Review Singkat

Probabilitas dan Statistika

Distribusi Probabilitas
Distribusi Variabel Random Kontinu
Defn (fungsi densitas bersama)
Jika x = (x
1
,x
2
,x
3
, ... , x
n
) adalah suatu vektor variabel
random kontinu, maka
f(x) = f(x
1
,x
2
,x
3
, ... , x
n
)
disebut fungsi densitas bersama dari x = (x
1
,x
2
,x
3
, ... , x
n
)
jika
1) f(x) 0
2)
3)
1 ) ( =
}
x x d f
| | R x x x e =
}
P d f
R
) (
Catatan:
( )
n n
dx dx dx x x x f d f
2 1 2 1
, , ) (
} } } }

= x x
( )
n
R
n
R
dx dx dx x x x f d f
2 1 2 1
, , ) (
} } } }
= x x
Defn (fungsi densitas marginal)
Densitas marginal dari x
1
= (x
1
,x
2
,x
3
, ... , x
p
) (p < n) di
definisikan sebagai:
f
1
(x
1
) = =
dengan x
2
= (x
p+1
,x
p+2
,x
p+3
, ... , x
n
)
}
2
) ( x x d f
}
2 2 1
) , ( x x x d f
Densitas marginal dari x
2
= (x
p+1
,x
p+2
,x
p+3
, ... , x
n
) di
definisikan sebagai:
f
2
(x
2
) = =
dengan x
1
= (x
1
,x
2
,x
3
, ... , x
p
)
}
1 2 1
) , ( x x x d f
}
1
) ( x x d f
Defn (Fungsi densitas konditional)
Suatu densitas konditional dari x
1
dengan syarat x
2
di
definisikan sebagai:

f
1|2
(x
1
|x
2
) =
Densitas bersyarat dari x
2
dengan syarat x
1
di
definisikan sebagai:
f
2|1
(x
2
|x
1
) =
( ) ( )
2 2
2 1
2 2
) , ( ) (
x
x x
x
x
f
f
f
f
=
( ) ( )
1 1
2 1
1 1
) , ( ) (
x
x x
x
x
f
f
f
f
=
Defn (Independensi)
Dua sub-vektor x
1
dan x
2
dikatakan saling independen
jika:
f(x) = f(x
1
, x
2
) = f
1
(x
1
)f
2
(x
2
)
= pergandaan densitas marginalnya
atau
densitas bersyarat dari x
i
dengan syarat x
j
:

f
i|j
(x
i
|x
j
) = f
i
(x
i
) = densitas marginal dari x
i

Contoh (Normal p-variat)
Suatu vektor random x
(p x 1)
dikatakan berdistribusi
Normal p-variat dengan
vektor rerata
(p x 1)
dan
matriks kovariansi E
(p x p)

ditulis sebagai x ~ N
p
(,E) jika:
( )
( ) )
`

E
E
=

) ( )' (
2
1
exp
2
1
1
2 / 1
2 /
x x x
p
f
t
Contoh (bivariat Normal)
Suatu vektor random dikatakan ber-

distribusi bivariat Normal dengan vektor rerata
dan
matriks kovariansi



(

=
2
1

( )
( ) )
`

E
E
=

) ( )' (
2
1
exp
2
1
1
2 / 1
2 /
x x x
p
f
t
(

=
2
1
x
x
x
(

=
(

= E
2
2 2 1
2 1
2
1
22 12
12 11
o o o
o o o
o o
o o
( )
( ) )
`

E
E
=

) ( )' (
2
1
exp
2
1
,
1
2 / 1
2 1
x x
t
x x f
( )
( ) { }
2 1
2 / 1
2
12 22 11
, exp
2
1
x x Q

=
o o o t
( ) ) ( )' ( ,
1
22 12
12 11
2 1
x x
(

=

o o
o o
x x Q
2
12 22 11
2
2 2 11 2 2 1 1 12
2
1 1 22
) ( ) )( ( 2 ) (
o o o
o o o

+
=
x x x x
( ) ( ) { }
2 1
2
1 1
2 1
, exp
1 2
1
, x x Q x x f

=
o to
( )
2 1
, x x Q
2
2
2
2 2
2
2 2
1
1 1
2
1
1 1
1
2

o

o

o

|
|
.
|

\
|

+
|
|
.
|

\
|

|
|
.
|

\
|

|
|
.
|

\
|

=
x x x x
Teorema (Transformasi)
Jika x = (x
1
,x
2
,x
3
, ... , x
n
) adalah suatu vektor
variabel random kontinu dengan fungsi densitas
bersama f(x
1
,x
2
,x
3
, ... , x
n
) = f(x), dan andaikan
y
1
=|
1
(x
1
,x
2
,x
3
, ... , x
n
)
y
2
=|
2
(x
1
,x
2
,x
3
, ... , x
n
)
...
y
n
=|
n
(x
1
,x
2
,x
3
, ... , x
n
)
didefinisikan sebagai suatu transformasi 1-1 dari
x ke y,
maka densitas bersama dari y adalah g(y):
g(y) = f(x)|J| dengan

) ,..., , , (
) ,..., , , (
) (
) (
3 2 1
3 2 1
n
n
y y y y
x x x x
J
c
c
=
c
c
=
y
x
(
(
(
(
(
(
(
(

c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
=
n
n
n n
n
n
y
x
y
x
y
x
y
x
y
x
y
x
y
x
y
x
y
x
...
...
...
...
det
2 1
2 2
2
2
1
1 1
2
1
1
= Jacobian
transformasi
Corollary (Transformasi Linear)
Jika x = (x
1
,x
2
,x
3
, ... , x
n
) adalah suatu vektor
variabel random kontinu dengan fungsi densitas
bersama f(x
1
,x
2
,x
3
, ... , x
n
) = f(x), dan andaikan
y
1
= a
11
x
1
+ a
12
x
2
+ a
13
x
3
, ... + a
1n
x
n

y
2
= a
21
x
1
+ a
22
x
2
+ a
23
x
3
, ... + a
2n
x
n

...
y
n
= a
n1
x
1
+ a
n2
x
2
+ a
n3
x
3
, ... + a
nn
x
n

Adalah suatu transformasi 1-1 dari x ke y,
maka densitas bersama dari y adalah g(y):
) det(
1
) (
) det(
1
) ( ) (
1
A
A f
A
f g y x y

= =
(
(
(
(

(






=
nn n n
n
n
a a a
a a a
a a a
A
...
...
...
dengan
2 1
2 22 21
1 12 11
O
Corollary (Transformasi Linear Variabel Random
Normal)
Jika x = (x
1
,x
2
,x
3
, ... , x
n
) adalah suatu vektor variabel
random kontinu berdistribusi Normal n-variat dengan
vektor rerata dan matriks kovariansi E,
yaitu x ~ N
n
(, E)
dan andaikan
y
1
= a
11
x
1
+ a
12
x
2
+ a
13
x
3
, ... + a
1n
x
n

y
2
= a
21
x
1
+ a
22
x
2
+ a
23
x
3
, ... + a
2n
x
n

...
y
n
= a
n1
x
1
+ a
n2
x
2
+ a
n3
x
3
, ... + a
nn
x
n

adalah suatu transformasi 1-1 dari x ke y, maka
y = (y
1
,y
2
,y
3
, ... , y
n
) ~ N
n
(A,AEA')
Defn (Ekspektasi)
Jika x = (x
1
,x
2
,x
3
, ... , x
n
) adalah suatu vektor
variabel random kontinu dengan fungsi densitas
bersama f(x) = f(x
1
,x
2
,x
3
, ... , x
n
), dan andaikan
pula U = h(x) = h(x
1
,x
2
,x
3
, ... , x
n
), maka
| | | |
}
= = x x x x d f h h E U E ) ( ) ( ) (
Defn (Ekspektasi Bersyarat)
Jika x = (x
1
,x
2
,x
3
, ... , x
n
) = (x
1
, x
2
) adalah
suatu vektor variabel random kontinu dengan
fungsi densitas bersama
f(x) = f(x
1
,x
2
,x
3
, ... , x
n
) = f(x
1
, x
2
),
dan andaikan U = h(x
1
) = h(x
1
,x
2
,x
3
, ... , x
p
),
maka ekspektasi bersyrt dr U dng syrt x
2
adalah

| | | |
1
2 1 2 | 1 1 2 1 2
) ( ) ( ) (
}
= = x x x x x x x d f h h E U E
Marginal densities describe how the subvector
x
i
behaves ignoring x
j



Conditional densities describe how the
subvector x
i
behaves when the subvector x
j
is
held fixed


Defn (Variansi)
Jika x = (x
1
,x
2
,x
3
, ... , x
n
) adalah suatu vektor
variabel random kontinu dengan fungsi densitas
bersama f(x) = f(x
1
,x
2
,x
3
, ... , x
n
), dan andaikan
U = h(x) = h(x
1
,x
2
,x
3
, ... , x
n
), maka

| | ( ) ( ) | | ( ) ( ) | |
2 2
2
) ( ) ( x x h E h E U E U E U Var
U
= = = o
Defn (Variansi Bersyarat)
Jika x = (x
1
,x
2
,x
3
, ... , x
n
) = (x
1
, x
2
) adalah
suatu vektor variabel random kontinu dengan
fungsi densitas bersama
f(x) = f(x
1
,x
2
,x
3
, ... , x
n
) = f(x
1
, x
2
),
dan andaikan U = h(x
1
) = h(x
1
,x
2
,x
3
, ... , x
p
),
maka variansi bersyarat dari U dgn syrt x
2
adalah

| | | | ( ) | |
2
2
1 1 2
) ( ) ( x x x x h E h E U Var =
Defn (Kovariansi, Korelasi)
Jika x = (x
1
,x
2
,x
3
, ... , x
n
) adalah suatu vektor variabel
random kontinu dengan fungsi densitas bersama
f(x) = f(x
1
,x
2
,x
3
, ... , x
n
),
dan andaikan U = h(x) = h(x
1
,x
2
,x
3
, ... , x
n
) dan
V = g(x) =g(x
1
,x
2
,x
3
, ... , x
n
), maka kovariansi dari
U dan V adalah
| | ( ) | | ( ) | | ) ( ) ( ) ( ) ( x x x x g E g h E h E =
( ) | | ( ) | | ( ) | | V E V U E U E V U Cov = ,
( )
korelasi
) ( ) (
,
dan
= =
V Var U Var
V U Cov
UV

Sifat- Sifat
Ekspektasi
Variansi
Kovariansi
Korelasi
1. E[a
1
x
1
+ a
2
x
2
+ a
3
x
3
+ ... + a
n
x
n
]
= a
1
E[x
1
] + a
2
E[x
2
] + a
3
E[x
3
] + ... + a
n
E[x
n
]


atau E[a'x] = a'E[x]

2. E[UV] = E[h(x
1
)g(x
2
)]
= E[U]E[V] = E[h(x
1
)]E[g(x
2
)]

jika x
1
dan x
2
saling independen

3. Var[a
1
x
1
+ a
2
x
2
+ a
3
x
3
+ ... + a
n
x
n
]


atau Var[a'x] = aE a


< =
+ =
n
j i
j i j i
n
i
i i
x x Cov a a x Var a ] , [ 2 ] [
1
2
(
(
(
(

(






= E
) ( ... ) , ( ) , (
...
) , ( ... ) ( ) , (
) , ( ... ) , ( ) (

dengan
2 1
2 2 1 2
1 2 1 1
n n n
n
n
x Var x x Cov x x Cov
x x Cov x Var x x Cov
x x Cov x x Cov x Var
4. Cov[a
1
x
1
+ a
2
x
2
+ ... + a
n
x
n
,
b
1
x
1
+ b
2
x
2
+ ... + b
n
x
n
]



atau Cov[a'x, b'x] = aE b


= =
+ =
n
j i
j i j i
n
i
i j i
x x Cov b a x Var b a ] , [ ] [
1
5.


6.



| | ( ) | |
2
2
x
x
U E E U E =
| | ( ) | | ( ) | |
2 2
2 2
x x
x x
U E Var U Var E U Var + =