MATKUL:STATISTIKAMATEMATIKAII

Dosen:Istiqomah,S.Si,M.Sc.
Semsester4

I.PELUANG
1. Pendahuluan

D
alam kehidupan sehari hari banyak kejadian yang terjadinya didasarkan pada peluang atau probabilitas,
misalnya peluang seseorang terkena jantung adalah 0,00001 , peluang hasil pertandingan final sepak bola
antara Perancis dan Brasilia adalah 3 2, dan lain sebagainya. Kejadian kejadian seperti di atas
sebenarnya tidak hanya terjadi sekarang saja, tetapi hal tersebut sudah terjadi sejak ratusan tahun yang
lalu,ataumungkinjugaribuantahunyanglalu.
Namun secara ilmu baru dirumuskan sekitar abad ke tujuh belas, yaitu ketika ada seorang penjudi kelas
kakap bernama Chevalier de Mere mengajukan pertanyaan kepada Pascal dan mendiskusikan kepada
Fermat(16011665).
Dengan perumusan kedua orang tersebut maka lahirlah ilmu peluang yang tidak saja menjawab
tentang perjudian , tetapi juga berkembang menjadi ilmu yang bermanfaat bagi ilmu pengetahuan,
khususnyastatistika.
1. RuangsampeldanKejadian
Pekerjaan statistikawan pada dasarnya adalah menafsirkan hasil yang mungkin dari suatu eksperimen
atau percobaan yang dirancang sebelumnya atau yang muncul dalam penelitian ilmiah. Misalnya dalam
pelemparan satu mata uang logam sekali maka yang muncul adalah M ( muka ) atau G ( gambar), dalam
pelemparansatumatadaduyangsetimbangmakayangmunculadalahangka1,2,3,4,5,atau6.
Definisi1.1
Himpunan semua hasil yang mungkin muncul dari suatu percobaan disebut ruang sampel , yang
dilambangkandenganS.
Definisi1.2
Himpunan bagian dari ruang sampel disebut kejadian, yang biasanya dilambangkan dengan huruf
besar.
Definisi1.3
Suatu kejadian yang hanya mengandung satu unsur dari ruang sampel disebut kejadian sederhana.
STATISTIKA MATEMATIKA II_SEMESTER 4

Suatukejadianmajemukadalahkejadianyangdapatdinyatakansebagaigabunganbeberapakejadian.

1. Menghitungtitiksampel
Salah satu problem yang dihadapi para peneliti adalah menentukan banyaknya anggota ruang sampel
dari suatu percobaan. Dalam banyak hal penentuan anggota ruang sampel tidaklah mudah, tetapi
kadangkadangjugasulit,
misalnya berapa banyaknya nomor kendaraan yang dapat dibuat jika ketentuannya sebagai berikut.
Nomor kendaraan tersebut diawali dengan satu huruf, diikuti oleh empat angka dan diakhiri
oleh dua huruf dengan masingmasing angka dan huruf hanya digunakan sekali dan angka nol
tidak boleh didepan. Untuk memudahkan penghitungan banyaknya anggota ruang sampel
dapatdigunakanteoremateoremasebagaiberikut.

Teorema1.1
Jika suatu operasi dapat dilakukan dengan n cara, dan jika pada setiap cara tersebut operasi kedua
dapat dilakukan dengan m cara, maka kedua operasi itu dapat dikerjakan bersamasama dengan nm
cara.
Bukti:
Karena setiap n dapat berpasangan dengan setiap m, maka banyaknya pasangan yang dapat terjadi
adalahnmcara
Contoh:
Misalkan seseorang mempunyai 3 celana dengan warna berbeda dan 4 baju dengan warna yang
berbeda pula. Ada berapa cara orang tersebut memakai pasangan baju dan celana dengan setiap
pasangantersebutberbeda?.(Jawab:3.4=12)
Definisi1.4
Permutasi adalah suatu susunan yang dapat dibentuk dari sekumpulan obyek yang diambil sebagian
atauseluruhnya.
Misalnya ada tiga huruf A, B, dan C maka susunan yang dapat dibuat adalah ABC, ACB, BAC,
BCA, CAB, dan CBA. Susunan semacam di atas disebut permutasi penuh atau permutasi saja. Secara
umum untuk n obyek yang berbeda terdapat n(n1).3.2.1 susunan yang berbeda.
Pergandaansemacamdiatasbiasanyadinotasikandengann!(dibacanfaktorialataunfakultet).

Teorema1.2
0!=1
Bukti:
Daridefinisin!=n.(n1).(n2)3.2.1=n.(n1)!didapat = ( n 1 ) !. Jika n = 1
makadidapat0!=1.

STATISTIKA MATEMATIKA II_SEMESTER 4

Teorema1.3
Banyaknyapermutasidarinobyekyangberbedaadalahn!
Bukti:
Anggap ada n tempat yang masing masing tempat akan diisi satu obyek, sehingga tempat satu
dengan yang lain berisi obyek yang berbeda. Dengan cara seperti di atas maka tempat pertama dapat
diisi dari pilihan n obyek sedangkan tempat ke dua dapat diisi dari n 1 pilihan, dan seterusnya
sebagaimanagambarandibawah.
n n1 n2 . . . . . . 3 2 1

Denganmenggunakanteorema1.1didapathasilpergandaandarin.(n1).3.2.1ataun!.
Contoh:
Misalnya dalam antrian loket untuk mendapatkan karcis pertunjukkan sepak bola terdapat 5 orang.
Ada berapa cara orang tersebut membentuk antrian yang berbeda ? ( Jawab : 5 ! = 5.4.3.2.1 = 120
cara)

Teorema1.4
Banyaknyapermutasidarinobyekyangberbedajikadiambilrnadalah
nPr=.
Bukti:
Anggap ada r tempat dengan masingmasing tempat hanya dapat diisi dengan obyek yang berbeda,
makadidapathasilsepertigambardibawah.
n n1 n2 . . . . . . . . nr+1

Denganmenggunakanteorema1.1didapathasilpergandaandarin.(n1)..(nr+1)atau
Contoh:
Misalnya ada 7 orang sebagai formatur yang dapat dipilih menjadi pengurus organisasi dengan susunan
pengurus sebagai berikut: satu orang sebagai ketua, satu orang sebagai sekretaris, dan satu orang
sebagai bendahara. Ada berapa susunan pengurus yang berbeda dapat dibuat ?. ( Jawab : = 7.6.5 = 210
)

Teorema1.5
Banyaknyapermutasinobyekyangberlainanyangdisusunmelingkaradalah(n1)!.
Bukti:
Jika ada n obyek yang berbeda akan disusun melingkar pada n tempat maka tinggal n1 tempat yang
bebasdapatditempatin1obyek.Sehinggasusunanberbedayangdapatterjadiadalah(n1)!.
Contoh:
Misalnya ada 6 orang membentuk konferensi meja bundar. Ada berapa cara susunan cara duduk ke
STATISTIKA MATEMATIKA II_SEMESTER 4

enamorangtersebut?.(Jawab:(61)!=5!=120).

Teorema1.6
Banyaknyapermutasidarinobyekyangterdiriatasn
1
,.,n
k
adalah
,dengann=
Bukti:
Anggap jika n obyek tersebut berbeda, maka susunan yang terjadi adalah n!. Karena setiap n
i
juga
membentuk susunan sebanyak n
i
! Yang mestinya hanya dihitung satu. Maka banyaknya susunan
berbedayangterjadiadalahatausamadengan.
Contoh:
Misanya dalam perayaan peringatan hari kemerdekaan yang akan dilaksanakan pada bulan yang akan
datang, didepan gang masuk kampung akan dipasang lampu hias yang terdiri 3 lampu warna merah, 2
lampu warna hijau, 4 lampu warna kuning, dan 1 lampu warna biru. Jika lampu lampu tersebut disusun
secaraberjajar,adaberapasusunanlampuhiasyangdapatdibuat?.
(Jawab:).

Teorema1.7
Banyaknyakombinasidarinobyekyangberbedajikadiambilrnadalah
Bukti:
Untuk kombinasi urutan AB = BA. Jika dianggap urutan AB tidak sama dengan urutan BA maka
banyaknya urutan yang terjadi sama dengan kejadian pada teorema 1.4 yaitu . Karena setiap r obyek
dapat menyusun r! susunan yang berbeda maka banyak susunan yang terjadi dari kasus kombinasi
adalah.
Contoh:
Misalnya ada 7 orang sebagai formatur yang semuanya dapat dipilih untuk menjadi pengurus suatu
organisasi yang terdiri 3 orang. Ada berapa susunan pengurus yang dapat dibuat ?. ( Jawab : = 7 . 5 =
35).

1. PeluangKejadian
Pada dasarnya tugas statistikawan adalah menyimpulkan atau menginferensi hasil suatu percobaan
yang mengandung ketidakpastian. Agar kesimpulan tersebut dapat dipertanggung jawabkan secara ilmiah
maka diperlukan pemahaman ilmu peluang. Untuk dapat menjawab dengan tepat hasil pertandingan final
sepak bola yang akan dilaksanakan diperlukan ilmu peluang tentang sepak bola beserta analisisnya yang
dapatdinyatakansebagaipeluang.
Didalammerumuskanpeluangsuatukejadianadatigacarayangdapatdigunakanyaitu:
1. Caraklasik
Misalnya banyaknya anggota ruang sampel adalah n dan banyaknya anggota kejadian A adalah m
STATISTIKA MATEMATIKA II_SEMESTER 4

maka peluang terjadinya kejadian A yang dinotasikan dengan P(A) adalah m/n. Misalnya peluang
munculnyaangkagasalpadapelemparansatumatadaduyangsetimbangadalah.
Sedangkanpeluangmunculnyaduagambarpadapelemparanduamatauanglogamsekaliadalah.

1. Carafrekwensirelative
Jika suatu percobaan dilakukan sebanyak n ( n ) dan kejadian A yang diamati pada percobaan
tersebut terjadi sebanyak m maka P( A ) = .Misalnya pada pelemparan mata uang dilakukan
sebanyak 1000 kali, dari pelemparan tersebut banyaknya muka muncul 506 kali, maka peluang
munculnyamukaadalah506/10000,5.

3.Carasubyektif
Banyaknya peluang dalam kejadian sehari hari yang tidak dapat ditentukan dengan kedua cara di
atas,misalnyaberapapeluangnantisoreakanhujan?
Untuk menjawab pertanyaan tersebut diperlukan seorang ahli yang dapat memperkirakan dengan
baik kapan terjadinya hujan. Peluang yang ditentukan seperti di atas disebut peluang secara
subyektif.

Definisi1.6
JikaAsuatukejadiandanSmerupakanruangsampel,maka0P(A)1,
P()=0,P(S)=1.
1. BeberapaHukumPeluang
Dalam banyak kasus yang terdiri atas beberapa kejadian, untuk menentukan nilai peluang yang satu
dapatditentukandenganpeluangyanglain.Untukitudiperlukanteoremasebagaiberikut.
Torema1.8
JikaAdanBduakejadiansebarang,makaP(AB)=P(A)+P(B)P(AB)
Bukti:
Dariteorihimpunandiperolehn(AB)=n(A)+n(B)n(AB).Jikakeduaruas
dibagidengann(S)makadidapatatau
P(AB)=P(A)+P(B)P(AB)
Akibat:JikaAdanBsalinglepas,makaP(AB)=P(A)+P(B).
Bukti:
KarenaAdanBsalinglepasmakaAB=,sehinggaP(AB)=0dan
P(AB)=P(A)+P(B).
Teorema1.9
JikaAdanAkejadianyangsalingberkomplemen,makaP(A)=1P(A).
Bukti:
DariteorihimpunandiketahuiAA=S,danAA=sehinggadidapat
STATISTIKA MATEMATIKA II_SEMESTER 4

P(AA)=P(A)+P(A)=P(S)=1,yangberartididapatP(A)=1P(A).
Contoh:
Misalkan sebuah dadu ditos sekali. Berapa probabilitas bahwa mata dadu yang keluar lebih besar
samadengan2?.
Jawab:
Misalkan A = kejadian mata dadu yang keluar lebih besar sama dengan 2, maka A = kejadian
matadaduyangkeluarsatu.BerartiP(A)=1/6,sehinggaP(A)=11/6=5/6.

1. PeubahAcak
Dari percobaan pelemparan dua mata uang logam yang setimbang sebanyak sekali maka didapat S =
{ MM, MG, GM, GG }. Misalnya X adalah fungsi dengan domain S yang didefinisikan X (MM) = 0 , X
(GM)=X(MG)=1,danX(GG)=2.IniberartiXmerupakanfungsibernilairealdengandomainS.
Definisi1.7
Fungsibernilairealyangdomainnyaruangsampeldisebutpeubahacakatauvariabelrandom.
Definisi1.8
Jika banyaknya nilai dari peubah acak berhingga atau sama dengan banyaknya bilangan asli maka
peubahacaktersebutdisebuttipediskret.
Definisi1.9
Jika banyaknya nilai peubah acak sama dengan banyaknya titik dari sepenggal garis atau sama
denganbanyaknyatitikbilanganrealmakapeubahacaktersebutdisebuttipekontinu.
1.7DistribusiPeluangPeubahAcakDiskret
Kadang kadang dalam banyak kasus diinginkan bentuk distribusi dari suatu peubah acak, misalnya
jika seseorang mempunyai tiga anak, bagaimana distribusi peluang dari peubah acak banyaknya anak laki
laki dari ketiga anak tersebut. Misalnya X = banyaknya anak lakilaki , maka distribusi peluangnya
adalahsebagaiberikut:
X 0 1 2 3
P(X=x) 1/8 3/8 3/8 1/8

1.8FungsiKepadatanPeluang(fkp)/Pdf(ProbabilityDensityFunction)
Definisi1.10
Peubah acak X tipe diskret dikatakan mempunyai fkp atau pdf ( probability density function ) f(x)
jika 1.f(x)0,x
1. =1
JikaXpeubahacaktipediskretmakamemenuhisifatsebagaiberikut
1.P(X=x)=f(x)
2.P(A)=
Contoh:
STATISTIKA MATEMATIKA II_SEMESTER 4

Misalkanf(x)=,x=1,2,3dannoluntukyanglainmerupakanpdfdaripeubahacakX.
a. berapakahk
b. hitungP(X=2)
c. hitungP(X>2)
d. hitungP(X2)
Jawab:
a. Darisyaratpdfkeduamakadidapatatau6k=12,sehinggak=2.
b. Daria)berartif(x)=,sehinggaP(X=2)=f(2)=
c. P(X>2)=P(X=3)=f(3)=
d. P(X2)=P(X=1)+P(X=2)=
Definisi1.11
PeubahacakXtipekontinudikatakanmempunyaifkpf(x)jika
1. f(x)0,x
2. =1
JikaXpeubahacaktipekontinumakamempunyaisifatsebagaiberikut
1. P(X=x)=0
2. P(A)=
Contoh:
Misalkanf(x)=kx,0<x<1dannoluntukyanglainmerupakanpdfdariX.
a. hitungk
b. hitungP(X=0,5)
c. hitungP(X<0,5)
d. hitungP(X>0,3)
Jawab:
a. atauk=2
b. P(X=0,5)=0
c. P(X<0,5)==(0,5)
2
0=0,25
d. P(X>0,3)==1(0,3)
2
=10,09=0,91
1. FungsiDistribusi/DistribusiKumulatif
MisalkanpeubahacakXmempunyaifkpf(x),danxadalahbilanganrealsehingga
P ( A ) = P ( X A ) = P ( X x ), maka peluang seperti di atas disebut distribusi kumulatif dari
peubahacakXyangdinotasikanF(x).

Definisi1.12
JikapeubahacakXmempunyaifkpf(x)makadistribusikumulatifdariXadalah
1. F(x)=,jikaXdiskret
2. F(x)=dy,jikaXkontinu
STATISTIKA MATEMATIKA II_SEMESTER 4

Contoh:
Tentukandistribusikomulatifdaripeubahacakyangmempunyaipdfsebagaiberikut:
1. f(x)=1untuk0<x<1dannoluntukyanglain
2. f(x)=e
x
untukx>0dannoluntukyanglain
3. f(x)=untukx=1,2,3dannoluntukyanglain
4. f(x)=untukx=1,2,3dannoluntukyanglain
Jawab:
1. F(x)==xuntuk0<x<1
1.10EkspektasiMatematik
Salah satu dari sekian banyak penggunaan konsep dalam problem distribusi peubah acak adalah
ekspektasi matematik. Misalnya X adalah peubah acak yang mempunyai fkp f ( x ) dan misalnya u ( x )
adalah fungsi dari x sehingga ada untuk X kontinu dan ada jika X diskret. Integral dan jumlahan di atas
disebutekspektasimatematik,yangdinotasikanE[u(x)].

Definisi1.13
Jika peubah acak X mempunyai fkp f ( x ) maka E ( X ) disebut mean dari peubah acak dan E ( X
E(X))
2
dinamakanvariansatauragam,ditulisvar(X).

Teorema1.10
E(XE(X))
2
=E(X
2
)(E(X))
2

Teorema1.11
1. E(aX)=aE(X)
2. E(X+a)=E(X)+a
3. var(aX)=a
2
var(X)
4. var(X+a)=var(X)
Definisi1.14:MomentGeneratingFunction(MGF)
FungsipembangkitmomendaripeubahXyangmempunyaifkpf(x)adalahE(e
tx
),
h<t<huntukhbilanganrealpositif,yangdinotasikanM(t).
Teorema1.12
JikapeubahacakXmempunyaifungsipembangkitmomenM(t)maka
M
(n)
(0)=E(X
n
).

Definisi1.15
Jika peubah acak X mempunyai mean dan varians
2
sehingga E ( X )
3
ada maka disebut
kemencenganatauskewness.
Definisi1.16
STATISTIKA MATEMATIKA II_SEMESTER 4

Jika peubah acak X mempunyai mean dan varians
2
sehingga E ( X )
4
ada maka disebut
keruncinganataukurtosis.
1. PertidaksamaanChebyshev
Dalam bagian ini akan dibahas tentang teorema yang dapat digunakan untuk menghitung peluang
suatupeubahacakjikatidakdiketahuifkpnya,tetapidiketahuimeandanvariansnyasaja.

Teorema1.13
Misalkan u ( X ) fungsi non negatif dari peubah acak X. Jika E ( u ( X ) ) ada maka untuk setiap
konstantacberlakuP(u(X)c).
Teorema1.14(TeoremaChebyshev)
Misalkan peubah acak X mempunyai distribusi peluang dengan mean dan varians
2
. Maka untuk
setiapk>0berlakuP(Xk)1/k
2
atau
P(Xk)11/k
2

Soalsoallatihan
1. Buktikana.=2
n
b.
2. Buktikan=log(1x),1<x<1
3. Buktikana.=k(k+1)b.=1/6k(k+1)(2k+1)
4. JikaAdanBsuatukejadianmakabuktikan
a. P(AB)=P(A)P(AB)
b. P(AB)=1P(AB)
1. MisalkanP(A)=P(B)=1/3danP(AB)=1/10.Hitung
a. P(B)
b. PAB)
c. P(BA)
d. P(AB)
1. MisalkanP(A)=,P(B)=1/8,danP(C)=,denganA,B,danCsalinglepas.Hitung
a. P(ABC)
b. P(ABC)
1. Untukbilanganbulatpositifn>r,buktikan
a.
b.
1. Peubahacaktipediskretmempunyai
a. f(x)=k()
x
,x=1,2,3dannoluntukyanglain.Tentukannilaikagarf(x)merupakanfkp.
b. Apakahfungsiyangberbentukf(x)=k[()
x
],untukx=0,1,2merupakanfkp?
1. Peubah acak tipe diskret X mempunyai fkp f ( x ) = c ( 8 x ) , untuk x = 0, 1, 2, 3, 4, 5 dan nol untuk
STATISTIKA MATEMATIKA II_SEMESTER 4

yanglain.
a. Tentukankonstantac
b. Tentukandistribusikomulatifnya
c. HitungP(X>2)
d. HitungE(X)
1. Peubah acak X mempunyai distribusi komulatif F ( x ) = 1 ( )
x + 1
, x = 0, 1, 2, dan nol untuk yang


lain.
a. TentukanfkpdariX
b. HitungP(10<X20)
c. HitungP(Xgenap)
1. Misalkan peubah acak diskret X memenuhi sifat P ( X = x ) > 0, jika x = 1, 2, 3 atau 4 dan P ( X = x ) =
0,untukyanglain.Misalkandistribusikomulatif
F(x)=0.05x(1+x)untuknilaix=1,2,3,atau4.
a. Buatgrafikdaridistribusikomulatifnya
b. Buatgrafikdarifkpnya
c. HitungE(X)
1. PeubahacakXtipekontinumempunyaifkpf(x)=c(1x)x
2
,jika0<x<1dannoluntukyanglain.
a. Tentukankonstantac
b. HitungE(X)
1. Suatu fungsi f ( x ) mempunyai bentuk sebagai berikut f ( x ) = k x
( k + 1 )
, jika x > 1, dan nol


untukyanglain.
a. Untuknilaikyangmanaagarf(x)merupakanfkp?.
b. Tentukandistribusikomulatifberdasarhasila.
c. UntuknilaikyangmanaagarE(X)ada?.
1. Tentukanfkpdarisuatupeubahacakjikadiketahuidistribusikomulatifnyaadalah
a. F(x)=(x
2
+2x+1)/161x3.
b. F(x)=1e
x
xe
x
x0>0.
1. PeubahacakXmempunyaidistribusikomulatifF(x)=
a. BuatgrafikdariF(x)
b. Buatgrafikdarif(x)
c. HitungP(X)
d. HitungP(X)
e. HitungP(X<1,25)
1. PeubahacakXtipekontinumempunyaifkpf(x)=2x/9,0<x<3,dannoluntukyanglain.
STATISTIKA MATEMATIKA II_SEMESTER 4

a. TentukandistribusikomulatifdariX
b. HitungP(X<2)
c. HitungP(1<X<1,5)
d. TentukanmsehinggaP(Xm)=P(Xm)
e. HitungE(X)
1. PeubahacakXmempunyaifkpf(x)=
a. TentukanmediandariX
b. BuatgrafikdaridistribusikomulatifdariX
1. Misalkan peubah acak X untuk x > 0 tipe kontinu dengan fungsi distribusi F ( x ) dan E ( X ) ada.
BuktikanE(X)=
1. Gunakan pertidaksamaan Chebychev untuk menentukan batas bawah P ( 5/8 < X <
7/8)jikaXmempunyaifkpf(x)=3x
2
,0,x<x<1
2. Jika A
1
, A
2
, .. merupakan himpunanhimpunan sehingga A
k
A
k + 1
untuk k = 1, 2, dan


didefinisikansebagaiuniondariA
1
A
2
A
3
..,makatentukanjika
a. A
k
={x/1/kx31/k},k=1,2,3,
b. A
k
={(x,y)/1/kx
2
+y
2
41/k},k=1,2,3,.

21. Jika A
1
, A
2
, .. merupakan himpunanhimpunan sehingga A
k
A
k + 1
untuk k = 1, 2, dan


didefinisikansebagaiinterseksidariA
1
A
2
A
3
..,makatentukanjika
a. A
k
={x/21/kx2},k=1,2,3,
b. A
k
={x/2<x2+1/k},k=1,2,3,.
c. A
k
={(x,y)/0x
2
+y
2
1/k},k=1,2,3,.

1. Misalkan f ( x ) = x/15 , x = 1, 2, 3, 4, 5 dan nol untuk yang lain merupakan fkp dari peubah acak X.
Tentukana)P(X=1atauX=2)b)P(<X<5/2)
1. UntuksetiapfkpdibawahinihitungP(X<1)danP(X
2
<9)
a. f(x)=x
2
/18,3<x<3,dannoluntukyanglain
b. f(x)=(x+2)/18,2<x<4,dannoluntukyanglain

1. Misalkan f ( x , y ) = 4 xy , 0 < x < 1 , 0 < y < 1 ,dan nol untuk yang lain merupakan fkp bersama antara
XdanY.TentukanP(0<X<,<Y<1)danP(X=Y).
1. Modus dari distribusi suatu peubah acak X adalah nilai x yang memaksimumkan fkp f ( x ). Dari fkp
berikuttentukanmodusnya
a. f(x)=()
x
,x=1,2,3,..,dannoluntukyanglain
b. f(x)=12x
2
(1x),0<x<1,dannoluntukyanglain
STATISTIKA MATEMATIKA II_SEMESTER 4

c. f(x)=()

x
2
e
x
,x>0,dannoluntukyanglain
1. Median dari distribusi suatu peubah acak X adalah nilai x sehingga P ( X < x ) dan P ( X x )
.Tentukanmediandarimasingmasingdistribusiyangmempunyaifkpberikut:
a. f(x)=,x=0,1,2,3,4,dannoluntukyanglain.
b. f(x)=3x
2
,0<x<1,dannoluntukyanglain.
c. f(x)=.
1. Misalkan f ( x ) merupakan fkp dari peubah acak X. Tentukan fungsi distribusi ( distribusi
komulatif)F(x)danbuatgrafiknyadarifkpberikut.
a. f(x)=1,x=0,dannoluntukyanglain.
b. f(x)=1/3,x=1,0,1,dannoluntukyanglain.
c. f(x)=x/15,x=1,2,3,4,5dannoluntukyanglain.
d. f(x)=3(1x
2
),0<x<1,dannoluntukyanglain.
e. f(x)=1/x
2
,x>1,dannoluntukyanglain.
f. f(x)=1/3,0<x<1atau2<x<4,dannoluntukyanglain.
1. Misalkan f ( x ) = 1 , 0 < x < 1 , dan nol untuk yang lain merupakan fkp dari X. Tentukan fungsi distribusi
danfkpdariY=X.
1. Misalkan f ( x ) = x/6 , x = 1, 2, 3 ,dan nol untuk yang lain merupakan fkp dari X. Tentukan fungsi
distribusidanfkpdariY=X
2
.
2. Misalkan X dan Y mempunyai fkp f ( x , y ) = 1 , 0 < x < 1 , 0 < y < 1, dan nol untuk yang lain. Tentukan
fkpdariZ=XY.
3. Misalkan peubah acak X mempunyai fkp f ( x ) = ( x + 2 ) /18 , 2 < x < 4 , dan nol untuk yang lain.
TentukanE(X),E[(X+2)
2
],danE[6X2(X+2)
3
].
4. Misalkan fkp bersama antara X dan Y adalah f ( x, y ) = e
x y
, x > 0 , y > 0 , dan nol untuk yang lain.


Ambil u ( X , Y ) = X , v ( X , Y ) = Y, dan w ( X , Y ) = XY . Buktikan E [u ( X , Y ) ]. E [v ( X , Y ) ]
=E[w(X,Y)].
5. Misalkan peubah acak X tipe kontinu mempunyai fkp f ( x ). Jika m adalah median yang tunggal dari X
danbkonstantareal,makabuktikan
E(Xb)=E(Xm)+2

1. Misalkan peubah acak X memenuhi sifat E [ ( X b )

2
] ada untuk semua b. Buktikan E [ ( X b )
2
]
minimumjikab=E(X).
1. Misalkan peubah acak X mempunyai mean dan varians
2
sehingga E [ ( X )
3
] ada maka E [ ( X
)
3
]/
3
dinamakan ukuran kemiringan ( Skewness ). Tentukan ukuran kemiringan dari distribusi
yangmempunyaifkpsebagaiberikut.
a. f(x)=(x+1)/2,1<x<1,dannoluntukyanglain.
STATISTIKA MATEMATIKA II_SEMESTER 4

b. f(x)=,1<x<1,dannoluntukyanglain.
c. f(x)=(1x)/2,1<x<1,dannoluntukyanglain.
1. Misalkan peubah acak X mempunyai mean dan varians
2
sehingga E [ ( X )
4
] ada maka E [ ( X
)
4
]/
4
dinamakan ukuran keruncingan ( Kurtosis ). Tentukan ukuran keruncingan dari distribusi
yangmempunyaifkpsebagaiberikut.
a. f(x)=,1<x<1,dannoluntukyanglain.
b. f(x)=3(1x
2
)/4,1<x<1,dannoluntukyanglain.

STATISTIKA MATEMATIKA II_SEMESTER 4

I. PELUANGBERSYARATDANBEBASSTOKASTIK

1. Pendahuluan
D

alam kehidupan seharihari banyak dijumpai bahwa suatu kejadian tidak tunggal, tetapi mungkin dijumpai
beberapa kejadian yang satu dengan yang lain mungkin saling mempengaruhi atau yang satu dengan yang lain
saling bebas. Demikian juga ada kejadian yang terjadinya terjadi setelah kejadian lain terjadinya diketahui.
Pada bab ini akan dibahas tentang peluang bersyarat, teorema Bayes, distribusi marginal, distribusi bersyarat,
bebasstokastik,kovarians,dankorelasi.
1. PeluangBersyarat
Misalkan A dan B kejadian yang terjadinya bersamasama dengan kejadian B diketahui terjadinya
terlebih dahulu. Peluang terjadinya A jika diketahui B terjadi dahulu disebut peluang bersyarat, yang
dinotasikanP(A/B).

Definisi2.1
Jika A dan B dua kejadian yang terjadi bersamasama maka peluang terjadinya A dengan syarat B
yaitu.
Dari pengertian kejadian yang saling bebas berarti jika A dan B dua kejadian yang saling bebas maka
P ( A / B ) = P ( A ) maka dengan menggunakan definisi 2.1 didapat hubungan P ( A B ) = P ( A ) .
P(B)

TeoremaBayes
Jika C
1
, ., C
m
kejadian yang saling lepas dan C adalah kejadian yang merupakan subset
dariunionC
1
,.,C
m
maka
1. P(C)=,i=1,2,.,m
2. P(C
i
/C)=
1. DistribusiMarginaldanBersyarat
Misalkan f ( x,y ) merupakan fkp bersama dari peubah acak X dan Y maka fkp marginal dari X
adalah
f(x)=,untukkasusdiskret
=,untukkasuskontinu
SedangkanfkpbersyaratdariXjikaY=ydiketahuiadalahf(x/y)=
STATISTIKA MATEMATIKA II_SEMESTER 4

Ada kalanya diinginkan untuk mengetahui nilai Y jika X = x diketahui. Hal ini dapat ditentukan dengan
menghitung nilai mean bersyarat yaitu E ( Y / x ) yang didefinisikan E ( Y / x ) = , untuk kasus
diskret
=,untukkasuskontinu
danvariansbersyaratvar(Y/x)=E{[YE(Y/x)]
2
/x}
1. KoefisienKorelasi
Banyak dijumpai dalam kehidupan seharihari bahwa peubah acak yang satu dengan yang lain
mungkin saling mempengaruhi atau tidak. Misalkan peubah acak X dan Y masingmasing mempunyai
mean
1
dan
2
serta varians
1
2
dan
2
2
, maka E ( XY )
1

2
disebut kovarians dari X dan Y,

yang dinotasikan dengan cov ( X , Y ) , sedangkan koefisien korelasi dari X dan Y dinotasikan
yangdidefinisikan=
Teorema2.1
NilaikoefisienkorelasidaripeubahacakXdanYadalah11.
Untuk dua peubah acak X dan Y yang mempunyai fkp bersama f ( x , y ) dapat ditentukan fungsi
pembangkit momennya yang didefinisikan E ( e
tx + sy
) dengan h < t < h dan k < s < k, untuk h


kankbilanganbulatpositif.
1. BebasStokastik
Misalkan X dan Y dua peubah acak yang mempunyai fkp bersama f ( x , y ) dan fkp marginal masing
masing f ( x ) dan f ( y ). Dari definisi distribusi bersama f ( x , y ) = f ( x/y) f ( y ) dan misalkan f
(x/y)tidaktergantungdariymakadidapatf(x,y)=f(x)f(y)
Definisi2.
Misalkan X dan Y dua peubah acak yang mempunyai fkp bersama f ( x , y ) dan fkp marginal dari X
adalah f ( x ) dan marginal dari Y adalah f ( y ). Peubah acak X dan Y dikatakan saling bebas stokastik
jikaf(x,y)=f(x).f(y)
Teorema2.2
Jika X dan Y peubah acak yang bebas stokastik dengan fkp marginal f ( x ) dan f ( y ) maka P ( a
< X < b , c < Y < d ) = P ( a < X < b ) P ( c < Y < d ) untuk setiap a < b dan c < d, dengan a, b, c,
dandkonstanta.
Teorema2.3
Misalkan peubah acak X dan Y mempunyai fkp bersama f ( x , y ). Maka X dan Y bebas stokastik
jika dan hanya jika f ( x , y ) dapat dinyatakan sebagai hasil pergandaan fungsi non negatif dari x dan
fungsinonnegatify,yaituf(x,y)=g(x).h(y)
Soalsoallatihan:
1. Jika P ( C
1
) > 0 dan jika C
2
, C
3
, .. saling lepas maka buktikan P (C
2
C
3

../C
1
)=P(C
2
/C
1
)+P(C
3
/C
1
)+
2. Misalkan X dan Y mempunyai fkp bersama f ( x , y ) = x + y , 0 < x < 1 dan 0 < y < 1 , dan nol
untukyanglain.TentukanmeandanvariansbersyaratdariYjikadiberikanX=x,0<x<1.
STATISTIKA MATEMATIKA II_SEMESTER 4

3. Misalkan f ( x / y ) = cx / y
2
, 0 , x < y , 0 < y < 1 , dan nol utnuk yang lain , dan f ( y ) = d y
4
, 0 < y

<1,dannoluntukyanglainmasingmasingmerupakanfkpbersyaratdanfkpmarginal.Tentukan
a. konstantacdand
b. fkpbersamaantaraXdanY
c. P(<X</Y=5/8)
d. P(<X<)
1. Misalkan f ( x , y ) = 21 ( x y )
2
, 0 < x < y < 1 , dan nol untuk yang lain merupakan fkp bersama
antaraXdanY.TentukanmeandanvariansbersyaratdariXjikaY=y,0<y<1.
1. Jika X dan Y adalah peubah acak tipe diskret yang mempunyai fkp bersama f ( x , y ) = ( x + 2
y ) / 18 , ( x , y ) = ( 1 , 1 ) , ( 1 , 2 ) , ( 2, 1) , ( 2 , 2 ) , dan nol untuk yang lain. Tentukan mean dan
variansbersyaratdariYjikadiberikanX=xuntukx=1atau2.
2. MisalkanXdanYmempunyaifkpbersama
a. f(x,y)=1/3,(x,y)=(0,0),(1,1),(2,2),dannoluntukyanglain
b. f(x,y)=1/3,(x,y)=(0,2),(1,1),(2,0),dannoluntukyanglain
c. f(x,y)=1/3,(x,y)=(0,0),(1,1),(2,0),dannoluntukyanglain
TentukankoefisisenkorelasidaripeubahacakXdanY
1. Misalkan f ( x , y ) = 2 , 0 < x < y , 0 < y < 1 , dan nol untuk yang lain merupakan fkp bersama dari X
dan Y . Buktikan E ( Y / x ) = ( 1 + x ) / 2 , 0 < x < 1 dan E ( X / y ) = y / 2 , 0 < y < 1 ,
dankoefisienkorelasiantaraXdanYadalah.
1. Misalkan X dan Y mempunyai fkp bersama f ( x , y ) = 1 , 1 < y < x , 0 < x < 1 dan nol untuk yang
lain.BuktikanE(Y/x)merupakangarislurusdanE(X/y)bukanmerupakangarislurus.
2. Buktikan peubah acak X dan Y yang mempunyai fkp bersama f ( x , y ) = 12 xy
(1y),0<x<1,0<y<1,dannoluntukyanglainmerupakanindependenstokastik.
3. Jika peubah acak X dan Y mempunyai fkp bersama f ( x , y ) = 2 e
x y
, 0 < x < y , y > 0 , dan nol


untukyanglain.BuktikanXdanYindependenstkastik.
4. Misalkan f ( x , y ) = 1/16 , x = 1, 2, 3, 4 dan y = 1, 2, 3, 4 dan nol untuk yang lain. Buktikan X dan Y
independenstokastik.
5. Tentukan P ( 0 < X < 1/3 , 0 < Y < 1/3 ) jika peubah acak X dan Y mempunyai fkp bersama f ( x ,
y)=4x(1y),0<x<1,0<y<1dannoluntukyanglain.

STATISTIKA MATEMATIKA II_SEMESTER 4

III. DISTRIBUSI HAMPIRAN


D
alam bab sebelumnya telah dibahas tentang distribusi dari statistik yang diperoleh , misalkan Y
n
=
X
i
berdistribusi binomial b(n , p) jika X
i
independen stokastik berdistribusi bernoulli b( 1 , p ).
Demikian juga
n
= berdistribusi normal N( ,
2
/n ) jika X
i
merupakan sampel acak dari distribusi
normalN(,
2
).
Dari dua contoh di atas terlihat bahwa distribusi dari statistik yang diperoleh tergantung dari ukuran
sampeln.Padababiniakandibahassuatu distribusi dari statistik yang tidak tergantung dari n.
Distribusiyangakandibahasbiasanyadinamakandistribusihampiran(limitingdistribution).
Definisi:
Misalkan F
n
(y) merupakan distribusi komulatif dari peubah acak Y
n
yang tergantung dari n,
STATISTIKA MATEMATIKA II_SEMESTER 4

dengannbilanganbulatpositif.JikaF(y) merupakan distribusi komulatif
sehinggauntuknuntuksetiaptitiky,danF(y)kontinu,makapeubahacakY
n

dinamakanmempunyaidistribusihampirandengandistribusikomulatifF(y).
Contoh:
Misalkan Y
n
adalah order statistik ken dari sampel acak X
1
, ., X
n
yang berasal dari
distribusidenganpdff(x)=1/,0<x<, > 0 , dan nol untuk yang lain. Maka pdf dari
Y
n
adalahg
n
(y)=,0<y<dannoluntukyanglain
G
n
(y)=
maka
makaG(y)=
Definisi:
DistribusikomulatifG(y)dinamakandegenaratedistributionpadanilaiy=cjika
G(y)=
Definisi:
Barisan peubah acak Y
1
, Y
2
, . Dikatakan konvergen stokastik ke konstanta c jika
distribusihampirandariY
n
adalahdegeneratepaday=c.
Teorema:
Misalkan F
n
(y) merupakan distribusi komulatif dari peubah acak Y
n
yang distribusinya
tergantung dari n. Misalkan c adalah konstanta yang tidak tergantung dari n. Peubah acak Y
n

dikatakankonvergenstokastikkecjikahanyajikauntuk>0berlaku

Teorema:
Misalkan Y
n
mempunyai distribusi komulatif F
n
(y) dan fungsi pembangkit momen M( t n)
ada untuk h < t < h dan semua n. Jika terdapat distribusi komulatif F(y) yang bersesuaian
dengan fungsi pembangkit momen M(t) sehingga maka Y
n
mempunyai distribusi hampiran
F(y).
TeoremaLimitPusat:
Misalkan X
1
, , X
n
merupakan sampel acak dari distribusi yang mempunyai mean
STATISTIKA MATEMATIKA II_SEMESTER 4

dan varians
2
. Maka peubah acak Y
n
= mempunyai
distribusihampirannormalbaku.
Bukti:
DefinisikanM
X
(t)=m(t).
Soalsoallatihan:
1. Misalkan X
n
berdistribusi gamma dengan parameter = n dan , dengan tidak tergantung dari n.
MisalkanY
n
=X
n
/n,makatentukandistribusihampirandariY
n
.
2. Misalkan Z
n
berdistribusi Kaikuadrat dengan derajat bebas n dan W
n
= Z
n
/n . Tentukan distribusi
hampirandariW
n
.
3. Misalkan Z
n
berdistribusi Poisson dengan mean = n. Tentukan distribusi hampiran dari Y
n
= (Z
n
n ) /
n.
4. Misalkan
n
merupakan mean dari sampel acak berukuran n yang berdistribusi Poisson dengan mean 1.
TentukandarimgfdariY
n
=n(
n
1)danjugatentukandistribusihampirandariY
n
.
5. Misalkan
n
adalah mean dari sampel acak berukuran n yang mempunyai pdf f(x) = e
x
, x > 0 , dan nol

untukyanglain.TentukanmgfdariY
n
=n(
n
1)dantentukandistribusihampirandariY
n
.
6. Misalkan
100
merupakan mean dari sampel acak berukuran 100 yang berdistribusi Kaikuadrat dengan
derajatbebas50.HitungP(49<
100
<51).
7. Misakan
128
adalah mean dari sampel acak berukuran 128 yang berdistribusi gamma dengan parameter
=2dan=4.HitungP(7<
128
<9).
8. MisalkanYberdistribusibinomialb(72,1/3).HitungP(22Y28).
9. Hitung probabilitas dari mean sampel acak berukuran 15 yang mempunyai pdf f(x) = 3 x
2
, 0 < x < 1, dan
noluntukyanglainberadadiantara3/5dan4/5.
10. MisalkanYberdistribusibinomialb(400,1/5).HitungP(0,25<Y/n).
11. Misalkan merupakan mean dari sampel acak berukuran 100 dari distribusi
2
( 50 ) . Hitung nilai
pendekatandariP(49<<51).
12. Misalkan adalah mean dari sampel acak berukuran 128 dari distribusi gamma dengan parameter = 2
dan=4.HitungnilaipendekatandariP(7<<9).
STATISTIKA MATEMATIKA II_SEMESTER 4

13. Misalkan diketahui peubah acak independen Z
i
, i = 1, 2, ., 16 yang berdistribusi normal N ( 0 , 1 )
danadalahmeandarisampel.Tentukan
a. P(<)b.P(Z
1
Z
2
<2)c.P(Z
1
+Z
2
<2)
a. P(<32)e.P(<25)

STATISTIKA MATEMATIKA II_SEMESTER 4

IV.BEBERAPADISTRIBUSIKHUSUS

1. Pendahuluan
D
alam penerapan , seperti pada penelitian tidak semua distribusi dari suatu peubah acak dapat digunakan ,
tetapi ada beberapa distribusi yang sering digunakan diantaranya adalah distribusi binomial, Poisson,
Eksponensial, Normal, Chi Square dan lain sebagainya. Pada bagian ini akan dibahas tentang
distribusidistribusiyangseringdigunakandalampenelitian.
1. DistribusiTipeDiskret
1. Distribusiseragam(Uniform)
Peubah acak X tipe diskret dikatakan mempunyai distribusi seragam jika mempunyai fkp f ( x ) = , x
=1,2,,n
=0,yanglain
2. DistribusiBernoulli
Banyak kejadian dalam sekeliling kita yang hasilnya selalu dual yaitu sukses atau gagal.
Satu percobaan yang hanya menghasilkan sukses atau gagal saja dengan peluang sukses p dan
peluang gagal 1 p disebut kejadian Bernoulli. Peubah acak X dikatakan mempunyai distribusi
Bernoullijikamempunyaifkpf(x)=
Jika sukses dilambangkan dengan 1 dan gagal dengan 0, maka fkpnya biasanya dituliskan f (x) = p
x

(1p)
1x
,x=0,1
=0,yanglain.
1. DistribusiBinomial
Misalkan ada n barisan kejadian yang saling bebas dengan tiap kejadian merupakan kejadian
Bernoulli, maka jika X merupakan banyaknya sukses dari barisan tersebut maka X berdistribusi
binomial.PeubahacakXdikatakanmempunyaidistribusibinomialjikamempunyaifkp
f(x)=,x=0,1,2,.,n0<p<1
=0,untukyanglain

Jika X berdistribusi binomial dengan peluang sukses p, maka biasanya dinotasikan X b ( n ,

STATISTIKA MATEMATIKA II_SEMESTER 4

p)
Teorema3.1
JikaXberdistribusibinomialb(n,p)makaE(X)=npdanVar(X)=np(1p).
Teorema3.2
JikaXberdistribusibinomialb(n,p)makaM(t)=[(1p)+pe
t
)
n
STATISTIKA MATEMATIKA II_SEMESTER 4

1. DistribusiMultinomial
Jika pada distribusi binomial, populasi dibagi menjadi dua kategori maka pada distribusi
multinomial, populasi dibagi menjadi beberapa kategori. Misal ada m kategori yaitu A
1
,
., A
m
dengan peluang p
1
, ., p
m
dengan p
1
+ .+ p
m
= 1. Misalnya
pada A
1
terjadi x
1
kali, , pada A
m
terjadi x
m
kali. Fungsi kepadatan peluang dari A
1
,
.,A
m
disebutdistribusimultinomial,yangfkpnyadinyatakansebagaiberikut
P(X
1
=x
1
,.,X
m
=x
m
)=
=0,untukyanglain
1. DistribusiHipergeometrik
Distribusi hipergeometrik merupakan distribusi binomial jika dikerjakan dengan tanpa
pengembalian. Misal ada N obyek yang terdiri atas M obyek dan N M obyek. Misal dari N obyek
tersebut diambil n obyek tanpa pengembalian, dan misal X adalah banyaknya obyek yang terambil
dariM,makaXberdistribusihipergeometrikdenganfkp
f(x)=,x=0,1,2,..,n
=0,yanglain
Teorema3.3
Jika pada distribusi hipergeometrik N besar sekali ( N ) dan ( M/ N ) p, dan
samplingdilakukandenganpengembalian,makadistribusihipergeometrikmenjadidistribusibinomial.
1. DistribusiGeometrik
Misalkan terdapat barisan kejadian yang saling bebas dengan setiap kejadian menghasilkan
sukses atau gagal , dengan peluang sukses p dan peluang gagal 1 p. Jika X adalah banyaknya
kejadian sehingga diperoleh sukses yang pertama maka X berdistribusi geometrik yang fkpnya
adalah
f(x)=(1p)
x1
p,x=1,2,
=0,untukyanglain
1. DistribusiNegatifBinomial
Misalkan ada barisan kejadian yang saling bebas dengan setiap kejadian hanya menghasikan
sukses atau gagal dengan peluang sukses p dan peluang gagal 1 p. Misalkan X adalah banyaknya
suksesdengankejadianterakhirsukses,makaXberdistribusinegatifbinomial,yangfkpnyaadalah
f(x)=,x=0,1,2,
=0,yanglain
1. DistribusiPoisson
Peubah acak X dikatakan berdistribusi Poisson dengan parameter dengan ( > 0 ) jika X
mempunyaifkp
f(x)=,x=0,1,2,..
=0,yanglain
Teorema3.4
STATISTIKA MATEMATIKA II_SEMESTER 4

JikaXberdistribusiPoissondenganparametermakaE(X)=danvar(X)=.
Teorema3.5
JikaXberdistribusiPoissondenganparametermaka
M(t)=atauexp((e
t
1)).
1. DistribusiTipeKontinu
1. Distribusigamma
PeubahacakXdikatakanmempunyaidistribusigammajikamempunyaifkpf(x)=,x>0
=0,untukyanglain
Teorema3.6
JikaXberdistribusigammadenganparameterdanmakaE(X)=,danvar(X)=
2
1. DistribusiChiSquare
Jika distribusi gamma diketahui = n/2 , dan = 2 maka distribusi gamma dikatakan menjadi
distribusiChiSquare.Fungsikepadatanpeluangdaridistribusiiniadalahf(x)=,x>0
=0,untukyanglain
Bentukfkpsepertidiatasdisebutdistribusichisquaredenganderajatbebasn.
Teorema3.7
JikaXberdistribusichisquaredenganderajatbebasnmakaE(X)=ndanvar(X)=2n
Teorema3.8
JikaXberdistribusichisquaredenganderajatbebasnmakaM(t)=,t<

STATISTIKA MATEMATIKA II_SEMESTER 4

1. DistribusiEksponensial
Jika distribusi gamma diketahui = 1, dan = 1/ , maka distribusi gamma dikatakan
berdistribusieksponensialdenganparameteryangfkpnyaadalah
f(x)=e
x
,x>0
=0,yanglain
Teorema3.9
JikaXberdistribusieksponensialdenganparametermakaE(X)=1/danvar(X)=1/
2
1. DistribusiBeta
PeubahacakXdikatakanmempunyaidistribusibetajikamempunyaifkp
f(x)=,0<x<1
=0,yanglain
1. DistribusiNormal
Distribusi normal merupakan distribusi yang paling banyak digunakan oleh para pengguna
statistik, karena dengan distribusi ini akan didapat distribusi lain yang dikenal, misalnya distribusi chi
square. Jika peubah X mempunyai distribusi normal dengan mean dan varians
2
maka fkpnya
adalah
f(x)=,<x<,<<,dan
2
>0.
=0,untukyanglain
Teorema3.10
JikaXberdistribusinormaldenganmeandanvarians
2
maka
M(t)=exp(t+(
2
t
2
)/2).
Teorema3.11
Jika X berdistribusi normal dengan mean dan varians
2
maka Z = berdistribusi
normalbaku,yaitudistribusinormaldenganmean0danvarians1.
Teorema3.12
Jika X berdistribusi normal dengan mean dan varians
2
maka
2
=
berdistribusichisquaredenganderajatbebas1.
Torema3.13
Jika X
1
, ., X
n
peubah acak yang identik independen berdistribusi normal mean
danvarians
2
maka
1. berdistribusichisquaredenganderajatbebasn.
2. berdistribusichisquaredenganderajatbebasn1
1. DistribusiStudentt.
Distribusi ini banyak digunakan dalam inferensi statistik, utamanya untuk inferensi parameter dari
distribusinormaljikavarians
2
tidakdiketahui.
PeubahacakXdikatakanmempunyaidistribusistudentt,denganderajatbebasnjikamempunyaifkp
STATISTIKA MATEMATIKA II_SEMESTER 4

f(x)=
=0,untukyanglain
2. DistribusiF
Distribusi ini banyak dipakai untuk inferensi statistik parameter dari beberapa populasi yang
berdistribusinormal.
Peubah acak X dikatakan berdistribusi F dengan derajat bebas pembilang n, dan derajat bebas
penyebutmjikamempunyaifkp
f(x)=
=0,yanglain
1. DistribusiBivariateNormal
Misalkan X dan Y masing masing berdistribusi normal N (
1
,
1
2
) dan N (
2
,
2
2
) dan
adalah koefisien korelasi dari X dan Y maka pdf bersama antara X dan Y , yaitu f ( x , y ) dinamakan
mempunyaidistribusinormalbivariatejikafkpnyasebagaiberikut
f(x,y)=,<x<,<y<
=0,yanglain
denganq=
SoalSoalLatihan
1. JikamgfdaripeubahacakXadalah(1/3+2/3e
t
)
5
,makatentukanP(X=2atau3)
2. Mgf dari peubah X adalah ( 2/3 + 1/3 e
t
)
9
. Buktikan bahwa P ( 2 < X <

+2)=
3. Jika X berdistribusi binomial B ( n , p ) maka buktikan E ( X / n ) = p dan E ( ( X/n) p )
2

=(p(1p))/n
4. Jika X
1
, X
2
, dan X
3
sampel acak independen yang mempunyai fkp sama f ( x ) = 3x
2
, 0 <
x < 1 , dan nol untuk yang lain , maka tentukan peluang bahwa tepat dua dari tiga peubah acak tersebut
melebihi.
5. Misalkan Y banyaknya sukses dari n independen percobaan dengan peluang sukses p = 2/3. Jika n = 3,
makahitungP(2Y)jikan=5,makahitungP(3Y).
6. Misalkan Y banyaknya sukses dari n independen percobaan dengan peluang sukses p = . Tentukan n
terkecilsehinggaP(1Y)0,70.
7. Misalkan X dan Y sampel acak inedenpen stokastik dengan masing masing berdistribusi binomial
denganparametern=3,p
1
=2/3danm=4denganp
2
=.HitungP(X=Y).
8. MisalkanX
1
,X
2
,..,X
k1
mempunyaidistribusimultinomial.Tentukan
a. MGFdariX
2
,..,X
k1
b. ApakahfkpdariX
2
,..,X
k1
c. TentukanfkpbersyaratdariX
1
,jikaX
2
=x
2
,X
3
=x
3
,.,X
k1
=x
k1
.
d. TentukanekspektasibersyaratE(X
1
/x
2
,..,x
k1
).
STATISTIKA MATEMATIKA II_SEMESTER 4

9. Misalkan X berdistribusi binomial B ( 2 , p ) dan Y berdistribusi binomial B ( 4 , p ) . Jika P ( X 1 ) =
5/9,makatentukanP(Y1).
1. Jika x = r adalah modus yang tunggal dari distribusi binomial B ( n , p ) maka buktikan ( n + 1 ) p 1 < r
<(n+1)p.
2. Buktikan bahwa mgf dari distribusi negatif binomial adalah M ( t ) = p
r
[ 1 (
1p)e
t
]
r
.Tentukanjugameandanvariansdaridistribusitersebut.
3. TentukanukuranskewnessdankurtosisdaridistribusibinomialB(n,p).
4. Misalkanf(x,y)=,y=0,1,2,.,xx=1,2,3,4,5
dannoluntukyanglain,adalahfkpbersamaantaraXdanY.Tentukan
a. E(Y)b.u(x)=E(Y/x)c.E(u(X))
1. JikapeubahacakXberdistribusiPoissonsehinggaP(X=1)=P(X=2),makatentukanP(X=4).
1. Mgf dari peubah acak X adalah . Buktikan P ( 2 < X < + 2 )
=0,931.
2. Didalam buku tertentu dikatakan bahwa rata rata hanya 13,5 prosen dari suatu halamannya tidak salah
ketik. Jika diasumsikan bahwa banyaknya kesalahan per halaman berdistribusi Poisson, maka tentukan
prosentasedarihalamanhanyamemuatsatukesalahanketik.
3. Misalkan fkp f ( x ) adalah positif pada dan hanya pada bilangan non negatif. Didefinisikan f ( x ) = ( 4/x )
f(x1),x=1,2,3,Tentukanf(x).
4. Misalkan X berdistribusi Poisson dengan mean 100. Gunakan pertidaksamaan Chebyshev untuk
menentukanbatasbawahP(75<X<125).
5. Misalkan X dan Y fkp f ( x , y ) = e
2
/ [ x ! ( y x ) ! ], y = 0, 1, 2 , .. x = 0 , 1, , y
,dannoluntukyanglain.
a. TentukanmgfdaridistribusibersamaantaraXdanY.
b. Hitungmean,varians,dankoefisienkorelasidariXdanY.
c. TentukanmeanbersyaratE(X/y).
1. TentukanukuranskwenessdankurtosisdaridistribusiPoissondenganmean.
1. Jika(12t)
6
,t<,adalahmgfdaripeubahacakX,makatentukanP(X<5,23).
2. Jika X berdistribusi
2
( 5 ), maka tentukan konstanta c dan d sehingga P ( c < X < d )
=0,95danP(X,c)=0,025.
3. Jika X berdistribusi gamma dengan = 3 dan = 4, maka tentukan P ( 3,28 < X < 25,2
).
4. Misalkan X peubah acak sehingga E ( X
m
) = ( m + 1 ) ! 2
m
, m = 1, 2, maka tentukan distribusi
dariX.
5. Misalkan X
1
, X
2
, dan X
3
adalah independen stokastik dengan masing masing mempunyai fkp f ( x ) = e

x
,x>0,dannoluntukyanglain.TentukandistribusiY=minimum(X
1
,X
2
,X
3
).
STATISTIKA MATEMATIKA II_SEMESTER 4

6. Misalkan X berdistribusi gamma dengan fkp f ( x ) = , x > 0 , dan nol untuk yang lain. Jika x = 2 modus
tunggaldaridistribusi,makatentukanparameterdanP(X<9,49).
7. Tentukanukuranskwenessdankurtosisdaridistribusigamma.
8. Misalkan X berdistribusi uniform dengan fkp f ( x ) = 1 , 0 < x < 1, dan nol untuk yang lain . Tentukan
distribusifungsidariY=2lnX.

STATISTIKA MATEMATIKA II_SEMESTER 4

I. STATISTIKCUKUP

P
ada bab ini akan dibahas tentang kriteria dari estimator diantaranya adalah statistik cukup untuk parameter,
dan teorema Rao Blackwell yang dapat digunakan untuk membentuk suatu estimator yang variansnya lebih
kecil dari estimator sebelumnya. Selain dua di atas juga dibahas tentang kelengkapan dan ketunggalan (
completnessanduniqness),klasekponensialdarifkp,danpertidaksamaanRaoCramer.

1. StatistikCukupUntukParameter

Definisi:
Misalkan X
1
, X
2
, .,X
n
merupakan sampel acak berukuran n dari distribusi yang mempunyai
fkp f ( x ) dan Y = u (X
1
, X
2
, .,X
n
) adalah statistik dengan fkp g ( y ) . Maka Y
dinamakanstatistikcukupuntukjikadanhanyajika
=H(x
1
,,x
n
).DenganH(x
1
,,x
n
)tidaktergantungdariuntuksetiapnilaiy.

Teorema:
Misalkan X
1
, X
2
, .,X
n
merupakan sampel acak berukuran n dari distribusi yang mempunyai
fkp f ( x ). Statistik Y = u (X
1
, X
2
, .,X
n
) dinamakan statistik cukup untuk jika dan
hanya jika dapat ditemukan dua fungsi non negatif k dan l sehinga f ( x
1
) . f( x
n
) = k ( y

)l(x
1
,,x
n
),denganltidaktergantungdari.

Contoh :Misalkan X
1
, X
2
, , X
n
merupakan sampel acak dari distribusi normal N ( ,
2

) , < < , dengan
2
diketahui . Jika x = x
I
/ n maka ( x
I
)
2
= [ ( x
I

x ) + ( x ) ]
2
= ( x
I
x )
2
+ n ( x )
2
, oleh karena 2 ( x
I
) ( x ) = 2

(x)(x
I
x)=0.
FkpbersamaantaraX
1
,X
2
,,X
n
dapatdinyatakansebagai

Dari baris terakhir terlihat bahwa faktor pertama hanya tergantung pada x, sedangkan faktor yang
STATISTIKA MATEMATIKA II_SEMESTER 4

kedua tidak tergantung pada . Dengan menggunakan teorema di atas berarti X merupakan statistik
cukupuntuk.

Teorema:
Misalkan X
1
, X
2
, , X
n
merupakan sampel acak dari distribusi yang mempunyai fkp f ( x

) . Jika statistik cukup Y = u (X
1
, X
2
, , X
n
) ada dan maksimum likelihood estimator

dari ada dan tunggal maka estimator likelihood dari merupakan fungsi dari Y = u (X
1
, X
2
,
,X
n
).

Soalsoallatihan:
1. Misalkan X
1
, X
2
, , X
n
merupakan sampel acak dari distribusi normal N ( 0 , ) , > 0.

BuktikanX
i
2
merupakanstatistikcukupuntuk.
2. Buktikan bahwa jumlahan dari item item sampel acak berukuran n yang berdistribusi Poisson dengan
parameter,>0adalahstatistikcukupuntuk.
3. Buktikan bahwa order statistik ke n dari sampel acak berukuran n yang berdistribusi seragam dengan fkp
f(x)=1/,0<x<dannolyanglainmerupakanstatistikcukupuntuk.
4. Misalkan X
1
, X
2
, , X
n
merupakan sampel acak berukuran n dari distribusi geometrik

dengan fkp f ( x ) = ( 1 )
x
, x = 0 , 1, 2, 0 < < 1, dan nol untuk yang lain. Buktikan
X
i
merupakanstatistikcukupuntuk.
5. Buktikan bahwa jumlahan dari item item sampel acak berukuran n dari distribusi gamma dengan fkp f (
x)=(1/)e
x/
,x>0,>0merupakanstatistikcukupuntuk.
6. Dari soal soal latihan 1, 2, 4 , dan 5 buktikan bahwa mle dari merupakan fungsi dari statistik cukup
untuk.
7. Misalkan X
1
, X
2
, , X
n
merupakan sampel acak berukuran n dari distribusi beta dengan

parameter = > 0 dan = 2. Buktikan bahwa hasil pergandaan dari X
1
. X
2
, X
n


merupakanstatistikcukupuntuk.
8. Misalkan X
1
, X
2
, , X
n
merupakan sampel acak berukuran n dari distribusi dengan fkp f ( x

) = 1/ [ 1 + ( x )
2
] , < x < , < < . Apakah mempunyai statistik cukup ?.
Tentukan!.

1. TeoremaRaoBlackwell
Dengan menggunakan teorema ini dapat ditentukan suatu statistik yang mempunyai varians
lebihkecildibandingdenganstatsitikyangmerupakanunbiasuntukparameter.
Teorema:
Misalkan X dan Y merupakan peubah acak dengan mean dan varians
2
Y
. Misalkan E ( Y / x) = (
x).MakaE[(X)]=dan
2
(X)

2
Y
.

STATISTIKA MATEMATIKA II_SEMESTER 4

Teorema:
Misalkan X
1
, X
2
, , X
n
, dengan n bilangan bulat positif merupakan sampel acak dari

distribusi yang mempunyai fkp f ( x ) . Misalkan Y
1
= u (X
1
, X
2
, , X

n
) merupakan statistik cukup untuk , dan Y
2
= v (X
1
, X
2
, , X
n
) yang bukan

fungsi dari Y
1
merupakan estimator unbias untuk . Maka E ( Y
2
/ y
1
) = ( y
1
) merupakan statistik
( Y
1
) yang merupakan fungsi dari statistik cukup untuk unbias untuk dan mempunyai varians
lebihkecildariY
2
.
Soalsoallatihan:

1. Misalkan Y
1
< Y
2
< Y
3
< Y
4
< Y
5
merupakan order statistik dari sampel acak berukuran 5 dari
distribusi seragam dengan fkp f ( x ) = 1/ , 0 < x < , > 0, dan nol untuk yang lain. Buktikan
bahwa 2 Y
3
merupakan estimator unbias untuk . Tentukan fkp bersama antara Y
3
dan statistik cukup

Y
5
untuk . Tentukan ekspektasi bersyarat E ( 2 Y
3
/ y5 ) = ( y
5
) . Bandingkan varians dari 2 Y
3

denganvarians(Y
5
).
2. Jika X dan Y merupakan sampel acak berukuran 2 dari distribusi dengan fkp f ( x ) = ( 1/
) e
x /
, x > 0 dan > 0. Tentukan fkp bersama dari statistik cukup Z = X + Y untuk dan W = Y.


Buktikan bahwa W merupakan estimator unbias untuk dengan varians
2
. Tentukan E ( W / z ) = ( z
)danvariansdari(Z).
3. Misalkan peubah acak X dan Y mempunyai fkp bersama f ( x , y ) = ( 2 /

2
)e
(x+y)/
,y>x>0,dannoluntukyanglain.
a. BuktikanbahwameandanvariansdariYadalah3/2dan5
2
/4.
b. BuktikanbahwaE(Y/x)=x+.
c. BuktikanbahwavariansdariX+ldebihkecildarivariansdariY.

1. KelengkapandanKetunggalan(CompletenessandUniqness)
Definisi:
Misalkan peubah acak Z mempunyai fkp dari salah satu anggota keluarga fkp { h ( z ) }. Jika
kondisi E ( u ( Z ) ) = 0 untuk setiap berlaku u ( z ) bernilai nol kecuali pada himpunan titik titik
yang mempunyai probabilitas sama dengan nol untuk setiap fkp h ( z ) , , maka keluarga fkp {
h(z)}dinamakankeluargalengkap.
Contoh:
Misalkan Z mempunyai fkp yang merupakan anggota dari { h ( z ) , > 0 } dengan h ( z ) = (
1/ ) e
z /
, z > 0 dan > 0 ,dan nol untuk yanmg lain. Ambil E [ u ( Z ) ] = 0 untuk setiap > 0 maka


E [ u ( Z ) ] = untuk > 0 . Dengan menyamakan integral tersebut pada transformasi Laplace maka
haruslahu(z)=0.Berartikeluargafkptersebutlengkap.
Teorema:
Misalkan X
1
, X
2
, ., X
n
, dengan n bilangan bulat positif merupakan sampel acak dari
STATISTIKA MATEMATIKA II_SEMESTER 4

suatu distribusi dengan fkp f ( x ) , . Misalkan Y = u (X
1
, X
2
, ., X
n
) merupakan
statistik cukup untuk dan keluarga { g ( y ) / } merupakan keluarga fkp lengkap. Jika
terdapat fungsi dari Y yang unbias untuk , maka fungsi dari Y tersebut merupakan penduga terbaik
tunggaluntuk.

Soalsoallatihan:
1. Jika az
2
+ bz + c = 0 untuk lebih dari dua nilai z , maka a = b = c = 0. Gunakan hasil tersebut untuk

membuktikankeluarga{b(2,)/0<<1}lengkap.
2. Buktikan bahwa setiap keluarga { f ( x )/ > 0 } tidak lengkap dengan cara menemukan paling
sedikitsatufungsitidaknolu(x)sehinggaE[u(X)]=0untuksetiap>0.
a. f(x)=1/2,<x<,dannoluntukyanglain.
b. N(0,).
1. Jika X
1
, X
2
, ., X
n
merupakan sampel acak dari distribusi diskret yang mepunyai fkp f ( x
) =
x
( 1 )
1 x
, x = 0 , 1 , 0 < < 1 dan nol untuk yang lain. Buktikan bahwa Y = X
i
merupakan

statistiklengkapuntuk.TentukanfungsitunggaldariYyangmerupakanpendugaterbaikuntuk.
1. Misalkandiketahuikeluargafkp{h(z)/},denganh(z)=1/,z>0.
a. Buktikankeluargatersebutlengkapuntuk={/>0}
b. Buktikankeluargatersebuttidaklengkapjika={/>1}
1. Buktikan bahwa statistik order pertama Y
1
dari sampel acak berukuran n yang mempunyai fkp f ( x )

= e
( x )
, x > 0 , < < , dan nol untuk yang lain merupakan statistik cukup dan lengkap untuk .


Tentukanfungsiyangtunggaldaristatistiktersebutyangmerupakanpendugaterbaikuntuk.
1. Misalkan sampel acak berukuran n diambil dari distribusi yang mempunyai fkp f ( x ) = 1/ ,
x = 1, 2, ., , dengan merupakan bilangan bulat positif yang tidak diketahui, dan nol untuk
yanglain.
a. Buktikan bahwa item terbesar katakan Y dari sampel acak merupakan statistik cukup dan lengkap
untuk.
b. Buktikan bahwa [ Y
n + 1
( Y 1 )
n + 1
] / [ Y
n
( Y 1 )
n
] merupakan penduga terbaik tunggal

untuk.

1. KlasEksponensialDariFungsiKepadatanPeluang
Pada subbab di atas telah dibahas tentang keluarga fkp yang lengkap. Selain kriteria lengkap
sebagaimana tersebut di atas terdapat kriteria lain tentang keluarga fkp yaitu klas eksponensial.
Perhatikan keluarga { f ( x ) / } dengan = { / < < } untuk dan
konstantadiketahui,dan
f(x)=exp[p()K(x)+S(x)+q()],a<x<b
=0,untukyanglain.(*)
STATISTIKA MATEMATIKA II_SEMESTER 4

Fkpbentuk(*)dikatakananggotaklaseksponensialdarifkptipekontinujika
a. Konstantaaataubtidaktergantungdari,<<,
b. p()fungsikontinunontrivialdari,<<,
c. SetiapK(x)0danS(x)fungsikontinudarix,a<x<b.

Sedangkanuntuktipediskretdengansyaratsebagaiberikut,
a. Himpunan{x/x=a
1
,a
2
,}tidaktergantungdari.
b. p()fungsikontinunontrivialdari,<<
c. K(x)fungsinontrivialdarixpadahimpunan{x/x=a
1
,a
2
,}
Teorema:
Misalkan f ( x ) , < < merupakan fkp dari klas eksponensial. Maka jika X
1
, X
2
,
., X
n
sampel acak dari distribusi dengan fkp f ( x ) dengan Y = K (X
i
)
merupakan statistik cukup untuk dan keluarga fkp dari Y yaitu { g ( y ) /
<<}lengkap,atauYmerupakanstatistikyangcukupdanlengkapuntuk.

Soalsoallatihan:
1. Tulis fkp f ( x ) = ( 1/ 6
2
) x
3
e
x /
, x > 0 , > 0 dan nol untuk yang lain dalam bentuk

eksponensial. Jika X
1
,X
2
, ., X
n
sampel acak dari distribusi dengan fkp di atas maka
tentukan statistik cukup dan lengkap Y untuk , dan cari fungsi ( Y ) tunggal yang merupakan
pendugaterbaikuntuk.
2. Misalkan X
1
,X
2
, ., X
n
sampel acak dari distribusi dengan fkp f ( x ) = e



x
, x > 0 , > 0, dan nol untuk yang lain. Buktikan Y = X
I
merupakan statistik cukup untuk dan ( n

1)/Ymerupakanpendugaterbaikuntuk.
3. Misalkan X
1
,X
2
, ., X
n
sampel acak dari distribusi dengan fkp f ( x ) = x



1
,0<x<1,>0,dannoluntukyanglain.
a. Buktikan bahwa mean geometrik (X
1
.X
2
. X
n
)
1/ n
dari sampel merupakan statistik

cukupdanlengkapuntuk.
b. TentukanMLEdari,danperiksaapakahmerupakanfungsidarimeangeometrik
1. Misalkan mean dari sampel acak X
1
,X
2
, ., X
n
dari diatribusi gamma dengan parameter
>0dan=>0.HitungE[X
1
/x].
1. Misalkan X sampel acak dengan fkp anggota klas eksponensial. Buktikan E [ K ( X ) ] = q ( ) / p (
).
2. Jika f ( x ) = exp [ K ( x ) + S ( x ) + q ( ) ] , a < x < b dan < < , maka buktikan M ( t ) dari
Y=K(X)adalahM(t)=exp[q()q(+t)],untuk<+t<.
3. JikadiketahuiE(Y)=E[K(X)]=,makabuktikanYberdistribusinormalN(,1).

STATISTIKA MATEMATIKA II_SEMESTER 4

STATISTIKA MATEMATIKA II_SEMESTER 4

1. PertidaksamaanRaoCramer
Pada subbab ini akan dibahas tentang batas bawah varians dari peduga parameter yang unbias,
yangdinyatakandalampertidaksamaanRaoCramersebagaiberikut.
Misalkan X
1
,X
2
, ., X
n
merupakan sampel acak dari dari daistribusi dengan fkp f (

x ) , = { / < < }, dengan dan diketahui. Misalkan Y = u (X
1
,X
2
, .,
X
n
) merupakan penduga unbias untuk , maka vrians dari Y, katakan

2
Y.
,yangmemenuhi

2
Y.

Untuk menjelaskan pertidaksamaan di atas digunakan kasus kontinu seperti di bawah ini. Misalkan g ( y
) merupakan fkp dari statistik unbias Y = u (X
1
,X
2
, ., X
n
),
sehinggadidapat
1=f(x
i
)dx
I
,untuki=1,2,,n
dan
=yg(y)dy
=..u(x
1
,x
2
,,x
n
)f(x
1
).f(x
n
)dx
1
.dx
n

Jikakeduapersamaandiatasditurunkanterhadapmakadidapat
0=dan

1=x
f(x
1
).f(x
n
)dx
1
.dx
n
=x
f(x
1
).f(x
n
)dx
1
.dx
n
Definisikan peubah acak Z = [ ln f ( X
I
) / ], yang berarti E [ Z ] = 0. Oleh karena Z
merupakan jumlahan n independen peubah acak dengan mean nol maka Z mempunyai varians nE { [
lnf(X
I
)/]
2
}.
Karena Y = u (X
1
,X
2
, ., X
n
) dan Z = [ln f ( X
I
) / ] maka didapat E [
YZ ] = 1. Dilain pihak E [ YZ ] = E [ Y ] E [ Z ] +
Y

Z
dengan merupakan korelasi antara Y dan


Z. Oleh karena E (Y ) = dan E (Z ) = 0 maka didapat 1 = . 0 +
Y

Z
atau = 1 /
Y

Z
.




Karena11atau
2
1maka(1/
Y

Z
)
2
1atau(1/

2
Z
)
2

Y
atau

Y.
2

Definisi:
Misalkan Y penduga unbias untuk parameter . Statistik Y dinamakan penduga efisien untuk jika varians
dariYsamadenganbatasbawahpertidaksamaanRaoCramer.
Soalsoallatihan:
1. Buktikan bahwa X yang merupakan mean sampel acak dari distribusi normal N ( ,
2
)
merupakanpedugaefisienuntuk.
2. Buktikan bahwa X yang merupakan mean sampel acak dari distribusi binomial b ( 1, ) , 0 < <
STATISTIKA MATEMATIKA II_SEMESTER 4

1merupakanpendugayangefisien.
3. Diberikan f ( x ) = 1 / , 0 < x < dan nol untuk yang lain dengan > 0. Hitung n E dan
bandingkan dengan varians ( n + 1 ) Y
n
/ n dengan Y
n
merupakan item terbesar dari sampel acak

berukurannyangberdistribusisepertidiatas.
4. Diberikanfkpf(x)=.BuktikanBahwabatasbawahRaoCramernyaadalah2/n,dengann
adalahukuransampel.
5. BuktikanbahwaE=E

STATISTIKA MATEMATIKA II_SEMESTER 4

V.ESTIMASI

1. EstimasiTitik

Misalkan peubah acah X mempunyai pdf f(x ) dengan tidak diketahui. Himpunan
dinamakan ruang parameter . Karena tidak tunggal , maka untuk setiap nilai , dengan
berkorespondensi dengan salah satu anggota keluarga pdf. Notasi keluarga pdf adalah { f(x )
}dananggotadarikeluargapdfdinotasikandenganf(x),untuk.
Dari keluarga pdf adalah { f(x ) } akan dipilih satu anggota pdf f(x ) yang akan
diperlukan untuk mengestimasi parameter . Untuk keperluan itu ambil sampel acak X
1
, ., X
n

yang berasal dari suatu distribusi dengan pdf f(x ) Masalahnya sekarang adalah memilih Y = u (X
1
,
., X
n
) , sehingga jika x
1
, .., x
n
merupakan nilai observasi dari X
1
, ., X
n
maka nilai
dariy=u(x
1
,..,x
n
)merupakanpendugaterbaikdari.
Salah satu metode yang digunakan untuk menentukan estimasi titik adalah metode maximum
likelihood. Prinsip dari metode ini dapat diuraikan sebagai berikut. Misalkan X
1
, ., X
n

merupakan sampel acak dari suatu distribusi dengan pdf f(x ) , untuk . Pdf bersama antara X
1
,
., X
n
adalah f(x
1
). f(x
2
) f(x
n
). Jika pdf bersama tersebut
dinyatakan sebagai fungsi terhadap maka dinamakan fungsi likelihood yang dinotasikan L atau ditulis
L ( x
1
, .., x
n
) = f(x
1
). f(x
2
) f(x
n
) , . Dari fungsi ini ditentukan fungsi u
(x
1
, .., x
n
), sehingga jika diganti dengan u (x
1
, .., x
n
) didapat L ( x
1
, .., x
n
)
maksimum.Statistiku(X
1
,.,X
n
)dinamakanmaximumlikelihoodestimator.

Definisi4.1:
Sembarang statistik yang mempunyai harapan matematik sama dengan parameter dinamakan unbias
estimatordariparameter.
Definisi4.2:
Sembarang statistik yang convergen stokastik ke parameter dinamakan penduga konsisten dari
parameter.

Selain metode maximum likelihood ada metode lain yaitu metode moment. Prinsip metode ini dapat
diuraikan sebagai berikut. Misalkan X
1
, ., X
n
merupakan sampel acak berukuran n dari suatu
distribusi dengan pdf f(x
1
, ..
r
), (
1
, ..
r
) . Ekspektasi E ( X
k
) sering dinamakan moment
ke k dari suatu distribusi , k = 1, 2, 3, Jumlahan M
k
= dinamakan moment ke k dari sampel, k = 1,
2, 3, Selanjutnya samakan E ( X
k
) dengan M
k
dimulai dengan k = 1 dan seterusnya sehingga
didapat sejumlah persamaan untuk mendapatkan penyelesaian tunggal dari
1
, ..
r
, katakan h
i
( M
i,

),i=1,2,,ryangbersesuaian.
STATISTIKA MATEMATIKA II_SEMESTER 4

Soalsoallatihan:
1. Misalkan X
1
, X
2
, .., X
n
merupakan sapel acak dari suatu distribusi yang mempunyai fkp

sepertidibawah.Tentukanestimatormaksimumlikelihood(MLE)dariparameternya.
a. f(x,)=
x
e

/x!,x=0,1,2,.0.,dannoluntukyanglain.
b. f(x,)=e
1
,0<x,1,>0dannoluntukyanglain.
c. f(x,)=e
x
,<x<,<<dannoluntukyanglain.
d. f(x,)=(1/)e
x/
,x>0,>0,dannoluntukyanglain.
e. f(x,)=e
(x)
,x,<<,dannoluntukyanglain.
1. Misalkan X
1
, X
2
, .., X
n
merupakan sapel acak dari suatu distribusi yang mempunyai fkp

f(x,,)=(1/)e
(x)/
,x,<<,>0.TentukanMLEdaridan.
1. Misalkan Y
1
< Y
2
< < Y
n
merupakan order statistik dari sampel acak uang mempunyai fkp f (
x, ) = 1 , x + , < x < , dan nol untuk yang lain. Buktikan bahwa setiap statistik u (
X
1
,X
2
,,X
n
)memenuhiY
n
u(X
1
,X
2
,,X
n
)Y
1
+.
2. Distribusi Pareto sering dipakai pada model studi pemasukan ( incomes ) yang mempunyai fungsi
distribusi F ( x , , ) = 1 ( / x )

, x , dengan > 0 , dan > 0. Jika X
1
, X
2
, .., X
n

adalahsampelacakdaridistribusitersebutmakatentukanmledaridan.
3. MisalkanY
n
merupakanstatistiksehinggadan=0.BuktikanbahwaY
n
konsistenterhadap.
1. MesuaresofQualityofEstimators
Dalam bagian ini akan dibahas beberapa kriteria atau sifat dari estimator, misalnya unbiased
minimumvariansestimator(umve),atauestimatorminimax.

Definisi4.3:
Untuk n bilangan bulat positif , Y = u ( X
1
, X
2
, ., X
n
) dikatakan unbiased minimum varians
estimator ( umve ) dari suatu parameter jika Y unbias yaitu E ( Y ) = dan jika varians dari Y
lebihkecilatausamadengandarivarianssetiapestimatorunbiasuntuk.

Sebagai gambaran dapat dijelaskan sebagai berikut, misalkan X

1
, X
2
, .,X
9
merupakan sampel

acak dari distribusi normal N ( , 1 ) , < < , maka berdistribusi normal N ( , 1/9 ) dan
merupakan statistik yang unbias untuk . Di lain pihak X
1
juga berdistribusi normal N ( , 1) yang
berarti juga merupakan statistik unbias untuk . Tetapi jika diperhatikan ternyata mempunyai varians
yanglebihkeciljikadibandingdenganX
1
.
Kriteria lain yang biasa dipakai untuk menentukan suatu estimator baik didasarkan dengan adanya
fungsi kerugian, seperti uraian berikut. Misalkan X
1
, X
2
, .,X
n
merupakan sampel acak
berukuran n dari suatu distribusi yang mempunyai fkp f ( x , ). Misalkan Y = u ( X
1
, X
2
, ., X
n
)
merupakan statistik yang diharapkan merupakan estimator dari , dan w ( y ) merupakan fungsi dari
STATISTIKA MATEMATIKA II_SEMESTER 4

hasil pengamatan , yang dinamakan fungsi keputusan. Fungsi yang teridiri atas parameter dan keputusan
dinamakan fungsi kerugian ( loss function ) ,dinotasikan L ( , w(y) ) atau L. Ekspektasi dari fungsi
kerugiandinamakanfungsirisiko(riskfunction),yangdinotasikanR(,w).

Contoh:
Misalkan X
1
, X
2
, .,X
n
merupakan sampel acak dari distribusi normal N ( , 1 ), < <
, dan Y = merupakan mean dari sampel . Misalkan L ( , ( w ( y ) ) = [ w ( y ) ]
2
. Jika
w
1
( y ) = y dan w
2
( y ) = 0 maka R ( , w
1
) = E [ Y ]
2
= 1/ 25 dan R ( , w
1
) = E [
0 ]
2
=
2
. Dari hasil tersebut berarti w
1
( y ) merupakan statsitik yang mempunyai risiko lebih kecil
dibandingw
2
(y).
Soalsoallatihan:
1. Buktikan bahwa mean sampel yang berasal dari distribusi dengan fkp f ( x , ) = ( 1/ ) e
( x / )
, x >


0,>0,dannoluntukyanglainmerupakanestimatorunbiasdanmempunyaivarians
2
/n.
2. Misalkan X
1
, X
2
,....,X
n
merupakan sampel acak dari distribusi normal dengan mean nol dan varians ,
>0.Buktikanbahwamerupakanestimatorunbiasuntukdanmempunyaivarians2
2
/n.
3. Misalkan Y
1
< Y
2
< Y
3
merupakan order statistik dari sampel acak berukuran 3 yang mempunyai fkp
f ( x , ) = 1 / , 0 < x < , > 0. Buktikan bahwa 4 Y
1
, 2 Y
2
, dan ( 4 / 3 ) Y
3
merupakan unbias
estimatoruntuk.Tentukanvariansdarisemuaunbiasestimatortersebut.
4. Misalkan Y
1
dan Y
2
merupakan independen stokastik unbias estimator untuk , katakan varians Y
1
sama
denganvariansY
2
.Tentukankonstantakdanlsehingga
kY
1
+lY
2
merupakanunbiasestimatordenganvarianslebihkecildibandingvariansY
1
.
1. Misalkan X
1
, X
2
, .,X
n
merupakan sampel acak dari distribusi Poisson dengan parameter , > 0 .
Misalkan Y = dan L [ , w ( y ) ] = [ w ( y ) ]
2
. Jika w ( y ) berbentuk b + ( y / n ) , dengan b
suatukonstantayangtidaktergantungpaday,makabuktikanR(,w(y))=b
2
+(/n).
1. Misalkan X
1
, X
2
, .,X
n
merupakan sampel acak dari distribusi normal N ( , ) , > 0 , dan
tidak diketahui. Misalkan Y = dan misalkan L [ , w ( y ) ] = [ w ( y ) ]
2
. Jika w ( y ) berbentuk b y
, dengan b suatu konstanta yang tidak tergantung pada y maka buktikan R ( , w ( y ) ) = (
2
/ n
2
) [
(n
2
1)b
2
2n(n1)b+n
2
].

1. SelangKepercayaandariParameter
Dalam sub bab di atas estimasi dari suatu parameter hanya dinyatakan sebagai satu nilai saja yang
biasanya dinamakan estimasi titik. Ada kalanya penggunaan estimasi titik terhadap parameter kurang
memadai, sebagai contoh misalnya ada seseorang yang mengatakan bahwa produksi telor di Jawa Timur
pada saat ini adalah 4.987.456 butir. Hal ini kurang tepat karena pada saat orang menghitung produksi
telur yang satu ada kemungkinan yang lain sudah bertelur, maka untuk itu estimasi yang lebih tepat
adalah dengan mengatakan bahwa produksi telor di Jawa Timur adalah antara 4.789.356 dan 5.000.000.
Estimasisepertiyangterakhirinidinamakanselangkepercayaan.
STATISTIKA MATEMATIKA II_SEMESTER 4

Untukmenentukanselangkepercayaandariparameterdapatdilakukansebagaiberikut.
1. Tentukanestimasititikdarisebut
2. Tentukandistribusidari.
3. Bentukpeubahyangterdiriatasdanyangdinamakanpivot.
4. Tentukandistribusidaripivot.
5. Tentukanselangkepercayaandari.

Contoh:
Misalkan X
1
, X
2
, ..,X
n
merupakan sampel acak dari dsitribusi normal N ( ,
2
),

dengan tidak diketahui dan
2
diketahui. Akan ditentukan selang kepercayaan sebesar 1 untuk .
Darilangkahlangkahdiatasdidapat
1.Pendugadariadalah
1. DistribuaidariadalahnormalN(,
2
/n).
1. DefinisikanZ=.
2. DistribusidariZadalahnormalN(0,1).
3. Berdasarkan4,berartiP(z
/2
<Z<z
/2
)=1atau
P(z
/2
<<z
/2
)=1P(z
/2
<<+z
/2
)=1
yangberartiselangkepercayaansebesar1untukadalah
z
/2
<<+z
/2

Soalsoallatihan:
1. Misalkan nilai observasi mean dari sampel acak berukuran 20 yang berdistribusi normal N ( , 80 )
adalah81,2.Tentukanselangkepercayaansebesar95%untuk.
2. Misalkan merupakan mean dari sampel acak berukuran n dari distribusi normal N ( , 9 ) . Tentukan n
sehinggaP(1<<+1)=0,90.
3. Misalkan sampel acak berukuran 17 dari distribusi normal N ( ,
2
) diketahui = 4,7 dan s
2
= 5,76.
Tentukanselangkepercayaan90%untukmean.
4. Misalkan merupakan mean dari sampel acak berukuran n dari distribusi yang mempunyai mean dan
varians
2
= 10, dan mgf. Tentukan n sehingga dengan peluang sebesar 0,954 interval ( 1/ 2 , + 1 / 2
)memuat.
5. Misalkan X
1
, X
2
, ..,X
9
merupakan sampel acak berukuran 9 dari distribusi normal N ( ,
2

).
a. Jika diketahui , tentukan panjang 95 % selang kepercayaan untuk jika interval itu didasarkan
padasampelacak9()/.
b. Jika tidak diketahui , tentukan nilai ekspektasi panjang 95 % jika didasarkan pada sampel acak
8()/S.
STATISTIKA MATEMATIKA II_SEMESTER 4

c. Bandingkanduajawabantersebut.
1. Misalkan X
1
, X
2
, ..,X
n + 1
merupakan sampel acak berukuran n + 1 , n > 1 dari sampel acak


yang berdistribusi normal N ( ,
2
). Misalkan = dan S
2
= . Tentukan konstanta c sehingga c ( X
n +


1
)/Sberdistribusit.Jikan=8,tentukanksehinggaP(kS<X
9
<+kS)=0,80.
1. Misalkan Y berdistribusi binomial b ( 300, p ). Jika nilai observasi dari Y adalah y = 75 , maka
tentukanselangkepercayaan90%untukparameterp.
2. Jika merupakan mean dari sampel acak berukuran n yang mempunyai distribusi normal N ( ,
2
) ,
dengan
2
diketahui. Dengan menggunakan tabel daistribusi normal N ( 2 ) N ( 2 ) = 0,954 tentukan
, c
1
( ) , c
2
( ) sehingga P (c
1
( ) < < c
2
( )) = 0,954 , untuk c
1
( ) dan c
2

()merupakanfungsinaikdari.
3. Misalkan merupakan mean dari sampel acak berukuran 25 dari distribusi gamma dengan = 4 dan >
0. Gunakan teorema limit pusat untuk menentukan interval kepercayaan 0,954 dari , yaitu mean dari
distribusigamma.
4. Misalkan dua sampampel acak masingmasing berukuran 10 terambil dari distribusi normal N(
1
,
2
)

dan N (
2
,
2
), dengan = 4,8 s
1
2
= 8,64 y = 5,6 dan s
2
2
= 7,88 . Tentukan selang kepercayaan

95%untuk
1
,
2
.
5. Misalkan Y dan X dua peubah acak independen dari distribusi binimial dengan parameter n = m = 100,
dan p
1
, p
2
. Dari hasil pengamatan diketahui y = 50 dan x = 40. Tentukan selang kepercayaan 90 %

untukp
1
p
2.
.
6. Tentukan selang kepercayaan sebesar 1 untuk selisih mean
1

2
dari dua distribusi normal jika
varians
1
2
dan
2
2
diketahuidankeduanyatidaksama.
7. Jika X dan Y keduanya merupakan mean dari dua independen sampel acak yang masingmasing
berukuran n , dari distribusi normal N(
1
,
2
) dan N (
2
,
2
), dengan variansnya diketahui. Tentukan

nsehinggaP(XY/5<
1

2
<X+Y/5).
8. Jika 8,6 7,9 8,3 6,4 8,4 9,8 7,2 7,8 7,5 merupakan hasil observasi dari sampel acak berukuran 9
daridistribusinormalN(8,
2
).Tentukanselangkepercayaan90%untuk
2
.
9. Misalkan X
1
, X
2
, ..,X
n
merupakan sampel acak dari distribusi normal N ( ,
2
).

Misalkan 0 < a < b . Buktikan bahwa ekspektasi matematik panjang dari interval acak [ ( X
I
)
2
/ b ,

(X
I
)
2
/a]adalah(ba)(n
2
/ab).
10. Sampel acak berukuran 15 dari distribusi normal N ( ,
2
) diketahui = 3,2 dan s
2
= 4,24. Tentukan

selangkepercayaan90%untuk
2
.
11. Misalkan S
2
merupakan varians dari sampel acak berukuran n yang diambil dari distribusi normal N( ,

2
) dengan dan
2
keduanya tidak diketahui. Misalkan g (z) adalah fkp dari Z = n S
2
/
2
yaitu
2

( n 1 ). Misalkan a dan b suatu konstanta sehingga interval pengamatan ( n s

2
/ b , n s
2
/ a ) merupakan

selang kepercayaan sebesar 90 % untuk
2
. Jika panjang n s
2
( b a ) / ab minimum , maka buktikan a

dan b memenuhi a
2
g ( a ) = b
2
g ( b). Petunjuk jika G (z ) merupakan fungsi distribusi dari Z maka
STATISTIKA MATEMATIKA II_SEMESTER 4

derivatifkanG(b)G(a)=0,95.
12. Tentukan selang kepercayaan sebesar 1 untuk perbandingan
1
2
/
2
2
dari dua sampel acak
distribusinormaljika
1
,
2
diketahui.
13. Misalkan X
1
, X
2
, ..,X
6
merupakan sampel acak berukuran 6 dari distribusi gamma dengan

parameter=1dan>0.Tentukanselangkepercayaansebesar98%untuk.
14. Misakan S
1
2
dan S
2
2
merupakan varians dari sampel acak berukuran n dan m yang diambil dari distribusi
normal N(
1
,
2
) dan N (
2
,
2
). Gunakan kenyataan bahwa ( n S
1
2
+ m S
2
2
) /
2
berdistribusi
2
(

n+m2)untukmenentukanselangkepercayaandari
2
.

1. EstimasiBayes
Dari uraian uraian didepan terlihat bahwa untuk menentukan estimasi suatu parameter hanya
melibatkan hasil observasi atau sampel saja, sedangkan parameter dianggap suatu besaran tetap yang
tidak diketahui nilainya. Salah satu cara selain cara di atas untuk menentukan estimasi parameter adalah
dengan menganggap bahwa parameter merupakan peubah acak yang mempunyai distribusi, yang
biasanya dinamakan distribusi prior dengan notasi h ( ). Sehingga untuk menentukan estimasi dari
parameterselainmemanfaatkaninformasisampeljugamemanfaatkaninformasidistribusiprior.
Misalkan X
1
, X
2
, ..,X
n
merupakan sampel acak dari distribusi X dan Y merupakan

statistik yang merupakan fungsi dari X
1
, X
2
, ..,X
6
, maka fkp dari Y untuk setiap adalah

fkp bersyarat dari Y jika = diberikan , yang dinotasikan g ( y / ). Berarti fkp bersama antara Y dan
adalah k ( y , ) = h ( ) g ( y / ). Sedangkan fkp marginal dari Y adalah k
1
( y
) , sehingga fkp bersyarat dari jika diberikan Y = y adalah k ( / y ) = yang dinamakan distribusi
posterior. Jika L ( , w ( y ) ) merupakan fungsi kerugian dengan w ( y ) adalah estimator yang diambil,
maka penyelesaian Bayes adalah w ( y ) yang meminimumkan fungsi kerugian. Jika L ( , w ( y ) )
= ( w ( y ) )
2
maka w ( y ) merupakan mean dari k ( / y ), dan jika

L(,w(y))=(w(y))makaw(y)merupakanmediandarik(/y).

Soalsoallatihan:
1. Misalkan X
1
, X
2
, ..,X
n
merupakan sampel acak dari distribusi normal N ( ,
2
) dan Y =

X merupakan sampel dari mean. Ambil fungsi kerugian L ( , w ( y ) = ( w ( y ) ) .
Jika berdistribusi normal N ( ,
2
) dengan diketahui . Tentukan penyelesaian Bayes w ( y )
sebagaiestimasititikuntuk.
2. Misalkan X
1
, X
2
, ..,X
n
merupakan sampel acak dari distribusi Poison dengan mean > 0.

Misalkan Y = X
I
dan fungsi kerugian adalah L ( , w ( y ) ) = ( w ( y ) )
2
. Jika h ( ) =
1
e

/
/()

,>0.TentukanpenyelesaianBayessebagaiestimasititikuntuk.
3. Misalkan Y
n
merukan order statistik ke n dari sampel acak berukuran n yang mempunyai fkp f ( x ) = 1/
, 0 < x < , dan nol untuk yang lain. Misalkan fungsi kerugian yang digunakan adalah L ( , w ( y ) ) =
STATISTIKA MATEMATIKA II_SEMESTER 4

( w ( y ) )
2
dan h ( ) =

/
+ 1
, < < . Tentukan penyelesaian Bayes

sebagaiestimasititikuntuk.

STATISTIKA MATEMATIKA II_SEMESTER 4