INTEGRAL, Vol. 9 No.

3, November 2004

TRANSFORMASI VARIABEL DARI DISTRIBUSI NORMAL STANDAR MENJADI BEBERAPA DISTRIBUSI YANG LAIN
R. Gunawan Santosa
Jurusan Teknik Informatika, Fakultas Teknik, Universitas Kristen Duta Wacana, Yogyakarta - DIY E-mail : gunawan@ukdw.ac.id

Intisari
Diberikan variabel random X1,X2,X3,X4 yang berdistribusi identik, independen Normal Standar. Tulisan ini akan menggambarkan proses transformasi variabel dari distribusi tersebut menjadi distribusi Beta, distribusi Gamma, dan distribusi Cauchy untuk jenis transformasi Z yang berbeda-beda. Katakunci : distribusi Beta, distribusi Gamma, distribusi Cauchy, transformasi variabel.

Abstract
Given random variable X1,X2,X3,X4 identically independent distributed Standard Normal. This paper describes variable transformation from that distribution becomes Beta distribution, Gamma distribution, and Cauchy distribution for various Z transformation. Keywords : Beta distribution, Gamma distribution, Cauchy distribution, variable transformation

Diterima : 13 Maret 2004 Disetujui untuk dipublikasikan: 20 Juli 2004

1. Pendahuluan
Banyak teknik yang digunakan untuk melakukan transformasi dari satu variabel random menjadi variabel random lain. Masing-masing teknik mempunyai keuntungan maupun kerugian dan mungkin satu teknik lebih disukai daripada teknik yang lain. Kita akan membahas proses perubahan variabel random melalui Jacobian dan proses integrasi dari distribusi Normal(0,1) menjadi distribusi yang lain. Adapun beberapa definisi dan yang digunakan adalah sebagai berikut : Definisi 1.1 : Jika S adalah ruang Sampel dengan ukuran probabilitas dan X adalah fungsi bernilai real yang didefinisikan pada

anggota S, maka X disebut variabel random. Dalam tulisan ini variabel random ditulis dengan huruf besar, sedangkan variabel dengan huruf kecil melambangkan variabel fungsional matematika yang berkaitan dengan variabel random tersebut. Definisi 1.2 : Fungsi dengan nilai f(x) ≥ 0 untuk semua x, yang didefinisikan pada semua bilangan real disebut fungsi kepadatan probabilitas (f.k.p) dari variabel random kontinu X jika dan hanya jika

P(a ≤ x ≤ b) = ∫ f ( x)dx
a

b

untuk

98

∂y n .x3. …. x 2 . November 2004 sembarang bilangan a.xn) memetakan A pada B dalam ruang y1...3. satu kelompok untuk tiap k transformasi. …Ak sehingga : y1 = u1(x1.. x3 .x2.A3.x3. k maka fungsi kepadatan probabilitas (f. …Xn) diberikan sebagai : g ( y1 . …. i=1..xn) ..Xn yang merupakan variabel kontinu..X2.X2.yn).x2. Maka. 2....y2. … .x2. katakanlah A1.…. y n ) ) asalkan (y1. Meskipun demikian kita dapat menyajikan A sebagai gabungan sebanyak k himpunan yang saling asing. y 2 . Normal(µ .x3.. f(xi).k.. tapi sebuah titik di B mungkin berkorespondensi dengan lebih dari satu titik di A.x3. w 2 i ( y1 . yn = un(x1. x2 = w2i(y1..y2.x2.A3. tiap titik di B akan berkorespondensi dengan satu titik di tiap A1.) bersama Y1=u1(X1. y n ).….p) bersama X1...…. 3. ….…. …Xn) .. xn = wni(y1. y 2 . mendefinisikan transformasi satu-satu untuk tiap Ai pada B..σ 2) apabila mempunyai bentuk fungsional : 99 .k..3..yn) ∈ B sedangkan fungsi kepadatan probabilitas (f.Xn mempunyai distribusi independen identik dengan f. y 2 .x3.xn). Vol. …Ak .b dengan a ≤ b dan ∞ −∞ ∫ f ( x) = 1 . y2 = u2(x1.k. Yn= un(X1...x2. …Xn) .xn). Variabel random X dikatakan mempunyai f. ….X2..3 : Apabila variabel random X1.…. dengan kata lain transformasi tersebut tidak merupakan korespondensi satu-satu. ….X3..yn). bersama X1. X2.….x2.y2.. yn = un(x1.….x3.p. ….xn) adalah fungsi kepadatan probabilitas (f.…..x2.y3.x2. x n ) = ∏ f ( xi ) ... ∂y n ≠ 0 .p. w ni ( y1 ..y3. ∂wni ∂y1 ∂w1i ∂y 2 ∂w2i ∂y 2 . untuk i = 1.A2. Teknik Perubahan Variabel Secara Umum Diberikan ϕ(x1. X2.Xn adalah f ( x1 .y2.. A adalah ruang dimensi-n dimana ϕ(x1.y3.….y4.p) suatu Yi didefinisikan sebagai : g i ( y i ) = ∫∫∫ .xn).…..…. Jacobiannya didefinisikan sebagai : ∂w1i ∂y1 ∂w2i J i = ∂y1 . y n ) = ∑ J ϕ (w i =1 i k 1i ( y1 .p..xn). sebut sebagai : x1 = w1i(y1. y 3 .y2.A2. y n )dy1 dy 2 .x3.k yang merupakan k kelompok dari n fungsi invers.y3.... i =1 n 2. ∂wni .p. y n ).2. 9 No. 3.….….. Bentuk Fungsional Beberapa Distribusi yang Penting Beberapa bentuk fungsi kepadatan probabilitas yang akan disinggung dan berhubungan dengan transformasi variabel pada bagian ini adalah sebagai berikut : 1.yn.k. X2.x3.…. Dari Hogg & Craig [3] .…. y 2 . Definisi 1. Untuk setiap titik di A terdapat korespondensi satu titik di B. y 2 .X3.INTEGRAL.X3..yn) i = 1.∫ g ( y1 .. ….y3.xn) >0 dan transformasi : y1 = u1(x1.2.k. y2 = u2(x1...n maka f..dy n selain yi 3.k.Y2=u2(X1... ∂wni ∂y 2 ∂w1i ∂y n ∂w2i ..

Variabel random X dikatakan mempunyai f. maka didapat distribusi Cauchy Standar atau Cauchy(1.1) 100 . Skema Rangkuman Transformasi Skema transformasi variabel dari distribusi Normal Standar ke bentuk distribusidistribusi lain adalah seperti dibawah ini : Variabel random : X1.INTEGRAL. Cauchy(λ.k. Variabel random X dikatakan mempunyai f. Z = X12 / (X12 + X22) 6. Z = (X1/X2) + (X3/X4) 4. Apabila diambil µ = 0 dan σ 2 = 1. π (1 + x 2 ) 4. identik Normal Standar Normal(0.0) Beta2(1/2. Z = X1 – X2 + X3 – X4 2. Vol. 3. Z = X12 / (X22 + X32) 3. Penjabaran Tiap Transformasi Dalam bagian ini akan dibahas penjabaran secara lengkap dari proses dan teknik perubahan variabel random.Variabel random X dikatakan mempunyai f.υ) apabila mempunyai bentuk fungsional : ⎛ x2 ⎞ exp⎜ ⎟ dengan ⎜− 2 ⎟ 2π ⎠ ⎝ 1 1 x µ −1 B( µ .k. Gamma(λ. Apabila diambil µ=0 dan λ=1.k.k.k.1) 1. f ( x) = dengan 4.p. Beta2(µ.1) Gambar1 : Skema bentuk 6 transformasi dan hasil distribusinya 5.υ) apabila mempunyai bentuk fungsional : -∞ < x < ∞ dan λ.0) yang mempunyai bentuk f.µ > 0.p.1) yang mempunyai bentuk f.υ ) (1 + x) µ +υ 0 < x < ∞ dan µ.υ > 0.υ > 0. 9 No.k.υ ) 0 < x < 1 dan µ. f ( x) = dengan -∞ < x < ∞. 2. Z = X12 / X22 5.p.υ > 0. 3. X2. X3 dan X4 berdistribusi independen.1/2) Beta1(1/2.1) Cauchy(2.4) Beta2(1/2. Transformasi 1: Apabila X1.p.1/2) Gamma(1.Variabel random X dikatakan mempunyai f. Z = (X12 + X22) / 2 Normal(0.X2.µ) apabila mempunyai bentuk fungsional : f ( x) = λ exp{− λx}xυ −1 Γ(υ ) υ f ( x) = λ π (λ + ( x − µ ) 2 ) 2 dengan dengan 0 < x < ∞ dan λ. f ( x) = 1 x µ −1 (1 − x)υ −1 B ( µ . November 2004 ⎧ (x − µ)2 ⎫ exp⎨− ⎬ 2σ 2 ⎭ σ 2π ⎩ dengan -∞ < x < ∞ . -∞ < µ < ∞ dan σ 2 f ( x) = 1 > 0. maka didapat distribusi Normal Standar atau Normal(0.p. f ( x) = 1 dengan -∞ < x < ∞.υ) apabila mempunyai bentuk fungsional : 5.p.X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0. Beta1(µ.

x3 .4) Bukti : X1. Digunakan transformasi sebagai berikut : Z = X1 – (X2 + X3 – X4).X2. X3 = W + T. X4 = T maka diperoleh Jacobian : ∂x1 ∂t 1 1 0 0 ∂x 2 0 1 −1 0 ∂t = = 1 fungsi kepadatan bersama Z.1) maka fungsi kepadatan bersamanya adalah : f ( x1 .X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0.4 .W. 9 No. w. W = X3 – X4 . y .INTEGRAL.2. X2 = Y – W . exp⎨− ⎬ ⎩ 2.⎜ 2 2 ⎪ ⎪ ⎝ ⎠ ⎝ ⎠ ⎭ ⎩ ( ) 101 .Y. T = X4 sehingga X1 = Z + Y . t ) = e −[( z + y ) + ( y − w) + ( w+t ) + t ]/ 2 dan fungsi kepadatan Z adalah : 2 ( 2π ) ∞ ∞ ∞ ∂x1 ∂z ∂x 2 ∂z J= ∂x3 ∂z ∂x 4 ∂z ∂x1 ∂y ∂x 2 ∂y ∂x3 ∂y ∂x 4 ∂y ∂x1 ∂w ∂x 2 ∂w ∂x3 ∂w ∂x 4 ∂w f ( z) = f ( z) = f ( z) = − ∞− ∞− ∞ ∞ ∞ ∫ ∫ ∫ (2π ) 1 2 1 2 exp − ( z + y ) 2 + ( y − w) 2 2 exp − ( w + t ) 2 + t 2 2 dtdwdy {[ ] } {[ ∞ −∞ ∞ ] } − ∞− ∞ ∞ ∞ ∫ ∫ (2π ) ∫ ∫ (2π ) 1 1 exp − ( z + y ) + ( y − w) 2 {[ 2 ] 2}∫ exp{− [(w + t ) ] 2}∫ exp{− [2t −∞ 2 + t 2 2 dtdwdy ] } 2 exp − ( z + y ) + ( y − w) 2 {[ 2 2 + 2 wt + w 2 2 dtdwdy 2 ] } − ∞− ∞ ∞ ∞ f ( z) = − ∞− ∞ ∫ ∫ (2π ) 2 exp − ( z + y ) + ( y − w) 2 {[ 2 ] } ⎧ ⎪ ⎡ 2 ∫ exp ⎨− ⎢ t 2 ⎪ −∞ ⎩ ⎣ ∞ ( ) ⎛ w ⎞ ⎛ w ⎞ +2t 2 ⎜ ⎟ +⎜ ⎟ ⎝ 2⎠ ⎝ 2⎠ ( ) 2 ∞ ∞ f ( z) = − ∞− ∞ ∫ ∫ (2π ) ∞ 1 2 exp − ( z + y ) + ( y − w) 2 {[ 2 ] } 2 ⎛ w ⎞ ⎤ ⎫ ⎪ +⎜ ⎟ ⎥ 2⎬dtdwdy ⎝ 2⎠ ⎥ ⎦ ⎪ ⎭ 2 ⎧ w ⎫ 2 . Y = X2 + (X3 – X4). x 4 ) = 1 (2π ) 2 e −( x1 + x2 + x3 + x4 ) / 2 2 2 2 2 dengan -∞ < Xi < ∞ untuk i = 1. November 2004 maka Z = X1 – X2 + X3 – X4 akan berdistribusi Normal(0. 2π dwdy ⎟ 2⎬. x 2 . exp⎨− ⎜ ⎟.T ∂x3 0 0 1 1 ∂t 0 0 0 1 ∂x 4 ∂t 2 2 2 2 1 adalah : f ( z .3. Vol.2 ⎭ 2 ⎧ ⎫ ⎛ w ⎞⎤ ⎪ ⎡ ⎪ exp − 2 + 2 t ⎜ ⎟ ⎨ ⎢ ⎬dtdwdy ⎥ ∫ 2 ⎝ ⎠ ⎪ ⎪ ⎣ ⎦ −∞ ⎩ ⎭ ( ) ∞ ∞ f ( z) = − ∞− ∞ ∫ ∫ (2π ) 1 2 exp − ( z + y ) + ( y − w) 2 {[ 2 ] } 2 ⎫ ⎧ ⎪⎛ 1 ⎞ ⎪ ⎛ w ⎞ 2 . 3.

akan diperoleh Jacobian 102 . 3. x 4 ) = 1 (2π ) 2 e −( x1 + x2 + x3 + x4 ) / 2 dengan -∞ < Xi < ∞ untuk i = 1. 9 No. exp 2 . Jelas bahwa Z berdistribusi Normal(0. exp ⎨− ⎢⎜ . . exp⎨− ⎜ y ⎟ ⎥ (2π ) 3 ⎨ 3 4 ⎢ 4 ⎝ ⎠ ⎢ ⎥ ⎪ ⎪ −∞ ⎝ ⎠ ⎦ ⎪ ⎦ ⎭ ⎩ ⎣ ⎩ ⎣ {[ ] } ( ⎜ ). November 2004 ∞ f ( z) = f ( z) = −∞ ∞ ∫ (2π ) 1 1 3 .X2. x 2 . 2 {[ 2 ] } 2 ⎧ ⎪ ⎪ ⎡⎛ y ⎞ ⎤ ⎫ 2 . 2π ⎟ ⎜ 3 2 ⎪ − ∞ (2π ) 2 ⎣⎝ 3 ⎠ ⎥ ⎦ ⎪ ⎭ ⎩ ⎢ 2 ∞ ⎧ 1 1 ⎪ ⎪ ⎡⎛ y ⎞ ⎤ ⎫ 2 ( ) − + . exp f ( z) = ∫ z y ⎟ ⎥ 2⎬. T = X4 sehingga X 11 = − Z (Y 2 + W 2 ) atau X 12 = + Z (Y 2 + W 2 ) . ⎥ 2⎬. Y = X2 .4). 2 2 2 2 Digunakan transformasi sebagai berikut : Z = X12 / (X22 + X32). exp − ⎢⎜ ⎟ ⎥ 2⎬.∞ < z < ∞. W=X3 . exp − ( z + y ) . X3 = W . 2 1 2 1 2 . .INTEGRAL.⎛ ⎜ 2⎞ ⎟dy ⎟ 3 ⎝ ⎠ {[ ] } ( ⎜ ). X2 = Y .4 . exp ⎨− ⎢ ⎥ ⎬. exp⎨− ⎬ ∫ exp⎨− ⎜ y (2π ) 3 ⎩ 8 ⎭−∞ ⎪ ⎢ 3 4⎟ ⎠ ⎥ ⎦ ⎪ ⎩ ⎣⎝ ⎭ ⎧ ⎡ z 2 ⎤⎫ ⎧ ⎡ z 2 ⎤⎫ 3 1 1 1 f ( z) = . exp − ( z + y ) {[ 2 ⎡3 ] 2}∫ exp⎧ ⎨− ⎢ w ⎣2 ∞ −∞ 2 ⎩ ⎤ ⎫ − 2 yw + y 2 ⎥ 2⎬dwdy ⎦ ⎭ −∞ ∫ (2π ) ∞ 3 . exp ⎨− ⎢⎜ ⎟ ⎜ ⎟ ⎥ 2⎬ ⎪ ⎦ ⎪ ⎣⎝ 3 ⎠ ⎥ ⎭ ⎩ ⎢ 2 ⎧ ⎡⎛ ⎫ 3 2⎞ ⎤ ⎪ ⎪ ⎢⎜ ⎟ ⎥ exp − − 2 w y ⎬dwdy ∫ ⎨ ⎢⎜ 2 3⎟ ⎥ ⎪ −∞ ⎝ ⎠ ⎪ ⎦ ⎭ ⎩ ⎣ 2 ∞ ⎧ 1 1 ⎪ ⎪ ⎡⎛ y ⎞ ⎤ ⎫ 2 ⎟ f ( z) = ∫ . X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0.X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0. X4 = T . . exp − (z + y ) 2 . x3 .1) maka Z = X12 / (X22 + X32) akan berdistribusi Beta2(1/2. Vol. 2π = exp ⎨− ⎢ ⎥ ⎬ (2π ) 3 2 2π ⎩ ⎣ 8 ⎦⎭ ⎩ ⎣ 8 ⎦⎭ 4 dengan . Transformasi 2: Apabila X1. .1) maka fungsi kepadatan bersamanya adalah : f ( x1 .1) Bukti : X1. 2π ⎨− ⎢⎜ ⎜ ⎟ 3 2 ⎪ − ∞ (2π ) 2 ⎦ ⎪ ⎣⎝ 3 ⎠ ⎥ ⎭ ⎩ ⎢ 2 2 ∞ ⎧ ⎡⎛ ⎧ 1 1 3⎞ ⎤ ⎪ ⎪ ⎢⎜ 4 ⎪ ⎡⎛ z ⎞ ⎤ ⎫ ⎟ ⎥ +z f ( z) = ∫ .2.⎛ ⎜ 2⎞ ⎟dy ⎟ ⎝ 3⎠ ⎫ ⎪ 2⎬dy ⎪ ⎭ 2 ⎧ ⎡⎛ ⎫ ⎧ z2 ⎫ ∞ 1 1 3⎞ ⎤ ⎪ ⎪ ⎢⎜ 4 ⎟ ⎥ 2⎬dy +z f ( z) = . X2. .3.

⎢r exp − ( z + 1)r 2 3/ 2 + ( 1 z ) (2π ) z ⎣ {[ ] } ∞ {[ ] } 1 Γ ( n + 1) = n. .X2. .Catatan : B ( µ . X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0.X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0. 3/ 2 1/ 2 3/ 2 2 (1 + z ) (1 / 2 ) +1 (2π ) z (1 + z ) (1 + z ) 2 z (1 + z ) Γ( µ )Γ(υ ) .υ ) = Γ( µ + υ ) −1 ⎡ 1 1 2 . . . jadi J = J = (y + w ) . yang merupakan distribusi Beta2(1/2. J = 2 z(y + w ) 2 z (y + w ) 2 f ( z) = ∫ ∫ ∫ exp{− [z ( y + w ) + y + w + t ] 2}. 1 1 ∫ ∫ exp{− [(z + 1)r ] 2}.1) maka fungsi kepadatan bersamanya adalah : 103 .1) maka Z = (X1/X2) + (X3/X4) akan berdistribusi Cauchy(2.r z 0 −∞ π ∞ drdθ 2 3/ 2 −1 rd (exp{− [(z + 1)r ] 2})dθ ∫ ∫ (1 + z ) z 0 −∞ π ∞ (2π ) .Γ ( n) .INTEGRAL. 3/ 2 1 z π ∫ dθ 0 ∞ −∞ −1 ∫ (1 + z)rd (exp{− [( z + 1)r ] 2}) 2 ∞ ⎤ − ∫ exp − ( z + 1)r 2 2 dr ⎥ −∞ −∞ ⎦ (1 / 2 ) −1 1 1 −1 −1 1 1 1 z f ( z) = . 2π = . 2 2 1 2 2 2 ∞ ∞ ∞ 2 z (y 2 + w 2 ) 1 0 0 2 zy 0 2 z (y 2 + w 2 ) − ( y 2 + w2 ) 0 0= ( 2 2) 1 1 2 z y +w 0 1 2 zw 2. r2 r z rdrdθ f ( z) = f ( z) = f ( z) = f ( z) = (2π ) (2π ) 1 1 1 . 3/ 2 . 9 No.π . Γ (1) = 1 . 2 2 2 2 {[ ]} y 2 + w2 z y 2 + w2 2 2 ( ) dwdy diubah menjadi koordinat polar menjadi : f ( z ) = ∫ (2π )3 / 2 ∫ 0 −∞ 2 1 π ∞ exp − zr + r 2 {[ ] 2}. X2. dan Γ ( ) = Γ ( + 1) = 3 2 1 2 1 1 π . November 2004 2 z (y 2 + w 2 ) J1 = 0 0 0 2 2 2 2 2 − (y 2 + w 2 ) (y + w ) . Γ( ) = 2 2 2 lihat Transformasi 3: Apabila X1.(2π ) 2π 2 2 2 2 2 y 2 + w2 z y 2 + w2 2 − ∞− ∞− ∞ ( ) dtdwdy f ( z) = (2π )2 −∫∞−∫∞ ∞ ∞ exp − z ( y + w ) + y + w .π .0) Bukti : X1. Γ( ) = π 2 Spiegel [4]. 3. .1). Vol. = .

Transformasi 4: Apabila X1. Z berdistribusi Cauchy(2. 3. Apabila dihitung integralnya didapat D= 4 + z2 (2)2 ⎡ π + π ⎤ = 1 . 9 No. ] } 1 +2w 2 dydw pecahan parsial. November 2004 f ( x1 . Aw + B Cw + D dan akan diperoleh + 2 (1 + w )1 + (w − z ) (1 + w ) (1 + (w − z ) 2 ) 1 2 −2 . Vol.X2. y. T = X4 sehingga X3 = TW .nilai sebagai berikut A = 2 2 4+ z z (4 + z ) z (4 + z 2 ) 3 .∞ < z < ∞ . X1 = Y ( Z – W ) .1) maka Z = X12 / X22 akan berdistribusi Beta2(1/2. X2 = Y .INTEGRAL. Y = X2 . X4 = T . t ) = (2π )2 1 ∞ ∞ ∞ 2 0 0 = yt sehingga J = yt w 1 exp − y 2 ( z − w) 2 + y 2 + t 2 w 2 + t 2 2 yt 2 {[ ] } [ f ( z) = f ( z) = f ( z) = f ( z) = exp{− [y (2π ) ∫ ∫ ∫ ( z − w) 2 + y 2 + t 2 w 2 + t 2 2 yt dtdydw ] } (2π )2 −∫∞−∫∞ 1 ∞ ∞ 2 1 − ∞− ∞− ∞ ∞ ∞ y exp{− y 2 ( z − w) 2 + y 2 2}∫ t exp{− (1 + w 2 )t 2 2}dtdydw −∞ 2 2 [ ] ∞ ] y exp{− [y ( z − w) (2π ) ∫ ∫ 2 − ∞− ∞ ∞ ∞ + y2 2 . X2.2. 2 untuk f ( z) = 2 2 4 + z2 ⎥ (2π )2 ⎢ ⎣4 + z ⎦ π (2 ) + z 2 2 (2π )2 (2)2 ∞ 1 f ( z) = dw untuk menghitungnya digunakan integral 2 ∫ 2 (2π ) −∞ (1 + w )(1 + ( w − z ) 2 ) 1 2 y exp − 1 + ( z − w) y 2 2 dydw 2 ∫ ∫ − ∞1 + w − ∞ { [( ) ] } ( 1 2 ) = . y 0 J= 0 0 z−w − y 1 0 t 0 0 0 1 f ( z . x3 . 2 2 2 2 Digunakan transformasi sebagai berikut : Z = (X1/X2) + (X3/X4). X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0. w. x 2 .1/2) Bukti : X1.4 .X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0. x 4 ) = 1 ( 2π ) 2 e −( x1 + x2 + x3 + x4 ) / 2 dengan -∞ < Xi < ∞ untuk i = 1.3. B= .C= dan nilai.1) maka fungsi kepadatan bersamanya adalah : 104 .0). W = X3/X4 .

3. dy 2 z ] } y )( ) f ( z) = 1 [− exp{− [(1 + z) y ] 2}] exp{− [(1 + z ) y ] 2}ydy = ∫ (2π ). Jadi J 1 = J 2 = y 2 z ∞ ∞ ∞ f ( z) = f ( z) = − ∞− ∞− ∞ ∞ ∫ ∫ ∫ 2. T = X4 sehingga X 11 = −Y Z atau X 21 = +Y Z .INTEGRAL.4 .1/2) . akan didapat Jacobian −y 2 z J1 = 0 0 0 − z 1 0 0 1 0 0 0 0 = −y 1 0 2 z 0 1 2 dan J 2 = +y 2 z .(2 z ) π (1 + z ) z 2 0 ∞ 0 Jadi f ( z ) = 1 π (1 + z ) z = z (1 / 2 ) −1 untuk . x 2 . x 2 . 2π . W = X3 .2 1 2 exp − y 2 z + y 2 + w 2 + t 2 2 . x 4 ) = 1 (2π ) 2 e −( x1 + x2 + x3 + x4 ) / 2 dengan -∞ < Xi < ∞ untuk i = 1.1) maka Z = X12 / (X12 + X22)akan berdistribusi Beta1(1/2. (2π ) ∫ 2. X = Y .X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0. x 4 ) = 1 (2π ) 2 e −( x1 + x2 + x3 + x4 ) / 2 dengan -∞ < Xi < ∞ untuk i = 1. 3. π (1 + z ) 1 bahwa Z berdistribusi Beta2(1/2. (2π ) 2.1/2). 9 No. X2.2. x3 . X3 (1 − Z ) (1 − Z ) 2 1 − yz −1 / 2 (1 − z ) −3 / 2 − z 1 / 2 (1 − z ) −1 / 2 2 0 1 Jacobian : J 1 = 0 0 X 11 = −Y 0 0 0 0 = − 1 yz −1 / 2 (1 − z ) −3 / 2 2 1 0 0 1 0 dan 0 105 . 2π .X3 = W. akan didapat Z Z atau X 12 = +Y . x3 .∞ < z < ∞.X2. T = X4 sehingga = W. 2 2 2 2 Digunakan transformasi sebagai berikut : Z = X12 / (X12 + X22). Vol. Bukti : X1. 2 2 2 2 Digunakan transformasi sebagai berikut : Z = X12 / X22 . Jelas tampak (1 / 2 ) + (1 / 2 ) π .2. Transformasi 5: Apabila X1. {[ exp − y 2 z + y 2 ∞ {[ ] }( 2 −∞ dwdtdy 2 z y 2 .4 . Y = X2 . Y = X2 . X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0. November 2004 f ( x1 .3. W = X3 . X2 = Y . X4 = T . X4 = T .1) maka fungsi kepadatan bersamanya adalah : f ( x1 .

exp ⎨− ⎢ + y 2 + w 2 + t 2 ⎥ 2⎬. 3.X2.1/2). w. y.INTEGRAL. Transformasi 6: Apabila X1. z ( 1 z ) 2 π 2 π exp − + y 2 ⎥ 2⎬ y dy ⎨− ⎢ 2 2 ⎦ ⎭ − ∞ (2π ) ⎩ ⎣1 − z ∞ ⎧ 2 −1 / 2 y2 ⎫ ⎛ 1 2 ⎞ f ( z) = z (1 − z ) −3 / 2 ∫ exp⎨− ⎬d ⎜ y ⎟ (2π ) ⎩ (1 − z )2 ⎭ ⎝ 2 ⎠ 0 ( )( ) f ( z) = f ( z) = 1 π 1 z −1 / 2 (1 − z ) −3 / 2 (1 − z )[0 − ( −1)] = z −1 / 2 (1 − z ) −1 / 2 = 1 π z −1 / 2 (1 − z ) −1 / 2 dengan 0 < z < 1. maka exp{− [2 z + w (2π ) ∫ ∫ ∫ 2 − ∞− ∞− ∞ ∞ ∞ ∞ + t2 2 . X2. 2 { [( ) ] } 1 2z − y 2 . X2 = Y. Y = X2 . . T = X4 sehingga X 11 = − 2 Z − Y 2 atau X 12 = +Y 2Z − Y 2 .1) maka Z = (X12 + X22) / 2 akan berdistribusi Gamma(1. t ) = f ( z) = 2 1 2z − y 2 (2π ) 2 2 exp − 2 z − y 2 + y 2 + w 2 + t 2 2 . W = X3 . akan didapat Jacobian : y 1 − 0 0 2 2z − y 2z − y 2 −1 +1 0 1 0 0= J1 = dan J 2 = .X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0. X4 = T . ) 2 2 Beta1(1/2. X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0. ] } 1 2z − y 2 dwdtdy 106 . x 4 ) = 1 ( 2π ) 2 e −( x1 + x2 + x3 + x4 ) / 2 dengan -∞ < Xi < ∞ untuk i = 1. 9 No. Vol. Jadi 2 2 z − y 2 2 z − y 0 0 1 0 0 0 0 1 J1 = J 2 = f ( z .1) Bukti : X1. π 1 z (1 / 2 ) −1 (1 − z ) (1 / 2 ) −1 . x3 . jadi Z berdistribusi 1 1 B( .3.1) maka fungsi kepadatan bersamanya adalah : f ( x1 . 2 2 ∞ ∞ ∞ 2 ⎧ ⎡ zy ⎤ ⎫1 2 f ( z) = ∫ ∫ ∫ . X3 = W. November 2004 J2 = + 1 −1 / 2 1 yz (1 − z ) 3 / 2 maka J 1 = J 2 = y z −1 / 2 (1 − z ) −3 / 2 dengan 0 < z < 1. x 2 . 2 2 2 2 Digunakan transformasi sebagai berikut : Z = (X12 + X22) / 2. y z −1 / 2 (1 − z ) −3 / 2 dwdtdy 2 ⎦ ⎭2 − ∞− ∞− ∞ (2π ) ⎩ ⎣1 − z ∞ ⎧ ⎡ zy 2 ⎤ ⎫ 2 1 −1 / 2 −3 / 2 f ( z) = ∫ .2.4 .

“Advanced Calculus and Its Application to The Engineering and Physical Sciences”. McGraw-Hill International Book. Tulisan ini merupakan penerapan Kalkulus Lanjut ataupun Kalkulus banyak variabel pada proses transformasi variabel random dalam distribusi probabilitas dengan menggunakan Jacobian dan proses pengintegralan.. .INTEGRAL..T. [2] Freund J. & Craig A. “Mathematical Statistics”. Inc. 4th ed . 1980. dengan ⎢ π Γ ( 1 ) 2 2 ⎝ ⎠⎦ ⎣ 7. 1989. 1978. terjadi perubahan batas 2 z − y 2 > 0 maka y haruslah berada pada ( )( ) integrasi pada variabel y karena z >0 dan − 2 z < y < 2 z . Kesimpulan • Banyak teknik atau metode yang digunakan untuk perubahan distribusi statistik misalnya dengan metode fungsi distribusi kumulatif.H. 6. Prentice-Hall Inc. “Introduction to Mathematical Statistics”. 9 No. • 107 .C. [5] Walpole R.E.A. kata lain terlihat bahwa Z berdistribusi Gamma(1.. 2π . & Rubenfeld L. “Probability and Statistics for Engineers and Scientist”. [3] Hogg R. . Dengan berbagai macam bentuk transformasi Z maka akan diperoleh beberapa bentuk distribusi yang berbeda-beda. Daftar Pustaka [1] Amazigo J. . 3. New York : Macmillan Publishing Company Inc.. Macmillan Publishing Co. & Myers R. November 2004 f ( z) = exp{− [2 z ] 2}.1). 1992. John Wiley & Sons Inc. “Advanced Mathematics for Engineers & Scientists”. [4] Spiegel M..R. Vol. (2π ) ∫ 2 2 − 2z 2z 1 2z − y 2 2z .E.V.. transformasi variabel dan fungsi pembangkit momen (moment generating function). 1983. Jadi f ( z ) = 2 1 dy atau exp{− z} ∫ (2π ) − 2 z 2z − y 2 2z f ( z) = exp{− z} π − 2z ∫ 2z exp{− z} ⎡ y ⎤ = arcsin ⎢ ⎥ π 2z ⎦ − ⎣ 2z − y 2 dy 2z f ( z) = 1 exp{− z} ⎡ π ⎛ π ⎞⎤ − ⎜ − ⎟⎥ = exp{− z} = exp{− z}z 1−1 untuk z > 0. 2π dy .

Sign up to vote on this title
UsefulNot useful