❑DEFINISI

Random variable (variabel acak)

suatu fungsi yang didefinisikan pada sample space

Variabel acak adalah suatu fungsi yang

menghubungkan sebuah bilangan real dengan setiap
unsur dalam ruang sampel
❑VARIABEL RANDOM
❑JENIS–JENIS
➢ Bila suatu ruang sampel berisi sejumlah
kemungkinan terhingga atau urutan yang tidak
terbatas dengan unsur sebanyak jumlah bilangan
bulat, ruang sampel model ini disebut sebagai
ruang sampel diskrit
➢ Bila suatu ruang sampel berisi sejumlah
kemungkinan tak terhingga yang sama dengan
jumlah titik-titik dalam sebuah segmen garis, ruang
sampel model ini disebut sebagai ruang sampel
kontinyu.
➢ Variabel acak diskrit bila himpunan keluarannya
dapat dihitung.
➢ Variabel acak dapat mengambil nilai-nilai pada skala
kontinyu disebut sebagai variabel acak kontinyu.
❑DISTRIBUSI PROBABILITAS
Himpunan pasangan nilai-nilai variabel acak X dengan probabilitas nilai-nilai
variabel acak X, P(X = x) disebut probabilitas X atau disingkat distribusi X. Himpunan
pasangan tersusun (x, f(x)) adalah sebuah fungsi probabilitas atau fungsi kerapatan
probabilitas dari variabel acak X untuk setiap keluaran x yang mungkin. Sifat-sifat fungsi
f(x) adalah
a. Variabel acak diskrit
1. f ( x ) = P( X = x ) → fungsi probabilitas
2. f ( x )  0
3.  f (x ) = 1
x

b. Variabel acak kontinyu

b
1. P(a  X  b ) =  f ( x)dx → fungsi kepadatan probabilitas/probability
a

density function (pdf)

2. f (x )  0

3.  f ( x )dx = 1
−
❑DISTRIBUSI PROBABILITAS
Jika variabel acak X memiliki fungsi probabilitas f(x), maka fungsi distribusi kumulatif
dari X, yaitu F(x) dinyatakan sebagai

  f (x ) X diskrit
 X  x
F ( x ) = P( X  x ) = 
X
  f (x )dt X kontinyu
−
Fungsi distribusi kumulatif F(x) dapat dinyatakan pada interval a  X  b yaitu
sebagai:
P(a  X  b ) = F (b ) − F (a ) .
Fungsi kerapatan probabilitas f(x) dapat dinyatakan sebagai hubungan dengan distribusi
kumulatif sebagai:
dF ( x )
f (x ) =
dx
❑Variabel Random Diskrit
❑Variabel Random Diskrit #2
❑Variabel Random Diskrit #3
❑Variabel Random Kontinu
❑Variabel Random Kontinu #2
❑Variabel Random Kontinu #3
❑Beberapa sifat probabilitas
❑CONTOH SOAL

Contoh 1
Pada sebuah eksperimen probabilitas satu kali melempar dua buah dadu secara
bersamaan, distribusi probabilitas dari jumlah mata dadu yang muncul ditentukan
sebagai berikut:
Ruang sampel eksperimen adalah pasangan mata dadu yang mungkin:
(1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
(2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
(3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
(4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
(5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
(6,1) (6,2) (6,3) (6,4) (6,5) (6,6)
Jika X adalah varibel acak diskrit yang menyatakan jumlah mata dadu yang mungkin
mucul, maka X = {2,3,4,5,6,7,8,9,10,11,12}
❑CONTOH SOAL
• Distribusi probabilitas untuk masing-masing nilai variabel X
membentuk fungsi probabilitas sebagai berikut:
• P(X=2) = p(2) = 1/36 P(X=8) = p(8) = 5/36
• P(X=3) = p(3) = 2/36 P(X=9) = p(9) = 4/36
• P(X=4) = p(4) = 3/36 P(X=10) = p(10) = 3/36
• P(X=5) = p(5) = 4/36 P(X=11) = p(11) = 2/36
• P(X=6) = p(6) = 5/36 P(X=12) = p(12) = 1/36
• P(X=7) = p(7) = 6/36
• Fungsi probabilitas untuk variable diskrit seperti di atas dapat
ditampilkan dalam bentuk grafik batang
❑CONTOH SOAL
p(x)

6/36

5/36

4/36

3/36

2/36

1/36

2 3 4 5 6 7 8 9 10 11 12 x
❑CONTOH SOAL

Cari dan buat grafik fungsi distribusi

cumulatif (CDF) dari soal di atas?
❑CONTOH SOAL
Contoh Grafiknya
F (x)

x
DISTRIBUSI PROBABILITAS
Contoh 3.

Carilah sebaran kumulatif peubah acak X dalam contoh 3.4. Dengan menggunakan F(x),
buktikanlah bahwa f(2) = 3/8.

Penyelesaian:

Penghitungan langsung sebaran probabilitas dari contoh 3.4 memberikan f(0) = 1/16,
f(1) = ¼, f(2) = 3/8, f(3) = ¼, dan f(4) = 1/16. Sehingga

1
F (0) = f ( 0) = ,
16
5
F (1) = f ( 0 ) + f (1) = ,
16
11
F ( 2 ) = f ( 0 ) + f (1) + f ( 2 ) = ,
16
15
F ( 3) = f ( 0 ) + f (1) + f ( 2 ) + f ( 3) = ’
16
F ( 4 ) = f ( 0 ) + f (1) + f ( 2 ) + f ( 3) + f ( 4 ) = 1 .
DISTRIBUSI PROBABILITAS

Sehingga

 0 untuk x0
1 untuk 0  x 1
 16
 165 untuk 1 x  2
F ( x ) =  11
 16 untuk 2 x3
 16
15
untuk 3 x  4

 1 untuk x4

Sekarang,
11 5 3
f ( 2 ) = F ( 2 ) − F (1) = − =
16 16 8
DISTRIBUSI PROBABILITAS

Contoh
Andaikan bahwa kesalahan dalam temperatur reaksi, dalam oC,
untuk sebuah percobaan laboratorium yang diatur merupakan
suatu peubah acak kontinu X yang mempunyai fungsi kepekatan
probabilitas
 x3 −1  x  2
2
,
f ( x) = 
0 di tempat lain


a. Tunjukkan bahwa  f ( x )dx = 1
−

b. Carilah P ( 0  X  1)

c. Carilah F(x)
DISTRIBUSI PROBABILITAS

• Penyelesaian
a.  2
x2
f ( x )dx =  dx =
x2 2
8 1

− −1
3 3 −1
= + =1
9 9
b. 1
x2 3 1
x 1
P ( 0  x  1) =  dx = =
3 9 9
c. Untuk -1 < x < 2
0 0

x3 + 1
x x x
t2 t3
F ( x ) =  f ( t ) dt =  dt = =
−1 −1
3 9 −1
9

 0, x  −1
 3
 x +1
F ( x) =  , −1  x  2
 9
 1, x2
DISTRIBUSI PROBABILITAS
Bivariate Distributions
Bivariate Distributions
Bivariate Distributions
Bivariate Distributions
Bivariate Distributions
Distribusi Bersyarat (Conditional Distributions)
Distribusi Bersyarat (Conditional Distributions)
Distribusi Bersyarat (Conditional Distributions)
Distribusi Bersyarat (Conditional Distributions)
Distribusi Bersyarat (Conditional Distributions)