EKSPEKTASI

(HARAPAN Matematika)

MA3181 Teori Peluang

10 September 2014
Utriweni Mukhaiyar

1
 Ekspektasi
O Ekspektasi dari X

  xP( X  x), jika X peubah acak diskrit

 semua x
  E[ X ]   
  xf ( x) dx , jika X peubah acak kontinu
 

dimana :
x : nilai-nilai pada X
P(X=x) : peluang untuk setiap nilai x
2
O ekspektasi g(x) didefinisikan sebagai:

  g ( x) P( X  x), jika X peubah acak diskrit

 semua x
E[ g ( X )]   
  g ( x) f ( x) dx , jika X peubah acak kontinu
 

O Jika g(x) = Xp, maka E[Xp] disebut momen ke-p,

tetapi jika g(x) = (X-a)p disebut momen ke-p di
sekitar a.

O Umumnya diambil a = =E[X] atau rataan X

(momen ke satu)
3
 Sifat Ekspektasi
O Untuk peubah acak X dan Y, maka
E(X+Y) = E(X) + E(Y)

O Bila Y = aX + b, a dan b tetapan,

maka
E(Y) = aE(X)+b

4
 Variansi
Jika diambil g(x) = (X-)2, maka E[(X-)2 ]
disebut variansi variabel acak X

Var ( X )  E[( X   ) ] 2

 E[ X 2  2 E[ X ]   2 ]
 E[ X ]  
2 2

 E[ X ]  ( E[ X ])
2 2

5
 Sifat Variansi
O Bila Y = aX + b, a dan b tetapan, maka
Var(Y) = 2Y= a2Var(X) = a22X

Buktikan!! (Gunakan sifat-sifat ekspektasi)

Akibat :
* Var(X+b) = 2X
* Var(aX) = a22X
6
 Beberapa Sifat Lainnya
O Misalkan g(X) dan h(X) masing-masing adalah
fungsi dari peubah acak X, maka
E[g(X)  h(X)] = E[g(X)]  E[h(X)]
O Jika peubah acak X dan Y dengan fungsi peluang
gabungan f(x,y) maka,
 E[X  Y] = E[X]  E[Y]
 2aX+bY = a2 2X + b2 2Y + 2ab XY
O Jika peubah acak X dan Y saling bebas, maka
 2aX+bY = a2 2X + b2 2Y
 2aXbY = a2 2X + b2 2Y
 Contoh 1
Misal X adalah besar laba (untung dan rugi)
yang diperoleh sebuah peusahaan atas suatu
investasi yang dilakukannya (dalam milyar
per tahun). Jika ditetapkan fungsi peluang
sebagai berikut:
 x2
 , 1  x  2
f ( x)   3

 0, x yang lain
Tentukan:
a. Rataan dan variansi dari laba yang diperoleh
perusahaan dalam satu tahun.
b. Jika dibangun Y = 4X + 3, tentukan rataan dan
8
variansi dari Y ini.
 Jawab:
a.
Rataan dari X Variansi dari X
2
x2
E  X    x dx  5 
2

3 Var  X   E  X   
1
2
 4  
1 x 
4
2
    5  x2
2

3  4  1  x  dx
1 
4 3
1
 16  1  0.6375
12
5
 9
4
b.

E Y   E  4 X  3 Var Y   E   4 X  3  8  
 2

 
 4E  X   3
 E  4 X  5  
2
2
x2  
 4  x dx  3 2
x2
  4 x  5
2
1
3  dx
2 1
3
4 x  2
   38 
51
3  4  1 5

10
*
Misalkan X suatu peubah acak. Untuk suatu
h>0, terdapat ekspektasi dari etX pada –h < t < h.
Fungsi pembangkit momen dari X didefinisikan
sebagai MX(t) = E[etX], untuk –h < t < h.

Sifat fungsi pembangkit momen adalah unik.

Misalkan p.a X dan Y memiliki mgf masing-masing

MX dan MY.
FX ( z )  FY ( z ),  z   M X (t )  M Y (t ),  t  (h, h)
 Contoh 2
O Misalkan fpm dari p.a. X diskrit adalah:
1 t 2 2 t 3 3t 4 4 t
M X (t )  e  e  e  e
10 10 10 10
Untuk semua t є R. Cari fungsi peluang yang sesuai.
Jawab :
Untuk p.a. diskrit, maka: M X (t )  E e  
tX

semua x
etx P ( X  x)
4
x tx
Pada kasus di atas, tulis M X (t )   e
x 1 10
Dengan demikian:
x
 , x  1, 2,3, 4
P ( X  x)  10

 0, x lainnya
Latihan Soal
 Latihan Soal
3. Hitung nilai mean dan variansi dari fungsi peluang p.a.
X berikut:  3! 1
3

   , x  0,1, 2,3
a. P ( X  x)   x !(3  x)!  2 

 0, x lainnya
b. 6 x(1  x) , 0  x 1
f ( x)  
 0, x lainnya
4. Cari mean, variansi, dan fpm p.a. X dgn fungsi peluang:
 1  x
  , x  1, 2,3,...
P ( X  x)   2 
 0,
 x lainnya
 Latihan Soal
5. Tunjukkan bahwa fpm dari p.a. X yang memiliki fungsi
peluang 1
 , 1  x  2
f ( x)   3

 0, x lainnya
 e 2t  e  t
adalah  , t0
M (t )   3t
 1, t 0

6. Misalkan p.a. X dengan E[(X–b)2] ada untuk semua
bilangan real b. Tunjukkan bahwa E[(X–b)2] minimum
pada saat b = E[X].
 Ketaksamaan Markov
O Misal X adalah peubah acak dan m adala
bilangan bulat positif. Misalkan E[Xm] ada.
Jika k adalah bilangan bulat positif dan k ≤ m
maka E[Xk] ada.

O Ketaksamaan Markov. Misal u(X) adalah

fungsi non-negatif dari peubah acak X. Jika
E[u(X)] ada, maka untuk setiap nilai c > 0,
𝐸[𝑢 𝑋 ]
𝑃(𝑢(𝑋) ≥ 𝑐) ≤ 𝑐
Ketaksamaan Chebyshev
O Misal p.a. mempunyai distribusi peluang
dengan variansi hingga (artinya mean µ =
E[X] ada). Maka untuk seriap k > 0 :
1
𝑃 𝑋 − 𝜇 ≥ 𝑘𝜎 ≤ 2
𝑘
atau
1
𝑃 𝑋 − 𝜇 ≤ 𝑘𝜎 ≥ 1 − 2
𝑘
 Latihan
1. Misal p.a. X sedemikian sehingga P(X ≤ 0) = 0
dan µ = E[X] ada. Tunnjukkan bahwa
1
𝑃 𝑋 ≥ 2𝜇 ≤ 2.
2. Misal p.a. X, E[X] = 3 dan E[X2]=13. Cari batas
bawah untuk P(-2 < X < 8).
 Referensi
 Devore, J.L. and Peck, R., Statistics – The Exploration and
Analysis of Data, USA: Duxbury Press, 1997.
 Hogg, McKean, and Craig, Introduction to Mathematical
Statistics, New Jersey: Pearson Prentice Hall, 2005.
 Wackerly, et.al., Mathematicsl Statistics and Its Application
7th Ed., USA: Thomson, 2008.
 Walpole, Ronald E. dan Myers, Raymond H., Ilmu
Peluang dan Statistika untuk Insinyur dan Ilmuwan, Edisi 4,
Bandung: Penerbit ITB, 1995.
 Walpole, Ronald E., et.al, Statistitic for Scientist and
Engineering, 8th Ed., 2007.
19