PENDAHULUAN
1.2 Tujuan
1
BAB II
ISI
Misalkan X adalah variabel random pada ruang sampel dengan ruang dari X adalah x.
Maka fungsi berharga riil Y = u(X) yang merupakan fungsi dari X dapat dicari distribusinya
dengan beberapa cara yaitu :
Jika X~fx(x), Y=u(X) dan u korespondensi 1-1, akan ditentukan distribusi Y. Misalkan
X mempunyai pdf f(x) dan CDF Fx(x), Y mempunyai pdf f(y) dan CDF Fy(y), Y=u(X)
mempunyai invers X=u-1(Y).
Fy(y) = P(Y ≤ y)
= P(u(X) ≤ y)
= P(X ≤ u-1(y))
= Fx(u-1 (y))
𝑑
𝑓𝑦 = 𝑑𝑦 𝐹𝑦 (𝑦)
𝑑
= 𝑑𝑦 𝐹𝑥 (𝑢−1 (𝑦))
𝑑
∴ 𝑓𝑦 (𝑦) = 𝑑𝑦 𝐹𝑥 (𝑢−1 (𝑦))
2
Contoh: Misalkan X adalah suatu variabel random dengan pdf :
4𝑥 3 , 0 < 𝑥 < 1
𝑓(𝑥) = {
0, 𝑥 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
Jawab:
f(x) = 4x3
𝑥
→ F(x) = ∫0 𝑓(𝑡)𝑑𝑡
𝑥
= ∫0 4𝑡 3 𝑑𝑡
= 𝑡 4 ] 𝑥0
= 𝑥4
Y = ex
→ x = u-1(y)
= ln y
Fy(y) = Fx (u-1(y))
= Fx (ln y)
= ln4y
𝑑
𝑓𝑦 (𝑦) = 𝐹 (𝑢−1 (𝑦))
𝑑𝑦 𝑥
𝑑
= [𝑙𝑛4 𝑦]
𝑑𝑦
4
= 𝑙𝑛3 𝑦
𝑦
4
𝑙𝑛3 𝑦, 1 < 𝑦 < 𝑒
𝑓𝑌 (𝑦) = {3
0, 𝑦 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
3
2.2 Teknik Transformasi Variabel Random Diskrit
4
Jadi, pdf bersama dari Y1 dan Y2 adalah : g ( y1 , y2 ) f (w1 ( y1 , y2 ), w2 ( y1 , y 2 )), ( y1 , y2 ) B
dan nol untuk yang lainnya.
g1 ( y1 ) g ( y1 , y2 )
Pdf marjinal dari Y1 adalah
y2
Misalkan :
1. X1, X2 , X3,,…, Xn adalah variabel random diskrit dengan fungsi probabilitas bersama
f ( x1 , x 2 ,...x n ) d an ruang bersamanya adalah Ax , x ,... x 1 2 n
2. Yi= ui(X1, X2 , X3,,…, Xn) dengan I =1,2,3…n membentuk transformasi 1-1 dari
Ax1 , x2 ,... xn pada AY1 ,Y2 ,... Yn dengan invers Xi= wi(Y1, Y2 , Y3,,…, Yn).
Distribusi marginal dan distribusi bersyarat dapat diperoleh melalui fungsi probabilitas
bersama yang ada.
Secara Umum langkah-langkah menentukan fungsi probabilitas dari fungsi variabel random
adalah :
1. Buatlah variabel random Yi= ui(X1, X2 , X3,,…, Xn) dengan i =1,2,3…n sehingga bersama Yi
membentuk transformasi 1-1.
g ( y1 ) ... f ( y1 , y 2 ,... y n )
y2 y3 yn
5
2.3 Teknik Transformasi Variabel Random Kontinu
Misalkan X suatu varabel random kontinu dengan pdf fx(x) dan Y=u(X) transformasi 1-1
𝑑
dari A={𝑥/𝑓𝑥 (𝑥) > 0} ke B={𝑦/𝑓𝑦 (𝑦) > 0} dengan invers x=u-1(y). Jika (𝑢−1 (𝑦))
𝑑𝑦
Bukti :
Karena y=u(x) 1-1, maka bisa terjadi dua kemungkinan, yaitu ‘monotoon naik’ atau
‘monoton turun’. Dalam kasus ini kita pakai yang monoton naik, berarti :
u(x) < y x<u-1(y)
Fx(y) = P(Y≤y)
= P(u(X) ≤y)
= P(X≤u-1(y))
= Fx (u-1(y))
g(x) = fy(y)
𝑑
= 𝑑𝑦 𝐹𝑌 (𝑦)
𝑑
= 𝑑𝑦 𝐹𝑥 (𝑢−1 (𝑦))
𝑑 𝑑
= 𝑑𝑢−1 (𝑦) 𝐹𝑥 (𝑢−1 (𝑦)). 𝑑𝑦 𝑢−1 (𝑦)
= 𝑓𝑥 (𝑢−1 (𝑦))
Contoh
a) Misalkan X adalah suatu variable random dengan pdf f(x) = e-x, x>0. Jika Y=√𝑋,
tentukan pdf Y.
Jawab :
Y=√𝑋 x = u-1(y) = y2
𝑑𝑥
J = 𝑑𝑦 = 2y
X 1 X 1
Y1 Y2
J 0
X 2 X 2
Y1 Y2
Contoh
Misalkan X1 dan X2 adalah variabel random kontinu yang independen dengan joint pdf :
4𝑥1 𝑥2 , 0 < 𝑥1 , 𝑥2 < 1
𝑓(𝑥1 , 𝑥2 ) = { }
0, 𝑥1 , 𝑥2 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
7
Tentukan joint pdf dari Y1 dan dan Y2, jika Y1=X12 dan Y2 = X1X2
Jawab :
f(x1,x2) = 4 x1x2
1⁄
𝑦1 = 𝑥12 𝑥1 = 𝑦1 2
Dari { dapat diperoleh : { −1⁄
𝑦2 = 𝑥1 𝑥2
𝑥2 = 𝑦2 𝑦1 2
𝜕𝑥 1 −1⁄2 𝜕𝑥1 𝜕𝑥 1 −3⁄2 𝜕𝑥2 −1⁄2
yang menghasilkan 𝜕𝑦1 = 2 𝑦1 , 𝜕𝑦 = 0, 𝜕𝑦2 = − 2 𝑦2 𝑦1 , 𝜕𝑦 = 𝑦1 , dan
1 2 1 2
sehingga :
g(y1,y2) = 𝑓𝑥 (𝑢1−1 (𝑦1 , 𝑦2 ), 𝑢2−1 (𝑦1 , 𝑦2 ))|J|
1⁄ −1⁄2 1 𝑦
= 4 (𝑦1 2 ) (𝑦2 𝑦1 ) 2 𝑦1−1 = 2 𝑦2
1
dimana
X i
kontinu untuk setiap i =1,2…n dan j = 1,2…n
Y j
Jacobian transformasi J tidak identik dengan nol, artinya
8
X 1 X 1
Y1 Yn
J 0
X n X n
Y1 Yn
Sehingga fungsi probabilitas bersama dari Y1, Y2 , Y3,,…, Yn adalah :
Distribusi marginal dan distribusi bersyarat dapat diperoleh melalui fungsi probabilitas
bersama yang ada.
Jika X1,…,Xn adalah variabel random independen dengan MGFs(t) , kemudian MGF
dari y= ∑𝑛𝑖=1 𝑋𝑖 𝑖𝑠
Bukti
etY = etX1. . . X n
Mr(t) = E(etY )
= E (etX1. . . etX n)
= E(etX1). . .(et X n)
= Mx1(t). . . Mxn(t)
Untuk rumus ini ketika x1 , . . . , xn menghasilkan varibel random dari populasi dengan
fungsi pdf(x) dan MGF M(t), dinamakan
Mr(t) = [M(t)]n.
9
Contoh
10
Daftar Pustaka
Bain, Lie J. 2010. Introduction to probability and mathematical statistics. California. Duxbury
Press.
11