EXPEKTASI MATEMATIKA

DARI
VARIABLE ACAK
Expektasi Matematika dari Variable acak
 Nilai rata-rata sampel dan mean populasi
Kita membahas konsep expektasi matematik, atau
di singkat expektasi , dari varoiabel acak atau juga
disebut mean populasi
Misalnya ada suatu baskom yang berisi 300 karcis ,
diantara 150 diberi angka 1 , 100 diberi angka 2 , dan
sisanya diberi angka 3 . setelah di kocok satu karcis
diambil secara acak , angkanya dicatat dan
kemuadian dikembalikan lagi proses tersebut diulangi
sampai. 100 kali.
Hasilnya adalah suatu distribusi frekuensi
X 1 2 3
Frekuensi N1 N2 N3

N = N1+N2+N3
Disini N=100 dan bilangan N1, N2, N3 dapat diketahui
bila kita lakukan experiment tersebut.

Nilai rata-rata, =

Atau
 n  1 disebut frekuensi (mutlak ) , dan disebut
frekuensi relatif atau proporsi.
 jika experiment diulangi maka nilai n1, n2, n akan
tidak sama dengan yang sebelumnya , tetapi nilai x
akan tidak banyak berbeda.

 Jadi nilai rata-rata x sama dengan

 Nilai ini disebut ekpektasi matematik atau mean x

dan ditulis sebagai EX atau E (X)
Definisi rata-rata
Bila distribusi frekuensi x ialah

X X1 X2 ..... Xr
Frekuensi N1 N2 ..... Nr

Maka

Dimana r hingga atau tak hingga

Definisi Expektasi Matematik
 Bila x variable acak yang diskrit dengan distribusi

X X1 X2 .... Xr
n.Kem p P1 P2 .... Pr

 Maka
Dimana r hingga atau tak hingga

 Ex juga dapat disebut mean x atau mean populasi

Contoh :
Bila hasil lemparan satu dadu, maka distribusi
kemungkinan ialah
X 1 2 3 4 5 6 Jumlah
P 1/6 1/6 1/6 1/6 1/6 1/6 1

Jadi

Ini berarti , bahwa jika satu dadu dilemparkan

misalkan 120 kali , dan setiap kali kita catat hasilnya
dalam satu tabel distribusi frekuensi , maka nilai rata
– rata 3,5
Contoh :
X Mempunyai distribusi binomial b(n=3,p=1/2) maka
distribusi kemungkinannya ialah
X 0 1 2 3 Jumlah
P 1/8 3/8 3/8 1/8 1

EX=np
Jadi,
Definisi Expektasi Matematik
  Bila x variabel acak yang kontinyu dengan funggsi
padat f (x) maka

Contoh :
 X mempunyai distribusi uniform R [ 0,1] ; fungsi
padatnya , F (x) = 1 untuk 0 =0
diluarnya
 Expektasi atau mean x adalah beranalogi dengan titik
berat dalam ilmu pesawat . pandanglah satu garis
lurus dengan titik xi dan masa (kemungkinan) mi pada
tabel pertama , maka kordinat titik beratnya sama
dengan

 karena jumlah kemungkinan yang sama dengan 1

Expektasi Fungsi Atau Suatu Variabel Acak

 Misalakan x suatu variabel acak dan h (x suatu fungsi

x) , maka kita hendak menghitung E h (x)

Sebagai contoh
h (x) = aX
= aX + b,
= X2
=(x–c)2
 jika variabel diskrit, definisi Eh (X) :

(r hingga atau tak hingga)

 jika f(x) fungsi padat variabel acak yang kontinyu.

 Perlu diperhatikan , bahwa bila r tak terhingga

deretnya harus konvergen mutlak dan untuk kontinyu
integralnya harus konvergen mutlak . bila tidak
dipenuhi , kita mengatakan , bahwa h (x) tidak
mempunyai expektasi yang hingga .
Contoh
   :
X 1 2 3 Jumlah
P 0,2 0,3 0,5 1

Ex = 2,3
H (x) = 2x + 3
E (2x+3) = 5.0,2 + 7.0,3 + 9.0,5
= 7,6
Ternyata E (2x+3) = 2 E(x) + 3
g(x) = x2 , maka
Ex2 =1.0,2 + 4.0,3 + 9.0,5
=5,9
Ternyata Ex2 (EX)2
 E ( aX + b ) = a EX + b
 Bukti untuk variabel diskrit
misalnya distribusi kemungkinan x ialah { (xi , pi ) | i
= 1 , 2 ,..., r }
R hingga dan tak hingga Maka :

 Bukti untuk variabel kontinyu

misalkan fungsi padat x ialah F (x) maka :
VARIABILITAS
Untuk mengukur penyebaran, Variabilitas, atau
dispersi suatu distribusi kemungkinan, kita
memakai antara lain :

1. Jangkauan
2. Simpangan rata-rat
3. Variansi
4. Standar deviasi.
JANGKAUAN

Jangkauan suatu variabel acak ialah selisih nilai X yang

terbesar dengan nilai kemungkinan positif, dan nlai X
yang terkecil dengan nilai kemungkinan poitif.
SIMPANGAN RATA-RATA

Simpangan rata-rata suatu variabel acak X adalah

Ekspetasi nilai mutlak selisih nilai X dan meannya
VARIANSI
  Misalkan
 X variabel acak dengan expekstasi , maka :

 Untuk distribusi dikstrit bila distribusinya

{(Xi , Pi) | = 0,1, … }
VARIANSI
 

 Misal suatu variabel acak dengan mean

 Untuk distrtbusi kontinu, bila f(x) ialah fungsi padat X

  
Contoh :

X mempunyai distribusi uniform R (0,1);

dimana = EX = ½ Maka Var. X bisa di dapat melalui

rumus : Var. X = 2 f(x) dx

Jawab :

Var. X = 2 dx

= 1/12
  

𝟗𝟏
=𝟔
Contoh :
X mempunyai distribusi poisson, maka Var.X…???
Jawab :
EX = λ
EX = λ2  + λ
maka , Var. X = E. X­2 –­ (EX)2
= λ2  + λ - λ2
= λ
STANDAR DEVIASI
 
Contoh soal :
Sebagai ilustrasi kita ambil 6 variabel acak XA , XB , XC ,
XD, XE dan XF dengan distribusinya masing-masing :
Dari ilustrasi diatas carilah :
1. Jangkauan
2. Simpangan rata-rata
3. Variansi X
4. Standar deviasi
1. Jangakuan

 Jangkauan XA = 1 - (-1) = 0
 Jangkauan X = 2
B
 Jangkauan X = 2
C
 Jangkauan X = 2 – (-2) = 4
D
 Jangkauan X = 4
E
 Jangkauan X = 3 – (-3) = 6
F
2. Simpangan rata-rata
 
 
RATA-RATA DAN VARIASI DALAM SAMPEL
Contoh 1:
Dari satu pak kartu yang berisi 52 kartu, kita mengambil 5 kartu
tanpa pengembalian. Kita hitung banyaknya kartu merah dalam
sampel itu dan jika X ialah banyaknya kartu merah, maka X =
{0,1,2,3,4,5}. Eksperimen ini diulangi sampai 25 kali. Hasilnya
adalah distribusi frekuensi :
x 0 1 2 3 4 5 Jumlah

frekuensi 1 5 8 6 4 1 25

Rata-rata banyaknya kartu merah persampel :

   
Definisi variansi dan standar deviasi sampel, Misalkan
distribusi frekuensi X ialah :

X X1 X2 … Xr Jumlah

Frekuensi n1 n2 … nr n

 Rata - rata =

 Variansi sampel =

 Standar Deviasi = s = ( -
Dari contoh 1 kita peroleh :

xi ni
0 1 0 0
1 5 1 5
2 8 4 32
3 6 9 54
4 4 16 64
5 1 25 25

jumlah 25 55 180
 

x 0 1 2 3 4 5 jumlah

p 0,025 0,150 0,325 0.325 0,150 0,025 1

Dalil Chebychev

 Menurut dalil Chebychev, untuk sebarang distribusi

data berlaku sekurang-kurangnya [1  (1 / k 2 )] bagian
data terletak pada selang ( X  k .s ) Untuk k>1.
Dengan demikian variasi nilai k akan
menentukan keadaan seperti tabel berikut :

K Jumlah data minimal Selang

2 1-(1/4)=0,75=75%
3 1-(1/9)=0,89=89%
k 1-(1/k.k)
Contoh Soal
Dari pemeriksaan terhadap peti-peti kemas yang
berisikan barang-barang elektronik, diketahui rata-
rata yang rusak adalah 5 unit per perti dengan standar
deviasi 1 unit per peti. Jika perusahaan tersebut
memproduksi 100 peti setiap harinya, kira-kira
berapa petikah yang kerusakannya antara 3 sampai 7
unit setiap harinya?
Penyelesaian
Minimal [1  (1 / k )]
2
 bagian yang
kerusakannya antara 3 sampai 7 berarti :

 Jadi jumlah peti minimal dengan kerusakan 3

sampai 7 unit ada 75 peti
Dalil Bernoulli
Dalil bernoulli sering juga disebut dengan
distribusi binomial.
Distribusi binomial adalah bila suatu ulangan
binom mempunyai peluang keberhasilan p
dan peluang kegagalan q = 1-p .
Dalam hal ini kita berhadapan dengan 2 sisi
kemungkinan.
Maka dapat dituliskan rumus sebagai berikut :

Dimana :
X= suatu peubah acak
p= peluang keberhasilan
q= peluang gagal
n= banyaknya percobaan
 Contoh
Uang logam dilemparkan sebanyak 4 kali
percobaan. Uang logam dianggap bernilai
berhasil apabila menampilkan nilai uang dan
gagal apabila menampilkan gambar.
Tentukan distribusi binomialnya.
Jawab :
Peluang berhasil = ½ =p
Peluang gagal = 1-p = 1-1/2 = ½ = q

Selanjutnya dimasukkan ke rumus

Perhitungan benar apabila semua kemungkinan
dijumlahkan akan menghasilkan nilai 1
Dalil De Moivre-Laplace
Misalkan sebuah distribusi binomial b(n,p)o ,
maka:

Jika n mendekati tak hingga sedangkan p

tetap, maka distribusi binomial yang
distandarkan mendekati distribusi normal
standar sebagai limit.
TERIMAKASIH