Di Susun:
Dr. Ahmad Yani T.,M.Pd.
NIP. 196604011991021001
KATA PENGANTAR
Assalamualaikum Wr.Wb.
Alhamdulillah, Puji syukur kami ucapkan kehadirat Allah Swt karena atas
rahmat dan hidayahnya lah kami dapat menyelesaikan penyusunan buku ini,
sebagai prasyarat untuk menyelesaikan tugas kuliah Statistika Matematika
Semoga makalah ini dapat bermanfaat bagi para pembaca untuk
kedepannya.
Terima kasih kami ucapkan kepada Bapak Dr. Ahmad Yani . T .selaku
dosen mata kuliah Statistika Matematika yang telah banyak membimbing dalam
perkuliahan.
Kami sebagai penulis menyadari bahwa dalam penyusunan makalah ini
terdapat kekurangan oleh sebab kami sangat membutuhkan kritik dan saran demi
kesempurnaan makalah ini.Akhirnya saya ucapkan terima kasih atas kesediaannya
membaca makalah ini.
Wassalamualaikum Wr.Wb.
DAFTAR ISI
Kata Pengantar......................................................................................................... ii
Daftar Isi .................................................................................................................. ii
Bab 1 Koefisien Korelasi ......................................................................................... 1
Bab 2 Hubungan Harapan Dan Variansi Dari Peubah Acak Khusus (Bahasan 1) 18
Bab 3 Hubungan Harapan Dan Variansi Dari Peubah Acak Khusus (Bahasan 2) 36
Bab 4 Kebebasan Stokastik ................................................................................... 54
Bab 5 Sifat-Sifat Kebebasan Stokastik Dua Peubah Acak .................................... 73
Bab 6 Peubah Acak Diskrit ................................................................................... 82
Bab 7 Distribusi Hipergeometrik & Distribusi Poisson ........................................ 97
Bab 8 Beberapa Model Distribusi Kontinu ......................................................... 116
Bab 9 Distribusi Normal ...................................................................................... 132
Bab 10 Distribusi Gamma, Eksponensial, Dan Chi-Square ................................ 146
Bab 11 Transformasi Peubah ............................................................................... 162
Bab 12 Uji , Distribusi , Distribusi Dan Distribusi S2 ................................ 196
Lampiran .............................................................................................................. 225
ii
BAB I
KOEFISIEN KORELASI
juga dapat diartikan sebagai nilai yang menunjukkan kekuatan dan arah hubungan
linier antara dua buah peubah acak.
Korelasi bermanfaat untuk mengukur kekuatan hubungan antara dua
variabel atau lebih dengan skala-skala tertentu, misalnya Pearson data harus
berskala interval atau rasio; Spearman dan Kendal menggunakan skala
ordinal; Chi Square menggunakan data nominal.
(, )
{ 2 ( )2 }{ 2 ( )2 }
variabel Y akan tinggi pula. Sebaliknya, jika koefisien korelasi negatif, maka
kedua variabel mempunyai hubungan terbalik. Artinya jika nilai variabel X tinggi,
maka nilai variabel Y akan menjadi rendah (dan sebaliknya).
Koefisien korelasi terletak antara -1 dan 1. Berikut ini adalah arti dari
koefisien korelasi:
1). Jika 0,9 << 1 atau -0,9 << -1 , maka hubungan antara dua peubah acak
sangat kuat.
2). Jika 0,7 << 0,9 atau -0,7 << -0,9, maka hubungan antara dua peubah acak
kuat.
3). Jika 0,5 << 0,7 atau -0,5 << -0,7, maka hubungan antara dua peubah acak
moderat.
4). Jika 0,3 << 0,5 atau -0,3 << -0,5, maka hubungan antara dua peubah acak
lemah.
5). Jika 0 << 0,3 atau 0 << -0,3, maka hubungan antara dua peubah acak sangat
lemah
6). Jika = 0, maka tidak ada hubungan antara dua peubah acak.
CONTOH 1 :
Misalnya X dan Y dua peubah acak diskrit yang memiliki f. k. p bersama sebagai
berikut:
1
f (x)
={
, = 0,1
0,
X
0
={
f (x)
, = 0,1
0,
1 = 2
b. Jumlah ke samping membentuk f.k.p marginal Y, yaitu:
1
f (x)
={
, = 0,1
0,
2 = 2
c. Kov(X,Y)
E(XY) = 1=0 1=0 . (, )
= 0.0.f(0,0) + 0.1.f(0,1) + 1.0.f(1,0) + 1.1.f(1,1)
1
=0+2
1
1
2
. 2 = 2 4= 4
4
1
2
1
= 0,5
2
Pada contoh di atas diperoleh = 0,5. Ini menandakan hubungan yang moderat
antara X dan Y.
CONTOH 2 :
Jika X dan Y peubah acak dengan variansi x2 = 5,y2 = 2 dan kovariansi xy = 4
Tentukan variansi peubah acak Z = 4X 2Y + 11 !
Penyelesaian:
z2 = 4x-2y+11 2
= 4x-2y 2
= 16 x2 - 16 xy + 4 y2
= 16(5) 16(4) + 4(2)
5
= 24
Jadi, variansi peubah acak Z = 4x 2y + 11 yaitu 24
CONTOH 3 :
Berikut ini adalah data tinggi badan dan berat badan mahasiswa P. MTK 2010
Data
170
168
173
172
165
168
165
168
172
148
50
63
80
75
45
68
62
80
85
40
Tinggi Badan
(X)
Berat Badan (Y)
Tentukanlah koefisien korelasi tinggi badan dan berat badan mahasiswa P. MTK
2010, serta berikan kesimpulan!
Penyelesaian :
X
170
168
173
172
165
168
165
168
172
148
=
1.669
50
63
80
75
45
68
62
80
85
40
=
648
2890 2822
0
2992
9
2958 2722
4
2822 2722
4
2822
4
2958 2190 2 =
4
279.0
23
2500 3969
6400
5625 2025
4624 3844
6400
7225 1600 2 =
44.21
2
8500
1058
1384
1290 7425
0
1142
1023 3440
1462 5920 =
0
108.8
83
{ 2 ( )2 }{ 2 ( )2 }
10(108.883) (1.669)(648)
{10(279.023) (1669)2 }{10(44.212) (648)2 }
1.088.830 1.081.512
{2.790.230 2.785.561}{442.120 419.904}
7.318
(4669)(22.216)
7.318
10.184,621
= 0,72
Karena, nilai = 0,72 terletak di antara 0,7 dan 0,9, maka terdapat hubungan yang
kuat dan berbanding lurus antara tinggi badan dan berat badan mahasiswa P.MTK
2010.
2 = (0,72)2 = 0,5184 = 51,84%, artinya variasi tinggi badan yang dapat
dijelaskan oleh variasi berat badan mahasiswa oleh persamaan regresi = -197,23
+ 1,57X adalah sebesar 51,84%. Sisanya sebesar 48,16% dijelaskan oleh faktor
lain di luar variabel pada persamaan regresi tersebut.
2
( x 1 )
1
Bukti:
Misalkan E ( Y | x ) merupakan fungsi linier dari x.
Maka E ( Y | x ) = a + bx. Akan dicari nilai a dan b.
Karena
E(Y|x)
y f ( Y | x ) dy
1
y f ( x , y ) dy
f ( x)
Atau
1
y f ( x , y ) dy = a + bx
f ( x)
Kedua ruas pers (1) kita integrasikan terhadap x dari - sampai , maka:
y f ( x , y ) dy dx =
(a + bx) f (x) dx
E(Y) = a+bE(X)
Atau
2 a b1 (2)
Selanjutnya jika kedua ruas pers (1) dikalikan dengan x kemudian kita
integrasikan terhadap x dari - sampai maka:
xy f ( x , y ) dy dx =
x (a + bx) f (x) dx
Atau
E ( XY ) = a E ( X ) + b E ( 2 )
atau
1 2 12 a1 b(12 12 ) (3)
Ingat:
kov( X , Y )
atau Kov ( X, Y ) = ( X ) (Y )
( X ) (Y )
Kov ( X, Y ) = E ( XY ) - E ( X ) E ( Y )
Jadi
E ( XY ) = 1 2 12
1 1
dan
E ( Y | x ) = a + bx
2
1 + 2 x
1
1
2
( x 1 )
1
2
1
2
( x 1 ) Terbukti.
1
Teorema 1.6.2:
Jika E ( X | y ) berupa fungsi linier dari y maka
E ( X | y ) 1
1
( x 2 )
2
Bukti:
Misalkan E ( X | y ) merupakan fungsi linier dari y.
Maka E ( X | y ) = a + by. Akan dicari nilai a dan b.
Karena
1
E ( X | y ) x f ( X | y ) dx
x f ( x , y ) dx
f ( y )
Atau
1
x f ( x , y ) dx = a + by
f ( y )
Kedua ruas pers (1) kita integrasikan terhadap y dari - sampai , maka:
x f ( x , y ) dx dy =
(a + by) f (y) dy
10
E(X) = a+bE(Y)
Atau
1 a b2 (2)
Selanjutnya jika kedua ruas pers (1) dikalikan dengan y kemudian kita
integrasikan terhadap y dari - sampai maka:
yx f ( x , y ) dx dy =
y (a + by) f (y) dy
Atau
E ( XY ) = a E ( Y ) + b E ( Y 2 )
atau
21 2 1 a2 b( 22 22 ) (3)
Ingat:
kov( X , Y )
atau Kov ( X, Y ) = ( X ) (Y )
( X ) (Y )
Kov ( X, Y ) = E ( XY ) - E ( X ) E ( Y )
Jadi
E ( XY ) = 21 2 1
2 2
dan
E ( X | y ) = a + by
1
2 + 1 y
2
2
11
1
2
1
( y 2 )
2
1
( y 2 ) Terbukti.
2
Teorema 1.6.3
Misalkan E(|x) berupa fungsi linear dari x. Jika k(x) = E [{ (|)}2 |]
maka E[()]=22 (1 2 )
Bukti :
Ingat : E (|) = 2 + 2 ( 1 )
1
K(x)
= E [{ (|)}2 |]
~
=~ { 2 2 ( 1 )} (|)
1
=() ~ {( 2 ) 2 ( 1 )} (|)
1
Jika kedua ruas kita kalikan dengan f(x) kemudian kita integrasikan terhadap x
dari ~ sampai
, maka
()() =
~
{ 2
~ ~
~
{( 2 )2 2
~ ~
+ 2
2
2
( 1 )} (|)
1
2
( 1 )( 2 )
1
2
( 1 )2 } (, )
1
12
= E[( 2 )2 2 2 ( 1 )( 2 ) + 2 2 [( 1 )2 ] ]
1
=22 2 2 (1 2 ) + 2 22 12
1
Ingat
(1 )(2 )
1 2
=22 212 22 + 2 22
=22 2 22
= 2 (1 2 )
~
CONTOH 4 :
1
Diketahui : E (|) = 2 + 2 ( 1 )
1
E (|) = 1 + 1 ( 2 )
2
sehingga E (|1 ) = 2
E (|1 ) = 1
1
1
16
13
Kemudian diperoleh 1 =
15
4
2 = 12
2
1
1
2
= 2
1
Akibatnya 2 = 4. 16= 4 = 2
14
LATIHAN SOAL
Misalnya X dan Y dua peubah acak diskrit yang memiliki f. k. p bersama sebagai
berikut:
1
f(x) ={4 ,
1
2
b. 1
c.
3
2
d. 2
2. Berapakah mean dari y?
a.
1
2
b. 1
c.
3
2
d. 2
3. Berapakah variansi dari x?
a.
b.
c.
d.
1
4
3
4
5
4
7
4
1
4
3
4
5
4
7
4
1
2
3
2
15
c.
d.
5
2
7
2
1
2
1
3
5
4
d. 1
7. Berapakah koefisien korelasi antara x dan y?
a. 1
b.
c.
d.
1
3
1
2
1
4
PEMBAHASAN
1
4
1
4
Y
0
16
1
4
1
4
1
4
1
4
1
4
1
4
1
4
1
4
1
4
1
4
1. Mean dari x
1
5
4
4. Variansi dari y
1
3 2
5
4
5. Ekspetasi xy
E(XY) = 3=0 3=0 . (, )
= 0.0.f(0,0) + 0.1.f(0,1) + 0.2.f(0,2) + 0.3.f(0,3) + 1.0.f(1,0) +
1.1.f(1,1) + 1.2.f(1,2) + 1.3.f(1,3) + 2.0.f(2,0) + 2.1.f(2,1) +
2.2.f(2,2) + 2.3.f(2,3) + 3.0.f(3,0) + 3.1.f(3,1) + 3.2.f(3,2) +
3.3.f(3,3)
1
= 0 + 0 + 0 + 0 + 0 + 1. 4 + 0 + 0 + 0 + 0 + 4.4 + 0 + 0 + 0 + 0 + 9.4
1
=4+4+4
7
=2
16
3
2
.2 =
14
4
4
5
=
5
.
4
4
4
5
4
8. z2 = 2x-3y+7 2
= 2x-3y 2
= 4x2 - 12 xy + 9y2
= 4(3) 12(3) + 9(3)
=3
Jadi, variansi peubah acak Z = 4x 2y + 11 yaitu 3
17
4= 4
=1
BAB 2
HUBUNGAN HARAPAN DAN VARIANSI DARI PEUBAH ACAK KHUSUS
(bahasan 1)
1. Tujuan
Adapun tujuan dari mempelajari materi hubungan harapan dan variansi
dari peubah acak adalah :
a. Mengetahui bagaimana hubungan harapan dan variansi dari peubah
acak.
b. Memenuhi tugas mata kuliah statistik matematika
2. Materi
Untuk menentukan nilai variansi dari peubah acak khusus terlebih dahulu
kita harus dapat mecari nilai harapannya (ekspektasi). Hubungan harapan
dan variansi dari peubah acak khusus ditunjukkan oleh rumus sebagai
berikut :
() = ( 2 ) (())
2 = ( 2 ) 2
() = . ()
18
Teorema 1.7.1 :
(1 )1 , = 0, 1
Jika berdistribusi Bernoulli () = {
0, untuk yang lain
Maka () = dan () =
Bukti :
E(X) = . ()
1
E (X) =
xp
(1 p)1 x
x 0
E (X2) =
p x (1 p)1 x
x 0
19
= p (1 p)
Ingat : q = 1 p.
= pq
p x (1 p)1 x , x 0,1.
Jadi, jika X berdistribusi Bernoulli p(x) =
0, untuk x yang lain
maka E (X) = p dan Var (X) = pq.
Teorema 1.7.2 :
() (1 ) , = 1, 2, 3, ,
Jika berdistribusi binomial () = {
0, untuk yang lain
maka () = dan () =
Bukti :
E (X) = . ()
n
E (X) =
x 0
(1 p) n x
n 1
n x 1 p
x 1
x x p
n 1
q n x
q n 1 x 1
n x 1 p
x 1
(1 ) = q
n
n 1 x 1 n1 x 1
p q
= np
x 0 x 1
20
n 1
n 1 x 1 n1 x 1
p q
= np
x 10 x 1
n 1 k n 1k
p q
= np
k 0 k
n 1
= np p q n1
= np
Jadi E (X) = np.
n
E (X2) =
x
x 0
n x
p (1 p) n x
x
n
xx 1 x x p
n
x 0
(1 p) n x
n
n x
n
n x
n x
x
x
1
p
(
1
p
)
x p x 1 p
x
x 0
x 0 x
n
n
n 2 x
p (1 p) n x E ( X )
= n(n 1)
x 2 x 2
n
n 2 x 2 n2 x 2
p q
E( X )
= n(n 1) p 2
x 2 x 2
= n(n 1) p 2
n2
n 2
x 2 p
x 20
x 2
q n2 x 2 E ( X )
n2 n 2
k n2 k
p q
E ( X ) , k = x-2
= n(n 1) p 2
k 0 x 2
= n(n 1) p 2 ( p q) n2 np
21
= n 2 p 2 np 2 np
= n 2 p 2 np1 p
= n 2 p 2 npq
Jadi E (X2) = n 2 p 2 npq
Var (X) = E (X2) - E X 2
= n 2 p 2 npq - (np)2
= npq.
n x
p (1 p) n x , x 0,1,2,..., n.
Jadi, jika X berdistribusi Bernoulli p(x) = x
Teorema 1.7.3 :
maka () = dan () =
Bukti :
M x (t ) E (etx )
22
! , = 0, 1, 2,
0, untuk yang lain
x
~
etx. e
x!
x0
t x
~
e . ( (e ) )
x!
x0
t
e .ee
t
ee .e
t
e (e 1)
(et 1)
M (t ) e
x
akibatnya :
M ' (t ) (et )e
(et 1)
Jika t = 0 maka
0
M ' (0) (e0 )e (e 1)
M ' (0) (.1)1
M ' (0)
t
t
M "(t ) (et )e (e 1) (et )2 e (e 1)
Jika t = 0 maka
M "(0) 2 E ( x 2 )
2 M "(0) 2 2 2
Jadi, jika x berdistribusi poisson
f ( x)
.e , x0,1,2,...
x!
0, untuk x yang lain
maka dan . Terbukti
23
Teorema 1.7.4 :
1
, b x c, b c
Jika X berdistribusi seragam f (x) = c b
maka E (X) =
bc
c b
dan Var (X) =
2
12
Bukti :
c
E( X ) x
b
1
1 1 2c
dx
x
cb
2 cb b
1 2 2
[
]
2
1 ( + )( )
( )
2
1
= ( + )
2
E(
2)
= 2
b
1
1 1
=
3 bc
1 1
( 3 3 )
3
=
1 1
( 2 + + 2 )( )
3
=
1 2
( + + 2 )
3
24
1
( )2
12
, ,
Jadi, jika berdistribusi seragam () = { 0, untuk yang lain
Maka () =
+
2
dan Var () =
()2
12
terbukti
25
A. Pilihan berganda
Jawablah pertanyaan di bawah ini dengan memilih jawaban yang tepat
dengan memberi tanda silang pada huruf A, B, C, D, atau E.
A. 11/32
D. 22/32
B. 11/64
E. 22/96
C. 11/96
Jawaban : A
Penyelesaian :
Misalnya X menyatakan banyak tanda gambar yang muncul
Dalam hal ini, = 4, = 6 dan = 1/2
Fungsi peluang dari X adalah :
1
1 6
; x = 4, 5, 6
1 5 1 1
1 6 1 0
= 64 + 64 +
22
11
P(X 4) =64 = 32
26
1
64
D. 0,2376
B. 0,3256
E. 0,4432
C. 0,3342
Jawaban : A
Penyelesaian :
P(X) = P(X = x) =
; x = 0, 1, 2, 3,
P(X = 0) = 0,2
0
0!
= 0,2
= 0,2
= 1,6
Jadi :
P(X= 2) =
(1,6)2 1,6
2!
= 0, 2584
27
Jawab :
A. 2/3
C. 3/4
B. 1/2
D. 3/2
E. 4/5
Jawaban : B
Penyelesaian :
Berdasarkan sifat dari fungsi densitas, maka :
31
P( 1< < 3) = 1
dx
1
= [4 ]
= [4 . 3] [4 . 1]
3
1
=[ ][ ]
4
4
2
=[ ]
4
1
=[ ]
2
2
P( 1< < 3) = 4 = 2
27
128
27
127
25
d.128
25
e.125
28
127
28
Jawaban : A
Penyelesaian :
Misalnya X menyatakan banyak tanda gambar yang muncul
Dalam hal ini, = 2, = 4 dan = 0,75 = 3/4
Fungsi peluang dari X adalah :
() = ()() (1 ) ; x = 2
3 2 1 42
4! 3 2 1 2
27
(2) =
( ) ( ) =
2! 2! 4
4
128
2 2
!
; y = 0, 1, 2, 3,
29
3 6
; y = 0, 1, 2, 3, 4, 5, 6,
3. Misalkan Y~ B(y, 1, 4 )
Tentukan fungsi distribusi dari Y.
Penyelesaian :
Fungsi peluang dari Y adalah :
3 1
; y = 0,1
Jadi : p(0) = 4
1
P(1) = 4
Distribusi peluang dari Y adalah :
Y
P(y)
1
3
4
1
4
F(y) = 4
30
Untuk y 1
F(y) = 1 () = 11 ()
= p(0) + p(1)
3
=4+4
F(y) = 1
Sehingga : F(y) = 0, y < 0
3
=4;0 <1
=1;y1
P( 1 < x < 5) = 1
1
= (] =14)
4
P( 1< x < 5) = 4
31
= 2 , = 2 , = 2, = 5
penyelesaian :
1
Diket: = 2 , = 2 , = 2, = 5
Ditanyakan: () = probabilitas peristiwa binomial
Jawab:
() = ( ) (1 ) , 1 =
32
2
1 52
5 1
(2) = ( ) ( ) ( )
2 2
2
5.4.3! 1 1
.( )( )
2! .3! 4 8
5
(2) =
16
(2) =
Diket: = 2
=2
memperoleh 2 buah H
=3
() = ( ) (1 ) , 1 =
2
1 32
3 1
(2) = ( ) ( ) ( )
2 2
2
3.2! 1 1
.( )( )
2! .1! 4 2
3
(2) =
8
(2) =
33
Penyelesaian:
1
Diket: = 2
= 7, 8, 9,10
= 10
10 buah soal
( )
()
= ( ) ()
10
) = 120
7
1 7
( )
2
1 3
( )
2
1 10
120 ( )
2
10
) = 45
8
1 8
( )
2
1 2
( )
2
1 10
45 ( )
2
10
) = 10
9
1 9
( )
2
1 1
( )
2
1 10
10 ( )
2
10
)=1
10
1 10
( )
2
1 0
( )
2
1 10
( )
2
10
176
= 0,172
1024
Peluang
total
34
RANGKUMAN
1. Distribusi Bernoulli
a. Fungsi peluang :
(1 )1 , = 0, 1
b. Notasi :X ~ B (x ; 1 , p)
c. Rataan : =
d. Varians : 2 = (1 )
e. Fungsi pembangkit Momen : () = (1 ) + . ;
2. Distribusi Binomial
a. Fungsi peluang : () = ( = ) = () (1 ) , =
1, 2, 3, ,
b. Notasi X~ B (x ; n , p)
c. Rataan : =
d. Variansi : 2 = (1 )
e. Fungsi pembangkit Momen : () = [(1 ) + . ] ;
3. Distribussi Poisson
a. Fungsi peluang : () = ( = ) = ! , = 0, 1, 2,
b. Notasi X ~P ( ; )
c. Rataan : =
d. Variansi : 2 =
e. Fungsi pembangkit Momen : () = (1) ;
4. Distribusi Seragam
1
c. Varians = 2 = () = (12) ( )2
d. Fungsi pembangkit Momen : () =
()
=1;t=0
35
; 0
BAB 3
HUBUNGAN HARAPAN DAN VARIANSI DARI PEUBAH ACAK KHUSUS
(bahasan 2)
Tujuan
Adapun tujuan dari mempelajari materi hubungan harapan dan variansi
dari peubah acak kontinu adalah
a. Mengetahui bagaimana hubungan harapan dan variansi dari peubah acak
kontinu.
b. Memenuhi tugas mata kuliah statistik matematika
Materi
Ekspektasi
Jika X menyatakan suatu variabel acak kontinu yang dapat mengambil setiap nilai
x yang memiliki probabilitas (x), maka ekspektasi atau nilai harapan dinyatakan
sebagai berikut:
() = . ()
Variansi
Misalkan X peubah acak kontinu dengan distribusi peluang () dan rataan ,
maka () = 2 adalah 2 = [( )2 ]
() = 2 = ( )2 = ( 2 ) 2 = ( 2 ) [()]2
Teorema 1.7.5
1
, 0
Maka () = danVar() = 2
36
Bukti :
() = 0
Misalkan :
=
Catatan :
1
=
=
0
= 0
=
1
! 0
! =
1
0
= 0
! =
0
= (1!)
! =
0
() =
Karena n = 1, diperoleh :
( 2 ) = 0 2
1! =
Misalkan :
=
0
1
=
=
0
= 2
0
= 2 (2!)
= 22
37
() = ( 2 ) (())
() = 22 ()2
() = 22 2
() = 2
1
, 0
Contoh :
Tentukan fungi densitas dari ~(2)!
Jawab :
~(2) merupakan peubah acak X berdistribusi eksponensial dengan
parameter = 2.
Fungsi densitas dari X berbentuk :
() =
1
. 2 ; > 0
2
= ;
Teorema 1.7.6
Dipelajari pertama kali pd abad ke -18
Pencetus :
De Moivre (1733)
Laplace (1775)
Gauss (1809) Dist. Gauss.
38
Suatu variabel random kontinu x dikatakan berdistribusi normal dgn mean dan
variansi 2 adalah jika mempunyai fungsi probabilitas yang berbentuk :
f (X )
2 2
1
2 2
( X )2
Untuk
- < x <
- <<
2> 0 dan = 3,14 dan e = 2,718
Jika X berdistribusi normal f ( x)
dan Var x 2
Bukti : E x
1 x
1 x
, x maka E x
dx
Misalkan : x y
y
maka dy
dx
Sehingga dx dy
E x
E x
E x
1
2
1
2
1
y2
2
dy
y 2 y
e
dy
2
1
y 2 y
e
dy +
2
1
ye
1
y2
2
dy +
2 y
e
dy
2
1
1
2
1
y2
2
dy ................... (1)
39
Misalkan : I
1
y2
2
dy
I e
2
1
z2
2
dz
1
y2
2
dy
1
z2
2
dz
maka dz = dx sehingga I e
I2
Pilihlah z
1 2 2
y z
2
dy dz
1
r2
2
r.dr.d
E x
2 y dy +
E x2
1
2
1 x
1
2
2 dy =
dx
Misalkan : x y maka x 2 y
40
1
y2
2
dy =
y 2 2y 2
2
Ex
y2
1
y2
2
dy
dx, sehingga E x 2
E x
y e
2
Maka dy
y2
E x2 2 2
1
y2
2
dy +
1
y2
2
1
y2
2
2
2
dy
ye
1
y2
2
dy +
1
y2
2
dy
dy + 0 + 2 ............. (1)
Misalkan :
y 2 2z 2 maka y 2 z 2 dy 2 dz
sehingga E x 2
Ex
E x2
2 2z 2e
1 2
2z
2
2 dz + 2
2 z
2 z e dz + 2
2
1
+ 2
2
E x2 2 2
Var x E x 2 E x
2 2 2
2
Jadi, Jika X berdistribusi normal f ( x)
41
1
2
1 x
, x maka
Kurva Normal
Luas bagian kurva normal antara x=a dan x=b dapat ditulis menjadi P(axb)
Nilai ini untuk distribusi normal standar telah ditabelkan Tabel III
Distribusi normal standar adalah distribusi normal yang mempunyai mean =0
dan standar deviasi =1
Untuk distribusi normal yang bukan distribusi normal standar maka diubah
dengan rumus transformasi Z :
z
Contoh:
Misalkan peubah acak Y berdistribusi gamma dengan parameter = 2 =
3. Peluang bahwa harga Y lebih dari 4 adalah.
a. 0,6151
d. 1,543
b. 1,6151
e. 0,153
42
c. 0,06151
Penyelesaian :
;y>0
= 0 ; yang lainnya
1
. 3
9
Jadi : P(y>4) = 4
= 9 lim 3
= 3 , = 3. 3
( > 4) =
=
=
lim
9
1
(3. 3 | =4+3 4 3 )
1
lim (3. 3 + 12. 3 . 9. 3 + 9. 3 )
9
1
= [ lim (3. 3 ) + 21. 3 lim (9. 3 )]
9
4
1
= (0 + 21. 3 0)
9
( > 4) = (
21 4
) e 3 = 0,6151
9
Teorema 1.7.7
Definisi fungsi Gamma. Untuk n > 0 (tidak perlu bilangan bulat)
43
() 1 = 2 21
0
bukti:
() 1
0
Subtitusi
= 2
= 2
Sehingga
1 = ( 2 )1 ( ) 2
0
0
2
= 2 2
2 2
0
1
= 2 2
1 2
Peubah acak X berdistribusi gamma dan dinamakan peubah acak gamma jika Fkpnya berbentuk:
1
() = {
0, 0
44
Bukti:
= = ()
=
0
1
=
Misalkan
<
Maka
1
= =
()
=
=
( + 1)
45
3. (2) =
Bukti:
(1) = 11 = ]
0 =1
0
() =
1 ]
0
+ ( 1) 2
0
() = ( 1)( 1)
Jadi, secara langsung dibuktikan bahwa (1) = 1, dan dengan menggunakan
integrasi perbagian telah diperlihatkan bahwa untuk n > 1, () = ( 1)(
1). Berdasarkan induksi matematika
() = ( 1)! bila n suatu bilangan bulat positif.
Contoh:
Misalkan peubah acak x berdistribusi Gamma G(x4, 2, 3). Tentukan titik a
sehingga peluangnya 50% memperoleh nilai x yang lebih kecil atau sama dengan
a [P (x a) = 0,05]. (nilai a disebut median dari x juga suatu distribusi x).
Jawab:
Diketahui : G(x4, 2, 3) maka
=4
=2
A = 3 berarti 3 x <
Sehingga
f(x)dx =
(x 1)4 e
4+1
(4+1)
2
x9
2
dx
46
a3
= 4,671
Teorema 1.7.8
Suatu variabel acak dikatakan memiliki distribusi Beta dengan parameter a dan b,
1
{(,)
1 (1 )1
0<<1
(, ) = 1 (1 )1 < 0, < 0
0
()()
(a + b)
2 =
( + + 1)( + )2
+
Bukti :
47
Menghitung momen dari distribusi Beta bisa dilakukan dengan metode sebagai
berikut
1
1
=
1 (1 )1
(, )
0
(+)1 (1 )1
(,) 0
.(1)
(+,)
(,)
(+)(+)
..(2)
= (++)()
Berdasarkan persamaan (1) dan persamaan (2), maka untuk memperoleh mean
(EX) dan () = ( 2 ) [()]2 adalah dengan mensubsitusikan n= 1 dan
n= 2 ke persamaan (2), maka
= 1 =
( + 1)( + )
( + + 1)()
()( + )
( + )( + )()
=
Dan () = ( 2 ) [()]2
Karena
2 =
( + 2)( + )
( + + 2)()
Maka
() =
( + 1)
2
(
)
( + + 1)( + )
+
48
( + 1)
2
( + + 1)( + ) ( + )2
( + )(2 + ) 2 ( + + 1)
( + )2 ( + + 1)
=
( + + 1)( + )2
49
Jawablah pertanyaan di bawah ini dengan memilih jawaban yang tepat dengan
memberi tanda silang pada huruf A, B, C, D, atau E.
d. 0,005
b. 0,1534
e. 0,511
c. 0,06
penyelesaian :
1
( > 2)
= 1 ( 2)
2
= 1
0
1
. 3
3
1
= 1 . (3. 3 ] =02 )
3
2
= 1 + ( 3 1)
2
( > 2) = 3 = 0,5134
50
Penyelesaian :
1
( > 40)
= 1 ( 40)
40
= 1
0
1
. 20
20
40
1
= 1
. [20 . 20 ]]
20
0
2
= 1 + ( 1 1)
( > 40) = 2
( > 10)
= 1 ( 10)
10
= 1
0
1
. 20
20
10
1
= 1
. [20 . 20 ]]
20
0
1
= 1 + ( 2 1)
1
( > 10) = 2
51
1
2
( > 40)
( > 10)
1
= 2 2
1
= 2( 2 ) = 1,5
3. Jika peubah acak X berdistribusi umum dengan rataan 2 dan varians 0,16.
Maka P(X > 2,3) adalah
a. 0,5
d. 0,2734
b. 0,75
e. 0,2266
c. 2,3
penyelesaian:
dalam hal ini = 2 = 0,4
2,3 2
( > 2,3) = (
>
) = ( > 0,75)
0,4
Kurva berdistribusi normal baku untuk Z = 0,75 bisa dilihat berikut ini,
0,75
P(X>2,3) = 0,2266
4. Untuk n = 6, maka fungsi Gamma dan nilainya adalah:
~
(n) = x n1 ex dx
0
Untuk n=6
~
(6) = x 6 ex dx
0
1
=
= 0,2
+ 1+5
53
BAB 4
KEBEBASAN STOKASTIK
terambil bola merah adalah 10 dan peluang terambil bola biru adalah 10.
Dari kotak II yang berisi 8 bola , 2 diantaranya berwarna merah. Peluang
terambil bola merah adalah
2
8
adalah 8.
54
Dari kotak III yang berisi 5 buah durian, 1 diantaranya berwarna merah.
Peluang terambil bola merah adalah
1
5
biru adalah 5.
Dari kotak IV yang berisi 10 buah durian, 4 diantaranya berwarna merah.
Peluang terambil bola merah adalah
4
10
baik
merah
busuk biru
baik
II
merah
busuk
baik
III
biru
merah
busuk
biru
baik
IV
busuk merah
1
4
1
8 = 32 = 16
55
biru dari kotak III + Peluang terambil bola biru dari kotak IV adalah 40 +
3
51
+ 5 + 20 = 80
16
B. Kebebasan Stokastik Diskrit
Definisi:
Misalnya dua peubah acak diskrit X dan Y mempunyai nilai fungsi peluang
gabungan di (, ), yaitu (, ) serta masing-masing mempunyai nilai fungsi
peluang marginal dari X di x, yaitu 1 () dan nilai fungsi peluang marginal
dari Y di y, yaitu 2 ().
Kedua peubah acak X dan Y dikatakan bebas stokastik, jika dan hanya jika:
(, ) = 1 (). 2 ()
Untuk semua pasangan nilai (, )
Contoh:
Misalnya fungsi peluang gabungan dari X dan Y berbentuk:
1
(, ) = ( ) ( + 2); = 0,1,2,3 dan = 0,1,2,3
72
Apakah X dan Y bebas stokastik?
Penyelesaian:
Fungsi marginal dari X adalah:
3
1 () = (
=0
1
) ( + 2)
72
1
) { + ( + 2) + ( + 4) + ( + 6)}
72
1
= ( ) (4 + 12)
72
1
= ( ) . 4( + 3)
72
1
1 () = ( ) ( + 3)
18
=(
56
2 () = (
=0
1
) ( + 2)
72
1
) {2 + (1 + 2) + (2 + 2) + (3 + 2)}
72
1
= ( ) (8 + 6)
72
1
= ( ) . 2(4 + 3)
72
1
2 () = ( ) (4 + 3)
36
=(
( = 0, = 0) = (72) (0 + 0) = 0
1 ( = 0) = 18 = 6
2 ( = 0) = 36 = 12
1
1
1
( = 0, = 0) = ( ) ( + 2)
72
1
= ( ) (0 + 2(0))
72
1
= ( ) (0)
72
=0
1
1
1 ( = 0). 2 ( = 0) = ( ) ( + 3). ( ) (4 + 3)
18
36
1
1
= ( ) (0 + 3). ( ) (4(0) + 3)
18
36
1
1
= ( ) (3). ( ) (3)
18
36
57
1 1
.
6 12
1
=
72
=
58
= 0 ; , lainnya.
Apakah dan bebas stokastik?
Penyelesaian :
Kita harus menentukan dahulu fungsi densitas marginal masing-masing dari
dan .
Fungsi densitas marginal dari adalah :
() = (, )
0
= (, ) + 0 (, ) + 1 (, )
0
= 0 + 0 ( + ) + 1 0
1
= 0 + { + (2) 2 }]
() = +
Jadi, () = +
1
2
=0
+ 0
1
2
;0 < < 1
= 0 ; lainnya.
() = (, )
0
= (, ) + 0 (, ) + 1 (, )
0
= 0 + 0 ( + ) + 1 0
1
= 0 + {(2) 2 + }]
=0
+ 0
() = 2 +
1
59
= 0 ; lainnya.
Maka () . () = ( + 2) (2 + )
=
+ +
1
4
1
4
Sehingga dan merupakan peubah acak yang tidak bebas stokastik atau
bergantungan.
Teorema 2.1.1
Misalkan f.k.p bersama dari dan adalah (, ). Maka dan bebas
stokastik jika dan hanya jika terdapat fungsi-fungsi non negatif () dan ()
sehingga (, ) = () () dan domain dari tidak tergantung dari serta
domain h tidak tergantung dari .
Bukti:
a. Misalkan x dan y bebas stokastik. Maka (, ) = () ().
Dalam hal ini cukup diambil () = () dan () = ().
b. Misalkan (, ) = ()(); () 0 dan () 0.
Akan dibuktikan dan bebas stokastik, untuk itu dicari () dan ().
() = (, ) = ()() = () ()
() = (, ) = () () = () ()
60
Akan tetapi,
KL = () () = ()()
= (, ) = 1
Akibatnya, ( , ) = ()() =
()
()
= ()()
Contoh:
Diketahui f.k.p bersama dari dan sebagai berikut:
( , ) = {
Contoh :
Tulislah () = 12 dan () = (1 ).
61
Jelas bahwa :
a. () > 0untuk setiap ; 0 < < 1
b. () > 0untuk setiap ; 0 < < 1
c. (, ) = ()(); 0 < < 1 ; 0 < < 1
Berarti dan bebas stokastik.
62
a.75
23
b.75
10
c.
23
52
d.75
Penyelesain:
Nilai A
10
50
2010
40
50
50
Selain A
75
8
Nilai A
15
15
75
2009
7
15
10
Selain A
75
5
2008
Nilai A
10
5
10
Selain A
50
10
15
(75 10)
63
10 8
5
23
+
+
=
75 75 75 75
Jadi, peluang mahasiswa yang mendapat nilai adalah
=
23
75
a.36
1
b.6
2
c.36
2
d.6
Penyelesaian:
Fungsi peluang marginal dari X adalah:
3
1 () = ()
=1
1 () = (1 + 2 + 3)
1 () = (6)
1 () = 6
Fungsi peluang marginal dari Y adalah:
3
2 () = ()
=1
2 () = (1 + 2 + 3)
2 () = (6)
2 () = 6
Karena peubah acak X dan Y bebas stokastik maka (, ) =
1 (). 2 (), sehingga = 6. 6. jika diambil (, ) = (1,1)
maka:
(1)(1) = 6(1).6(1)
= 36 2
= 36
2
1
= 36
1
=
36
64
1,2,3 adalah 36
3. Fungsi peluang gabungan dari X dan Y berbentuk:
1
(, ) =
; = 1,2,3, dan = 1,2,3
36
Tentukan ( 2, < 2) !
4
a.36
1
b.36
15
c. 36
15
d. 6
Penyelesaian:
Fungsi peluang marginal dari X adalah:
3
1 () = (
=1
1
)
36
1
(1 + 2 + 3)
36
1
1 () =
(6)
36
1
1 () =
6
Fungsi peluang marginal dari Y adalah:
1 () =
2 () = (
=1
1
)
36
1
(1 + 2 + 3)
36
1
(6)
2 () =
36
1
2 () =
6
2 () =
( 2, < 2) = 6 .6
1
( 2, < 2) = 6.6
65
5
36
Jadi, ( 2, < 2) pada fungsi peluang gabungan (, ) =
( 2, < 2) =
1
36
c. ragu-ragu
d. tidak jelas
Penyelesaian :
Fungsi peluang marginal dari X adalah :
4
1
1 () = ( ) ( + )
32
=1
1
= ( ) (( + 1) + ( + 2) + ( + 3) + ( + 4))
32
1
= ( ) (4 + 10)
32
1
= ( ) (2 + 5)
16
1
1
2 () = ( ) ( + )
32
=1
= (
1
) ((1 + ) + (2 + ))
32
1
= ( ) (3 + 2)
32
Jadi, 2 () = (32) (3 + 2) ; = 1, 2, 3, 4
Misalnya pasangan nilai dari X dan Y diambil (, ) = (1,1)
66
1
16
7
16
5
32
35
c. ragu-ragu
d. tidak jelas
Penyelesaian :
Kita harus menentukan dahulu fungsi densitas marginal masing-masing
dari X dan Y.
Fungsi peluang marginal dari X adalah :
() = (, )
= (, ) + 0 (, ) + 2 (, )
0
2 1
= 0 + 0 (4) (2 + ) + 2 0
1
= 0 + (4) {2 + (2) 2 }]
2
+ 0
=0
1
() = ( ) (4 + 2)
4
1
67
() = (, )
= (, ) + 0 (, ) + 1 (, )
0
= 0 + (4) (2 + ) + 0
1
= 0 + ( ) { 2 + }]
4
1
+ 0
=0
1
() = ( ) (1 + )
4
1
1
) 3 3 ; 0 < < 2,0 < < 2
16
= 0 ; , lainnya
c. ragu-ragu
d. tidak jelas
Penyelesaian :
Kita harus menentukan dahulu fungsi densitas marginal masing-masing
dari X dan Y.
Fungsi peluang marginal dari X adalah :
() = (, )
68
= (, ) + 0 (, ) + 2 (, )
0
= 0 + 0 (16) ( 3 3 ) + 2 0
1
= 0 + (16) {(4) 3 4 }]
() = (
2
+ 0
=0
1
) (4 3 )
16
1
() = (, )
= (, ) + 0 (, ) + 2 (, )
0
= 0 + 0 (16) ( 3 3 ) + 2 0
1
= 0 + (16) {(4) 4 3 }]
() = (
2
+ 0
=0
1
) (4 3 )
16
1
1
) 3 3 ; 0 < < 2,0 < < 2
16
= 0 ; , lainnya
c. ragu-ragu
69
d. tidak jelas
Penyelesaian :
Kita harus menentukan dahulu fungsi densitas marginal masing-masing
dari X dan Y.
Fungsi peluang marginal dari X adalah :
() = (, )
= (, ) + 0 (, ) + 2 (, )
0
= 0 + 0 (16) ( 3 3 ) + 2 0
1
= 0 + (16) {(4) 3 4 }]
() = (
2
+ 0
=0
1
) (4 3 )
16
1
() = (, )
= (, ) + 0 (, ) + 2 (, )
0
= 0 + 0 (16) ( 3 3 ) + 2 0
1
= 0 + (16) {(4) 4 3 }]
() = (
2
+ 0
=0
1
) (4 3 )
16
1
70
c. ragu-ragu
d. tidak jelas
Penyelesaian :
Kita harus menentukan dahulu fungsi densitas marginal masing-masing
dari X dan Y.
Fungsi peluang marginal dari X adalah :
() = (, )
= (, ) + 0 (, ) + 1 (, )
0
= 0 + 0 (4) + 1 0
= 0 + 2 2 ]
1
+ 0
=0
() = 2
Jadi, () = 2 ; 0 < < 1
= 0 ; lainnya
Fungsi peluang marginal dari Y adalah :
() = (, )
= (, ) + 0 (, ) + 1 (, )
0
= 0 + 0 (4) + 1 0
= 0 + 2 2 ]
1
+ 0
=0
() = 2
71
72
BAB 5
SIFAT-SIFAT KEBEBASAN STOKASTIK DUA PEUBAH ACAK
A. PENDAHULUAN
Pada hal ini, kita akan mempelajari akibat dari kebebasan stokastik itu
sendiri atau dengan kata lain, sifat-sifat apa saja yang ada pada kebebasan
stokastik itu.
Adapun tujuan instruksional khususnya adalah sebagai berikut:
1. Diharapkan dapat menghitung peluang bila terjadi kebebasan stokastik
2. Diharapkan dapat menghitung ekspektasi hasil kali dua peubah acak, bila
terjadi kebebasan stokastik
3. Diharapkan dapat mendeteksi kebebasan stokastik melalui f.p.m
4. Diharapkan dapat membentuk f.p.m bersama bila terjadi kebebasan stokastik
B. MATERI
Sifat bebas stokastik yang dimiliki dua (atau lebih) peubah acak, dapat
digunakan untuk menghitung; peluang, ekspektasi, ataupun menentukan f.p.m
bersama. Pada teorema berikut dikemukakan cara perhitungan peluang apabila X
dan Y bebas stokastik.
Teorema 2.2.1
Jika X dan Y bebas stokastik, maka
( < , < ) = ( < ) ( < )
73
Bukti:
Akan dibuktikan untuk kasus kontinu. Untuk kasus diskrit, hanya mengganti
lambang integral dengan lambang jumlah. Karena X dan Y bebas stokastik, maka
(, ) = 1 ()2 (). Akibatnya
( < , < ) = (, )
= 1 ()2 ()
= 1 () 2 ()
= ( < , < )
Jadi, terbukti bahwa ( < , < ) = ( < ) ( <
).
Pada Teorema 2.2.1, terlihat bahwa kebebasan stokastik memberikan kemudahan
dalam perhitungan peluang. Ada lagi beberapa kemudahan perhitungannya antara
lain: kemudahan menghitung ekspektasi dan kemudahan menentukan f.p.m.
Contoh Soal:
1. Diketahui f.k.p bersama dari X dan Y adalah sebagai berikut:
1
; (, ) = (0,0), (1,1), (2,0), (3,1)
( , ) = {4
0 ; (, )
Buktikan bahwa X dan Y tidak bebas stokastik!
74
x 0
1
1
4
1
4
1
4
1
4
2
1
4
1
2
1
4
1
2
1
4
1
4
2.
1
1
dan () =
3
3
Jelas bahwa g(x) > 0 untuk setiap x = 1, 2, 3 dan h(y) > 0 untuk setiap
y = 1, 2, 3
75
[()()] = ()()
= ()()1 ()2 ()
= [()] [()]
76
Teorema 2.2.3
Misalkan
1) M(t1,t2) f.p.m bersama dari X dan Y
2) M1(t1) dan M2(t2) masing-masing f.p.m X dan f.p.m Y
Maka X dan Y bebas stokastik jika dan hanya jika :
M(t1,t2) = M1(t1) . M2(t2)
Bukti :
(i)
(ii)
(1 , 2 ) = {
1 ()} { 2 2 ()}
= 1 +2 1 ()2 ()
Akan tetapi M(t1,t2) adalah f.p.m bersama dari X dan Y. Ini berarti :
(1 , 2 )9 = 1 +2 (, )
77
78
= . (1 , 2 , . , )1 2
1
1
= . (1 ) (2 ), ( )1 2
1
= (1 )1 (2 )2 ( )
1
= . 1 (1 )2 (2 ) ( ) (1 , 2 , . , )1 2
= . 1 (1 )2 (2 ) ( ) (1 ) (2 ), ( ) 1 2
= [ 1 (1 )(1 )1 ] [ 2 (2 )(2 )2 ] [ ( ) ( ) ]
79
= [1 (1 )]. [ 2 (2 )] . [ ( )]
Jadi teorema di atas terbukti
(i)
(1 , 2 , , ) = ( 1 1 +2 2 ++ )
= ( 1 1 ) ( 2 2 ) ( )
= (1 ). (2 ) ( )
(ii)
Misalkan (1 , 2 , , ) = 1 (1 ) 2 (2 ) ( )
(1 , 2 , , )
= { 1 1 1 (1 )1 } { 2 2 2 (2 )2 } { ( ) }
= 1 1 +2 2++ 1 (1 )2 (2 ) ( )1 2
= 1 1 +22 + (1 , 2 , )1 2
Sehingga :
(1 , 2 , , ) = (1 , 2 , , )
80
1 1 +2 2 ++ 1 (1 )2 (2 ) ( )1 2 . .
= 1 1 +22 ++ (1 , 2 , )1 2
2; 0 < < 1
0;
81
BAB 6
PEUBAH ACAK DISKRIT
1
, x= x1,x2,x3,.,xk
k
Secara umum:
k CnN
nilai k dapat dianggap sebagai kombinasi N dan n
N = banyaknya titik contoh dalam ruang contoh/populasi
n = ukuran sampel acak = banyaknya unsur peubah acak X
Lambang f(x;k) dipakai sebagai pengganti f(x) untuk menunjukkan bahwa
distribusi seragam tersebut bergantung pada parameter k.
Teorema 1 Rataan dan variansi distribusi seragam.
Rataan dan variansi distribusi seragam diskret f(x;k) dirumuskan oleh:
=1
=1
1
1
= 2 = ( )2
82
Bukti:
Dengan definisi:
=1
=1
=1
1 1
= () = ( ; ) = =
= [( )
2]
1
1
= ( ) ( ; ) = ( ) == ( )2
=1
=1
=1
Contoh :
Sebuah dadu seimbang dilantunkan, tentukan distribusi diskrit seragamnya,
tentukan juga rataan dan variansinya!
Solusi :
Sebuah dadu seimbang dilemparkan satu kali, maka tiap unsur dalam ruang
sampel S={1, 2,3 4, 5, 6}. Muncul dengan probabilitas 1/6. Jadi jika X
menyatakan mata dadu yang muncul, maka X terdistribusi peluang seragam
(uniform) yakni ;
(; 6) =
1
6
, =1,2,3,4,5,6.
(; ) = ()
1
6
1
6
1
6
1
6
1
6
1
6
Untuk rataan ;
83
= =1 = 6 (1 + 2 + 3 + 4 + 5 + 6)
= 6 (21) = 3.5
Variansi ;
1
= ( )2
=1
Berikut histogramnya:
(; 6)
1
6
B. Distribusi Binomial
Perhatikan eksperimen-eksperimen berupa melantunkan koin atau dadu,
mengambil kartu dari satu set kartu Bridge semuanya secara berulang. Setiap
lantunan dan pengambilan disebut usaha ( trial ). Kemungkinan hasil dari
eksperimen yang demikian dapat berupa sukses atau gagal. Suatu usaha
84
berulang, tiap usaha dengan dua kemungkinan hasil tersebut disebut percobaan
binomial.
Suatu percobaan binomial ialah yang memenuhi persyaratan sebagai
berikut:
1. Percobaan terdiri atas n usaha yang berulang
2. Tiap usaha memberi hasil yang dapat ditentukan dengan sukses atau gagal
3. Peluang sukses, dinyatakan dengan p, tidak berubah dari usaha yang satu
ke yang berikutnya.
4. Tiap usaha bebas dengan usaha lainnya.
Contoh:
Sebuah koin seimbang dilantunkan sebanyak 7 kali, berapa peluang
mendapatkan;
i)
Tepat 3 belakang
Solusi:
Misalkan M = muka dan B = belakang
85
, = 1,2,3, ,7
( 3 ) = ( = 3)
(7 )
35
3
( = 3) = 128
= 128
ii.
( 5 )
= ( 5) = ( 5)
= ( = 5) + ( = 6) + ( = 7)
=
iii.
(75)
(7)
(7)
29
+ 6 + 7 =
128 128 128 128
( 3 ) = ( 3)
= ( 3) = ( = 0) + ( = 1) + ( = 2) + ( = 3)
=
(70)
(7)
(7)
(7) 1
+ 1 + 2 + 3 =
128 128 128 128 2
86
iv.
( 3 5 ) = (3 5)
= ( = 3) + ( = 4) + ( = 5)
(73)
(74)
(75)
91
=
+
+
=
128 128 128 128
v.
(3 4 )
Karena kejadian sukses adalah munculnya belakang pada pelantunan koin,
maka saat kita menghitung peluang munculnya 3 muka dan 4 belakang
sama saja dengan menghitung peluang munculnya 4 belakang. jadi ;
( = 4) =
(74)
128
35
128
pada banyaknya usaha (n) dan peluang sukses dalam suatu usaha (p). Tiap sukses
terjadi dengan peluang p dan kegagalan dengan peluang q = 1 p. Dalam
percobaan tersebut yang menghasilkan x sukses dan n x yang gagal.
Banyaknya ini sama dengan banyaknya cara memisahkan n hasil menjadi
dua kelompok sehingga x hasil berada pada kelompok pertama dan sisanya n x
hasil pada kelompok kedua, jumlah ini dapat dinyatakan dengan
( )
87
Bila suatu usaha binomial dapat menghasilkan sukses dengan peluang p dan
gagal dengan peluang q = 1 p, maka distribusi peluang peubah acak binomial X
yaitu banyaknya sukses dalam n usaha bebas, ialah
(, , ) = ( )
= 1,2,3, ,
Distribusi di atas disebut distribusi binomial, sebab n+1 buah suku dalam
penguraian binomial (q + p)n berpadanan dengan berbagai nilai b(x; n;p) untuk
x=0,1,2,,n yaitu
q p n
n n n1 n 2 n2
n n
q pq p q ... p
0
1
2
n
n
bx; n, p 1
x 0
88
= 1 (; 15; 0,4)
=0
=0
=0
=0
= np dan 2 = npq
89
Bukti:
misalkan hasil pada usaha ke-j dinyatakan oleh peubah acak Ij yang mendapat
nilai 0 atau 1, masing-masing dengan peluang q dan p. Sehingga banyaknya
sukses dalam suatu percobaan binomial dapat dituliskan sebagai jumlah n peubah
bebas, yaitu = =1 . setiap Ij mempunyai E(Ij) = (0)(q) +(1)(p)=p.
Jadi diperoleh rataan distribusi binomial
= () = ( ) = (1 ) + (2 ) + (3 ) + + ( )
=1
p p p = np
n suku
2 = 2 =
+ + + + + =
=1
C. Percobaan Multinomial
Seandainya dalam percobaan binomial tersebut setiap ulangan menghasilkan
lebih dari dua kemungkinan hasil, maka percobaan itu kita sebut Percobaan
Multinomial. Misalnya dalam percobaan pelemparan dua dadu kita mengamati
90
apakah dari kedua dadu muncul bilangan yang sama, total kedua bilangan sama
dengan 7 atau 11, atau bukan keduanya. Bila ini yang kita amati maka percobaan
ini merupakan percobaan multinomial.
Umumnya, bila suatu usaha dapat menghasilkan hasil yang mungkin
1 , 2 , , dengan peluang 1 , 2 , , , maka distribusi multinomial akan
memberikan peluang bahwa 1 terjadi sebanyak 1 kali, 2 2 kali, . . . kali
dalam n usaha bebas dengan 1 + 2 + + = . Distribusi peluang seperti ini
dinyatakan dengan (1 , 2 , , ; 1 , 2 , , , ).
Jelas 1 + 2 + + = 1 karena hasil tiap usaha haruslah salah satu
dari hasil yang mungkin.
Distribusi Multinomial
Jika suatu usaha tertentu dapat menghasilkan k macam hasi E1, E2, . . ., Ek
dengan peluang p1, p2,,pk, maka distribusi peluang acak X1, X2, , Xk yang
menyatakan banyaknya kejadian E1, E2, . . . , Ek dalam n usaha bebas adalah f(x1,
x2, .., xk) dalam n usaha bebas adalah:
n x1 x2
P1 P2 ...Pkxk dengan
f(x1,x2,,xk;p1,p2pk,n)=
x
,
x
,...,
x
1 2 k
xi n dan
t 1
p
t 1
1.
!
(
)=
1 , 2 , ,
1 !, 2 !, , !
Karena tiap bagian saling terpisah dan terjadi dengan peluang yang sama, maka
distribusi multinomial dapat diperoleh dengan mengalikan peluang untuk tiap
urutan tertentu dengan banyaknya sekatan.
Contoh :
91
Bila dua dadu dilantunkan 6 kali, berapakah peluang mendapat jumlah 7 atau 11
muncul 2 kali, sepasang bilangan yang sama 1 kali dan pasangan lainnya 3 kali?
Jawab :
Misalakan kejadian berikut menyatakan
: jumlah 7 atau 11 muncul
2 : Jumlah bilangan yang sama muncul
3 : Baik pasangan yang sama maupun jumlah 7 atau 11 yang tidak
muncul
Peluang masing-masing kejadian di atas adalah
Koin 2
(1,1)
(1,2)
(1,3)
(1,4)
(1,5)
(1,6)
(2,1)
(2,2)
(2,3)
(2,4)
(2,5)
(2,6)
(3,1)
(3,2)
(3,3)
(3,4)
(3,5)
(3,6)
(4,1)
(4,2)
(4,3)
(4,4)
(4,5)
(4,6)
(5,1)
(5,2)
(5,3)
(5,4)
(5,5)
(5,6)
(6,1)
(6,2)
(6,3)
(6,4)
(6,5)
(6,6)
Koin 1
E1= {(1,6),(2,5),(3,4),(4,3),(5,2),(6,1),(5,6),(6,5)}
E2= {(1,1), (2,2), (3,3), (4,4), (5,5), (6,6)}
92
E3= {(1,2), (1,3), (1,4), (1,5), (2,1), (2,3), (2,4), (2,6), (3,1), (3,2), (3,5),
(3,6), (4,1), (4,2), (4,5), (4,6), (5,1), (5,3), (5,4), (6,2), (6,3), (6,4)}
8
1 = 36 = 9
2 = 36 = 6
22
11
3 = 36 = 18
Solusi :
distribusi peluang seragamnya adalah :
1
f(x; 3) = 3
atau
x =1,2,3(mahasiswa
dinomori)
2. Jika kemasan Batu Baterai terdiri dari 4 batu baterai, maka bagaimana
distribusi peluang seragam cara menyusun batu baterai untuk 12 batu
baterai?
Solusi :
k CnN C412
12!
495 ada 495 cara
4!8!
93
1
495
untuk x = 1,2,3,...,495
dalam suatu
Solusi :
Misalkan tiap pengujian bebas, jadi pengujian yang satu tidak
mempengaruhi oleh pengujian yang berikutnya. Dari soal diperoleh
bahwa, p = 3/4 , x = 2, dan n = 4. Jadi, peluang bahwa tepat 2 dan 4 hasil
produksi tidak akan rusak adalah
2
2
4
3 3 1
27
b 2;4,
4 2 4 4
128
4. Jika 20% dari baut-baut yang diproduksi oleh suatu mesin rusak, tentukan
peluang bahwa dari 4 baut yang dipilih secara acak terdapat yang rusak:
a.
(1)
b.
(0)
c.
Kurang dari 2
Solusi :
(a)
(b)
(c)
4
P(X = 1) = b(1; 4, (0,2)) = ( ) (0,2)1 (0,8)3 = 0,4096
1
4
P(X = 0) = b(0; 4, (0,2)) = ( ) (0,2)0 (0,8)4 = 0,4096
0
P(X < 2) = P (X=0) + P (X=1) = 0,4096 + 0,4096 = 0, 8192
94
Solusi:
Misalkan Xi : banyaknya perwakilan yang datang menggunakan
transportasi i, i=1,2,3,4 berturut-turut mewakili pesawat, bus, mobil
pribadi, dan kereta.
6. Sebuah kotak berisi 5 bola merah, 4 bola putih, dan 3 bola biru. Sebuah
bola dipilih secara acak dari kotak, warnanya dicatat, dan kemudian
bolanya dimasukkan kembali kemudian bolanya dimasukkan kembali.
Tentukan peluang bahwa dari 6 bola yang diambil secara acak dengan cara
ini, 3 diantaranya berwarna merah, 2 adalah putih, dan 1 biru.
Solusi :
Cara 1 : (menggunakan rumus distribusi multinomial)
5
95
=(
Cara 2: Peluang terpilihnya satu bola merah adalah 12, sehingga untuk 3
5
Jadi, peluang untuk memilih 3 bola merah, 2 bola putih, dan 1 bola biru
adalah:
5 3 4 2 3 1
( ) ( ) ( )
12
12
12
Tetapai pilihan yang sama dapat diperoleh dalam urutan yang lain
(misalnya putih dulu, baru merah), dan banyaknya cara berbeda adalah :
C(6; 3,2,1) =
6!
3!2!1!
96
BAB 7
DISTRIBUSI HIPERGEOMETRIK & DISTRIBUSI POISSON
Distribusi Hipergeometrik
Misalkan sebuah populasi suatu barang sebanyak buah benda yang
terdiri atas buah barang yang baik dan sisanya ( ) buah barang rusak.
Kemudian diambil sebuah sampel acak berukuran ( ) secara sekaligus,
ternyata dari sampel acak itu berisi buah barang baik dan sisanya ( ) buah
barang rusak.
Dalam hal ini, kita akan menghitung peluang bahwa dari sampel acak itu
akan berisi buah barang baik.
Untuk menyelesaikan persoalan ini, perlu diperhatikan hal-hal berikut :
1. Banyak susunan yang mungkin untuk mendapatkan buah barang baik dari
( )
Definisi:
97
gagal.
Sampel
diambil
berukuran
secara
acak
dari
( )
Teorema:
Misalkan distribusi hipergeometrik h (x; N, n, k) maka
nk
dan
2 =
Nn
N1
Bukti:
1. Berdasarkan definisi rataan diskrit, maka:
n
(kx)(Nk
)
nx
E(X) = x
(Nn)
x=0
n
(Nk
)
(k 1)!
nx
= k
N
(x 1)! (k 1)! ( )
n
x=1
n
= k
x=1
(k1
)(Nk)
x1 nx
(Nn)
E(X) =
n1 k1
Nk
( y ) (n1y
)
k
(Nn)
y=0
Karena
98
. n. N (1 N)
(N 1) (k 1)
Nk
(
)= (
)
n1y
n1y
Dan
N
N!
N N1
( )=
= (
)
n
n! (N n)! n n 1
Maka
n1 k1
) ((N1)(k1)
)
y
n1y
(N1
)
n1
y=0
(
nk
E(X) =
k(k 1)n(n 1)
N(N 1)
Berdasarkan teorema :
2 = E(X 2 ) 2
= E[X(X 1)] + 2
=
k(k 1)n(n 1) nk n2 k 2
+
2
N(N 1)
N
N
nk(N k)(N n)
N2 (N 1)
Nn k
k
n (1 )
N1 N
N
99
k
N
nk
N
2 = npq
=n
k
k
(1 )
N
N
Jika dibandingkan dengan di atas dengan rumus teorema 3.3.1 kita akan
melihat bahwa rata-ratanya sama, sedangkan variansinya berbeda sebesar faktor
()
100
sel A1, dan untuk setiap cara ini terdapat [2 ] cara untuk memilih x2 benda dari sel
2
A2. Jadi untuk memilih x1 benda dari sel A1 dan x2benda dari sel A2 dapat
dilakukan dalam [1 ] [2 ] cara.
1
Dengan meneruskan cara ini untuk memilih n benda yang terdiri atas x1 dari
A1, x2 dari A2, ..., xk dari Ak dan dapat dilakukan dalam [1 ] [2 ]... [] cara.
1
1 2
(
)( )( )
1
(
)
dengan
=1 1 =
dan
=1 1 =
Distribusi Poisson
oleh
S.D.
Poisson
(17811841),
seorang
ahli
matematika
101
102
Penjelasan mengenai distribusi Poisson, baik dari pengertian, dan jenisjenis, melahirkan beberapa ciri yang dimiliki oleh distribusi Poisson sebagai
berikut (Hassan,2001):
1) Banyaknya hasil percobaan yang terjadi dalam suatu interval waktu atau
suatu daerah tertentu, tidak bergantung pada banyaknya hasil percobaan yang
terjadi pada interval waktu atau daerah lain yang terpisah.
2) Probabilitas terjadinya hasil percobaan selama suatu interval waktu yang
singkat atau dalam suatu daerah yang kecil, sebanding dengan panjang
interval waktu atau besarnya daerah tersebut dan tidak bergantung pada
banyaknya hasil percobaan yang terjadi diluar interval waktu atau daerah
tersebut.
3) Probabilitas lebih dari satu hasil percobaan yang terjadi dalam interval waktu
yang singkat atau dalam daerah yang kecil dapat diabaikan.
Selain itu diketahui pula dalam distribusi Poisson, probabilitas lebih dari
satu hasil percobaan yang terjadi dalam interval waktu yang singkat atau dalam
daerah yang kecil dapat diabaikan.
Banyaknya mobil yang lewat selama dalam selang waktu tertentu di suatu
ruas jalan
Definisi
103
2,71828e
= rata rata keberhasilan = n p
= banyak unsur berhasil dalam sampel
n = jumlah atau ukuran populasi
p = probabilitas kelas sukses
Teorema
Jika X berdistribusi Poisson
() = {
, = 0, 1, 2,
!
0,
Maka = dan 2 =
Bukti:
() =
=0
() =
( )
(
)
!
=0
() =
104
() =
() = (
1)
1)
Akibatnya,
() = ( ) (
1)
Jika t = 0 maka
(0) = =
() = ( ) (
1)
+ ( )2 (
1)
Jika t = 0 maka
() = + 2 = ( 2 ) = 2
(0) 2 = + 2 2 =
Ingat
=
()
1
= 1 + 2
!
2!
()
1
=
= 1 + + 2 +
!
2!
=0
105
( + ) = ( )
=0
2. Varians
Untuk mencari nilai varians pada distribusi Poisson digunakan rumus sebagai
berikut (Hasan,2001)
( )2 = 2 =
Kurva Distribusi Poisson
106
1
(1 ; 40, 5, 3) =
40
( )
5
3 37
( )( )
= 1 4
40
( )
5
3 66.045
=
658.008
= 0,30111
2. Sekelompok orang terdiri dari 50 orang dan 3 orang diantaranya lahir pada
tanggal 31 Desember. Bila secara acak dipilih 5 orang, berapakah peluang
yang terpilih itu tidak lebih dari 1 orang yang lahir pada tanggal 31 Desember?
Diketahui: = 50, = 5, = 3 1 ( = 0, 1)
Jawab:
Dengan menggunakan sebaran hipergeometrik, didapat probabilitas tidak lebih
dari 1 orang yang lahir pada tanggal 31 Desember, yaitu :
( 1) = ( = 0) + ( = 1)
107
3 50 3
3 50 3
( )(
) ( )(
)
= 0 50 + 1 51
50
50
( )
( )
5
5
3 47
3 47
( )( ) ( )( )
5
0
=
+ 1 4
50
50
( )
( )
5
5
1 1.533.939 3 178.365
=
+
2.118.760
2.118.760
= 0,72398 + 0,25255
= 0,97653
1
5
2
5
3
5
4
=
+
+
+
15
15
15
15
( )
( )
( )
( )
5
5
5
5
4 11
4 11
4 11
4 12
( )( ) ( )( ) ( )( ) ( )( )
= 1 4 + 2 3 + 3 2 + 4 1
15
15
15
15
( )
( )
( )
( )
5
5
5
5
108
4 330 6 165 4 55 1 12
+
+
+
3.003
3.003
3.003
3.003
1.320 + 825 + 220 + 12
=
3.003
2.377
=
3.003
=
= 0,79154
4. Jika 5 kartu diambil secara acak dari seperangkat kartu bridge, tentukan mean
dan variansinya dengan menafsirkan selang 2.
Diketahui:
N = 52, n = 5, k = 13
berdasarkan teorema 3.3.1, maka
=
(5)(13)
52
65 5
=
52 4
= 1,25
2 =
Nn
k
k
. n. (1 )
N1
N
n
2 = (
52 5
13
13
) (5) ( ) (1 )
51
52
52
47
13 52 13
(5) ( ) ( )
51
52 52 52
109
= (0,921568627)(5)(0,25)(0,75)
= 0,8640
Dengan menarik akar maka = 0,93. Maka selang yang diminta adalah 1,25
2(0,93) atau dari -0,61 sampai 3,11. Dalil chebyshev menyatakan bahwa
banyak kartu hati yang diperoleh jika 5 kartu diambil secara acak tanpa
pengambilan akan terletak antara -0,61 dan 3,11 dengan peluang sekurangkurangnya .
5. Suatu panitia 5 orang akan dipilih secara acak dari 3 kimiawan dan 5
fisikawan. Hitunglah mean dan variansinya!
Jawab:
Diketahui N = 8, n =5, k=3, maka
= (0)
1
15
30
10 15
+ (1) + (2) + (3)
=
56
56
56
56 56
( 2 ) =
225
56
Sehingga
225
15 2
225
=
[ ] =
56
8
448
2
110
Diketahui:
N = 5000, n = 10
Karena ukuran populasi relatif besar jika dibandingkan dengan contoh n =10,
maka kita akan mencari peluang yang akan ditanyakan dengan menggunakan
distribusi binomial. Peluang orang menggunakan sistem paskabayar adalah
0,2, maka peluang tepat ada 3 orang yang menggunakan sistem paskabayar
diantara 10 orang tersebut adalah
h(3 ; 5000, 10, 1000 ) b( 3; 10,
1
)
5
a
2
1
1
b( x;10, ) b( x;10, )
5 x 0
5
x 0
= 0,8791 0,6778
= 0,2013
Diketahui:
N = 1600
n=8
Karena ukuran populasi relatif besar jika dibandingkan dengan contoh n=8,
maka kita akan mencari peluang yang akan ditanyakan dengan menggunakan
distribusi binomial. Peluang penumpang yang berumur dibawah 17 tahun
adalah 0,2, maka peluang tepat ada 2 penumpang yang berumur dibawah 17
tahun diantara 8 orang contoh tersebut adalah
111
1
h(2; 1600, 8, 320) b(2; 8, )
5
= ( )
8 1 2 4 6
= ( )( ) ( )
2 5
5
=
8! 1 2 4 6
( ) ( )
2! 6! 5
5
1
4096
= 28 ( ) (
)
25 15625
=
114688
390625
= 0,2936
Jadi, peluang terdapatnya tepat 2 penumpang yang berumur dibawah 17 tahun
diantara 8 orang yang dikumpulkan sebesar 0,2936.
112
a1 = 2
a2 = 4
a3 = 2
N=8
n=4
Peluang yang dicari adalah
f(1, 1, 2; 2, 4, 2, 8, 4) =
(21)(41)(22)
(84)
2!
1!1!
4!
2!
3!1! 2!0!
8!
4!4!
9.
2 41
70
8
70
4
35
Diketahui
= 4 dan = 6
Maka
113
() =
46 6
= 0,1041956346
6!
10. Dua ratus penumpang telah memesan tiket untuk sebuah penerbangan luar
negeri. Jika probabilitas penumpang yang telah mempunyai tiket tidak akan
datang adalah 0.007 maka berapakah peluang ada 7 orang yang tidak datang.
Diketahui:
n = 200
p = 0.007
x=2
= = 200 . 0,007 = 1,4
(; ) =
1,42 1,4
2!
(; ) = 0,2417
11. Jika rata-rata kedatangan kapal di suatu pelabuhan adalah 22 kapalsetiap jam,
berapakah peluang dari kedatangan 4 kapal dalam waktu 3 menit. Gunakan
proses Poisson!
Diketahui:
= 22 kapal/ jam
unit waktu = 1 jam atau 60 menit, maka 3 menit =1/20 unit waktu
x=4
() ()
(; ) =
!
1
(; ) =
(; ) = 0,0224
114
12. Rata-rata banyaknya permintaan sambungan telepon per menit di suatu sentral
telepon adalah 10 buah. Kapasitas sentral tersebut hanya mampu melayani 15
permintaan per menit. Berapa peluangnya dalam 1 menit tertentu ada
permintaan yang tidak dilayani?
Jawab :
Misalkan X adalah banyaknya permintaan per menit. Jadi X ~ p() dengan =
10. Dengan demikian, p (ada permintaan yang tidak dilayani)
( > 15) = 1 ( 15)
15
( > 15) = 1
=0
10 10
!
115
BAB 8
BEBERAPA MODEL DISTRIBUSI KONTINU
A. Distribusi Normal
1. Tujuan
Mahasiswa diharapkan :
a. Mengetahui arti distribusi normal dan kurva normal.
b. Menjelaskan fungsi kepadatan peluang dan fungsi pembangkit momen dari
distribusi normal.
c. Menghitung peluang berdasarkan distribusi normal dengan menggunakan
tabel.
2. Materi
Distribusi normal merupakan distribusi dari peubah acak kontinue yang paling
banyak sekali dipakai sebagai pendekatan yang baik dari distribusi lainnya dengan
persyaratan tertentu. Sifat-sifat distribusi normal umum secara matematika
dipelajari pertama kali oleh tiga orang ahli, yaitu:
1. Abraham de moivre (1677-1745)
2. Pierre laplace (1749-1827)
3. Karl gauss (1777-1855)
Abraham de moivre, seorang matematikawan dari inggris yang menemukan
distribusi normal pada tahun 1733 sebagai hasil dari pendekatan distribusi
binomial dan penggunaannya terhadap masalah dalam permainan yang bersifat
untung-untungan. Kemudian laplace pada tahun 1774 mengenal distribusi normal
sebagai hasil dari beberapa kekeliruan dalam astronomi. Gauss pada tahun 1809
menggunakan kurva normal untuk menggambarkan teori kekeliruan pengukuran
meliputi perhitungan orbit bintang dilangit. Sepanjang abad ke 18 dan ke 19,
116
beberapa upaya dibuat untuk menetapkan model normal sebagai dasar hukum
untuk semua peubah acak kontinu.
Distribusi normal adalah distribusi yang berbentuk lonceng, bel, simetris;
simetrisnya itu terhadap sumbunya yang melalui nilai reratanya, sedangkan kurva
normal adalah kurva bagian atas dari distribusi normal.
Distribusi normal merupakan distribusi peluang kontinu yang terpenting
dalam bidang statistika, karena banyak digunakan didalam penelitian dan
pengukuran yang berulang-ulang mengenai bahan yang sama.
Penulisan notasi dari peubah acak X berdistribusi normal umum adalah
N(, 2 ), artinya peubah acak X berdistribusi normal dengan rataan
dan
variansi 2 .
Peubah acak X berdistribusi normal dengan rataan dan variansi 2 biasa
juga ditulis sebagai :
X ~ N(, 2 )
Definisi :
Fungsi padat peubah acak mempunyai (rataan) dan 2 (variansi)
dikatakanberdistribusi normal ditulis berdistribusi N (, 2 ) jika fungsi
kepadatan peluang (f.k.p) nya adalah
1
1 2
)
1 2
)
() = 2 2(
Atau
n(; , ) = 2 2(
, <<
, <<
117
peluang peubah normal kontinu tergantung pada dua parameter dan , yaitu
rataan dan simpangan bakunya. Jadi fungsi padat akan dinyatakan dengan n ( ;
, ). Dengan mengetahui dan maka seluruh kurva normal diketahui, sebagai
contoh jika jika = 50 dan = 5, maka ordinat n ( ,50,5) dapat dengan mudah
dihitung untuk berbagai nilai dan kurvanya dapat digambarkan. Berikut ini
disajikan kurva normal berdasarkan rataan dan variansinya.
118
1=
1
2
1 =
Modus, titik pada sumbu datar yang memberikan maksimum kurva, terdapat
pada =
119
2.
3.
4.
Kedua ujung kurva normal mendekati asimtot sebagai sumbu datar. Jika
harga bergerak menjauhi baik kekiri maupun kekanan.
5.
Seluruh luas dibawah kurva dan diatas sumbu datar sama dengan 1.
Berikut ini akan ditunjukkan bahwa luas dibawah kurva normal diatas sumbu
datar sama dengan 1. Dengan menunjukkan bahwa
() = 1
Bukti :
() =
Misalkan : =
1 2
)
2 (
y=
dy=dx
Sehingga
() =
1
1
(2)2
1
1
(2)2
1 2
2 dy
1 2
2 dy
120
Misalkan:
1 2
= 2 dy
Akan dibuktikan I 2 2 sehingga I 2
Pilihlah:
Z
dz 1
dx
=
sehingga:
2 =
1 2
1 2
= 2 dy 2 dz
= 2
( 2+ 2 )
121
2
2 2
2 =
0
0
2
2 = 1
0
2 = 2
= 2
Sehingga
() =
1 2
(2)
1
2
(2)
=
(2)
1 2
1
2
1
2
(2)
1
2
(2)2
=1
Jadi diperoleh:
() = 1
(Terbukti)
122
3. () = (
) ;
Bukti:
1. Berdasarkan definisi rataan kontinu, maka:
E(X) = ()
1 2
)
= 2 2(
Misalnya z =
, maka x = +
=
Batas-batas :
Untuk = , maka =
Untuk = , maka =
1 2
E(X) = 2 ( + ) 2
=
1
2
1
2
1 2
2 = 0
123
Kemudian untuk:
1 2
2 =
1
2
[2]
atas
1 2
2 =
Sehingga :
E(X) = 0 +
E(X) = (terbukti)
= ( )2 ()
= ( )2 22 exp [22 ( )2 ]
Misalnya : y = (
), maka ( ) =
=+
dx =
Batas-batas :
Untuk = , maka =
Untuk = , maka =
Var (X) = 2 2 2 [ 2 2 ]
=
2
2
[ 2 exp ( 2 2 ) ]
Misalnya : t =
2
2
, maka 2 = 2t , => = 2
124
2 = 2
Var (x) =
=
=
=
2 0 2 exp()
22
2 0
2 exp() . 2
2
, => =
22
22
exp()
2 exp()
2 0
2 exp()
2 0
22
0 2 exp()
() = 0 1 exp()
1
= (2)
2 2
3
( )
2
22 1
2
125
22 1
2
= 2
Var (X) = 2 (terbukti)
() = exp() ()
= 22 [ 2 (
1
1 ()2 22
= 22 [ 2 (
1
2
2
1 2 + 2 2(+2 )
= 22 [ 2 (
1
)]
1 2 2+ 2 22
= 22 [ 2 (
1
) ]
)]
)]
= 22 [ 22 ( 2 2( + 2 ) + 2 )]
Setelah dilakukan pengkuadratan sempurna didapatlah :
1
1
[ 22 ((|
22
( + 2 )|2 + 2 ( +
2 )2 )]
=
1
1
exp( 22 (|
22
( + 2 )|2 ). exp 22 ( 2
( + 2 )2 )
1
( 22 ( 2 ( + 2 )2 . 22 exp 22 (|
=
( + 2 )|2 )
=( 22 ( 2 2 2 2 4 2 ). 22 exp 22 (
( + 2 )2 )dx
126
Sehingga () = ( + 2 2 2 )
1
2 (
b. f(x)= 2
c. f(x)=
1 2
)
2
a. f(x)= 2
2
1
1 2
)
2
1
2
, < <
1 2
)
, < <
1 2
)
, < <
d. f(x)= 2 2(
e. f(x)=
, < <
1 2
)
2 (
, < <
Jawab : D
1
1 2
)
f(x)= 2 2(
, < <
127
a. f(x)= 22 2(
b. f(x)=
c. f(x)=
1
2
1 5 2
)
2
2 (
1
22
1
, < <
1 2 2
)
5
, < <
3 5 2
)
2
, < <
2 (
d. f(x)= 22 2(
e. f(x)=
1
2
, < <
1 5 2
)
2
2 (
, < <
Jawab : A
Diketahui : =5
=2
1 2
)
f(x)= 2 2(
, < <
sehinggadiperoleh
1
1 5 2
)
2
f(x)= 22 2(
, < <
a. 1= 2 dan
1=
b. 1 2 dan
1=
c. 1 2 dan
1> 2
d. 1 >2 dan
1=
e. 1 =2 dan
1> 2
Jawab : B
4. Ada 2 prosedur menyiapkan pesawat pemburu untuk take off. Cara pertama
memerlukan waktu rata-rata 24 menit dengan standar deviasi 5 menit
sedangkan cara kedua memerlukan rata-rata 24 menit dengan standar deviasi 2
menit dengan anggapan distribusi normal, maka jika waktu yang tersedia
hanya 20 menit. Cara mana yang lebih baik ?
a. Prosedur 1 dan 2
b. Prosedur 1
c. Prosedur 2
d. Tidak ada prosedur yang baik
Jawaban: B
Pembahasan :
Diketahui :
1 = 24; 2 = 25 1 N (24;25)
2 = 24; 2 = 42 N (24;4)
a. 1 ( X20) = P (P (
<
2024
5
= P (Z< 0,8)
= 0,5 0,2881
= 0,2119
b. 1 ( X20) = P (P (
<
2024
2
= P (Z< 2)
129
= 0,5 0,4772
= 0,0228
Jadi, cara yang terbaik menurut perhitungan adalah prosedur pertama karena
peluangnya lebih besar.
5. Perhatikan gambar berikut :
1=
b. 1 2 dan
1=
c. 1 2 dan
1> 2
d. 1 >2 dan
1=
e. 1 =2 dan
1< 2
Jawab : E
6. Jika peubah acak X bedistribusi umum dengan rataan 2 dan varians 0,16.
Maka P(X > 2,3) adalah
a. 0,5
b. 0,75
c. 2,3
d. 0,2734
e. 0,2266
Jawaban : E
130
Penyelesaian:
Dalam hal ini = 2 = 0,4
( > 2,3) = (
2,3 2
>
)
0,4
= ( > 0,75)
Kurva berdistribusi normal baku untuk Z = 0,75 bisa dilihat berikut ini,
0,75
131
BAB 9
DISTRIBUSI NORMAL
P(x1 X x2 )
x2
1 x
dx
x1
X1x2
Luas kurva normal sangat tergantung pada rataan dan simpangan normal
dan simpangan baku distribusi.
Jika pengamatan dengan setiap peubah acak normal X dapat ditransformasikan
menjadi himpunan pengamatan baru suatu peubah acak normal Z dengan rataan
nol dan variansi 1.
Transformasinya dapat dilakukan dengan:
132
X = nilai data
= rata-rata populasi
= standar deviasi / simpangan baku populasi
Jika X berharga antara x = x1 dan x = x2 maka peubah acak Z adalah
Z1
x1
dan Z 2
x2
Jadi
P(x1 X x2 )
x 2 1 x
2
2
x
1
2
dx
x1
z
2
z1
dz n( z;0,1)dz
x1
Pz1 Z z 2
z2
Dengan z terlihat merupakan suatu peubah acak normal dengan rataan nol dan
variansi 1.
Distribusi Normal Baku
Definisi:
Distribusi peubah acak normal dengan rataan nol dan variansi 1 disebut distribusi
normal baku.
() =
1
2
1 2
) ; < <
2
133
x1x2
z1
z2
134
Karena luas seluruh kurva adalah 1, dan kurva simetris di m= 0, maka luas dari
garis tegak pada titik nol ke kiri ataupun ke kanan adalah 0,5.
Distribusi Binomial yang Mendektati Distribusi Normal
Untuk distribusi binomial yang cukup besar dan n(1-p) > 5, maka dapat digunakan
distribusi normal dengan = np dan dan standar deviasi =
Sehingga,
=
1,52z
135
= P(Z> 0) P(0<Z<1,52)
= 0,5 - 0,4537
= 0,0463
2. Ditentukan distribusi normal baku. Carilah luas dibawah kurva yang terletak
Antara z= -1,97 dan z= 0,8
jawab :
-1,97
0,81
= P (-1,97<Z<0) + P(0<Z<0,81)
= 0,4756 + 0,2881
= 0,7673
136
P(0<Z<k )
= 0,5 0,3409
= 0,1591
Sehingga dari tabel luas di bawah kurva normal standar dari 0 ke z, nilai k
adalah 0,41
Jawab :
-0,15
Pada tabel luas dibawah lengkungan normal standar dari 0 ke z, nilai z= -0,15
yaitu
P(-0,15< Z< 0)= 0,0596, sehingga
137
P(k<Z<-0,15)
= P( k <Z< 0) P (-0,15<Z<0)
0,4225
= P( k <Z< 0) - 0,0596
P( k <Z< 0)
= 0,4225 + 0,0596
= 0,4821
Pada tabel luas dibawah lengkungan normal standar dari 0 ke z, nilai k adalah
-2,1
5. Diketahui suatu distribusi normal dengan 50 dan 10 . Tentukanlah
peluang bahwa X mendapat nilai antara 41 dan 70.
Jawab :
Diketahui : 50 dan 10
Nilai z yang berpadanan dengan x1= 41 dan x2= 70 adalah
1
1 =
41 50
1 =
= 0,9
10
dan
2
70 50
2 =
=2
10
2 =
= P(-0,9<Z<0) + P(0<Z<2)
= 0,3159 + 0,4772
= 0,7931
138
-0,9
10000 7500
=2
1250
139
Jadi peluang agar-agar tersebut dapat dijual lebih dari Rp.10000 adalah
sebesar 0,0228
2. Nilai murid TK Gembira Riang memiliki nilai rata-rata 75,nilai tersebut
berdistribusi normal dan memiliki simpangan baku 15,berapa jumlah
persentase murid TK yang mendapat nilai lebih dari 70?
Jawab:
Dik : = 75, = 15,
= 70
70 75
= 0,3333 0,33
15
-0,33
= 6,9
88 82
= 0,87
6,9
2 =
94 82
= 1,74
6,9
= P(0<Z<1,74) - P(0,87<Z<0)
= 0,4591 - 0,3078
= 0,1513
0 0,87 1,74
141
4.
jawab :
a) Kurang dari 160.0 cm
=
160 174,5
= 2,1
6,9
P(Z<-2,1)
= P(Z<0) P(-2,1<Z<0)
= 0,5 0,4821
=0,0179
171,5 17,5
= 0,43
6,9
2 =
182 174,5
= 1,09
6,9
P(-0,43<Z<1,09)
= P(-0,43<Z<0)+ P(0<Z<1,09)
= 0,1664 + 0,3621
= 0,5285
142
-0,43
1,09z
188 174,5
= 1,96
6,9
P(Z>1,96)
= P(Z>0) P( 0<Z<1,96)
= 0,5- 0,4750
=0,0250
1,96
143
Dik :
= 115;
Dit :
=
= 12;
= 110
110 115
= 0,42
12
= P(Z<0) P(-0,42<Z<0)
P(Z< -0,42)
= 0,5 0,1628
= 0,3372
Jumlah pelamar yang ditolak = 0,3372 x 600 = 202 pelamar
6. Seorang pedagang buah setiap hari membeli 300 kg buah di Pasar Induk
Kramat Jati. Probabilitas buah tersebut laku dijual adalah 80 % dan 20 %
kemungkinan tidak laku dan busuk. Berapa probabilitas buah sebanyak 250
kg laku dijual dan tidak busuk?
Jawab:
n = 300, probabilitas laku, p = 0,8 q = 0,2
= np = 300 x 0,8 = 240
npq = 300 0,8 0,2 = 6,93
X = 250 kg dan dikurangi faktor koreksi 0,5 sehingga X = 249,5
Z =
249,5240
6,93
= 1,37
144
= 0,5 + 0,4147
= 0,9147
Jadi harapan buah laku terjual sebanyak
250 kg adalah 0,9147 x 100% = 91,47%
145
BAB 10
DISTRIBUSI GAMMA, EKSPONENSIAL, DAN CHI-SQUARE
TUJUAN PEMBELAJARAN
Adapun tujuan dari mempelajari materi ini adalah sebagai berikut:
1. Mengetahui definisi-definisi terkait pengaplikasian distribusi gamma,
eksponensial, dan khi-kuadrat.
2. Mengetahui teorema-teorema terkait
distribusi gamma,
DISTRIBUSI GAMMA
Distribusi Gamma merupakan turunan dari distribusi Poisson, digunakan
untuk mengkali peubah acak non negatif. Distribusi Gamma memainkan peran
yang penting dalam teori antrian dan teori keandalan (reliabilitas). Jarak antara
waktu tiba difasilitasi pelayanan (misalnya Bank dan Loket tiket kereta api).
Definisi 1
Fungsi Gamma didefinisikan sebagai:
() = 0 1 , untuk > 0
Jika di integralkan menggunakan integral parsial dengan permisalan
= 1
dan
= ( 1) 11
=
= ( 1) 2
146
maka diperoleh,
() =
lim ( 1 |0
~
( ( 1) 2 ))
0
= lim ( 1 |0 ) + lim ( ( 1) 2 )
~
= lim (
) + ( 1) lim ( ( 1) 2 )
0
= 0 + ( 1) ( 2 )
0
= ( 1) ( 2 )
0
(1) = 11 = = 1 = 1
0
147
1 ,
()
() = {
0,
>0
() > 0
Sifat fungsi Gamma :
4. (p + 1) = p (p)
5. (p + 1) = p!, untuk p bilangan bulat positif
1
6. (2) =
DISTRIBUSI EKSPONENSIAL
Pada saat = 1, distribusi gamma mengambil suatu bentuk khusus yang dikenal
sebagai distribusi eksponensial.
Definisi :
Peubah acak kontinu X berdistribusi eksponensial dengan parameter , jika fungsi
padatnya berbentuk:
1
,
() = {
0,
> 0,
>0
Dengan () = dan () = 2
148
Contoh :
Misalnya peubah acak Y brdistribusi eksponensial dengan parameter = 2.
Hitunglah peluang bahwa Y bernilai lebih dari 2.
Jawaban :
Fungsi densitas dari Y adalah :
1
() = ( ) 2
2
; >0
=0
( > 2) = 1 ( 2)
2
=1
0
1
2
2
2
1
= 1 (2 . 2 ] )
2
=0
1
= 1 (2 1 + 2)
2
1
= 1 (1,26)
2
= 1 0,6309
= 0,36900369
( > 2) = 0,369
Jadi, peluang bahwa Y bernilai lebih dari 2 adalah ( > 2) = 0,369
Hubungan distribusi Poisson, Eksponensial, dan Gamma
149
Pada suatu kejadian yang mengikuti proses Poisson, waktu antar kejadian (atau
waktu kejadian pertamaatau ke-1 dari kejadian terakhir, karena sifatnya yang
memoryless) tersebut akan berdistribusi eksponensial. Sedangkan waktu sampai
terjadinya kejadian ke- akan berdistribusi gamma.
Teorema 4.4.1:
Jika X berdistribusi (, ), maka f.p.m adalah:
() = (1 ) ;
Bukti:
() = ( )
=
0
=
0
1
1
()
(1)
1
1
()
Misalkan : =
(1)
, maka
150
<
Akibatnya,
1
1
() =
(
)
(
)
1
0 () 1
=
(
) (
)
() 0 1
1
(
)
1
=
(
) (
)
() 0 1
1
1 (
)
1
(
)
1
() 1
0
1
=(
)
1
1 () 0
1
() = (
)
()
1 ()
1
=(
)
(1 )
=
1
(1 )
= (1 ) ,
<
151
() = (1 ) ;
<
Teorema 4.4.2
Jika X berdistribusi Gamma dengan parameter dan jika fungsi padatnya
berbentuk
1
1
,
>0
() = { ()
0,
untuk yang lainnya
() 0
Misalkan : =
Sehingga
=
() 0
( + 1)
()
(( 1) + 1)!
( 1)!
()!
( 1)!
( 1)!
( 1)!
=
152
2)
2 ( + 2)
=
()
2 (( 1) + 2)!
=
( 1)!
2 ( + 1)!
=
( 1)!
2 ( + 1)( 1)!
=
( 1)!
= ( + 1) 2
Sehingga,
2 = ( 2 ) 2
= ( + 1) 2 ()2
= 2 2 + 2 2 2
= 2
Sehingga, terbukti bahwa rataan dan variansi distribusi gamma adalah
= dan 2 = 2
153
(1777-1855).
Pearson
melanjutkan
konsep-konsep
Galton
dan
154
Definisi:
Peubah acak kontinu x berdistribusi Chi-Kuadrat, dengan derajat kebebasan v,
bila fungsi padatnya diberikan oleh
1
() = {22 ( )
2
21 2 , > 0
= ()
0
~
1
2
22 (2)
=
0
21 2
2 (2 )
(2)
155
; <
1
2
21 (2) ()
2 (2)
Misalnya = (2 ) = 1
2
= 12
1 2
2 21
2
() = (
) (
)
1
2
1
2
0 22 ( )
~
2 2 2 1
2
= (
) (
) (
)
1
2
1
2
1
2
0 22 ( )
~
2 2 1
= (
)
0 22 ( ) 1 2
2
2 (2)
22
(1 2)2 ( )
2
1
2
(1 2)2
2 (2)
=
1
2
(1 2)
22
21
0
156
() =
(
)
(1 2) ( ) 2
2
(1 2)2
= (1 2)2
Dengan menyelesaikan integral tersebut diperoleh
() = (1 2)2
Untuk memperoleh rataannya
() = (1 2)21 (2)
2
= (1 2)21
Jika t = 0 maka diperoleh
(0) = (1)21 =
Jadi =
Variansinya ( 2 )
"() = (
1) (1 2)22 . (2)
2
= 2 + 2(1 2)22
"(0) = 2 + 2(1)22
= 2 + 2
Jadi 2 = () () = 2 + 2 2 = 2
Contoh:
157
20,5
=
0
3,25
()
()
3,25
1
1
1
1
4 2
4 2
(5)25
(5)25
0
(lihat tabel)
b. ( > ) = 1 ( )
= 1 0,05
= 0,95
Jadi ( ) = 0,95
Berdasarkan Tabel, diperoleh harga yang memenuhi adalah K = 18,4
158
Soal Latihan
1.
Jawaban:
Fungsi densitas dari X berbentuk:
() = ( ) 3 ; > 0
9
= 0 ;
1
Jadi: ( > 4) = 4
=
. 3
9
1
1
lim . 3
9 9
= 3 , maka = 3. 3
3
( > 4) = lim (3. ]
+ 3 3 )
9
=4
4
1
lim (3. 3 ]
9. 3 ] )
9
=4
=4
4
1
= lim (3. 3 + 12. 3 9. 3 + 9. 3 )
9
1
= [ lim (3. 3 ) + 21. 3 lim (9. 3 )]
9
4
1
= ( ) (0 + 21. 3 0)
9
21 4
=
. 3
9
= 0.6151
2.
159
Jawaban :
Fungsi densitas dari Y adalah :
1
() = ( ) 3
3
; >0
=0
( > 2) = 1 ( 2)
2
=1
0
1
3
3
2
1
= 1 (3 . 3 ] )
3
=0
2
= 1 + ( 3 1)
2
( > 2) = 3 = 0,5134
Jadi, peluang bahwa Y bernilai lebih dari 2 adalah ( > 2) = 0,5134
3.
1
2
160
= ( [( 2 )1] )
= ( 2 )
= ( 2 )
= . ( )
2
2
= . [1 2 ( )]
2
() =
(1 )2
4.
161
BAB 11
TRANSFORMASI PEUBAH
A. Peubah Acak
Peubah acak adalah suatu fungsi yang mengaitkan suatu bilangan real pada
setiap unsure dalam ruang sampel. Peubah acak biasanya dinyatakan dengan huruf
besar, misalnya X, sedangkan nilainya akan dinyatakan dengan huruf kecil
padanannya, misalnya x. Peubah acak ada 2, yaitu peubah acak diskrit peubah
acak kontinu.
162
Dalam hal ini akan dibahas beberapa teknik yang digunakan dalam
menentukan distribusi dari fungsi peubah acak, yaitu teknik fungsi distribusi,
teknik transformasi peubah acak, dan teknik fungsi pembangkit momen. Misalkan
kita mempunyai peubah acak, baik diskrit maupun kontinu.Kita bisa menentukan
fungsi peluang atau fungsi densitas berdasarkan sifatnya.Kemudian kita
mempunyai peubah acak baru yang merupakan fungsi dari peubah acak semula.
Dalam hal ini, kita akan menentukan distribusi dari peubah acak baru tersebut.
Tentu saja, penentuan distribusi tersebut bergantung pada banyak peubah acak
yang dilibatkannya, yaitu satu peubah acak atau dua peubah acak.
163
Bukti
Fungsi Densitas
( ) = ( = )
= ( () = )
= ( = () )
= ( ())
Contoh
Misalkan fungsi peluang dari peubah acak X adalah :
p(x) = 2 ; x = 1,2,3,
Tentukan Fungsi peluang dari peubah acak Y = 4 + 1
Penyelesaian
Transformasinya
: Y = 4 + 1
Hubungan Antara nilai dari peubah acak dan nilai dari peubah acak
diberikan dengan :
= 4 + 1
1
Inversnya : = ( 1)4
Nilai-Nilai yang mungkin dari adalah = { = 2,17,82, }.
Jadi fungsi peluang dari adalah :
1
1 () = 2(1)4 ; = 2,17,82,
yaitu:
164
Teorema
Misalkan suatu peubah acak kontinu dengan distribusi peluang (). misalkan
= () menyatakan hubungan satu satu antara nilai dan sehingga
persamaan = () mempunyai jawaban tunggal untuk dan misalnya =
(). Maka distribusi peluang adalah () = [()] ||dengan = ()
dan disebut Jacobi transformasi.
Bukti
= ()
w(a)
= ()
w(b)
()
Karena integral memberikan nilai peluang yang dicari untuk setiap < dalam
batas nilai yang mungkin, maka distribusi peluang adalah:
165
() = [()] ()
.(1)
= [()]
Jika J=w(y) adalah kemiringan invers dari garis tangen ke kurva naik y=u(x),
tentulah J=|J|, sehingga g(y) =f[w(y)]|J|
Kemudian
dimisalkan
bahwa
bahwa bila
b
= ()
= ()
w(a)
w(b)
()
= [()] ()
Karena integral memberikan nilai peluang yang dicari untuk setiap < dalam
batas nilai yang mungkin, maka distribusi peluang adalah:
() = [()] ()
= [()]
.(2)
Karena slope dari kurva adalah negatif, dan -J=|J|, maka distribusi peluang
adalah:
166
() = [()]||
Contoh
Misalkan peubah acak kontinu dengan distribusi peluang () =
,
1<<5
{12
0, untuk yang lain
Hitunglah distribusi peluang peubah acak = 2 3
Jawab :
Fungsi kebalikan dari = 2 3 adalah =
+3
2
sehingga diperoleh
= ()
=
+3
(
)
1
( ( + 3))
2
1
= (1) + 0( + 3)
2
1
1
= +0=
2
2
Kemudian untuk interval daerahnya didapat:
= 1 maka = 1
= 5 maka = 7
Dengan demikian didapatlah bahwa:
(
+3
) 1
1 < < 7
() = { 12 (2) ,
0,
untuk yang lain
2
+3
, 1< <7
() = { 48
0, untuk yang lain
Bukti lain dari Teorema 2
167
() = (())
= (() (()) ()
= (()) ()
Dalam hal ini
monoton turun
() jika dan hanya jika () . Dengan demikian :
() = ( () )
= ( ())
=1 ( ()
= 1 (())
Sehingga Fungsi densitasnya menjadi
() = ( 1 (()) )
= ( 1) ( (()) )
= 0 (() (()) ()
= (()) ()
= (()) ()
168
J = ()
Teorema
Misalkan X1 dan X2 peubah acak diskrit dengan distribusi peluang
gabungan
(1 , 2 ).
Misalkan
1 = 1 (1 , 2 )
dan
2 =
2 (1 , 2 ) merupakan transformasi satu satu antara himpunan titik
(1 , 2 ) dan (1 , 2 ) sehingga persamaan 1 = 1 (1 , 2 )dan 2 =
2 (1 , 2 )mempunyai jawaban tunggal untuk 1 dan 2 yang dinyatakan
dalam 1 , 2 .
Misalkan 1 = 1 (1 , 2 )dan 2 = 2 (1 , 2 ). Maka distribusi peluang
gabungan 1 dan 2 adalah (1 , 2 ) = [1 (1 , 2 ), 2 (1 , 2 )].
Bukti
Misalkan 1 = 1 (1 , 2 ) , 2 = 2 (1 , 2 ) menyatakan transformasi
satu-satu yang memetakan A ke B , Maka transformasi inversnya adalah 1 =
1 (1 , 2 ) ,2 = 2 (1 , 2 ) yang memetakan (1 , 2) B ke A
.
Jadi Distribusi peluang gabungan 1 dan 2 adalah (1 , 2 ) =
[1 (1 , 2 ), 2 (1 , 2 )] , Nol untuk yang lainnya .
Transformasi ini sangat berguna untuk menentukan distribusi peubah acak y1
= u1(X1, X2) peubah acak diskrit dengan distribusi peluang f(x1,x2). Untuk
menentukan distribusi peluang gabungan g(y1,y2) cukup dibentuk fungsi kedua
misalnya Y2 = u2(X2,X2) dan (y1,y2) dapat dipertahankan. Distribusi Y1 ini hanyalah
distribusi marginal dari g(y1,y2) yang dapat diperoleh dengan menjumlahkannya
terhadap nilai y2. Jika distribusi Y1 dinyatakan dengan h(y1), maka distribusinya
dapat dinyatakan dengan h( y1 ) g ( y1 y2 )
y2
169
Contoh
Misalkan 1 dan 2 dua peubah acak bebas dengan distribusi Poisson,
masing masing dengan parameter 1 dan 2 . Tentukan distribusi peubah acak
1 = 1 + 2 .
Jawab :
Karena 1 dan 2saling bebas maka dapat ditulis
(1 , 2 ) = (1 ) (2 )
=
=
1 1 1
1 !
2 2 2
2 !
(1 +2 )1 1 2 2
1 !2 !
dengan1 = 0, 1, 2, dan2 = 0, 1, 2,
(1 +2 ) 1 1 2 2 2
dengan1
(1 2 )! 2
= 0, 1, 2, , dan 2 =
0, 1, 2, , 1
karena1 > 0 transformasi 1 = 1 2 mengakibatkan x2, jadi juga y2,
harus selalu lebih kecil atau sama dengan y1, jadi distribusi peluang pias y1
adalah
1
(1 ) = (1 , 2 )
2 =0
1
=
2 =0
(1 +2) 1 1 2 2 2
(1 2 )! 2
170
= (1 +2)
2 =0
1 1 2 2 2
(1 2 )! 2 !
(1 +2)
1 !
=
1 1 2 2 2
(
)!
1 !
1 2 2 !
2 =0
1
(1 +2)
1
=
( ) 1 1 2 2 2
2
1 !
2 =0
(1 +2)
(1 + 2 )1
1 !
= 1,2,3,
Dari rumus tersebut dapat disimpulkan bahwa jumlah dua peubah acak
bebas yang berdistribusi Poisson dengan parameter 1 2 akan
berdistribusi Poisson juga dengan parameter 1 + 2 .
2.
Teorema
Misalkan 1 dan 2 peubah acak kontinu dengan distribusi peluang
gabungan (1 , 2 ). Misalkan 1 = 1 (1 , 2 ) merupakan transformasi
satu satu antara titik (1 , 2 ) dan (1 , 2 )sedemikian rupa sehingga
persamaan 1 = 1 (1 , 2 ) dan 2 = 2 (1 , 2 ) mempunyai jawaban
tunggal untuk 1 dan 2 dinyatakan dalam 1 dan 2 misalkan 1 =
1 (1 , 2 ) dan 2 = 2 (1 , 2 ). Maka distribusi peluang gabungan 1 dan
2 adalah (1 , 2 ) = [1 (1 , 2 ), 2 (1 , 2 )] || dengan Jacobi adalah
determinan 2 x 2
1
|dan1
2
1
= |1
2
171
Keterangan :
Dengan y1 Konstan
Dengan y1Konstan
Dengan y2Konstan
engan y1Konstan
Contoh
Misalkan 1 dan 2 dua peubah acak kontinu dengan distribusi peluang
gabungan
(1 , 2 ) = {
4 1 2 , 0 < 1 < 1,
0 < 2 < 1
0, 1 2
21 2
| = ( 1 1 ) ( 2 0) = 1 0 = 1
3
1 |
21
21
21 1
21 2
1
172
2
1
2 2 = 1
1
1 21
22
1
173
Misalkan kita mempunyai fungsi densitas gabungan dari dua peubah acak
kontinu dan dua peubah acak transformasi yang masing-masing merupakan fungsi
dari dua peubah acak kontinu tersebut.Kedua peubah acak transformasi itu
merupakan peubah acak yang baru. Langkah-langkah untuk menentukan fungsi
densitas marginaldari salah satu peubah acak transformasi itu sebagai berikut:
Ubah bentuk dua peubah acak transformasi dari huruf besar (dalam bentuk
peubah acak) menjadi huruf kecil (dalam bentuk nilai peubah acak),
sehingga diperoleh nilai peubah acak transformasi.
Tentukan invers dari nilai peubah acak transformasi itu, sehingga akan
diperoleh dua nilai peubah acak lama yang merupakan fungsi dari nilai
peubah acak transformasi.
Hitung nilai Jacobian (ditulis dengan J) dari dua nilai peubah acak lama,
dengan jacobiannya berupa determinan dari matriks berordo 2 x 2.
Kemudian hitung harga mutlak dari jacobian itu.
Tentukan distribusi gabungan dari kedua peubah acak transformasi.
Tentukan batas-batas nilai dari kedua peubah acak transformasi.
Tentukan fungsi densitas marginal dari salah satu peubah acak
transformasi yang diinginkan.
marginal dari salah satu peubah acak transformasi itu sebagai berikut:
Tentukan fungsi densitas gabungan dari kedua peubah acak kontinu
semula.
174
Ubah bentuk dua peubah acak transformasi dari huruf besar (dalam bentuk
peubah acak) menjadi huruf kecil (dalam bentuk nilai peubah acak),
sehingga diperoleh nilai peubah acak transformasi.
Tentukan invers dari nilai peubah acak transformasi itu, sehingga akan
diperoleh duanilai peubah acak lama yang merupakan fungsi dari nilai
peubah acak transformasi.
Hitung nilai Jacobian (ditulis dengan J) dari dua nilai peubah acak lama,
denganjacobiannya berupa determinan dari matriks berordo 2 x 2.
Kemudian hitung harga mutlak dari jacobian itu.
Tentukan distribusi gabungan dari kedua peubah acak transformasi.
Tentukan batas-batas nilai dari kedua peubah acak transformasi.
Tentukan fungsi densitas marginal dari salah satu peubah acak
transformasi yang diinginkan.
Contoh
Misalkan fungsi densitas gabungan dari X dan Y berbentuk :
(, ) =
1
; 0 < ( 2, 0 < < 2
4
= 0 ; ,
Jika U = X Y dan V = X + Y ,maka tentukan fungsi densitas marginal
dari U .
Penyelesaian :
Kedua peubah acak transformasinya : U = X Y dan V = X + Y .
Hubungan antara nilai x dari X dan nilai y dari Y serta hubungan antara
nilai u dari U dan nilai v dari V diberikan dengan :
= dan = +
Inversnya : =
( + ) dan y = ( )
2
2
Jacobiannya : J = |
1
|= |
11
22
11
2 2
=4+4
175
J=4=
J = 2
Fungsi densitas gabungan dari U dan V adalah :
1
(, ) = ([2 ( + ), ( 2) ( )] .
1
= (4)(2)
(, ) =
1
8
0<y<2
0 <2 ( + ) < 2
0 < 2 ( )< 2
0 < + < 4
0 < < 4
< < 4
< <4+
Jadi , ( , ) =
1
8
= 0 ; , lainnya .
Jadi fungsi densitas marginalnya dari U adalah
4+ 1
1 () =
4+
]
=
( 4 + ) = =
8
8
1
2
Maka
1 () =
1
2
;0 < < 2
= 0 ; u yang lainnya .
176
1 () = ( , )
Atau,
1 () = ( , )
177
() = (, )
atau
() = ( , )
Bukti:
Karena transformasipeubah acak yang diketahui berbentuk = + , maka kita
mengambil transformasi peubah acak keduanya adalah = .
Jadi transformasi peubah acaknya: = + dan =
Hubungan antara nilai x dari X dan nilai y dari Y serta hubungan antara nilai s
dari S dan nilai w dari W diberikan sebagai:
= + =
Inversnya: = =
Jacobiannya : =
1 0
=|
|=1
1 1
, || = 1
() = (, )
178
Contoh :
1. Penjumlahan
Misalkan fungsi densitas gabungan dari peubah acak kontinu dan berbentuk:
(, ) = 2; 0 < < 1, 1 < < 2
= 0; , lainnya
Jika = + , maka tentukan fungsi densitas dari
Penyelesaian :
Karena transformasi peubah acak yang diketahui berbentuk = + , maka kita
mengambil transformasi peubah acak keduanya adalah = .
Jadi transformasi peubah acaknya: = + dan = .
Hubungan antara nilai dari dan nilai dari serta hubungan antara nilai
dari dan nilai dari diberikan dengan:
= + dan =
Inversnya: = dan =
Jacobiannya: =
1 0
=|
|=1
1 1
, || = 1
1<<2
0<<1
1< <2
1+ < < 2+
179
= 0; , lainnya
Kita akan menggambar daerah yang memenuhi 0 < < 1 dan 1 + < < 2 +
s 1
0
1
= 2 = 2
2
Maka:
g1
ws 2
= 1 ( 2)2 ; 2 3
= 1 ( 2)2 ; 2 3
= 0; lainnya.
Teorema B
180
1 () = ( , )
Atau,
1 () = ( + , )
Bukti:
Karena transformasipeubah acak yang diketahui berbentuk = , maka kita
mengambil transformasi peubah acak keduanya adalah = .
Jadi transformasi peubah acaknya: = dan =
Hubungan antara nilai x dari X dan nilai y dari Y serta hubungan antara nilai s
dari S dan nilai w dari W diberikan sebagai:
= =
Inversnya: = =
Jacobiannya : =
1 0
=|
| = 1
1 1
, || = 1
() = (, )
181
Contoh
Misalkan fungsi densitas gabungan dari peubah acak kontinu X dan Y berbentuk:
(, ) = 2; 1 < < 2,0 < < 1
= 0; , lainnya.
Jika = , maka tentukan fungsi densitas dari .
Penyelesaian:
Karena transformasi peubah acak yang diketahui berbentuk = , maka kita
mengambil transformasi peubah acak keduanyaadalah = .
Jadi transformasi peubah acaknya: = dan = .
Hubungan antara nilai dari dan nilai dari serta hubungan antara nilai
dari dan nilai dari diberikan dengan:
= dan =
Inversnya: = dan =
Jacobiannya: : = |
1 0
=|
| = 1
1 1
, || = 1
0<<1
0< <1
< <1+
Kita menggambarkan daerah yang memenuhi 1 < < 2 dan < < 1 +
182
Bangun ABCD merupakan daerah yang memenuhi 1 < < 2 dan < < 1 +
Fungsi identitas marginal dari adalah:
1+
]
= 2 2 t 1
= (1 + )2 1 2(1 + 1)
= 1 + 2 + 2 1 22
= 2 2
= 2 2 ]
t u
183
= (4 2 ) 2(2 )
= 4 2 4 + 22
= 4 4 + 2 = ( 2)2
Sehingga: 1 () = 2 2 ; 0 < < 1
= ( 2)2 ; 1 < < 2
= 0; lainnya.
Teorema C
Transformasi Berbentuk Perkalian
1
1 () = ( , ) .
Atau,
1
1 () = ( , ) .
Bukti:
Karena transformasi peubah acak yang diketahui berbentuk W=XY, maka kita
mengambil transformasi peubah acak keduanya adalah =
Hubungan antara nilai x dari dan nilai y dari serta hubungan antara nilai u
dari dan nilai w dari diberikan dengan:
= dan =
Inversnya = dan =
Jacobiannya:
J=|
1
= |
1|
184
1
|| = | |
(, ) = (, ) . ||
1
= (, ) . | |
Sehingga fungsi densitas marginal dari W adalah:
1
1 () = ( , ) . | |
Contoh
Misalkan fungsi densitas gabungan dari dan berbentuk:
(, ) = + ; 0 < < 1,0 < < 1
= 0; , lainnya.
Jika = , maka tentukan fungsi densitas dari .
Penyelesaian :
Karena transformasi peubah acak yang diketahui berbentuk = , maka kita
mengambil transformasi peubah acak keduanya adalah = .
Jadi transformasi peubah acaknya: = dan = .
Hubungan antara nilai x dari X dan nilai y dari Y serta hubungan antara nilai u
dari U dan nilai w dari W diberikan dengan:
= dan =
Inversnya: = dan =
Jacobiannya: : =
1
= |
1|
(, ) = (, ) . ||
185
, || = ||
1
= (, ) . | |
=1+ 2
0<<1
0<<1
0<
<1
0<<
Jadi:g(u,w) = 1 +
= 0; , lainnya.
Kita menggambarkan daerah yang memenuhi 0<u<1 dan 0<w<u.
g1 ( w) 1 2 du
u
w
1
186
w 1
]
u u w
(1 w) ( w 1)
1 w w 1
g1 ( w) 2 2 w;0 w 1
= 0; lainnya.
Teorema D
Transformasi Berbentuk Pembagian
Misalkan X dan Y adalah peubah acak kontinu dengan fungsi densitas
gabungannya f(x,y). Jika Z = X/Y, maka fungsi densitas dari Z dirumuskan
sebagai berikut:
1 () = ( , ).
Bukti :
Jadi transformasi peubah acaknya adalah = serta hubungan antara nilai v dari
V dan nilai z dari Z diberikan dengan:
= dan =
Inversnya: = dan =
Jacobiaanya:
= |
| = | | = || = || =
1 0
187
1 () = (, ).
Contoh
Misalkan fungsi densitas gabungan dari dan berbentuk:
(, ) =
4
; 1 < < 2, 1 < < 2
9
= 0; , lainnya.
= dan =
Inversnya: = dan =
Jacobiannya: =
=|
| = , || = || =
1 0
1<<2
1 < < 2
1<<2
1
2
<<
188
Kita menggambarkan daerah yang memenuhi 1 < < 2 dan < < .
Bangun ABCD merupakan daerah yang memenuhi 1 < < 2 dan < < .
Fungsi densitas dari Z adalah
2
4
1
g1 v 3 zdv; z 1
2
1 9
z
1 4 2 1
1 16 1
zv ] z 16 4 z z 3
1
9
9
z 9 9
v
z
2
z
4
g1 v 3 zdv;1 z 2
9
1
2
z
1
1 16 16
1
zv 4 ] z 4 1 z 3 z
9
9 z
v 1
9
9
189
Jadi ,
1
16 1
g 1 z z 3 ; z 1
2
9 9
16
1
z 3 z;1 z 2
9
9
=0; lainnya.
4. Satu Transformasi Peubah Acak diketahui Fungsi Densitas
Gabungan Tidak Diketahui
Misalkan kita mempunyai dua peubah acak kontinu yang saling bebas dan
masing-masing mempunyai fungsi densitasnya.Kemudian kita juga mempunyai
sebuah transformasi peubah acak yang merupakan fungsi dari kedua peubah acak
itu. Langkah-langkah untuk menentukan fungsi densitas dari transformasi peubah
acak itu sebagai berikut:
Kita menentukan fungsi densitas gabungan dari kedua peubah acak
tersebut.
Kita mengambil atau memisalkan satu transformasi peubah acak lagi
dengan bentuknya disesuaikan dengan bentuk transformasi peubah acak
yang diketahui. Jika transformasipeubah acak yang diketahui berbentuk
penjumlahan, pengurangan, atau perkalian, maka kita bebas mengambil
transformasi peubah acak yang kedua. Jikatransformasi peubah acak yang
diketahui berbentuk pembagian, maka kita sebaiknya mengambil
transformasi peubah acak yang keduanya adalah penyebutnya.
Ubah bentuk dua peubah acak transformasi dari huruf besar (dalam bentuk
peubah acak) menjadi huruf kecil (dalam bentuk nilai peubah acak),
sehingga diperoleh nilai peubah acak transformasi.
190
Tentukan invers dari nilai peubah acak transformasi itu, sehingga akan
diperoleh duanilai peubah acak lama yang merupakan fungsi dari nilai
peubah acak transformasi.
Hitung nilai Jacobian (ditulis dengan J) dari dua nilai peubah acak lama,
denganjacobiannya berupa determinan dari matriks berordo 2 x 2.
Kemudian hitung harga mutlak dari jacobian itu.
Tentukan distribusi gabungan dari kedua peubah acak transformasi.
Tentukan batas-batas nilai dari kedua peubah acak transformasi.
Tentukan fungsi densitas marginal dari salah satu peubah acak
transformasi yang Diinginkan .
Latihan Soal
1. Misalkan Fungsi peluang dari peubah acak X berbentuk :
() = ; = 1,2,3
6
Jika = 2 , Maka tentukan
a. Fungsi Distribusi dari
b. Fungsi Peluang dari
2. Diketahui X peubah acak kontinu dengan fungsi padat peluang
x
untuk 1 x 5
f ( x) 12
0 untuk x lainnya
191
4 x x
f ( x1 , x2 ) 1 2
0
0 x1 1;0 x2 1
x lainnya
1
8 , x 2
3 , x 1
16
1
f(x) P(X x) , x 0
4
3
16 , x 1
1 , x 2
4
a. Tentukan sebaran
peluang y = x
b. Tentukan sebaran peluang z = 2
SOLUSI
1. a. () = 0 ; < 1
1
=6;1<4
3
=6;4<9
= 1 ; 9
b.() =
; = 1,4,9
( y 3)
dx 1
,
, sehingga diperoleh
dy 2
2
sehingga diperoleh. Untuk x 1 , maka y 2 3 1 , sedangkan untuk x =
1 y3
g ( y) 2
Untuk 1 y 7
48
12 2
Untuk y lainnya
0
Atau
192
x1!
x2 !
x1! x2 !
g ( y1 , y 2 )
e ( 1 2 ) 1 1 2 2
( y1 y 2 )! y 2 !
y2
193
y1
y2 0
y2 0
g (y1 , y2 ) e ( 1 2 )
h( y1 )
( 1 2 )
( y1 y 2 )! y 2 !
y1!
1y1 y2 2y2
y1!
y2 0 ( y1 y 2 )! y 2 !
e ( 1 2 )
y1!
1y y 2y
y1 y1 y2 y2
1 2
y2 0 2
n
y1 y1 y2 y2
1
2 ( 1 2 ) y1 , maka diperoleh
2
y2 0
y1
Karena
h( y1 )
( 1 2 )
( 2 2 ) y1
, dengan y1 = 0, 1, 2,...
y1
Dari rumus ini terbukti bahwa jumlah dua peubah acak bebas yang
berdistribusi Poisson dengan parameter 1 2 .
4. Invers dari y1 = x12 dan y2 = x1x2 adalah x1 y1 dan x2
y2
y1
sehingga
diperoleh
1
J
2 y1
y2
3
2 y1 2
0
1
1
2 y1
y1
0 y1 1;0 y2 1 }.
2
4 y1
g ( y1, y2 )
y1
y1 2 y1
0
0 y1 1;0 y2 1
x lainnya
1
4 , y 0
3
g(y) P(Y x ) , y 1
8
3
8 , y 2
194
1
4 , z 0
3
2
h z P Z x , z 1
8
3
6 , z 4
195
BAB 12
UJI , DISTRIBUSI , DISTRIBUSI DAN DISTRIBUSI S 2
Tujuan pembelajaran:
1. Menjelaskan distribusi dan distribusi
2. Membentuk fungsi densitas dari distribusi
3. Membentuk fungsi densitas dari distribusi
4. Menentukan mean dan variansi distribusi
5. Menentukan mean dan variansi distribusi
6. Menjelaskan dan menggunakan hubungan antara distribusi dan distribusi
196
= 10
= 30
=5
=3
=2
Kurva distribusi
normal
=1
Untuk mengatasi masalah ini kita mengenal suatu distribusi statistik yang
dinamakan distribusi dengan rumus:
=
197
; 0
Definisi 12.1
Sebuah variabel acak dengan distribusi didefinisikan sebagai rasio dari
variabel acak~(0,1)dibagi dengan akar dari hasil pembagian variabel
acak~ 2 ( 1)oleh derajatkebebasannya yaitu = 1
Secara matematis, dapat dituliskan sebagai
=
=
1
~( 1)
Bukti:
Berdasarkan teorema, telah terbukti bahwa:
=
~(0,1)
( 1) 2
~ 2 ( 1)
2
dansaling bebas
Dari ketiga teorema di atas, diperoleh,
(1)2
2
dengan,
adalah mean sampel
adalah mean populasi
1
=
( )2 , adalah standar deviasi
1
=1
198
Definisi 12.2
Misalkan ~(0,1) dan ~ 2 () dan =
S ~(),
fungsi densitas,
1+
2
2
() =
(1 + )
( )
1+
2
; < <
fungsi densitas
Akan ditunjukkan bahwa:
() =
1 2
2 ; < <
() = ( )
() = (
)
() = ( + )
+
() =
()
() =
Misalkan, =
Batas-batas:
2
1
)
2
, maka = + =
untuk = , maka =
untuk = + , maka =
() =
1 2
() =
2
1 2
199
() =
1 2
1 2
2 ; < <
fungsi densitas
Akan ditunjukkan bahwa:
1
() = { 2 ( )
2
21 2 ; > 0
; lainnya
() =
()
() =
() = 2
1
2
2
2
Misalkan, = = 2
untuk = 0 maka = 0
Batas-batas:
untuk = , maka =
() = 2
0
() =
0
1
2
1
1
2
200
() =
0
2 =
21 2
2 (2)
Atau,
1
() = { 2 ( )
2
21 2 ; > 0
; lainnya
1 2
2 .
2 (2)
maka =
Karena = , maka =
Didapat,
= |
| = |
2| =
1
201
dan =
(, ) = { 22 ( )
2
1
2
2
2
(1+ )
() = (, )
0
() =
0
21
2
2
(1+ )
22 (2)
() =
22 (2)
1+
1
2
2
2
(1+ )
Misalkan, = 2 (1 + 2 ), maka =
() =
0
2
2
1+
2
1+
1
2
(
)
2
0
1+ 2
22 ( )
. .
() =
22 (2)
() =
22 (2)
() =
(2)
(1 +
. .
1+
1
2
1+
1
2
1+
2
(1 + 2 )
2
2
1+
2
2
2
2
2
2
1+
(1 + 2 )
1+
1+
1
2
1+
2 2 1
(2)
1+
1+
2
2
. . 2
() = 1 .
0
202
Sehingga,
1+
2
1+
2
2
() =
(1 + )
2
( )
1
1+
(
) ; < <
2
1+
2
() =
(1 + )
2
( )
2
; < <
2
2
() =
(1
+
)
( )
1+
2
; < <
Teorema 12.1
Diketahui fungsi densitas dari , yaitu:
1+
2
2
() =
(1
+
)
(
)
1+
2
; < <
2. () = 2
Bukti:
1. Karena () simetris di = 0, semua momen sekitar pusat yang ganjil
sama dengan nol, yaitu 2+1 = 0, = 0, 1, 2, 3,
2. Momen di sekitar pusat yang genap adalah:
2 = [( 1 )2 ]
2 = [ 2 ]
2 = 2 . ()
2 = 2 2 . ()
0
203
1+
2
2
2
= 2 .
(1 + )
0
( )
1+
2
2 (
1+
2
2
2
=
(1 + )
(2) 0
1+
2(
1+
2
2
2
2
=
(1 + )
1
(2) (2) 0
Misalkan:
1+ 2
= ,maka 2 =
(1)
1+
2
2 = 2
2(
+2
(1 )
2
=
(
) 2
1
(2) (2) 0
1
2 =
r +2 (
1+
2
(2) (2)
2
1
(1) 2
2( )
21 (1 )2
0
(, ) = 1 (1 )1 =
0
r +2 (
1+
) (2 ) ( + 2)
=
.
1
(
)
(
)
(2 + 2)
2
2
2
2 =
(2 ) ( + 2)
1
(2) (2)
204
()()
( + )
2 =
2 =
(2) (2 1) (2 2) (2 ) (2 )
1
2 =
2 =
( 2) ( 2) (2) (2)
(2 1) (2 2) (2 )
1
( ) ( ) ( ) ( )
(2 1) (2 2) (2 )
(2 1)(2 3) (3)(1)
( 2)( 4) ( 2)
Karena 1 = 0, maka 2 = 2 12 = 2 02 = 2
Jadi, () = 2 =
Bukti:
Untuk membuktikan teorema di atas akan digunakan fungsi pembangkit
momen (f.p.m.), karena jika f.p.m. ada, maka akan terjadi korespondensi satusatu antara f.p.m. dengan fungsi distribusi. Sehingga jika ada dua variabel
205
)]
() = [exp (
)]
=1
() = [exp ( .
=1
() = [ exp (.
=1
)]
)]
() = [exp (.
=1
)]
Misalkan =
() = [exp (
)]
=1
() = (
)
=1
206
() = (
)
=1
() = ( (
))
Sekarang kita tinjau (
)
(
) = [exp (
)]
1
(
) = [ (
)
]
!
=0
( ) 1
(
) = [ (
)
]
!
=0
()
Karena masing-masing (
maka,
( ) 1
(
) = [(
)
]
!
=0
(
) = [( ) (
)
]
!
=0
1
(
) = (
)
[( ) ]
!
=0
Karena = [( ) ], maka,
(
) = (
)
!
=0
2 2
(
)=1+
+
+(
)
2 2
!
1
=3
207
2
(
) = 1+( +(
)
)
2
!
=3
(
) = 1+( +( )
)
2
()2 !
=3
Misalkan
()
2
, maka (
)=1+
() = + ( )
2
()2 !
=3
Sehingga,
()
(
) = (1 +
)
()
) , dimana,
1
lim (1 + ) = = exp(1)
Sehingga,
()
lim (
) = lim (1 +
)
1
lim (
) = lim ((1 +
)
()
1
lim (
) = ( lim (1 +
)
()
lim (
) = (exp(1))
lim ()
lim (
) = exp ( lim ())
208
()
()
)
lim ()
()
Karena,
2
lim () = lim ( + ( )
)
=
2
()2 !
2
=3
Maka,
1 2
2
lim (
) = exp ( ) = 2 = ()
Dari tahap ini, dapat disimpulkan bahwa untuk , maka distribusi dari
B. Distribusi F
Peubah acak yang berdistribusi disebut juga peubah acak
Penulisan notasi dari peubah acak yang berdistribusi adalah (1 , 2 ),
artinya peubah acak berdistribusi dengan derajat kebebasan pembilang 1
dan derajat kebebasan penyebut 2 atau bisa juga ditulis sebagai,
~ (1 , 2 )
Fungsi distribusi memiliki grafik seperti gambar berikut,
209
Definisi 12.3
Misalkan dan adalah dua peubah acak kontinu yang saling bebas dan
berdistribusi chi-kuadrat masing-masing dengan derajat kebebasannya 1dan
2 dan peubah acak =
1
~(1 , 2 )
2
1 +2
() =
2
( 2 ) (1 )
2
1
2
(2) (2)
2 1
(1 +
1
2
1 +2
2
; 0< <
{ 0
; lainnya
Bukti:
~ 2 ( 1), maka,
1
1
2
() = {2 ( 1 )
2
2 1
;0 < <
; lainnya
~ 2 ( 1), maka,
1
2
2
() = {2 ( 2 )
2
2 1 2 ; 0 < <
; lainnya
(, ) = {2
( 21 ) ( 22 )
2 1 2 1
(+)
2
210
1
2
dan =
1
2
maka
Hubungan nilai antara dan U dan nilai v dari Y serta hubungan antara nilai
dari F dan nilai z dari Z diberikan dengan =
1
dan
2
= serta inversnya
= 1 dan =
2
= ||
1
|
= |2
|
0
1
1
2 | =
2
1
1
1
2
( 1 ) ( 2 )
2
2
( )
2
1
(
+1)
2
2 1 2
; , lainnya
() = (, )
1 2
1
1
2
(
+1) 1
() = 1+2
( )
2 1 2 2
.
2
0 2 2 ( 1 ) ( 2 ) 2
2
2
1
2
() =
( ) 2 1
2
1 +2
2
( 21 ) ( 22 )
+
1 2
Misalkan 2 ( 1 + 1) = , maka = 1
2
Batas-batas:
1
(
+1)
2 2
= 1
+1
+1
untuk = 0, maka = 0
untuk = , maka =
1
() =
2
(1 )
2
1 +2
1
2
1
1
2
(1
)
1 +2
1
2
0
+
1
2
2
( )( )
211
2
. 1
+
1
2
(1 )
2
() =
1 +2
2
1 +2
2
2 1 . 2
1 +2
( 21 ) ( 22 ) ( 1 + 1 )
1 +2
1
2
1
1 2
( ) 2 1
() =
( 1) ( 2) (
1 +2
+1)
1 +2
1
2
() = 1 .
0
Sehingga,
1
2
(1 )
2
() =
2 1
1 +2
2
( 21 ) ( 22 ) ( 1 + 1 )
1 + 2
)
2
1 +2
(
() =
1
1
2
) . (1 ) 2 1
2
1 +2
2
(2) (2)( + 1 )
2
(
() =
1
2
) . (1 ) 2 1
2
( ) ( )(
1 +2
2
;0 < <
+1)
{0
; lainnya
Teorema 12.3
Diketahui fungsi densitas dari , yaitu,
1 +2
(
() =
2
. (1 )
2
)
2
2 1
1 +2
2
;0 < <
(2) (2)( + 1 )
2
{0
; lainnya
212
2 2
2. () =
222 (2 +1 2)
2
1 (2 2) (2 4)
Bukti:
Berdasarkan definisi nilai ekspektasi kontinu, maka :
= ( )
, = ()
0
, =
2
( 2 ) (1 )
2
.
1
2
(2) (2)
0
2 1
(1 +
1
2
( 2 ) (1 ) + 211
2
1 +2
1
2
1
(2) (2) 0
2
(1 + )
2
Misalkan
1
2
1 +2
2
1 +2
, =
1 +2
= , maka = 1
2
1 +2
2
( 2 ) (1 )
2
1
2
(2)(2)
.
0
1
2
+ 1 1
(1 + )
1 +
1 +2
2
1 ( 2 )
+ 2 1
,
= ( )
.
2 (1 ) (2 ) 0 (1 + )21++22
1
(p)(1 p)
=
(p + 1 p)
0 1+
Dalam hal ini,
213
1
1
1 = +
2
2
1
2
2
2
1= ++ 1 =+ 1 =
2
2
2
2
1=+
Sehingga,
r +
1 2
1
2
2 ( 2 ) ( 2 + ) ( 2 )
= ( ) . r
.
r
r +
1
( 1) ( 1)
( 1 2)
1
2
2 ( 2 + ) ( 2 )
2
=( ) .
;
<
r
r
1
2
( 1) ( 1)
untuk = 1
1
2
1
2 ( 2 + 1) ( 2 1) 2
2
2
1 = .
= . 2
r
r
1
1
1 2 2
( 1) ( 1)
untuk = 2
1
2
1
1
2 2 ( 2 + 2) ( 2 2) 2 ( 2 + 1) ( 2 )
22 (1 + 2)
2 = ( ) .
=
.
=
r
r
1
1 (2 1) (2 2) 1 22 (2 4)
( 1) ( 1)
Jadi,
2
= 2
12
22 (1 + 2)
2 2
222 (2 + 1 2)
=
(
) =
2 2
1 (2 2)2 (2 4)
1 22 (2 4)
)
C. Distribusi Rataan Sampel (
Misalkan 1 , 2 , 3 , , adalah sebuah sampel acak berukuran ( > 1)
yang berasal dari distribusi normal umum dengan rataan dan variansi 2 .
Rataan dari sampel acak tersebut ditulis sebagai,
214
1
=
=1
Teorema 12.4
Diketahui fungsi distribusi peluang dari , , dengan,
1
=
=1
Bukti:
Karena , ~(, 2 ), maka fungsi pembangkit momen dari adalah,
1
() = exp ( + 2 2 )
2
Fungsi pembangkit momen dari adalah,
() = [exp()]
() = [exp (
=1
() = [exp (
=1
)]
)]
() = [ exp (
=1
)]
() = [exp (
=1
)]
() = ( )
=1
215
() = ( )
=1
2 2
() = exp ( +
)
22
=1
2 2
() = (exp ( +
))
22
() = exp ( +
22
)
2
2
1
=
( )2
1
2
=1
Teorema 12.5
Diketahui fungsi distribusi peluang dari , , dengan,
1
=
( )2
1
2
=1
maka, 2 ~ 2 ( 1)
Bukti:
216
( )2 = ( + )2
=1
=1
)2
= (( ) ( ))
=1
=1
( )2 = (( )2 2( )( ) + ( )2 )
=1
=1
)2
= ( ) 2( )( ) + ( )2
2
=1
=1
=1
=1
( )2 = ( )2 2( ) ( ) + ( )2
=1
=1
=1
( )2 = ( )2 2( ) ( ) + ( )2
=1
=1
=1
=1
)2
= ( )2 2( )( ) + ( )2
=1
=1
( )2 = ( )2 2( )( ) + ( )2
=1
=1
)2
= ( )2 2( )2 + ( )2
=1
=1
( )2 = ( )2 ( )2
=1
=1
=1
=1
1
Karena =
( )2 , maka ( 1) 2 = ( )2
1
2
Sehingga,
( 1) = ( )2 ( )2
2
=1
1
217
( 1) 2 =1( )2 ( )2
=
2
2
2
2
( 1) 2
2
=
(
)
(
)
=1
2 ( 1) 2
(
) =
+ (
)
2
=1
Misalkan,
2
= (
) ,
( 1) 2
=
,
2
=1
= (
)
Sehingga, = +
Fungsi pembangkit momen dari adalah,
() = [exp()]
() = [exp(( + ))]
() = [exp( + )]
() = [exp() . exp()]
Dalam hal ini, 2 dan saling bebas, karena ( 2 ) tidak mengandung ,
maka,
() = [exp()]. [exp()]
() = (). ()
()
atau, () = ()
2
()
= [exp ( (
) )]
=1
218
2
() = [exp ( (
) )]
=1
() = [ exp ( (
=1
2
) )]
Diketahui bahwa,
a. , ~(, 2 )
b. =
~(0,1)
2
c. = 2 = (
) ~ 2 (1)
1
d. () = (1 2)2 ; < 2
Karena 1 , 2 , 3 , , adalah peubah acak yang saling bebas, maka,
2
() = [exp ( (
) )]
=1
() = [exp( )]
=1
() = ()
=1
() = (1 2)2
=1
() = (1 2) 2
() = [exp ( (
) )]
Diketahui bahwa,
a. , ~(, 2 )
219
b. ~ (, )
c. =
~(0,1)
d. = 2 = (
) ~ 2 (1)
Sehingga,
1
() = (1 2)2 ; <
1
2
Didapat,
1
() (1 2) 2
1
2 ; <
(1
() =
=
=
2)
1
() (1 2)2
2
Karena () = (1 2)
1
2
; < 2, berarti =
(1) 2
2
mempunyai fungsi
(1) 2
2
~ 2 ( 1)
220
CONTOH SOAL
A. Distribusi T
1.
0,045
k
2.
0,05
221
a. Untuk menjawab soal ini maka, kita perlu melihat tabel distribusi t,
cari kolom paling kiri, temukan angka 4 (sesuai dengan derajat
kebebasan-4), dari angka 4 ini kita tarik ke kanan, sehingga
menemukan angka 4,6. Dari 4,6 ini kita tarik ke atas, maka kita
temukan angka 0,99 5. Jadi, ( 4,6) = 0, 995.
b. Seperti langkah soal a, tetapi kita temukan dahulu ( 1,53) =
0,9
dan
( 4,6) = 0,995,
Jadi,
(1,53 4,6) =
B. Distribusi
1.
Sehingga pada contoh ini, F0.05(24.8) = 3.12 dan F0.01 (24.8) = 5.28.
222
(1,2 )
. Dalam rumus di
0,5(24,8)
= 0,321
C. Distribusi
Misalkan adalah rataan dari sampel acak berukuran 25 yang berdistribusi
normal dengan rataan 30 dan simpangan baku 4,
a. Hitung ( < 28)
b. Hitung (27 < < 32)
Penyelesaian:
Dalam hal ini, = 30, = 4, dan = 25
2830
a. ( < 28) = (
<4
)
25
= ( < 2,50)
= 0,5 (2,50 < < 0)
= 0,5 (0 < < 2,50)
= 0,5 0,4938
= 0,0062
2730
25
<
<
3230
)
4
25
223
(1) 2
2
~ 2 ( 1)
(5)(2,30) ( 1) 2 (5)(22,2)
<
<
)
12
2
12
224
LAMPIRAN
Tabel
225
Tabel
Z
Tab
el F
226
227
Tabel
228