Anda di halaman 1dari 6

MAKALAH

STATISTIKA MATEMATIKA

Nama Anggota Kelompok:


Kandida Maro Rayo

(F04212003)

Rachmad Dian Nor

(F04212007)

Vina Muthmainna R

(F04212008)

Putri Purwanti

(F04212016)

Dian Arifyati

(F04212034)

Harmilia

JURUSAN PMIPA PRODI PENDIDIKAN MATEMATIKA


FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS TANJUNGPURA
PONTIANAK

2015

Koefisien Korelasi

A. Uraian
Misalkan kedua peubah acak X dan Y memiliki f.k.p bersama f(x,y).
Misalkan pula u(X,Y) adalah fungsi dari X dan Y. Pada bab sebelumnya
telah dipelajari pengertian ekspektasi atau nilai harapan u(X,Y). Batasan
formalnya adalah sebagai berikut:
a. Untuk X,Y kontinu:

E [ u( X , Y ) ] = u ( X , Y ) ( f ( x , y) ) dxdy
D

b. Untuk X,Y diskrit:

E [ u(X , Y ) ] = u(x , y) ( f (x , y ) )

i.

Beberapa bentuk khusus telah anda ketahui pula. Umpannya:


Jika u(X,Y)=X, maka E[u(X,Y)] adalah mean X. Demikian pula jika
u(X,Y)=Y, maka E[u(X,Y) adalah mean Y.

ii.

u ( X ,Y )=( X 1 )2 , maka

Jika

u ( X ,Y )=( Y 2 )2
1=E( X ) dan

maka

E [ u ( X ,Y ) ]

E [ u ( X ,Y ) ]

adalah variansi X. Jika

adalah variansi Y. Di sini

2=E(Y ) .

Bentuk khusus lainnnya adalah

u ( X ,Y )=( X 1 ) ( Y 2 ) . Dalam hal ini

E [ u ( X ,Y ) ] disebut kovariansi X dan Y.


Definisi:

E [ ( X 1 ) ( Y 2 ) ]

dinamakan kovariansi X dan Y dan ditulis

Kov(X,Y)
Untuk menghitung kovariansi, biasanya akan lebih mudah jika anda
menggunakan teorema berikut:
Teorema 1 :

E [ ( X 1 ) ( Y 2 ) ]=E ( XY )1 2

Bukti:

E [ ( X 1 ) ( Y 2 ) ]=E [ XY 2 X 1 Y + 1 2 ]
E ( XY )2 E ( X )1 E ( Y ) + 1 2
E ( XY )2 11 2+ 1 2
E ( XY )2 1

E ( XY )1 2
Teorema ini menyatakan pula bahwa:

E ( XY )=1 2+ E [ ( X 1 )( Y 2 ) ]
E ( X ) E (Y )+ kov ( X , Y )
Jadi, inilah nilai harapan perkalian dua peubah acak, sama dengan
perkalian nilai harapan masing-masing ditambah dengan kovariansinya.
Akibat

E ( XY )=E ( X ) E(Y )

kov ( X , Y )=0 . Syarat

jika dan hanya jika

cukup dan perlu agar kesamaan

E ( XY )=E ( X ) E(Y )

dipenuhi merupakan

topik yang menarik dalam teori peluang. Topik ini akan dijumpai dalam
pembahasan-pembahasan berikutnya.
Definisi : besaran

Kv( X ,Y )
1 2

di mana

21 22

masing-masing

adalah variasi X dan nariasi Y, dinamakan koefisien natara X dan Y .


Catatan

Dalam analisis matematik, Anda mengenal Kov(X,Y) sebagai produk


sakalar

pada

himpunan

semua

peubah

acak

bervariasi

hingga

Sedangkan deviasi standar adalah norm nya .


Catatan ini mengatakan bahwa koefisien korelasi antara X dan Y dapat
diartikan sebagai cosinus sudut yang diapit oleh kedua peubah acak
tersebut . Denga demikian IpI I. Cara pandang ini menunjukan bahwa
koefisien korelasi p dapat diginakan sebagai alat untuk mengukur
seberapa besar derajat kebergantungan X dan Y (atau Y terhadap X ).
Contoh 5.1 Misalkan X dan Y dua peubah acak distrik yang memiliki F.K.P
bersama sebagai berikut :

1
F ( x , y )= 3 ; ( x , y ) =(0,0)(1,1)(2,2)
0 ; ( x , y ) yang lain

Hitunglah koefisien korelasi antara X dan Y


Penyelesaian :

Kita buat dahulu tabel distribusi peluang bersama X dan Y .


x/

1/

1/

3
0

1/

3
1/

3
0

1/

3
1/

1/

3
1/

3
1

1/
3

a. Jumlah ke bawah membentuk F.K.P margian X , yakni

1
F ( x , y )= 3 ; ( x , y ) =(0,0)(1,1)(2,2)
0 ; ( x , y ) yang lain
Jadi mean dan variasi X adalah :

xf

(x) = 0

1
3

+1

1
1
3 +2 3

=1

X=0

x
=E
2
1

)-

21

==0

1
3

+1

1
1
+
4
3
3

-1 = =

2
3

b. Jumlah ke samping membentuk F.K.P margnal Y , yakin :

F ( x , y )=

1
; x =0,1,2
3
0 ; ( x , y ) yang lain

Dengan cara yang sama seperti di atas , maka mean dan variasi Y
adalah
2

1=

=1

2
3

c. Sekarang kita hitung Kov ( X,Y)

E (X,Y) =

x=0

y=0

= 0.0.f(0.0)+0.1.f(0.1)+0.2.f(0.2) +
1.0.(1.0) + 1.1.f(1.1) + 1.2.f(1.2) +
2.0.f(2.0) + 2.1.f(2.1) + 2.2.f.(2.2)

Jadi Kov (X,Y) =E (X,Y)(E(X)E(Y) =

5
2
1.1
=
3
3

Akibatnya ,koefisien korelasi antara X dan Y adalah

Kov ( X ,Y )
=
1 2

2 /3
2 2
3 3

=1