1

A. VARIANSI DAN SIMPANGAN BAKU

Variansi dari ditribusi probabilitas dapat dihitung jika nilai harapan sudah diketahui.
Variansi dari perubah acak X diberi notasi Var(X) dan akar positip dari variansi,
disebut simpangan baku X. Variansi dan simpangan baku (deviasi standar) dari
distribusi probabilitas dapat dihitung jika nilai harapan sudah diketahui. Variansi
dan simpangan baku dirumuskan sebagai berikut:



Contoh:
Suatu pengiriman enam pesawat televisi berisi dua yang rusak. Sebuah hotel membeli
tiga pesawat TV secara acak dari kelompok tadi. Bila X menyatakan banyak pesawat
yang rusak yang dibeli hotel tersebut, carilah nilai harapannya!
Misal X menyatakn Tv rusak.
Dengan variabel random x =0,1,2
Histogram peluang:

Nilai Harapan terpilihnya TV rusak:
E(X)=0. 1/5+1. 3/5+2. 1/5=1
variansi dan simpangan baku dirumuskan sebagai berikut:
() =

= (

()
atau
() =

= ( )

. ()
= ()
Dengan:
E(X) atau =() untuk distribusi diskrit
2

= . ()

untuk distribusi kontinu

Contoh:
Permintaan mingguan Coca Cola (dalam liter), pada jaringan pemasaran daerah
merupakan perubah acak yang dapat dinyatakan dalam bentuk berikut:

Carilah rata-rata dan variansinya!

Jawab:








Jadi rata-ratanya, dan variansinya
Teorema
Jika X suatu variabel random , a dan b suatu konstanta maka
(+) =

()
Buktinya:
( +) = ( +) ( +)

= ( +) )

]
=

( )

()



2 1 1 2
0
(x ) ; x
f(x)
; x yanglainya
< <
=

2 2
2
2 3 2
5 1 1
3 2 3
1
1 1
2 1 2 2 E(X) (x) (x )dx (x x)dx ( x x ) = = = = =
} }
2 2
2
2 2 3 2 4 3
17 1 1
4 3 6
1
1 1
2 1 2 2 E(X ) (x ) (x )dx (x x )dx ( x x ) = = = =
} }
2 2
17 5 1
6 3 18
( ) o = =
5
3
=
2
1
18
o =
3

B. MOMEN
MOMEN adalah nilai harapan yang khusus melibatkan mean dan variansi.
Momen ke k di sekitar titik asal adalah

= E
k

Momen ke k di sekitar mean adalah

= E X ()]

= ]

Dari definisi diatas bisa disimpulkan:
1. Momen pertama di sekitar titik asal merupakan mean=
2. Momen pertama disekitar mean bernilai nol
3. Momen kedua di sekitar mean menyatakan variansi

Definisi
Jika X adalah suatu variabel random, maka



disebut dengan kemiringan (skewness) dari distribusi X, yang merupakan ukuran
ketaksimetrisan dari distribusi.
Teorema
Jika X adalah suatu variabel random, dan u(x) suatu fungsi bernilai real positif, maka
untuk setiap konstanta real positif c berlakulah


Bukti







4

KETAKSAMAAN MARKOV








KETAKSAMAAN CHEBYCHEV





Bukti:

5


Artinya, tanda kesamaan dicapai pada Ketaksamaan Chebychev.

C. FUNGSI PEMBANGKIT MOMEN
Dengan menggunakan turunan akan dibahas suatu bentuk fungsi khusus yang
dapat digunakan untukmembangkitkan momen suatu variable random. Jika fungsi
pembangkit momen dari suatu variabel random X ada maka akan menentukan
distribusi dari variabel random yang bersangkutan.

Definisi:
Jika X suatu variabel random maka nilai ekspektasi

() =

] ,

Disebut Fungsi Pembangkit Momen (FMP) dari X.

() = {

()

Dengan menggunakan ekspansi deret taylor untuk etx disekitar titik nol akan
diperoleh :

6





(deret diruas kanan konvergen ke e
tx
untuk setiap nilai real x). Akibatnya,






Selanjutnya dicari turunan














Untuk t = 0 akan diperoleh

()

() = (

)
7

Dapat dilihat bahwa dengan mengambil t = 0 pada turunan yang diperoleh,
ternyata Mx(t) dapat digunakan untuk membangkitkan momen dari variabel
random X.

Contoh:
Tentukan Fungsi pembangkit momen dari variabel random X jika diketahui fungsi
densitas




8

SIFAT SIFAT FUNGSI PEMBANGKIT MOMEN
1. Misal = + maka

() =

()
2. Jika = maka

() =

()
3. Jika variabel random X dan Y masing masing memiliki fungsi distribusi F(X)
dan F(Y) dan masing masing FPM-nya adalah

() dan

(). Maka
F(X)=F(Y) jika dan hanya jika

()=

().
Definisi:
Momen faktorial ke r dari suatu variabel random X didefinisikan dengan
. ( ) ( +)]
Definisi dari Fungsi Pembangkit Momen Faktorial(FPMF) dari X adalah

() =

]
Fungsi pembangkit momen faktorial sering disebut dengan fungsi pembangkit
peluang karena untuk variabel random X yang bernilai bilangan bulat positif
berlaku:


Dengan demikian Fungsi pembangkit momen faktorial menentukan secara tunggal
bentuk suatu distribusi. Hubungan antara (FPM) fungsi pembangkitmomen dengan
fungsi pembangkitmomen faktorial (PMF) adalah






Contoh:
Sebuah mata uang logam dimana masing-masing sisinya ditandai dengan muka (M)
dan belakang (B) dilemparkan dua kali. Jika Z menyatakan banyaknya muka
yangmunculmaka nilai Z yangmungkin adalah z = 0, z = 1, z = 2. Fungsi densitas
dari Z dapat dinyatakan dengan
9

() = = ] =
{

=


Fungsi pembangkit momen dari Z berbentuk







Fungsi pembangkit momen faktorial dari Z berbentuk: