Perkuliahan Statistika Matematika (tanpa tatap muka)

Senin 13-04-2020, NIM 2017 kelas:B / Rabu, 15-04-2020, NIM 2017 kelas:A

IV. VARIANS DAN COVARIANS

Kompetensi, mahasiswa mampu:
● Menghitung nilai ekspektasi pada vektor random.
● Menghitung covarians pada vektor random.
● Menghitung varians pada vektor random.
● Menghitung korelasi dari dua variabel random.

Materi kuliah: Nilai ekspektasi, varians, covarians dan korelasi pada vektor random.

1. Nilai Ekspektasi

Definisi 4.1
Jika X   X 1 , X 2 , , X n  mempunyai joint pdf f(x1, x2, …, xn) dan Y merupakan- fungsi dari X ; Y  u  X 1 , X 2 ,, X n  ,
maka :
     u( x1 , x 2 ,. , x n ) f ( x1 , x 2 , , x n )
 X1 X 2 X n

E Y   E u  X 1 , X 2 ,  , X n      
     u( x1 , x 2 , , x n ) f ( x1 , x 2 , , x n ) dx1 dx 2  dx n

    

Teorema 4.1
Jika X1 dan X2 adalah variabel random dengan joint pdf f(x1, x2), maka : E(X1+ X2) = E(X1) + E(X2)

Bukti : (untuk yang kontinu)

     
E(X1+ X2) =   ( x1  x 2 ) f ( x1 , x 2 ) dx1 dx 2 =   x1 f ( x1 , x 2 ) dx1 dx 2 +   x 2 f ( x1 , x 2 ) dx1 dx 2
      
     
=  x1  f ( x1 , x 2 ) dx 2 dx1 +  x 2  f ( x1 , x 2 ) dx1 dx 2 =  x1 g( x1 ) dx1 +  x 2 h( x 2 ) dx 2 = E(X1) + E(X2) 
     
Akibat:
Jika a1, a2,…,an konstanta dan X1, X2,…,Xn variabel random yang mempunyai joint pdf, maka :
 n  n
E   ai X i    ai E  X i 
 i 1  i 1
Teorema 4.2
Jika X dan Y variabel random yang independen; g(x) dan h(y) suatu fungsi, maka
E(g(X).h(Y)) = E(g(X)) E(h(Y))
Bukti [untuk yang kontinu]
   
E g  X  hY     [ g( x ) h( y )] f ( x , y ) dx dy =   [ g( x ) h( y )] f 1 ( x ). f 2 ( y ) dx dy
   
 
  g( x ) f1( x ) dx  g( y ) f 2 ( y ) dy  E g  X  E hY  
 
2. Covarians
Definisi 4.2
Kovariansi dari variabel random X dan Y ditulis Cov(X,Y) atau  XY dan didefinisikan dengan :
Cov(X,Y) = E ((X-E(X)) (Y-E(Y)))
Teorema 4.3
Jika X dan Y variabel random; a dan b konstanta, maka :
a) Cov(aX, bY) = ab Cov(X,Y) b) Cov(X+a, Y+b) = Cov(X,Y) c) Cov(X, aX+b) = a Var(X)
Bukti
a) Cov(aX, bY) = E ((aX- E(aX)) (bY- E(bY))) = E ((aX- aE(X)) (bY- bE(Y))) = E (a(X-E(X)) b(Y- E(Y))) =
= E(ab(X-E(X)) (Y- E(Y)) = ab E ((X-E(X)) (Y- E(Y))) = ab Cov(X,Y) 
buktikan b) dan c) sebagai latihan.

1
Teorema 4.4
Jika X dan Y variabel random, maka Cov(X,Y) = E(XY) – E(X) E(Y) dan Cov(X,Y) = 0, apabila X dan Y independen.
Bukti
Cov(X,Y) = E ((X-E(X)) (Y-E(Y))) = E( XY – X E(Y) – Y E(X) + E(X) E(Y)) = E(XY) – E( X E(Y)) – E(Y E(X)) + E(E(X) E(Y))
= E(XY) – E(X) E(Y) – E(Y) E(X) + E(X) E(Y) = E(XY) – E( X) E(Y) 
Apabila X dan Y independen, berarti E(XY) = E(X) E(Y), akibatnya Cov(X,Y) = 0

Teorema 4.5
Jika X dan Y variabel random dengan joint pdf f(x,y), maka: Var(X + Y) = Var(X) + Var(Y) + 2 Cov(X,Y)
Bukti
Var(X + Y) = E ( (X+Y) – E(X+Y))2 = E (X-E(X) + Y-E(Y))2 = E ((X-E(X))2 + (Y-E(Y))2 + 2(X-E(X)) (Y-E(Y)))
= E (X-E(X))2 + E(Y-E(Y))2 + 2 E((X-E(X)) (Y-E(Y))) = Var(X) + Var(Y) + 2 Cov(X,Y) 

● Apabila X dan Y independen, maka Var(X +Y) = Var(X) + Var(Y)

Secara umum :
Jika X1, X2, …, Xn variabel random dan a1, a2, …, an konstanta, maka :

 n  n
Var   ai X i    ai2Var X i   2   ai a j Cov X i , X j  
 i 1  i 1 i j

 n  n
Apabila X1, X2, …, Xn saling independen, maka : Var   ai X i    ai2Var X i 
 i 1  i 1

3. Korelasi
Definisi 4.3
Jika X dan Y variabel random dengan variansi  X2 dan  Y2 serta covariansi  XY , maka koefisien korelasi antara

X dan Y didefinisikan oleh:  XY  XY
 X Y
● Jika  XY  0 , X dan Y dikatakan tak berkorelasi

Ringkasan
Rumus-rumus untuk menghitung nilai ekspektasi, varians, covarians dan korelasi.
 n  n
Nilai ekspektasi : E   ai X i    ai E  X i 
 i 1  i 1
Covarians : Cov (X, Y) = E (XY) – E(X) E(Y)
Varians : Var (X +Y) = Var (X) + Var (Y) + 2Coc(X,Y)

Korelasi :  XY  XY
 X Y
Contoh
 x  y ; jika 0  x  1 dan 0  y  1
Misalkan X dan Y variabel random kontinu dengan joint pdf: f ( x , y )   ,
0; otherwise .
Hitung: a) E(2X+3Y) b) Cov (X,Y) c) Var(X+Y) d) XY

Jawab
11 11
a) E 2 X  3Y  = 2 E  X  3E Y  = 2   x ( x  y ) dy dx  3   y ( x  y ) dy dx = ........ teruskan
00 00
11
b) E ( XY )   xy ( x  y ) dy dx = ......
00
11
E ( X )   x ( x  y ) dy dx = ..........
00
11
E ( Y )    y ( x  y ) dy dx = ...........
00
 Cov  X ,Y   E ( XY ) E X .EY  = .........

2
 11
c) E ( X 2 )   x2 ( x  y ) dy dx = ......
00
11
E ( Y 2 )    y 2 ( x  y ) dy dx =.......
00
 
Var X   E X 2  EX 2 =............
Var Y   E Y  EY  =..............
2 2

 Var  X  Y  Var ( X ) Var Y 2 Cov. X ,Y  = ...........

 XY Cov  X , Y 
d)  XY  = = ...........
 X Y Var  X  Var Y 

Tugas

 x  y ; jika 0  x  1 dan 0  y  1
1) Misalkan X dan Y variabel random kontinu dengan joint pdf: f ( x , y )   ,
0; otherwise .
Hitung: a) E(2X+3Y) b) Cov (X,Y) c) Var(X+Y) d) XY

(tugas no.1 ini dimaksudkan untuk menyelesaikan contoh diatas)

24 xy ; jika 0  x , 0  y dan x  y  1

2) Misalkan X dan Y variabel random kontinu dengan joint pdf : f ( x , y )   ,
0; otherwise
Hitung: a) E(X+Y) b) Cov (X,Y) c) Var(X+Y) d) XY

Medan, April 2020

Dosen pengampu,

Zul Amry, Ph.D