Contoh:
Dalam pemeriksaan lampu, ada dua kejadian yg mungkin: Baik (B) dan
Mati (M). Pemeriksaan dilakukan dengan mengambil secara acak 3 buah
lampu hasil produksi. Maka ruang sampelnya adalah:
S = {BBB,BBM, BMB,BMM, MBB,MBM, MMB,MMM}
Definisikan X adalah fungsi yang menyatakan banyaknya lampu yg rusak
dalam pengambilan tsb, jadi X bisa mengambil nilai : 0,1,2,3.
X adalah contoh Variabel (fungsi) random.
S = {BBB,BBM, BMB,BMM, MBB,MBM, MMB,MMM} – ruang sample
X = {0 ,1 , 1 ,2 , 1 ,2 ,2 ,3} - variabel random
Konsep Variabel Random
Distribusi Probabilitas
0.5
0.375 0.375
0.4
Probabilitas
0.3
0.2
0.125
0.1
0
0
0 1 2 3
X (banyak G)
Distribusi Probabilitas atau Fungsi Probabilitas
Himpunan pasangan {x,f(x)} disebut fungsi
probabilitas dari variabel random diskrit X jika untuk
setiap nilai x:
– f(x) > 0 , harus positif
– ∑x f(x) = 1, total probabilitas seluruh kejadian = 1
– P(X=x) = f(x)
Contoh
Mobil yg dijual sebuah dealer 50% dilengkapi dengan
air-bag. Tentukanlah distribusi probabilitas bahwa x
dari dari 4 buah mobil yang akan terjual berikutnya
akan memiliki air-bag.
Distribusi Probabilitas atau Fungsi Probabilitas
Jawab:
– Probabilitas menjual sebuah mobil dg air-bag adalah ½ maka untuk 4
penjualan berikutnya ada 24 =16 susunan yg mungkin. Banyaknya cara
menjual 3 mobil dengan air-bag dari 4 penjualan tsb adalah banyak
kombinasi dari 4 obyek diambil 3 tiap kali (sebab tiap mobil tidak
dibedakan, hanya ber air bag atau tidak saja). Atau dipandang sebagai
banyak cara mempartisi 4 obyek ke dalam 2 sel, sel pertama berisi 3
mobil dg air-bag dan 1 sel berisi mobil tanpa air-bag, yaitu C43 = 4!/(3!
1!) = 4 cara.
– Jadi secara umum banyaknya cara untuk menjual x mobil dg air-bag
dari 4 penjualan 4 mobil adalah : C4x.
– Maka probabilitas menjual x mobil dg air bag dalam 4 penjualan adalah
4
x
f ( x)
16
Distribusi Probabilitas Kumulatif
Distribusi probabilitas kumulatif F(x) dari sebuah variabel random X dengan
fungsi probabilitas f(x) adalah jumlahan dari f(x) dari nilai x=-∞ hingga x:
F(x) = P(X<x) = ∑t<x f(t) untuk -∞< x < ∞
Soal.
Carilah fungsi distribusi kumulatif dari contoh sebelumnya.
Jawab:
f(0) = C40/16 = 1/16 f(1) = C41/16 = 4/16 f(2) = C42/16 = 6/16
f(3) = C43/16 = 4/16 f(4) = C44/16 = 1/16
Sehingga fungsi distribusi kumulatifnya:
F(0) = f(0) = 1/16, 0 ≤ x < 1
F(1) = f(0)+f(1) = 5/16, 1 ≤ x < 2
F(2) = f(0)+f(1)+f(2) = 11/16, 2 ≤ x < 3
F(3) = f(0)+f(1)+f(2)+f(3) = 15/16, 3 ≤ x < 4
F(4) = f(0)+f(1)+f(2)+f(3) = 1, x ≤ 4
Distribusi Probabilitas Kumulatif Diskrit
Grafik Fungsi Distribusi Probabilitas (fx) dan Distribusi Probabilitas Kumulatif
f(x)
2/5 3/8
7/20
3/10
1/4 1/4
1/4
1/5
3/20
1/10 1/16 1/16
1/20
0
0 1 2 3 4
F(x)
1 1/5
1
1 15/16
4/5 11/16
3/5
2/5 5/16
1/5 1/16
0
0 1 2 3 4
Distribusi Probabilitas Kontinu
Perbedaan dengan yang diskrit adalah pada fungsi distribusi probabilitas
kontinu, nilai probabilitas untuk satu nilai tertentu saja tak bisa diberikan
(0), jadi tak bisa ditabelkan!
Contoh:
Probabilitas menemukan orang dengan tingginya tepat 165.0 cm =0
Tapi probabilitas menemukan orang dengan tinggi antara 160.0cm s/d 165.0
cm tentunya ada!
Jadi yg dicari adalah probabilitas sebuah variabel random memiliki nilai dalam
sebuah selang interval e.g. P(a<X<b)
b
P(a X b) f ( x)dx
a
a b x
Jawab.
a. 2 2 b. 3 2
x x 1 1 2 3 1
x x 1
f ( x ) dx 1 3 dx
9
1 P(0 X 1) f ( x)dx
3
dx
9
9
1 0 0 0
Distribusi Probabilitas Kontinu Kumulatif
Analog dg kasus diskrit, maka fungsi distribusi probabilitas kontinu
kumulatif F(x) dari fungsi rapat probabilitas f(x) didefinisikan sbg:
x
F ( x) P ( X x) f (t )dt
Soal.
Pakailah contoh sebelumnya untuk fungsi rapat probabilitas.
• Tentukan fungsi distribusi kumulatif nya
• Pakailah untuk menghitung P(0<x<1)
• Buatlah sketsa F(x)
Distribusi Probabilitas Bersama (Joint)
Dalam berbagai kasus eksperimen variabel random yg terlibat bisa lebih
dari satu. Misalnya berat dan tinggi, volume dengan kecepatan penguapan
dll. Sehingga ruang sampelnya berdimensi lebih dari 1. Dalam kasus
seperti ini kita tertarik untuk mengetahui distribusi probabilitas terjadinya
variable random X dan Y secara bersamaan, yang dikenal dengan nama
Distribusi Probabilitas Bersama.
Jadi fungsi distribusi probabilitas bersama X=x dan Y=y diberikan oleh
f(x,y) = P(X=x, Y=y).
Jawab:
Pasangan (x,y) yang mungkin adalah: (0,0),(0,1),(1,0),(1,1),(0,2),(2,0)
Jadi f(0,1) menggambarkan probabilitas terpilihnya 1 merah dan 0 biru
(berarti 1 lagi hijau!).
Banyaknya cara memilih 2 refill dari 8 buah yg ada di kotak = kombinasi
memilih 2 dari 8 obyek: C82 = 8!/{(8-2)!2!)}= 28 kombinasi yg mungkin.
Banyak cara memilih 1 merah dari 2 merah yg tersedia C21
Banyak cara memilih 1 hijau dari 3 hijau yg tersedia C31
Distribusi Probabilitas Bersama (Joint)
Jawab (lanjutan):
Jadi banyak cara memilih 1 merah dari 2 dan 1 hijau dari 3 hijau adalah:
C21*C31 = 6.
Jadi probabilitas memilih 1 merah dan 1 hijau f(0,1) = 6/28
Selengkapnya diberikan tabel berikut:
Untuk variabel random kontinu, analog dengan kasus diskrit, fungsi rapat
probabilitas bersama f(x,y) didefinisikan sbg:
1. f(x,y) ≥0 untuk seluruh x dan y
2. Total integral di seluruh area =1 f ( x, y)dxdy 1
3. Probabilitas nilai X=x dan Y=y di dalam area tertentu diberikan oleh hasil
integral f(x,y) dengan (x,y) dalam area termaksud
P[( X , Y ) A] f ( x, y ) dxdy
A
Distribusi Probabilitas Bersama (Joint)
Contoh.
Sebuah perusahaan permen mendistribusikan kotak-kotak cokelat yang
berisi isian jenis: krim, tofi dan kacang. Terdapat dua tipe cokelatnya
yaitu : coklat gelap dan putih. Misalkan dipilih acak 1 kotak, dan variabel
random X dan Y menyatakan persentase dari coklat putih dan gelap yang
berisi krim, dengan fungsi rapat probabilitas bersamanya:
2
( 2 x 3 y ) 0 x 1,0 y 1
f ( x, y ) 5
0, lainnya
1.5
0.5
0
1
1
0.8
0.5 0.6
0.4
0.2
0 0
Distribusi Probabilitas Bersama (Joint)
Jawab.
a. Integral di seluruh wilayan x,y:
1 1
2
f ( x, y)dxdy 0 0 5 (2 x 3 y)dxdy 1
b. P(0<X<1/2,1/4<Y<1/2)
1 / 21 / 2 1 / 21 / 2
2
1/ 4 0
f ( x, y )dxdy (2 x 3 y )dxdy 13 / 160
1/ 4 0
5
Distribusi Probabilitas Bersyarat (Conditional)
Contoh.
Fungsi rapat probabilitas bersama antara variabel random X dan Y, dengan X
adalah perubahan temperatur dan Y adalah persentase pergeseran
spektrum dari suatu atom diberikan oleh:
10 xy 2 0 x y 1
f ( x, y )
0 lainnya
Jawab.
a. Fungsi rapat probabilitas marginal:
y
h( y )
f ( x, y )dx 10 xy 2 dx 5 y 4 ,
0
0 y 1
1
10
g ( x)
f ( x, y )dy 10 xy 2 dy
x
3
x(1 x 3 ), 0 x 1
f ( x, y ) 10 xy 2 3y2
f ( y | x) 0 x y 1
g ( x) 10 1 x 3
x(1 x )
3
3
Distribusi Probabilitas Bersyarat (Conditional)
Jawab.
c. Probabilitas mendapati spektrum tergeser > 50% (Y>0.5) jikalau
temperatur dinaikkan 0.25 unit (X=0.25), berarti:
P(y>0.5|x=0.25)
1 1
3y2 8
P( y 0.5 | x 0.25) f ( y | x 0.25)dy dy
0. 5 0 .5
1 0. 25 3
9
Independensi Statistik (Tak saling bergantung)