(RANDOM VARIABLE)
DEFINISI
Dalam suatu random eksperimen, S adalah total
outcome dari random eksperimen tersebut. Sedangkan
fungsi atau random variable X dengan domain S akan
membuat beberapa bilangan riil berhubungan dengan
tiap-tiap outcome dalam eksperimen.
• • • • X
1 2 3 4
CONTOH 2
Misalnya eksperimen melemparkan 2 buah dadu. S
adalah 36 titik: {(1,1), (1,2), ...((6,6)}
atau S ={(i,j)| i= 1,2, ...6 dan j=1,2,...6}
beberapa random variable dapat didefinisikan; misal:
X adalah jumlah mata dadu yg muncul.
X(e) = i+j jika e = (i, j)
X akan bernilai 2,3,…12.
X adalah random variable.
DISCRETE RANDOM VARIABLE
Definisi: Jika sebuah set dari seluruh nilai sebuah
random variable, X, adalah set yang dapat
dihitung/countable, x1, x2, ...xn atau x1, x2, ... , maka X
disebut: Discrete Random Variables.
Fungsi: f(x) = P[X = x],x = x1, x2, ...
menunjukkan peluang masing-masing nilai x disebut
Discrete Probability Density Function (Discrete pdf)/
Probability Mass Function (pmf). Nilai xi disebut
mass point dari X. Dapat juga ditulis fx(x)
DISCRETE RANDOM VARIABLE
Teorema: Sebuah fungsi f(x) adalah sebuah PDF
diskrit jika dan hanya jika memenuhi hukum berikut
untuk set infinite dari set bilangan riil x1, x2, ... :
f(xi) ≥ 0 untuk semua xi
f ( x ) 1
semua xi
i
P( X x) f ( x)
x 1 2 3 4
f(x) 1/16 3/16 5/16 7/16
DISCRETE RANDOM VARIABLE
Gambar 1:
PDF diskrit dari pelemparan 2 dadu 4 sisi.
f(x)
7/16
5/16
3/16
1/16
x
1 2 3 4
DISCRETE RANDOM VARIABLE
Definisi:
Cumulative Distribution Function (CDF)/Distribusi
Kumulatif dari random variable diskrit X, dengan
distribusi peluang f(x) dinyatakan oleh
F ( x) P( X x) f (t ), x
tx
9/16
4/16
1/16
x
0 1 2 3 4
CONTOH 3
Misalnya eksperimen melempar sebuah koin
yang fair. X adalah banyaknya muka/Head.
0 jika x < 0
F(x) = ½ jika 0 ≤ x < 1
1 jika 1 ≤ x
f ( x) dx 1
b
P(a X b) f ( x) dx
a
CONTOH 4
Error suhu pengukuran dalam laboratorium
merupakan peubah acak X2 yang mempunyai
x
fungsi padat peluang f ( x) ,1 x 2 dan 0
3
untuk nilai x yang lainnya.
a. Tunjukkan bahwa syarat ke-2 terpenuhi
b. Hitung P(0<x1)
CONTOH 4
Penyelesaian:
2 2 3 2
x x 8 1
a. f ( x) dx dx 1
1
3 9 1
9 9
1
b. x2 1
P (0 x 1) P (0 x 1) dx
0
3 9
CONTINUOUS RANDOM VARIABLE
Distribusi kumulatif random variable kontinyu X
dengan fungsi padat peluang f(x) diberikan oleh
x
F ( x) P( X x)
f (t )dt , x
Akibatnya P(a x b) F (b) F (a)
dF ( x)
Dan f ( x)
dx
HARAPAN MATEMATIS
DEFINISI
Satu konsep yang sangat penting dalam
probabilitas dan statistik adalah konsep nilai
harapan matematis /nilai ekspektasi/
ekspektasi/rataan dari suatu variabel acak.
Dilambangkan dengan E(X) atau
Contoh :
Sebuah mata uang dilantunkan dua kali
S : {MM, MB, BM, BB}
DEFINISI
X menyatakan banyaknya muka yang muncul
P(X=0) = ¼
P(X=1) = ½
P(X=2) = ¼
= E(X) = (0)(1/4) +(1)(1/2) + (2)(1/4) = 1
Ini berarti bahwa bila seseorang melantunkan
uang berulang-ulang maka rata-rata dia akan
mendapatkan satu muka per lantunan.
DEFINISI
Misalkan X suatu peubah acak dengan distribusi peluang f(x).
Nilai Harapan atau rataan X adalah:
E ( X ) x f ( x)
x
Bila X diskret dan
E( X ) x f ( x) dx
Bila X kontinu
CONTOH
Sebuah permainan dimainkan dengan dadu
ideal. Dalam permainan tersebut, seseorang
akan menang $20 jika muncul angka 2, $40 jika
muncul angka 4, kalah $30 jika muncul angka 6
dan tidak menang atau tidak kalah jika angka lain
yang muncul.
Misalkan X adalah variabel acak yang
menyatakan jumlah uang yang dimenangkan
pada suatu lemparan
CONTOH
Diperoleh distribusi peluang sbb:
x 0 +20 +40 -30
f(x) 1/2 1/6 1/6 1/6
Bukti :
Var ( X ) E ( X ) 2
E ( X 2 X )
2 2
E ( X 2 ) 2 E ( X ) 2
E ( X 2 ) 2 2 2
E( X )
2 2
CONTOH
Permintaan mingguan coca cola, dalam ribuan
liter, pada suatu jaringan pemasaran daerah,
merupakan peubah acak kontinu X dengan
fungsi padat peluang
2( x 1),1 x 2
f (x)
0, untuk _ x _ lainnya
Cari rataan dan varians X
CONTOH
Jawab:
2 5
E ( X ) 2 x( x 1)dx
1 3
2 17
E ( X ) 2 x ( x 1)dx
2 2
1 6
Jadi 17 5 1
2
2
6 3 18
DISTRIBUSI PELUANG DISKRIT
BERNOULLI
Dalam suatu percobaan, terdapat 2 event
katakan E dan komplementnya E’.
Contoh:
- Muncul muka dan belakang pada
pelemparan koin
- Rusak atau baik suatu komponen elektronik
- Sukses atau gagal suatu eksperimen
BERNOULLI
Jika E muncul dengan peluang p = P(E)
Dan E’ muncul dengan peluang q = P(E’) = 1 – p.
n , x x= 0,
n x 1, 2, …,n
b( x; n, p ) p q
x
BINOMIAL
Teorema:
Distribusi Binomial b(X;n,p) mempunyai rataan
dan variansi
np dan npq
2