x) 
0, untuk x yang lain
Tentukan nilai E (6 X  X 2 )!
1

Jawab: E[6 X  X ]   (6 x  x ) f ( x)dx

2

0
2

1
  (6 x  x 2 ).2(1  x)dx
0
1
=  (12 x  12 x 2  2 x 2  2 x3 )dx
0
1
  (12 x  10 x 2  2 x3 )dx
0
1 1
12 10 2 10 1
 x  x 2  x3  6 x  x 2  x3
2 3 4 0 3 2 0
10 1 36  20  3 13
 (6   )  (0)  
3 2 6 6
Properti dari harapan matematika:

Jika k konstanta, maka E k   k

ika k konstanta dan v suatu fungsi,maka
E kv  kE  v 

jika k1 dan k2 konstanta dan v1 dan v2 adalah

suatu fungsi , maka
E  k1v1  k2v2   k1E  v1   k2 E  v2 
 Bukti dari properti:

1. Jika k konstanta, maka E k   k

• Akan dibuktikan dengan menggunakan definisi harapan
matematik dimana X diskrit: E u ( X )    u ( x ) f ( x)
x
Dengan asumsi bahwa u ( X ) = k dimana k merupakan
konstanta sehingga : E  k    k . f ( x)
E  k   k  f ( x)
x

x
Karena f ( x) merupakan sebuah p.d.f pada X diskrit maka
 f ( x)  1 sehingga diperoleh:
x

E  k   k .1
E[k ]  k
• Akan dibuktikan juga bahwa 
berlaku juga jika X
adalah kontinu: E u ( X )   u ( x) f ( x)dx

Dengan asumsi bahwa ( X ) = k dimana k merupakan
u


konstanta sehingga :E  k    k . f ( x)dx

 

E  k   k  f ( x )dx


Karena f ( x) merupakan sebuah p.d.f pada X kontinu



maka  f ( x )  1, sehingga diperoleh:



E  k   k .1
E k   k
2. Jika k konstanta dan v suatu fungsi, maka E kv  kE  v 
• Akan dibuktikan dengan menggunakan definisi harapan
matematik dimana X diskrit: E u ( X )   u ( x) f ( x)
x
Dengan asumsi bahwa u ( X )  kv dimana k merupakan
konstanta dan v suatu fungsi sehingga dapat dituliskan sbb:
E  kv    k .v. f ( x)
x

E  kv   k  v. f ( x )
x

 
E  kv   k   v. f ( x ) 
 x 

Berdasarkan definisi harapan matematika  v. f ( x)  E (v)

x
maka kita dapat menuliskannya kembali sbb:
E kv  kE(v)
• Akan dibuktikan dengan menggunakan definisi harapan

matematik dimana X kontinu: E u ( X )   u ( x) f ( x)


Dengan asumsi bahwa u ( X )  kv dimana k merupakan

konstanta dan v suatu fungsi sehingga dapat dituliskan sbb:

E  kv    k .v. f ( x )


E  kv   k  v. f ( x )


 
E  kv   k   v. f ( x ) 
   

Berdasarkan definisi harapan matematika  v. f ( x)  E (v)

maka kita dapat menuliskannya kembali sbb:
E kv  kE(v)
3. jika k1 dan k2 konstanta dan v1 dan v2 adalah suatu
fungsi , maka E  k1v1  k2v2   k1E  v1   k2 E  v2 
 Akan dibuktikan dengan menggunakan definisi
harapan matematik dimana X diskrit: E u ( X )   u ( x) f ( x) x

Dengan asumsi bahwa u( X )  k1v1  k2v2 dimana k

merupakan konstanta dan v suatu fungsi sehingga
dapat dituliskan sbb:
E  k1v1  k2 v2     k1v1  k2 v2  f ( x )
x

E  k1v1  k2 v2    k1v1 f ( x )   k2 v2 f ( x )
x x

   
E  k1v1  k2 v2   k1   v1 . f ( x )   k 2   v2 . f ( x ) 
 x   x 
Berdasarkan definisi harapan matematika  v . f ( x)  E (v ) x
1 1

dan  v . f ( x)  E (v ) maka kita dapat menuliskannya

1 1

kembali sbb: E k1v1  k2v2   k1E(v1 )  k2 E(v2 )

x

• Dengan cara yang analog kita bisa membuktikan

bahwa E k v  k v   k E(v )  k E(v )
1 1 2 2 1 1 2 2

Dengan asumsi bahwa u( X )  k v  k v dimana k 1 1 2 2

merupakan konstanta dan v suatu fungsi sehingga

dapat dituliskan sbb: E  k v  k v     k v  k v  f ( x)
1 1 2 2
x
1 1 2 2

E  k1v1  k2 v2    k1v1 f ( x )   k 2v2 f ( x )

x x

   
E  k1v1  k2 v2   k1   v1. f ( x )   k2   v2 . f ( x ) 
 x   x 
Berdasarkan definisi harapan matematika  v . f ( x)  E (v ) x
1 1

dan  v1. f ( x)  E (v1 ) maka kita dapat menuliskannya kembali

sbb: E k1v1  k2v2   k1E(v1 )  k2 E(v2 )
x

 Akan dibuktikan dengan menggunakan definisi harapan


matematik dimana X kontinu: E u ( X )   u ( x) f ( x)
Dengan asumsi bahwa u ( X )  k v
1 1  k v 
2 2 dimana k merupakan

konstanta dan v suatu fungsi sehingga dapat dituliskan sbb:


E  k1v1  k2 v2    (k v1 1  k2 v2 ) f ( x )

 
E  k1v1  k2 v2    kv 1 1 f ( x)   k 2 v2 f ( x )
 

   
E  k1v1  k2 v2   k1   v1 f ( x )   k 2   v2 f ( x ) 
     
Berdasarkan definisi harapan matematika
 v . f ( x)  E (v ) dan  v . f ( x)  E (v )maka kita dapat
x
1 1
x
1 1

menuliskannya kembali sbb:

E k1v1  k2v2   k1E(v1 )  k2 E(v2 )
• Dengan cara yang analog kita bisa membuktikan
bahwa E  k1v1  k2v2   k1E (v1 )  k2 E(v2 )
Dengan asumsi bahwa u( X )  k1v1  k2v2 dimana k
merupakan konstanta dan v suatu fungsi sehingga

dapat dituliskan sbb: E  k v  k v   (k v  k v ) f ( x)
1 1 2 2 

1 1 2 2
  
E  k1v1  k2v2    k v f ( x)  
1 1 k2v2 f ( x)
 

   
E  k1v1  k2v2   k1   v1 f ( x)   k2   v2 f ( x) 
     
Berdasarkan definisi harapan matematika  v . f ( x)  E (v ) 1 1

dan  v . f ( x)  E (v )
x
1 1
x

maka kita dapat menuliskannya kembali sbb:

E  k1v1  k2v2   k1E (v1 )  k2 E (v2 )
Contoh soal 2:

Jika X mempunyai PDF:

2(1  x) ; 0  x  1
f ( x) 
0, untuk x yang lain
Tentukan nilai E (6 X  X 2 ) !
Penyelasaian:
 1
1
E( X )  

xf ( x)dx   ( x)2(1  x)dx 
0
3

E( X 2
)  
1
x 2 f ( x) dx   ( x 2 )2(1  x) dx 
1
6
maka
 0

1  1 13
E (6 X  X 2
)  6   
3  6 6
Contoh soal 3:

Jika X mempunyai PDF:

x
, x  1, 2,3
f ( x)  6
0, untuk x yang lain
Tentukan E(X3)! 3
3 x
Penyelesaian: E ( X )  x x f ( x)  
3 3
x
x 1 6
1 16 81 98
   
6 6 6 6
HARAPAN MATEMATIKA KHUSUS

Varians
varians atau ragam dari peubah acak(atau
distribusi probabilitas) adalah ukuran yang
menunjukkan dispersi statistik (seberapa jauh
data tersebar di sekitar rata-rata). Varians atau
ragam merupakan ukuran penyebaran dari
data. Varians merupakan salah satu parameter
dari suatu populasi
Diketahui u(X) = X, dimana X adalah
variabel acak diskret atau kontinu yang
mempunyai fungsi padat peluang f(x)
maka :

 xf ( x); jika x merupakan PDF diskret

x

E( X ) 


 xf ( x)dx; jika x merupakan PDF kontinu


Varians dari X dapat dinotasikan  2
dan  2

didefinisikan sebagai  2
 E[( X   ) 2
] dimana X
adalah peubah acak diskret atau kontinu.
 2 dapat dijabarkan sebagai berikut :
 2  E[( X   ) 2 ]  E ( X 2  2 X   2 ); Karena E
operator linier, maka
 2  E ( X 2 )  2 E ( X )   2
 E ( X 2 )  2 2   2
 E( X 2 )   2
• Kita dapat menyebut (akar positif dari varians ) sebagai 
standar deviasi (simpangan baku) dari X. Simpangan baku
dapat digunakan untuk mengukur jarak relative setiap hasil
pengamatan ke pusat data.
• Hubungan antara simpangan baku, nilai data, dan rata-
rata adalah semakin kecil simpangan baku, maka makin dekat
nilai-nilai data pada rata-rata. Sebaliknya semakin besar
simpangan baku, semakin menjauh nilai-nilai data dari rata-
ratanya.
Catatan :
jika dalam suatu ruang hanya mengandung satu titik x yang
mana x >0 maka  =0
 Propertis dari varians:

1. Var[k ]  0 untuk k adalah suatu konstanta

Bukti:  2
 E ( X 2
)   2

misal u(x)=k maka E ( X 2 )  k 2 sehingga:

 2  E (k 2 )   2
= E (k )   E (k ) 
2 2

= k2  k2
=0
jadi Var[k]  0
 2. Jika X suatu variabel random dan c suatu konstanta maka
var (X+c) = var (x)
Bukti :
Var[ X  c] = E(X+c)2 – E(X+c)2
= E(X2+2cX+c2) – ((E(X) + c)2
= E(X2) + E(2cX) + (c2) – (E(X))2 + 2cE(x) – c2
= E(X2) + 2cE(X) + c2 – (E(X))2 – 2cE(X) – c2
= E(X2) – (E(X))2
= Var[ X ]
3. Jika X suatu variabel random dan c suatu
konstanta maka var (cX) = c2 var (X)
Bukti :
Var[cX ] = E(c2X2) – (E(cX))2

= c2. E(X2) – (cE(x))2

= c2. E(X2) – c2(E(x))2
= c2. [E(X2) – (E(x))2]
= c2 .Var[ X ]
Contoh 1 :
Diketahui suatu fungsi padat peluang
diskret f(x)=x/10, x =1,2,3,4, 0 untuk x
yang lain. Tentukan varians X
Penyelesaian :
  E ( X )   xf ( x)
x

=1f(1)+2f(2)+3f(3)+4f(4)
1 2 3 4
=1.  2.  3.  4.
10 10 10 10
1 4 9 16 30
     3
10 10 10 10 10
 E ( X 2 )   x 2 f ( x)
x

 12 f (1)  22 f (2)  32 f (3)  4 2 f (4)

1 2 3 4
 1.  4.  9.  16.
10 10 10 10
1 8 27 64 100
      10
10 10 10 10 10

 2  E( X 2 )   2
= 10 - 32
= 10-9 =1
jadi var[X]=1
Contoh 2

Diketahui suatu fungsi padat peluang diskret

1
f(x) = 2 ) , x =1,2,3, 0 untuk x yang lain.
( x

Tentukan var[X].
Penyelesaian :
1 x
f ( x)  ( ) ; x= 1,2,3
2
= 0 ; untuk x yang lain
   E ( X )   xf ( x) E ( X 2 )   x 2 f ( x)
x x

=1f(1)+2f(2)+3f(3)  12 f (1)  22 f (2)  32 f (3)

=1(1/2)+2(1/4)+3(1/ 8) 1 1 1 21
 1  4( )  9( ) 
=1/2+2/4+3/8=11/8 2 4 8 8

 2  E( X 2 )   2
= (21/8)  (11/8) 2  21/ 8  121/6
(168  121) 47
= 
64 64
Jadi, varians X adalah 47/64
Contoh 3

Diketahui variabel acak X dari fungsi padat

1
peluang kontinu, f ( x)  , -a < x < a , 0 untuk x
2a
yang lain. Tentukan : a. Varians
b. Standart Deviasi
a


Penyelesaian :a.  E ( X )  x 21a
a
1 1 2 a
=[ 2a 2 x ] a

  E( X ) = 1 1
2a 2 a 
2 1 1
2a 2 a 0
2
 a
b. E ( X 2 ) 
x
2 1
2a
a
1 1 3 a
=[ 2a 3 x ] a

E( X ) = 1 1
2a 3 a  3 1 1
2a 3 (a )
3

2 3
= 6a a
  E( X )  
2 2 2

 
2 2
6a a 0 
3 2
6a a 3

1
 a
3
Contoh 4.
Diketahui suatu variabel acak Y kontinu
mempunyai fungsi padat peluang kontinu g(y)
1
= 4a , -2a < y < 2a, 0 untuk x yang lain.
Tentukan standart deviasi Y.

• Penyelesaian :   E (Y )   yf ( y )dy

2a
1
 
2 a
y(
4a
) dy

1 2 2a
= y |2 a
8a
1 1
 4a 2  4a 2  0
8a 8a
  2  E( X 2 )   2

E (Y )  y
2 2
f ( y )dy

4a 2 4a 2
0 
2a
1 =
 
2 a
y2 (
4a
)dy
3 3

1 3 2a 2
12a
y |2 a
 
X
a
1 1 3
 8a 3  ( 8a 3 )
12a 12a
16a 3 4a 2
 
12a 3
2
Jadi, standart deviasinya a
3

Berdasarkan contoh 3 dan contoh 4 dapat

disimpulkan bahwa standar deviasi Y yang lebih
besar dari X, akibatnya peluang dari Y lebih besar
dari peluang X.
 Reference
• http://id.wikipedia.org/wiki/Simpangan_baku
• http://id.wikipedia.org/wiki/Varians
• Supranto, J. STATISTIK:Teori dan aplikasinya.
1988.Jakarta:Erlangga.
• Hogg and Craig. Introduction to Mathematical
Statistics (Fourth Edition). 1978. NewYork: Macmillan
Publishing Co.,Inc.
• Kusrini dan Etty Tejo Dwi Cahyowati. Statistika
Matematika I. 1993.Jakarta: Universitas Terbuka.