Variabel Acak

Variabel Acak
 Definisi: variabel acak real sebagai elemen-
elemen ruang sampel S.

Variabel acak dengan huruf kapital (W,X atau

Y).

 Nilai khusus dari variabel acak dengan huruf

kecil (w,x atau y)
Eksperimen yang diketahui sebagai ruang
sampel S dengan elemen-elemen S.

 Setiap s adalah bilangan real X(s)

 Variabel acak X sebagai fungsi yang memetakan

semua elemen-elemen dari ruang sampel menjadi
titik-titik dari pada barisan real atau beberapa
bagian.
 Contoh

Ekperimen:
Variabel acak fungsi X dipilih
 Koin, H (sisi muka) menghasilkan nilai X positif
dan sama dengan nilai yang nampak pada sisi
dadu
 Koin, T (sisi belakang) menghasilkan nilai X
negatif dan sama dengan nilai dua kali nilai
yang nampak pada sisi dadu

H head
T  tail
 Syarat suatu fungsi X sebagai
variabel acak ialah:

1. Himpunan {X < x} merupakan suatu event

untuk semua nilai real x  - ∞< x < ∞

2. P{X = - ∞} = 0 dan P{X = ∞}= 0

 Fungsi Distribusi
 Karena P{X< x} tergantung pada nilai x (fungsi
x) maka dapat dinyatakan sebagai “fungsi
distribusi probabilitas” dari variabel acak X

FX ( x)  PX  x
 Sifat-sifat Fungsi Distribusi
1. FX(- ∞) = 0
2. FX(∞) = 1
3. 0 < FX(x) < 1
4. FX(x1) < FX(x2) jika x1 < x2
5. P{x1 < X < x2} = FX(x2) - FX(x1)
6. FX(x+) = FX(x)
Notasi x+  x+e dimana e >0 adalah
infinitesimally small maka e  0
 Bentuk FX(x)
1. Variabel acak Diskrit
2. Variabel acak kontinyu
 Variabel Acak Diskrit
Bila nilai x tertentu misal x1, x2, x3, …, xi
Maka FX(x) disebut variabel acak diskrit

N
FX  x    P{ X  xi }u ( x  xi )
i 1

Dengan u(.) adalah fungsi unit-step, yaitu

1 x0
u ( x)  
0 x0
 Contoh:
X bernilai diskrit dalam
himpunan
{-1;0,5;0,7;1,5;3}

Dan mempunyai probabilitas

{0,1;0,2;0,1;0,4;0,2}
 P{X < -1} = 0  tidak ada titik-titik di ruang
sampel pada himpunan {X < -1}
 P{X = -1} = 0,1  FX(x)=P{X=-1} u{x-xi}
= 0,1. 1 =0,1

 P{X = -0,5} = 0,2  FX(x)=P{X=-0.5} u{x-xi}

= 0,2. 1 =0,2
Terus berlangsung sampai FX(x)=1 untuk semua
nilai x
 Variabel Acak Kontinyu
Variabel Acak Kontinyu mempunyai fungsi
distribusi yang kontinyu.
 Putaran 0 sampai 12

P{ X  0}  0
 Untuk 0  X  12 maka prob. 0  X  12
akan menjadi linier dengan adanya putaran x.
 Fungsi Kerapatan
Probability density function (pdf) atau Fungsi
Kerapatan fX(x) variabel acak X didefinisikan
sebagai turunan dari fungsi distribusi.

dFX ( x)
f X ( x) 
dx
 Sifat-sifat fX(x)

1. 0 < fX(x) untuk semua x

2. f

X ( x)dx  1

3. FX ( x)   f X  d
x

4. Px1  X  x 2  
x2
 x1
f X ( x)dx
Model-model fungsi variabel acak
 Gaussian 
Distribusi Gaussian juga dikenal sebagai
distribusi Normal, dengan fungsi kerapatan:

1 ( x a X ) 2
f X ( x) 
2 2
e X

2 2
X
Fungsi distribusi
Fungsi kerapatan
 Fungsi distribusi Gaussian memenuhi
persamaan berikut:

FX x  
1 x

(  a X ) 2 2 X2
e d
2 2
X


 Persamaan diatas dapat dinormalisasi dengan

aX = 0 dan σX = 1, menjadi:

1 x

2 2
F ( x)  e d
2 
 Fungsi tersebut dibuat tabelnya (fungsi
distribusi Gaussian) untuk x>0 (Appendix B
pada Peebles).
 Untuk nilai x negatif digunakan relasi berikut:

F (  x)  1  F ( x)
 1 ( x a X )  X

u 2 2
FX ( x )  e du
2 

 x  aX 
FX ( x)  F   Lihat tabel

 X 
 contoh
 Tentukan prob. Event {X<=5,5} dengan variabel
acak Gaussian yang mempunyai ax = 3 dan σX=
2

 Diasumsikan ketinggian kabut suatu lokasi

adalah terdistribusi Gaussian dengan var.acak
X, aX= 1830 m dan σX= 460 m; tentukan
probabilitas kabut lebih tinggi daripada 2750 m!