TUGAS INDIVIDU

STATISTIKA MATEMATIKA

Transformasi Peubah Acak

̅ , Variansi Sampel 𝑺𝟐
Distribusi t, F, Mean 𝑿

Disusun Oleh :

Desi Winarti F04112020

Kelas B

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

PROGRAM STUDI PENDIDIKAN MATEMATIKA
UNIVERSITAS TANJUNGPURA
2015
 Transformasi Peubah Acak

Peubah acak adalah suatu fungsi yang mengaitkan suatu

bilangan real pada setiap unsur dalam ruang sampel. Peubah acak
biasanya dinyatakan dengan huruf besar, misalnya X. Sedangkan nilai
akan dinyatakan dengan huruf kecil padanannya, misalnya x. Peubah
acak ada 2, yaitu peubah acak diskrit dan peubah acak kontinu.
Secara umum, fungsi dari satu peubah acak biasanya tergantung
pada parameter distribusi yang tidak diketahui. Khususnya di dalam
statistika fungsi dari satu atau beberapa peubah acak yang tidak
tergantung pada parameter yang tidak diketahui, memiliki tempat yang
khusus terutama dalam masalah inferensi dan juga dalam masalah
distribusi sampling. Oleh karena itu, statistik adalah fungsi dari satu
atau beberapa peubah acak yang tidak tergantung pada parameter
yang tidak diketahui.
Berikut ini akan dijelaskan mengenai distribusi sampling, untuk itu
mari kita pahami dahulu pengertian sampel acak (random sampling).

Definisi :

Peubah-peubah acak X1, X2, ..., Xn dinamakan sampel acak dari peubah
acak X yang memiliki f.k.p f (x), jika X1, X2, ..., Xn saling bebas stokastik
dan semuanya mempunyai f.k.p yang sama dengan f (x).

Jadi, jika X1, X2, ..., Xn sampel acak dari X dengan f.k.p f (x), maka f.k.p
bersama dari X1, X2, ..., Xn adalah

g (x1, x2, ..., xn) = f (x1) f (x2) ... f (x3)

Dari definisi di atas yang dimaksud distribusi sampling adalah

distribusi peubah acak yang merupakan fungsi dari sampel acak X1, X2,

1|Created By DESI WINARTI (F04112020)

 ..., Xn. Khususnya, yang termasuk ke dalam pengertian distribusi
sampling adalah distribusi statistik.
Salah satu teknik pencarian distribusi sampling adalah teknik fungsi
distribusi yakni mencari distribusi Y terlebih dahulu. Namun, pada bab
ini teknik distribusi yang akan digunakan untuk mencari distribusi
sampling adalah teknik transformasi peubah acak.
Hal yang perlu diperhatikan dalam penggunaan teknik tranformasi
peubah acak adalah transformasi tersebut haruslah bersifat 1 – 1 dan
pada.

A. Transformasi Peubah Acak Diskrit

1. Transformasi Satu Peubah Acak Diskrit

Teorema 1 :

Misalkan X suatu peubah acak diskrit dengan f.k.p f (x) dan ruang A.
Misalkan Y = u (X) suatu transformasi satu-satu dari A pada B dengan invers
X = w (y). Peristiwa Y = y di B ekivalen dengan peristiwa X = w (y) di A.
Dengan demikian, f.k.p Y adalah

g (y)= P (Y = y) = P (X = w (y)) = f [w (y)]

dengan y di B.

Buki :
Fungsi peluang dari 𝑌 ditentukan oleh
𝑝( 𝑦 ) = 𝑃 ( 𝑌 = 𝑦 )
= 𝑃 ( 𝐻(𝑋) = 𝑦 )
= 𝑃 ( 𝑋 = 𝑤(𝑦) )
= 𝑓(𝑤(𝑦))

2|Created By DESI WINARTI (F04112020)

 Contoh 1

Diketahui peubah acak X berdistribusi Poisson 𝑋~𝑝(𝜇). Tentukan f.k.p

dari Y = 4X.

Penyelesaian :

Berdasarkan teorema 1, maka :

𝜇𝑥 𝑒 −𝜇
Peubah acak X berdistribusi poisson 𝑋~𝑝(𝜇) memiliki f.k.p dan
𝑥!
ruang dari X adalah 𝐴 = {𝑥|𝑥 = 0,1,2,3, … }. Karena Y = u (X) suatu
transformasi satu-satu dari A pada B, maka ruang dari Y adalah 𝐵 =
1
{𝑦|𝑦 = 0,4,8,12, … }, maka Y memiliki invers. Inversnya adalah 𝑥 = 𝑦.
4

Karena X diskrit, yang berakibat Y juga diskrit, maka f.k.p Y adalah

g (y)= P (Y = y) = P (X = w (y)) = f [w (y)]

g (y) = P (4X = y)

1
= P (X = 𝑦)
4

𝑦
𝜇 4 𝑒 −𝜇
= 𝑦 , y = 0, 4, 8, 12, ...
( )!
4

2. Transformasi Dua Peubah Acak Diskrit

Teorema 2

Misalkan f (x,y) f.k.p bersama dua peubah acak diskrit X dan Y, dengan
A sebagai ruang bersamanya. Misalkan V = u1 (X,Y) dan W = u2 (X,Y)
membentuk transformasi 1 – 1 dari A pada B, dengan inversnya X = z1
(V,W) dan Y = z2 (V,W). Maka f.k.p bersama dari V dan W adalah

g (v,w) = f [ (z1 (v,w), z2 (v,w)) ]

Bukti :

3|Created By DESI WINARTI (F04112020)

 Misalkan 𝑉 = 𝑢1 (𝑋, 𝑌) , 𝑊 = 𝑢2 (𝑋, 𝑌) menyatakan transformasi satu-
satu yang memetakan A ke B. Maka transformasi inversnya adalah 𝑋 =
𝑧1 (𝑉, 𝑊), 𝑌 = 𝑧2 (𝑉, 𝑊) yang memetakan ∀(𝑉, 𝑊) B ke A.
Jadi Distribusi peluang gabungan 𝑉 dan 𝑊 adalah
𝑔(𝑣, 𝑤) = 𝑓[𝑧1 (𝑣, 𝑤), 𝑧2 (𝑣, 𝑤)]𝜖 𝐵

3. Transformasi n Peubah Acak Diskrit

Teorema 3

Misalkan f (x1, x2, ... , xn) f.k.p bersama dari peubah acak diskrit X1, X2, ... , Xn
dengan A sebagai ruang bersamanya. Misalkan Yi = ui (X1, X2, ... , Xn) dengan
i = 1, 2, ... , n membentuk transformasi 1 – 1 dari A pada B, dengan inversnya
Xi = W i (Y1, Y2, ... , Yn) ; i = 1, 2, ..., n.

Maka f.k.p bersama dari Y1, Y2, ... , Yn adalah

g (y1, y2, ... , yn) = f [ (w1 (y1, y2, ... , yn), ... , wn (Y1, Y2, ... , Yn)) ]

Berdasarkan f.k.p bersama ini, kita dapat menentukan semua f.k.p

marginalnya, maupun bersyaratnya. Oleh karena itu, jika hendak mencari
f.k.p Y1 = u1 (X1, X2, ... , Xn) maka langkah-langkahnya adalah sebagai
berikut :
1. Buatlah peubah-peubah Yi = ui (X1, X2, ... , Xn) untuk i = 2, 3, ..., n
sehingga bersama-sama dengan Y1 membentuk transformasi 1 -1
dan pada.
2. Cari f.k.p bersama Y1, Y2, ..., Yn : misalnya g (y1, y2, ..., yn).
3. Maka f.k.p marginal Y1, adalah :
𝑔1 (𝑦1 ) = ∑𝑦2 ∑𝑦3 … ∑𝑦𝑛 𝑔(𝑦1 , 𝑦2 , … , 𝑦𝑛 ) adalah f.k.p Y1.

4|Created By DESI WINARTI (F04112020)

 Contoh 2

Misalkan 𝑋1 dan 𝑋2 dua peubah acak bebas stokastik dan masing-

masing distribusi Poisson, dengan parameter 𝜇1 dan 𝜇2 . Tentukan
distribusi peubah acak dari 𝑌1 = 𝑋1 + 𝑋2 .

Penyelesaian :

Peubah acak X1 dan X2 berdistribusi Poisson dengan parameter 𝜇1 dan

𝜇2 , maka f.k.p dari X1 dan X2 berturut-turut adalah
𝜇1 𝑥1 𝑒 −𝜇1
, 𝑥1 = 0,1,2,3, …
𝑓1 (𝑥1 ) = { 𝑥1 !
0 , 𝑥1 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛

𝜇2 𝑥2 𝑒 −𝜇2
, 𝑥2 = 0,1,2,3, …
𝑓2 (𝑥2 ) = { 𝑥2 !
0 , 𝑥2 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛

Karena X1 dan X2 bebas stokastik, maka f.k.p bersamanya adalah

f (x1,x2) = f1 (x1) . f2 (x2)
𝑒 −𝜇1 𝜇1 𝑥1 𝑒 −𝜇2 𝜇2 𝑥2
= ×
𝑥1 ! 𝑥2 !
𝑥 𝑥
𝑒 −(𝜇1 +𝜇2 )𝜇1 1 𝜇2 2
, (𝑥1 , 𝑥2 )𝑑𝑖 𝐴
={ 𝑥1 !𝑥2 !
0 , (𝑥1 , 𝑥2 ) 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛

Dengan 𝐴 = {(𝑥1 , 𝑥2 )|𝑥1 , 𝑥2 = 0,1,2,3, … } adalah ruang bersama dari X1

dan X2. Untuk mencari f.k.p dari Y1 = X1 + X2 , kita buat dulu peubah
acak pembantu Y2 sesederhana mungkin, sehingga Y1 dan Y2
membentuk transformasi 1 – 1 dan pada.
Misalkan Y2 = X2 , maka Y1 = X1 + X2 dan Y2 = X2 adalah transformasi 1
– 1 dari A pada B dan ruang bersama dari Y1 dan Y2 adalah

5|Created By DESI WINARTI (F04112020)

 𝐵 = {(𝑦1 , 𝑦2 )|𝑦2 = 0,1,2,3, … , 𝑦1 𝑑𝑎𝑛 𝑦1 = 0,1,2,3, … }. Invers dari
transformasi tersebut adalah
X1 = Y1 - Y2

dan

X2 = Y2

Dengan demikian f.k.p bersama dari Y1 dan Y2 adalah :

g (y1 , y2) = f1 ( y1 – y2 , y2 )
𝑒 −(𝜇1 +𝜇2 ) 𝜇1 𝑦1 −𝑦2 𝜇2 𝑦2
= (𝑦1 −𝑦2 )! 𝑦2
; (y1 , y2) di B

karena 𝑥1 ≥ 0 transformasi 𝑥1 = 𝑦1 − 𝑥2 mengakibatkan 𝑦1 ≥ 𝑥2 ,

sehingga 𝑦2 ≤ 𝑦1, jadi f.k.p marginal Y1 adalah
𝑦1

𝑔1 (𝑦1 ) = ∑ 𝑔(𝑦1 , 𝑦2 )
𝑦2 =0
𝑦1
𝑒 −(𝜇1 +𝜇2) 𝜇1 𝑦1 −𝑦2 𝜇2 𝑦2
= ∑
(𝑦1 − 𝑦2 )! 𝑦2
𝑦2 =0
𝑦1
−(𝜇1 +𝜇2 )
𝜇1 𝑦1 −𝑦2 𝜇2 𝑦2
=𝑒 ∑
(𝑦1 − 𝑦2 )! 𝑦2 !
𝑦2 =0

𝑦 𝜇1 𝑦1 −𝑦2 𝜇2 𝑦2 𝑦!
= 𝑒 −(𝜇1 +𝜇2) ∑𝑦12 =0 (𝑦1 −𝑦2 )!𝑦2 !
× 𝑦!
𝑦1
𝑒 −(𝜇1 +𝜇2) 𝑦1 !
= ∑ 𝜇 𝑦1 −𝑦2 𝜇2 𝑦2
𝑦1 ! (𝑦1 − 𝑦2 )! 𝑦2 ! 1
𝑦2 =0

𝑒 −(𝜇1 +𝜇2 ) 𝑦
= ∑𝑦𝑦12 =0 (𝑦1 ) 𝜇1 𝑦1 −𝑦2 𝜇2 𝑦2 .... Berdasarkan definisi distribusi binomial
𝑦1 ! 2

𝑒 −(𝜇1 +𝜇2)
= (𝜇1 + 𝜇2 )𝑦1 𝑦 = 1,2,3, …
𝑦1 !
Dari rumus tersebut dapat disimpulkan bahwa jumlah dua peubah acak
bebas stokastik yang berdistribusi Poisson dengan parameter 𝜇1 𝑑𝑎𝑛 𝜇2
akan berdistribusi Poisson juga dengan parameter 𝜇1 + 𝜇2 .

6|Created By DESI WINARTI (F04112020)

 B. Transformasi Peubah Acak Kontinu
1. Transformasi Satu Peubah acak Kontinu

Teorema 4

Misalkan X suatu peubah acak kontinu dengan f.k.p f (x) dan ruang A.
Misalkan y = u (X) suatu transformasi satu-satu dari A pada B dengan invers x
= w (y). Peristiwa w’(y) kontinu dan w’(y) tidak ekivalen 0 di B. Dengan
demikian, f.k.p Y adalah

g (y)= f [w (y)] | w’(y) | ; y di B

𝑑𝑥
Fungsi 𝐽 = = 𝑤 ′ (𝑦) dinamakan Jacobian transformasi.
𝑑𝑦

Bukti :

 Misalkan 𝑦 = 𝑢(𝑥) fungsi naik,

Terlihat bahwa bila 𝑦 bernilai 𝑎 dan 𝑏 maka peubah acak 𝑋
bernilai antara 𝑤(𝑎) dan 𝑤(𝑏).
jadi: 𝑃(𝑎 < 𝑌 < 𝑏) = 𝑃[𝑤(𝑎) < 𝑋 < 𝑤(𝑏)]
𝑏 𝑤(𝑏) b
∫𝑎 𝑔(𝑦)𝑑𝑦 = ∫𝑤(𝑎) 𝑓(𝑥) 𝑑𝑥

dengan 𝑥 = 𝑤(𝑦), diperoleh bahwa 𝑑𝑥 = 𝑤 ′ (𝑦) 𝑑𝑦.

sehingga: a

𝑏 𝑏
∫𝑎 𝑔(𝑦)𝑑𝑦 = ∫𝑎 𝑓[𝑤(𝑦)]𝑤 ′ (𝑦) 𝑑𝑦

Dengan melihat kesamaan ruas kiri dan kanan, diperoleh distribusi

peluang 𝑌 sebagai berikut:
𝑔(𝑦) = 𝑓[𝑤(𝑦)]𝑤 ′ (𝑦)

= 𝑓[𝑤(𝑦)] 𝐽

7|Created By DESI WINARTI (F04112020)

Jika 𝐽 = 𝑤’(𝑦) adalah kemiringan invers dari garis tangen ke kurva naik
𝑦 = 𝑢(𝑥), tentulah 𝐽 = |𝐽|, sehingga
𝑔(𝑦) = 𝑓[𝑤(𝑦)]|𝐽|
(terbukti)

 Kemudian dimisalkan bahwa 𝑦 = 𝑢(𝑥) fungsi turun

Terlihat bahwa bila 𝑦 bernilai 𝑎 dan 𝑏 maka peubah acak 𝑋
bernilai antar𝑤(𝑏) dan 𝑤(𝑎), jadi:
𝑃(𝑎 < 𝑌 < 𝑏) = 𝑃[𝑤(𝑏) < 𝑋 < 𝑤(𝑎)]
𝑏 𝑤(𝑎) b
∫𝑎 𝑔(𝑦)𝑑𝑦 = ∫𝑤(𝑏) 𝑓(𝑥) 𝑑𝑥

Dengan 𝑥 = 𝑤(𝑦), diperoleh bahwa 𝑑𝑥 = 𝑤 ′ (𝑦) 𝑑𝑦.

a
Sehingga:
𝑎
𝑃(𝑎 < 𝑌 < 𝑏) = ∫𝑏 𝑓[𝑤(𝑦)]𝑤 ′ (𝑦) 𝑑𝑦
𝑏 𝑏 w(a) w(b)
∫𝑎 𝑔(𝑦)𝑑𝑦 = − ∫𝑎 𝑓[𝑤(𝑦)]𝑤 ′ (𝑦) 𝑑𝑦
Dengan melihat kesamaan ruas kiri dan kanan diperoleh:
𝑔(𝑦) = −𝑓[𝑤(𝑦)]𝑤 ′ (𝑦)
= −𝑓[𝑤(𝑦)] 𝐽
Karena slope dari kurva adalah negatif, dan −𝐽 = |𝐽|, maka distribusi
peluang 𝑌 adalah:
𝑔(𝑦) = 𝑓[𝑤(𝑦)]|𝐽|
(terbukti)

Contoh 3

Misalkan 𝑋 peubah acak kontinu dengan f.k.p berikut

𝑥
, 1<𝑥<5
𝑓(𝑥) = { 12
0, untuk 𝑥 yang lain
Hitunglah distribusi dari 𝑌 = 2𝑋 − 3

8|Created By DESI WINARTI (F04112020)

Penyelesaian :

Peubah acak X memiliki f.k.p f (x), dengan ruang dari X adalah

𝐴 = {𝑥|1 < 𝑥 < 5}. Karena 𝑌 = 2𝑋 − 3 suatu transformasi 1 – 1 dari A
𝑦+3
pada B, maka Y memiliki invers 𝑥 = 𝑤(𝑦) = . Sehingga diperoleh :
2
𝑑𝑥
𝐽 = 𝑑𝑦 = 𝑤 ′ (𝑦)
𝑑 𝑦+3
= 𝑑𝑦 ( )
2

𝑑 1
= 𝑑𝑦 ((2 ) (𝑦 + 3))
1
=2

Kemudian untuk interval daerahnya didapat:

𝑥 = 1 maka 𝑦 = 2𝑥 − 3 = 2(1) − 3 = −1
𝑥 = 5 maka 𝑦 = 2𝑥 − 3 = 2(5) − 3 = 7
maka ruang dari Y adalah 𝐵 = {𝑦| − 1 < 𝑦 < 7}.
Akibatnya, f.k.p Y adalah :
g (y) = f [w (y)] | w’(y) | ; y di B

𝑦+3 1
= f [ 2 ] | 2 | ; y di B

𝑦+3
( ) 1
2
= . |2| ; y di B
12

𝑦+3 1 1
= ( 2 ) . 12 . |2| ; y di B

𝑦+3 1
= ( 24 ) . |2| ; y di B

𝑦+3 1
... Berdasarkan definisi nilai mutlak |𝑥| = {𝑥, −𝑥, 𝑥≥0
=( 24 ) . (2) ; y di B x<0

𝑦+3
= ; y di B
48

9|Created By DESI WINARTI (F04112020)

 Sehingga, distribusi peubah acak dari Y = 2X – 3 adalah

𝑦+3
, −1<𝑦 <7
𝑔(𝑦) = { 48
0, untuk 𝑦 yang lain

2. Transformasi Dua Peubah Acak Kontinu

Teorema 5

Misalkan :

1. X1 dan X2 dua peubah acak kontinu dengan f.k.p bersamanya f (x1,x2) dan ruang
bersamanya adalah A.
2. y1 = u1 (x1, x2) dan y2 = u2 (x1, x2) membentuk transformasi 1 – 1 dari A pada B dengan
inversnya x1 = w1 (y1, y2) dan x2 = w2 (y1, y2).
𝜕𝑥𝑖
3. kontinu untuk setiap i = 1, 2 dan j = 1, 2.
𝜕𝑦𝑗

4. Jacobian transformasi J tidak identik dengan 0. Artinya

𝜕𝑥1 𝜕𝑥1
𝜕𝑦 𝜕𝑦2 |
𝐽 = || 1 ≠0
𝜕𝑥2 𝜕𝑥2 |
𝜕𝑦1 𝜕𝑦2
Jika 𝐴 ≤ 𝒜 dipetakan oleh u1 dan u2 menjadi 𝔅, maka
P [ (Y1, Y2) di B ] = P [ (X1, X2) di A ]

= ∫ ∫𝐴 𝑓 (𝑥1 , 𝑥2 ) 𝑑𝑥1 𝑑𝑥2

= ∫ ∫𝐵 𝑓 [𝑤1 (𝑦1 , 𝑦2 ), 𝑤2 (𝑦1 , 𝑦2 )] | 𝐽 | 𝑑𝑥1 𝑑𝑥2

Akibatnya f.k.p bersama dari Y1 dan Y2 adalah
𝑔 (𝑦1 , 𝑦2 ) = 𝑓[𝑤1 (𝑦1 , 𝑦2 ), 𝑤2 (𝑦1 , 𝑦2 )] | 𝐽 | ; (𝑦1 , 𝑦2 ) 𝑑𝑖 ℬ

Dari f.k.p bersama ini, dapat memperoleh semua f.k.p marginal maupun
f.k.p bersyarat yang diinginkan.

10 | C r e a t e d B y D E S I W I N A R T I ( F 0 4 1 1 2 0 2 0 )
 Contoh 4

Misalkan X1 dan X2 adalah sampel acak dari X yang memiliki f.k.p berikut
1, 0<𝑥<1
𝑓(𝑥) = {
0, untuk 𝑥 yang lain
Misalkan pula Y1 = X1 + X2 dan Y2 = X1 - X2 .
Tentukan :
a. F.k.p bersama dari X1 dan X2
b. Ruang bersama A dari X1 dan X2
c. Invers transformasinya
d. Jalajah B dari transformasi Y1 = X1 + X2 dan Y2 = X1 – X2
e. Jacobian Transformasinya
f. F.k.p marginal dari Y1 dan Y2
g. F.k.p marginal dari Y1
h. F.k.p marginal dari Y2
Penyelesaian :
a. Karena X1 dan X2 berupa sampel acak, berdasarkan definisi
sampel acak maka X1 dan X2 berdistribusi sama dan saling bebas
stokastik, maka f.k.p bersamanya adalah 𝜑(𝑥1 , 𝑥2 ) = 𝑓(𝑥1 )𝑓(𝑥2 ).
Jadi,
1, 0 < 𝑥1 < 1 , 0 < 𝑥2 < 1
𝜑(𝑥1 , 𝑥2 ) = {
0, untuk 𝑥1 , 𝑥2 yang lain
b. Ruang bersama dari X1 dan X2 adalah
𝒜 = {(𝑥1 , 𝑥2 )| 0 < 𝑥1 < 1 , 0 < 𝑥2 < 1}
c. Dari persamaan y1 = x1 + x2 dan y2 = x1 – x2, diperoleh
y1 = x1 + x2 y1 = x1 + x2

y2 = x1 – x2 + y2 = x1 – x2 -

y1 + y2 = 2 x1 y1 - y2 = 2 x2
x1 = ½ (y1 + y2) x2 = ½ (y1 - y2)

11 | C r e a t e d B y D E S I W I N A R T I ( F 0 4 1 1 2 0 2 0 )
 maka invers transformasinya adalah :
1
𝑥1 = 𝑤1 (𝑦1 , 𝑦2 ) = 2 (𝑦1 + 𝑦2 )
1
𝑥2 = 𝑤2 (𝑦1 , 𝑦2 ) = 2 (𝑦1 − 𝑦2 )

d. Untuk menentukan B, perhatikan batas-batas daerah A, yakni x1 =

0, x1 = 1, x2 = 0, dan x2 = 1. Batas-batas ini ditransformasikan
menjadi batas-batas dari B sebagai berikut :
1
x1 = 0, maka 𝑥1 = 2 (𝑦1 + 𝑦2 )
1
0 = 2 (𝑦1 + 𝑦2 )
1 1
𝑦 = 2 𝑦1
2 2
1 2
𝑦2 = − 2 × 1 𝑦1

𝑦2 = −𝑦1 ... Persamaan 1

1
x1 = 1, maka 𝑥1 = 2 (𝑦1 + 𝑦2 )
1
1 = 2 (𝑦1 + 𝑦2 )
1 1
1 − 2 𝑦2 = 2 𝑦1
1 1
− 2 𝑦2 = 2 𝑦1 − 1
2 1
𝑦2 = − 1 (2 𝑦1 − 1)

𝑦2 = 2 − 𝑦1 ... Persamaan 2
1
x2 = 0, maka 𝑥2 = 2 (𝑦1 − 𝑦2 )
1
0 = 2 (𝑦1 − 𝑦2 )
1 1
𝑦 = 2 𝑦1
2 2
1 2
𝑦2 = 2 × 1 𝑦1

𝑦2 = 𝑦1 ... Persamaan 3
1
x2 = 1, maka 𝑥2 = 2 (𝑦1 − 𝑦2 )
1
1 = 2 (𝑦1 − 𝑦2 )
1 1
1 + 2 𝑦2 = 2 𝑦1

12 | C r e a t e d B y D E S I W I N A R T I ( F 0 4 1 1 2 0 2 0 )
 1 1
𝑦 = 2 𝑦1 − 1
2 2
2 1
𝑦2 = 1 (2 𝑦1 − 1)
... Persamaan 4
𝑦2 = 𝑦1 − 2
Jadi, batas-batas dari B adalah :
𝑦2 = −𝑦1, 𝑦2 = 2 − 𝑦1 , 𝑦2 = 𝑦1 , 𝑦2 = 𝑦1 − 2
e. Jacobian transformasinya adalah :

𝜕𝑥1 𝜕𝑥1 1 1
𝜕𝑦
𝐽 = || 1
𝜕𝑦2 |
=| 2 2| = 1 × 1 − (1 × (− 1)) = 1
𝜕𝑥2 𝜕𝑥2 | 1 1 2 2 2 2 2
−
𝜕𝑦1 𝜕𝑦2 2 2

f. F.k.p bersama dari Y1 dan Y2 adalah

𝑔 (𝑦1 , 𝑦2 ) = 𝜑[𝑤1 (𝑦1 , 𝑦2 ), 𝑤2 (𝑦1 , 𝑦2 )] | 𝐽 |
1 1
= 1. | | = ; (𝑦1 , 𝑦2 ) 𝑑𝑖 𝔅
2 2
Jadi,
1
, (𝑦1 , 𝑦2 ) 𝑑𝑖 𝐵
𝑔(𝑦1 , 𝑦2 ) = { 2
0, untuk 𝑦1 , 𝑦2 yang lain
g. F.k.p marginal Y1
∞
𝑔1 (𝑦1 ) = ∫ 𝑔(𝑦1 , 𝑦2 )𝑑𝑦2
−∞
𝑦1
1
∫ 𝑑𝑦2 ; 0 < 𝑦1 ≤ 1
−𝑦1 2
= 2−𝑦1
1
∫ 𝑑𝑦 ; 1 < 𝑦1 ≤ 2
𝑦1 −2 2 2
{0 ; 𝑦1 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛
Hasil integral dari masing-masing persamaan di atas adalah
𝑦 1
 Untuk 𝑔1 (𝑦1 ) = ∫−𝑦1 𝑑𝑦2 ; 0 < 𝑦1 ≤ 1, maka :
1 2
𝑦 1
𝑔1 (𝑦1 ) = ∫−𝑦1 𝑑𝑦2
1 2

13 | C r e a t e d B y D E S I W I N A R T I ( F 0 4 1 1 2 0 2 0 )
 1 𝑦1
= [2 𝑦2 ]
−𝑦1
1 1
= 2 𝑦1 − 2 (−𝑦1 )
1 1
= 2 𝑦1 + 2 𝑦1

= 𝑦1 ... Persamaan 5
2−𝑦1 1
 Untuk 𝑔1 (𝑦1 ) = ∫𝑦 𝑑𝑦2 ; 1 < 𝑦1 ≤ 2, maka :
1 −2 2
2−𝑦1 1
𝑔1 (𝑦1 ) = ∫𝑦 𝑑𝑦2
1 −2 2

1 2−𝑦1
= [2 𝑦2 ]
𝑦1 −2
1 1
= 2 (2 − 𝑦1 ) − 2 (𝑦1 − 2)
1 1
= 1 − 2 𝑦1 − 2 𝑦1 + 1

= 2 − 𝑦1 ... Persamaan 6
Sehingga f.k.p marginal dari Y1 adalah
𝑦1 ; 0 < 𝑦1 ≤ 1
𝑔1 (𝑦1 ) = { 2 − 𝑦1 ; 1 < 𝑦1 ≤ 2
0 ; 𝑦1 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛
h. F.k.p marginal Y2
∞
𝑔2 (𝑦2 ) = ∫ 𝑔(𝑦1 , 𝑦2 )𝑑𝑦1
−∞
𝑦2 −2
1
∫ 𝑑𝑦 ; −1 < 𝑦2 < 0
−𝑦2 2 1
= 2−𝑦2
1
∫ 𝑑𝑦 ; 0 < 𝑦2 < 1
𝑦2 2 1
{0 ; 𝑦1 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛
Hasil integral dari masing-masing persamaan di atas adalah
𝑦 −2 1
 Untuk 𝑔2 (𝑦2 ) = ∫−𝑦2 𝑑𝑦1 ; −1 < 𝑦2 ≤ 0, maka :
2 2
𝑦 −2 1
𝑔2 (𝑦2 ) = ∫−𝑦2 𝑑𝑦1
2 2

1 𝑦2 −2
= [2 𝑦1 ]
−𝑦2
1 1
= 2 (𝑦2 − 2) − 2 (−𝑦2 )

14 | C r e a t e d B y D E S I W I N A R T I ( F 0 4 1 1 2 0 2 0 )
 1 1
= 2 𝑦2 − 1 + 2 𝑦2

= 𝑦2 − 1 ... Persamaan 7
2−𝑦2 1
 Untuk 𝑔2 (𝑦2 ) = ∫𝑦 𝑑𝑦1 ; 0 < 𝑦2 < 1, maka :
2 2
2−𝑦2 1
𝑔2 (𝑦2 ) = ∫𝑦 𝑑𝑦1
2 2

1 2−𝑦2
= [2 𝑦1 ]
𝑦2
1 1
= 2 (2 − 𝑦2 ) − 2 (𝑦2 )
1 1
= 1 − 2 𝑦2 − 2 𝑦2

= 1 − 𝑦2 ... Persamaan 8
Sehingga f.k.p marginal dari Y2 adalah
𝑦2 − 1 ; −1 < 𝑦2 ≤ 0
𝑔2 (𝑦2 ) = { 1 − 𝑦2 ; 0 < 𝑦2 < 1
0 ; 𝑦2 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛

3. Transformasi n Peubah Acak Kontinu

Teorema 5

Misalkan :

1. X1, X2, ..., Xn peubah-peubah acak kontinu dengan f.k.p bersamanya f (x1,x2, ..., xn)
dan ruang bersamanya adalah A.
2. yi = ui (x1, x2, ...,xn ) membentuk transformasi 1 – 1 dari A pada B dengan inversnya xi
= wi (y1, y2, ..., yn) ; i = 1, 2,..., n.
𝜕𝑥𝑖
3. kontinu untuk setiap i = 1, 2, ..., n dan j = 1, 2, ..., n.
𝜕𝑦𝑗

4. Jacobian transformasi J tidak identik dengan 0. Artinya

𝜕𝑥1 𝜕𝑥1 𝜕𝑥1
……………
| 𝜕𝑦1 𝜕𝑦2 𝜕𝑦𝑛 |
𝜕𝑥2 𝜕𝑥2 𝜕𝑥2
𝐽 = 𝜕𝑦1 𝜕𝑦2 … … … … …𝜕𝑦𝑛 ≠ 0
⋮ ⋮ ⋮ ⋮
|𝜕𝑥 𝜕𝑥𝑛 … … … … …𝜕𝑥𝑛 |
𝑛
𝜕𝑦1 𝜕𝑦2 𝜕𝑦𝑛

15 | C r e a t e d B y D E S I W I N A R T I ( F 0 4 1 1 2 0 2 0 )
Maka f.k.p bersama dari n buah peubah acak y1 = u1 (x1, x2, ...,xn ) ; y2 = u2 (x1, x2,
...,xn ) ; ... yn = un (x1, x2, ...,xn ) adalah
𝑔 (𝑦1 , 𝑦2 , … , 𝑦𝑛 ) = 𝑓[𝑤1 (𝑦1 , 𝑦2 , … , 𝑦𝑛 ), … , 𝑤𝑛 (𝑦1 , 𝑦2 , … , 𝑦𝑛 )] | 𝐽 | ; (𝑦1 , 𝑦2 , … , 𝑦𝑛 ) 𝑑𝑖 𝐵

C. Teknik Fungsi Pembangkit Momen

Selain dengan teknik transformasi, teknik fungsi pembangkit
momen juga bisa digunakan untuk mencari distribusi peubah acak
diskrit maupun kontinu. Dalam hal ini teknik f.p.m sangat banyak
memberikan kemudahan. Teknik f.p.m didasarkan oleh sifat dari f.p.m.
untuk itu, perlu diketahui f.p.m dari berbagai distribusi.
Misalkan f (x1, x2, ..., xn) f.k.p bersama dari X1, X2, ..., Xn dan Y = u
(X1, X2, ..., Xn). Untuk menyelidiki f.k.p Y dengan teknik f.p.m cukup
dicari dulu f.p.m Y. Bentuk f.p.m Y akan menunjukkan distribusi Y, jika
ada, adalah
M (t) = E (etY) = E [ (exp {tu(X1, X2, ..., Xn)} ]
Yang dalam kasus kontinu sama dengan
∞ ∞
∫−∞ … ∫−∞ exp{𝑡𝑢(𝑋1 , 𝑋2 , … , 𝑋𝑛 )} 𝑓(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) 𝑑𝑥1 … 𝑑𝑥𝑛
Dan dalam kasus diskrit sama dengan
∑𝑥1 … ∑𝑥𝑛 𝑒𝑥𝑝{𝑡𝑢(𝑋1 , 𝑋2 , … , 𝑋𝑛 )} 𝑓(𝑥1 , 𝑥2 , … , 𝑥𝑛 )

Contoh 5

Peubah acak X1 dan X2 bebas stokastik, 𝑋1 ~𝑁(𝜇1 , 𝜎12 ) dan

𝑋2 ~𝑁(𝜇2 , 𝜎22 ) . tentukan distribusi dari Y = X1 – X2 .

Penyelesaian :
f.p.m dari Y adalah
M (t) = E (etY) = E [ e t (X1 – X2)]
– tX
= E [ e tX1 . e 2]

= E [ e tX1 ] . E [ e – tX2 ]

16 | C r e a t e d B y D E S I W I N A R T I ( F 0 4 1 1 2 0 2 0 )
 Diketahui bahwa : 𝑋1 ~𝑁(𝜇1 , 𝜎12 ) dan 𝑋2 ~𝑁(𝜇2 , 𝜎22 ), maka :

1
E [ e tX1 ] = exp{𝜇1 𝑡 + 𝜎12 𝑡 2 } Berdasarkan teorema 𝑗𝑖𝑘𝑎 𝑋~𝑁(𝜇, 𝜎 2 ),
2 1
𝑚𝑎𝑘𝑎 𝑓. 𝑝. 𝑚 𝑛𝑦𝑎 𝑀(𝑡) = 𝑒𝑥𝑝 {𝜇𝑡 + 𝜎 2 𝑡 2 }
1 2
E [e – tX2] = exp{−𝜇2 𝑡 + 𝜎22 𝑡 2 }
2

Sehingga :
– tX
M (t) = E [ e tX1 ] . E [ e 2 ]
1 1
= exp{𝜇1 𝑡 + 𝜎12 𝑡 2 } . exp{−𝜇2 𝑡 + 𝜎22 𝑡 2 }
2 2
1 1
= exp{𝜇1 𝑡−𝜇2 𝑡 + 𝜎12 𝑡 2 + 𝜎22 𝑡 2 }
2 2
1
= exp{(𝜇1 −𝜇2 )𝑡 + (𝜎12 + 𝜎22 )𝑡 2 }
2

Hal ini berarti bahwa 𝑌~𝑁 (𝜇1 −𝜇2 , 𝜎21 + 𝜎22 ).

Dengan menggunakan teknik f.p.m maka teorema-teorema berikut

dapat digunakan dalam teori distribusi, yaitu :

Teorema 6

Misalkan X1, X2, ..., Xn peubah-peubah acak bebas stokastik dengan

𝑋~𝑁(𝜇𝑖 , 𝜎𝑖2 ) ; i = 1, 2, ..., n. Jika k1, k2, ..., kn konstanta-konstanta, maka
dengan 𝜇 = ∑𝑛𝑖=1 𝑘1 𝜋1 dan 𝜎 2 = ∑𝑛𝑖=1 𝑘12 𝜎12

Bukti :
Karena X1, X2, ..., Xn saling bebas stokastik, maka f.p.m Y adalah
M (t) = E (e tY) = E [ exp (𝑡 ∑𝑛𝑖=1 𝑘1 𝑋1 ) ]
1
= ∏𝑛𝑖=1 exp{(𝑘𝑖 𝜋𝑖 ) 𝑡 + (𝑘𝑖2 𝜎𝑖2 )𝑡 2 }
2
1
= exp {𝜇 𝑡 + 𝜎2𝑡2}
2

Dengan 𝜇 = ∑𝑛𝑖=1 𝑘1 𝜋1 dan 𝜎 2 = ∑𝑛𝑖=1 𝑘12 𝜎12

Jadi, terbukti bahwa 𝑌~𝑁(𝜋, 𝜎 2 )

17 | C r e a t e d B y D E S I W I N A R T I ( F 0 4 1 1 2 0 2 0 )
Berdasarkan teorema tersebut, diperoleh akibat bahwa Jika X1, X2, ..., Xn
𝜎 2
sampel acak dari 𝑋~𝑁(𝜋, 𝜎 2 ) maka mean sampelnya adalah 𝑋̅~𝑁(𝜋, 𝑛 ).

Teorema 7

Misalkan X1, X2, ..., Xn peubah-peubah acak bebas stokastik dengan

𝑋𝑖 ~𝜒 2 (𝑟𝑖 ) ; i = 1, 2, ..., n. Maka 𝑌 = ∑𝑛𝑖=1 𝑋~𝜒 2 (𝑟) dengan 𝑟 = ∑𝑛𝑖=1 𝑟𝑖

Bukti :
Karena X1, X2, ..., Xn saling bebas stokastik, maka f.p.m Y adalah
M (t) = E (e tY) = E [ exp (𝑡 ∑𝑛𝑖=1 𝑋𝑖 ) ]
= ∏𝑛𝑖=1 E [ etXi ]
Berdasarkan definisi distribusi Chi Kuadrat (𝑋𝑖 ~𝜒 2 (𝑟𝑖 )), maka
−ri
E [ etXi ] = (1 − 2t) 2

Sehingga
−ri
𝑀(𝑡) = ∏𝑛𝑖=1(1 − 2t) 2

−r
= (1 − 2t) 2 dengan 𝑟 = ∑𝑛𝑖=1 𝑟𝑖

Jadi, terbukti bahwa 𝑌~𝜒 2 (𝑟) .

Berdasarkan teorema tersebut, diperoleh akibat bahwa misalkan X1, X2,
..., Xn sampel acak dari 𝑋~𝑁(𝜋, 𝜎 2 ) . Diketahui bahwa
𝑋𝑖 −𝜇
a. 𝑍𝑖 = ~𝑁(0,1) atau 𝑍𝑖2 ~𝜒 2 (𝑟) i = 1, 2, ..., n
𝜎

b. 𝑍12 , 𝑍22 , … , 𝑍𝑛2 bebas stokastik. Jika X1, X2, ..., Xn sampel acak dari
𝑋𝑖 −𝜇
𝑋~𝑁(𝜋, 𝜎 2 ), maka 𝑌 = ∑𝑛𝑖=1 [ ] ~𝜒 2 (𝑛)
𝜎

18 | C r e a t e d B y D E S I W I N A R T I ( F 0 4 1 1 2 0 2 0 )