Kelompok 2

Nama Anggota Kelompok:

Sheva Readyanda (F1041191022)
Emi Nozivi (F1041191035)
Hubungan Harapan dan Variansi Dari Peubah
Acak Khusus
•Teorema
  1.7.1 :
Jika x berdistribusi Bernoulli
maka E (X) = p dan Var (X) = pq.

Keterangan :
p = probabilitas sukses sebuah percobaan
q = probabilitas gagal sebuah percobaan = 1 – p
x = jumlah sukses
Bukti:
Berdasarkan definisi, nilai harapan/ekspektasi dari X adalah :
E(X) =
=
= 0.p0.(1 – p)1 – 0 + 1.p1.(1 – p)1 – 1
= 0.1.(1 – p) + 1.p.1
=p
Jadi, E (X) = p
  E (X2) =

= 02.p0.(1 – p)1 – 0 + 12.p1.(1 – p)1 – 1

= 0.1.(1 – p) + 1.p.1
= p
Jadi E (X2) = p
 
Berdasarkan definisi varians, maka :
Var(X) = E(X2) – [E(X)]2
= p – p2
= p (1 – p)
= pq
Jadi, Var(X) = pq

Jadi, jika X berdistribusi Bernoulli

maka E (X) = p dan Var (X) = pq.
Teorema 1.7.2
•Jika
  x berdistribusi binomial
maka E (X) = np dan Var (X) = npq.
 
Keterangan :
p = probabilitas sukses sebuah percobaan
q = probabilitas gagal sebuah percobaan = 1 – p
n = jumlah percobaan
x = jumlah sukses dari n percobaan
Bukti:
Berdasarkan definisi, nilai harapan/ekspektasi dari X adalah :
E(X) =
=
=
=
=
=
=
=

Misalkan :
y = x – 1 dan m = n – 1,
Batas-batas :
Untuk x = 1, maka y = 0
Untuk x = n, maka y = n – 1 = m

= np. (1)
Jadi E (X) = np
E(X2)=

=
 =

Misalkan :
y = x – 2 dan m = n – 2
Batas-batas :
Untuk x = 2, maka y = 0
Untuk x = n, maka y = n – 2 = m
=
= n(n – 1)p2.(1) + np
= n(n – 1)p2 + np
= n2p2 – np2 + np
Jadi, E(X2) = n2p2 – np2 + np
  Berdasarkan definisi varians, maka :
Var(X) = E(X2) – [E(X)]2
= n2p2 – np2 + np – (np)2
= n2p2 – np2 + np – n2p2
= np – np2
= np(1 – p)
= npq
Jadi, Var(X) = npq

Jadi, jika X berdistribusi Bernoulli

maka E (X) = np dan Var (X) = npq. Terbukti.
Teorema 1.7.3
•Jika
  X berdistribusi Poisson
maka E (X) = λ dan Var (X) = λ.

Keterangan :
e = bilangan logaritma natural = 2,71828…
λ = rata-rata distribusi (rata-rata banyaknya sukses yang terjadi dalam
selang waktu atau daerah tertentu), yang juga merupakan variansinya
Bukti:
Berdasarkan definisi, nilai harapan/ekspektasi dari X adalah :
E(X) =

Misalkan :
y = x – 1 x = y + 1
Batas-batas :
Untuk x = 1, maka y = 0
Untuk x = ∞, maka y = ∞
• = 
=
=
=
Jadi, E(X) =

Berdasarkan definisi varians, maka :

Var(X) = E(X2) – [E(X)]2
= E[X(X – 1) + X] – [E(X)]2
= E[X(X – 1)] + E(X) – [E(X)]2
 Berdasarkan nilai ekspektasi diskrit, maka :
E[X(X – 1)] =

=
Misalkan :
y=x–2x=y+2
Batas-batas :
Untuk x = 2 , maka y = 0
Untuk x = ∞, maka y = ∞

=.

= (1)
=
 
Sehingga :
Var(X) = E[X(X – 1)] + E(X) – [E(X)]2
=
=
Jadi, Var(X) =

Jadi, jika x berdistribusi poisson

,
maka E(X) = dan Var(X) = . Terbukti.  
Teorema 1.7.4
•Jika
  X berdistribusi Seragam
f (x) =
maka dan
Bukti
•Berdasarkan
  definisi, nilai harapan/ekspektasi dari X adalah :

Jadi, E(X) =
 

Jadi,
  Berdasarkan definisi varians, maka :

Jadi, Var(X) =
Jadi, jika X berdistribusi seragam
maka dan Var . Terbukti.
Teorema 1.7.5
•Jika
  berdistribusi eksponen
maka
Bukti:
•Berdasarkan
  definisi, nilai harapan/ekspektasi dari X adalah :

[Menggunakan integral parsial]

Jadi, E(X) =
 

Jadi,

Berdasarkan definisi varians, maka :

Var(X) = 2
=
=
Jadi, Var(X) =
Jadi, jika berdistribusi eksponen
maka
Teorema 1.7.6
Teorema 1.7.7
•Teorema
  1.7.7 :

Jika X berdistribusi Gamma G(x, , A = 0) maka

untuk r > 0, maka

Sifat fungsi Gamma :

1. p!, untuk p bilangan bulat positif

  Contoh:
Misalkan peubah acak x berdistribusi Gamma G(x4, 2, 3).
Tentukan titik a sehingga peluangnya 50% memperoleh nilai x
yang lebih kecil atau sama dengan a [P (x ≤ a) = 0,05]. (nilai a
disebut median dari x juga suatu distribusi x).

Jawab:
Diketahui : G(x4, 2, 3) maka
=4
=2
A = 3 berarti
Sehingga

Dari tabel 9 pada baris  = 4 dan lajur y = 0.05

Karena  = 2 maka a = 2() + 3 = 12,342

Jadi median G(x4, 2, 3) adalah 12,342
Fungsi Densitas Gamma
•Peubah
  acak X dikatakan berdistribusi gamma, jika dan hanya jika
fungsi densitasnya berbentuk :
 
Peubah acak X yang berdistribusi gamma disebut juga peubah acak gamma. Penulisan notasi dari peubah acak X yang
berdistribusi gamma adalah G(x; α, β) artinya peubah acak X berdistribusi gamma dengan parameter α dan β. Peubah acak X yang
berdistribusi gamma dengan parameternya α dan β bisa juga ditulis sebagai :
X ~ G(x; α, β)

• Distribusi Beta

Misalnya fungsi densitas dari peubah acak Y yang berdistribusi seragam berbentuk :
h(y)=

Apabila kita memperhatikan fungsi densitas di atas, maka sebenarnya fungsi densitas tersebut merupakan hal khusus dari
distribusi lain, yang disebut distribusi beta.

• Fungsi Densitas Beta

Peubah acak X dikatakan berdistribusi beta, jika dan hanya jika fungsi densitasnya berbentuk :
Peubah acak X yang berdistribusi beta disebut juga peubah acak beta. Penulisan notasi dari peubah acak yang berdistribusi beta
adalah B(x; α, β), artinya peubah acak X berdistribusi beta dengan parameter α dan β bisa juga ditulis sebagai :

X ~ B (α, β)
Distribusi Geometrik
•Teorema
  1.7.9
Jika X berdistribusi Geometrik
f (x) =
maka dan
Bukti:
•Berdasarkan
  definisi, nilai harapan/ekspektasi dari X adalah :
 

Jadi,
  Berdasarkan definisi varians, maka :
Var(X) = E(X2) – [E(X)]2
= E[X(X – 1) + X] – [E(X)]2
= E[X(X – 1)] + E(X) – [E(X)]2

Berdasarkan nilai ekspektasi diskrit, maka :

E[X(X – 1)] =
  Maka :

Jadi,
Dengan demikian, jika X berdistribusi Geometrik f (x) =
maka terbukti dan .
Distribusi Hipergeometrik
•Teorema
  1.7.10

Jika X berdistribusi Hipergeometrik dengan

f (x) =
maka dan
  Bukti :
Berdasarkan definisi, nilai harapan/ekspektasi dari X adalah :
  Misalnya :
y = x – 1 dan m = n – 1
Batas-batas :
Untuk x = 1, maka y = 0
Untuk x = n, maka y = n – 1 = m

Berdasarkan sebuah dalil :

Maka :

, dengan mensubstitusikan kembali m = n – 1, maka :

Jadi,
  Berdasarkan definisi varians, maka :
Var(X) = E(X2) – [E(X)]2
= E[X(X – 1) + X] – [E(X)]2
= E[X(X – 1)] + E(X) – [E(X)]2
Berdasarkan nilai ekspektasi diskrit, maka :
E[X(X – 1)] =
  Misalnya :
y = x – 2 dan m = n – 2
Batas-batas :
Untuk x = 2, maka y = 0
Untuk x = n, maka y = n – 2 = m

Berdasarkan sebuah dalil :

Maka :
 

Jadi,
  Dengan demikian, jika X berdistribusi Hipergeometrik dengan
f (x) =,
maka dan
Contoh Soal 1
Contoh Soal 2
Contoh Soal 3
Contoh Soal 4
Contoh Soal 5