1.5. Variabel Acak Diskrit Dan Kontinyu

Statistika
5. VARIABEL ACAK DISKRIT DAN KONTINYU
YUITA ARUM SARI, S.Kom, M.Kom
Jurusan Teknik Informatika

Program Studi Teknik Informatika
Disusun oleh : Tim Ajar Mata Kuliah Statistika 2019-2020 FILKOM
OUTLINE
Pokok
Bahasan Variabel Acak Diskrit
Distribusi Peluang Diskrit
Variabel Acak Kontinyu
Distribusi Peluang
Kontinyu
Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 2

Variabel
Variabel adalah karakteristik suatu obyek penelitian yang

bervariasi.
Contoh:
• variabel jenis kelamin (laki-laki dan perempuan).
• variabel profesi (guru, petani, pedagang).

Variabel Acak
Random variable = variabel acak = peubah acak
Variabel acak adalah sebuah fungsi yang memetakan hasil
kejadian yang ada di alam (seperti : buka dan tutup;
terang, redup dan gelap; merah, kuning dan hijau; hidup
dsb.) menjadi bilangan numerik.
Semua kejadian yang mungkin muncul dalam suatu

percobaan kita sebut sebagai anggota Ruang Sample yang
dinotasikan dengan S.
 Variabel acak disimbolkan dengan huruf besar (W,X,Y)
 Nilai variabel acak dinyatakan dengan menggunakan huruf
kecil (w, x,y)

Contoh Variabel Acak
Kemungkinan besok akan turun hujan.
Kemungkinan jawaban:
Y = { Hujan, Tidak Hujan }
atau
Y = { 1 = Hujan, 0 = Tidak Hujan }
atau
Y = { 21 = Hujan, 200 = Tidak Hujan }
Contoh lain :
Dalam pemeriksaan lampu, ada dua kejadian yg mungkin: Baik (B)
dan Mati (M). Pemeriksaan dilakukan dengan mengambil secara
acak 3 buah lampu hasil produksi.
Sebutkan ruang sampelnya!
Sebutkan variabel acak X yang menyatakan jumlah lampu yang mati

Contoh Variabel Acak
S = { BBB, BBM, BMB, BMM, MBB, MBM, MMB, MMM }
Langkah pertama, mendefinisikan X; adalah banyaknya lampu yg

rusak dalam pengambilan tsb, maka X bisa mengambil nilai : 0,1,2,3
yang menyatakan lampu yang mati.
X adalah contoh Variabel random:
S = { BBB, BBM, BMB, BMM, MBB, MBM, MMB, MMM }
X={0,1,1,2,1,2,2,3}
Terlihat X = 2 untuk kejadian E = { MMB, MBM, BMM }, Jadi tiap nilai X
berkenaan dengan sebuah himpunan bagian dari S.
Sebutkan anggota ruang sampel dari random variabel

X=3 !

Latihan Variabel Acak
Dua bola diambil berturut-urut tanpa dikembalikan dari kotak yg berisi
4 bola merah (M) dan 3 bola biru (B). Buatlah semua kemungkinan
nilai variabel random Y yang menggambarkan jumlah bola merah
yang terambil.
Ruang sampel y
MM 2
MB 1
BM 1
BB 0

Jenis Variabel Acak
Peubah acak diskrit merupakan deskripsi

numerik dari karakteristik yang diperoleh
melalui suatu proses pencacahan.
Peubah acak kontinu merupakan deskripsi

numerik dari karakteristik yang diperoleh
melalui suatu proses pengukuran.

Jenis Variabel Acak

Variabel Acak
Diskrit

Misalkan X adalah variabel acak diskrit maka fungsi kepadatan
probabilitas (probability density function, PDF) dapat didefinisikan
sebagai :
Dimana, fungsi Px (x) adalah fungsi distribusi probabilitas dari X untuk

variabel acak diskrit. Syarat PDF dari variabel acak diskrit adalah :
PDF bernilai 0 sampai 1
Jumlah semua PDF dari variabel acak

diskrit X pada ruang sampel adalah 1

Jika percobaan dengan menggunakan 2

koin mata uang,
maka peristiwa yang terjadi adalah : x P(X=x)
S = {GG, GA, AG, AA}
0 ¼
dengan probabilitas masing-masing adalah
: 1 ½
P(GG) = P(GA) = P(AG) = P(AA) = 1/4 2 ¼
Jika X menyatakan banyaknya G, maka Jumlah 1
nilai X di atas adalah
X = 0,1,2
sehingga :
P(X=0) = 1/4 P(X=1) = 2/4 P(X=2) = 1/4

X  nama variabel random

x  salah satu nilai X yang mungkin terjadi
f(x) = P(X=x)
f(x) disebut fungsi peluang untuk variable acak X
pada nilai X=x disebut juga fungsi frekuensi
x P(X=x)
0 ≤ f(x) ≤ 1 0 ¼
1 ½
2 ¼
Jumlah 1

Latihan 1
Melempar 3 mata uang (tiap kali Gambar,
Angka). Misal didefinisikan variabel randomnya X: banyak G dalam
pelemparan tersebut.
a) Sebutkan ruang sampelnya !
b) Tentukan nilai dan distribusi/sebaran peluang variabel random X
yang telah terbentuk!

Latihan 2 Diketahui ruang sampel dari sebuah percobaan :
Percobaan 1 2 3 Jumlah mata angka
1 A A A 3
2 A A G 2
3 A G G 1
4 G G G 0
5 G A A 2
6 G G A 1
7 G A G 1
8 A G A 2
Tentukan distribusi probabilitas diskritnya !

Latihan 3
Jumlah mobil Jumlah
terjual dlm hari Jika X menyatakan jumlah mobil yg terjual
sehari dalam sehari, maka p(0) menyatakan
0 54 probabilitas 0 mobil terjual per hari, p(1)
menyatakan probabilitas 1 mobil terjual
1 117 perhari dan seterusnya. Berdasarkan
2 72 informasi yang diperoleh maka
3 42 a). Berapa probabilitas 0 mobil dalam
sehari?
4 12
b). Berapa probabilitas bahwa 3 atau
5 3 lebih mobil terjual dalam sehari?
Total 300

Latihan 3
Jumlah mobil Jumlah
terjual dlm hari
sehari
0 54
1 117 b). sebaran kumulatif dari f(x) adalah
2 72
3 42 1/8 untuk x ≤ 0
4 12 F (x) = 4/8 untuk x ≤ 1
5 3 7/8 untuk x ≤ 2
Total 300 1 untuk x ≤ 3

Histogram Latihan 3
Penjualan Mobil
0.45
0.4
0.35
0.3
0.25 Series 1
0.2
0.15
0.1
0.05
0
0 hari 1 hari 2 hari 3 hari 4 hari 5 hari

Distribusi Peluang
Diskrit Kumulatif
Misalkan X merupakan variabel acak diskrit maka fungsi
kepadatan kumulatif (cumulative density function, CDF) dapat
didefinisikan sebagai
Dimana, fungsi Fx (x) adalah fungsi distribusi probabilitas dari X untuk

variabel acak diskrit kumulatif.
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.
a). Tentukanlah sebaran distribusi variabel acaknya, dimana X =
jumlah lampu mati!
b). Kemudian carilah fungsi distribusi kumulatifnya !

Distribusi Peluang
Diskrit Kumulatif
a). S = {BBB, BBM, BMB, BMM, MBB, MBM, MMB, MMM}

X = { 0 , 1 , 1 , 2 , 1 , 2 , 2 , 3 }
x fi P(X=x)
b). sebaran kumulatif dari f(x) adalah
0 1 1/8
1 3 3/8
1/8 untuk x ≤ 0
2 3 3/8
F (x) = 4/8 untuk x ≤ 1
3 1 1/8
7/8 untuk x ≤ 2
Jumlah 8 1
1 untuk x ≤ 3

Distribusi Peluang
Diskrit Kumulatif
x fi P(X=x)
0 1 1/8
1 3 3/8
2 3 3/8
3 1 1/8
Jumlah 8 1

Distribusi Peluang
Diskrit Kumulatif
Latihan Soal !
Dari Latihan 1, 2 dan 3 buatlah sebaran kumulatifnya.

Bagaimana menghitung
peluang gabungan
dari 2 variabel?

Distribusi Probabilitas
Bersama (joint) Diskrit
• Dalam berbagai kasus eksperimen variabel random yg

terlibat bisa lebih dari satu.
Misal: berat dan tinggi, jarak dengan kecepatan
• Distribusi Probabilitas Bersama  distribusi probabilitas
terjadinya variable random X dan Y secara bersamaan.
• Jadi fungsi distribusi probabilitas bersama X=x dan Y=y
diberikan oleh
f(x,y) = P(X=x, Y=y)

Sifat-sifat fungsi distribusi probabilitas

bersama:
1. f(x,y)≥0, all x,y

2. Total jumlah = 1
 f ( x, y)  1
x y

CONTOH y
(x,y)
Diberikan data ttg jumlah kamar 2 3 4 5
tidur dan kamar mandi dari 50
rumah yang akan dijual sbb 2 3 0 0 0
*) X kamar tidur, x 3 14 12 2 0
*) Y kamar mandi
4 2 11 5 1
Hitunglah:
a. sebaran distribusi peluang bersama dari X dan Y
b. peluang terjual rumah dengan 3 kamar tidur dan 2 kamar mandi
c. peluang terjual rumah dengan jumlah kamar paling banyak 5
kamar (kamar tidur + kamar mandi)

JAWAB
a. y
f(x,y) Total
2 3 4 5
2 3/50 0 0 0 3/50
x 3 14/50 12/50 2/50 0 28/50
4 2/50 11/50 5/50 1/50 19/50
Total 19/50 23/50 7/50 1/50 50/50

Jawab:
b. f(3,2) = 14/50
c. f(x+y ≤5) = f(2,2) + f(2,3) + f(3,2)
= 3/50 + 0 + 14/50
= 17/50

CONTOH
Suatu kotak berisi 5 bola merah, 3 bola biru, dan 2 bola kuning.
Diambil sebanyak satu kali secara acak empat bola sekaligus
dari dalam kotak tersebut.
Misalkan X adalah kejadian terambil bola merah dan

Y adalah kejadian terambil bola biru.
Tentukan Distribusi Probabilitas Bersama X dan Y!

JAWAB
5 bola merah, 3 bola biru, dan 2 bola kuning  diambil 4 bola
• X adalah kejadian terambil sebanyak x bola merah,

nilai x = 0, 1, 2, 3, 4
• Y adalah kejadian terambil sebanyak y bola biru,
nilai y = 0, 1, 2, 3
Banyaknya semua kejadian yg mungkin terjadi 

n(S) = (5+3+2)C4 = 10C4 = 210

JAWAB
5 bola merah, 3 bola biru, dan 2 bola kuning  diambil 4 bola
• X adalah kejadian terambil sebanyak x bola merah,
• Y adalah kejadian terambil sebanyak y bola biru,
f(x,y) = P(X=x, Y=y)
f(0,0)  0 merah; 0 biru ; 4 kuning?  tdk mungkin = 0
f(0,1) atau f(1,0) 1 merah atau 1 biru ; 3 kuning?  tdk mungkin = 0
f(0,2)  0 merah; 2 biru ; 2 kuning  mungkin
f(0,2) = =
f(2,1)  2 merah; 1 biru ; 1 kuning  mungkin

f(2,1) = =

y
f(x,y) Total
0 1 2 3
0 0 0 3/210 2/210 5/210
1 0 15/210 30/210 5/210 50/210
x 2 10/210 60/210 30/210 0 100/210
3 20/210 30/210 0 0 50/210
4 5/210 0 0 0 5/210
Total 35/210 105/210 63/210 7/210 1

Variabel Acak
Kontinyu

Variabel Acak Kontinu
Suatu variabel dapat mempunyai nilai pada suatu range tertentu.

Jika variabel X adalah variabel acak kontinu maka banyaknya nilai
x tak dapat dihitung.
 Variabel acak kontinu mempunyai nilai-nilai pada sumbu real

dalam lingkup kontinu.
 Sumber eksperimen untuk variabel acak bukanlah kejadian
diskrit, sebab sumbu real yang kontinu terdiri dari titik-titik yang
kontinu yang seharusnya juga memiliki hubungan dengan
kejadian.
 Fungsi pemetaan haruslah “single valued” dari semua kejadian
pada setiap titik

Ruang Sampel Variabel Acak Diskrit
 Ruang sampel variabel acak diskrit banyaknya

berhingga atau sederetan anggota yang banyaknya
sebanyak bilangan bulat.
 Data dari bilangan cacah adalah diskrit.

Contoh variabel acak diskrit:
 Jumlah barang cacat
 Jumlah suatu benda yang diambil secara bersamaan.
 Mahasiswa/ i yang hadir tiap kuliah.
 Sepeda motor yang parkir antara pukul 07.00 – 12.00.
Ada contoh yang lain?

Ruang Sampel Variabel Acak Kontinu
 Ruang sampel variabel acak kontinu banyaknya tak

berhingga dan banyaknya sebanyak titik pada sepotong
garis.
 Data dari pengukuran biasanya adalah kontinu.

Contoh variabel acak kontinu:
 Jarak tempuh sebuah mobil dengan bahan bakar 10
liter bensin.
 Berat seorang bayi yang baru lahir.
 Lamanya waktu yang diperlukan suatu reaksi kimia.
 tinggi, temperatur dll.
Ada contoh yang lain?

 Contoh:
 Dimisalkan volume lalu lintas dan kondisi jalan sepanjang
100km hampir sama, maka terdapat kecenderungan terjadinya
kecelakaan di sepanjang jalan tersebut seragam. Jika X adalah
variabel random yang nilainya menyatakan jarak dari km 0
sampai suatu titik tempat terjadinya kecelakaan.
0 100
 Maka:
 Nilai variabel random X adalah setiap titik di sepanjang km 0
sampai dengan km 100, dan dapat ditulis sbb : 0 ≤ x ≤ 100.
 Sehingga didapatkan pula ruang sampel S = {x | 0 ≤ x ≤ 100}

 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 165cm = 0
Tapi probabilitas menemukan orang dengan tinggi antara 160cm s/d
165cm tentunya ada!
 Jadi yg dicari adalah probabilitas sebuah variabel acak yang memiliki

nilai dalam sebuah selang interval → e.g. P(a<X<b)
 Untuk fungsi distribusi probabilitas kontinu, f(x) disebut fungsi rapat

probabilitas dari X. Sedangkan probabilitas menemukan nilai X dalam
sebuah selang diberikan oleh luas di bawah kurva x terhadap f(x).

Misalkan X adalah variabel acak kontinu maka fungsi kepadatan probabilitas
(probability density function, PDF) dapat didefinisikan sebagai
Dimana, fungsi fx (x) adalah fungsi distribusi probabilitas dari X untuk variabel
acak kontinu. Syarat PDF dari variabel acak kontinu yang didefinisikan di atas
himpunan semua bilangan real adalah :
1. PDF variabel acak kontinu bernilai 0 sampai 1
Luasan dari semua PDF dari variabel acak kontinu X

2.
pada ruang sampel adalah 1
3. Nilai a dan b adalah nilai sembarang dari

X yang memenuhi a < b
4. Jika X peubah acak kontinu dan a, b adalah dua konstanta real dengan a ≤ b maka

 Fungsi kerapatan probabilitas : f(x)
f(x)
Luas di bawah f(x) antara x=a dan x=b
memberikan probabilitas menemukan nilai
X antara a dan b, atau
P(a ≤ X ≤ b).
Ciri-ciri lain dari fungsi rapat probabilitas:
1. f(x) ≥ 0
2. 
 f ( x)dx  1

a b x

Contoh :
Misal kesalahan dalam pencatatan temperature di sebuah
percobaan adalah sebuah variabel random X yg memiliki fungsi
rapat probabilitas sebagai berikut:
 x2
 1  x  2
f ( x)   3
 0 lainya
a) Periksalah apakah f(x) memenuhi syarat sebagai fungsi

rapat probabilitas !
b) Berapakah probabilitas menemukan kesalahan
pencatatan antara 0 dan 1?

 2 2 3 2
x x
a.  f ( x)dx  1 3 dx  9 1
1
1 1 2 3 1
x x 1
b. P(0  X  1)   f ( x)dx   dx  
0 0
3 9 0
9

Misalkan X merupakan variabel acak kontinu maka fungsi kepadatan

kumulatif (cumulative density function, CDF) dapat didefinisikan
sebagai
x
F ( x)  P( X  x)   f (t )dt

Nilai-nilai x dalam rumus ini harus kontinu atau dalam suatu interval
Tentu konsekuensi dari definisi tersebut juga berlaku:
1. f(x) = dF/dx
2. P(a<X<b) = F(b)-F(a)

Misal kesalahan dalam pencatatan temperature di sebuah

percobaan adalah sebuah variabel random X yg memiliki
fungsi rapat probabilitas sebagai berikut:
 x2
 1  x  2
f ( x)   3

 0 lainya
a) Tentukan fungsi distribusi kumulatif nya
b) Pakailah untuk menghitung P(0<x<1)

Jawab:
a) Distribusi kumulatif
b) P(0<x<1)

Distribusi Peluang Gabungan Kontinu
Untuk variabel random kontinu, fungsi rapat probabilitas

bersama f(x,y) didefinisikan sebagai:
 f(x,y) ≥ 0 untuk seluruh x dan y
 Total integral di seluruh area =1
 
  f ( x, y)dxdy  1
  
 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

Contoh:
Sebuah perusahaan coklat mendistribusikan kotak-kotak
cokelat yang berisi isian jenis: krim, kopi 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 :
a) Periksalah apakah integral f(x,y) di seluruh daerah = 1

b) Carilah probabilitas untuk 0<x<½ dan ¼<y<½
Jawab:
a) Integral di seluruh wilayah (x,y): x 1
  11 1
2 x 2  6 xy
 f(x,y)dxdy 
 2 ( 2 x  3y)dxdy 
5  5 5
dy
  00 0 x 0
1 1
2

6y 2 y 3y
 ( 2  )dy  (  )  23 1
5 5 5 5 5 5
0 0
b) P(0<x<½, ¼<y<½)
1/ 2 1/ 2 1/ 2 x 1/ 2
2x 2  6xy

  2 (2x  3y) dxdy 
5  5 5
dy
1/ 4 0 1/ 4 x 0
1/ 2 1/ 2
2

3y y 3y
 ( 1  )dy  (  )  13
10 5 10 10 160
1/ 4 1/ 4

Latihan:
Diketahui :
x(1  3y 2 )
f(x, y)  ; 0 x  2
4
0  y 1
0 ; x, y yang lainnya
a) Apakah f(x, y) memenuhi syarat kontinyu
b) Hitunglah P{(x, y), 0  x  1 ; 0  y  1}

~ ~
~ ~ b)   f(x, y)dxdy  1
a)   f(x, y)dxdy  1 -~ -~
1 1
-~ -~
x(1  3y 2 )
1 2
x(1  3y 2 ) y0 x0 4 dxdy
y0 x0 4 dxdy 1 1
 x 3xy 2 
1 2
 x 3xy 2 
y0 x0  4  4 dxdy
y0 x0  4  4 dxdy 1
x 2 2 2
1

3x y
2 8 
y 0 

8
.  dy
0
1
x 2
3x y 2 2

y 0  8
 
8
. dy
0
1
 1 3.1.y 2 
y0  8  8 dy
1
 4 3.4.y 2 
y0  8  8 dy 1 2 3 1
1 3y y 3y 1 1 1
y 0 8 8
(  )dy  (  )   
8 8.3 0 8 8 4
1 2 3 1
1 3y y 3y 1 1
y 0 2 2
(  )dy  (  )   1
2 2.3 0 2 2

Distribusi Peluang Bersama Marginal
Dari fungsi distribusi gabungan f(x,y) dapat dipecahkan menjadi

fungsi distribusi g(x) dan h(y), Dimana :
x , y 1) Variabel Acak Kontinu
 
f(x,y) g(x) 
 f(x,y)dy h(y) 
 f(x,y)dx
 
x y
2) g(x) dan h(y)  0
g(x) h(y)
Fungsi Distribusi
Marginal

Misal X,Y adalah variabel random (diskrit/kontinu),

maka distribusi probabilitas bersyarat dari variabel Y
asalkan X=x adalah:
p(A  B)
P(A B) 
P(B)
f(x, y)
P(A  x B  y)  f(x y) 
h(y)
f(x, y)
P(A  y B  x)  f(y x) 
g(x)

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
a) Carilah fungsi rapat probabilitas marginal g(x) dan h(y)
b) Carilah fungsi rapat probabilitas bersyarat f(y|x)
c) Carilah probabilitasnya bahwa spektrum akan bergeser lebih
dari 50% dari seluruh pengamatan, jikalau temperature
dinaikkan 0.25 unit.

a) Fungsi rapat probabilitas marginal:

 1
10
g ( x)  

f ( x, y )dy   10 xy 2 dy 
x
3
x(1  x 3 ), 0  x 1
 y
h( y ) 

 f ( x, y )dx   10 xy 2 dx  5 x 2 y 2 ,
0
0  y 1
b) Fungsi rapat probabilitas bersyarat f(y|x)
f ( x, y ) 10 xy 2 3y2
f ( y | x)    0  x  y 1
g ( x) 10 1  x 3
x(1  x )
3

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)
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
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

Latihan 1
Misalkan X perubah acak yang menyatakan banyaknya pelari pria
dan Y pelari wanita yang menyelesaikan lomba-lomba maraton.
Secara matematika dapat dinyatakan sebagai fungsi padat
gabungan:
8 xy 0  y  x 1
f ( x, y )  
 0 lainnya
a) Hitunglah g(x), h(y), f(y|x)!

b) Tentukan peluang bahwa kurang dari 1/8 pelari wanita
yang menyelesaikan maraton bila ada tepat 1/2 pria
telah menyelesaikan maraton tersebut!

Latihan 2
Hasil pengukuran arus listrik pada suatu
generatortelekomunikasi nirkabel merupakan distribusi
probabilitas acak kontinyu dengan fungsi kerapatan :
a. Apakah total luas dari fungsi tersebut = 1 ?

b. Hitung P(3,5 < X < 4,5) !

Latihan 3
Fungsi rapat probabilitas bersama antara variabel random X dan Y,
dengan X adalah perubahan amplitudo dan Y adalah persentase
pergeseran frekuensi dari sebuah gelombang adalah sebagai
berikut :
a. Carilah fungsi rapat probabilitas marginal g(x) dan h(y)

b. Carilah fungsi rapat probabilitas bersyarat f(y|x)
c. Carilah probabilitasnya bahwa frekuensi akan bergeser lebih dari
70% dari seluruh pengamatan, jika amplitudo dinaikkan 0,5 unit.

Terima Kasih…
Yuita Arum Sari, S.Kom, M.Kom 59

1.5. Variabel Acak Diskrit Dan Kontinyu

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

1.5. Variabel Acak Diskrit Dan Kontinyu

Diunggah oleh

Hak Cipta:

Format Tersedia

Statistika

5. VARIABEL ACAK DISKRIT DAN KONTINYU

YUITA ARUM SARI, S.Kom, M.Kom

Jurusan Teknik Informatika

Distribusi Peluang Diskrit

Variabel Acak Kontinyu

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 2

Variabel adalah karakteristik suatu obyek penelitian yang

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 3

Semua kejadian yang mungkin muncul dalam suatu

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 4

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 5

Langkah pertama, mendefinisikan X; adalah banyaknya lampu yg

Sebutkan anggota ruang sampel dari random variabel

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 6

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 7

Peubah acak diskrit merupakan deskripsi

Peubah acak kontinu merupakan deskripsi

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 8

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 9

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 10

Dimana, fungsi Px (x) adalah fungsi distribusi probabilitas dari X untuk

PDF bernilai 0 sampai 1

Jumlah semua PDF dari variabel acak

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 11

Jika percobaan dengan menggunakan 2

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 12

X  nama variabel random

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 13

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 14

Tentukan distribusi probabilitas diskritnya !

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 15

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 16

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 17

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 18

Dimana, fungsi Fx (x) adalah fungsi distribusi probabilitas dari X untuk

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 19

a). S = {BBB, BBM, BMB, BMM, MBB, MBM, MMB, MMM}

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 20

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 21

Dari Latihan 1, 2 dan 3 buatlah sebaran kumulatifnya.

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 22

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 23

• Dalam berbagai kasus eksperimen variabel random yg

f(x,y) = P(X=x, Y=y)

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 24

Sifat-sifat fungsi distribusi probabilitas

1. f(x,y)≥0, all x,y

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 25

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 26

x 3 14/50 12/50 2/50 0 28/50

4 2/50 11/50 5/50 1/50 19/50

Total 19/50 23/50 7/50 1/50 50/50

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 27

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 28

Misalkan X adalah kejadian terambil bola merah dan

Tentukan Distribusi Probabilitas Bersama X dan Y!

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 29

• X adalah kejadian terambil sebanyak x bola merah,

Banyaknya semua kejadian yg mungkin terjadi 

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 30

f(2,1)  2 merah; 1 biru ; 1 kuning  mungkin

Tim Ajar Mata Kuliah Probabilitas & Statistik 2015-2016 FILKOM 31