Disusun Oleh:
Kelompok 4
1. Fransiskus Xaverius Aditya Prabowo(155090401111017)
2. Nida Lisananingrum (155090401111019)
3. Zidna Nayla Hidayati (155090401111021)
4. Elka Diniakuri (155090401111023)
5. Ary Muliyanda (155090401111026)
6. Lisca Indriana Putri (155090401111027)
7. Winadya Villadistyan (155090401111028)
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS BRAWIJAYA
2017
DAFTAR ISI
HALAMAN SAMPUL.....................................................................................................................i
DAFTAR ISI...................................................................................................................................ii
BAB 1. PENDAHULUAN..............................................................................................................1
1.1 Latar Belakang..................................................................................................................1
1.2 Batasan dan Rumusan Masalah.........................................................................................1
1.2.1 Batasan Masalah.............................................................................................................1
1.2.2 Rumusan Masalah...........................................................................................................2
1.3 Tujuan Penulisan...............................................................................................................2
1.4 Manfaat Penulisan.............................................................................................................2
BAB 2. ISI.......................................................................................................................................3
BAB 3. KESIMPULAN..................................................................................................................9
DAFTAR PUSTAKA....................................................................................................................10
1.1 LatarBelakang
Dalam metode statistika baku, hasil dari uji hipotesa dan penaksiran tidak lagi
memuat satu peubah acak melainkan sesuatu fungsi yang terdiri satu atau lebih peubah
acak.
Misalkan X1, X2,…..,Xn adalah peubah acak yang mempunyai fungsi kepadatan
gabungan f(x1,x2,---, x3). Miasalkan Y adalah suatu peubah acak fungsi dari X 1, X2,…..,Xn atau
dapat ditulis sebagai Y = u(X1, X2,….., Xn). Suatu fungsi dari X1, X2,…..,Xn dalam statistika
inferensi disebut statistik. Jadi, Statistik adalah fungsi dari satu atau beberapa peubah acak
yang tidak tergantung parameter yang tidak diketahui.
Contoh
Peubah acak X1, X2,…..,Xn disebut sampel acak dari peubah acak X yang bebas
stokastik dan mempunyai fkp f(x). Sementara itu distribusi samping adalah distribusi
peubah acak yang merupakan fungsi dari sample acak.Walaupun statistik tidak
tergantung pada parameter tetapi mungkin distribusinya yang tergantung pada parameter.
Terdapat 3 metode untuk menentukan distribusi fungsi peubah acak yaituTeknik
Fungsi Distribusi Kumulatif (FDK), Teknik Fungsi Pembangkit Moment (FPM), dan
Teknik Transformasi Variabel (Jacobi). Pada Teknik Transformasi Variabel (Jacobi)
terdapat 4 pokok bahasanya itu Transformasi Satu – Satu, Transformasi Tidak Satu –
Satu, Transformasi Bersama, Dan Beberapa Distribusi Yang Berperan Dalam Statistika
Inferensia. Makalah ini merupakan lanjutan dari makalah sebelumnya, sehingga materi
yang akan dibahas merupakan lanjutan dari materi sebelumnya. Adapun materi yang akan
dibahas di dalam makalah ini yaitu Transformasi Tidak Satu – Satu, Transformasi
Bersama, Dan Beberapa Distribusi Yang Berperan Dalam Statistika Inferensi.
1.2.1Batasan Masalah
1.2.2RumusanMasalah
1. BagaimanaTeknikTransfoormasiTidakSatu-Satu ?
2. BagaimanaTransformasiBersama ?
3. BagaimanaDistribusi yang BerperandalamStatistikaIntferensi ?
1.4 ManfaatPenulisan
Beberapa manfaat dari penulisan makalah ini adalah :
1. Mengetahui TeknikTransfoormasiTidakSatu-Satu.
2. Mengetahui TransformasiBersama.
3. Mengetahui BeberapaDistribusi yang BerperandalamStatistikaIntferensi.
Andaikan y=u ( x ) bukan transformasi satu-satu terhadap A={ x|f x ( x ) >0 } maka tidak terdapat
penyelesaian tunggal. A mempunyai partisi A1, A2, … yang saling disjoint sedemikian hingga
u ( x ) transformasi satu-satu terhadap Aj. Jadi, dalam tiap y dalam range u(x ), persamaan y=u (x)
mempunyai penyelesaian tunggal x j=w j ( y ) terhadap himpunan Aj.
Kasus Diskrit
f Y ( y )=∑ f x ( w j ( y ) ) =∑ f x ( x j )
j j
KasusKontinu
|dyd ( w ( y ))|
f Y ( y ) =∑ f x ( w j ( y ) )
j
2.2 TransformasiBersama
Kasus Diskrit
Teorema
Jika X peubah acak diskrit dengan fungsi kepadatan peluang fx(x1,x2,...,xk) dan Y =
u(X) adalah transformasi satu satu , maka fungsi kepadatan peluang bersama dari Y
adalah
fy(y1,y2,...,yk) = fx(x1,x2,....,xk)
dimana x1,x2,....,xk adalah penyelesaian dari Y = u(X)
Kasus Kontinu
Teorema
Jika X peubah acak kontinu dengan fungsi kepadatan peluang fx(x1,x2,....,xk) > 0 pada A
dan Y = (Y1,Y2, ... ,Yk) didefinisikan dengan transformasi satu satu Yi = ui(x1,x2, ...
,xk), i = 1,2, ... ,k maka fungsi kepadatan peluang bersama dari Y adalah
Fy(y1,y2, ... ,yk) = fx(x1,x2, ... ,xk)│J│
Dimana X = (x1,x2, ... ,xk) adalah penyelesaian dari Y = u(X)
Contoh soal
Jika X1,X2 sampel acak berdistribusi eksponensial dengan fungsi kepadatan peluang f(x)
= e−(x 1+x 2) x1 > 0 , x2 > 0 selainnya. Suatu transformasi Z = X1/X2 , W = X2. Tentukan
fungsi kepadatan peluang dari Z.
Penyelesaian
f(x1,x2) = e−(x 1+x 2) x1,x2 > 0
invers dari Z = X1/ X2 , W = X2 adalah X1 = ZW , X2 = W
yang merupakan fungsi 1 – 1.
J=|w z |
0 1 =w
∞
1 1 1
g( z)=
( z+1 )
∫ e−u
( z+1) ( z+1)
0 du = Γ(2) =
Beberapa distribusi yang banyak berperan dalam statistika inferensi antara lain distribusi
normal, distribusi Khi kuadrat, distribusi t dan distribusi F.
Teorema 3.6
Bukti :
(X −μ)2
Misalkan Z= dengan peubah acak Z berdistribusi normal baku
σ2
2
−z
1 2
f ( z )= e −∞< z < ∞
√2π
Sekarang dicari distribusi peubah acak Y =Z 2 . Kebalikan y=z 2adalah z=± √ y . Nyatakanlah
z 1=−√ y dan z 2=√ y maka j 1= −1 dan j 2= 1 . karena bukan merupakan transformasi satu-
2√ y 2√ y
satu, diperoleh
−y −y
1 1 1
g ( y )=
√2 π
e 2
| |
−1
+
2 √ y √2 π
e 2
|√|
2 y
−1 −y
1 2 2
¿ 1
y e y >0
2
2 √π
Karena g ( y ) fungsi padat maka
1 −y
1 −1
1= 1
y2 e 2
dy
2
2 √π
1
Γ( ) ∞ 1 −y
2 1 2
−1
2
¿ ∫ 1
y e dy
√π 0 12
2 Γ( )
2
1
Γ( )
2
¿
√π
1
Dengan integral menyatakan luas di bawah kurva peluang gamma dengan parameter α = β
2
1
= 2. Karena itu √ π =Γ ( ) dan distribusi peluang Y diberikan oleh
2
{
−1
2 2
1
y e y >0
g ( y )= 2 2 Γ ( 1 )
2
0lainnya
Yang ternyata adalah distribusi Khi kuadrat dengan derajat kebebasan 1 X 2 (1)
Teorema 3.7
Jika Y dan Z adalah dua peubah acak bebas stokastik dimana Z N ( 0,1 ) danY X 2 (r ) maka
Z
T= dengan derajat bebas r
Y
√ r
r +1
( 2 )
Γ
t 2 r+ 1
f (t)=
T
r
√ πr Γ ( )
( 1+ )
r
2
−∞ <t< ∞ , r =1,2,3 ,…
Bukti :
Karena Y dan Z peubah acak bebas maka distribusi peluang gabungannya diperoleh dengan
mengalikan distribusi an Z , yaitu
2
−z − y r
1
{
−1
2 2
r
e y
f ( z , y )= 2 r −∞ < z< ∞ , y >0
√2 π 2 Γ ( )
2
0 lainnya
√u t
J=
| √u
√ r 2 √ur = √ r
0 1 |
Transformasi di atas satu-satu, memetakan titik { ( z , y )∨−∞< z <∞ ,0< y <∞ } ke himpunan
{ ( t ,u )∨−∞<t <∞ ,0< u<∞ }. Dengan menggunakan teorema 3.5 diperoleh distribusi peluang
gabungan T dan U , sebagai berikut :
{( )[ ( )]} √ u
u t
{
r
1 −1 − 2 1+ r
2
r
u e
g (t , u) r √ r −∞<t< ∞ , 0<u< ∞
√2 π 2 Γ 2
2 ()
0lainnya
¿∫
∞
1
u
r
2
u
{( )[ ( )]} √u du
t
−1 − 2 1+ r
e
r
r √r
0
√2 π 2 Γ 2
2 ()
u t2 2 dz
2 r ( )
z= 1+ dan du=
1+
t 2 sehingga diperoleh
r
∞ ( r +1 )
1 2z [ ] −1 − z 2z
h ( t )=
r
r
2
√2 π 2 Γ √ r (2)
∫
0
( )
1+
t2
r
2 e
( )
1+
t2
r
dz
( r +1) ∞ ( r+1 )
1 t2
) [ ]∫ z [ ]
−1
¿
r ( 1+
r
−
2 2 −z
e dz
√ πr Γ
2 () 0
( r +1 )
Γ [ ]
2 t2
( r +1)
[ ]−∞<t <∞
h ( t )=
r
1+
r ( ) −
2
√ πr Γ
2 ()
ini dikenal dengan distribusi T dengan derajat kebebasanr
Teorema 3.8
Jika X dan Y adalah peubah acak saling bebas dimanaX x 2(r1) dan Y x2(r2) maka peubah acak
X
r
F= 1 F ( r 1 , r 2 )
Y
r2
r
2 Γ 2
2
2 ( ) 2
2 Γ ( r2 )
2
1 r /2 −1 r / 2 −1
¿ 2( r +r ) /2 Γ r 1 Γ r 2
1 2
2 ( )( )
2
0 , selainya
X
r1 r1
Misalkan peubah acak kedua W = Y . Kebalikan F= dan w = y adalah x=
Y r2
dan y=w. dari ( )
r2
sini diperoleh jacobiannya:
r1 r1
|
( ) ( ) ( )
J= r 2
0
w
1
f r
r2 = 1 w
r2 |
Transformasi ini satu-satu, memetakan titik{ ( x , y )|0< x< ∞, 0< y< ∞ } ke himpunan
{ ( f , w )|0< f <∞ , 0<w <∞ } . Dengan menggunakan teorema 3.5 maka diperoleh distribusi peluang
gabungan F dan W
( r1 /2 )−1
1 r 1 fw r1 w
2 2
2
( )( )
0 , selainnya
¿
( )r2
2
f 2−1
∞
2
(r1 +r2) /2
Γ ( r2 ) Γ ( r2 )
1 2 0
w 2
Ganti ( )2 [ ( r 1 f /r 2 ) +1 ]dan dw=
( r 1 f /r 2 +1 )
dzmaka diperoleh
r1 r1
r1
( ) r2
2
f 2−1
∞
2z ( r 1+ r 2 )
2−1
2z
h(f )=
2
(r 1+r2 )/ 2
Γ ( r2 ) Γ ( r2 )
1 2
∫
0 ( ( r 1 f /r 2 +1 ) ) e−z
( r 1 f /r 2+ 1 )
dz
r1 r1
r1
h(f )=
( ) r2
2
f 2−1
∞
∫ z 2−1
( r1+r 2)
e−z dz
2
(r 1+r2 )/ 2
Γ ( r2 ) Γ ( r2 )
1 2 0
r1 r1
r
( )
{
Γ [ ( r 1+ r 2 ) /2 ] 1 2
f 2−1
r2
, 0< f < ∞
h(f )= r r 1+ r 1 f (r +r )/ 2 1 2
2( ) ( )(
Γ 1 Γ 2
2 r2 )
0 , selainnya
Inilah yang dikenal dengan nama distribusi-F dengan derajat kebebasan r1dan r2 atau dapat
disebut pula F ( r 1 , r 2 ).
BAB 3. KESIMPULAN
Untuk mendapatkan distribusi fungsi peubah acak ada 3 metode yang dapat digunakan ,
yaitu Teknik Fungsi Distribusi Kumulatif (FDK), Teknik Fungsi Pembangkit Momen (FPM),
dan Teknik Transformasi Variabel (Jacobi). Teknik Transformasi Variabel (Jacobi) dibagi
menjadi 4, yaitu Transformasi Satu-Satu, Transformasi Tidak Satu-Satu, Transformasi Bersama,
dan Beberapa Distribusi Yang Berperan Dalam Statistika Inferensia.
Teorema 3.7
JikaY dan Z adalah dua peubah acak bebas stokastik dimana Z N ( 0,1 ) d an Y X 2 (r ) maka
Z
T= dengan derajat bebas r
Y
√ r
r +1
( Γ
2 ) t 2 r+ 1
f (t)=
T
r
√ πr Γ ( )
( 1+ )
r
2
−∞ <t< ∞ , r =1,2,3 ,…
Teorema 3.8
Jika X dan Y adalah peubah acak saling bebas dimanaX x 2(r1) dan Y x2(r2) maka
peubah acak
X
r1
F= F ( r1 , r2 )
Y
r2
DAFTAR PUSTAKA