13 0 493 KB
BAB I PENDAHULUAN A. Latar Belakang Distribusi probabilitas memiliki berbagai sifat atau karakteristik yang dapat digunakan untuk mengidentifikasi suatu distribusi. Karakteristik yang biasa digunakan antara lain rata-rata hitung yang biasa disebut βharapan matematisβ (nilai harapan) dan variansi. Harapan matematis ini menentukan tendensi sentral dari distribusi probabilitas. Sering kali kita menjumpai data pengamatan yang memuat perubah acak tidak tunggal. Misalnya, X dan Y perubah acak, maka nilai harapan dinyatakan , Variansi dari X dan Ydinyatakan , dan kovariansi dari perubah acak X dan Y dinyatakan.
1
BAB II PEMBAHASAN A. Nilai Harapan Dari Peubah Acak Rata-rata (π) dari distribusi probabilitas adalah nilai harapan dari variabel acaknya. Nilai variabel acak diskrit adalah rata-rata tertimbang terhadap seluruh kemungkinan hasil dimana penimbangnya adalah nilai probabilitas yang dihubungkan dengan setiap hasil (outcome). Nilai harapan diperoleh dengan menyatakan setiap kemungkinan hasil x dengan probabilitas P(X) dan kemungkinan menjumlahkan hasilperkalian tersebut. Nilai harapan dari variabel acak diskrit X yang dinotasikan dengan E(X) dirumuskan sebagai berikut. E(X) = ππ₯ = βπ π=1 π₯1 π(π₯π ) = π₯1 π(π₯1 ) + π₯2 π(π₯2 ) + β¦ + π₯π π(π₯π ) Dimana : π₯π = Nilai ke-i dari variabel acak X P(π₯π ) = Probabilitas terjadinya π₯π 1 Aturan-aturan dalam menghitung nilai harapan 1. E(π)= π, π = bilagan konsta 2. Varians (π) = 0 dan varians (π) = π 2 3. E(ππ) = π πΈ(π) 4. Varians (ππ) = π 2 π 2 5. πΈ(π Β± π) = πΈ(π) Β± πΈ(π) E(β ππ ) = β πΈ(ππ ),
π = 1,2 β¦ , π
E(β πππ ππ ) = β πππ E(ππ ) π = 1,2 β¦ , π. 6. πΈ(ππ) = πΈ(π) πΈ(π), kalau X dan Y merupakan variabel bebas πΈ(π1 π2 β¦ ππ ) = πΈ(π1 ) πΈ(π2 ) β¦ πΈ(ππ ), kalau π1, π2, β¦ ππ merupakan variabel bebas 7. Varian (π Β± π) = πππ(π) + πππ(π) = ππ₯2 + ππ¦2 , kalau X dan Y variabel bebas 2 Varian (β ππ ) = β πππ(ππ ) = β ππ₯π , kalau π1, π2, β¦ ππ merupakan variabel
bebas2 1 2
J.Supranto,Statistik Teori Dan Aplikasi (Jakarta:Erlangga,2009),hal.14-15 J.Supranto,Statistik Teori Dan Aplikasi (Jakarta:Erlangga,1988),hal.64
2
Contoh ο X = banyaknya pesanan barang dalam satuan yang masuk selama satu minggu. P(X) = probabilitas terjadinya X=x X
0
1
2
3
p(x)
0,125
0,375
0,375
0,125
Hitunglah rata-rata banyakya pesanan atau pesanan yang diharapkan. Penyelesaian : E(X) = ππ₯ = βπ π=1 π₯1 π(π₯π ) = (0) p(0) + (1) p(1) + (2) p(2) + (3) p(3) = 0(0,125) + 1(0,375) + 2(0,375) + 3(0,125) = 1,5 Jadi, secara rata-rata dapat diharapkan bahwa pesanan yang masuk selama satu minggu adalah sebanyak 1,5 satuan. Nilai harapan E(X) mempunyai pengertian teoritis, karena menyangkut nilai probabilitas yang secara teoritis harus dihitung berdasarkan limit frekuensi relatif kalau n menuju tak hingga (π β β). π(π₯π ) merupakan frekuensi relatif yang diharapkan untuk jumlah ulangan eksperimen yang tak hingga banyaknya. Selain rata-rata, ukuran statistik yang lain adalah varian dan standar deviasi. Varian (π 2 ) dari variabel acak diskrit didefinisikan sebagai berikut. Varian (π 2 ) dari variabel acak diskrit adalah rata-rata tertimbang dari kuadrat selisih antara setiap kemungkinan hasil dan rata-ratanya dimana penimbangannya adalah probabilitas dari masing-masing hasil tersebut. π 2 = πΈ(π β π)2 π(π₯π ) Dimana: π₯π = nilai ke-i dari variabel acak X π(π₯π ) = probabilitas terjadinya π₯π Standar deviasi π diperoleh dengan menarik akar π 2 . π = βπ 2
Contoh ο Berdasarkan contoh diatas hitunglah varians dan deviasinya. Penyelesaian: Dari contoh diatas diperoleh E(X) = π = 1,5
3
π 2 = πΈ(π₯ β π)2 = E(π₯β 1,5)2 =E(π₯πβ 1,5)2 π(π₯π ) = (2,25)(0,125) + (0,25)(0,375) + (0,25)(0,375) + (2,25)(0,125) =0,75 π = β0,75 =0,866 Karena simpangan baku π = 0,865, ini berarti bahwa rata-rata jarak nilai X terhadap π = πΈ(π) adalah sebesar 0, 865. 3
B. VARIAN Kalau kita mempunyai dua variabel yaitu X dan Y, maka: ο E(X) = ππ₯ , πΈ(π¦) = ππ¦ ο Var (X) = ππ¦2 = πΈ {π β πΈ(π)}2 = πΈ(π β ππ₯ )2 = πΈ(π 2 ) β ππ₯ 2 ο Var (π) = ππ¦2 = πΈ {π β πΈ(π)}2 = πΈ(π β ππ₯ )2 = πΈ(π 2 ) β ππ¦2 ο Cov (π, π) = πΈ {(π β πΈ(π)) (π β πΈ(π))} = πΈ {(π β ππ₯ )(π β ππ¦ ) } = πΈ(ππ) β ππ₯ ππ¦ Variansi juga dapat dihitung dengan rumus lain yang lebih mudah, yaitu: Ο2= E(X2) βΞΌ2
Contoh ο Misalkan X menyatakan banyaknya bagian yang cacatdari suatu mesin bila 3 suku cadang diambil secara acak dari prosesproduksi. Distribusi peluang X: X
0
1
2
3
f(x)
0,51
0,38
0,10
0,01
Hitunglah variansi dari X Penyelesaian: ΞΌ = E(X) = (0)(0.51) + (1)(0.38) + (2)(0.10) + (3)(0.01) = 0.61 E(X2) = (0)(0.51) + (1)(0.38) + (4)(0.10) + (9)(0.01) = 0.87 Jadi, Ο2 = 0.87 β (0.61)2 = 0.4979
3
Op.cit,hal.16
4
Variansi untuk peubah acak lain yang bergantung pada X, yaitu g(X), diberikan dalam teorema di bawah ini. Teorema Misalkan X adalah peubah acak dengan distribusi peluang f(x). Variansi dari peubah acak g(X) adalah Jika X diskrit 2
2
2 ππ(π₯) = πΈ [(π(π₯) β ππ(π₯) ) ] = β[π(π) β ππ(π₯) ] π(π₯) π₯
JikaX kontinu β
2
2
2 ππ(π₯) = πΈ [(π(π₯) β ππ(π₯) ) ] = β« [π(π) β ππ(π₯) ] π(π₯)ππ₯ ββ
Contoh ο Hitunglah variansi dari g(X) = 2X+ 3, bila X adalah peubah acak dengan distribusi peluang Penyelesaian: X f(x)
0
1 1 4
2 1 8
3 1 2
1 8
3
π2π₯+3 = πΈ(2π + 3) = β(2π₯ + 3) π(π₯) = 6 π₯=0 2 π2π₯+3 = πΈ {[(2π + 3) β π2π₯+3 ]2 }
= πΈ {[(2π + 3) β 6 ]2 } = πΈ (4π 2 β 12π + 9) 3
β(4π 2 β 12π + 9) π(π₯) = 4 π₯=0
C. KOVARIAN Misalkan X dan Y adalah variabel random dengan distribusi peluang gabungan π(π₯, π¦). Kovarian dari X dan Y adalah
Jika X dan Y diskrit ππ₯π¦ = πΈ[(π β ππ₯ )(π β ππ¦ )] = β β(π₯ β ππ₯ )(π¦ β ππ¦ ) π(π₯, π¦) π₯
π¦
5
Jika X dan Y kontinu ππ₯π¦ = πΈ[(π β ππ₯ )(π β ππ¦ )] β
β
= β« β« (π₯ β ππ₯ ) (π¦ β ππ¦ ) π (π₯, π¦) ππ₯ππ¦ ββ ββ
Kovarian antara dua peubah acak menunjukkan sifat asosiasi (hubungan) antara keduanya; Jika kedua peubah tersebut bergerak kearah yang sama (X membesar dan Y membesar) maka hasil kali (π₯ β ππ₯ )( π¦ β ππ¦ ) cendrung bernilai positif Jika bergerak berlawanan arah (X membesar dan Y mengecil), maka hasil kali (π₯ β ππ₯ )( π¦ β ππ¦ ) cendrung akan bernilai negatif. Tanda kovarian (+ atau -) menunjukkan apakah hubungan antara kedua acak positif atau negatif. Kovarian juga dapat dihitung dengan menggunakan rumus yang lebih mudah yaitu sebagai berikut:
ππ₯π¦ = πΈ (ππ) β ππ₯ ππ¦
Contoh ο Misalkan X = Jumlah pulpen berwarna biru dan Y = Jumblah pulpen berwarna merah. Bila kedua pulpen tersebut diambil secara acak dari kotak, distribusi peluang gabungannya sudah dihitung pada contoh sebelumnya π(π₯, π¦) x=0 2 y=0 28 y=1
13 14
y=2
1 28 5 14
π(π₯)
x=1
β(π¦) 15 28
x=2
9 28
3 28
3 14
3 7 2 28 3 28
5 18
1
Hitunglah kovarian dari X dan Y Penyelesaian : 2
2
2
ππ₯ = πΈ(π) = β β π₯π(π₯, π¦) = β π₯π(π₯) π₯=0 π¦=0
π₯=2
5 15 3 3 = (0) ( ) + (1) ( ) + (2) ( ) = 14 28 28 4
6
2
2
2
ππ₯ = πΈ(π) = β β π¦π(π₯, π¦) = β π¦β(π¦) π₯=0 π¦=0
π₯=2
15 3 1 1 = (0) ( ) + (1) ( ) + (2) ( ) = 28 7 28 2 Sehingga diperoleh
ππ₯π¦ = πΈ (ππ) β ππ₯ ππ¦ =
3 3 1 9 β ( )( ) = 14 4 2 56
ο X bagian pelari pria dan Y bagian pelari wanita yang menempuh lomba maraton mempunyai distribusi peluang gabungan
π(π₯, π¦) = 8π₯π¦, 0 β€ π₯ β€ 1, 0 β€ π¦ β€ π₯, 0 untuk x dan y yang lain. Hitunglah kovarian X dan Y
Penyelesaian : Distribusi peluang gabungan X dan Y adalah π(π₯) = 4π₯ 3 , 0 β€ π₯ β€ 1, 0 untuk x yang lain β(π¦) = 4π¦(1 β π¦ 2 ), 0 β€ π¦ β€ 1, 0 untuk y yang lain
Dari fungsi peluang diatas diperoleh 1
ππ₯ = πΈ(π) = β« 4π₯ 4 ππ₯ = 0
4 5
1
ππ¦ = πΈ(π) = β« 4π¦ 2 (1 β π¦ 2 )ππ¦ = 0
8 15
Sehingga ππ₯π¦ = πΈ (ππ) β ππ₯ ππ¦ =
4
4 4 8 4 4 β ( )( ) = 9 5 15 225
Rinaldi Munir, Variansi dan Kovariansi, bahan Kuliah 112092 Probabilitas dan Statistik, ITB
7
SOAL LATIHAN DAN PEMBAHASAN 1. Seorang penjual mobil yang menjadi βAgen Tunggalβ merek tertentu, berdasarkan pengalamannya dapat menjual mobil sebanyak X dengan probabilitas sebesar π(π₯) selama satu minggu. Data yang dia miliki adalah sebagai berikut. X
1
2
3
4
5
6
p(x)
0,08
0,27
0,10
0,10
0,33
0,22
Berapa banyak mobil yang dia harapkan dapat terjual selama satu minggu ? Dan hitunglah simpangan bakunya. Penyelesaian: πΈ(π) = β π₯ π(π₯) = (1)(0,08) + (2)(0,27) + β¦ + (6)(0,22) = 4,29 Apabila penjualan dilakukan berkali-kali dari minggu ke minggu dalam jumlah yang banyak maka secara rata-rata dapat dijual sebanyak 4,29 mobil. Apabila penjualan dilakukan selama 500 minggu (N= 500), maka selama waktu tersebut diharapkan dapat terjual sebanyak N x E(X) = 500 x 4,29 = 2.145 mobil. 2
π 2 = β[π₯ β πΈ(π₯)] π(π₯) π₯
= β(π₯ β 4,29)2 π(π₯) = (1 β 4,29)2 (0,08) + (2 β 4,29)2 (0,27) + β― + (6 β 4,29)2 (0,22) = 3,27 π = β3,27 = 1,81 2. Diberikan distribusi peluang sebagai berikut 1 π₯ π(π₯) 0,3 Hitunglah varian dari X
2 0,4
3 0,3
Penyelesaian: π = πΈ(π) = 1(0,3) + 2(0,4) + 3(0,3) = 2.0 3 2
π = β(π₯ β 2)2 π(π₯) π₯=1
= (1 β 2)2 (0,3) + (2 β 2)2 (0,4) + (3 β 2)2 (0.3) = 0.6
8
3. Misalkan X menyatakan banyaknya bagian yang cacat dari suatu mesin bila 3 suku cadang diambil secara acak dari proses produksi. Distribusi peluang X 0 1 π₯ 0,38 π(π₯) 0,51 Hitunglah varian dari X
2 0,10
3 0,01
ΞΌ= E(X)=(0)(0.51) + (1)(0.38) + (2)(0.10) + (3)(0.01) = 0.61 E(X2) = (0)(0.51) + (1)(0.38) + (4)(0.10) + (9)(0.01) = 0.87 Jadi, Ο2 = 0.87 β (0.61)2 = 0.4979 4. Sebuah panitia beranggotakan 3 orang dipilih secara acak dari 4 orang mahasiswa IAIN dan 3 orang mahasiswa UIN. Hitunglah varian Penyelesaian : ΞΌ = E(X) = (0)(1/35) + (1)(12/35) + (2)(18/35) + (3)(4/35) = 12/7 E(X2) = (0)(1/35) + (1)(12/35) + (4)(18/35) + (9)(4/35) = 24/7 Jadi, Ο2 = 24/7 β (12/7)2 = 24/29 5. Misalkan X menyatakan permintaan minyak goreng (dalam liter) menjelang lebaran. Fungsi padat dari X sebagai berikut: π(π₯) = 2(π₯ β 1), 1 < π₯ < 2, 0 untuk x yang lain Carilah rataan dan varian X Penyelesaian : 2
π = πΈ(π) = 2 β« π₯(π₯ β 1)ππ₯ = 1
5 3
2
πΈ(π
2)
= 2 β« π₯ 2 (π₯ β 1)ππ₯ = 1
17 6
2
π2 =
17 5 1 β ( ) = 6 2 18
9
BAB III PENUTUP A. KESIMPULAN Rata-rata (π) dari distribusi probabilitas adalah nilai harapan dari variabel acaknya. Nilai variabel acak diskrit adalah rata-rata tertimbang terhadap seluruh kemungkinan hasil dimana penimbangnya adalah nilai probabilitas yang dihubungkan dengan setiap hasil. Varian ο E(X) = ππ₯ , πΈ(π¦) = ππ¦ ο Var (X) = ππ¦2 = πΈ {π β πΈ(π)}2 = πΈ(π β ππ₯ )2 = πΈ(π 2 ) β ππ₯ 2 ο Var (π) = ππ¦2 = πΈ {π β πΈ(π)}2 = πΈ(π β ππ₯ )2 = πΈ(π 2 ) β ππ¦2 ο Cov (π, π) = πΈ {(π β πΈ(π)) (π β πΈ(π))} = πΈ {(π β ππ₯ )(π β ππ¦ ) } = πΈ(ππ) β ππ₯ ππ¦ Variansi juga dapat dihitung dengan rumus lain yang lebih mudah, yaitu: Ο2= E(X2) βΞΌ2. Kovarian juga dapat dihitung dengan menggunakan rumus yang lebih mudah yaitu sebagai berikut: ππ₯π¦ = πΈ (ππ) β ππ₯ ππ¦
10
DAFTAR PUSTAKA
Rinaldi Munir, Variansi dan Kovariansi, bahan Kuliah 112092 Probabilitas dan Statistik, ITB
J.Supranto. 2009. Statistik Teori Dan Aplikasi . Jakarta:Erlangga J.Supranto. 1988 Statistik Teori Dan Aplikasi. Jakarta:Erlangga Kusnandar, Dadan. 2004. Metode Statistika: Yogyakarta
11