Professional Documents
Culture Documents
STATISTIKA MATEMATIKA I
D
i
s
u
s
u
n
Oleh :
Kelas : VA
JURUSAN MATEMATIKA
2017
1
KATA PENGANTAR
Puji dan syukur senantiasa saya panjatkan kehadirat Tuhan Yang Maha Esa,
karena atas rahmat-Nya, saya dapat menyelesaikan penyusunan makalah yang
berjudul “Ekspektasi Matematika”.
Makalah ini disusun untuk memenuhi tugas mata kuliah “Statistika Matematika
I”. Saya mengucapkan terima kasih kepada semua pihak yang membantu dalam
penyelesaian makalah ini. Saya berharap makalah ini dapat menambah pengetahuan
pembaca dan memberikan gambaran mengenai materi terkait yaitu Ekspektasi
Matematika.
Saya menyadari bahwa makalah ini masih jauh dari kesempurnaan baik materi
maupun bahasanya, maka saya mengharapkan saran dan kritik yang membangun
untuk perbaikan makalah ini. Semoga makalah ini dapat memberikan manfaat bagi
semua pihak yang menjadikan makalah ini sebagai bahan literatur mengenai materi
terkait.
Penyusun
2
DAFTAR ISI
KATA PENGANTAR..........................................................................................i
BAB I PENDAHULUAN
BAB II PEMBAHASAN
1. Nilai Ekspektasi………………………………………….…………. 4
3. Rataan…………………………………………………….………... 7
4. Varians………………………………………………….………….. 9
5. Momen………………………………………………….………….. 11
7. Pertidaksamaan Chebyshev………………..…………..…………... 15
2. Ekspektasi Bersyarat………………………………………………. 19
3. Rataan Bersyarat…………………………………………………… 23
ii
3
5. Kovarians………………………………………………………….. 29
6. Varians Bersyarat…………………………………………………. 33
8. Koefisien Korelasi………………………………………………… 35
A. Kesimpulan .......................................................................................... 37
B. Saran .................................................................................................... 37
iii
4
BAB 1
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
“Ekspektasi Matematika” (atau nilai harapan) dan variansi. Ekspektasi
matematika adalah satu konsep penting dalam teori dasar statistika. Harapan
matematis (Ekspektasi Matematika) ini menentukan tendensi sentral dari
distribusi probabilitas.
XY
dan kovariansi dari perubah acak X dan Y dinyatakan .
B. Rumusan Masalah
1. Apa yang dimaksud dengan ekspektasi matematika?
2. Apa yang dimaksud dengan nilai ekspektasi dan sifat-sifat nilai
ekspektasi?
3. Bagaimana menentukan rataan dari suatu peubah acak?
4. Bagaimana menentukan varians dari suatu peubah acak?
5
11. Bagaimana rumus untuk menghitung perkalian dua momen?
12. Bagaimana rumus untuk menentukan kovarians?
13. Bagaimana rumus untuk menentukan varians bersyarat?
14. Bagaimana rumus untuk menentukan fungsi pembangkit momen
gabungan?
15. Bagaimana menentukan derajat hubungan linear antara dua buah peubah
acak?
16. Apa saja akibat kebebasan stokastik dari dua peubah acak?
Tujuan Penulisan
1. Untuk mengetahui apa yang dimaksud dengan ekspektasi matematika
6
13. Untuk mengetahui bagaimana rumus untuk menentukan varians
bersyarat
16. Untuk mengetahui apa saja akibat kebebasan stokastik dari dua peubah
acak
7
BAB II
PEMBAHASAN
A. Pengertian Ekspektasi Matematika
Ekspektasi matematika atau harga harapan atau mean(rata- rata) atau
sering disebut ekspektasi saja, adalah satu konsep penting dalam teori dasar
statistika. Jika X adalah sembarang peubah acak, maka ekspektasi
matematika dari peubah acak X biasanya dinotasikan dengan E(X) atau µ.
Contoh 1 :
Misalnya fungsi peluang dari peubah acak berbentuk :
𝑥
𝑝(𝑥) = ; 𝑥 = 1,2,3,4,5
15
Hitung
a. E(𝑋 2 − 1)
b. E[X(X + 1)]
Penyelesaian :
a. Berdasarkan definisi nilai ekspektasi diskrit, maka :
E(𝑋 2 − 1) =
x
(𝑥 2 − 1) . 𝑝 (𝑥)
𝑥
= ∑5𝑥=1(𝑥 2 − 1) . 15
1 2 3 4
= ( 1 – 1) (15) + (4 − 1) (15) + (9 − 1) (15) + (16 − 1) (15)
5
+ (25 − 1)(15)
8
6 24 60 120
= 0 + 15 + 15 + 15 + 15
210
E(𝑋 2 − 1) = = 14
15
E[X(X + 1)] = x
𝑥(𝑥 + 1) . 𝑝 (𝑥)
𝑥
= ∑5𝑥=1 𝑥(𝑥 + 1) . 15
1 2 3
= (1)(1 + 1) (15) + (2)(2+1) (15) + (3)(3+1) (15)
4 5
+ (4)(4+1) (15) +(5)(5+1)( 15)
2 12 36 80 150
= 15 + 15 + 15 + 15 + 15
280
E[X(X + 1)] = 15
∞
E[u(X)] = ∫∞ 𝑢(𝑥). 𝑓(𝑥)𝑑𝑥
Contoh 2:
Misalkan fungsi densitas dari peubah acak X berbentuk :
f (x) = 2(1 − x) ; 0 < x < 1
=0 ; x lainnya
Tentukan :
a. E[𝑋 2 − 1]
b. E[X(X+1)]
9
Penyelesaian :
∞
E[𝑋 2 − 1] = ∫−∞(𝑥 2 − 1). 𝑓(𝑥)𝑑𝑥
0 1 ∞
=∫−∞(𝑥 2 − 1). 𝑓(𝑥)𝑑𝑥 + ∫0 (𝑥 2 − 1). 𝑓(𝑥)𝑑𝑥 + ∫1 (𝑥 2 −
1). 𝑓(𝑥)𝑑𝑥
0 1 ∞
= ∫−∞(𝑥 2 − 1). 0𝑑𝑥 + ∫0 (𝑥 2 − 1). 2(1 + 𝑥)𝑑𝑥+∫1 (𝑥 2 − 1). 0𝑑𝑥
1
= 0 + 2 ∫0 (𝑥 2 − 𝑥 3 − 1 + 𝑥)𝑑𝑥 + 0
1 1 1
= 2 (3 𝑥 3 − 4 𝑥 4 − 𝑥 + 2 𝑥 2 )
1 1 1
= 2 (3 − 4 − 1 + 2)
5
E[𝑋 2 − 1] = −6
b. Berdasarkan definisi nilai ekspektasi kontinu,maka :
∞
E[X(X+1)] = ∫−∞ 𝑥(𝑥 + 1). 𝑓(𝑥)𝑑𝑥
0 1 ∞
=∫−∞ 𝑥(𝑥 + 1). 𝑓(𝑥)𝑑𝑥 + ∫0 𝑥(𝑥 + 1). 𝑓(𝑥)𝑑𝑥 + ∫1 𝑥(𝑥 +
1). 𝑓(𝑥)𝑑𝑥
0 1 ∞
= ∫−∞ 0𝑑𝑥 + ∫0 𝑥(𝑥 + 1). 2(1 − 𝑥)𝑑𝑥+∫1 0𝑑𝑥
1
= 0 + 2 ∫0 (𝑥 − 𝑥 3 )𝑑𝑥 + 0
1 1
= 2 . (3 𝑥 2 − 4 𝑥 4 )
1 1
= 2 (2 − 4)
1
E[X(X+1)] =2
10
Contoh 3 :
Hitung E(𝑋 2 − 1) dan E[X(X + 1)] dengan menggunakan sifat-sifat nilai
ekspektasi.
Penyelesaian :
= E(𝑋 2 ) − 1
= x
𝑥 2 . 𝑝 (𝑥) − 1
𝑥
= (∑5𝑥=1 𝑥 2 . 15) − 1
1
= {(15)(1 + 8 + 27 + 64 + 125)} … 1
225
=( )−1
15
= 15 – 1
E(𝑋 2 − 1) = 14
= E(𝑋 2 ) + 𝐸(𝑋)
= 15 + x
𝑥 . 𝑝 (𝑥)
𝑥
= 15 + ∑5𝑥=1 𝑥. 15
1
= 15 + (15)(1 + 4 + 9 + 16 + 25)
55
= 15 + (15)
280
E[X(X + 1)] = 15
3. Rataan
E(X) =
x
x . p(x)
11
Pemahaman penggunaan rumus rataan diperjelas melalui contoh di bawah
ini :
Contoh 4 :
Jika Sandy mengundi sebuah dadu yang seimbang, maka tentukan rataan
dari munculnya angka pada mata dadu itu.
Penyelesaian :
Contoh 5 :
Misalnya fungsi densitas dari X berbentuk :
𝑓(𝑥) = 20𝑥 3 (1 − 𝑥); 0 < 𝑥 < 1
= 0 ; x lainnya
Hitung E(X)!
Penyelesaian :
∞
E(X) = ∫−∞ 𝑥 . 𝑓(𝑥)𝑑𝑥
0 1 ∞
= ∫−∞ 𝑥 . 𝑓(𝑥)𝑑𝑥 + ∫0 𝑥 . 𝑓(𝑥)𝑑𝑥 + ∫1 𝑥 . 𝑓(𝑥)𝑑𝑥
0 1 ∞
= ∫−∞ 𝑥 . 0𝑑𝑥 + ∫0 𝑥 . 20. 𝑥 3 (1 − 𝑥)𝑑𝑥 + ∫1 𝑥 . 0𝑑𝑥
0
= 0 + 20 ∫1 (𝑥 4 − 𝑥 5 )𝑑𝑥 + 0
12
1 1
= 20(5 𝑥 5 − 6 𝑥 6 )
1 1
= 20 (5 − 6)
20 2
E(X) = 30 = 3
Rataan dari sebuah peubah acak, baik diskrit maupun kontinu biasanya
dinotasikan dengan 𝜇 (dibaca “mu”), sehingga apabila peubah acaknya X maka
𝜇 = 𝐸(𝑋)
Nilai rataan dari sebuah peubah acak, baik diskrit maupun kontinu tidak
selalu ada, artinya nilai rataan tersebut bisa mempunyai nilai dan bisa juga tidak
mempunyai nilai. Nilai rataan dari sebuah peubah acak itu ada, jika hasil
penjumlahannya atau pengintegralannya ada. Sebaliknya, nilai rataan dari sebuah
peubah acak tidak ada, jika hasil penjumlahannya atau pengintegralannya tidak ada.
4. Varians
Berikut ini akan dijelaskan definisi varians dari sebuah peubah acak yang
berlaku bagi peubah acak diskrit maupun kontinu.
Definisi (Varians)
Misalnya X adalah peubah acak, baik diskrit maupun kontinu.
Varians dari X didefinisikan sebagai :
Var(X) = E[X – E(X)]2 Atau Var(X) = E(X − μ)2
Contoh 6 :
Misalnya distribusi peluang dari peubah acak X adalah sebagai berikut :
X 1 2 3
p(x) 1 1 1
2 3 6
13
Penyelesaian :
Jika X adalah peubah acak kontinu dan f (x) adalah nilai fungsi
densitas dari X di x, maka Varians dari X didefinisikan sebagai:
∞
Var(X) = ∫−∞(𝑥 − 𝜇)2 . 𝑓 (𝑥)𝑑𝑥
Contoh 7 :
Misalnya fungsi densitas dari X berbentuk :
𝑓(𝑥) = 𝑒 −𝑥 ; 𝑥 > 0
= 0 ; x lainnya
Hitung Var (X)!
Penyelesaian :
∞
Var(X) = ∫−∞(𝑥 − 𝜇)2 . 𝑓(𝑥)𝑑𝑥
∞
Dengan 𝜇 = E (X) = ∫−∞ 𝑥. 𝑓(𝑥)𝑑𝑥
0 ∞
= ∫−∞ 𝑥. 𝑓(𝑥)𝑑𝑥 + ∫0 𝑥. 𝑓(𝑥)𝑑𝑥
0 ∞
= ∫−∞ 𝑥. 0𝑑𝑥 + ∫0 𝑥. 𝑒 −𝑥 𝑑𝑥
∞
= 0 + ∫0 𝑥. 𝑒 −𝑥 𝑑𝑥
𝑏
= lim ∫0 𝑥. 𝑒 −𝑥 𝑑𝑥
𝑏→∞
𝑏
= lim (−𝑥. 𝑒 −𝑥 + ∫0 𝑥. 𝑒 −𝑥 𝑑𝑥)
𝑏→∞
14
= lim (−𝑏. 𝑒 −𝑏 + 1 − 𝑒 −𝑏 )
𝑏→∞
= lim − 𝑏. 𝑒 −𝑏 + 1 − lim 𝑒 −𝑏
𝑏→∞ 𝑏→∞
𝜇 =0+1–0=1
Jadi :
∞
Var (X) = ∫−∞(𝑥 − 1)2 . 𝑓(𝑥)𝑑𝑥
0 ∞
= ∫−∞(𝑥 − 1)2 . 𝑓(𝑥)𝑑𝑥+ ∫0 (𝑥 − 1)2 . 𝑓(𝑥)𝑑𝑥
0 ∞
= ∫−∞(𝑥 − 1)2 . 0𝑑𝑥 + ∫0 (𝑥 − 1)2 . 𝑒 −𝑥 𝑑𝑥
∞
= 0 + ∫0 (𝑥 2 − 2𝑥 + 1)𝑒 −𝑥 𝑑𝑥
𝑏
= lim ∫0 (𝑥 2 − 2𝑥 + 1). 𝑒 −𝑥 𝑑𝑥
𝑏→∞
𝑏 𝑏
= lim ∫0 𝑥 2 . 𝑒 −𝑥 𝑑𝑥 − 2. lim ∫0 𝑥. 𝑒 −𝑥 𝑑𝑥
𝑏→∞ 𝑏→∞
𝑏
lim ∫0 𝑒 −𝑥 𝑑𝑥
𝑏→∞
= 2 – (2) (1) + 1
=1
Dalil 2 :
Jika C adalah sebuah konstanta, maka Var (c) = 0
Dalil 3 :
Jika X adalah peubah acak dan c adalah sebuah konstanta, maka
Var (X + c) = Var (X)
Dalil 4 :
Jika a dan b adalah dua buah konstanta dan X adalah peubah acak, maka :
𝑉𝑎𝑟 (𝑎𝑋 + 𝑏) = 𝑎2 . 𝑉𝑎𝑟 (𝑋)
5. Momen
Definisi (Momen)
Jika X adalah peubah acak, baik diskrit maupun kontinu, maka momen ke-k
(dinotasikan dengan μ‘k )didefinisikan sebagai :
𝜇. 𝐾 = 𝐸(𝐸 𝑘 ) k = 1, 2, 3, · · ·
15
Definisi (Momen Diskrit)
Jika X adalah peubah acak diskrit dan p(x) adalah nilai fungsi
peluang dari X di x, maka momen ke-k (dinotasikan μ’k )
didefinisikan sebagai :
𝜇𝑘 ′ = ∑ 𝑥 𝑘 . 𝑝(𝑥)
𝑥
Contoh 8 :
X 1 2 3 4
P(x) 1 1 1 1
4 8 8 2
Hitung nilai 𝜇3 ′.
Penyelesaian :
Berdasarkan definisi momen diskrit, maka :
𝜇3 ′ = 𝐸(𝑋 3 ) = ∑𝑥 𝑥 3 . 𝑝(𝑥)
= ∑4𝑥=1 𝑥 3 . 𝑝(𝑥)
1 1 1
= (1)3 (4) + (2)3 (8) + (4)3 (2)
1 27 64
=4+1+ +
8 8
293
𝜇3 ′ = 𝐸(𝑋 3 ) = 8
Contoh 9 :
Misalnya fungsi densitas dari X berbentuk :
2𝑥
𝑓(𝑥) = ;1 < 𝑥 < 2
3
= 0; 𝑥 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
16
Hitung 𝜇′3 .
Penyelesaian :
∞
𝜇′3 = 𝐸(𝑋 3 ) = ∫ 𝑥 3 . 𝑓(𝑥)𝑑𝑥
−∞
1 2 ∞
= ∫−∞ 𝑥 3 . 𝑓(𝑥)𝑑𝑥+∫1 𝑥 3 . 𝑓(𝑥)𝑑𝑥+∫2 𝑥 3 . 𝑓(𝑥)𝑑𝑥
1 2 2𝑥 ∞
= ∫−∞ 𝑥 3 . 0𝑑𝑥 +∫1 𝑥 3 . 𝑑𝑥+∫2 𝑥 3 . 0𝑑𝑥
3
2
= 0 + ( 𝑥5 )
15
62
𝜇′3 = 𝐸(𝑋 3 ) =
15
Definisi (Momen Sekitar Rataan Diskrit)
Jika X adalah peubah acak diskrit dan p(x) adalah nilai fungsi
peluang dari X di x, maka momen sekitar rataan ke-k
(dinotasikan dengan 𝜇𝑘 ) didefinisikan sebagai:
𝜇𝑘 =∑𝑥(𝑥 − 𝜇)𝑘. 𝑝(𝑥)
17
Definisi (Fungsi Pembangkit Momen)
Jika X adalah peubah acak, baik diskrit maupun kontinu, maka
fungsi pembangkit momen dari X (dinotasikan dengan Mx (t))
didefinisikan sebagai:
Mx (t) = E(𝑒 𝑡𝑋 )
untuk −h < t < h dan h > 0
Contoh 10 :
Tentukan fungsi pembangkit momen peubah acak binomial X dan kemudian
tunjukkan bahwa np dan 2 npq.
Penyelesaian:
Dari definisi diperoleh
n
n n
n
M (t ) et p q n ( pet ) q n jumlah yang terakhir adalah
x 0 x x 0 x
18
Dalil 5 :
Jika X adalah peubah acak, baik diskrit maupun kontinu dan 𝑀𝑥 (t) adalah
fungsi pembangkit momennya, maka :
𝑀𝑋𝑟 (𝑡) = 𝜇𝑟 ′
Dalil 6 :
Jika X adalah peubah acak dan c adalah sebuah konstanta, maka :
𝑀𝑐𝑋 (𝑡) = 𝑀𝑋 (𝑐𝑡)
Dalil 7 :
Jika X adalah peubah acak dan c adalah sebuah konstanta, maka :
𝑀𝑋−𝑐 (𝑡) = 𝑒 𝑐𝑡 . 𝑀𝑋 (𝑡)
Dalil 8 :
Jika X adalah peubah acak, sedangkan a dan b adalah dua buah konstanta,
maka :
𝑎𝑡 𝑡
𝑀(𝑋+𝑎) = 𝑒 𝑏 . 𝑀𝑋 ( )
𝑏 𝑏
7. Dalil Chebyshev (Dalil 9) :
Jika 𝜇 𝑑𝑎𝑛 𝜎 masing-masing merupakan rataan dan simpangan baku dari
peubah acak X, maka untuk setiap bilangan positif k peluang dari peubah acak X
1
yang bernilai antara 𝜇 − 𝑘𝜎 𝑑𝑎𝑛 𝜇 + 𝑘𝜎 paling sedikit sebesar 1 − (𝑘 2 ), dan
ditulis:
1
P (|x−𝜇| < 𝑘𝜎)≥ 1 − 𝑘 2
Nilai peluang di atas merupakan batas bawah peluang dari peubah acak X
yang berharga tertentu.
Kita bisa juga menghitung peluang dari peubah acak X yang bernilai lebih
kecil atau sama dengan 𝜇 − 𝑘𝜎 atau lebih besar atau sama dengan 𝜇 + 𝑘𝜎. Yaitu
1
yang paling besar 2 dan ditulis :
𝑘
1
P (|x−𝜇| < 𝑘𝜎)≤ 𝑘 2
BUKTI :
Menurut definisi variansi,
19
2 E ( X ) 2 ( x ) 2 f ( x)dx
k k k 2
( ) f ( x)dx ( x ) 2 f ( x)dx ( x ) f ( x)dx ( x ) 2 f ( x)dx ( x )
2 2 2
f ( x)dx
k k k 2
k
karena integral (x )
2
f ( x)dx tak negatif. Kemudian X K
k
sehingga
k
1
p( k X k ) f ( x)dx 1 k
k
2
Contoh 11 :
Suatu peubah acak X mempunyai rataan 8, variansi 2 9, sedangkan
distribusinya tidak diketahui. Hitunglah:
a. P(-4<X<20), dan
b. b. P( X 8 6 .
Penyelesaian:
a. Telah diketahui, bahwa 8, variansi 2 9, sehingga 9 9.
yang harus dicari adalah nilai k. Nilai k ini dicari dengan melihat salah
satu ujung interval, yaitu -4 atau 20. Berdasarkan teorema Chebyshev
diketahui, bahwa
k
1
p( k X k ) f ( x)dx 1 k
k
2
, sehingga
k 8 k 3 4
20
Kerena diketahui , bahwa simpangan baku = 3, maka 3k = 6 k = 2,
sehingga : P( X 8 6) 1 P(8 (2)(3) X 8 (2)(3) 1
4
b. P( X 8 6) 1 P( X 8 6) P(6 X 8 6) 1 P(8 6 X 8 6)
𝐸[𝑣(𝑋, 𝑌)] =
x y
𝑣(𝑥, 𝑦). 𝑝(𝑥, 𝑦)
Contoh 12 :
Misalnya fungsi peluang gabungan dari X dan Y berbentuk :
1
𝑝(𝑥, 𝑦) = ( ) (𝑥 + 2𝑦); 𝑥 = 0,1,2,3
72
𝑦 = 0,1,2,3
Hitung 𝐸(2𝑋𝑌 2 − 1)
Penyelesaian :
Berdasarkan definisi nilai ekspektasi gabungan diskrit, maka :
𝐸(2𝑋𝑌 2 − 1) =
x y
(2𝑥𝑦 2 − 1). 𝑝(𝑥, 𝑦)
1
= ∑3𝑥=0 ∑3𝑦=0(2𝑥𝑦 2 − 1). 72 (𝑥 + 2𝑦)
21
1
= (72) [(−1)(0) + ((−1)(2) + (−1)(4) + (−1)(6) + (−1)(1)
−3 + 25 + 161 + 477)
1184
𝐸(2𝑋𝑌 2 − 1) =
72
Contoh 13 :
Misalnya densitas gabungan dari X dan Y berbrntuk :
𝑓(𝑥, 𝑦) = 𝑥 + 𝑦; 0 < 𝑥 < 1, 0 < 𝑦 < 1
=0 ; x lainnya.
Hitung 𝐸(2𝑋𝑌 2 − 1).
Penyelesaian :
Berdasarkan definisi nilai ekspektasi gabungan kontinu, maka :
∞ ∞
𝐸(2𝑋𝑌 2 − 1) = ∫−∞ ∫−∞(2𝑥𝑦 2 − 1). 𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦
0 0 1 1
=∫−∞ ∫−∞(2𝑥𝑦 2 − 1). 𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦 + ∫0 ∫0 (2𝑥𝑦 2 −
∞ ∞
1). 𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦 + ∫1 ∫1 (2𝑥𝑦 2 − 1). 𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦
0 0 1 1
=∫−∞ ∫−∞(2𝑥𝑦 2 − 1). 0 𝑑𝑥𝑑𝑦 + ∫0 ∫0 (2𝑥𝑦 2 −
∞ ∞
1). (𝑥 + 𝑦)𝑑𝑥𝑑𝑦 + ∫1 ∫1 (2𝑥𝑦 2 − 1). 0 𝑑𝑥𝑑𝑦
∞ ∞
= 0 + ∫1 ∫1 (2𝑥 2 𝑦 2 + 𝑥 2 𝑦 3 − 𝑥 − 𝑦)𝑑𝑥𝑑𝑦 + 0
1 2 1
= ∫0 (3 𝑥 3 𝑦 2 + 𝑥 2 𝑦 3 = 2 𝑥 2 − 𝑥𝑦 )𝑑𝑦
22
1 2
= ∫0 (3 𝑦 2 + 𝑦 3 − 12 − 𝑦 )𝑑𝑦
2 1 1 1
= 9 𝑦3 + 4 𝑦4 − 2 𝑦 − 2 𝑦2
2 1 1 1
=9+4−2−2
19
𝐸(2𝑋𝑌 2 − 1) =− 36
2. Ekspektasi Bersyarat
𝐸[𝑢(𝑋)|𝑦] = u x . 𝑝′ (𝑥 | 𝑦)
x
𝐸[𝑣(𝑌)|𝑥] = v y . 𝑝′′(𝑦 | 𝑥)
x
Contoh 14 :
Misalnya fungsi peluang gabungan dari X dan Y berbentuk :
𝑥𝑦
𝑝(𝑥, 𝑦) = ; 𝑥 = 1,2,3 𝑑𝑎𝑛 𝑦 = 1,2
18
Hitung 𝐸(3𝑌|𝑦 = 1)𝑑𝑎𝑛 𝐸(2𝑌 2 |𝑥 = 1)
Penyelesaian :
a. Berdasarkan definisi ekspektasi bersyarat diskrit, maka :
23
6𝑦
= 18
𝑦
Jadi, 𝑃2 (𝑦) = 3 ; 𝑦 = 1,2
1
= (2) (1 + 4 + 9)
𝐸(3𝑌|𝑦 = 1) = 7
b. Berdasarkan definisi ekspektasi bersyarat diskrit maka :
2
= (3) (1 + 8)
24
𝐸(2𝑌 2 |𝑥 = 1) = 6
Contoh 15 :
Misalnya fungsi densitas gabungan dari X dan Y berbentuk :
3
𝑓(𝑥, 𝑦) = ( ) 𝑥𝑦 2 ; 0 < 𝑥 < 2 𝑑𝑎𝑛 1 < 𝑦 < 2
14
Hitung :
a. 𝐸(3𝑋|𝑦 = 1)
b. 𝐸(2𝑌 2 |𝑥 = 1)
Penyelesaian :
a. Berdasarkan definisi ekspektasi bersyarat kontinu, maka :
∞
3
= 0 + (28 𝑥 2 𝑦 2 )+0
25
3
= (7) 𝑦 2
Jadi,
3
𝑓2 (𝑦) = ( ) 𝑦 2 ; 1 < 𝑦 < 2
7
=0 ; y lainnya
Fungsi densitas bersyarat dari X diberikan Y = y adalah :
3
𝑥𝑦 2 1
𝑔(𝑥|𝑦) = 14 = 𝑥
3 2 2
𝑦
7
1
Jadi, 𝑔(𝑥|𝑦) = 2 𝑥 ; 0< x <2
= 0 ; x lainnya
Maka :
0 2 ∞
1
= 0 + (2 𝑥 3 )+0
𝐸(3𝑋|𝑦) = 4
Sehingga : 𝐸(3𝑋|𝑦) = 1) = 4
b. Berdasarkan definisi ekspektasi bersyarat kontinu, maka :
∞
2 |𝑥)
𝐸(2𝑌 = ∫ 2𝑦 2 . ℎ(𝑦|𝑥)𝑑𝑦
−∞
26
1
= 0+( 𝑥𝑦 3 ) + 0
14
1
= 𝑥
2
1
Jadi : 𝑓1 (𝑥) = 2 𝑥 ; 0 < 𝑥 < 2
= 0 ; x lainnya
Fungsi densitas bersyarat dari Y diberikan X = x adalah :
3
𝑥𝑦 2 3
ℎ(𝑦|𝑥) = 14 = 𝑦2
1 7
2𝑥
3
Jadi : ℎ(𝑦|𝑥) = (7) 𝑦 2 ; 1 < 𝑦 < 2
=0 ; y lainnya.
Maka :
1 2 ∞
𝐸(2𝑌 2 |𝑥) = ∫−∞ 2𝑦 2 . ℎ(𝑦|𝑥)𝑑𝑦 + ∫1 2𝑦 2 . ℎ(𝑦|𝑥)𝑑𝑦 +∫2 2𝑦 2 . ℎ(𝑦|𝑥) 𝑑𝑦
1 2 3 ∞
= ∫−∞(2𝑦 2 ). (0)𝑑𝑦 + ∫1 (2𝑦 2 ). (7) 𝑦 2 𝑑𝑦 +∫2 (2𝑦 2 ). (0) 𝑑𝑦
6
= 0 + 35 𝑦 5 +0
186
𝐸(2𝑌 2 |𝑥) = 35
186
Sehingga : (2𝑌 2 |𝑥 = 1) = 35
3. Rataan Bersyarat
Berikut ini akan dijelaskan definisi rataan bersyarat dari sebuah peubah acak
diskrit diberikan peubah acak diskrit lainnya, baik rataan bersyarat dari X diberikan
Y = y maupun rataan bersyarat dari Y diberikan X = x
27
𝐸(𝑋|𝑦) = ∑𝑥 𝑥. 𝑝′(𝑥|𝑦)
𝐸(𝑌|𝑥) = ∑𝑦 𝑦. 𝑝′′(𝑦|𝑥)
Berikut ini akan dijelaskan rataan bersyarat dari sebuah peubah acak
kontinu diberikan peubah acak kontinu lainnya, baik rataan bersyarat dari X
diberikan Y = y maupun rataan bersyarat dari Y diberikan X = x.
Contoh 16 :
Misalnya fungsi peluang gabungan dari X dan Y berbentuk :
1
𝑝(𝑥, 𝑦) = ( ) (𝑥 + 2𝑦); 𝑥 = 0,1,2,3 𝑑𝑎𝑛 𝑦 = 0,1,2,3
72
Hitung :
a. E (𝑋|𝑦 = 1)
b. E (𝑌|𝑥 = 2)
Penyelesaian :
a. Berdasarkan definisi rataan bersyarat diskrit, maka :
E (𝑋|𝑦) = ∑𝑥 𝑥. 𝑝(𝑥|𝑦)
Kita akan menentukan dahulu fungsi peluang bersyarat 𝑝(𝑥|𝑦).
Sebelumnya kita akan menentukan fungsi peluang marginal dari Y.
Berdasarkan definisi fungsi peluang marginal diskrit, maka :
𝑝2 (𝑦) = ∑ 𝑝(𝑥, 𝑦)
𝑥
1
= ∑3𝑥=0 72 (𝑥 + 2𝑦)
1
= (72) [2𝑦 + (1 + 2𝑦) + (2 + 2𝑦) + (3 + 2𝑦)]
1
= (72)(6 + 8𝑦)
1
Jadi, 𝑝2 (𝑦) = (72) (6 + 8𝑦); 𝑦 = 0,1,2,3
28
1
(𝑥+2𝑦)
72
= 1
(6𝑥+8𝑦)
72
=
𝑥+2𝑦
𝑝′ (𝑥|𝑦) = 6𝑥+8𝑥; x = 0,1,2,3 dan y = 0,1,2,3
𝑥+2𝑦
Sehingga ∑3𝑥=0 6𝑥+8𝑥
1
= 6+8𝑦 [(0)(2𝑦) + (1)(1 + 2𝑦) + (2)(2 + 2𝑦) + (3)(3 + 2𝑦)]
14+12𝑦
= 6+8𝑦
7+6𝑦
E (𝑋|𝑦)= 3+4𝑦
Sehingga :
13
E (𝑋|𝑦 − 1) = 7
𝐸(𝑌|𝑥) = ∑ 𝑦. 𝑝′′(𝑦|𝑥)
𝑦
𝑝1 (𝑥) = ∑ 𝑝(𝑥, 𝑦)
𝑦
1
= ∑3𝑥=0 72 (𝑥 + 2𝑦)
1
= (72) [𝑥 + (𝑥 + 2) + (𝑥 + 4) + (𝑥 + 6)]
1
= (72)(4𝑥 + 12)
1
Jadi, 𝑝1 (𝑥) = (72) (4𝑥 + 12); 𝑥 = 0,1,2,3
29
𝑥+2𝑦
𝑝′ ′(𝑦|𝑥) = 4𝑥+12; x = 0,1,2,3 dan y = 0,1,2,3
Sehingga
𝑥+2𝑦
E (𝑌|𝑥)= ∑3𝑦=0(𝑦)(4𝑥+12)
1
= 4𝑥+12 [(0)(𝑥) + (1)(𝑥 + 2) + (2)(𝑥 + 4) + (3)(𝑥 + 6)]
6𝑥+28
= 4𝑥+12
3𝑥+14
E (𝑌|𝑥)= 2𝑥+6
Sehingga :
E (𝑌|𝑥 − 2) = 2
Contoh 17 :
Misalnya fungsi densitas gabungan dari X dan Y berbentuk :
𝑓(𝑥, 𝑦) = 𝑒 𝑥 ; 0 < 𝑥 < 𝑦 < ∞
= 0 ; x,y lainnya
Tentukan E(X|y).
Penyelesaian :
Kita akan menggambarkan dahulu daerah yang memenuhi 0 < 𝑥 < 𝑦 < ∞
30
y
0 x
𝐸(𝑋|𝑦) = ∫ 𝑥. 𝑔(𝑥|𝑦)𝑑𝑥
−∞
= 0 + (𝑥. 𝑒 −𝑦 )+0
= y . 𝑒 −𝑦
Jadi, 𝑓2 (𝑦) = y . 𝑒 −𝑦 ; y > 0
=0 ; y lainnya
Fungsi densitas bersyarat dari X diberikan Y = y adalah :
𝑒 −𝑦 1
𝑔(𝑥|𝑦) = 𝑦.𝑒 −𝑦 = 𝑦
1
Jadi, g(𝑥|𝑦) = 𝑦 ; 0 < 𝑥 < 𝑦 < ∞
31
= 0 ; x,y lainnya
0 𝑦 ∞
Maka : E(X|y) = ∫−∞ 𝑥. 𝑔(𝑥|𝑦)𝑑𝑥 + ∫0 𝑥. 𝑔(𝑥|𝑦)𝑑𝑥 + ∫𝑦 𝑥. 𝑔(𝑥|𝑦)𝑑𝑥
0 𝑦 1 ∞
= ∫−∞ 𝑥. 0 𝑑𝑥 + ∫0 𝑥. 𝑦 𝑑𝑥 + ∫𝑦 𝑥. 0 𝑑𝑥
1 1
= 0 + 𝑦 (2 𝑥 2 )+ 0
𝑦
E(X|y) = 2 ; 𝑦 > 0
Dalil 11:
32
dan perkalian momen sekitar rataan ke-r dan ke-s dari X dan Y (dinotasikan dengan
𝜇r,s) dirumuskan sebagai berikut:
𝑠
𝜇r,s = E[(X - 𝜇x)𝑟 (Y - 𝜇𝑦 )𝑠 ]= ∑𝑥 ∑𝑦(𝑥 − 𝜇𝑥 )𝑟 (𝑦 − 𝜇𝑦 ) . 𝑝(𝑥, 𝑦)
dengan r = 0, 1, 2, 3, … dan s = 0, 1, 2, 3, ….
5. Kovarians
Berikut ini akan dijelaskan sebuah ukuran yang merupakan hal khusus dari
perkalian dua momen, yaitu kovarians.
Definisi (Kovarians)
Jika X dan Y dua peubah acak bebas dengan rataan x dan y , maka
kovarians peubah acak X dan Y didefinisikan sebagai XY
2
E[( X x )(Y y )]
E [(X )(Y )]
XY X Y
(x X )(y Y ) f(x,y)
x y
33
b. untuk kasus X dan Y kontinu
E [(X )(Y )]
XY X Y
(x X )(y Y )f(x,y)dxdy
Teorema (Kovarians)
Jika X dan Y dua peubah acak bebas dengan rataan x dan y , maka
kovarians peubah acak X dan Y dapat ditentukan dengan :
xy2 E( XY ) E( X ) E(Y )
Bukti :
a. untuk kasus X dan Y diskrit
(x x )(y y ) f(x,y)
XY
x y
(xy y x x y ) f(x,y)
X Y
x y
Maka diperoleh :
E(XY) x y x y x y E(XY) x y
XY
34
XY
(x x )(y y )f(x,y)dxdy
(xy X y Y x xy )f(x,y)dxdy
XY
xyf(x,y)dxdy X y f(x,y)dxdy
Y xf(x,y)dxdy xy f(x,y)dxdy
karena : x
xf(x,y)dxdy; y
yf(x,y)dxdy;
dan
f(x,y)dxdy 1
Contoh 18:
Dimas mengambil 2 buah pensil secara acak dari sebuah kotak yang berisi
tiga pensil warna biru, dua warna merah dan tiga warna kuning. Jika X
menyatakan pensil warna biru dan Y warna yang diambil, hitunglah kovariansi
dua peubah tersebut!
Penyelesaian:
Distribusi peluang gabungannya sebagai berikut:
X 0 1 2
Y
0 3 9 3
28 28 28
1 6 6
28 28
35
1
2 28
2 2
EXY xyf ( x, y)
3
Sehingga (lihat nilai harapan peubah acak
x 0 y 0 14
gabungan X dan Y)
2 2 2
x EX xf ( x, y ) xg( x) (0)(
10 15 3 3
) (1)( ) (2)( )
x 0 x 0 x 0 28 28 2 4
2 2 2
y EY yf ( x, y ) yh( y ) (0)(
15 12 1 1
) (1)( ) (2)( )
x 0 y 0 x 0 28 28 28 2
3 3 1 9
Jadi xy E ( XY ) x y ( )( )
14 4 2 56
Contoh 19:
Tentukan kovariansi peubah acak X dan Y yang fungsi padat peluang
gabungannya dinyatakan sebagai
4 0 x y;0 y 1
f ( x, y)
0 x lainnya
Penyelesaian :
1y 1y
1 1
x E ( X ) 4 ydxdy dan E ( XY ) 4 xydxdy
00 4 00 2
1 2 4 10
sehingga xy E ( Xy) x y ( )( )
2 3 3 9
Dalil 12 (Perumusan Kovarians Umum)
36
6. Varians Bersyarat
Definisi (Varians Bersyarat Umum)
Jika X dan Y adalah dua peubah acak, baik diskrit maupun kontinu, maka
varians bersyarat dari X diberikan Y = y didefinisikan sebagai:
Var(X | y) = E[{X - E(X | y)}2 y]
atau
Var(X | y) = E(𝑋 2 | y) - [E(X | y) ]2
dan varians bersyarat dari Y diberikan X = x didefinisikan sebagai:
Var(Y | x) = E[{Y - E(Y | x) }2 x]
atau
Var(Y | x) = E(𝑌 2 | x) - [E(Y | x) ]2
Jika X dan Y adalah dua peubah acak kontinu, g(x | y) adalah nilai fungsi
densitas bersyarat dari X diberikan Y = y di x, dan h(y | x) adalah nilai fungsi
densitas bersyarat dari Y diberikan X = x di y, maka varians bersyarat dari X
diberikan Y = y dirumuskan sebagai berikut:
∞
Var(X | y) = ∫−∞[𝑥 − 𝐸(𝑋 | 𝑦 )]2 . 𝑔(𝑥|𝑦)𝑑𝑥
dan varians bersyarat dari Y diberikan X = x dirumuskan
sebagai berikut:
∞
Var(Y | x) =∫−∞[𝑦 − 𝐸(𝑌 | 𝑥 )]2 . ℎ(𝑦|𝑥)𝑑𝑦
37
7. Fungsi Pembangkit Momen
Jika X dan y adalah dua peubah acak, baik diskrit maupun kontinu, maka fungsi
pembangkit momen gabungan dari X dan Y (dinotasikan dengan M(t 1,t2))
didefinisikan sebagai:
M(t1,t2) = E[exp(t1X + t2Y)]
untuk -h1 < t1 < h1 , -h2 < t2 < h2 , h1 > 0 , h2 > 0.
Jika X dan Y adalah peubah acak diskrit dengan p(x,y) adalah nilai fungsi
peluang gabungan dari X dan Y di (x,y), maka fungsi pembangkit momen
gabungan dari X dan Y didefinisikan sebagai:
𝑀(𝑡1 , 𝑡2 ) = ∑𝑥 ∑𝑦 𝑒 𝑡1𝑥+𝑡2𝑦 . 𝑝(𝑥, 𝑦)
Jika X dan Y adalah peubah acak kontinu dengan f(x,y) adalah nilai fungsi
densitas gabungan dari X dan Y di (x,y), maka fungsi pembangkit momen
gabungan dari X dan Y didefinisikan sebagai:
∞ ∞
𝑀(𝑡1 , 𝑡2 ) = ∫−∞ ∫−∞ 𝑒 𝑡1𝑥+𝑡2 𝑦 . 𝑓(𝑥, 𝑦)𝑑𝑥𝑑𝑦
38
Fungsi pembangkit momen marginal dari X diperoleh dari fungsi pembangkit
momen gabungan dengan mensubstitusikan t2 = 0, sehingga:
M(t1,0) = M(t1) = E[exp(t1X)]
8. Koefisien Korelasi
Penentuan derajat hubungan linier antara dua buah peubah acak digunakan
koefisien korelasi.
Rumus yang digunakan untuk menentukan derajat hubungan linier tersebut
bisa dilihat dalam definisi berikut.
Jika X dan Y adalah dua peubah acak yang saling bebas, maka:
E(XY) = E(X).E(Y)
39
Dalil 13 (Akibat Kedua Kebebasan Stokastik)
Jika X dan Y adalah dua peubah acak yang saling bebas, maka:
E[(u(X).v(Y)] = E[u(X)].E[v(Y)]
Jika X dan Y adalah dua peubah acak yang saling bebas, maka:
M(𝑡1 , 𝑡2 ) = MX(𝑡1 ).MY(𝑡2 )
Dalil 15 (Akibat Keempat Kebebasan Stokastik)
Jika X dan Y adalah dua peubah acak yang saling bebas, maka:
Kov(X,Y) = 0
Dalil 16 (Akibat Kelima Kebebasan Stokastik)
Jika X dan Y adalah dua peubah acak yang saling bebas, maka:
ρ=0
Dalam hal ini, hubungan antara kebebasan stokastik dua peubah acak dan
koefisien korelasinya ρ = 0 sebagai berikut:
1. Jika X dan Y adalah dua peubah acak yang saling bebas, maka ρ = 0.
2. Jika ρ = 0, maka X dan Y adalah dua peubah acak yang belum tentu saling bebas.
40
BAB III
PENUTUP
A. Kesimpulan
Ekspektasi matematika adalah satu konsep penting dalam teori dasar
statistika. Ekspektasi Matematika (Harapan matematis) ini menentukan
tendensi sentral dari distribusi probabilitas. Jika X adalah sembarang
peubah acak, maka ekspektasi matematika dari peubah acak X biasanya
dinotasikan dengan E(X) atau µ.
Ekspektasi matematika terbagi dalam 2 bagian yaitu ekspektasi satu
peubah acak dan ekspektasi dua peubah acak. Dalam ekspektasi satu peubah
acak dibahas mengenai nilai ekspektasi, rataan, varians, momen, fungsi
pembangkit momen, dan pertidaksamaan Chebyshev. Sedangkan dalam
ekspektasi dua peubah acak membahas mengenai nilai ekspektasi gabungan,
ekspektasi bersyarat, rataan bersyarat, perkalian dua momen, kovarians,
varians bersyarat, fungsi pembangkit momen gabungan, koefisien
stokastik, dan akibat kebebasan stokastik.
B. Saran
Ekspektasi matematika adalah satu konsep penting dalam teori dasar
statistika. Oleh karena itu sebagai mahasiswa penting bagi kita untuk
mempelajari contoh-contoh yang berkaitan dengan ekspektasi matematika
baik satu maupun dua peubah acak serta mengembangkannya dalam
kehidupan sehari-hari.
Dalam menyusun makalah ini, penulis menyadari sepenuhnya
bahwa isi makalah ini belumlah sempurna dan masih kurang baik mengenai
materi maupun cara penulisannya. Oleh karena itu, penulis sangat
mengharapkan kritik dan saran yang sifatnya membangun dari pihak lain
yang dapat menyempurnakan makalah ini.
41
Daftar Pustaka
http://chandra-novtiar.dosen.stkipsiliwangi.ac.id/files/2017/04/Pertemuan_5.pdf
http://chandra-novtiar.dosen.stkipsiliwangi.ac.id/files/2017/04/Pertemuan_6.pdf
http://file.upi.edu/Direktori/FPMIPA/JUR._PEND._MATEMATIKA/1961061819
87031NAR_HERRHYANTO/FILE_12_PERTEMUAN_KESEMBILAN_STAT
MAT_1.pdf
http://file.upi.edu/Direktori/FPMIPA/JUR._PEND._MATEMATIKA/1961061819
87031NAR_HERRHYANTO/FILE_11_PERTEMUAN_KETUJUH_STATMAT
_1.pdf
42