SIFAT NILAI HARAPAN

Sebuah penelitian melibatkan variabel acak, 𝑋 = (𝑋1 , 𝑋2 , . . . . , 𝑋𝑘 ), dan kita

ingin mengetahui nilai harapan dari beberapa fungsi 𝑋, katakanlah 𝑌 = 𝑢 (𝑋 ).
Kita bisa menggunakan notasi standar 𝐸 (𝑌), atau kemungkinan lain adalah
𝐸 [𝑢 (𝑋)], di mana subscript menekankan bahwa jumlah atau integral yang
digunakan untuk mengevaluasi nilai harapan ini diambil relatif terhadap pdf
bersama 𝑋.
 TEOREMA 5.2.1
Jika 𝑋 = (𝑋1 , . . . , 𝑋𝑘 ) merupakan sebuah joint pdf 𝑓(𝑥1 , . . . , 𝑥𝑘 ),
dan jika 𝑌 = 𝑢(𝑥, . . . , 𝑥𝑘) merupakan suatu fungsi dari X,
kemudian 𝐸 𝑌 = 𝐸𝑥 [𝑢(𝑋1 , . . . , 𝑋𝑘 )], dimana:
• 𝐸𝑥 [𝑢(𝑋1 , . . . , 𝑋𝑘 )] = σ𝑥1 . . . . σ𝑥𝑘 𝑢 𝑥1 , . . . , 𝑥𝑘 𝑓(𝑥1 , . . . , 𝑥𝑘 )
jika X diskrit (5.2.1)

∞ ∞
• 𝐸𝑥 [𝑢(𝑋1 , . . . , 𝑋𝑘 )] =
‫׬‬−∞. .. . ‫׬‬−∞ 𝑢 𝑥1 , . . . , 𝑥𝑘 𝑓(𝑥1 , . . . , 𝑥𝑘 )
jika X kontinu (5.2.2)
• Pendekatan dari contoh sebelumnya juga dapat digunakan jika
𝑌 ~ 𝐻𝑌𝑃 (𝑛, 𝑀, 𝑁) , tetapi derivasi lebih sulit karena penarikan
tergantung jika pengambilan sampel dilakukan tanpa pengembalian.
• Sebagai contoh, anggaplah bahwa satu set komponen 𝑁 yang
mengandung 𝑀 rusak, dan 𝑛 komponen diambil secara acak tanpa
pengembalian.
• Jika 𝑋𝑖 mewakili jumlah komponen yang rusak (baik 0 atau
1) yang diperoleh pada pengundian ke i, maka
𝑋1 , 𝑋2 , . . . , 𝑋𝑛 tergantung pada variabel Bernoulli.
Pertimbangkan pasangan (𝑋1, 𝑋2). Tidak sulit untuk melihat
bahwa distribusi marjinal variabel pertama adalah
𝑀
𝑋1 ~ 𝐵𝐼𝑁 (1, 𝑝1 ) di mana 𝑝1 = , dan bersyarat pada 𝑋1 = 𝑥1 ,
𝑁
( 𝑀−𝑥1 )
𝑋2 ~ BIN (1, 𝑝2 ), di mana 𝑝2 = .
(𝑁−1)
• Dengan demikian, pdf bersama (𝑋1 , 𝑋2 ) adalah:
𝑥1 1−𝑥1 𝑥2 1−𝑥2
𝑓 𝑥1 , 𝑥2 = 𝑝1 𝑞1 𝑝2 𝑞2 𝑥𝑖 = 0,1

• Dari situ kita bisa mendapatkan kovarian,

𝑀 𝑀 1
𝐶𝑜𝑣 𝑋1 , 𝑋2 = − 1−
𝑁 𝑁 𝑁−1
Sebenarnya, dapat ditunjukkan bahwa untuk setiap
pasangan (Xi, Xj) dengan i ≠ j, Cov (Xi, Xj) yang
diberikan oleh persamaan (5.2.17), dan untuk setiap i,
𝑴
• 𝑬 𝑿𝒊 =
𝑵

𝑴 𝑴
• 𝑽𝒂𝒓(𝑿𝒊 ) = 𝟏−
𝑵 𝑵
Berdasarkan persamaan (5.2.4) dan (5.2.14)
𝑀
•𝐸 𝑌 = 𝑛
𝑁
𝑀 𝑀 𝑁−𝑛
• 𝑉𝑎𝑟(𝑌) = 𝑛 1−
𝑁 𝑁 𝑁−1
• Dalam kasus persamaan (5.2.21), ada bentuk n (5.2.19)
dan 𝑛 (𝑛 − 1 ) formulir (5.2.17), dan hasilnya mengikuti setelah
penyederhanaan.

• Perhatikan bahwa mean dan varians dari distribusi

hipergeometrik memiliki bentuk yang mirip dengan mean dan
varians dari binomial, dengan p digantikan oleh 𝑀 / 𝑁, kecuali
untuk faktor terakhir dalam varians, (𝑁𝑛) / (𝑁 − 1), yang disebut
istilah pengganda terbatas. Karena hypergeometric, 𝑌 ,
merepresentasikan variabel acak