Ekspektasi Satu Peubah Acak Kontinu

Dalam teori peluang dan statistika, pemahaman mengenai peubah acak (variabel acak) merupakan pondasi yang sangat penting. Peubah acak dibagi menjadi dua kategori utama, yaitu peubah acak diskrit dan peubah acak kontinu. Jika peubah acak diskrit berhubungan dengan nilai-nilai yang dapat dihitung (hitungan), maka peubah acak kontinu berhubungan dengan nilai-nilai yang berada dalam suatu rentang atau interval. Salah satu konsep fundamental yang melekat pada peubah acak adalah ekspektasi atau nilai harapan.

Definisi Ekspektasi

Secara intuitif, ekspektasi sering disebut sebagai rata-rata atau mean dari suatu peubah acak. Namun, berbeda dengan rata-rata hitung sederhana dari data sampel, ekspektasi adalah rata-rata teoritis atau "rata-rata populasi" yang ditimbang oleh probabilitasnya. Jika kita membayangkan distribusi probabilitas sebagai papan yang tidak seimbang, ekspektasi adalah titik pusat massa (titik keseimbangan) dari papan tersebut.

Untuk peubah acak kontinu, ekspektasi dihitung menggunakan operasi integral, bukan penjumlahan seperti pada peubah acak diskrit. Hal ini karena variabel kontinu dapat mengambil nilai tak terhingga dalam suatu interval.

Rumus Matematis

Misalkan $X$ adalah sebuah peubah acak kontinu dengan fungsi kepadatan probabilitas (Probability Density Function - PDF) $f(x)$ . Ekspektasi dari $X$ , yang dinotasikan dengan $E[X]$ atau $μ$ (mu), didefinisikan sebagai integral dari $x$ dikalikan dengan fungsi kepadatannya di seluruh domain peubah acak tersebut.

E[X] = \int -\infty \infty x f(x) dx

Syarat agar ekspektasi ini ada adalah integral tersebut harus konvergen mutlak. Artinya, integral dari nilai mutlak $x$ dikali $f(x)$ harus bernilai hingga.

Ekspektasi Fungsi dari Peubah Acak

Seringkali dalam analisis statistika, kita tidak hanya tertarik pada ekspektasi dari peubah acak $X$ itu sendiri, tetapi juga pada ekspektasi dari suatu fungsi $g(X)$ . Misalnya, kita ingin mencari rata-rata dari kuadrat peubah acak tersebut (yang berhubungan dengan variansi) atau rata-rata dari nilai eksponensialnya.

Teorema Ekspektasi Tanpa Kondisi (The Unconscious Statistician's Theorem) menyatakan bahwa kita dapat menghitung ekspektasi dari $g(X)$ tanpa harus mencari distribusi probabilitas dari $g(X)$ terlebih dahulu. Rumusnya adalah:

E[g(X)] = \int -\infty \infty g(x) f(x) dx

Sifat-Sifat Ekspektasi

Ekspektasi memiliki beberapa sifat aljabar yang sangat berguna dalam memecahkan masalah statistika yang lebih kompleks. Sifat-sifat ini berlaku untuk peubah acak kontinu:

Linearitas (Additivitas): Ekspektasi dari jumlah dua peubah acak adalah jumlah dari ekspektasi masing-masing peubah acak. $E[X + Y] = E[X] + E[Y]$ .
Konstanta: Ekspektasi dari sebuah konstan adalah konstan itu sendiri. $E[c] = c$ .
Perkalian Konstanta: Ekspektasi dari peubah acak yang dikalikan konstanta adalah konstanta tersebut dikalikan ekspektasi peubah acak. $E[cX] = c E[X]$ .
Kombinasi Linear: Dari sifat di atas, diperoleh $E[aX + b] = aE[X] + b$ .

Contoh Perhitungan

Untuk memperjelas pemahaman, mari kita lihat contoh sederhana menghitung ekspektasi pada distribusi seragam (Uniform Distribution).

Misalkan kita memiliki peubah acak $X$ yang tersebar merata antara interval $[a, b]$ . Fungsi kepadatan probabilitasnya adalah:

f(x) = { 1/(b - a) untuk a \leq x \leq b; 0 untuk yang lain }

Kita ingin mencari $E[X]$ . Menggunakan rumus definisi:

E[X] = \int a b x (1/(b - a)) dx

Karena $1/(b - a)$ adalah konstanta, kita bisa mengeluarkannya dari integral:

E[X] = (1/(b - a)) \int a b x dx

Integral dari $x$ adalah $x 2 /2$ . Maka:

E[X] = (1/(b - a)) [ x 2 /2 ] a b E[X] = (1/(b - a)) ( b 2 /2 - a 2 /2 ) E[X] = (1/(2(b - a))) ( b 2 - a 2) E[X] = (1/(2(b - a))) ( (b - a)(b + a) )

Faktor $(b - a)$ di pembilang dan penyebut saling menghilangkan, sehingga diperoleh:

E[X] = (a + b) / 2

Hasil ini masuk akal secara intuitif. Jika sebuah bilangan dipilih secara acak dari rentang 0 hingga 10, nilai rata-ratua (ekspektasinya) adalah 5, yang merupakan titik tengah intervalnya.

Pentingnya Ekspektasi dalam Statistika

Ekspektasi bukan sekadar konsep teoritis matematika; ia memiliki aplikasi yang sangat luas dalam berbagai bidang. Dalam keuangan, ekspektasi digunakan untuk menghitung expected return dari sebuah investasi, membantu investor membuat keputusan yang rasional berdasarkan rata-rata keuntungan yang mungkin diperoleh. Dalam asuransi, perusahaan asuransi menggunakan ekspektasi untuk menghitung premi yang harus dibayar oleh nasabah berdasarkan nilai harapan klaim di masa depan.

Selain itu, ekspektasi merupakan dasar untuk menghitung momen statistik tingkat lebih tinggi, seperti Varians (moments kedua pusat). Varians dihitung sebagai $E[(X - μ) 2]$ , yang mengukur sebaran data di sekitar nilai ekspektasi. Tanpa memahami ekspektasi, kita tidak akan bisa mengukur seberapa besar variabilitas atau risiko yang ada dalam sebuah model statistik.

Kesimpulan

Ekspektasi pada peubah acak kontinu adalah ukuran tendensi sentral yang paling mendasar. Didefinisikan melalui integral tertimbang fungsi kepadatan probabilitas, konsep ini memberikan gambaran tentang "di mana" nilai-nilai peubah acak cenderung berkumpul dalam jangka panjang. Melalui pemahaman terhadap rumus dasar $\int x f(x) dx$ , sifat linearitas, dan penerapannya pada fungsi transformasi, kita dapat menganalisis berbagai fenomena acak yang bersifat kontinu, mulai dari waktu tunggu hingga perubahan harga pasar.

```

File Referensi Untuk Ekspektasi Satu Peubah Acak Kontinu

Screenshoot