(TP-2014.06.20) Konvergen Dalam Distribusi - TLP PDF
(TP-2014.06.20) Konvergen Dalam Distribusi - TLP PDF
4.3
Pada Subbab 4.2 telah dibahas konsep konvergen dalam peluang yang
dapat digunakan untuk memeriksa kedekatan estimator dengan parameter
yang diestimasinya. Pada subbab ini dibahas jenis kekonvergenan lainnya,
yaitu konvergen dalam distribusi. Materi ini merupakan konsep dasar
yang perlu dipelajari untuk pembahasan Teorema Limit Pusat dan pembahasan distribusi asimtotik serta selang kepercayaan suatu estimator.
Definisi 4.3.1 (Konvergen dalam distribusi). Misal {Xn } barisan variabel
acak dengan CDF masing-masing FXn , dan X suatu variabel acak dengan
CDF FX . Variabel acak Xn dikatakan konvergen dalam distribusi ke X,
dinotasikan
D
Xn X
jika
lim FXn (x) = FX (x),
untuk setiap x C(F (x)), dengan C(F (x)) menyatakan himpunan semua
titik sehingga FX kontinu.
Pada Definisi 4.3.1, distribusi dari X yang dinyatakan dalam CDF F (x),
disebut distribusi asimtotik atau distribusi limit dari barisan {Xn }.
Sebagai contoh, pernyataan Xn yang berdistribusi asimtotik normal
standar dapat ditulis
D
Xn X,
atau
dengan
X N (0, 1),
Xn N (0, 1).
Pada konvergen dalam peluang, ketika n membesar yang diperhatikan
adalah peluang dari peristiwa Xn berada di luar interval (X , X + ),
sedangkan pada konvergen dalam distribusi, yang diperhatikan adalah
perilaku barisan CDF dari FXn apakah menuju suatu CDF tertentu atau
tidak.
Berikut ini adalah contoh variabel acak Xn yang konvergen dalam distribusi
tetapi tidak konvergen dalam peluang.
Contoh 4.3.1.
175
Nunung Nurhayati
Contoh 4.3.2.
Fn (
x) =
n
x
1
2
ev /2 dv
2
sehingga
Definisikan fungsi
x
<0
0,
1/2, x
=0
lim Fn (
x) =
n
1,
x
>0
F (
x) =
0, x
<0
1, x
0
maka
lim Fn (
x) = F (
x)
Nunung Nurhayati
Yn = max{X1 , . . . , Xn }, dan Zn = n( Yn ),
(a). tentukan CDF dari Yn ;
(b). tunjukkan Zn konvergen dalam distribusi dan tentukan distribusi
asimtotiknya.
Penyelesaian.
(a). Diketahui Yn = max{X1 , . . . , Xn } maka DYn = {y ; 0 < y }. Misal
diambil y (0, ]. Fungsi distribusi (CDF) dari Yn adalah
FYn (y) = P (Yn y) = P (max{X1 , . . . , Xn } y)
= P (X1 y, . . . , Xn y)
= [P (X y)]n
= [FX1 (y)]
(karena X1 , . . . , Xn independen)
y
0
y
1
dx = ,
y n
0,
y<0
y n
, 0<y
FYn (y) =
1,
y
= 1 P (Yn (z/n))
(z/n) n
=1
z/n n
=1 1
dan
lim FZn (z) = 1 ez/
177
Nunung Nurhayati
sehingga
d
Zn Z.
Berikut akan ditunjukkan Z berdistribusi eksponensial dengan
parameter .
Misal Z berdistribusi eksponensial dengan parameter , maka PDF
dari Z,
1
f (z) = ez/ , z > 0
0
dan 0 untuk z lainnya.
Jadi, distribusi asimtotik dari Zn adalah distribusi eksponensial
dengan parameter .
Hubungan konvergen dalam distribusi dan konvergen dalam peluang
dinyatakan dalam sifat-sifat berikut:
p
(d). Jika Xn X dan g fungsi yang kontinu pada support dari X maka
D
g(Xn ) g(X).
(e). (Teorema Slutsky).
Nunung Nurhayati
acak dengan MGF M (t) yang ada untuk |t| < h1 < h untuk setiap n. Jika
lim MXn (t) = M (t)
maka
Xn X.
Berikut aturan limit di Kalkulus yang berguna dalam penentuan distribusi
asimtotik berdasarkan Teorema 4.3.1:
Jika diberikan bentuk limit berikut
b
(n) cn
lim 1 + +
,
n
n
n
dengan b dan c tidak bergantung pada n dan limn (n) = 0, maka
b cn
(n) cn
b
lim 1 + +
= lim 1 +
= ebc
(4.3.1)
n
n
n
n
n
Sebagai contoh, untuk menghitung
lim
1+
t2
t2
+ 3/2
n
n
n/2
= lim
n/2
t2 t 2 / n
+
n
n
limn t2 / n = 0 dan
lim
t2
t2
1 + + 3/2
n
n
n/2
= et
2 /2
t 1)
< t < ,
yang tidak lain merupakan bentuk MGF dari distribusi Poisson dengan
179
Nunung Nurhayati
1
25
E[etZn / 2n ]
r ! #
n/2
t
n
2
1 2
= exp t
,
n
2
2n
= etn/
"
2n
t<
2n
.
2
2/n
2 t2/n
e
n
!n/2
t<
2n
.
2
2/n
=1+t
2 1
+
n 2
r !2
2
e(n)
+
t
n
6
r !3
2
.
t
n
Akibatnya,
M (t; n) =
dengan
(n) =
t2 (n)
1 +
n
n
n/2
3
2t3 e(n)
2t
2t4 e(n)
.
3n
3 n
n
180
2/n,
Nunung Nurhayati
2 /2
< t < .
Karena bentuk pada ruas kanan merupakan MGF dari distribusi normal
standar,
maka dapat disimpulkan bahwa distribusi asimtotik dari Yn = (Zn
n)/ 2n adalah normal standar.
Latihan
1. Diberikan X1 , . . . , Xn sampel acak berukuran n dari distribusi
N (, 2 ). Jika X n rata-rata sampel, tentukan distribusi limit dari X n .
2. Misal X1 , . . . , Xn sampel acak berukuran n dari distribusi dengan PDF
f (x) = e(x) , < x < , dan 0 untuk yang lainnya. Jika Y1 =
min(X1 , . . . , Xn ) dan Zn = n(Y1 ), tentukan distribusi limit dari
Zn .
3. Diberikan X1 , . . . , Xn sampel acak berukuran n dari distribusi kontinu
dengan CDF F (x) dan f (x) = F (x). Jika Yn = max(X1 , . . . , Xn ) dan
Zn = n[1 F (Yn )], tentukan distribusi limit dari Zn .
4. Misal X1 , . . . , Xn sampel acak berukuran n dari distribusi kontinu
dengan CDF F (x) dan f (x) = F (x). Jika Y2 variabel acak terkecil
kedua dari X1 , . . . , Xn dan Wn = nF (Y2 )], tentukan distribusi limit
dari Wn .
5. Misal PMF dari Yn adalah pn (y) = 1, untuk y = n dan 0 untuk y
lainnya. Tunjukkan Yn tidak mempunyai distribusi limit.
6. Diberikan X1 , . . . , Xn sampel acak berukuran n dari distribusi
N (, 2 ). Tunjukkan Zn = ni=1 Xi tidak mempunyai distribusi limit.
7. Misal Xn berdistribusi gamma dengan parameter = n dan suatu
konstanta yang bukan fungsi dari n. Jika Yn = Xn /n, tentukan
distribusi limit dari Yn .
8. Misal Zn 2 (n) dan Wn = Zn /n. Tentukan distribusi limit dari Wn .
9. Misal X 2 (50). Tentukan nilai aproksimasi untuk P (40 < X < 60).
181
Nunung Nurhayati
t<
13. Misal X n rata-rata dari sampel acak berkuran n yang diambil dari
distribusi dengan PDF f (x) = ex , 0 < x < , dan 0 untuk yang
lainnya.
(t/ n)et/ n ]n ,
t<
182
Nunung Nurhayati
4.4
m ()t2
2
m ()t2
2
2
2
2
2
2
2
[m () ]t2
t
+
.
=1+
2
2
m(t) = 1 +
Xn
=
Yn =
/ n
Pn
183
i
i=1 X
n
n
(4.4.1)
Nunung Nurhayati
= m
, h < < h.
n
n
Dari persamaan (4.4.1) dapat diperoleh
t2
[m () 2 ]t2
t
=1+
,
+
m
2n
2n 2
n
2 /2
< t <
yang tidak lain merupakan MGF dari distribusi normal standar. Jadi dapat
disimpulkan bahwa
Yn =
Xn d
N (0, 1).
/ n
Dengan adanya teorema limit pusat maka distribusi rata-rata sampel X yang
berasal dari distribusi apapun dapat didekati (diaproksimasi) oleh distribusi
normal yaitu N (, 2 /n). Berarti perhitungan peluang atau penentuan
selang kepercayaan dari X juga dapat didekati oleh peluang distribusi
normal.
184
Nunung Nurhayati
dan variansi 2 =
1
12 ,
maka
0, 45
0, 55
Karena =
= 0, 9332 (1 0, 9332)
= 0, 8664.
Xn p
Xn
Y np
p n
= np
=
/ n
np(1 p)
np(1 p)
Latihan 4.4
1. Misal X rata-rata sampel acak berukuran 100 dari distribusi 2 (50).
Hitung nilai hampiran untuk P (49 < X < 51).
185
Nunung Nurhayati
3
5
dan 54 .