EKSPEKTASI DUA PEUBAH ACAK

dokumen-dokumen yang mirip
Var X y x E X y. g x y dx. dan varians bersyarat dari Y diberikan X = x dirumuskan sebagai berikut: Var Y x y E Y x. h y x dy

Peubah acak X yang berdistribusi normal dengan rataan sebagai: 2 ) X ~ N(,

Ekspektasi Satu Peubah Acak Kontinu

BAB 2 MOMEN DAN ENTROPI

Disusun oleh: 1. Diah Sani Susilawati ( / 7B) 2. Farid Hidayat ( / 7B) 3. Rico Nurcahyo ( / 7B)

HANDOUT PERKULIAHAN. Pertemuan Ke : 3 : Distribusi Satu Peubah Acak dan Ekspektasi Satu Peubah Acak

Ekspektasi Satu Peubah Acak Diskrit

DISTRIBUSI DUA PEUBAH ACAK

Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD.

BEBERAPA TEKNIK DISTRIBUSI FUNGSI PEUBAH ACAK

BEBERAPA DISTRIBUSI KHUSUS DKINTINU DIKENAL

STATISTIK PERTEMUAN VI

Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD.

AK5161 Matematika Keuangan Aktuaria

AK5161 Matematika Keuangan Aktuaria

Bab 9 Peluang dan Ekspektasi Bersyarat: Harapan Tanpa Syarat

Sebaran Peubah Acak Bersama

BAB III PROSES POISSON MAJEMUK

DISTRIBUTIONS OF RANDOM VARIABLE DISTRIBUSI VARIABEL RANDOM

DISTRIBUSI SATU PEUBAH ACAK

Sebaran Peubah Acak Bersama

Probabilitas dan Statistika Fungsi Distribusi Peluang Kontinyu Lanjut. Adam Hendra Brata

BAB II LANDASAN TEORI. ilmiah. Pencacahan atau pengukuran karakteristik suatu objek kajian yang

Definisi: Nilai harapan/ekspektasi (expected value/expectation) atau ekspektasi dari peubah acak diskrit/kontinu X adalah

RPS STATISTIKA MATEMATIKA

Peubah acak adalah suatu fungsi dari ruang contoh ke bilangan nyata, f : S R

MA3081 STATISTIKA MATEMATIKA We love Statistics

Fungsi dan Grafik Diferensial dan Integral

LANDASAN TEORI. Generalized Lambda Distribution (GLD) awalnya diusulkan oleh Ramberg dan

MA5181 PROSES STOKASTIK

MATERI BAB I RUANG SAMPEL DAN KEJADIAN. A. Pendahuluan Dari jaman dulu sampai sekarang orang sering berhadapan dengan peluang.

PENGURAIAN PENDAPATAN GABUNGAN DUA PRODUK DARI SUATU PERUSAHAAN

II. TINJAUAN PUSTAKA

Peubah Acak dan Distribusi Kontinu

(HARAPAN MATEMATIKA) BI5106 Analisis Biostatistik 20 September 2012 Utriweni Mukhaiyar

SILABUS. 5. Evaluasi a. Kehadiran = 10% b. Tugas = 20% c. UTS = 30% d. UAS = 40%

Pengantar Statistika Matematik(a)

Catatan Kuliah AK5161 MATEMATIKA KEUANGAN AKTUARIA. Insure and Invest! Khreshna I.A. Syuhada, MSc. PhD.

RANCANGAN PEMBELAJARAN

3. Gabungan Fungsi Linier

A. Distribusi Gabungan

Achmad Samsudin, M.Pd. Jurdik Fisika FPMIPA Universitas Pendidikan Indonesia

BAB 1 PENDAHULUAN. Hampir semua fenomena di dunia ini memiliki beberapa ketidakpastian,

THEORY. By: Hanung N. Prasetyo PEUBAH ACAK TELKOM POLYTECHNIC/HANUNGNP

MATEMATIKA BISNIS BAB 2 FUNGSI LINIER

Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Pengantar Proses Stokastik

A. Distribusi Gabungan

BAB II DISTRIBUSI PEUBAH ACAK

II. TINJAUAN PUSTAKA. Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam

Catatan Kuliah. MA5181 Proses Stokastik

STK 203 TEORI STATISTIKA I

KONSEP DASAR TERKAIT METODE BAYES

II. LANDASAN TEORI. karakteristik dari generalized Weibull distribution dibutuhkan beberapa fungsi

KAJIAN MODEL EPIDEMIK SIR DETERMINISTIK DAN STOKASTIK PADA WAKTU DISKRIT. Oleh: Arisma Yuni Hardiningsih

MA5181 PROSES STOKASTIK

STATISTIKA UNIPA SURABAYA

MODUL BAB 2 KOMPOSISI FUNGSI DAN FUNGSI INVERS. Standar Kompetensi: 2. Menentukan komposisi dua fungsi dan invers suatu fungsi

Harapan Matematik (Teori Ekspektasi)

II. TINJAUAN PUSTAKA. Menurut Herrhyanto & Gantini (2009), peubah acak X dikatakan berdistribusi

Bab I. Fungsi Dua Peubah atau Lebih. Pengantar

BAB I. SISTEM KOORDINAT, NOTASI & FUNGSI

UJI STATISTIK NON PARAMETRIK. Widha Kusumaningdyah,, ST., MT

LANDASAN TEORI. Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu.

BAB 2 LANDASAN TEORI. Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun

PENGANTAR MODEL PROBABILITAS

CNH3E3 PROSES STOKASTIK Peubah Acak & Pendukungnya

BAB II LANDASAN TEORI

Catatan Kuliah. MA4181 PENGANTAR PROSES STOKASTIK Smart and Stochastic. disusun oleh Khreshna I.A. Syuhada, MSc. PhD.

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk mengkaji karakteristik penduga GMM pada data

Contoh Solusi PR 2 Statistika & Probabilitas. 1. Semesta dari kejadian adalah: pemilihan 5 soal dari 10 soal. Jumlah kemungkinannya ( 10 = 252.

oleh: Tri Budi Santoso Signal Processing Group Electronic Engineering Polytechnic Institute of Surabaya-ITS

Variabel Random dan Nilai Harapan. Oleh Azimmatul Ihwah

Kuis 1 MA5181 Proses Stokastik Precise. Prospective. Tanggal 24 Agustus 2016, Waktu: suka-suka menit Dosen: Khreshna I.A. Syuhada, MSc. PhD.

Catatan Kuliah. MA4181 Pengantar Proses Stokastik Stochastics: Precise and Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

BAB 2 LANDASAN TEORI

Harapan Matematik. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB

TINJAUAN PUSTAKA Analisis Gerombol

TINJAUAN PUSTAKA. mengestimasi parameter regresi. Distribusi generalized. digunakan dalam bidang ekonomi dan keuangan.

2 Akar Persamaan NonLinear

10/7/2004 TI-2131 Teori Probabilitas - DI 1

Pengantar Proses Stokastik

AK5161 Matematika Keuangan Aktuaria

BAB II LANDASAN TEORI

5. Fungsi dari Peubah Acak

BAB III METODE PENELITIAN. hal terutama berkenaan dengan pengontrolan variabel, kemungkinan sukar sekali

EKSPEKTASI SATU PEUBAH ACAK

x X dapat dipetakan ke setiap y Y. hanya jika (jikka) satu x X dapat dipetakan ke satu y Y. RELASI : F: X Y menghasilkan himpunan pasangan berurut:

yang tak terdefinisikan dalam arti keberadaannya tidak perlu didefinisikan. yang sejajar dengan garis yang diberikan tersebut.

BAB I PENDAHULUAN. penerbangan, kedokteran, teknik mesin, software komputer, bahkan militer

Unit 2 KONSEP DASAR ALJABAR. Clara Ika Sari Pendahuluan

Catatan Kuliah. MA5181 Proses Stokastik

KONTRAK PERKULIAHAN (STATISTIKA MATEMATIKA)

Pengantar Proses Stokastik

PEMODELAN PERTUKARAN NILAI MATA UANG MAKSIMUM RINGGIT TERHADAP YEN TUGAS AKHIR

InfinityJurnal Ilmiah Program Studi Matematika STKIP Siliwangi Bandung, Vol 4, No.1, Februari 2015

Matematika Teknik 1, Bab 3 BAB III LIMIT. (Pertemuan ke 4)

Bab 7 Ekspektasi dan Fungsi Pembangkit Momen: Cintailah Mean

POKOK BAHASAN YANG DIAJARKAN: 1. DISTRIBUSI PEUBAH ACAK a. Distribusi Peubah Acak Tunggal b. Distribusi Peubah Acak Ganda c. Distribusi Bersyarat d.

Distribusi Peluang. Maka peubah acak X dinyatakan dengan banyaknya kemunculan angka. angka sama sekali. angka.

Transkripsi:

0

EKSPEKTASI DUA PEUBAH ACAK Dalam hal ini akan dibahas beberapa macam ukuran ang dihitung berdasarkan ekspektasi dari dua peubah acak, baik diskrit maupun kontinu, aitu nilai ekspektasi gabungan, ekspektasi bersarat, rataan bersarat, varians bersarat, kovarians, fungsi pembangkit momen gabungan, koefisien korelasi, dan akibat kebebasan stokastik. Jika kita mempunai fungsi peluang atau fungsi densitas gabungan dari dua peubah acak, maka kita sudah menjelaskan penghitungan nilai peluang dari dua peubah acak ang berharga tertentu. Selain itu, kita juga bisa menentukan beberapa ukuran ang didasarkan pada fungsi peluang atau fungsi densitas gabungan. NILAI EKSPEKTASI GABUNGAN Penghitungan nilai ekspektasi gabungan dari dua peubah acak diskrit ditentukan berdasarkan Definisi 7.1. Definisi 7.1: NILAI EKSPEKTASI GABUNGAN DISKRIT Jika X dan Y adalah dua peubah acak diskrit, p(,) adalah nilai fungsi peluang gabungan dari (X,Y) di (,), dan v(x,y) adalah fungsi dari peubah acak X dan Y; maka nilai ekspektasi gabungan dari v(x,y) (dinotasikan dengan E[v(X,Y)]) dirumuskan sebagai: E [ v( X, Y)] v(, ). p(, ) Penghitungan nilai ekspektasi gabungan dari dua peubah acak kontinu ditentukan berdasarkan Definisi 7.2. Definisi 7.2: NILAI EKSPEKTASI GABUNGAN KONTINU Jika X dan Y adalah dua peubah acak kontinu, f(,) adalah nilai fungsi densitas gabungan dari (X,Y) di (,), dan v(x,y) adalah fungsi dari peubah acak X dan Y; maka nilai ekspektasi gabungan dari v(x,y) (dinotasikan dengan E[v(X,Y)]) dirumuskan sebagai: E [ v( X, Y)] v(, ). f (, ) d d EKSPEKTASI BERSYARAT Penentuan ekspektasi bersarat dari sebuah peubah acak diskrit diberikan peubah acak diskrit lainna, baik ekspektasi bersarat dari X diberikan Y = maupun ekspektasi bersarat dari Y diberikan X = dijelaskan dalam Definisi 7.3. Definisi 7.3: EKSPEKTASI BERSYARAT DISKRIT Jika X dan Y adalah dua peubah acak diskrit, p ( ) dalah nilai fungsi peluang bersarat dari X diberikan Y = di, dan p ( ) adalah nilai fungsi peluang bersarat dari Y diberikan X = di, maka ekspektasi bersarat dari u(x) diberikan Y = dirumuskan sebagai berikut: 1

E u( X ) u( ). p'( ) dan ekspektasi bersarat dari v(y) diberikan X = dirumuskan sebagai berikut: E v( Y) v( ). p''( ) Penentuan ekspektasi bersarat dari sebuah peubah acak kontinu diberikan peubah acak kontinu lainna, baik ekspektasi bersarat dari X diberikan Y = maupun ekspektasi bersarat dari Y diberikan X = dijelaskan dalam Definisi 7.4. Definisi 7.4: EKSPEKTASI BERSYARAT KONTINU Jika X dan Y adalah dua peubah acak kontinu, g( ) adalah nilai fungsi densitas bersarat dari X diberikan Y = di, dan h( ) adalah nilai fungsi densitas bersarat dari Y diberikan X = di, maka ekspektasi bersarat dari u(x) diberikan Y = dirumuskan sebagai berikut: E u( X ) u( ). g( ) d dan ekspektasi bersarat dari v(y) diberikan X = dirumuskan sebagai berikut: E v( Y) v( ). h( ) d RATAAN BERSYARAT Berikut ini akan dijelaskan definisi rataan bersarat dari sebuah peubah acak diskrit diberikan peubah acak diskrit lainna, baik rataan bersarat dari X diberikan Y = maupun rataan bersarat dari Y diberikan X =. Definisi 7.5: RATAAN BERSYARAT DISKRIT Jika X dan Y adalah dua peubah acak diskrit, p ( ) adalah nilai fungsi peluang bersarat dari X diberikan Y = di, dan p ( ) adalah nilai fungsi peluang bersarat dari Y diberikan X = di, maka ekspektasi bersarat dari X diberikan Y = dirumuskan sebagai berikut: E X. p' dan ekspektasi bersarat dariy diberikan X = dirumuskan sebagai berikut: E Y. p'' Berikut ini akan dijelaskan rataan bersarat dari sebuah peubah acak kontinu diberikan peubah acak kontinu lainna, baik rataan bersarat dari X diberikan Y = maupun rataan bersarat dari Y diberikan X =. Definisi 7.6: RATAAN BERSYARAT KONTINU Jika X dan Y adalah dua peubah acak kontinu, g( ) adalah nilai fungsi densitas bersarat dari X diberikan Y = di, dan h( ) adalah nilai fungsi densitas bersarat dari Y diberikan X = di, maka rataan bersarat dari X diberikan Y = dirumuskan sebagai berikut: 2

E X. g d dan rataan bersarat dari Y diberikan X = dirumuskan sebagai berikut: E Y. h d Berikut ini akan dijelaskan beberapa dalil ang berkaitan dengan rataan bersarat. Dalil 7.1: EKSPEKTASI RATAAN BERSYARAT 1. E[E(X )] = E(X) 2. E[E(Y )] = E(Y) Dalil 7.2: Jika dua peubah acak X dan Y saling bebas, maka: 1. E(X ) = E(X) 2. E(Y ) = E(Y) PERKALIAN DUA MOMEN Misalna kita mempunai dua peubah acak, baik diskrit maupun kontinu. Kemudian kita bisa menghitung momen dari masing-masing peubah acak, baik momen sekitar pusat maupun momen sekitar rataan. Selain itu, kita sebenarna bisa juga menentukan perkalian dua momen, aitu perkalian dua momen sekitar pusat dan perkalian dua momen sekitar rataan. Penentuan perkalian dua momen sekitar pusat dan sekitar rataan dari peubah acak diskrit ditentukan berdasarkan Definisi 7.7. Definisi 7.7: PERKALIAN DUA MOMEN DISKRIT Jika X dan Y adalah dua peubah acak diskrit, p(,) adalah nilai fungsi peluang gabungan dari X dan Y di (,), adalah rataan dari X, dan adalah rataan dari Y, maka perkalian momen sekitar pusat ke-r dan ke-s dari X dan Y (dinotasikan dengan r,s ) dirumuskan sebagai berikut: r,s = E(X r Y s r s ) =. p(, ) dan perkalian momen sekitar rataan ke-r dan ke-s dari X dan Y (dinotasikan dengan r,s) dirumuskan sebagai berikut: r,s = E[(X - ) r (Y - ) s ] dengan r = 0, 1, 2, 3, dan s = 0, 1, 2, 3,. =. p(, ) r s Penentuan perkalian dua momen sekitar pusat dan sekitar rataan dari peubah acak kontinu ditentukan berdasarkan Definisi 7.8. Definisi 7.8: PERKALIAN DUA MOMEN KONTINU Jika X dan Y adalah dua peubah acak kontinu, f(,) adalah nilai fungsi densitas gabungan dari X dan Y di (,), adalah rataan dari X, dan adalah rataan dari Y, maka perkalian momen sekitar pusat ke-r dan ke-s dari X dan Y (dinotasikan dengan r,s ) dirumuskan sebagai berikut: 3

r,s = E(X r Y s r ) = s. f (, ) d d dan perkalian momen sekitar rataan ke0r dan ke-s dari X dan Y (dinotasikan dengan r,s) dirumuskan sebagai berikut: r,s = E[(X - ) r (Y - ) s ] r s = ( ) ( ). f (, ) d d dengan r = 0, 1, 2, 3, dan s = 0, 1, 2, 3,. KOVARIANS Berikut ini akan dijelaskan sebuah ukuran ang merupakan hal khusus dari perkalian dua momen, aitu kovarians. Definisi 7.9: KOVARIANS Perkalian momen sekitar rataan ke-1 dan ke-1 dari peubah acak X dan Y disebut kovarians dari X dan Y dan dinotasikan dengan Kov(X,Y) atau. dengan Kov(X,Y) = E[(X - )(Y - )] Penghitungan nilai kovarians dari peubah acak diskrit ditentukan berdasarkan Definisi 7.10. Definisi 7.10: KOVARIANS DISKRIT Jika X dan Y adalah dua peubah acak diskrit, p(,) adalah nilai fungsi peluang gabungan dari X dan Y di (,), adalah rataan dari, dan adalah rataan dari Y, maka nilai kovarians dari X dan Y dirumuskan sebagai berikut: Kov( X, Y). p(, ) Penghitungan nilai kovarians dari peubah acak kontinu ditentukan berdasarkan Definisi 7.11. Definisi 7.11: KOVARIANS KONTINU Jika X dan Y adalah dua peubah acak kontinu, f(,) adalah nilai fungsi densitas gabungan dari X dan Y di (,), adalah rataan dari, dan adalah rataan dari Y, maka nilai kovarians dari X dan Y dirumuskan sebagai berikut: Kov( X, Y). f (, ) d d Perumusan lain nilai kovarians dari X dan Y, baik diskrit maupun kontinu dapat dilihat dalam Dalil 7.3. Dalil 7.3: PERUMUSAN KOVARIANS UMUM Kov(X,Y) = 1,1 -. Bukti: Berdasarkan Definisi 7.9, maka: Kov(X,Y) = E[(X - )(Y - )] = E(XY - X. - Y + ) = E(XY) - E(X). -.E(Y) + ) = E(XY) - - + = E(XY) - Kov(X,Y) = 1,1 - (terbukti) 4

Nilai kovarians dari dua peubah acak X dan Y mempunai tiga kemungkinan, aitu: 1. Kov(X,Y) = 0 2. Kov(X,Y) < 0 3. Kov(X,Y) > 0 Dalam hal ini, jika X dan Y saling bebas, maka nilai kovariansna sama dengan nol. Sebalikna, apabila X dan Y mempunai nilai kovarians sama dengan nol, maka X dan Y belum tentu bebas. 5