UNIVERSITAS SILIWANGI
FAKULTAS TEKNIK
TEKNIK SIPIL
VARIABEL RANDOM
STATISTIKA DAN PROBABILITAS
Pengertian
❑ Random variable (variabel acak)
❑ suatu fungsi yang didefinisikan pada sample space
❑ Jenis
❑ Discrete random variables
❑ Continuous random variables
❑ Contoh
❑ jumlah hari hujan selama 1 tahun → diskrit
❑ jumlah (volume) hujan selama 1 tahun → kontinu
Pengertian
❑ Notasi
❑ X → variabel random
❑ x → nilai variabel random
❑ Fungsi
❑ Suatu fungsi variabel random adalah variabel random pula
❑ Jika X adalah variabel random, maka Z = f(X) adalah juga variabel random
Variabel Random Diskrit
❑ X = discrete random variables
❑ = x1, x2, x3, …, xn
Variabel Random Diskrit
❑ Distribusi probabilitas kumulatif
suatu variabel random X untuk X = x
Fx ( x ) = fx ( x i )
xi x
❑ Distribusi probabilitas
suatu variabel random X untuk X = x
fX ( x i ) = FX ( Xi ) − FX ( x i−1 )
❑ Frekuensi relative ❑ Probabilitas
fxi = Fxi − Fxi−1 fX ( x i ) = FX ( Xi ) − FX ( x i−1 )
❑ Frekuensi relatif kumulatif
i
fxi ( x ) = fxi fX ( x ) = fX ( x i )
j=1 xi = x
Variabel Random Kontinu
❑ Probabilitas
❑ Dengan demikian fxi dapat dipandang sebagai nilai estimasi probabilitas
Beberapa Sifat Probabilitas
Kala Ulang (Return Period)
prob(X ≥ a) = prob(X > a)
❑ Jadi dalam definisi kala ulang
a. suatu kejadian yang menyamai atau melampaui suatu nilai tertentu
b. suatu kejadian yang melampaui suatu nilai tertentu
❑ Kedua definisi, a dan b, adalah sama mengingat probabilitas suatu kejadian (event) menyamai
suatu nilai tertentu bernilai nol
Contoh #1
❑ Diketahui suatu variabel random X memiliki fungsi kerapatan probabilitas (pdf) sbb.
❑ Gambarlah pdf tersebut
❑ Tunjukkan bahwa prob(0 < X < 2) = 1
❑ Hitunglah prob(X < 1.5) = PX(1.5)
❑ Hitunglah prob(0.5 < X < 1.5)
Contoh #2
❑ Pengolahan data annual series curah hujan harian maksimum, H mm, di suatu stasiun ARR
(Automatic Rainfall Recorder) menunjukkan bahwa sebaran probabilitas suatu besaran curah
hujan, pH(h), dapat dinyatakan dengan suatu fungsi (pdf) sbb.
❑ Gambarlah pdf tsb.
❑ Carilah fungsi cdf berdasarkan pdf tsb.
❑ Hitunglah prob(40 mm < H < 60 mm)
Bivariate Distributions
❑ Pada bahasan sebelumnya, variabel random adalah variabel tunggal (univariate distribution)
❑ Pada bahasan berikut ini, variabel random terdiri dari dua variabel (bivariate distributions)
❑ Apabila kita ingin mempelajari perilaku dua atau lebih variabel random, maka kita perlu
menghitung probabilitas gabungan atau probabilitas bersama (joint probabilities)
❑ Probabilitas gabungan → pdf gabungan
Bivariate Distributions
❑ Probabilitas gabungan, probabilitas bersama
Bivariate Distributions
❑ Beberapa sifat bivariate distribution
Distribusi Marginal
❑ Dua variabel random X dan Y
❑ Ingin diketahui perilaku variabel X tanpa mempertimbangkan nilai variabel Y
❑ Densitas marginal (pdf) dan distribusi kumulatif marginal (cdf)
Distribusi Marginal
❑ Dua variabel random X dan Y
❑ Untuk variabel Y
Distribusi Marginal
❑ Dua variabel random X dan Y
❑ Ingin diketahui perilaku variabel X yang bergantung pada variabel Y
▪ Distribusi X jika Y = y0
▪ Distribusi Y jika x1 ≤ X ≤ x2
Distribusi Bersyarat (Conditional Distributions)
Independence
❑ Dua variabel random X dan Y
❑ Ingin diketahui perilaku variabel X yang bergantung pada variabel Y
❑ Joint probabilities
▪ Perkalian densitas marginal kedua variabel
Contoh
❑ Data jumlah hari yang memiliki temperatur udara rerata (T°C) dan kelembaban udara relatif
(H%) di suatu stasiun klimatologi
Contoh
❑ Dari tabel temperatur udara dan kelembaban udara tsb.
❑ pdf (gabungan)
❑ pdf marginal dan cdf marginal temperatur udara rerata
❑ pdf marginal dan cdf marginal kelembaban udara relatif
❑ probabilitas temperatur udara berkisar pada 28°C s.d. 30°C
❑ probabilitas temperatur udara berkisar pada 28°C s.d. 30°C pada saat kelembaban udara
relatif 60% s.d. 80%