ABSTRAK
Dalam penelitian ini adalah berbicara tentang Distribusi, khususnya distribusi Kontinu.
Dimana akan dicari komulan dari distribusi kontinu khususnya distribusi normal dan
distribusi uniform, kemudian setelah mendapat komulan dari masing-masing distribusi,
kemudian komulan dari kedua distribusi akan dibandingkan.
perumus istilah. Kumpulan bilangan yang asli sekarang 3.1. Distribusi Normal
disebut data dan statistika berarti ilmu pengambilan Distribusi normal sering disebut juga dengan distribusi
keputusan (Dudewicz 1995). Gauss, inilah distribusi peluang kontinu yang terpenting
Dalam ilmu statistika matematika, teori peluang dan paling banyak digunakan. Grafiknya disebut kurva
(probability theory) merupakan dasar dan pengantar untuk normal, berbentuk seperti lonceng. Pada tahun 1733, De
penyusunan statistika lebih jauh, dimana dipakai pada Moivre menemukan persamaan matematika untuk kurva
penentuan selang untuk distribusi peluang yang terbagi normal yang menjadi dasar dalam banyak teori statistika
atas distribusi peluang diskrit dan distribusi peluang induktif.
kontinu (Bain 1991).
Dalam penelitian ini lebih ditekankan pada distribusi Definisi 3
peluang kontinu khususnya pada distribusi normal dan Suatu peubah acak berdistribusi normal z dengan
distribusi Chi Square. rata- rata dan variansi 2 mempunyai fungsi
2 densitas:
1. Deret Taylor 1 1
() = ( )
2 2
Bentuk umum: dimana < <
(0) (
0) 2 Distribusi normal dilambangkan dengan ~ (, ), 2
(
0)
() = (0) + + 2! dimana nilai dari distribusi normal z ditentukan oleh:
1! (
0)
+ ( 0)3 + =
3!
Dengan mentransformasikan fungsi densitas terhadap z
2. Deret Mclaurin diperoleh fungsi densitas yang berbentuk:
Deret Mclaurin merupakan deret taylor dengan z0 0 . 1 1 2
() = 2 ( )
Bentuk umum deret Mclaurin: 2
(0) Untuk dalam daerah < <
(
0) 2 3
+
()= 0) +
( ( 0)+ Berkaitan dengan sifat yang berlaku untuk sebuah fungsi
2! 3! densitas, dalam distribusi normal berlaku pula:
1 2
+
1
3. Fungsi Distribusi i) 2 ( ) = 1
Definisi 1 2
1 2
Jika himpunan semua kemungkinan nilai peubah acak x ii) (< < ) = 2
( )
1
2
adalah himpunan hingga x1, x2 ,..., xn atau tak hingga
x1, x2 ,... maka x, disebut peubah acak deret, fungsi 3.2. Distribusi Uniform
f x P X x , x x1, x2 , x3 ... yang dianggap peluang Definisi 4
Jika peubah acak yang berdistribusi uniform, jika
untuk setiap himpunan nilai X, yang akan disebut fungsi
hanya jika mempunyai fungsi densitas sebagai berikut:
distribusi peluang. 1
, untuk
Teorema 1 (; , ) = {
0 , untuk yang lain
Suatu fungsi P( X ) adalah suatu fungsi peluang jika dan
Dimana < <
hanya jika memenuhi sifat-sifat berikut : Distribusi uniform dilambangkan dengan
1. 0 P(X ) 1 , untuk semua x X ~ (, )
2. P( X ) 1, P X 0, jika x x , x ,...
i1
i 1 2 4. Mean Dan Variansi
Definisi 5
Jika X peubah acak kontinu dengan fungsi distribusi F(x),
Definisi 2 maka nilai harapan (mean) dari X diperoleh :
Bila X suatu peubah acak, fungsi distribusinya
didefinisikan sebagai : E X x P X dx
F x P X x , untuk semua x.
Teorema 3
Teorema 2
Jika X peubah acak dengan fungsi distribusi P(X) dan g(x)
Bila X suatu peubah acak, maka fungsi distribusi
adalah fungsi bernilai real, maka
khususnya F(x), mempunyai sifat sebagai berikut :
Wattimena | Lekatompessy
Barekeng Vol. 8 No. 1 Hal. 25 30 (2014) 28
Definisi 7
Misalkan X peubah acak kontinu dengan fungsi distribusi cos tx P X dx i sin tx P X dx
P(X) maka momen pusat ke-k dari X didefinisikan
k Teorema 9
1. Fungsi konstanta peubah acak X selalu ada
2. x 0 1, x t x t
Teorema 4
Jika c suatu konstanta dan g(x) dan h(x) nilai harapannya
ada maka 3. x t 1, untuk semua t
1. E c c
2. E cg x c E g x Teorema 10
Untuk sembarang konstanta a dan b berlaku
3. E g x h x E g x E h x (axb) t eibtx at
Definisi 8
Variansi dari peubah acak X didefinisikan sebagai 7. Komulan
Definisi 11
Var X E X E X
2
Untuk suatu peubah acak X dengan fungsi x , maka
Teorema 5 komulan ke-j ditulis K j dan X, didefinisikan sebagai
Jika X peubah acak dan nilai harapannya ada maka it j
Var X E X E X
2 2 koefisien dari dengan ekspansi Taylor dari deret
. j!
pangkat
log x t
Teorema 6
Jika a, b konstanta-konstanta, maka
1. Var a 0 dimana
2 j
it ... K j j!it ...
2. Var aX a2Var X x t exp K1 it K2 2!
3. Var aX b a2Var X
it
j
K
log x t
5. Fungsi Pembangkit Momen
Definisi 9
j 0
j
j!
Jika X peubah acak diskrit maka momen ke-t dengan menggunakan deret pangkat exp(x) dimana :
x it X
M x t E e tx e X tx P dx maka didapatkan
t E expit X
disebut fungsi pembangkit momen dari X, jika nilai x
harapannya ada untuk semua nilai t pada interval h<t<h (it X )2
dan h > 0. E 1
it X ...
Teorema 7
Jika fungsi pembangkit momen Mx t dari peubah acak 1
E 2!
X it
2
...
2
E X it
X ada untuk t h dan h > 0, maka 2!
E X k ada t 1
it
E Xj
j
x
Dan j 0j!
Jadi didapat
dMdt t
k
E Xk xk
E X j it
j
t0
log x t log 1
j 0 j!
Teorema 8
dengan menggunakan persamaan Taylor, maka deret
Jika a, b sebagai konstanta dan Y aX b , maka log1 X ,
M y t e Mx at
bt
yaitu:
log 1 X 1k 1 x k
1
6. Fungsi Karakteristik
Definisi 10 k 0 k
maka dengan mengambil
it
Fungsi karakteristik dari peubah acak disebut X dan j
E Xj
t E e x
didefinisikan sebagai
itx berikut
x j 0 j!
Ecos tX i Esin tX
Wattimena | Lekatompessy
Barekeng Vol. 8 No. 1 Hal. 25 30 (2014) 29
didapatkan kesamaan
1k 1 E X 2 it
2
E X it
j j k
E X it E 2!
log x t
j! 2
2 it
k 0 k j 0 2
1 2 2
2 E X ...
E X E X 2 it
EX it
2!
Dari Definisi 11, maka komulan dapat diturunkan
2 2 2
dengan menyatakan koefisien persamaan berikut masing-
1
masing untuk j = 1,2,... dan t = 0
E X it K2 E X E X , untuk t = 0
K it
k
k 1
j
j j j
j 0 j! k 0
k j 0 j!
Untuk j = 3
1k 1 E X 2 it 2
E X 3 it
3 k
1
it 3
K3 E X it
HASIL DAN PEMBAHASAN 3!
k 0
E Xk it it2!
E X 3!
Hubungan Antara Komulan dan Momen Suatu
E X it 2 2
3 3
1 2!EX
Fungsi Distribusi it 3!EX it
fungsi dari suatu peubah acak pada suatu
Komulan
2 3 2
2 3
E X it
distribusi memiliki hubungan dengan momen dari fungsi
2 2! 3! 3
1
distribusi tersebut. Hubungan ini dapat dilihat pada
E X 2 it E X 3 it
2
Lemma 1. dan Lemma 2.
E X it ...
3 2! 3!
Lemma 1
1) K1 E X K3 E X 3E X E X 2 E X
3 2 3
,
K2 E X E( X )
2 2 untuk t = 0
3E
2)
3
3)
3 2 Dengan cara yang sama diperoleh k = 4 dan seterusnya.
K3 E X X E X 2 E(X )
Lemma 2
4E X E X 3E X
2
4) K4 E X 4 3 2
1. E X K1
12E X E X 6E X
2. E X 2 K2 K12
2 2 4
3. E X K 3K K K13
4.
3
Bukti
4 3 1 2
Dengan menggunakan
menggunakan Definisi 10
koefisien persamaan dan masing-
komulan, dengan 2 2 4
E X K4 K2 4K1K3 6K1 K2 K1
i t 1 EX it
masing j =k1,2,3,... dan t = 0, diperoleh:
k
Bukti
1.
k 1 j
E X K1 (pembuktiannya jelas);
j
j
j
j0 j! k 0 k j0 j!
2. E X 2 K 2 K 2
(pembuktiannya jelas);
1 1 E X i tk
1
K i t j=
Untuk 2
3. E X K K 2
k 1 2 1
1
k E X3 K3 3 E X E X 2 2 E X
k 0
E X i t
1
E X i t K3 3K1 (K2 K1 ) 2K1
2 2 3
...
2 E X 3 K 3K K K 3
3 1 2 1
1
K1 E X E x i t ...
2
4. Dengan cara yang sama pada bagian sebelumnya
2 maka dapat dibuktikan bagian 4.
K1 E X , untuk t = 0
Dari Lemma 1 dan Lemma 2, maka diperoleh
Untuk j = 2 k hubungan antara komulan dan momen sebagai berikut :
k 1 '
2 k
k 1 2
1 E X it E X Mk M k j K j
'
k
K2
1
it 2
E X it j i j 1
2! k
k 0
2
2! 2
it
2 4.2. Komulan dari Distribusi Normal
2 2
E X it 1 E X
E X it E X it ... Untuk menentukan komulan ke-dari distribusi
2! 2 2! normal, terlebih dahulu harus dihitung setiap momen
E X distribusi tersebut untuk = 1,2, . Berikut
j
Wattimena | Lekatompessy
Barekeng Vol. 8 No. 1 Hal. 25 30 (2014) 30
akan dihitung komulan dari distribusi normal
untuk = 1 dan
= 2 berlaku seterusnya untuk setiap .
Wattimena | Lekatompessy
Barekeng Vol. 8 No. 1 Hal. 25 30 (2014) 31
()= )
( = 2
2(
)+ 2 )
(
= (
))
( + 2(
)
= (
))
( = 2
2(
)+ 2 ()
= () + 2 )
(
= (
)| = 2. 1 + 2. 0 + 2.1
= () (()) = 2 + 2
= () (()) Berdasarkan Lemma 1 maka:
=0 Untuk = 1
K1 E X
(2)
=
Untuk = 2
2()
K2 E X 2 E( X ) 2
( 2 2 )
2
= ((2 1) + 1)()
2 2 2
= (2 1)(
)+ 2
(
)
4.3. Komulan dari Distribusi Uniform
= ()+ Untuk menentukan komulan ke- dari
(
) distribusi uniform, terlebih dahulu harus dihitung
setiap momen
= ( )| + 1 = +
=0+1 dan
=1
Untuk = 1,2
1 1 2
( )
() = 2
2
dengan mentransformasikan nilai terhadap
diperoleh
Wattimena | Lekatompessy
Barekeng Vol. 8 No. 1 Hal. 25 30 (2014) 32
Wattimena | Lekatompessy
Barekeng Vol. 8 No. 1 Hal. 25 30 (2014) 30
A
n
a
l
i
s
i
s
.
E
d
i
s
i
K
e
l
i
m
a
,
P
e
n
e
r
b
i
t
E
r
l
a
n
g
g
a
.
Wattimena | Lekatompessy