DISTRIBUSI POISON

𝜆𝑥 .𝑒 −𝜆
i. 𝑝(𝑥) = 𝑃(𝑋 = 𝑥) = ; 𝑥 = 0,1,2,3, …
𝑥!
ii. 𝐸(𝑋) = 𝜇 = 𝜆
iii. 𝑉𝑎𝑟(𝑋) = 𝜎 2 = 𝜆
𝜆−1 )
iv. 𝑀𝑥 (𝑡) = 𝑒 𝜆(𝑒 ;𝑡 ∈ℜ

Bukti :

i. Distribusi Poisson ini diperoleh dari distribusi binomial, apabila dalam distribusi
binomial berlaku syarat-syarat sebagai berikut :
a. Banyak pengulangan eksperimennya sangat besar (𝑛 → ∞)
b. Peluang terjadinya peristiwa yang diperhatikan mendekati nol(𝑝 → 0)
𝜆
c. Perkalian 𝑛. 𝑝 = 𝜆 , sehingga 𝑝 = 𝑛

Berikut ini akan diberikan penurunan fungsi peluang distribusi Poisson berdasarkan
fungsi peluang distribusi binomial dengan menggunakan persyaratan di atas.

𝑛
𝑝(𝑥) = ( ) 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥
𝑥
𝑛 𝜆 𝑥 𝜆 𝑛−𝑥
= ( ) (1 − )
𝑥! (𝑛 − 𝑥)! 𝑛 𝑛
𝑛(𝑛 − 1)(𝑛 − 2) … [(𝑛 − (𝑥 − 1)] 𝜆 𝑥 𝜆 𝑛−𝑥
= ( ) (1 − )
𝑥! 𝑛 𝑛
1 2 𝑥−1 𝑥
𝑛. 𝑛 (1 − 𝑛) . 𝑛 (1 − 𝑛) … 𝑛 (1 − 𝑛 ) 𝜆 𝜆 𝑛 𝜆 −𝑥
= (1 − ) (1 − )
𝑥! 𝑛𝑥 𝑛 𝑛
1 2 𝑥 − 1
𝑛. 𝑛 𝑥−1 (1 − 𝑛) 𝑛 (1 − 𝑛) … (1 − 𝑛 ) 𝑥 𝜆 𝑛 𝜆 −𝑥
= 𝜆 (1 − ) (1 − )
𝑛𝑥 𝑥! 𝑛 𝑛

1 2 𝑥−1
𝑛.𝑛𝑥−1 (1−𝑛)𝑛(1−𝑛)…(1− 𝑛 ) 𝜆 𝑛 𝜆 −𝑥
lim 𝑝(𝑥) = lim 𝑛𝑥 𝜆𝑥 (1 − 𝑛) (1 − 𝑛)
𝑛→∞ 𝑥!

𝜆𝑥 1 2 𝑥−1 𝜆 𝑛 𝜆 −𝑥
= lim [(1 − ) 𝑛 (1 − ) … (1 − ) (1 − ) (1 − ) ]
𝑥! 𝑛→∞ 𝑛 𝑛 𝑛 𝑛 𝑛
Menghitung harga limitnya satu per satu.

1 2 𝑥−1
lim (1 − ) 𝑛 (1 − ) … (1 − )=1
𝑛→∞ 𝑛 𝑛 𝑛

𝜆 𝑛
lim (1 − ) = 𝑒 −𝜆
𝑛→∞ 𝑛

𝜆 −𝑥
lim (1 − ) = 1
𝑛→∞ 𝑛

Sehingga diperoleh :

𝜆𝑥 −𝜆 𝜆𝑥 𝑒 −𝜆
lim 𝑝(𝑥) = 𝑒 =
𝑛→∞ 𝑥! 𝑥!
Jadi, distribusi pendekatannya adalah :

𝜆𝑥 𝑒 −𝜆
𝑝(𝑥) = 𝑃(𝑋 = 𝑥) = ; 𝑥 = 0,1,2,3, …
𝑥!

Terbukti

ii. Bersadarkan definisi rataan diskrit, maka :

𝜇 = 𝐸(𝑋) = ∑𝑥 𝑥 𝑝(𝑥)
𝜆𝑥 𝑒 −𝜆
= ∑∞
𝑥=0 𝑥 𝑥!
∞ 𝜆𝑥 𝑒 −𝜆
= ∑𝑥=1
(𝑥−1)!

Misalnya : 𝑦 = 𝑥 − 1
Batas – batas : Untuk 𝑥 = 1, maka 𝑦 = 0
Untuk 𝑥 = ∞, maka 𝑦 = ∞
𝜇 = 𝐸(𝑋)
𝜆𝑦+1 𝑒 −𝜆
= ∑∞
𝑦=0 𝑦!
𝜆𝑦 𝑒 −𝜆
= 𝜆 ∑∞
𝑦=0 (𝑥−1)!

= ( 𝜆)(1)
=𝜆

Jelas, 𝐸(𝑋) = 𝜇 = 𝜆
 Terbukti

iii. Berdasarkan definisi varians, maka :

𝜎 2 = 𝑉𝑎𝑟(𝑋) = 𝐸(𝑋 2 ) − [𝐸(𝑋)]2

= 𝐸[𝑋(𝑋 − 1) + 𝑋] − [𝐸(𝑋)]2

= 𝐸[𝑋(𝑋 − 1)] + 𝐸(𝑋) − [𝐸(𝑋)]2

Berdasarkan nilai ekspektasi diskrit, maka :

𝐸[𝑋(𝑋 − 1)] = ∑𝑥 𝑥(𝑥 − 1) 𝑝(𝑥)

𝜆𝑥 𝑒 −𝜆
= ∑∞
𝑥=0 𝑥(𝑥 − 1) 𝑥!

𝜆𝑥 𝑒 −𝜆
= ∑∞
𝑥=2 (𝑥−2)!

Misalnya : 𝑦 = 𝑥 − 2

Batas – batas : Untuk 𝑥 = 2 , maka 𝑦 = 0

Untuk 𝑥 = ∞ , maka 𝑦 = ∞

𝜆𝑦+2 𝑒 −𝜆
𝐸[𝑋(𝑋 − 1)] = ∑∞
𝑦=0 (𝑥−2)!

𝜆𝑦 𝑒 −𝜆
= 𝜆2 ∑∞
𝑦=0 𝑦!

= (𝜆2 ) (1)

= 𝜆2

Sehingga 𝜎 2 = 𝑉𝑎𝑟(𝑋) = 𝐸[𝑋(𝑋 − 1)] + 𝐸(𝑋) − [𝐸(𝑋)]2

= 𝜆2 + 𝜆 − 𝜆2

= 𝜆

Terbukti
 iv. Berdasarkan definisi fungsi pembangkit momen diskrit, maka:
𝑀𝑥 (𝑡) = ∑𝑥 𝑒 𝑡𝑥 𝑝(𝑥)
𝜆𝑥 𝑒 −𝜆
= ∑∞
𝑥=0 𝑒
𝑡𝑥
𝑥!
𝑥
(𝜆𝑒 𝑡 )
= 𝑒 −𝜆 ∑∞
𝑥=0 𝑥!
−𝜆 𝜆𝑒 𝑡
= (𝑒 )(𝑒 )
𝜆(𝑒 𝑡
=𝑒 − 1)

Terbukti

DISTRIBUSI GAMMA

i. 𝜇=𝛼𝛽
ii. 𝜎 2 = 𝛼 𝛽2
1
iii. 𝑀𝑋 (𝑡) = (1 − 𝛽𝑡)−𝛼 ; 𝑡 < 𝛽

Bukti:
1. Berdasarkan definisi rataan kontinu, maka:
∞

𝜇 = 𝐸(𝑋) = ∫ 𝑥 . 𝑓(𝑥)𝑑𝑥
−∞
0 ∞

= ∫ 𝑥 . 𝑓(𝑥)𝑑𝑥 + ∫ 𝑥 . 𝑓(𝑥)𝑑𝑥
−∞ 0
0 ∞
1 −𝑥
𝛼−1 𝛽 𝑑𝑥
= ∫ 𝑥 . 0 𝑑𝑥 + ∫ 𝑥 . 𝑥 . 𝑒
𝛽 𝛼 . 𝜏(𝛼)
−∞ 0
∞
1 −𝑥
𝛼−1 𝛽 𝑑𝑥
=0+ ∫ 𝑥 . 𝑒
𝛽 𝛼 . 𝜏(𝛼)
0
∞
1 −𝑥
𝛼−1 𝛽 𝑑𝑥
= ∫ 𝑥 . 𝑒
𝛽 𝛼 . 𝜏(𝛼)
0
𝑥
Misalnya: 𝑦 = 𝛽 , maka 𝑥 = 𝛽𝑦
𝑑𝑥 = 𝛽 𝑑𝑦
Batas-batas: Untuk 𝑥 = 0, maka 𝑦 = 0
Untuk 𝑥 = ∞, maka 𝑦 = ∞

∞
1
𝜇 = 𝐸(𝑋) = 𝛼 ∫ (𝛽𝑦)𝛼 . 𝑒 −𝑦 . 𝛽 𝑑𝑦
𝛽 𝜏(𝛼)
0
 ∞
𝛽
= ∫ 𝑦 𝛼 . 𝑒 −𝑦 𝑑𝑦
𝜏(𝛼)
0
𝛽
= . 𝜏(𝛼 + 1)
𝜏(𝛼)
𝛽
= . 𝛼. 𝜏(𝛼)
𝜏(𝛼)

𝜇 = 𝐸(𝑋) = 𝛼 𝛽 (Terbukti)

2. Berdasarkan definisi varians, maka:

𝑉𝑎𝑟(𝑋) = 𝐸(𝑋 2 ) − [𝐸(𝑋)]2
Dengan:
∞

𝐸(𝑋 2 ) = ∫ 𝑥 2 . 𝑓(𝑥)𝑑𝑥
−∞

0 ∞

= ∫ 𝑥 2 . 𝑓(𝑥)𝑑𝑥 + ∫ 𝑥 2 . 𝑓(𝑥)𝑑𝑥
−∞ 0
0 ∞
1 −𝑥
= ∫ 𝑥 2 . 0 𝑑𝑥 + ∫ 𝑥 2 . 𝑥 𝛼−1
. 𝑒 𝛽 𝑑𝑥
𝛽 𝛼 . 𝜏(𝛼)
−∞ 0
∞
1 −𝑥
𝛼+1 𝛽 𝑑𝑥
=0+ ∫ 𝑥 . 𝑒
𝛽 𝛼 . 𝜏(𝛼)
0
∞
1 −𝑥
𝛼+1
= 𝛼 ∫𝑥 . 𝑒 𝛽 𝑑𝑥
𝛽 . 𝜏(𝛼)
0

𝑥
Misalnya: 𝑦 = 𝛽 , maka 𝑥 = 𝛽𝑦
𝑑𝑥 = 𝛽 𝑑𝑦
Batas-batas: Untuk 𝑥 = 0, maka 𝑦 = 0
Untuk 𝑥 = ∞, maka 𝑦 = ∞

∞
2)
1
𝐸(𝑋 = 𝛼 ∫ (𝛽𝑦)𝛼+1 . 𝑒 −𝑦 . 𝛽 𝑑𝑦
𝛽 𝜏(𝛼)
0
∞
2
𝛽
= ∫ 𝑦 𝛼+1 . 𝑒 −𝑦 𝑑𝑦
𝜏(𝛼)
0
𝛽2
= . 𝜏(𝛼 + 2)
𝜏(𝛼)
 𝛽2
= . (𝛼 + 1)(𝛼). 𝜏(𝛼)
𝜏(𝛼)

𝐸(𝑋 2 ) = 𝛼 (𝛼 + 1)𝛽 2

Sehingga:
𝑉𝑎𝑟(𝑋) = 𝛼 (𝛼 + 1)𝛽 2 − (𝛼𝛽)2
= 𝛼 2 𝛽 2 + 𝛼𝛽 2 − (𝛼𝛽)2

𝑉𝑎𝑟(𝑋) = 𝛼𝛽 2 (Terbukti)

3. Berdasarkan definisi fungsi pembangkit momen kontinu, maka:

∞

𝑀𝑋 (𝑡) = ∫ 𝑒 𝑡𝑥 . 𝑓(𝑥)𝑑𝑥
−∞
0 ∞
𝑡𝑥
= ∫𝑒 . 𝑓(𝑥)𝑑𝑥 + ∫ 𝑒 𝑡𝑥 . 𝑓(𝑥)𝑑𝑥
−∞ 0
0 ∞
1 −𝑥
= ∫ 𝑒 𝑡𝑥 . 0 𝑑𝑥 + ∫ 𝑒 𝑡𝑥 . 𝑥 𝛼−1
. 𝑒 𝛽 𝑑𝑥
𝛽 𝛼 . 𝜏(𝛼)
−∞ 0
∞
1 1
𝛼−1 −𝑥[(𝛽 )−1]
=0+ ∫ 𝑥 . 𝑒 𝑑𝑥
𝛽 𝛼 . 𝜏(𝛼)
0
∞
1 1
𝛼−1 −𝑥[(𝛽 )−1]
= ∫ 𝑥 . 𝑒 𝑑𝑥
𝛽 𝛼 . 𝜏(𝛼)
0

1 𝑦
Misalnya: 𝑦 = 𝑥(𝛽 − 1) , maka 𝑥= 1
−𝑡
𝛽
𝛽
𝑑𝑥 = 1−𝛽𝑡 𝑑𝑦
Batas-batas: Untuk 𝑥 = 0, maka 𝑦 = 0
Untuk 𝑥 = ∞, maka 𝑦 = ∞

∞
1 𝛽𝑦 𝛼−1 −𝑦 𝛽
𝑀𝑋 (𝑡) = 𝛼 ∫( ) .𝑒 . 𝑑𝑥
𝛽 . 𝜏(𝛼) 1 − 𝛽𝑡 1 − 𝛽𝑡
0
∞
𝛽𝛼
= 𝛼 𝛼
∫ 𝑦 𝛼−1 . 𝑒 −𝑦 𝑑𝑦
𝛽 . 𝜏(𝛼). (1 − 𝛽𝑡)
0
1
= . 𝜏(𝛼)
𝜏(𝛼). (1 − 𝛽𝑡)𝛼

1
𝑀𝑋 (𝑡) = (1 − 𝛽𝑡)−𝛼 ; 𝑡 < (Terbukti
𝛽
 DISTRIBUSI NORMAL BAKU
𝑋−𝜇
i. 𝑧= 𝜎

Bukti:
𝑋−𝜇
Dari 𝑧 = , ternyata hubungan antara X dan Z adalah linier. Apabila peubah acak x
𝜎
mengambil nilai 𝑥1 dan 𝑥2 , maka :
𝑥2
𝑃(𝑥1 < 𝑋 < 𝑥2 ) = ∫ 𝑓(𝑥; 𝜇, 𝜎 2 )𝑑𝑥
𝑥1

𝑥2
1 −1
=∫ 𝑒𝑥p [ (𝑥 − 𝜇)2 ] 𝑑𝑥
𝑥1 √2𝜋. 𝜎 2 2𝜎 2
𝑥−𝜇
Misalkan 𝑧 = , maka 𝑑𝑥 = 𝜎 𝑑𝑧
𝜎

𝑥1 −𝜇
Batas-batas, untuk 𝑥 = 𝑥1 , maka 𝑧 = 𝑧 = = 𝑧1
𝜎

𝑥2 −𝜇
untuk 𝑥 = 𝑥2 , maka 𝑧 = 𝑧 = = 𝑧2
𝜎

𝑧 1 −1
Jadi, 𝑃(𝑥1 < 𝑋 < 𝑥2 ) = ∫𝑧 2 √2𝜋.𝜎2 𝑒𝑥𝑝 [ 2 𝑧 2 ] . 𝜎 𝑑𝑧
1

𝑧2
1 −1 2
= ∫ 𝑒𝑥𝑝 [ 𝑧 ] 𝑑𝑧
√2𝜋 2
𝑧1

𝑧2

= ∫ 𝑁(𝑧; 0,1) 𝑑𝑧
𝑧1

𝑥1 −𝜇 𝑥2 −𝜇
Akibatnya, 𝑃(𝑥1 < 𝑋 < 𝑥2 ) = 𝑃(𝑧1 < 𝑍 < 𝑧2 ) dengan 𝑧1 = dan 𝑧2 =
𝜎 𝜎

Terbukti.
 FUNGSI PELUANG TRINOMIAL

𝑛!
i. 𝑝(𝑥, 𝑦) = 𝑥!𝑦!(𝑛−𝑥−𝑦)! 𝑝1 𝑥 𝑝2 𝑦 𝑝3 𝑛−𝑥−𝑦 ; 𝑥 + 𝑦 ≤ 𝑛

ii. 𝐸(𝑋) = 𝑛 . 𝑝1
𝐸(𝑌) = 𝑛 . 𝑝2

iii. 𝑉𝑎𝑟(𝑋) = 𝜎 2 = 𝑛 . 𝑝1 (1 − 𝑝1 )
𝑉𝑎𝑟(𝑋) = 𝜎 2 = 𝑛 . 𝑝2 (1 − 𝑝2 )

iv. 𝑀(𝑡1 , 𝑡2 ) = (𝑝1 . 𝑒 𝑡1 + 𝑝2 . 𝑒 𝑡2 + 𝑝3 )𝑛 ; 𝑡 ∈ ℜ

BUKTI
𝑛!
i. Akan dibuktikan ∑𝑛𝑥=0 ∑𝑛−𝑥 𝑥 𝑦
𝑦=0 𝑥!𝑦!(𝑛−𝑥−𝑦)! 𝑝1 𝑝2 𝑝3
𝑛−𝑥−𝑦
=1
𝑛 𝑛−𝑥
𝑛!
∑∑ 𝑝 𝑥 𝑝 𝑦 𝑝 𝑛−𝑥−𝑦
𝑥! 𝑦! (𝑛 − 𝑥 − 𝑦)! 1 2 3
𝑥=0 𝑦=0
𝑛 𝑛−𝑥
𝑛! (𝑛 − 𝑥)!
= ∑∑ × × 𝑝1 𝑥 𝑝2 𝑦 𝑝3 𝑛−𝑥−𝑦
𝑥! 𝑦! (𝑛 − 𝑥 − 𝑦)! (𝑛 − 𝑥)!
𝑥=0 𝑦=0
𝑛 𝑛−𝑥
𝑛! . 𝑝1 𝑥 (𝑛 − 𝑥)!
=∑∑ × × 𝑝2 𝑦 (1 − 𝑝1 − 𝑝2 )𝑛−𝑥−𝑦
𝑥!. (𝑛 − 𝑥)! 𝑦! (𝑛 − 𝑥 − 𝑦)!
𝑥=0 𝑦=0
𝑛 𝑛−𝑥
𝑛! . 𝑝1 𝑥 (𝑛 − 𝑥)!
=∑ ×∑ × 𝑝2 𝑦 (1 − 𝑝1 − 𝑝2 )𝑛−𝑥−𝑦
𝑥!. (𝑛 − 𝑥)! 𝑦! (𝑛 − 𝑥 − 𝑦)!
𝑥=0 𝑦=0
𝑛
𝑛! . 𝑝1 𝑥
=∑ × (𝑝2 𝑦 + (1 − 𝑝1 − 𝑝2 ))𝑛−𝑥
𝑥!. (𝑛 − 𝑥)!
𝑥=0
= (𝑝1 + 𝑝2 + (1 − 𝑝1 − 𝑝2 )𝑛 = (1)𝑛=1
 iv. 𝑀(𝑡1 , 𝑡2 ) = (𝑝1 . 𝑒 𝑡1 + 𝑝2 . 𝑒 𝑡2 + 𝑝3 )𝑛 ; 𝑡 ∈ ℜ

BUKTI
𝑛 𝑛−𝑥
𝑛!
𝑀(𝑡1 , 𝑡2 ) = ∑ ∑ 𝑒 𝑡1 𝑥+𝑡2 𝑦 . 𝑝 𝑥 𝑝 𝑦 𝑝 𝑛−𝑥−𝑦
𝑥! 𝑦! (𝑛 − 𝑥 − 𝑦)! 1 2 3
𝑥=0 𝑦=0
𝑛 𝑛−𝑥
𝑛!
=∑∑ (𝑝 . 𝑒 𝑡1 )𝑥 (𝑝2 . 𝑒 𝑡2 )𝑦 𝑝3 𝑛−𝑥−𝑦
𝑥! 𝑦! (𝑛 − 𝑥 − 𝑦)! 1
𝑥=0 𝑦=0
𝑛
𝑛! (𝑛 − 𝑥)!
=∑ (𝑝1 . 𝑒 𝑡1 )𝑥 .× (𝑝2 . 𝑒 𝑡2 )𝑦 𝑝3 𝑛−𝑥−𝑦
𝑥! (𝑛 − 𝑥)! 𝑦! (𝑛 − 𝑥 − 𝑦)!
𝑥=0
𝑛
𝑛!
=∑ (𝑝 . 𝑒 𝑡1 )𝑥 (𝑝2 . 𝑒 𝑡2 . 𝑝3 )𝑛−𝑥
𝑥! (𝑛 − 𝑥)! 1
𝑥=0
= (𝑝1 . 𝑒 𝑡1 + 𝑝2 . 𝑒 𝑡2 + 𝑝3 )𝑛 ; 𝑡1 , 𝑡2 𝜖𝑅

ii. 𝐸(𝑋) = 𝑛 . 𝑝1

𝐸(𝑌) = 𝑛 . 𝑝2

Berdasarkan fungsi pembangkit moment gabungan dari X dan Y, kita bisa menentukan
fungsi pembangkit momen marginal masing-masing dari X dan Y.

Fungsi pembangkit moment marginal dari X adalah :

𝑀𝑥 (𝑡1 ) = 𝑀(𝑡1 , 0) = (𝑝1 . 𝑒 𝑡1 + 𝑝2 + 𝑝3 )𝑛

𝑀𝑥 (𝑡1 ) = 𝑀(𝑡1 , 0) = [(𝑝1 . 𝑒 𝑡1 + (1 − 𝑝1 )]𝑛 , 𝑡1 𝜖𝑅

Ternyata bentuk diatas merupakan fungsi pembangkit moment dari distribusi

binomial dengan banyak pengulangan eksperimen sebanyak n kali dan peluang terjadinya
peristiwa sukses pertama sebesar 𝑝1, sehingga bisa ditulis :

𝑋 ~ 𝐵(𝑥, 𝑛, 𝑝1 )

Maka fungsi peluang dari X berbentuk :

𝑛
𝑝(𝑥) = ( ) 𝑝1 𝑥 (1 − 𝑝1 )𝑛−𝑥 ; X = 0, 1, 2, 3, … , n
𝑥
Maka 𝐸(𝑋) = ∑𝑥 𝑥. 𝑝(𝑥)
𝑛
= ∑𝑛𝑥=0 𝑥. ( ) 𝑝1 𝑥 (1 − 𝑝1 )𝑛−𝑥
𝑥
𝑛! 𝑥
= ∑𝑛𝑥=1 (𝑛−1)!(𝑛−𝑥)! 𝑝1 (1 − 𝑝1 )𝑛−𝑥
𝑛 𝑥−1
(𝑛 − 1)!
= 𝑛𝑝1 ∑ 𝑝 (1 − 𝑝1 )𝑛−𝑥
(𝑛 − 1)! (𝑛 − 𝑥)! 1
𝑥=1
 𝑥−1
𝑛−1
= 𝑛𝑝1 ∑𝑛𝑥=1 ( ) 𝑝1 (1 − 𝑝1 )𝑛−𝑥 Misalnya: 𝑦 = 𝑥 − 1 dan 𝑚 = 𝑛 − 1
𝑥−1
𝑚 Batas-batas:
𝑚 untuk 𝑥 = 1, maka 𝑦 = 0
= 𝑛𝑝 ∑ ( 𝑦 ) 𝑝1 𝑦 (1 − 𝑝1 )𝑚−𝑦
untuk 𝑥 = 𝑛, maka 𝑦 = 𝑛 − 1 = 𝑚
𝑦=0
= 𝑛. 𝑝1 . (1)

𝜇 = 𝐸(𝑋) = 𝑛. 𝑝1 ..............(Terbukti)

𝐸(𝑋) = 𝑛 . 𝑝1

𝐸(𝑌) = 𝑛 . 𝑝2

Berdasarkan fungsi pembangkit moment gabungan dari X dan Y, kita bisa menentukan
fungsi pembangkit momen marginal masing-masing dari X dan Y.

Fungsi pembangkit moment marginal dari Y adalah :

𝑀𝑦 (𝑡2 ) = 𝑀(𝑡2 , 0) = (𝑝1 + 𝑝2 . 𝑒 𝑡2 + 𝑝3 )𝑛

𝑀𝑥 (𝑡1 ) = 𝑀(𝑡1 , 0) = [(𝑝2 . 𝑒 𝑡2 + (1 − 𝑝2 )]𝑛 , 𝑡1 𝜖𝑅

Ternyata bentuk diatas merupakan fungsi pembangkit moment dari distribusi

binomial dengan banyak pengulangan eksperimen sebanyak n kali dan peluang terjadinya
peristiwa sukses pertama sebesar 𝑝2 , sehingga bisa ditulis :

𝑌 ~ 𝐵(𝑦, 𝑛, 𝑝2 )

Maka fungsi peluang dari X berbentuk :

𝑛 𝑛−𝑦
𝑝(𝑦) = (𝑦) 𝑝2 𝑦 (1 − 𝑝𝑦 ) ; 𝑦 = 0, 1, 2, 3, … , n

Maka 𝐸(𝑌) = ∑𝑦 𝑦. 𝑝(𝑦)

𝑛 𝑛−𝑦
= ∑𝑛𝑦=0 𝑦. (𝑦) 𝑝2 𝑦 (1 − 𝑝𝑦 )
𝑛! 𝑦
= ∑𝑛𝑦=1 (𝑛−1)!(𝑛−𝑦)! 𝑝2 (1 − 𝑝2 )𝑛−𝑦
(𝑛−1)! 𝑦−1
= 𝑛𝑝2 ∑𝑛𝑦=1 (𝑛−1)!(𝑛−𝑦)! 𝑝2 (1 − 𝑝2 )𝑛−𝑦
𝑦−1
𝑛−1 Misalnya: 𝑥 = 𝑦 − 1 dan 𝑚 = 𝑛 − 1
= 𝑛𝑝2 ∑𝑛𝑦=1 ( ) 𝑝2 (1 − 𝑝2 )𝑛−𝑦
𝑦−1 Batas-batas:
𝑚 untuk 𝑦 = 1, maka 𝑥 = 0
𝑚
= 𝑛𝑝2 ∑ ( ) 𝑝2 𝑥 (1 − 𝑝2 )𝑚−𝑥 untuk 𝑦 = 𝑛, maka 𝑥 = 𝑛 − 1 = 𝑚
𝑥
𝑦=0
= 𝑛. 𝑝2 . (1)

𝜇 = 𝐸(𝑌) = 𝑛. 𝑝2 ..............(Terbukti)
iii. 𝑉𝑎𝑟(𝑋) = 𝜎 2 = 𝑛 . 𝑝1 (1 − 𝑝1 )
𝑉𝑎𝑟(𝑋) = 𝜎 2 = 𝑛 . 𝑝2 (1 − 𝑝2 )

BUKTI
Var(X) = 𝐸(𝑋 2 ) − [𝐸(𝑋)]2
= 𝐸[𝑋(𝑋 − 1) + 𝑋] − [𝐸(𝑋)]2
= 𝐸[𝑋(𝑋 − 1)] + 𝐸(𝑋) − [𝐸(𝑋)]2
Berdasarkan definisi nilai ekspektasi diskrit, maka :
𝐸[𝑋(𝑋 − 1)] = ∑𝑥 𝑥 (𝑥 − 1). 𝑝(𝑥)
𝑛
= ∑𝑛𝑥=0 𝑥(𝑥 − 1). ( ) 𝑝1 𝑥 (1 − 𝑝1 )𝑛−𝑥 ; X = 0, 1, 2, 3, … , n
𝑥
𝑛 𝑛!
= ∑𝑥=2 (𝑥−2)!(𝑛−𝑥)! 𝑝1 𝑥 (1 − 𝑝1 )𝑛−𝑥
(𝑛−2)!
= 𝑛(𝑛 − 1)(𝑝1 )2 ∑𝑛𝑥=2 (𝑥−2)!(𝑛−𝑥)! 𝑝1 𝑥−2 (1 − 𝑝1 )𝑛−𝑥
Misalnya y = x – 2 dan m = n – 2;
Batas-batas : untuk x = 2, maka y = 0
Untuk x = n, maka y = n – 2 = m
𝑚
(𝑚)!
𝐸[𝑋(𝑋 − 1)] = 𝑛(𝑛 − 1)(𝑝1 )2 ∑ (𝑝 )𝑦 (1 − 𝑝1 )𝑚−𝑦
(𝑦)! (𝑚 − 𝑦)! 1
𝑦=0
𝑚
= 𝑛(𝑛 − 1)(𝑝1 )2 ∑𝑚 𝑦
𝑦=0 ( 𝑦 ) (𝑝1 ) (1 − 𝑝1 )
𝑚−𝑦

= [𝑛(𝑛 − 1)(𝑝1 )2 ](1)

𝐸[𝑋(𝑋 − 1)] = 𝑛(𝑛 − 1)(𝑝1 )2

Jadi, Var(X) = 𝑛(𝑛 − 1)(𝑝1 )2 + 𝑛𝑝1 − 𝑛2 𝑝1 2

= 𝑛2 𝑝1 2 − 𝑛𝑝1 2 + 𝑛𝑝1 − 𝑛2 (𝑝1 )2
= 𝑛𝑝1 − 𝑛𝑝1 2
𝑉𝑎𝑟(𝑋) = 𝑛𝑝1 (1 − 𝑝1 ) (𝑇𝑒𝑟𝑏𝑢𝑘𝑡𝑖)

Var(Y) = 𝐸(𝑌 2 ) − [𝐸(𝑌)]2

= 𝐸[𝑌(𝑌 − 1) + 𝑌] − [𝐸(𝑌)]2
= 𝐸[𝑌(𝑌 − 1)] + 𝐸(𝑌) − [𝐸(𝑌)]2
Berdasarkan definisi nilai ekspektasi diskrit, maka :
𝐸[𝑌(𝑌 − 1)] = ∑𝑦 𝑦 (𝑦 − 1). 𝑝(𝑦)
𝑛
= ∑𝑛𝑦=0 𝑦(𝑦 − 1). (𝑦) 𝑝2 𝑦 (1 − 𝑝2 )𝑛−𝑦 ; 𝑌 = 0, 1, 2, 3, … , n
𝑛!
= ∑𝑛𝑦=2 (𝑦−2)!(𝑛−𝑦)! 𝑝2 𝑦 (1 − 𝑝2 )𝑛−𝑦
(𝑛−2)!
= 𝑛(𝑛 − 1)(𝑝2 )2 ∑𝑛𝑦=2 (𝑦−2)!(𝑛−𝑦)! 𝑝2 𝑦−2 (1 − 𝑝2 )𝑛−𝑦
Misalnya x = y – 2 dan m = n – 2;
Batas-batas : untuk y = 2, maka x = 0
Untuk y = n, maka x = n – 2 = m
𝑚
(𝑚)!
𝐸[𝑌(𝑌 − 1)] = 𝑛(𝑛 − 1)(𝑝2 )2 ∑ (𝑝 )𝑥 (1 − 𝑝2 )𝑚−𝑥
(𝑦)! (𝑚 − 𝑦)! 2
𝑥=0
𝑚
= 𝑛(𝑛 − 1)(𝑝2 )2 ∑𝑚 𝑥
𝑥=0 ( 𝑦 ) (𝑝2 ) (1 − 𝑝2 )𝑚−𝑥
= [𝑛(𝑛 − 1)(𝑝2 )2 ](1)

𝐸[𝑌(𝑌 − 1)] = 𝑛(𝑛 − 1)(𝑝2 )2

Jadi, Var(Y) = 𝑛(𝑛 − 1)(𝑝2 )2 + 𝑛𝑝2 − 𝑛2 𝑝2 2

= 𝑛2 𝑝2 2 − 𝑛𝑝2 2 + 𝑛𝑝2 − 𝑛2 (𝑝2 )2
= 𝑛𝑝2 − 𝑛𝑝2 2
𝑉𝑎𝑟(𝑋) = 𝑛𝑝2 (1 − 𝑝2 ) (𝑇𝑒𝑟𝑏𝑢𝑘𝑡𝑖)