2. analisis peubah acak diskrit_3 sept 14
DESCRIPTION
afsaTRANSCRIPT
ANALISIS PEUBAH ACAK DISKRIT
(ANALYSIS OF DISCRETE RANDOM VARIABLE)
2b
TUJUAN PELAJARAN
Menentukan peluang dari probability mass function dan sebaliknya; Menentukan peluang dari cumulative distribution function dan
cumulative distribution function dari probability mass function dan sebaliknya;
Menghitung rata-rata dan variansi dari peubah acak diskrit; Memahami asumsi untuk setiap distribusi peluang diskrit yang
disampaikan Memilih distribusi peluang diskrit yang tepat untuk menghitung
peluang dalam aplikasi-aplikasi khusus Menghitung peluang, menentukan rata-rata dan variansi dari setiap
distribusi peluang diskrit.
PROBABILITY DISTRIBUTIONS AND PROBABILITY MASS FUNCTIONS
4
Probability distribution dari suatu peubah acak X adalah suatu deskripsi peluang-peluang yang terkait dengan nilai X.
Untuk suatu peubah acak diskrit, distribusi selalu dinyatakan dengan suatu daftar nilai bersama dengan peluang dari masing-masing nilai tersebut. Penyataan distribusi dapat juga dinyatakan dengan persamaan peluang. Contoh: P( X=0 ) = 0.65, P( X=1 ) = 0.66, f(x) = (8/7)X
Untuk suatu peubah acak diskrit X dengan nilai yang mungkin x1, x2, …, xn, probability mass function adalah suatu fungsi:
PROBABILITY DISTRIBUTIONS ANDPROBABILITY MASS FUNCTIONS
5
Contoh Soal:Di pagi hari 3 orang petani A, B, C menitipkan peci kepada seorang anak.Di sore hari, anak tersebut mengembalikan peci secara acak kepada para petani.Bila urutan petani dalam menerima peci adalah A, B, C:a. Tentukan ruang sampel urutan kemungkinan susunan peci di petani;b. Cari nilai c dari random variable C yang menyatakan jumlah susunan yang
cocok. c. Tentukan kemungkinan nilai c dan peluangnya (distribusi peluang)
PROBABILITY DISTRIBUTIONS ANDPROBABILITY MASS FUNCTIONS
6
Jawab
Ruang sampel:
Peluang (distribusi Peluang):
PROBABILITY DISTRIBUTIONS ANDPROBABILITY MASS FUNCTIONS
Ruang Sampel c (Kesesuaian Peci)ABC 3ACB 1BAC 1BCA 0CAB 0CBA 1
c 0 1 3P(C=c) 1/3 1/2 1/6
7
PROBABILITY DISTRIBUTIONS ANDPROBABILITY MASS FUNCTIONS
8
CUMULATIVE DISTRIBUTION FUNCTION
Cumulative distribution function dari suatu peubah acak diskrit X, yang dinyatakan dengan F(x), adalah jumlah kumulatif dari probability mass function, dan dapat dirumuskan dengan:
dimana suatu fungsi cumulative distribution function memiliki karakteristik sebagai berikut:
9
CUMULATIVE DISTRIBUTION FUNCTION
10
CUMULATIVE DISTRIBUTION FUNCTION
11
CUMULATIVE DISTRIBUTION FUNCTION
12
CUMULATIVE DISTRIBUTION FUNCTION
13
CUMULATIVE DISTRIBUTION FUNCTION
14
MEANS & VARIANSOF A DISCRETE RANDOM VARIABLE
Mean atau disebut juga dengan expected value dari suatu peubah acak X, dilambangkan dengan µ atau E(X) adalah nilai rata-rata :
Varians dari X, dilambangkan dengan 𝜎2 atau V(X) adalah
Sedangkan standar deviasi dari X adalah
15
MEANS & VARIANSOF A DISCRETE RANDOM VARIABLE
Mean atau disebut juga dengan expected value dari suatu peubah acak X, dilambangkan dengan µ atau E(X) adalah suatu nilai rata-rata dari nilai yang mungkin dari X, dengan berat yang sama dengan peluang.
16
MEANS & VARIANSOF A DISCRETE RANDOM VARIABLE
Contoh suatu distribusi peluang:
17
MEANS & VARIANSOF A DISCRETE RANDOM VARIABLE
Varians dari X, dilambangkan dengan 𝜎2 atau V(X) adalah suatu ukuran sebaran nilai yang mungkin dari X.
18
MEANS & VARIANSOF A DISCRETE RANDOM VARIABLEContoh:
Dalam suatu distribusi peluang, gambar a dan b memiliki rata-rata yang sama namun varians pada gambar a lebih besar dari varians pada gambar b.
19
MEANS & VARIANSOF A DISCRETE RANDOM VARIABLE
20
MEANS & VARIANSOF A DISCRETE RANDOM VARIABLE
X X-65.7 (X-65.7)2x1 35 -30.7 943.4x2 46 -19.7 388.7x3 57 -8.7 75.9x4 68 2.3 5.2x5 72 6.3 39.5x6 87 21.3 453.1x7 95 29.3 857.7
460 2763.465.7 394.8
Distance from the mean
Squared distance from the mean
Sum of squared distances from the mean
Average of the squared distances from the mean= Variance
21
MEANS & VARIANSOF A DISCRETE RANDOM VARIABLE
Jika X adalah suatu peubah acak sebagai suatu fungsi h(x) dengan probability mass function f(x), maka:
Contoh:
22
MEANS & VARIANSOF A DISCRETE RANDOM VARIABLE
Mean /Expectation
Variance
Data Mean: the average of the actually obtained data
How dispersed the data points are
A random variable
Expectation: the average of the values to be obtained
How dispersed the values are to be
23
CONTOH SOAL
Buktikan bahwa jika Fξ(x) memiliki distribusi diskrit dengan nilai x1,x2,.... maka adalah konstanta dengan ukuran P{ξ = xi} untuk masing-masing xi. (Petunjuk: Increment Fξ(t) - Fξ(s) sebanding dengan total masa dari xi yang termasuk dalam interval [s,t]
24
CONTOH SOAL
Solusi 1.6 Misalkan bahwa Fξ(x) memiliki distribusi diskrit dengan nilai x1,x2,.... Jika s < t adalah bilangan riil sehingga xi ∈ (s,t) untuk setiap i, maka
Fξ (t) - Fξ (s) = P{ξ ≤ t} - P{ξ ≤ s} = P{ξ ∈ (s,t)}, Sebagai contoh Fξ(s) = Fξ(t) = 0. Tapi jika terdapat tepat satu i sehingga xi ∈ (s,t), sehingga
Fξ(t) - Fξ (s) = P{ξ ≤ t} - P{ξ ≤ s} = P{ξ ∈ (s,t)} = P{ξ = xi}.
Hal ini berarti bahwa Fξ adalah konstanta pada sembarang interval yang tidak mengandung setiap nomer x1,x2,... dan melakukan lompatan dengan ukuran P{ξ = xi} pada setiap xi.
25
DISCRETE UNIFORM DISTRIBUTION
Suatu peubah acak X memiliki suatu discrete uniform distribution jika nilai dari setiap n dalam rentangnya, misalnya x1, x2, … , xn memiliki peluang yang sama.
Probability mass function f(x) akan bernilai:
26
DISCRETE UNIFORM DISTRIBUTION
27
DISCRETE UNIFORM DISTRIBUTION
28
DISCRETE UNIFORM DISTRIBUTION
29
BINOMIAL DISTRIBUTION
Suatu percobaan seringkali hanya memiliki 2 keluaran. Percobaan dengan 2 keluaran yang mungkin dan dilakukan berulang kali dalam suatu percobaan acak disebut dengan Bernoulli Trial.
Suatu percobaan acak yang terdiri dari n Bernoulli trial memiliki karakteristik: Percobaan terdiri dari n usaha yang berulang; Percobaan-percobaan bersifat independen; Setiap hasil percobaan hanya memiliki 2 kemungkinan keluaran
seperti sukses atau gagal; Peluang sukses dari setiap percobaan dinyatakan dengan p dan
selalu bernilai konstan.
30
BINOMIAL DISTRIBUTION Contoh Percobaan Bernoulli:Suatu usaha pengambilan 3 bahan secara acak dari suatu hasil pabrik yang menghasilkan 25% bahan cacat, dimana pengambilan bahan yang cacat disebut sukses (mendapatkan bahan yang cacat).
Banyaknya sukses merupakan merupakan suatu peubah acak X dengan nilai 0 – 3. Hasil yang mungkin:
P(C) = ¼P(T) = ¾
P(TCT) = 3/4*1/4*3/4P(TCT) = 9/64
Hasil xTTT 0TCT 1TTC 1CTT 1TCC 2CTC 2CCT 2CCC 3
x 0 1 2 3
f(x) 27/64 27/64 9/64 1/64
31
BINOMIAL DISTRIBUTION Dalam n percobaan, peluang sukses dari x percobaan: p Peluang gagal (q) dari n-x percobaan adalah 1-p; Peluang untuk urutan tertentu dengan kejadian bebas: Jumlah titik pada ruang sampel adalah
Suatu peubah acak X yang bernilai sama dengan jumlah dari percobaan yang menghasilkan keluaran sukses, memiliki peubah acak binomial dengan parameter 0 < p < 1 dan n = 1,2, … , dan probability mass function dari X adalah:
32
GEOMETRIC BINOMIAL DISTRIBUTION
Dalam deretan percobaan Bernoulli, untuk suatu peubah acak X yang menunjukkan sejumlah percobaan sampai sukses yang pertama, disebut dengan peubah acak geometrik dengan parameter 0 < p < 1 dan
33
NEGATIVE BINOMIAL DISTRIBUTION
Dalam deretan percobaan Bernoulli, untuk suatu peubah acak X yang menunjukkan sejumlah percobaan sampai r sukses terjadi, disebut dengan peubah acak binomial negatif dengan parameter 0 < p < 1 dan r = 1,2,3, …
34
HYPERGEOMETRIC DISTRIBUTION
Terdapat suatu himpunan yang terdiri N objek, dengan K objek yang digolongkan sebagai sukses dan N-K objek yang digolongkan sebagai gagal.
Suatu sampel berukuran N objek yang dipilih secara acak dari N objek dimana K ≤ N dan n ≤ N, dan suatu peubah acak X yang menunjukkan jumlah sukses dalam sampel, maka X disebut hypergeometric random variable dengan
35
DISTRIBUSI POISSON Untuk suatu rentang bilangan real, dengan asumsi perhitungan
terjadi secara acak dalam rentang tersebut, maka rentang tersebut dapat dibagi menjadi bagian rentang dengan: Peluang lebih dari satu kali perhitungan dalam bagian rentang
adalah 0; Peluang dari satu perhitungan dalam bagian rentang adalah
sama untuk semua bagian rentang dan sebanding dengan panjang dari bagian rentang tersebut;
Perhitungan dalam bagian rentang adalah bebas dan terlepas dari bagian rentang lainnya dimana percobaan secara acak disebut dengan proses poisson.
Peluang acak X yang sama dengan jumlah dari perhitungan dalam rentang disebut dengan peubah acak poisson dengan parameter 0 < λ dan probability mass function dari X adalah