Anda di halaman 1dari 9

FUNGSI PROBABILITAS

Fungsi Probabilitas (kumulatif) , distribusi kontinu didefinisikan sebagai turunan dari fungsi distribusi

(1) (2)

Jadi
(4)

Sebuah fungsi probabilitas memenuhi

dan dibatasi oleh kondisi normalisasi,

Untuk kasus spesial :

(8)

(9)

(10)

(11)

Untuk menemukan fungsi Jacobian. Misalnya, jika

probabilitas
, kemudian

dalam

satu

set

variabel

berubah,

menemukan

Jadi

Demikian pula, jika

dan

,kemudian

diberikan fungsi probabilitas probabilitas

, ...,

,jumlah distribusi

memiliki fungsi

dimana

adalah fungsi delta. Demikian pula, Fungsi distribusi dari distribusi

diberikan oleh :

Perbedaan distribusi

memiliki fungsi probabilitas

dan perbandingan distribusi

memiliki fungsi probabilitas

Memberikan the moments of a distribution ( , memberikan

, and the gamma statistics

), probabilitas asymptotic

Dimana

Adalah distribusi normal, dan

untuk

(dengan

cumulants and

the standard deviation; Abramowitz and Stegun 1972, p. 935).

Distribusi t

Distribusi statistik yang diterbitkan oleh William Gosset pada tahun 1908. Pimpinannya, pada perusahaan Guinness Bir, mengharuskan dia untuk mempublikasikan nama samaran, sehingga ia memilih "Student." Mengingat pengukuran independen,

di mana populasi berarti, adalah mean sampel, dan merupakan estimator untuk deviasi standar populasi (yaitu, varians sampel) didefinisikan oleh

Distribusi - t ini didefinisikan sebagai distribusi variabel random yang (sangat longgar) yang "terbaik" yang kita bisa tidak tahu.
Distribusi - t dengan Jika , derajat kebebasan di implementasikan pada matematika sebagai Distribution Student t meningkat, Distribusi

dan distribusi akan menjadi distribusi normal. Saat nilai

Student's -mendekati distribusi normal. Distribusi Student's - dapat diturunkan dengan mengubah ke Distribusi - Z menggunakan persamaan

Dan kemudian mendefinisikan :

Probabilitas yang dihasilkan dan fungsi distribusi kumulatif

(5)

(6)

(7) (8)

Dimana, adalah jumlah derajat kebebasan, , adalah fungsi gamma, adalah fungsi beta, adalah fungsi hipergeometrik, dan fungsi beta regularized didefinisikan oleh :

Mean, varians, skewness, dan kurtosis dari distribusi- t adalah :

(12) (13) (14)

Karakteristik dari fungsi

untuk beberapa nilai awal dari

adalah :

(16) (17) (18) (19)

dan seterusnya, di mana

adalah fungsi Bessel modifikasi dari jenis kedua

sehingga fungsi distribusi sama dengan probabilitas berbagai nilai kecil berbagai jumlah derajat kebebasan . Beyer (1987, p. 571) tabel berikut memberikan interval keyakinan yang lainnya, nilai dari memberikan 60%, 70%, 90%, 95%, 97.5%, 99%, 99.5%, and 99.95% Interval kepercayaan, dan Goulden (1956) memberikan 50%, 90%, 95%, 98%, 99%, and 99.9% interval kepercayaan.

90%

95%

97.5%

99.5%

1 3.07768 6.31375 12.7062 63.6567 2 1.88562 2.91999 4.30265 9.92484 3 1.63774 2.35336 3.18245 5.84091 4 1.53321 2.13185 2.77645 4.60409 5 1.47588 2.01505 2.57058 4.03214 10 1.37218 1.81246 2.22814 3.16927 30 1.31042 1.69726 2.04227 2.75000 100 1.29007 1.66023 1.98397 2.62589 1.28156 1.64487 1.95999 2.5758

Suatu bentuk multivariate distribusi - t dengan matriks korelasi dan derajat kebebasan diimplementasikan sebagai Multivariate T Distribution [r, m] pada Matematika Multivariate Statistics Yang disebut distribusi berguna untuk pengujian jika dua distribusi yang diamati memiliki rata-

rata yang sama. memberikan probabilitas bahwa perbedaan dalam dua cara diamati untuk statistik tertentu dengan derajat kebebasan akan lebih kecil dari nilai yang diamati murni secara kebetulan :

Apabila

menjadi variabel acak terdistribusi normal dengan mean 0 dan varians


chi-squared denga derajat kebebasan, dan apabila dan

, apabila independen.

memiliki distribusi Kemudian

menjadi

Terdistribusi sebagai distribusi Student's

dengan

derajat kebebasan.

program statistika implicit none

! statistik Distribusi T integer :: i, n real :: x(100),xbar,xb,x2,xk,xs(100),xs2(100),sd,T(100)

print *,' **************************Tugas Statistika***************************' print *,'*************************** Distribusi T *****************************' print *,'***************************HELMUT MANABUNG****************************'

! input data print *,'jumlah data' read*,n do i=1,n print*,'x(',i,')' read*,x(i) end do do i=1,n print*,x(i) end do

! hitung x rata rata dll xb=0.0 x2=0.0 xk=0.0 do i=1,n xb=x(i)+xb end do xbar=xb/n

print*,'xbar=',xbar

!hitung x kuadrat do i=1,n xk=x(i)*x(i) x2=xk+x2 print*,'x2=',xk print*,'sigma x2',x2 end do

!hitung deviasi do i=1,n xs(i)=x(i)-xbar xs2(i)=xs(i)*xs(i) print*,xs(i),xs2(i) end do

!hitung standar deviasi sd=sqrt((n*x2-xb*xb)/(n*(n-1))) print*,x2,xb,n print*,'standar deviasi sd',sd do i=1,n T(I)=(x(i)-xbar)/n print *,x(i),T(i) end do

end program statistika

DAFTAR PUSTAKA

Ang A. H. S., Tang W. H. & Hariandja B. Konsep-Konsep Probabilitas dalam Perencanaan dan Perancangan Rekayasa PRINSIP-PRINSIP DASAR, Jakarta, Penerbit Erlangga, 1992. Suliyanto. 2010. Panduan Praktikum Analisis Statistik, Purwekerto, Program Pascasarjana Magister Sains Ekonomi Manajemen Universitas Jenderal Soedirman. Supranto, J. 1998. Statistik Teori dan Aplikasi Jilid I dan II. Jakarta, Penerbit Erlangga.