P. 1
Teknik Perubahan Variabel

Teknik Perubahan Variabel

|Views: 91|Likes:
Dipublikasikan oleh Risna Afriani

More info:

Published by: Risna Afriani on Jun 29, 2013
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

03/27/2014

pdf

text

original

INTEGRAL, Vol. 9 No.

3, November 2004

TRANSFORMASI VARIABEL DARI DISTRIBUSI NORMAL STANDAR MENJADI BEBERAPA DISTRIBUSI YANG LAIN
R. Gunawan Santosa
Jurusan Teknik Informatika, Fakultas Teknik, Universitas Kristen Duta Wacana, Yogyakarta - DIY E-mail : gunawan@ukdw.ac.id

Intisari
Diberikan variabel random X1,X2,X3,X4 yang berdistribusi identik, independen Normal Standar. Tulisan ini akan menggambarkan proses transformasi variabel dari distribusi tersebut menjadi distribusi Beta, distribusi Gamma, dan distribusi Cauchy untuk jenis transformasi Z yang berbeda-beda. Katakunci : distribusi Beta, distribusi Gamma, distribusi Cauchy, transformasi variabel.

Abstract
Given random variable X1,X2,X3,X4 identically independent distributed Standard Normal. This paper describes variable transformation from that distribution becomes Beta distribution, Gamma distribution, and Cauchy distribution for various Z transformation. Keywords : Beta distribution, Gamma distribution, Cauchy distribution, variable transformation

Diterima : 13 Maret 2004 Disetujui untuk dipublikasikan: 20 Juli 2004

1. Pendahuluan
Banyak teknik yang digunakan untuk melakukan transformasi dari satu variabel random menjadi variabel random lain. Masing-masing teknik mempunyai keuntungan maupun kerugian dan mungkin satu teknik lebih disukai daripada teknik yang lain. Kita akan membahas proses perubahan variabel random melalui Jacobian dan proses integrasi dari distribusi Normal(0,1) menjadi distribusi yang lain. Adapun beberapa definisi dan yang digunakan adalah sebagai berikut : Definisi 1.1 : Jika S adalah ruang Sampel dengan ukuran probabilitas dan X adalah fungsi bernilai real yang didefinisikan pada

anggota S, maka X disebut variabel random. Dalam tulisan ini variabel random ditulis dengan huruf besar, sedangkan variabel dengan huruf kecil melambangkan variabel fungsional matematika yang berkaitan dengan variabel random tersebut. Definisi 1.2 : Fungsi dengan nilai f(x) ≥ 0 untuk semua x, yang didefinisikan pada semua bilangan real disebut fungsi kepadatan probabilitas (f.k.p) dari variabel random kontinu X jika dan hanya jika

P(a ≤ x ≤ b) = ∫ f ( x)dx
a

b

untuk

98

….y3.2.. ∂wni . Teknik Perubahan Variabel Secara Umum Diberikan ϕ(x1. Yn= un(X1. xn = wni(y1. November 2004 sembarang bilangan a.xn).. …. Meskipun demikian kita dapat menyajikan A sebagai gabungan sebanyak k himpunan yang saling asing.k. y n ).. … . f(xi). …Xn) . x3 .yn) ∈ B sedangkan fungsi kepadatan probabilitas (f.Xn adalah f ( x1 .p) bersama X1. x2 = w2i(y1.X3.y3.x3. X2. Untuk setiap titik di A terdapat korespondensi satu titik di B. bersama X1. ∂wni ∂y 2 ∂w1i ∂y n ∂w2i .x3. sebut sebagai : x1 = w1i(y1..x2. y 2 ...p.n maka f.k..A3.p) suatu Yi didefinisikan sebagai : g i ( y i ) = ∫∫∫ .INTEGRAL.. x 2 .…. Jacobiannya didefinisikan sebagai : ∂w1i ∂y1 ∂w2i J i = ∂y1 .k yang merupakan k kelompok dari n fungsi invers. …Ak .….. tiap titik di B akan berkorespondensi dengan satu titik di tiap A1.….…. y n ). y 2 . i=1..k.. x n ) = ∏ f ( xi ) . …. y 3 . y n ) ) asalkan (y1. …Ak sehingga : y1 = u1(x1.x2. y n ) = ∑ J ϕ (w i =1 i k 1i ( y1 .σ 2) apabila mempunyai bentuk fungsional : 99 .X2. y2 = u2(x1. katakanlah A1..xn). X2.k..yn).y3.. 9 No.. …Xn) .A3.x2...∫ g ( y1 .Y2=u2(X1.y3.yn). Maka.….…. Variabel random X dikatakan mempunyai f. Bentuk Fungsional Beberapa Distribusi yang Penting Beberapa bentuk fungsi kepadatan probabilitas yang akan disinggung dan berhubungan dengan transformasi variabel pada bagian ini adalah sebagai berikut : 1..xn). dengan kata lain transformasi tersebut tidak merupakan korespondensi satu-satu. yn = un(x1.xn) . w 2 i ( y1 . 3.x3.….. Normal(µ ....y4..yn) i = 1.k..y2..x3.3 : Apabila variabel random X1. …. i =1 n 2. X2. y n )dy1 dy 2 .. y2 = u2(x1..….x3.x2.….….….xn) adalah fungsi kepadatan probabilitas (f. w ni ( y1 .yn.. 3.….xn) >0 dan transformasi : y1 = u1(x1. ∂y n . …..x2.y2. yn = un(x1. ….Xn yang merupakan variabel kontinu. …. y 2 .xn)..x3. ∂wni ∂y1 ∂w1i ∂y 2 ∂w2i ∂y 2 .A2...p.) bersama Y1=u1(X1.x2.k.Xn mempunyai distribusi independen identik dengan f.3.…. y 2 .dy n selain yi 3. Dari Hogg & Craig [3] .x3.y3. y 2 ..x2..X2..y2.y2.b dengan a ≤ b dan ∞ −∞ ∫ f ( x) = 1 .….y2. untuk i = 1. A adalah ruang dimensi-n dimana ϕ(x1.xn) memetakan A pada B dalam ruang y1.3.X3. satu kelompok untuk tiap k transformasi.. tapi sebuah titik di B mungkin berkorespondensi dengan lebih dari satu titik di A. mendefinisikan transformasi satu-satu untuk tiap Ai pada B..…. …Xn) diberikan sebagai : g ( y1 .p.x2.X2.... Definisi 1. ∂y n ≠ 0 .x3.X3.. 2.p.2.. Vol. k maka fungsi kepadatan probabilitas (f.A2.

υ) apabila mempunyai bentuk fungsional : 5. X2. Cauchy(λ.k.k. 3. maka didapat distribusi Cauchy Standar atau Cauchy(1.p. Z = X1 – X2 + X3 – X4 2. 2.X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0.υ > 0.υ > 0. f ( x) = 1 x µ −1 (1 − x)υ −1 B ( µ . identik Normal Standar Normal(0.0) yang mempunyai bentuk f. Vol.υ ) 0 < x < 1 dan µ.υ > 0.1) 1. -∞ < µ < ∞ dan σ 2 f ( x) = 1 > 0. 3.1) 100 .1) Gambar1 : Skema bentuk 6 transformasi dan hasil distribusinya 5.Variabel random X dikatakan mempunyai f.1) yang mempunyai bentuk f. Z = X12 / X22 5.p.p.k.υ ) (1 + x) µ +υ 0 < x < ∞ dan µ.p. Beta1(µ. Beta2(µ.INTEGRAL.X2. Apabila diambil µ = 0 dan σ 2 = 1.υ) apabila mempunyai bentuk fungsional : ⎛ x2 ⎞ exp⎜ ⎟ dengan ⎜− 2 ⎟ 2π ⎠ ⎝ 1 1 x µ −1 B( µ . X3 dan X4 berdistribusi independen. f ( x) = 1 dengan -∞ < x < ∞. Skema Rangkuman Transformasi Skema transformasi variabel dari distribusi Normal Standar ke bentuk distribusidistribusi lain adalah seperti dibawah ini : Variabel random : X1.Variabel random X dikatakan mempunyai f.k.k.µ) apabila mempunyai bentuk fungsional : f ( x) = λ exp{− λx}xυ −1 Γ(υ ) υ f ( x) = λ π (λ + ( x − µ ) 2 ) 2 dengan dengan 0 < x < ∞ dan λ. Variabel random X dikatakan mempunyai f.4) Beta2(1/2. Z = X12 / (X12 + X22) 6.p. Z = (X12 + X22) / 2 Normal(0. Z = (X1/X2) + (X3/X4) 4.υ) apabila mempunyai bentuk fungsional : -∞ < x < ∞ dan λ.µ > 0. Penjabaran Tiap Transformasi Dalam bagian ini akan dibahas penjabaran secara lengkap dari proses dan teknik perubahan variabel random. 9 No.Variabel random X dikatakan mempunyai f.p. π (1 + x 2 ) 4. f ( x) = dengan 4. Gamma(λ.0) Beta2(1/2.k.1/2) Beta1(1/2.1) Cauchy(2. Transformasi 1: Apabila X1. Apabila diambil µ=0 dan λ=1.1/2) Gamma(1. f ( x) = dengan -∞ < x < ∞. maka didapat distribusi Normal Standar atau Normal(0. November 2004 ⎧ (x − µ)2 ⎫ exp⎨− ⎬ 2σ 2 ⎭ σ 2π ⎩ dengan -∞ < x < ∞ . Z = X12 / (X22 + X32) 3.

November 2004 maka Z = X1 – X2 + X3 – X4 akan berdistribusi Normal(0. x3 . y .1) maka fungsi kepadatan bersamanya adalah : f ( x1 . x 2 .X2.⎜ 2 2 ⎪ ⎪ ⎝ ⎠ ⎝ ⎠ ⎭ ⎩ ( ) 101 .T ∂x3 0 0 1 1 ∂t 0 0 0 1 ∂x 4 ∂t 2 2 2 2 1 adalah : f ( z . Vol. X4 = T maka diperoleh Jacobian : ∂x1 ∂t 1 1 0 0 ∂x 2 0 1 −1 0 ∂t = = 1 fungsi kepadatan bersama Z.4 . 9 No. T = X4 sehingga X1 = Z + Y . t ) = e −[( z + y ) + ( y − w) + ( w+t ) + t ]/ 2 dan fungsi kepadatan Z adalah : 2 ( 2π ) ∞ ∞ ∞ ∂x1 ∂z ∂x 2 ∂z J= ∂x3 ∂z ∂x 4 ∂z ∂x1 ∂y ∂x 2 ∂y ∂x3 ∂y ∂x 4 ∂y ∂x1 ∂w ∂x 2 ∂w ∂x3 ∂w ∂x 4 ∂w f ( z) = f ( z) = f ( z) = − ∞− ∞− ∞ ∞ ∞ ∫ ∫ ∫ (2π ) 1 2 1 2 exp − ( z + y ) 2 + ( y − w) 2 2 exp − ( w + t ) 2 + t 2 2 dtdwdy {[ ] } {[ ∞ −∞ ∞ ] } − ∞− ∞ ∞ ∞ ∫ ∫ (2π ) ∫ ∫ (2π ) 1 1 exp − ( z + y ) + ( y − w) 2 {[ 2 ] 2}∫ exp{− [(w + t ) ] 2}∫ exp{− [2t −∞ 2 + t 2 2 dtdwdy ] } 2 exp − ( z + y ) + ( y − w) 2 {[ 2 2 + 2 wt + w 2 2 dtdwdy 2 ] } − ∞− ∞ ∞ ∞ f ( z) = − ∞− ∞ ∫ ∫ (2π ) 2 exp − ( z + y ) + ( y − w) 2 {[ 2 ] } ⎧ ⎪ ⎡ 2 ∫ exp ⎨− ⎢ t 2 ⎪ −∞ ⎩ ⎣ ∞ ( ) ⎛ w ⎞ ⎛ w ⎞ +2t 2 ⎜ ⎟ +⎜ ⎟ ⎝ 2⎠ ⎝ 2⎠ ( ) 2 ∞ ∞ f ( z) = − ∞− ∞ ∫ ∫ (2π ) ∞ 1 2 exp − ( z + y ) + ( y − w) 2 {[ 2 ] } 2 ⎛ w ⎞ ⎤ ⎫ ⎪ +⎜ ⎟ ⎥ 2⎬dtdwdy ⎝ 2⎠ ⎥ ⎦ ⎪ ⎭ 2 ⎧ w ⎫ 2 . 3. exp⎨− ⎜ ⎟. Digunakan transformasi sebagai berikut : Z = X1 – (X2 + X3 – X4).2 ⎭ 2 ⎧ ⎫ ⎛ w ⎞⎤ ⎪ ⎡ ⎪ exp − 2 + 2 t ⎜ ⎟ ⎨ ⎢ ⎬dtdwdy ⎥ ∫ 2 ⎝ ⎠ ⎪ ⎪ ⎣ ⎦ −∞ ⎩ ⎭ ( ) ∞ ∞ f ( z) = − ∞− ∞ ∫ ∫ (2π ) 1 2 exp − ( z + y ) + ( y − w) 2 {[ 2 ] } 2 ⎫ ⎧ ⎪⎛ 1 ⎞ ⎪ ⎛ w ⎞ 2 . exp⎨− ⎬ ⎩ 2.2. 2π dwdy ⎟ 2⎬. w. Y = X2 + (X3 – X4). x 4 ) = 1 (2π ) 2 e −( x1 + x2 + x3 + x4 ) / 2 2 2 2 2 dengan -∞ < Xi < ∞ untuk i = 1.W. X2 = Y – W .X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0.4) Bukti : X1. X3 = W + T.3. W = X3 – X4 .Y.INTEGRAL.

Y = X2 . X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0.1) maka fungsi kepadatan bersamanya adalah : f ( x1 .X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0. exp ⎨− ⎢⎜ . exp − ( z + y ) . ⎥ 2⎬. Vol. 9 No. exp − ( z + y ) {[ 2 ⎡3 ] 2}∫ exp⎧ ⎨− ⎢ w ⎣2 ∞ −∞ 2 ⎩ ⎤ ⎫ − 2 yw + y 2 ⎥ 2⎬dwdy ⎦ ⎭ −∞ ∫ (2π ) ∞ 3 . x 4 ) = 1 (2π ) 2 e −( x1 + x2 + x3 + x4 ) / 2 dengan -∞ < Xi < ∞ untuk i = 1. exp⎨− ⎜ y ⎟ ⎥ (2π ) 3 ⎨ 3 4 ⎢ 4 ⎝ ⎠ ⎢ ⎥ ⎪ ⎪ −∞ ⎝ ⎠ ⎦ ⎪ ⎦ ⎭ ⎩ ⎣ ⎩ ⎣ {[ ] } ( ⎜ ).1) maka Z = X12 / (X22 + X32) akan berdistribusi Beta2(1/2. .4). 2 1 2 1 2 . exp 2 . exp − (z + y ) 2 . . . akan diperoleh Jacobian 102 .⎛ ⎜ 2⎞ ⎟dy ⎟ 3 ⎝ ⎠ {[ ] } ( ⎜ ).INTEGRAL. 2 {[ 2 ] } 2 ⎧ ⎪ ⎪ ⎡⎛ y ⎞ ⎤ ⎫ 2 . .4 . exp f ( z) = ∫ z y ⎟ ⎥ 2⎬.⎛ ⎜ 2⎞ ⎟dy ⎟ ⎝ 3⎠ ⎫ ⎪ 2⎬dy ⎪ ⎭ 2 ⎧ ⎡⎛ ⎫ ⎧ z2 ⎫ ∞ 1 1 3⎞ ⎤ ⎪ ⎪ ⎢⎜ 4 ⎟ ⎥ 2⎬dy +z f ( z) = . 2 2 2 2 Digunakan transformasi sebagai berikut : Z = X12 / (X22 + X32). x3 . X2. 2π = exp ⎨− ⎢ ⎥ ⎬ (2π ) 3 2 2π ⎩ ⎣ 8 ⎦⎭ ⎩ ⎣ 8 ⎦⎭ 4 dengan . 2π ⎟ ⎜ 3 2 ⎪ − ∞ (2π ) 2 ⎣⎝ 3 ⎠ ⎥ ⎦ ⎪ ⎭ ⎩ ⎢ 2 ∞ ⎧ 1 1 ⎪ ⎪ ⎡⎛ y ⎞ ⎤ ⎫ 2 ( ) − + . x 2 . Jelas bahwa Z berdistribusi Normal(0. exp⎨− ⎬ ∫ exp⎨− ⎜ y (2π ) 3 ⎩ 8 ⎭−∞ ⎪ ⎢ 3 4⎟ ⎠ ⎥ ⎦ ⎪ ⎩ ⎣⎝ ⎭ ⎧ ⎡ z 2 ⎤⎫ ⎧ ⎡ z 2 ⎤⎫ 3 1 1 1 f ( z) = . exp ⎨− ⎢⎜ ⎟ ⎜ ⎟ ⎥ 2⎬ ⎪ ⎦ ⎪ ⎣⎝ 3 ⎠ ⎥ ⎭ ⎩ ⎢ 2 ⎧ ⎡⎛ ⎫ 3 2⎞ ⎤ ⎪ ⎪ ⎢⎜ ⎟ ⎥ exp − − 2 w y ⎬dwdy ∫ ⎨ ⎢⎜ 2 3⎟ ⎥ ⎪ −∞ ⎝ ⎠ ⎪ ⎦ ⎭ ⎩ ⎣ 2 ∞ ⎧ 1 1 ⎪ ⎪ ⎡⎛ y ⎞ ⎤ ⎫ 2 ⎟ f ( z) = ∫ . exp ⎨− ⎢ ⎥ ⎬. 2π ⎨− ⎢⎜ ⎜ ⎟ 3 2 ⎪ − ∞ (2π ) 2 ⎦ ⎪ ⎣⎝ 3 ⎠ ⎥ ⎭ ⎩ ⎢ 2 2 ∞ ⎧ ⎡⎛ ⎧ 1 1 3⎞ ⎤ ⎪ ⎪ ⎢⎜ 4 ⎪ ⎡⎛ z ⎞ ⎤ ⎫ ⎟ ⎥ +z f ( z) = ∫ .3. exp − ⎢⎜ ⎟ ⎥ 2⎬. X3 = W .2. T = X4 sehingga X 11 = − Z (Y 2 + W 2 ) atau X 12 = + Z (Y 2 + W 2 ) . 3.∞ < z < ∞. W=X3 . X2 = Y . . November 2004 ∞ f ( z) = f ( z) = −∞ ∞ ∫ (2π ) 1 1 3 . X4 = T . Transformasi 2: Apabila X1.X2.1) Bukti : X1.

.1) maka fungsi kepadatan bersamanya adalah : 103 . = . .(2π ) 2π 2 2 2 2 2 y 2 + w2 z y 2 + w2 2 − ∞− ∞− ∞ ( ) dtdwdy f ( z) = (2π )2 −∫∞−∫∞ ∞ ∞ exp − z ( y + w ) + y + w . 2 2 1 2 2 2 ∞ ∞ ∞ 2 z (y 2 + w 2 ) 1 0 0 2 zy 0 2 z (y 2 + w 2 ) − ( y 2 + w2 ) 0 0= ( 2 2) 1 1 2 z y +w 0 1 2 zw 2. X2. 1 1 ∫ ∫ exp{− [(z + 1)r ] 2}.Γ ( n) .π . 3.r z 0 −∞ π ∞ drdθ 2 3/ 2 −1 rd (exp{− [(z + 1)r ] 2})dθ ∫ ∫ (1 + z ) z 0 −∞ π ∞ (2π ) . 3/ 2 1 z π ∫ dθ 0 ∞ −∞ −1 ∫ (1 + z)rd (exp{− [( z + 1)r ] 2}) 2 ∞ ⎤ − ∫ exp − ( z + 1)r 2 2 dr ⎥ −∞ −∞ ⎦ (1 / 2 ) −1 1 1 −1 −1 1 1 1 z f ( z) = . 9 No. r2 r z rdrdθ f ( z) = f ( z) = f ( z) = f ( z) = (2π ) (2π ) 1 1 1 . Γ( ) = 2 2 2 lihat Transformasi 3: Apabila X1. 3/ 2 1/ 2 3/ 2 2 (1 + z ) (1 / 2 ) +1 (2π ) z (1 + z ) (1 + z ) 2 z (1 + z ) Γ( µ )Γ(υ ) . Γ( ) = π 2 Spiegel [4].π .0) Bukti : X1.INTEGRAL.X2.υ ) = Γ( µ + υ ) −1 ⎡ 1 1 2 . Vol. November 2004 2 z (y 2 + w 2 ) J1 = 0 0 0 2 2 2 2 2 − (y 2 + w 2 ) (y + w ) . jadi J = J = (y + w ) . 2 2 2 2 {[ ]} y 2 + w2 z y 2 + w2 2 2 ( ) dwdy diubah menjadi koordinat polar menjadi : f ( z ) = ∫ (2π )3 / 2 ∫ 0 −∞ 2 1 π ∞ exp − zr + r 2 {[ ] 2}. dan Γ ( ) = Γ ( + 1) = 3 2 1 2 1 1 π . 2π = . ⎢r exp − ( z + 1)r 2 3/ 2 + ( 1 z ) (2π ) z ⎣ {[ ] } ∞ {[ ] } 1 Γ ( n + 1) = n.1) maka Z = (X1/X2) + (X3/X4) akan berdistribusi Cauchy(2.1). . yang merupakan distribusi Beta2(1/2.Catatan : B ( µ . Γ (1) = 1 . .X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0. 3/ 2 . X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0. . J = 2 z(y + w ) 2 z (y + w ) 2 f ( z) = ∫ ∫ ∫ exp{− [z ( y + w ) + y + w + t ] 2}.

2 untuk f ( z) = 2 2 4 + z2 ⎥ (2π )2 ⎢ ⎣4 + z ⎦ π (2 ) + z 2 2 (2π )2 (2)2 ∞ 1 f ( z) = dw untuk menghitungnya digunakan integral 2 ∫ 2 (2π ) −∞ (1 + w )(1 + ( w − z ) 2 ) 1 2 y exp − 1 + ( z − w) y 2 2 dydw 2 ∫ ∫ − ∞1 + w − ∞ { [( ) ] } ( 1 2 ) = . Transformasi 4: Apabila X1.3. W = X3/X4 . t ) = (2π )2 1 ∞ ∞ ∞ 2 0 0 = yt sehingga J = yt w 1 exp − y 2 ( z − w) 2 + y 2 + t 2 w 2 + t 2 2 yt 2 {[ ] } [ f ( z) = f ( z) = f ( z) = f ( z) = exp{− [y (2π ) ∫ ∫ ∫ ( z − w) 2 + y 2 + t 2 w 2 + t 2 2 yt dtdydw ] } (2π )2 −∫∞−∫∞ 1 ∞ ∞ 2 1 − ∞− ∞− ∞ ∞ ∞ y exp{− y 2 ( z − w) 2 + y 2 2}∫ t exp{− (1 + w 2 )t 2 2}dtdydw −∞ 2 2 [ ] ∞ ] y exp{− [y ( z − w) (2π ) ∫ ∫ 2 − ∞− ∞ ∞ ∞ + y2 2 . ] } 1 +2w 2 dydw pecahan parsial.2. Apabila dihitung integralnya didapat D= 4 + z2 (2)2 ⎡ π + π ⎤ = 1 . X2 = Y .X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0. Z berdistribusi Cauchy(2.INTEGRAL. y 0 J= 0 0 z−w − y 1 0 t 0 0 0 1 f ( z . X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0. w. x3 . B= .1/2) Bukti : X1. T = X4 sehingga X3 = TW . 9 No. x 4 ) = 1 ( 2π ) 2 e −( x1 + x2 + x3 + x4 ) / 2 dengan -∞ < Xi < ∞ untuk i = 1.1) maka fungsi kepadatan bersamanya adalah : 104 . x 2 . X1 = Y ( Z – W ) .X2. 3.C= dan nilai.∞ < z < ∞ . Y = X2 . X4 = T .0).nilai sebagai berikut A = 2 2 4+ z z (4 + z ) z (4 + z 2 ) 3 . Vol. November 2004 f ( x1 .4 .1) maka Z = X12 / X22 akan berdistribusi Beta2(1/2. 2 2 2 2 Digunakan transformasi sebagai berikut : Z = (X1/X2) + (X3/X4). y. X2. Aw + B Cw + D dan akan diperoleh + 2 (1 + w )1 + (w − z ) (1 + w ) (1 + (w − z ) 2 ) 1 2 −2 .

x 4 ) = 1 (2π ) 2 e −( x1 + x2 + x3 + x4 ) / 2 dengan -∞ < Xi < ∞ untuk i = 1. 2 2 2 2 Digunakan transformasi sebagai berikut : Z = X12 / (X12 + X22). Jelas tampak (1 / 2 ) + (1 / 2 ) π . 9 No.1) maka Z = X12 / (X12 + X22)akan berdistribusi Beta1(1/2.4 .X2.3.1) maka fungsi kepadatan bersamanya adalah : f ( x1 . X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0. (2π ) ∫ 2. 2 2 2 2 Digunakan transformasi sebagai berikut : Z = X12 / X22 .2. X2 = Y . {[ exp − y 2 z + y 2 ∞ {[ ] }( 2 −∞ dwdtdy 2 z y 2 . W = X3 . 2π .(2 z ) π (1 + z ) z 2 0 ∞ 0 Jadi f ( z ) = 1 π (1 + z ) z = z (1 / 2 ) −1 untuk . x3 . Y = X2 .INTEGRAL. X3 (1 − Z ) (1 − Z ) 2 1 − yz −1 / 2 (1 − z ) −3 / 2 − z 1 / 2 (1 − z ) −1 / 2 2 0 1 Jacobian : J 1 = 0 0 X 11 = −Y 0 0 0 0 = − 1 yz −1 / 2 (1 − z ) −3 / 2 2 1 0 0 1 0 dan 0 105 . X = Y . dy 2 z ] } y )( ) f ( z) = 1 [− exp{− [(1 + z) y ] 2}] exp{− [(1 + z ) y ] 2}ydy = ∫ (2π ).X3 = W. X2. Y = X2 . Jadi J 1 = J 2 = y 2 z ∞ ∞ ∞ f ( z) = f ( z) = − ∞− ∞− ∞ ∞ ∫ ∫ ∫ 2. x 2 . akan didapat Z Z atau X 12 = +Y . 2π .∞ < z < ∞.X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0.2. (2π ) 2. November 2004 f ( x1 . T = X4 sehingga = W. Transformasi 5: Apabila X1. X4 = T . W = X3 . x 4 ) = 1 (2π ) 2 e −( x1 + x2 + x3 + x4 ) / 2 dengan -∞ < Xi < ∞ untuk i = 1.3. X4 = T . Vol.1/2) . Bukti : X1.1/2). π (1 + z ) 1 bahwa Z berdistribusi Beta2(1/2.2 1 2 exp − y 2 z + y 2 + w 2 + t 2 2 . x 2 . akan didapat Jacobian −y 2 z J1 = 0 0 0 − z 1 0 0 1 0 0 0 0 = −y 1 0 2 z 0 1 2 dan J 2 = +y 2 z . 3. x3 . T = X4 sehingga X 11 = −Y Z atau X 21 = +Y Z .4 .

X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0. X4 = T . X2 = Y. w. Y = X2 . 9 No.2. X2. z ( 1 z ) 2 π 2 π exp − + y 2 ⎥ 2⎬ y dy ⎨− ⎢ 2 2 ⎦ ⎭ − ∞ (2π ) ⎩ ⎣1 − z ∞ ⎧ 2 −1 / 2 y2 ⎫ ⎛ 1 2 ⎞ f ( z) = z (1 − z ) −3 / 2 ∫ exp⎨− ⎬d ⎜ y ⎟ (2π ) ⎩ (1 − z )2 ⎭ ⎝ 2 ⎠ 0 ( )( ) f ( z) = f ( z) = 1 π 1 z −1 / 2 (1 − z ) −3 / 2 (1 − z )[0 − ( −1)] = z −1 / 2 (1 − z ) −1 / 2 = 1 π z −1 / 2 (1 − z ) −1 / 2 dengan 0 < z < 1. T = X4 sehingga X 11 = − 2 Z − Y 2 atau X 12 = +Y 2Z − Y 2 . Vol. ] } 1 2z − y 2 dwdtdy 106 . jadi Z berdistribusi 1 1 B( . 2 2 ∞ ∞ ∞ 2 ⎧ ⎡ zy ⎤ ⎫1 2 f ( z) = ∫ ∫ ∫ . ) 2 2 Beta1(1/2. Transformasi 6: Apabila X1. maka exp{− [2 z + w (2π ) ∫ ∫ ∫ 2 − ∞− ∞− ∞ ∞ ∞ ∞ + t2 2 .3. x 2 . y. 2 2 2 2 Digunakan transformasi sebagai berikut : Z = (X12 + X22) / 2.4 .1) maka fungsi kepadatan bersamanya adalah : f ( x1 .1) Bukti : X1.1/2). y z −1 / 2 (1 − z ) −3 / 2 dwdtdy 2 ⎦ ⎭2 − ∞− ∞− ∞ (2π ) ⎩ ⎣1 − z ∞ ⎧ ⎡ zy 2 ⎤ ⎫ 2 1 −1 / 2 −3 / 2 f ( z) = ∫ . akan didapat Jacobian : y 1 − 0 0 2 2z − y 2z − y 2 −1 +1 0 1 0 0= J1 = dan J 2 = . x 4 ) = 1 ( 2π ) 2 e −( x1 + x2 + x3 + x4 ) / 2 dengan -∞ < Xi < ∞ untuk i = 1. 3.1) maka Z = (X12 + X22) / 2 akan berdistribusi Gamma(1.X2. November 2004 J2 = + 1 −1 / 2 1 yz (1 − z ) 3 / 2 maka J 1 = J 2 = y z −1 / 2 (1 − z ) −3 / 2 dengan 0 < z < 1. exp ⎨− ⎢ + y 2 + w 2 + t 2 ⎥ 2⎬. π 1 z (1 / 2 ) −1 (1 − z ) (1 / 2 ) −1 . . 2 { [( ) ] } 1 2z − y 2 . X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0. x3 .INTEGRAL. Jadi 2 2 z − y 2 2 z − y 0 0 1 0 0 0 0 1 J1 = J 2 = f ( z . W = X3 . X3 = W. t ) = f ( z) = 2 1 2z − y 2 (2π ) 2 2 exp − 2 z − y 2 + y 2 + w 2 + t 2 2 .

1980. . & Myers R. Macmillan Publishing Co. 1992. Inc. “Advanced Calculus and Its Application to The Engineering and Physical Sciences”. dengan ⎢ π Γ ( 1 ) 2 2 ⎝ ⎠⎦ ⎣ 7.1). 1989. 3.E.E. kata lain terlihat bahwa Z berdistribusi Gamma(1. 2π . 2π dy .R. terjadi perubahan batas 2 z − y 2 > 0 maka y haruslah berada pada ( )( ) integrasi pada variabel y karena z >0 dan − 2 z < y < 2 z . . • 107 . & Rubenfeld L. Prentice-Hall Inc. 4th ed . “Introduction to Mathematical Statistics”.. [5] Walpole R.V. 1978. McGraw-Hill International Book. .T. [4] Spiegel M. Kesimpulan • Banyak teknik atau metode yang digunakan untuk perubahan distribusi statistik misalnya dengan metode fungsi distribusi kumulatif. 9 No.. “Mathematical Statistics”. 6. Dengan berbagai macam bentuk transformasi Z maka akan diperoleh beberapa bentuk distribusi yang berbeda-beda. November 2004 f ( z) = exp{− [2 z ] 2}. Tulisan ini merupakan penerapan Kalkulus Lanjut ataupun Kalkulus banyak variabel pada proses transformasi variabel random dalam distribusi probabilitas dengan menggunakan Jacobian dan proses pengintegralan... [2] Freund J.A. Daftar Pustaka [1] Amazigo J.INTEGRAL. “Advanced Mathematics for Engineers & Scientists”. John Wiley & Sons Inc. & Craig A.. Vol. “Probability and Statistics for Engineers and Scientist”. Jadi f ( z ) = 2 1 dy atau exp{− z} ∫ (2π ) − 2 z 2z − y 2 2z f ( z) = exp{− z} π − 2z ∫ 2z exp{− z} ⎡ y ⎤ = arcsin ⎢ ⎥ π 2z ⎦ − ⎣ 2z − y 2 dy 2z f ( z) = 1 exp{− z} ⎡ π ⎛ π ⎞⎤ − ⎜ − ⎟⎥ = exp{− z} = exp{− z}z 1−1 untuk z > 0.H.. New York : Macmillan Publishing Company Inc. (2π ) ∫ 2 2 − 2z 2z 1 2z − y 2 2z . [3] Hogg R. transformasi variabel dan fungsi pembangkit momen (moment generating function). 1983.C.

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->