Statistika

Matematika
Soal dan Pembahasan
M. Samy Baladram
Bab 4
Unbiasedness,
Consistency, and
Limiting Distributions
Unbiasedness, Consistency, and Limiting Distributions
4.1 Ekspektasi Fungsi
Key Points
.
Teorema 4.1.1
Jika T =

n
i =1
a
i
X
i
, a
i
suatu konstan,
maka
E[T] =
n

i =1
a
i
E[X
i
]
Akibat 4.1.1
Jika T =

n
i =1
a
i
X
i
, a
i
suatu konstan,
maka
Var [T] =
n

i =1
a
i
Var [X
i
]+2

i <j
a
i
a
j
cov(X
i
, X
j
)
Akibat 4.1.2
Jika X
1
, , X
n
adalah peubah acak sal-
ing bebas dengan variansi hingga, maka
Var [T] =
n

i =1
a
i
Var [X
i
]
Defnisi 4.1.1
Misal X peubah acak dengan pdf f (x; )
atau p(x; ), . Misal X
1
, . . . , X
n
adalah peubah acak berdistribusi X dan
T suatu statistik. Kita katakan T esti-
mator tak-bias dari jika
E[T] =, untuk semua
Jika E[T] =, kita katakan T estimator
bias bagi .
1
[4.1.5] Misal X
1
dan X
2
dua peubah acak yang saling bebas dengan variansi X
1
dan X
2
berturut-turut
2
1
=k dan
2
2
=2. Jika diberikan variansi Y =3X
2
X
1
adalah 25, tentukan k.. .
Jawab:
Var [X
1
] =k
Var [3X
2
] =3
2
Var [X
2
] =18
Var [3X
2
X
1
] =3
2
Var [X
2
] + (1)
2
Var [X
1
] +2(3)(1)cov(X
2
, X
1
)
.
=0 karena saling bebas
25 =18+k
k =7
2
[4.1.7] Tentukan mean dan variansi jumlahan Y dari pengamatan variabel acak
berukuran 5 dengan distribusi yang memiliki pdf f (x) = 6x(1 x), 0 < x < 1,
lainnya 0.. .
Jawab:
copyright by M. Samy Baladram / 10108064
2
Variabel acak Y dapat ditulis Y =X
1
+X
2
+X
3
+X
4
+X
5
.
=E[Y ] =E[X
1
+X
2
+X
3
+X
4
+X
5
]
=5E[X
1
] =5
_
1
0
x 6x(1x)dx
=5
_
2x
3

3
2
x
4
_
1
0
=5
1
2
=
1
2
.

2
=Var [Y ] =Var [X
1
+X
2
+X
3
+X
4
+X
5
]
=5Var [X
1
] =5
_
1
0
(x
1
2
)
2
6x(1x)dx
=5
_
1
0
_
x
2
x +
1
4
_
6x(1x)dx =5
1
20

2
=
1
4
=0.25
3
[4.1.9] Misal X dan Y peubah acak dengan
1
=1,
2
=4,
2
1
=4,
2
2
=6, =
1
2
.
Tentukan mean dan variansi dari Z =3X 2Y .. .
Jawab:

Z
=E[Z] =E[3X 2Y ] =3E[X] 2E[Y ] =3
1
2
2

Z
=5

2
Z
=Var [Z] =Var [3X 2Y ] =3
2
Var [X] + (2)
2
Var [Y ] +2(3)(2)cov(X, Y )
=9
2
1
+4
2
2
12 =9 4+4 66

2
Z
=54
copyright by M. Samy Baladram / 10108064
3
4.2 Konvergen dalam Peluang
Key Points
.
Teorema 4.2.1
Misal {X
n
} barisan peubah acak iid den-
gan mean bersama dan variansi
2
.
Misal X
n
=
1
n
n

i =1
X
i
. Maka
X
n
P
.
Teorema 4.2.2
Misal X
n
P
X dan Y
n
P
Y . Maka,
X
n
+Y
n
P
X +Y .
Teorema 4.2.3
Misal X
n
P
X dan a suatu konstanta.
Maka, aX
n
a
X.
Teorema 4.2.4
Misal X
n
P
a dan fungsi real g kontinu
di a. Maka, g (X
n
)
g
(a).
Teorema 4.2.5
Misal X
n
P
X dan Y
n
P
Y . Maka,
X
n
Y
n
X
Y .
4
[4.2.2] Misal Y
n
peubah acak dengan distribusi b(n, p).
a Tunjukkan Y
n
/n
P
p.
b Tunjukkan 1Y
n
/n
P
1p
c Tunjukkan (Y
n
/n)(1Y
n
/n)
P
p(1p)
.
.
Jawab:
a Karena Y
n
berdistribusi b(n, p), dapat dianggap Y
n
= X
1
+ +X
n
dengan
X
i
berdistribusi b(1, p) dengan =p.
Berdasarkan Teorema
X
n
P

X
i
. Karena Y
n
/n =X
n
dan
X
i
=p maka terbukti
Y
n
/n
P
p.
b Berdasarkan Teorema, karena 1
P
1 dan Y
n
/n
P
p maka
1Y
n
/n
P
1p
c Berdasarkan Teorema 4.2.5, dan jawaban soal sebelumnya, maka didapat
(Y
n
/n)(1Y
n
/n)
P
p(1p)
5
[4.2.4 dan 4.2.5] Misal X
1
, , X
n
adalah variabel acak yg i.i.d dengan pdf
f (x) =
_
_
_
e
(x)
, x >
0, lainnya
Misal Y
n
=min{X
1
, , X
n
}.
copyright by M. Samy Baladram / 10108064
4
a Tunjukkan Y
n
P

b Tentukan mean dari Y

n
c Apakah Y
n
estimator tak-bias dari
d Tentukan estimator tak-bias untuk dengan memanfaatkan Y
n
.
.
.
Jawab:
Karena Y
n
=min{X
1
, , X
n
}, maka
F
Y
n
(t ) =1P(Y
n
t )
=1P(X
1
t , , X
n
t ) =1[P(X
i
t )]
n
=1[1P(X
i
t )]
n
=1
_
_
1
_
t

e
(x)
dx
_
_
n
=1
_
1+e
(t )
e
()
_
n
F
Y
n
(t ) =1e
n(t )
, t >
f
Y
n
(t ) =
d
dt
F
Y
n
(t )
f
Y
n
(t ) =ne
n(t )
, t >
a Akan dibuktikan lim
n
P(|Y
n
| ) =0 untuk setiap >0.
P(|Y
n
| ) =P(Y
n
) +P(Y
n
)
= (1P(Y
n
+)) + P(Y
n
)
.
=0, karena ( ) <
=e
n(t )
lim
n
P(|Y
n
| ) = lim
n
e
n(t )
=0.
Jadi, terbukti Y
n
P
.
b Dengan menghitung ekspektasi Y
n
,
E[Y
n
] =
_

t f
Y
n
(t )dt =
_

t ne
n(t )
dt (menggunakan integral parsial)
=
_
n
2
t e
n(t )
n
3
e
n(t )
_

=00+n
2
+n
3
=n
2
+n
3
Jadi,
Y
n
=n
2
+n
3
.
c Karena E[Y
n
] =n
2
+n
3
=, maka Y
n
adalah estimator bias bagi
d Untuk mendapat estimator tak-bias maka perlu peubah acak Z
n
sehingga
copyright by M. Samy Baladram / 10108064
5
E[Z
n
] =. Dari Y
n
,
E[Y
n
] =n
2
+n
3
1
n
2
(E[Y
n
] n
3
) =
E
_
Y
n
n
3
n
2
_
=
Jadi, dapat dipilih Z
n
=
Y
n
n
3
n
2
yang merupakan estimator tak-bias bagi .
4.3 Konvergen dalam Distribusi
Key Points
.
Teorema 4.3.1
Jika X
n
P
X maka X
n
D
X
Teorema 4.3.2
Jika X
n
D
b, b konstan maka X
n
P
b
Teorema 4.3.3
Jika X
n
D
X dan Y
n
P
0 maka
X
n
+Y
n
D
X
Teorema 4.3.4
Jika X
n
D
X dan g suatu fungsi kontinu
maka g (X
n
)
D
g (X)
Teorema 4.3.5 (Teorema Slutsky)
Misal X
n
, X, A
n
, B
n
adalah peubah
acak dan a, b konstan. Jika X
n
D
X,
A
n
P
a, B
n
P
b, maka
A
n
+B
n
X
n
D
a +bX
Teorema 4.3.6
Misal {X
n
} barisan peubah acak dan X
suatu peubah acak. Jika X
n
D
X, maka
{X
n
} terbatas dalam peluang.
Teorema 4.3.7
Misal {X
n
} barisan peubah acak dan
{X
n
} barisan peubah acak yang kon-
vergen dalam peluang ke 0. Maka,
X
n
Y
n
P
0
Teorema 4.3.8
Misal Y
N
adalah barisan peubah acak
yang terbatas dalam peluang. Jika
X
n
=o
p
(Y
n
), maka saat n , X
n
P
0.
Teorema 4.3.9
Misal {X
n
} barisan peubah acak sehing-
ga

n (X
n
)
D
N(0,
2
)
Misal fungsi g (x) punya turunan di
dan g

() =0. Maka

n
_
g (X
n
) g ()
_
D
N(0,
2
(g

())
2
)
6
[4.3.2] Misal Y
1
adalah statistik orde satu (yakni Y
1
= minX
1
, , X
n
) dari
peubah acak berukuran n dengan distribusi yang memiliki pdf f (x) = e
(x)
,
x > , lainnya 0. Misal Z
n
= n(Y
1
). Tentukan kemanakah kekonvergenan
distribusi Z
n
.. .
Jawab:
copyright by M. Samy Baladram / 10108064
6
Seperti pada soal [4.2.4],
F
Y
1
(t ) =1e
n(t ), t >
lainnya 0. Maka,
F
Z
n
(t ) =P(n(Y
1
) t ) =P
_
Y
1

t
n
+
_
=1e
n(
t
n
+)
=1e
t
lim
n
F
Z
n
(t ) =1e
t
Karena 1 e
t
merupakan cdf dari distribusi eksponensial dengan = 1 maka
Z
n
D
Exp(=1).
7
[4.3.5] Misal pmf dari Y
n
adalah p
n
(y ) = 1, y = n, lainnya 0. Tunjukkan dis-
tribusi Y
n
tidak konvergen kemanapun..
.
Jawab:
Nilai cmf dari Y
n
dapat ditulis
F
Y
n
(y ) =
_
_
_
0, y <n
1, y n
Untuk n ,
lim
n
F
Y
n
(y ) =0, y <
Karena suatu distribusi tidak mungkin memiliki distribusi peluang 0 dimanapun
maka distribusi Y
n
tidak konvergen kemanapun.
8
[4.3.8] Misal Z
n
adalah
2
(n) dan W
n
=Z
n
/n
2
. Tentukan kekonvergenan dis-
tribusi W
n
..
.
Jawab:
mgf dari Z
n
adalah M
Z
n
(t ) = (1 2t )
n/2
, t < 1/2. Maka, mgf dari W
n
adalah
M
W
n
(t ) =E[e
t
n
2
Z
n
] =
_
1
2t
n
2
_
n/2
lim
n
M
W
n
(t ) = lim
n
_
1
2t
n
2
_
n/2
= lim
n
_
e
2t /n
2
o
_
2t
n
2
__
n/2
= lim
n
e
(2t /n
2
)(n/2)
= lim
t
e
t /n
=1
Karena limitnya menuju 1, maka haruslah W
n
berdistribusi 0 ( yakni tidak
mungkin) sehingga W
n
tidak menuju kemanapun.
copyright by M. Samy Baladram / 10108064
7
9
[4.3.11] Misal Z
n
peubah acak berdistribusi Poisson dengan = n. Tunjukkan
Y
n
= (Z
n
n)/

n
D
N(0, 1)..
.
Jawab:
mgf dari Z
n
adalah adalah M
Z
n
(t ) =e
n(e
t
1)
. Maka, mgf dari Y
n
adalah
M
Y
n
(t ) =E[e
t (Z
n
n)/

n
] =E[e
(t /

n)Z
n
t

n
]
=e
t

n
E[e
(t /

n)Z
n
] =e
t

n
e
n(e
t /

n
1)
lim
n
M
Y
n
(t ) = lim
n
e
t

n+n(e
t /

n
1)
ln lim
n
M
Y
n
(t ) = lim
n
t

n +n(e
t /

n
1)
= lim
n
n
_
e
t /

n
1
t

n
_
= lim
n
n
_
1+
t

n
+
t
2
2n
+o(e
t /

n
) 1
t

n
_
= lim
n
t
2
2
+o(ne
t /

n
) =
t
2
2
lim
n
M
Y
n
(t ) =e
t
2
/2
Karena e
t
2
/2
merupakan mgf dari N(0, 1) maka terbukti Y
n
D
N(0, 1).
10
[4.3.14] dan [4.3.15] Misal X
n
adalah rataan dari peubah acak berukuran n
dari peubah acak Poisson dengan =1.
a Tunjukkan mgf dari Y
n
=

n(X
n
)

n(X
n
1) adalah exp[t

n +
n(e
t /n
1)].
b Selidiki kemanakah kekonvergenan distribusi Y
n
saat n
c Dari sana, selidiki kemanakah kekonvergenan distribusi

n(
_
X
n
1).
.
.
Jawab:
a mgf dari distribusi Poisson untuk peubah acak X
i
dengan = 1 adalah
M
X
i
(t ) =e
e
t
1
. Maka, mgf dari X
n
adalah
M
X
n
(t ) =E[e
t X
n
] =E[e
(t /n)

n
i =1
X
i
]
=E[e
(t /n)X
1
e
(t /n)X
2
e
(t /n)X
n
]
=E[e
(t /n)X
1
] E[e
(t /n)X
2
] E[e
(t /n)X
n
] = (E[e
(t /n)X
i
])
n
=e
n(e
t /n
1)
Jadi, mgf dari Y
n
adalah
M
Y
n
(t ) =E[e
t

n(X
1
1)
]
=e
t

n
E[e
t

nX
n
] =e
t

n
e
n(e
(t

n)/n
1)
M
Y
n
(t ) =exp[t

n +n(e
t /

n
1)].
copyright by M. Samy Baladram / 10108064
8
b Akan dicari kekonvergenan distribusinya dengan menggunakan mgf
M
Y
n
(t ) =exp
_
t

n +n(e
t /

n
1)
_
=exp
_
n
_
e
t /

n
1
t

n
__
ln lim
n
M
Y
n
(t ) = lim
n
t

n +n(e
t /

n
1)
= lim
n
n
_
e
t /

n
1
t

n
_
= lim
n
n
_
1+
t

n
+
t
2
2n
+o(e
t /

n
) 1
t

n
_
= lim
n
t
2
2
+o(ne
t /

n
) =
t
2
2
lim
n
M
Y
n
(t ) =e
t
2
/2
Karena e
t
2
/2
merupakan mgf dari N(0, 1) maka terbukti Y
n
D
N(0, 1).
c Karena Y
n
D
N(0, 1) dan fungsi g (x) =

x punya untuk x >0 (nilai g

(x) =
1
2

x
), maka berdasarkan Teorema 4.3.9

n(X
n
1)
D
N(0, 1)

n(g (X
n
) g (1))
D
N(0, 1 [g

(1)]
2
)

n(
_
X
n
1)
D
N(0, 1/4)
11
[4.3.16] dan [4.3.17]Misal X
n
adalah rata-rata dari sampel acak berukuran n
dengan distribusi yang memiliki pdf f (x) =e
x
, 0 <x <, lainnya 0.
a Tunjukkan mgf dari Y
n
=

n(X
n
1) adalah
M
Y
n
(t ) =
_
e
t /

n
(t /

n)e
t /

n
_
n
, t <

n
b Tentukan kekonvergenan distribusi Y
n
c [soal dimodifkasi] Tentukan kekonvergenan distribusi

n(X
2
n
1)
.
.
Jawab:
a mgf dari X
i
, i =1, , n adalah
M
X
i
(t ) =E[e
t X
i
] =
_

0
e
t x
e
x
dx
= lim
b
_
b
0
e
(t 1)x
dx = lim
b
1
t 1
e
(t 1)b

1
t 1
e
(t 1)0
copyright by M. Samy Baladram / 10108064
9
Agar lim
b
1
t 1
e
(t 1)b
=0, haruslah t <1 sehingga
M
X
i
(t )
=0
1
t 1
=
1
1t
, t <1
Dari sana,
M
X
n
(t ) =E[e
t X
n
] =
_
E[e
(t /n)X
i
]
_
n
=
_
1
1(t /n)
_
, (t /n) <1
akibatnya
M
Y
n
(t ) =E[e
t

n(X
n
1)
] =e
t

n
E[e
t

nX
]
=e
t

n
_
1
(1(t /

n)/n)
_
, ((t /

n)/n) <1
=e
t

n
_
1
t

n
_
n
, t /

n <1
M
Y
n
(t ) =
_
e
t /

n
(t /

n)e
t /

n
_
n
, t <

n
b Dengan menggunakan mgf,
lim
n
M
Y
n
(t ) = lim
n
_
e
t /

n
(t /

n)e
t /

n
_
n
= lim
n
_
1+
t

n
+
t
2
2n
+o(e
t /

n
)
t

n

t
2
n
o
_
(t /

n)e
t /

n
_
)
_
n
= lim
n
_
1
t
2
2n
+o(e
t /

n
) o
_
(t /

n)e
t /

n
_
)
_
n
= lim
n
_
1
t
2
2n
_
n
= lim
n
[e
t
2
/2n
o(e
t
2
/2n
)]
n
= lim
n
e
(t
2
/2n)(n)
=e
t
2
/2
Karena e
t
2
/2
merupakan mgf dari N(0, 1) maka terbukti Y
n
D
N(0, 1).
c Karena Y
n
D
N(0, 1) dan fungsi g (x) =x
2
punya turunan dimanapun (nilai
g

(x) =2x), maka berdasarkan Teorema 4.3.9

n(X
n
1)
D
N(0, 1)

n(g (X
n
) g (1))
D
N(0, 1 [g

(1)]
2
)

n(X
2
n
1)
D
N(0, 4)
copyright by M. Samy Baladram / 10108064
10
4.4 Teorema Limit Pusat
Key Points
.
.
Teorema 4.4.1
Misal X
1
, X
2
, X
n
adalah pengamatan dengan peubah acak yang memiliki mean
dan variansi
2
. Maka,

n(X
n
)

D
N(0, 1)
12
[4.4.1] Misal X adalah rataan dari sampel acak berukuran 100 dengan distribusi

2
(50). Hitung nilai hampiran P(49 <X <51)..
.
Jawab:
Distribusi
2
(r ) memiliki =r dan
2
= 2r sehingga
2
(50) memiliki =
50 dan
2
=100. Misal Z berdistribusi N(0, 1) maka

100(X
n
50)

100
D
Z
sehingga
P(49 <X <51) =P(X <51) P(X 49)
P (Z 5150) P (Z 4950)
=P(Z 1) P(Z 1) =0.8413(10.8413)
=0.6826
Jadi, hampiran nilai P(49 <X <51) adalah 0.6826.
13
[4.4.2] Misal X adalah mean dari sampel acak berukuran 128 berdistribusi gam-
ma dengan =2 dan =4. hampiri nilai P(7 <X <9)..
.
Jawab:
Distribusi gamma memiliki = dan
2
=
2
sehingga Gamma( =
2, =4) memiliki =8 dan
2
=32. Misal Z berdistribusi N(0, 1) maka

128(X
n
8)

32
D
Z
sehingga
P(7 <X <9) =P(X <9) P(X 7)
P (Z 2(98)) P (Z 2(78))
=P(Z 2) P(Z 2) =0.9772(10.9772)
=0.9544.
copyright by M. Samy Baladram / 10108064
11
Jadi, hampiran nilai P(7 <X <9) adalah 0.9544.
14
[4.4.3] Misal Y adalah peubah acak b(72, 1/3). Hitung P(22 Y 28). .
Jawab:
Distribusi binomial b(n, p) memiliki = np dan
2
= np(1 p) sehingga
b(72, 1/3) memiliki =25 dan
2
=26. Misal Z berdistribusi N(0, 1) maka
Y 24

32
D
Z
sehingga
P(22 Y 28) =P(Y 27) P(Y 21)
P
_
Z
2824
4
_
P
_
Z
2124
4
_
=P(Z 1) P(Z 0.75) =0.84130.2266
=0.6413
Jadi, hampiran nilai P(22 Y 28) adalah 0.6413.
15
[4.4.7] Jika Y adalah b(100,
1
2
), hampiri nilai P(Y =50).. .
Jawab:
Distribusi binomial b(1, p) memiliki =p dan
2
=p(1p) sehingga Y
b(100, 1/2) dapat dipandang sebagai Y = X
1
+ +X
100
dengan X
i
b(1, 1/2)
yang memiliki =1/2 dan
2
=1/4. Misal Z berdistribusi N(0, 1) maka

100(
Y
100
1/2)
_
1/4
D
Z
sehingga
P(Y =50) =P(Y 50) P(Y 49)
P
_
Z

100(
50
100
1/2)
_
1/4
_
P
_
Z

100(
49
100
1/2)
_
1/4
_
=P(Z 0) P(Z 0.2)
=0.5000(15793) =0.0793
Jadi, hampiran nilai P(Y =50) adalah 0.0793.
copyright by M. Samy Baladram / 10108064
12