Analisa Data Statistik

Agoes Soehianie, Ph.D

Chap 4: Ekspektasi Matematik (Nilai Harapan)
Mean (Rata-Rata) Variabel Random
Jika X adalah variabel random dengan distribusi probabilitas f(x), maka
mean (rata-rata) atau nilai ekspektasi (harapan) dari X adalah ,
yaitu (diskrit dan kontinu) sbb:

=
x
x xf X E ) ( ) (
}

= dx x xf X E ) ( ) (
Contoh.
Dilempar 2 buah mata uang, jika X adalah variabel random yg
menyatakan banyaknya muncul Angka (A) dalam percobaan tsb,
hitunglah nilai ekspektasi X.

Jawab.
Ruang sampel percobaan ini S = {AA,AG,GA,GG}
Probabilitasnya masing-masing
P(X=0) = P(GG)= P(X=1) =P(AG)+P(GA)= dan
P(X=2)= P(AA)=1/4

Mean (Rata-Rata) Variabel Random
Nilai ekspekstasi X adalah:
1 ) 4 / 1 ( 2 2 / 1 0 ) 2 ( * 2 ) 1 ( * 1 ) 0 ( * 0 ) ( ) (
2
0
= + + = + + = =

=
P P P x xP X E
x

Hasil ini berarti rata-rata jikalau percobaan ini dilakukan berulang-ulang

dalam jumlah besar, rata-rata jumlah mata angka (A) yg muncul
dalam 1x percobaan adalah 1 buah.

Contoh.
Sekotak komponen 7buah diperiksa oleh inspektur QC. Isi kotak tsb 4
komponen baik dan 3 cacat. QC mengambil sampel 3 buah dari
kotak tsb. Carilah nilai harapan (rata-rata) banyaknya komponen
yang baik yg diperoleh dalam sampel tsb
Mean (Rata-Rata) Variabel Random
Jawab:
Kita hitung dulu banyak titik ruang sampel jika diambil 3 dari kotak
tsb yg berisi 7. Ini adalah masalah banyak kombinasi 3 obyek yg
diambil dari 7 obyek, jadi n(S)=
n(S) = C
7
3
= 7!/(3!*(7-3)!) = 35.

7 komponen tsb berisi 4 baik dan 3 cacat. Jika diambil 3 buah acak
banyaknya kombinasi yg berisi 1 sampel baik (berarti 2 cacat)
adalah (ingat urutan tdk berpengaruh):
banyak kombinasi 1 sampel baik dari 4 sampel baik (KALI)
banyak kombinasi 2 sampel cacat dari 3 sampel cacat
n(1baik, 2cacat) = C
4
1
*C
3
2
= 4!/(1!3!) * 3!/(2!1!) = 12 buah
Jadi probabilitas terambilnya sampel 3 buah = 1baik +2cacat,
P(1baik, 2cacat) = 12/35.


Mean (Rata-Rata) Variabel Random
Jawab:
|
|
.
|

\
|
|
|
.
|

\
|

|
|
.
|

\
|
=
3
7
3
3 4
) (
x x
x f
Definisikan variabel random X= banyak komponen baik dari 3
sampel yg terambil, maka, jika f(x) menyatakan probabilitas
mendapatkan X=x, berarti
f(X=1) = 12/35.

Mengikuti pola tsb maka secara umum:

Nilai rata-rata X diperoleh dari:
) 3 ( * 3 ) 2 ( * 2 ) 1 ( * 1 ) 0 ( * 0 ) ( ) (
3
0
f f f f x xf X E
x
+ + + = =

=

7 . 1
7
12
35
4
* 3
35
18
* 2
35
12
* 1
35
1
* 0 = =
|
.
|

\
|
+
|
.
|

\
|
+
|
.
|

\
|
+
|
.
|

\
|
=
Jadi secara rata-rata dalam 1 pengambilan sampel akan berisi 1.7
komponen yg baik
Mean (Rata-Rata) Variabel Random
Soal.

Dalam sebuah permainan si Badu akan mendapat hadiah Rp. 5000
jika hasil pelemparan 3 buah koin menunjukkan angka semua
atau gambar semua. Tapi dia harus membayar Rp 3000 jika yang
muncul 1 atau 2 gambar yg muncul dari 3 pelemparan tsb.
Berapakah nilai harapan perolehannya?
Mean fungsi Variabel Random
Jika X adalah variabel random dengan distribusi probabilitas f(x),
maka nilai ekspektasi variabel random g(X) adalah:

Diskrit

kontinu

= =
x
X g
x f x g X g E ) ( ) ( )] ( [
) (

= = dx x f x g X g E
X g
) ( ) ( )] ( [
) (

Contoh.
Misalkan probabilitas jumlah mobil X yg masuk ke sebuah pencucian
mobil antara jam 4 dan 5 adalah sbb:

x 4 5 6 7 8 9
P(X=x) 1/12 1/12 1/6 1/6
Misalkan g(X)=2X-1 adalah bonus yg diberikan perusahaan cuci
mobil tsb. Hitunglah nilai ekspektasi dari bonus yg didapat.
Mean fungsi Variabel Random
Jawab.
Ekspektasi bonus :


E(2X-1) = 7(1/12)+9(1/12)+11(1/4)+13(1/4)+15(1/6)+17(1/6)=12.67

= = =
x x
X g
x P x x f x g X g E ) ( ) 1 2 ( ) ( ) ( )] ( [
) (

VARIANSI dan KOVARIANSI

Nilai rata-rata hanya memberikan info ttg kecenderungan pemusatan
data, akan tetapi tidak memberikan gambaran ttg bentuk
distribusi atau penyebaran data.
X
1 2 3
X
1 2 3
Distribusi dengan mean sama tetapi memiliki dispersi yg berbeda
VARIANSI dan KOVARIANSI
Misal X adalah variabel random dengan distribusi probabilitas f(x)
dan rata-rata (mean) , maka variansi dari X adalah:
Besaran (x-) disebut penyimpangan atau deviasi x thd mean.
Akar (positif) dari variansi yaitu dinamakan standard deviasi.
( ) ) ( ] ) [(
2
2 2
x f x X E
x

= = o
( )
}

= = dx x f x X E ) ( ] ) [(
2
2 2
o
For discrete x and

For continous x
VARIANSI dan KOVARIANSI
Contoh.
Misalkan X adalah jumlah mobil yg dipergunakan dalam satu hari
dalam sebuah perusahaan. Andaikan distribusi probabilitas dari X
untuk perusahaan A diberikan sbb:
x 1 2 3
f(x)1 0.3 0.4 0.3
Sedangkan untuk perusahaan B diberikan sbb:
x 0 1 2 3 4
f(x) 0.2 0.1 0.3 0.3 0.1
a) Hitunglah rata-rata (mean) dari jumlah mobil yg dipakai
b) Hitunglah variansi dari X untuk masing-masing perusahaan,
berikan komentar.
VARIANSI dan KOVARIANSI
Jawab.
a) rata-rata untuk masing-masing perusahaan:





b) Variansinya:

=
= =
N
k
k k
x f x X E
1
) ( ] [
0 . 2 3 . 0 * 3 4 . 0 * 2 3 . 0 * 1 = + + =
A

0 . 2 1 . 0 * 4 3 . 0 * 3 3 . 0 * 2 1 . 0 * 1 2 . 0 * 0 = + + + + =
B

( )

=
= =
N
k
k k
x f x X E
1
2
2
2
) ( ) ( ] [ o
6 . 0 3 . 0 * ) 2 3 ( 4 . 0 * ) 2 2 ( 3 . 0 * ) 2 1 (
2 2 2 2
= + + =
A
o
6 . 1 1 . 0 * ) 2 4 ( 3 . 0 * ) 2 3 ( 3 . 0 * ) 2 2 ( 1 . 0 * ) 2 1 ( 2 . 0 * ) 2 0 (
2 2 2 2 2 2
= + + + + =
B
o
VARIANSI dan KOVARIANSI
Rumus alternatif untuk variansi (buktikan):
Keuntungannya sebenarnya kita tak perlu hitung mean dahulu!
2 2 2
] [ o = X E
2
1 1
2 2
) ( ) ( |
.
|

\
|
=

= =
N
k
k k
N
k
k k
x f x x f x o
6 . 0 2 3 . 0 * ) 3 ( 4 . 0 * ) 2 ( 3 . 0 * ) 1 (
2 2 2 2 2
= + + =
A
o
6 . 1 2 1 . 0 * ) 4 ( 3 . 0 * ) 3 ( 3 . 0 * ) 2 ( 1 . 0 * ) 1 ( 2 . 0 * ) 0 (
2 2 2 2 2 2
= + + + + =
B
o
Contoh.
Hitung ulang contoh sebelumnya dg rumus ini!

Jawab: atau

Untuk perusahaan A:
2 2 2
] [ o = X E
VARIANSI dan KOVARIANSI
Soal.
Permintaan mingguan Pepsi adalah X (dalam ribuan liter) dengan
fungsi rapat probabilitas:
Hitunglah:
a) Mean dari X
b) Variansi dari X

< <
=
lainnya
x x
x f
0
2 1 ) 1 ( 2
) (
VARIANSI dan KOVARIANSI : Generalization
Misal X adalah variabel random dengan distribusi probabilitas f(x)
Maka variansi dari variabel random g(x) yg memiliki rata-rata
g
,
Contoh.
Hitung variansi g(X)=2X+3, dimana X adalah variabel random dg
distribusi probabilitas x 0 1 2 3
f(x) 1/8 1/8
( ) ) ( ) ( ] ) ) ( [(
2 2 2
) (
x f x g X g E
x
g g X g
= = o
( )
}

= = dx x f x g X g E
g g X g
) ( ) ( ] ) ) ( [(
2
2 2
) (
o
For discrete x and

For continous x
VARIANSI dan KOVARIANSI : Generalization
Misal X adalah variabel random dengan distribusi probabilitas f(x)
Maka variansi dari variabel random g(x) yg memiliki rata-rata
g
,
Contoh.
Pertama hitung mean dari g(X):


( ) ) ( ) ( ] ) ) ( [(
2
2 2
) (
x f x g X g E
x
g g X g
= = o
( )
}

= = dx x f x g X g E
g g X g
) ( ) ( ] ) ) ( [(
2
2 2
) (
o
For discrete x and

For continous x
) ( ) ( )] ( [
) (
x f x g X g E
x
X g
= =
8 / 1 * ) 3 3 * 2 ( 2 / 1 * ) 3 2 * 2 ( 8 / 1 * ) 3 1 * 2 ( 4 / 1 * ) 3 0 * 2 (
3 2
+ + + + + + + =
+ X

6 8 / ) 9 28 5 6 ( 8 / 9 2 / 7 8 / 5 4 / 3
3 2
= + + + = + + + =
+ X

Variansi g(x) :
( ) ( ) ) ( 9 12 4 ) ( 6 3 2
2
2
2
) (
x f x x x f x
x x
X g
+ = + = o
4 ) ( 9 ) ( 12 ) ( 4
2 2
) (
= + =

x x x
X g
x f x xf x f x o
KOVARIANSI
Misal X dan Y adalah variabel random dengan distribusi probabilitas
bersama (joint) f(x,y) kovariansi dari X dan Y adalah:

= =
x y
y x Y X XY
y x f y x Y X E ) , ( ) )( ( )] )( [( o
} }

= = dxdy y x f y x Y X E
y x Y X XY
) , ( ) )( ( )] )( [( o
X,Y diskrit
X,Y kontinu
Kovariansi dari dua variabel random X dan Y merupakan ukuran asosiasi antara
keduanya:
- jika nilai X besar cenderung menghasilkan Y besar atau
X kecil cenderung menghasilkan nilai Y kecil, maka berarti deviasi X yg
positif akan cenderung menghasilkan deviasi Y yg positif juga. Sehingga
produk (X-
X
)(Y-
Y
) akan cenderung positif.
- sebaliknya jika nilai X besar cenderung menghasilkan Y kecil atau
sebaliknya, maka produk (X-
X
)(Y-
Y
) akan negatif.
- Jadi tanda kovariansi menyatakan sifat asosiasi antara 2 variabel random.
- Jika X dan Y secara statistik independen maka kovariansi nya =0, tetapi
sebaliknya tidaklah selalu benar.
- Demikian juga nilai kovariansi =0 hanya mengukur linear kovariansi.
KOVARIANSI
Y X Y X XY
XY E Y X E o = = ) ( )] )( [(
Rumus alternatif untuk kovariansi (buktikan):
Contoh. Berikut ini adalah fungsi distribusi probabilitas bersama antara
variabel X dan Y. Carilah kovariansi X dg Y


f(x,y)

X Total
baris
0 1 2 h(y)

y
0 3/28 9/28 3/28 15/28
1 3/14 3/14 0 3/7
2 1/28 0 0 1/28
g(x) 5/14 15/28 3/28 1
KOVARIANSI
4 / 3 28 / 3 * 2 28 / 15 * 1 14 / 5 * 0 ) ( ] [ = + + = = =

x
X
x xg X E
Pertama hitung mean masing-masing variabel:
2 / 1 28 / 1 * 2 7 / 3 * 1 28 / 15 * 0 ) ( ] [ = + + = = =

x
Y
y yh Y E
Kemudian hitung E(XY)=
= + + + + +
+ + + = =

0 * ) 2 * 2 ( ) 0 )( 1 * 2 ( ) 28 / 1 )( 0 * 2 ( ) 0 )( 2 * 1 ( ) 14 / 3 )( 1 * 1 ( ) 14 / 3 ( * ) 0 * 1 (
) 28 / 3 )( 2 * 0 ( ) 28 / 9 )( 1 * 0 ( ) 28 / 3 )( 0 * 0 ( ) , ( ] [
x y
y x xyf XY E
E(XY)=0+0+0+0+3/14+0+0+0+0 = 3/14
Sehingga kovariansi X dg Y adalah:
56
9
)
2
1
)(
4
3
(
14
3
] [ = = =
Y X XY
XY E o
KOVARIANSI
Soal.
Persentase pelari pria X dan pelari wanita Y yg bertanding di suatu
maraton memiliki fungsi rapat distribusi bersama:

s s s
=
lainnya
x y xy
y x f
0
1 0 8
) , (
Hitunglah
a) Fungsi rapat probabilitas marginal untuk X dan Y
b) Kovariansi antara X dan Y
KORELASI
Walaupun kovariansi memberikan info ttg sifat hubungan asosiasi
(linear) antara dua variabel random X dan Y, tetapi besarnya
kovariansi TIDAK memberi info tentang kekuatan asosiasinya
sebab nilai kovariansi tidak bebas skala X dan Y!

Versi kovariansi yg bebas skala (sehingga bisa mengukur kekuatan
asosiasi linearnya) diberikan oleh koefisien korelasi, yg
didefinisikan sbb:

Y X
XY
XY
o o
o
=
Nilai
XY
akan berkisar dari -1 hingga 1, sebab bebas skala X dan
Y.
Generalisasi : Mean dan Kovariansi Kombinasi
Linear Variabel Random
Jika a dan b adalah konstanta, dan X adalah variabel random, maka
nilai rata-rata dari Y=aX+b adalah:
(i) E [Y] = E[aX+b] = aE[X]+b
(ii) Jika a=0, maka E[b] = b
(iii) Jika b=0, maka E[aX] =a E[X]
Jika X adalah variabel random, dan g(X) serta h(X) adalah fungsi-
fungsi dari X tsb maka nilai rata-rata dari g(X)+h(X) diberikan
oleh:
E[ g(X)+h(X)] = E[g(X)]+E[h(X)]
Generalisasi : Mean dan Kovariansi Kombinasi
Linear Variabel Random
Jika X dan Y adalah dua variabel random yg independen (saling
bebas), maka
E[XY] = E[X]*E[Y]
Contoh.
Dalam produksi Ga-As chips diketahui rasio antara Ga:As adalah
independen dalam menghasilkan prosentase yg tinggi dari chips
yg baik. Misalkan X adalah rasio dari Ga:As dan Y prosentase dari
chips yg baik. Diketahui X dan Y adalah variabel random dengan
distribusi rapat probabilitas bersama:




Tunjukkan bahwa E[XY] = E[X]*E[Y]

< < < <

+
=
lainnya
y x
y x
y x f
0
1 0 , 2 0
4
) 3 1 (
) , (
2
Generalisasi : Mean dan Kovariansi Kombinasi
Linear Variabel Random
Jawab:
Dengan menggunakan definisi E[X], E[Y] dan E[XY]:
} } } }
= =

+
= =
1
0
2
0
2
4
) 3 1 (
) , ( ] [
y x
dxdy
y x
x dxdy y x xf X E
3
4
3
2
3
2
) 3 1 (
3
2
) 3 1 (
12
] [
1
0
3
1
0
2
1
0
2
0
2
3
= + = + = + =
= = = =
} }
y y y x
y y dy y dy y
x
X E
} } } }
= =

+
= =
1
0
2
0
2
4
) 3 1 (
) , ( ] [
y x
dxdy
y x
y dxdy y x yf Y E
8
5
8
3
4
1
) 3 1 (
2
1
) 3 1 (
8
] [
1
0
4 2
1
0
2
1
0
2
0
2
2
= + = + = + =
= = = =
} }
y y y x
y y dy y y dy y y
x
Y E
} } } }
= =

+
= =
1
0
2
0
2
4
) 3 1 (
) , ( ] [
y x
dxdy
y x
xy dxdy y x xyf XY E
6
5
2
1
3
1
) 3 1 (
3
2
) 3 1 (
12
] [
1
0
4 2
1
0
2
1
0
2
0
2
3
= + = + = + =
= = = =
} }
y y y x
y y dy y y dy y y
x
XY E
] [
6
5
8
5
*
3
4
] [ * ] [ XY E Y E X E = = =
Generalisasi : Mean dan Kovariansi Kombinasi
Linear Variabel Random
Soal:
Jika a dan b konstanta buktikan bahwa:
2 2 2
X b aX
a o o =
+