Variabel Acak Kontinu

Dalam statistik dan probabilitas, variabel acak kontinu (continuous random variable) adalah sebuah fungsi yang memetakan setiap hasil percobaan ke suatu nilai pada garis bilangan real. Berbeda dengan variabel acak diskrret yang hanya dapat mengambil nilainilai terhitung (misalnya 0, 1, 2, ), variabel kontinu dapat memiliki nilai apa saja dalam suatu interval atau gabungan interval.

Definisi Formal

Misalkan \(\Omega\) adalah ruang sampel dan \(\mathcal{F}\) sigmaaljabar pada \(\Omega\). Sebuah fungsi \(X:\Omega \to \mathbb{R}\) disebut variabel acak kontinu bila terdapat fungsi tak negatif \(f_X(x)\) yang memenuhi:

1. \(f_X(x) \ge 0\) untuk semua \(x \in \mathbb{R}\);
2. \(\displaystyle \int_{-\infty}^{\infty} f_X(x)\,dx = 1\);
3. untuk setiap interval \([a,b]\) berlaku \[ P(a \le X \le b)=\int_{a}^{b} f_X(x)\,dx . \]

Fungsi \(f_X(x)\) disebut fungsi kepadatan probabilitas (probability density function, PDF). Karena nilai probabilitas pada titik tunggal selalu nol (\(P(X=x)=0\)), PDF tidak dapat diartikan sebagai probabilitas pada suatu nilai, melainkan sebagai kepadatan probabilitas di sekitar nilai tersebut.

Cumulative Distribution Function (CDF)

Fungsi distribusi kumulatif \(F_X(x)\) didefinisikan sebagai \[ F_X(x)=P(X\le x)=\int_{-\infty}^{x} f_X(t)\,dt . \] CDF memiliki sifat berikut:

• \(F_X(x)\) bersifat tidak menurun.
• \(\displaystyle \lim_{x\to-\infty}F_X(x)=0\) dan \(\displaystyle \lim_{x\to\infty}F_X(x)=1\).
• Jika PDF ada, maka \(f_X(x)=\dfrac{d}{dx}F_X(x)\) hampir di manamana.

Harapan (Ekspektasi) dan Varians

Untuk variabel acak kontinu, nilai harapan didefinisikan sebagai \[ \mathbb{E}[X]=\int_{-\infty}^{\infty} x\,f_X(x)\,dx , \] dengan syarat integral tersebut konvergen. Varians diperoleh dari \[ \operatorname{Var}(X)=\mathbb{E}\big[(X-\mathbb{E}[X])^{2}\big] =\int_{-\infty}^{\infty} (x-\mu)^{2}f_X(x)\,dx , \] di mana \(\mu =\mathbb{E}[X]\).

Beberapa Distribusi Kontinu yang Sering Digunakan

1. Distribusi Uniform (Seragam)

Jika nilai \(X\) tersebar merata pada interval \([a,b]\), maka \[ f_X(x)=\begin{cases} \dfrac{1}{b-a}, & a\le x\le b,\\[4pt] 0, & \text{lainnya}. \end{cases} \] Harapan dan variansnya masingmasing \(\displaystyle \frac{a+b}{2}\) dan \(\displaystyle \frac{(b-a)^{2}}{12}\).

2. Distribusi Normal (Gaussian)

Distribusi normal dengan ratarata \(\mu\) dan varians \(\sigma^{2}\) memiliki PDF \[ f_X(x)=\frac{1}{\sigma\sqrt{2\pi}} \exp\!\Bigl(-\frac{(x-\mu)^{2}}{2\sigma^{2}}\Bigr),\qquad x\in\mathbb{R}. \] Ini adalah distribusi paling penting dalam statistik karena teorema limit pusat.

3. Distribusi Eksponensial

Untuk model waktu menunggu hingga kejadian pertama pada proses Poisson dengan laju \(\lambda>0\), \[ f_X(x)=\lambda e^{-\lambda x},\qquad x\ge 0 . \] Harapan \(=1/\lambda\) dan varians \(=1/\lambda^{2}\).

Cara Menghitung Probabilitas

Karena probabilitas pada titik tunggal adalah nol, menghitung probabilitas melibatkan integral pada interval. Contoh:

• Probabilitas dalam interval terbuka: \(P(1
• Probabilitas kumulatif: \(P(X\le 3)=F_X(3)\).
• Probabilitas ekor: \(P(X>4)=1-F_X(4)\).

Hubungan dengan Variabel Acak Diskrret

Kedua tipe variabel acak dapat dipandang sebagai limit dari satu sama lain. Misalnya, dengan membagi interval kontinu menjadi subinterval yang sangat kecil, setiap subinterval dapat diperlakukan seperti nilai diskrret dengan probabilitas \(\approx f_X(x_i)\Delta x\). Sebaliknya, dengan menambahkan noise kontinu pada variabel diskrret (misalnya, jitter), nilai diskrret dapat dilunakkan menjadi kontinu.

Contoh Aplikasi

1. Fisika: Kecepatan partikel dalam gas ideal biasanya dimodelkan dengan distribusi MaxwellBoltzmann (kontinu).
2. Keuangan: Return pasar saham pada satu hari sering diasumsikan berdistribusi normal, meskipun terdapat ekor berat.
3. Biologi: Waktu hidup organisme (misalnya, jamur) dapat dimodelkan dengan distribusi Weibull atau eksponensial.
4. Teknik: Tingkat kegagalan komponen elektronik diukur dengan distribusi lognormal.

Simulasi Menggunakan JavaScript

Berikut contoh sederhana untuk menghasilkan nilai acak yang mengikuti distribusi uniform pada interval \([0,1]\) dan menampilkannya pada halaman:

<script>function uniform01() {    return Math.random(); // nilai antara 0 dan 1}document.write('Nilai acak uniform [0,1]: ' + uniform01().toFixed(4));</script>

Kesimpulan

Variabel acak kontinu merupakan konsep fundamental dalam teori probabilitas. Dengan memahami fungsi kepadatan probabilitas, fungsi distribusi kumulatif, serta cara menghitung harapan dan varians, kita dapat memodelkan fenomena alam dan sosial yang berhubungan dengan besaran berkelanjutan. Distribusi standar seperti uniform, normal, dan eksponensial memberi kerangka kerja praktis untuk analisis data, perancangan eksperimen, dan simulasi komputer.

Untuk eksplorasi lebih lanjut, kunjungi Wikipedia atau lihat buku teks statistik tingkat lanjut.