Teorema Limit Pusat

Review Teorema Limit Pusat Teorema Limit Distribusi
Teorema Limit Pusat dan Limit Distribusi

pendekatan dengan kasus
Andi Kresna Jaya

andikresna@yahoo.com
Jurusan Matematika
September 22, 2014

Andi Kresna Jaya andikresna@yahoo.com
Outline
Review
Teorema Limit Pusat
Teorema Limit Distribusi
Back
Outline
Review
Teorema Limit Pusat
Back
Outline
Review
Teorema Limit Pusat
Back
Sasaran pembelajaran: Kemampuan mahasiswa menjelaskan

konsep limit distribusi
1
2
Kemampuan memahami teorema limit pusat

Ketepatan dalam penjelasan limit distribusi untuk penaksir
Metode: Kuliah dan Diskusi

Text book: Hogg dan Craig, Introduction to
Mathematical Statistics; Casella dan Berger,
Statistical Inference
Opening
It is a capital mistake to theorize before one has data.

Insensibly one begins to twist facts to suit theories, instead of
theories to suit facts. - Sherlock Holmes, A Scandal in
Bohemia Sir Arthur Conan Doyle
Planning a statistical analysis after youve collected the data
is like developing plans for a structure after youve purchased
the materials.
Opening
It is a capital mistake to theorize before one has data.

Insensibly one begins to twist facts to suit theories, instead of
theories to suit facts. - Sherlock Holmes, A Scandal in
Bohemia Sir Arthur Conan Doyle
Planning a statistical analysis after youve collected the data
is like developing plans for a structure after youve purchased
the materials.
Ada dua teorema penting dalam Teori Peluang, yang pertama

adalah Teorema Limit Pusat dan yang kedua adalah Hukum
Bilangan Besar. (Hukum bilangan besar akan dipelajari pada
mata kuliah tingkat lanjut)
Teorema limit pusat menyatakan bahwa Distribusi dari jumlah
(atau rata-rata) variabel yang distribusinya saling bebas dan
identik adalah berdistribusi (hampiran) normal.
Untuk memahami ini akan diberikan tinjauan untuk kasus
sederhana.
Misalkan X adalah peubah acak dengan fmp

0, 45 x = 1
f (x) =
0, 55 x = 2
dan nol untuk yang lain.
Jika diambil sampel acak berukuran n dari distribusi

sederhana.

0, 45 x = 1
f (x) =
0, 55 x = 2

sederhana.

0, 45 x = 1
f (x) =
0, 55 x = 2

sederhana.

0, 45 x = 1
f (x) =
0, 55 x = 2

sederhana.

0, 45 x = 1
f (x) =
0, 55 x = 2
Untuk n = 2, 3, 4, bentuk grafik fmp untuk X adalah:
Untuk n = 40, bentuk grafik fmp untuk X adalah:
Bentuk kurva menyerupai kurva normal.

Pada materi distribusi untuk X , mean sampel distribusi

N(, 2 ), bentuk peubah acak

n(X )
Z=
untuk sembarang bilangan bulat positif n, akan berdistribusi

N(0, 1).
p
Jika n maka Z Z0 , dimana Z0 N(0, 1)

Walaupun kondisi X bukan dari distribusi Normal, bentuk

n(X )
Y =
akan mempunyai distribusi hampiran normal dengan mean 0

dan variansi 1.


n(X )
Z=

N(0, 1).
p


n(X )
Y =

dan variansi 1.


n(X )
Z=

N(0, 1).
p


n(X )
Y =

dan variansi 1.
teorema limit pusat

Teorema 1
Misalkan X1 , X2 , , Xn adalah sampel acak dari sebuah distribusi
peluang yangPmeannya dan variansinya 2 > 0. Maka peubah
acak Yn = ( Xi n)/ n = n(X )/ konvergen dalam

distribusi ke peubah acak yang berdistribusi N(0, 1).
Misalkan X adalah mean sampel acak yang berukuran n = 75
dari distribusi dengan fkp

1 0<x <1
f (x) =
0 yang lain
Aproksimasi nilai P(0.45 < X < 0.55)
teorema limit pusat

Teorema 1
Misalkan X1 , X2 , , Xn adalah sampel acak dari sebuah distribusi
peluang yangPmeannya dan variansinya 2 > 0. Maka peubah
acak Yn = ( Xi n)/ n = n(X )/ konvergen dalam

distribusi ke peubah acak yang berdistribusi N(0, 1).
Misalkan X adalah mean sampel acak yang berukuran n = 75
dari distribusi dengan fkp

1 0<x <1
f (x) =
0 yang lain
Aproksimasi nilai P(0.45 < X < 0.55)
contoh 1
Diketahui f (x) = 1, 0 < x < 1 dan nol untuk yang lain. maka
Z
xdx =
0
2 =
1
2
(x 1/2)2 dx =
1
12
Maka aproksimasi nilai P(0.45 < X < 0.55) adalah

n(X )
<b
P(0.45 < X < 0.55) = P a <
= P(1.5 < Z < 1.5)

= 0.866
catatan a =
n(0.45)
dan b =
n(0.55)
contoh 1
Z
xdx =
0
2 =
1
2
(x 1/2)2 dx =
1
12

n(X )
<b
P(0.45 < X < 0.55) = P a <
= P(1.5 < Z < 1.5)

= 0.866
catatan a =
n(0.45)
dan b =
n(0.55)
contoh 1
Z
xdx =
0
2 =
1
2
(x 1/2)2 dx =
1
12

n(X )
<b
P(0.45 < X < 0.55) = P a <
= P(1.5 < Z < 1.5)

= 0.866
catatan a =
n(0.45)
dan b =
n(0.55)
Misalkan X1 , X2 , , Xn menyatakan sampel acak dari

distribusi b(1, p). Misalkan Yn = X1 + X2 + + Xn , maka
Yn b(n, p). Untuk menghitung peluang Yn akan lebih
sederhana menggunakan fakta bahwa
(Y np)
p n
N(0, 1)
np(1 p)
dibandingkan dengan melakukan hampiran peluang dari
pendekatan Poisson.
Kerap kali, para statiskawan percaya bahwa Yn mempunyai
distribusi hampiran normal dengan mean np dan variansi
np(1 p).
Perhatikan untuk n = 10 (ini cukup kecil untuk menyatakan
bahwa peluang untuk Yn dapat diaproksimasi dengan
distribusi Poisson) dan p = 0.5. Perbandingan b(10, 1/2)
dengan N(5, 5/2) mempunyai luasan yang (nyaris) sama.

(Y np)
p n
N(0, 1)
np(1 p)
pendekatan Poisson.
np(1 p).

(Y np)
p n
N(0, 1)
np(1 p)
pendekatan Poisson.
np(1 p).
Grafik fmp b(10, 1/2) dengan fkp N(5, 5/2)
contoh 2
Misalkan X1 , X2 , , Xn menyatakan sampel acak berukuran
n = 100 dari distribusi b(1, 1/2). Misalkan
Y = X1 + X2 + + Xn , maka Yn b(n, p). Tentukan
peluang
P(Y = 48, 49, 50, 51, 52)
Perhatikan bahwa dalam distribusi binomial untuk Y
(Y b(100, 1/2)), maka nilai diskrit {Y = 48, 49, 50, 51, 52}
dengan selang (47, 5; 52, 5) pada distribusi N(50, 25) adalah
ekuivalen.

P
100
100 = 0, 3827
P(Y = 48, 49, 50, 51, 52) = 52
y =48 y (1/2)
P(47, 5 < Y < 52, 5) = 0, 3829
dikerjakan dengan menggunakan distribusi N(0, 1)
P(Y = 48, 49, 50, 51, 52) = P(47, 5 < Y < 52, 5)
= P(0.5 < Z < 0.5) = 0.3829
contoh 2
peluang
P(Y = 48, 49, 50, 51, 52)
ekuivalen.

P
100
100 = 0, 3827
P(Y = 48, 49, 50, 51, 52) = 52
y =48 y (1/2)
P(47, 5 < Y < 52, 5) = 0, 3829
P(Y = 48, 49, 50, 51, 52) = P(47, 5 < Y < 52, 5)
= P(0.5 < Z < 0.5) = 0.3829
contoh 2
peluang
P(Y = 48, 49, 50, 51, 52)
ekuivalen.

P
100
100 = 0, 3827
P(Y = 48, 49, 50, 51, 52) = 52
y =48 y (1/2)
P(47, 5 < Y < 52, 5) = 0, 3829
P(Y = 48, 49, 50, 51, 52) = P(47, 5 < Y < 52, 5)
= P(0.5 < Z < 0.5) = 0.3829
contoh 2
peluang
P(Y = 48, 49, 50, 51, 52)
ekuivalen.

P
100
100 = 0, 3827
P(Y = 48, 49, 50, 51, 52) = 52
y =48 y (1/2)
P(47, 5 < Y < 52, 5) = 0, 3829
P(Y = 48, 49, 50, 51, 52) = P(47, 5 < Y < 52, 5)
= P(0.5 < Z < 0.5) = 0.3829
teorema dan bukti

Teorema 2
Misalkan Fn (u) adalah fungsi distribusi dari peubah acak Un yang
p
bergantung pada n. Jika Un c, di mana c 6= 0, maka peubah
p
acak Un /c 1.
Untuk sembarang > 0
maka

Un

1
P
1 <
= P |Un c| <
c
c
= P (|Un c| < |c|)
maka

Un

lim P
1 < = lim P (|Un c| < |c|) .
n
n
c
teorema dan bukti

Teorema 2
p
p
acak Un /c 1.
Untuk sembarang > 0
maka

Un

1
P
1 <
= P |Un c| <
c
c
= P (|Un c| < |c|)
maka

Un

lim P
1 < = lim P (|Un c| < |c|) .
n
n
c
teorema dan bukti

Teorema 2
p
p
acak Un /c 1.
Untuk sembarang > 0
maka

Un

1
P
1 <
= P |Un c| <
c
c
= P (|Un c| < |c|)
maka

Un

lim P
1 < = lim P (|Un c| < |c|) .
n
n
c
Karena untuk sembarang > 0, maka

limn P (|Un c| < ) = 1, maka

Un

lim P
1 < = 1.
n
c
Un p
c
1.
Karena untuk sembarang > 0, maka

limn P (|Un c| < ) = 1, maka

Un

lim P
1 < = 1.
n
c
Un p
c
1.
Teorema 3
p
bergantung pada n. Jika Un c, di mana
c p6=0 dan
P(Un < 0) = 0n, maka peubah acak Un c.
Perhatikan bahwa
bentuk
limn P(|Un c| ) = 0, dan
(Un c) = ( Un c)( Un + c). maka

p
p
P(|Un c| ) = P(|( Un c)( Un + c)| )

p

= P | Un c|
( Un + c)
p

P | Un c|
.
( c)

Perhatikan bahwa P | Un c| (c) 0. Untuk

n berlaku
p

0 lim P | Un c|
lim P(|Un c| ) = 0.
n
n
( c)
Sehingga
Un p
c
1.
Teorema 4
bergantung pada n. Jika limit distribusi Un adalah F (u) dan
p
misalkan terdapat peubah acak Vn 1,maka limit distribusi dari
peubah acak Wn = Un /Vn adalah F (w ).
Berikut adalah sebuah penerapan 4 teorema di atas, untuk
X1 , X2 , P
, Xn sampel acak dari distribusi Bernoulli, b(1, )
dan Yn = Xi .
Misalkan Yn b(n, ) untuk 0 < < 1, maka dengan
teorema 1 diperoleh
Yn n
Un = p
N(0, 1).
n(1 )
p
Perhatikan pula bahwa Yn /n dan (1 Yn /n) (1 ),

maka

Yn
Yn p
1
(1 ).
n
n
Teorema 4
p
X1 , X2 , P
dan Yn = Xi .
teorema 1 diperoleh
Yn n
Un = p
N(0, 1).
n(1 )
p

maka

Yn
Yn p
1
(1 ).
n
n
Teorema 4
p
X1 , X2 , P
dan Yn = Xi .
teorema 1 diperoleh
Yn n
Un = p
N(0, 1).
n(1 )
p

maka

Yn
Yn p
1
(1 ).
n
n
Maka dengan teorema 2 diperoleh

(Yn /n)(1 Yn /n) p
1.
(1 )
Selanjutnya dengan memakai teorema 2, misalkan

Vn =
(Yn /n)(1 Yn /n)

(1 )
1/2
Vn 1.
Jika peubah acak Wn = Un /Vn , maka dengan teorema 4,
diperoleh bahwa Wn N(0, 1).

(Yn /n)(1 Yn /n) p
1.
(1 )

Vn =
(Yn /n)(1 Yn /n)

(1 )
1/2
Vn 1.

(Yn /n)(1 Yn /n) p
1.
(1 )

Vn =
(Yn /n)(1 Yn /n)

(1 )
1/2
Vn 1.

(Yn /n)(1 Yn /n) p
1.
(1 )

Vn =
(Yn /n)(1 Yn /n)

(1 )
1/2
Vn 1.
contoh 3
Misalkan Y b(n, p) Tentukan nilai peluang bahwa
Y np
q

n Yn 1 Yn
terletak di selang (2, 1), jika n .
Untuk menjawab ini dapat dimanfaatkan bentuk
Y np
Wn = Un /Vn = q
.
n Yn 1 Yn
Sehingga untuk n maka
Y np
q
N(0, 1),
n Yn 1 Yn
contoh 3
Y np
q

n Yn 1 Yn
Y np
Wn = Un /Vn = q
.
n Yn 1 Yn
Y np
q
N(0, 1),
n Yn 1 Yn
contoh 3
Y np
q

n Yn 1 Yn
Y np
Wn = Un /Vn = q
.
n Yn 1 Yn
Y np
q
N(0, 1),
n Yn 1 Yn
Y np
= P(2 < Z < 1)
P 2 < q
<1
Y
Y
nn 1 n
= (1) (2)
= (1) + (2) 1
= 0, 8413 + 0, 9772 1
= 0, 8186.
Closing
Statistics really is like rocket science; it isnt

easy, even to us who have studied it for a long time.
Anybody who think its easy surely lacks a deep
enough knowledge to understand why it isnt! If your
scientific integrity matters, and statistics is a
mystery to you, then you need expert help. Find a
statistician in your company or at a nearby
university, and talk to her face-to-face if possible.
It may well cost money. Its worth it.
Russ Lenth

Teorema Limit Pusat

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Teorema Limit Pusat

Diunggah oleh

Hak Cipta:

Format Tersedia

Review Teorema Limit Pusat Teorema Limit Distribusi