STATISTIKA MATEMATIKA
MILA KURNIAWATY
Penulis
ii
DAFTAR ISI
Halaman Judul i
Kata Pengantar ii
Daftar Isi iii
iii
6.1.1 METODE MOMEN 86
6.1.2 METODE MAXIMUM LIKELIHOOD ESTIMATOR
(MLE) 88
6.2 KRITERIA UNTUK MENGEVALUASI ESTIMATOR 90
DAFTAR PUSTAKA v
iv
Daftar Pustaka
v
Statistika Matematika / FPM Universitas Brawijaya 2014
BAB I
FUNGSI PEMBANGKIT MOMEN
1.1 MOMEN
Definisi 1.2
Momen pusat keെ ݎdari peubah acak ܺ didefinisikan sebagai ܧሺሺܺ െ ߤሻ ሻ
1
Statistika Matematika / FPM Universitas Brawijaya 2014
Definisi 1.3
maka diperoleh
(tx )2 + (tx )3 + (tx )4 + ... p( x)
E (e tX ) = ∑ e tx p ( x ) = ∑ 1 + tx +
x x 2! 3! 4!
= ∑ p ( x) + t ∑ xp( x) + ∑ x 2 p ( x) + ∑ x 3 p ( x) + ...
t2 t3
x x 2! x 3! x
= 1 + tE ( X ) +
t2 t3
E ( X 2 ) + E ( X 3 ) + ...
2
Statistika Matematika / FPM Universitas Brawijaya 2014
∞
∞
Teorema 1.1
Jika FPM dari X ada, maka
0 untuk semua
1, 2, …
dan
1
∞
!
Bukti
∞
∞
∞
0.
∞ ∞
∞ ∞
Jika FPM nya ada, maka dapat juga ditunjukkan bahwa ekspansi
deret pangkat ke nol adalah mungkin, dan dari hasil standar
3
Statistika Matematika / FPM Universitas Brawijaya 2014
ሺೝሻ
tentang deret pangkat, koefisien mempunyai bentuk !
. Dengan
0
1 1 .
∞ ∞
!
!
# $ % # $, maka & ! " ࢘ % # $"'
࢘
.
4
Statistika Matematika / FPM Universitas Brawijaya 2014
1. Binomial P ( x) = ( nx ) p x q n − x M x (t ) = ( pe t + q ) n
2. Poison e − λ λx M x (t ) = e λ (e −1)
t
P( x) =
x!
3. Geometri p( x) = pq x−1 pe t
M x (t ) =
1 − et q
1 Normal −(x−µ )2 1
µt + σ 2t 2
1 2σ 2
M x (t ) = e 2
X ~ n( µ , σ 2 ) f (x) = e
2 πσ 2
X ~ n(0,1) − x2 t2
1 2 M x (t ) = e 2
f ( x) = e
2π
2 Eksponensial M x (t ) = (1 − βt ) −1
;β > 0
1 −x / β
f ( x) = e
β
Eksponensial f ( x) = λe −λx λ
M x (t ) =
λ −t
3 Gamma
f ( x) = M x (t ) = (1 − βt ) −α ; t <
1 1
xα −1e − x / β
X ~ G(α , β ) Γ(α ) β 2
β
4 Chi-Kuadrat
f ( x) = x 2 e 2; x > 0
−v
1 v −1 − x
M x (t ) = (1 − 2t ) 2
X ~ χ (v )
2
2 v/2
Γ(v / 2)
Contoh 1
1. adalah suatu peubah acak kontinu dengan fkp
untuk 0 dan bernilai nol untuk selainnya. Dapatkan FPM
untuk mencari mean dan variansi dari .
5
Statistika Matematika / FPM Universitas Brawijaya 2014
Penyelesaian
௧
∞
௧௫
ି∞
௧௫ ି௫
ିሺଵି௧ሻ௫
lim ିሺଵି௧ሻ௫
՜∞
1
lim ିሺଵି௧ሻ௫
1 ՜∞
1
, 1
1
1
′ ′ 0 1
1 ଶ
2
′′ ′′ 0 2 ଶ
1 ଷ
ଵ ௫ାଵ
2. adalah suatu peubah acak diskrit dengan fkp
ଶ
untuk
0, 1, 2, … dan bernilai nol untuk selainnya. Dapatkan
FPM untuk mencari mean dan variansi dari .
Penyelesaian
௧
6
Statistika Matematika / FPM Universitas Brawijaya 2014
! ௧௫
∞
௧௫
1 ௫ାଵ
! " #
2
௫ୀ
∞ ௫
1 ௧
!$ %
2 2
௫ୀ
ଵ
Menggunakan deret geometri 1 & ' & ' ଶ & ( ଵି௦ , 1 ' 1 ,
dengan ' ଶ
maka diperoleh FPM sebagai berikut
1
ln 2.
2 ௧
adalah M x (t ) = e µt +σ !
2 2
t /2
Penyelesaian
−( x−µ )2
M x (t ) = ∫ e
∞ −( x − µ )2
tx 1 2σ 2
e dx
−∞ 2πσ 2
∫
∞
1
e −[ x − 2 ( µ + tσ 2 ) x + µ 2 ] / 2σ 2
2
M x (t ) = dx
−∞ 2πσ 2
7
Statistika Matematika / FPM Universitas Brawijaya 2014
∫
∞
1
e −{[ x − ( µ + tσ 2 )] 2 − 2 µtσ 2 − t 2σ 4 ) / 2σ 2
2
M x (t ) = dx
−∞ 2πσ 2
∫
∞
µt + σ 2 t 2 / 2 1
e − (1 / 2){[ x − ( µ + tσ
2
)] / σ } 2
M x (t ) = e dx
−∞ 2πσ 2
Misalkan w = [ x − ( µ + tσ )] / σ
2
jadi dx = σ dw dan
M x (t ) = e µt +σ ∫
2 2
∞ 1 −w 2/2
t /2
e dw
M x (t ) = e µt +σ
2 2
t / 2 −∞ 2π
e
−∞ 2π
dibawah kurva fungsi kepadatan peluang normal baku sehingga
bernilai 1.
βα β
Bentuk fungsi kepadatan peluangnya f ( x) = x >α > 0 .
x β +1
Distribusi Pareto tidak memiliki fungsi pembangkit momen
βα r
tetapi memiliki momen ke- ݎyaitu E ( x r ) = jika β > r .
(β − r )
αβ α 2β
Sehingga dapat ditemukan E ( x ) = dan E ( x 2 ) = serta
β −1 β −2
α 2β
diperoleh Var ( x) = .
( β − 2)( β − 1) 2
2 Distribusi Cauchy
1
Bentuk fungsi kepadatan peluangnya f ( x) = x > 0.
π (1 + x 2 )
Distribusi ini selain tidak memiliki fungsi pembangkit momen
juga tidak memiliki momen karena jika dilakukan
pengintegralan hasilnya akan divergen.
8
Statistika Matematika / FPM Universitas Brawijaya 2014
Definisi 1.4
Φ X (t ) = M X (it )
= E (e itX ) = E (cos tX + i sin tX )
= E (cos tX ) + i E (sin tX )
∑e itx
f ( x) = ∑ cos tx f ( x) + i ∑ sin tx f ( x)
X X X
∫ e f ( x)dx = ∫ cos tx f ( x)dx + i ∫ sin tx f ( x)dx
∞ ∞ ∞
itx
−∞ −∞ −∞
Teorema 1.3
Jika X suatu peubah acak maka
2. Φ X (0) = 1 Φ X (t ) = Φ X (−t )
Φ X (t ) ≤ 1 ∀t ∈ R
3.
4. Φ X (t ) kontinu seragam
SIFAT-SIFAT :
Φ aX +b (t ) = e ibt Φ X (at )
9
Statistika Matematika / FPM Universitas Brawijaya 2014
TEOREMA 1.4.
Bukti
maka
Φ X (0) = iE ( x)
Φ" X (0) = i 2 E ( x 2 )
Φ ( k ) X (0) = i k E ( x k )
Φ n (0)
E ( x n) =
in
Contoh 2
Misalkan diketahui fungsi pembangkit moment dari peubah acak
yaitu
1 ିଶ
1
10
Statistika Matematika / FPM Universitas Brawijaya 2014
M X (t ) = ∫ etx f ( x)dx
∞
−∞
(1 − t ) 2 −∫∞
∞
1
= etx f ( x)dx
= ∫ etx f ( x)dx
∞
1
2
(1 − t ) 0
1
L{ f ( x)} = L{xe ax } =
(a + s) 2
1
L−1 { } = xe ax
(a + s) 2
∫Φ
∞
f ( x) =
1
X (t ) e −itx dt
2π −∞
Contoh 3
∫ Φ X (t ) e dt = ∫e
∞ ∞
f ( x) =
1 −itx 1 −t
e −itx dt
2π −∞
2π −∞
11
Statistika Matematika / FPM Universitas Brawijaya 2014
∫e ∫
0 ∞
1 1
f ( x) = t
e − itx
dt + e −t e −itx dt
2π −∞
2π 0
∫
∞
1
= e −t [e itx + e −itx ] dt
2π 0
1
f ( x) =
π (1 + x 2 )
12
Statistika Matematika / FPM Universitas Brawijaya 2014
SOAL LATIHAN
0, n bilangan ganjil
1.3.5 … n " 3 n " 1 , n bilangan genap
5. Misalkan peubah acak dengan fungsi distribusi
0, "2
) 0.2, "2+ 0
'
' 0.5, 0 + 2.2
% 0.6, 2.2 + 3
( 0.6 - ., 3+4
'
' 0.6 - 2., 4 + 5.5
& 1, 0 5.5
dan diketahui 1 3.3 0.25.
Tentukan : a. Nilai dari . dan fungsi kepadatan peluangnya
b. Fungsi pembangkit momen dari
c. Variansi menggunakan b.
13
Statistika Matematika / FPM Universitas Brawijaya 2014
14
Statistika Matematika / FPM Universitas Brawijaya 2014
f. ~12
g. ~9C, D ଶ
h. ~1;=E.
15
Statistika Matematika/Distribusi Gabungan Universitas Brawijaya 2014
BAB II
DISTRIBUSI PEUBAH ACAK GABUNGAN
Definisi 2.1
,
,
Contoh 1
16
Statistika Matematika/Distribusi Gabungan Universitas Brawijaya 2014
4 5 3
p (0,2) = =
0 2 1 30
12
220
3
4 5 3
p (0,3) = =
0 3 0 10
12 220
3
4 5 3
p (1,0) = =
1 0 2 12
12
220
3
Fungsi peluang gabungan dari permasalahan di atas dapat
dinyatakan dalam rumus matematis yaitu :
4 5 3
x y 3 − x − y
P ( X = x , Y = y ) = p ( x, y ) = x = 0,1,2,3 y = 0,1,2,3 x + y ≤ 3
12
3
0 yang lain
Atau dapat ditulis dalam suatu tabel fungsi kepadatan peluang
gabungan seperti di bawah ini :
Tabel
,
0 1 2 3
0 1/220 15/220 30/220 10/220 56/220
1 12/220 60/220 40/220 0 112/220
2 18/220 30/220 0 0 48/220
3 4/220 0 0 0 4/220
35/220 105/220 70/220 10/220
17
Statistika Matematika/Distribusi Gabungan Universitas Brawijaya 2014
Definisi 2.2
2. ,
1
3. ,
, untuk tiap daerah
,
Contoh 2
Dari contoh 1, tentukan nilai dari ,
jika A daerah
, | 1
Penyelesaian
1 15 12 28
1
0,0 0,1 1,0
.
220 220 220 220
Definisi 2.3
∑ p( x) = 1
∑∑ p( x, y) = 1
X
x y
Contoh 3
Dari contoh 1, fungsi peluang marginal dari adalah :
0 1 2 3
56/220 112/220 48/220 4/220
18
Statistika Matematika/Distribusi Gabungan Universitas Brawijaya 2014
∑ p ( x) = 1
X =x
∑ p( y ) = 1
Y=y
* ଵ , ଶ , … ,
ଵ ଵ , … ,
Definisi 2.5
2. , 1
ஶ ஶ
ିஶ ିஶ
Contoh 4
19
Statistika Matematika/Distribusi Gabungan Universitas Brawijaya 2014
Penyelesaian
a. Akan ditunjukkan bahwa
∞ ∞
2ି∞ 2ି∞ , , 33
1 .
∫∫ f ( x, y )dxdy =
5 ∫0
( x 2 + 3xy )]0 dy
∞ ∞ 1
2 1
−∞ − ∞
∫∫ f ( x, y )dxdy =
5 ∫0
(1 + 3 y )dy
∞ ∞ 1
2
−∞ − ∞
∫∫ f ( x, y )dxdy = ( y + y 2 )
∞ ∞ 1
2 3
−∞ − ∞
5 2 0
∫ ∫ f ( x, y)dxdy = 5 ( 2 ) = 1
∞ ∞
2 5
−∞ − ∞
b. P[( X , Y ) ∈ A]
0 < x <
1 1 1
, < y<
2 4 2
∫ ∫ 5 (2 x + 3 y )dxdy
1 1
2 2
2
=
1 0
4
= ∫ ( x 2 + 3 xy )
1 1/ 2
2 2
dy
51
4 0
5 1∫ 4 2
1
2 2 1 3
= ( + y )dy
4
1
2
2 1 3 13
= ( y + y2 =
5 4 4 1 160
4
20
Statistika Matematika/Distribusi Gabungan Universitas Brawijaya 2014
Definisi 2.6
,
8 ,, 3
ିஶ
ஶ
,
8 ,, 3
ିஶ
Contoh 5.
Dari soal pada contoh 4, dapatkan fungsi kepadatan marginal
dan marginal .
Penyelesaian
Menurut definisi
g ( x) = ∫ f ( x, y)dy
∞
−∞
g ( x) = ∫ (2 x + 3 y )dy = (2 xy + y 2 )
1 1
2 2 3
5 5 2 0
4x + 3
0
g ( x) =
5
Selanjutnya
∫ f ( x, y)dx
∞
h( y ) =
−∞
h( y ) = ∫ (2 x + 3 y )dx = x 2 + 3 xy
( )]
1
2 2 1
0
0
5 5
2 + 6y
h( y ) =
5
21
Statistika Matematika/Distribusi Gabungan Universitas Brawijaya 2014
Definisi 2.7
*ଵ , ଶ , … ,
8 … 8 ,ଵ , ଶ , … , 3ଵ … 3
ି∞ ି∞
untuk semua
ଵ , ଶ , … ,
Contoh 6
Diasumsikan fkp gabungan
4; 0 1, 0 1
,,
9
0 ; untuk selainnya
Tentukan :
a. FDK gabungan X dan Y
b. FDK marginal X
c. FDK marginal Y
Penyelesaian
௬ ௫
a. * ,
,
2 2 ,, 3 3
ଶ ଶ untuk 0 1,
0 1.
0 ; 6 0, 6 0
* ,
<ଶ ; 0 1, 0 1
1 ; = 1, = 1
௫ ௫ ଵ
b. *
2 , 3
2 2 4 3 3
ଶ untuk 0 1
௬ ௬ ଵ
c. *
2 ,3
2 2 4 3 3
ଶ untuk 0 1
22
Statistika Matematika/Distribusi Gabungan Universitas Brawijaya 2014
Definisi 2.8
,,
,|
, , = 0
,
, , = 0
,
dan bernilai nol untuk selainnya.
23
Statistika Matematika/Distribusi Gabungan Universitas Brawijaya 2014
E [u ( X ) Y = y ]= ∫ u ( x) f ( x y ) dx
∞
−∞
[ ] ( )
E ( X − E ( X Y ) ) Y = y = E X 2 Y = y − (E ( X Y = y )
2 2
Contoh 7
x(1 + 3 y 2 )
;0 < x < 2,0 < y < 1
Diketahui fkp f ( x, y ) =
0
4
lainnya
24
Statistika Matematika/Distribusi Gabungan Universitas Brawijaya 2014
∫ f ( x, y)dy
∞
g ( x) =
−∞
∫
x (1 + 3 y 2 )
1
= dy
0
4
1 1 x
= ( x ( y + y 3) = ,0 < x < 2
4 0 2
∫ f ( x, y)dx
∞
h( y ) =
−∞
=∫
x(1 + 3 y 2 )
2
dx
0
4
1 + 3y2
2
1 1 2
= ( x + 3 xy 2 ) = ,0 < y < 1
4 2 0 2
f ( x, y )
f ( x y) =
h( y )
x(1 + 3 y 2 ) / 4
=
(1 + 3 y 2 ) / 2
x
=
2
Sehingga :
∫ f ( x y)dx
1
2
1 1 1
P( < X < Y = ) =
4 2 3 1
4
∫ 2dx = 64
1
2
x 3
=
1
4
E ( X Y = y ) = ∫ xf ( x y )dx = ∫ x dx = ∫ dx =
2 x 2 x2 8 2
0 0 2 0 2 6
ଶ 16 64 90
|
ଶ |
|
.
4 36 36
25
Statistika Matematika/Distribusi Gabungan Universitas Brawijaya 2014
−∞ −∞ −∞
Teorema 2.1
Jika ଵ dan ଶ adalah peubah acak dengan fkp gabungan !"ଵ , "ଶ
maka
ଵ ଶ ଵ ଶ
.
ୀଵ ୀଵ
2.5 KOVARIANSI
Jika ada dua peubah acak X dan Y, kecenderungan variansi
dari
dan
dapat dinyatakan dengan suatu ukuran
yang disebut kovariansi , .
Definisi 2.9
Kovariansi dari sepasang peubah acak dan didefinisikan
sebagai
#$% , &
'
Notasi yang umum digunakan untuk kovariansi adalah ( .
26
Statistika Matematika/Distribusi Gabungan Universitas Brawijaya 2014
Teorema 2.2
Jika dan adalah peubah acak dan dan + adalah konstanta,
maka
#$% , + + #$% ,
#$% , + #$% ,
#$%, +
Teorema 2.3
Jika dan adalah peubah acak, maka
#$% ,
2.6 KORELASI
Korelasi dari X dan Y adalah kecenderungan hubungan linier
antara X dan Y
Definisi 2.10
Jika dan adalah pebah acak dengan variansi (ଶ dan (ଶ dan
kovariansi ( #$% , , maka koefisien korelasi dari dan
adalah
cov( X , Y ) (
ρ ( X , Y ) = kor ( X , Y ) = ,
σ Xσ Y ( (
27
Statistika Matematika/Distribusi Gabungan Universitas Brawijaya 2014
Teorema 2.4
i. Jika X dan Y dua peubah acak yang bebas stokastik maka
kedua peubah acak tersebut tidak berkorelasi (korelasinya
bernilai 0).
ii. X dan Y dua peubah acak yang tidak berkorelasi , belum tentu
bahwa X dan Y bebas stokastik.
Contoh 8
X dan Y dua peubah acak diskrit dengan fungsi kepadatan peluang
!",
= ¼ (-4,1) , (4,-1) , (2,2) , (-2,-2)
0 selainnya
0 , 0 dan 0
#$%, 0 dan *$, 0
X dan Y dua peubah acak yang tidak berkorelasi.
Sementara itu, fungsi kepadatan peluang marginal berturut-turut
X dan Y adalah :
!" ¼ "
4 , 4 ,
2 , 2 !
¼
1 , 1 ,
2 , 2
0 selainnya 0 selainnya
!",
≠ !" !
, dengan demikian X dan Y tidak bebas stokastik.
Teorema 2.5
Jika X dan Y dua peubah acak dengan fkp gabungan !",
maka
2 #$% ,
dan
jika X dan Y bebas stokastik.
28
Statistika Matematika/Distribusi Gabungan Universitas Brawijaya 2014
∫ yf ( y | x)dy = ∫y f ( x) −∫∞
∞ ∞ ∞
f ( x, y ) 1
E (Y | X ) = dy = yf ( x, y ) dy
−∞ −∞
f ( x)
Teorema 2.6
σY
E (Y | X ) = µ Y + ρ (x − µ X )
σX
dengan
• E( X ) = µ X
• E (Y ) = µ Y
• VAR ( X ) = σ X
2
• VAR (Y ) = σ Y
2
Bukti
f ( x) −∫∞
∞
y. f ( x, y ) dy = a + bx .......................................... (i)
1
E (Y | X ) =
∫ y. f ( x, y)dy = (a + bx) f ( x)
∞
−∞
−∞ −∞ −∞
E (Y ) = a + b( X )
− ∞− ∞ −∞
29
Statistika Matematika/Distribusi Gabungan Universitas Brawijaya 2014
−∞ −∞ −∞
COV ( X , Y ) = σ X σ Y ρ
E ( XY ) − E ( X ) E (Y ) = σ X σ Y ρ
E ( XY ) = ρσ X σ Y + µ X µ Y
ρσ X σ Y + µ X µ Y = aµ X + bσ X2 + bµ X2
ρσ X σ Y + µ X µ Y = µ X (a + µ X ) + bσ X2 = µ X µ Y + bµ X2
ρσ X σ Y = bµ X2
σY σY
b=ρ a = µY − ρ µX
σX σX
sehingga,
σY σ
E (Y | X = x) = ( µ Y − ρ µX ) + ρ Y x
σX σX
σY
E (Y | X ) = µ Y + ρ (x − µ X )
σX
30
Statistika Matematika/Distribusi Gabungan Universitas Brawijaya 2014
h( x) = ∫ (Y − E (Y | X )) f (Y | X )dy = ∫ (Y − µ Y − ρ
∞ ∞
σY
( x − µ X )) 2 f (Y | X )dy
−∞ −∞
σX
h( x) = ∫ (Y − µ Y − ρ
∞
σY f ( x, y )
( x − µ X )) 2 dy
−∞
σX f ( x)
∫ h( x) f ( x)dx = ∫ ∫ (Y − µ
∞ ∞ ∞
σY f ( x, y )
Y −ρ ( x − µ X )) 2 dy
−∞ − ∞− ∞
σX f ( x)
E (h( x)) = ∫ ∫ (Y − µ Y ) − 2 ρ Y (Y − µ Y )( X − µ X ) + ρ 2 Y 2 E ( X − µ X ) 2
∞ ∞
σ σ
2
2
− ∞− ∞
σX σX
σY σ
2
E (h( x)) = E (Y − µ Y ) 2 − 2 ρ E (Y − µ Y )( X − µ X ) + ρ 2 Y 2 E ( X − µ X ) 2
σX σX
σ σ
2
E (h( x)) = σ Y − 2 ρ Y ρσ X σ Y + ρ 2 Y2 σ X2
2
σX σX
E (h( x)) = σ Y (1 − ρ 2 ) ≥ 0
2
1− ρ 2 ≥ 0
ρ2 ≤1
−1 ≤ ρ ≤ 1
Contoh 9
Diberikan X dan Y dua peubah acak yang memiliki fkp bersama sbb
1 ; 0 < y < 2 x,0 < x < 1
f ( x, y ) =
0
Hitung koefisien korelasi dari X dan Y.
Penyelesaian
ଵ , 1 2
ଶ௫
1
ଶ , 1 1
2
ଵ
భ
మ
௬
31
Statistika Matematika/Distribusi Gabungan Universitas Brawijaya 2014
• Fkp marjinal X
2 x ; 0 < x < 1
f 1 ( x, y ) =
0
2
. 2
ଵ
3
1
ଶ ଶ . 2
ଵ
1 4 1
ଵଶ ଶ ଶ
2 9 18
• Fkp marjinal Y
1
1 − y ; 0 < y < 2
f 2 ( x, y) = 2
0
1 2
. 1
ଶ
2 3
1 2
ଶ ଶ . 1
ଶ
2 3
2 4 1
ଶଶ ଶ ଶ
3 9 9
1
. 1
ଵ
2
ଶ௫
Jadi , . ଶ . ଵ଼
ଵ ଶ ଶ ଵ
ଷ ଷ
32
Statistika Matematika/Distribusi Gabungan Universitas Brawijaya 2014
= ∫ f ( x, y)dy
∞
−∞
∫ f ( x | y) f ( y)dy
∞
=
−∞
= f ( x | y ) ∫ f ( y )dy
∞
= f ( x | y ) ………………………………………………………………………………(ii)
−∞
Definisi 2.11
Misal dan adalah 2 peubah acak dengan fungsi kepadatan
gabungan
, dan fungsi kepadatan marginalnya
dan
dengan
f ( x, y) = f ( x). f ( y)
maka dan dikatakan bebas stokastik.
Contoh 10
33
Statistika Matematika/Distribusi Gabungan Universitas Brawijaya 2014
Penyelesaian
a.
* 1 ! 3 , 0 # # 2
* 1 ! 3 2 1 ! 3 , 0 # # 1
b.
)| , 0 # # 2
,
Contoh 11
Dua bola dipilih secara acak dari sebuah kotak yang berisi 3 bola
warna biru, 2 merah, dan 3 hijau. Bila X menyatakan banyaknya
yang berwarna biru dan Y menyatakan warna merah yang terpilih.
Penyelesaian
,
0 1 2
0
3 9 3 15
28 28 28 28
1 0
3 3 3
14 14 7
2 0 0
1 1
28 28
1
5 15 3
14 28 28
34
Statistika Matematika/Distribusi Gabungan Universitas Brawijaya 2014
3
f (0,1) =
14
g (0) = ∑ f (0, y ) =
2
3 3 1 5
+ + =
y =0 28 14 28 14
h(1) = ∑ f ( x,1) =
2
3 3 3
+ +0 =
x =0 14 14 7
Jelas, 0, 1 + & 0, 1
Definisi 2.12
Misalkan X 1, X 2 , ..., X n adalah % peubah acak, diskrit maupun
jika
f ( X 1, X 2 , ..., X n ) = f ( X 1 ), f ( X 2 ),..., f n ( X n )
Contoh 12
kotak dari makanan kemasan ini yang dipilih secara acak dan
hitunglah - ଵ # 2; 1 # ଶ # 3; ଷ . 2.
35
Statistika Matematika/Distribusi Gabungan Universitas Brawijaya 2014
Penyelesaian
f ( x1 , x2 , x3 ) = f ( x1 ) f ( x2 ) f ( x3 )
= e − x1 e − x2 e − x3
= e − x1 e − x2 e − x3 x1 > 0 , x2 > 0 , x3 > 0
ଵ 2; 1 ଶ 3; ଷ 2
= ∫∫ ∫ e − x1 e − x2 e − x3 dx1dx2 dx3
∞3 2
2 1 0
= (1 − e −2 )(e −1 − e −3 )e −2
= 0,0376
Teorema 2.7
dan merupakan Peubah Acak dengan fkp bersama f ( x, y )
dinyatakan sebagai hasil kali dari fungsi non negatif dari X dan Y
Teorema 2.8
Jika X dan Y bebas stokastik, maka
,
.
Teorema 2.9
Jika dan peubah acak bebas stokastik,
dan
fungsi
dari dan serta
dan
ada, maka
.
36
Statistika Matematika/Distribusi Gabungan Universitas Brawijaya 2014
Definisi 2.13
Misal h1,h2 : Bilangan riil positif
− h2 < t2 < h2
M Y (t 2 , 0 ) = E [ e t 2 Y ] = M Y (t 2 )
∂M (0,0) ∂M (0,0)
• µ1 = E ( X ) = dan µ 2 = E (Y ) =
∂t1 ∂t 2
∂ 2 M (0,0) ∂M (0,0) 2
• τ 12 = E ( X 2 ) − E ( X ) 2 = −
∂t1
2
∂t1
∂ 2 M (0,0) ∂M (0,0) 2
• τ 22 = E (Y 2 ) − E (Y ) 2 = −
∂t 2
2
∂t 2
• cov(X , Y ) = E ( XY ) − E ( X ) E (Y )
Contoh 13
Dua peubah acak X dan Y memiliki fkp bersama sbb:
e − y ;0 < x < y <~
f ( x) =
0
Tentukan fpm bersama X dan Y
0 x
0 x
= (1 − t 2 ) −1 (1 − t1 − t 2 ) −1
37
Statistika Matematika/Distribusi Gabungan Universitas Brawijaya 2014
Teorema 2.10
X dan Y dua peubah acak dengan fungsi distribusi gabungan
f(x,y) , fungsi kepadatan peluang marginal masing-masing f(x)
dan f(y) serta fungsi pembangkit moment gabungan M X ,Y (t1 , t2 ) .
Bukti:
−∞ −∞
−∞ −∞
= ∫∫
t1x +t2 y
e f ( x, y )dxdy
Ω
= M X ,Y (t1 , t 2 )
38
Statistika Matematika/Distribusi Gabungan Universitas Brawijaya 2014
SOAL LATIHAN
39
Statistika Matematika/Distribusi Gabungan Universitas Brawijaya 2014
40
Statistika Matematika/Distribusi Gabungan Universitas Brawijaya 2014
2
9. Jika f ( x, y) = xy, x , y = 1,2,..., n (i. e., discrete var iables) .
2
n(n + 1)
Apakah X dan Y independent?
10. Fungsi kepadatan peluang dari peubah acak X adalah
x
f ( x) = exp − , x > 0 . Dapatkan probabilitas dari 1 < x < 2.
1
2 2
41
Statistika Matematika / Distribusi Fungsi PA Universitas Brawijaya 2014
BAB III
DISTRIBUSI FUNGSI PEUBAH ACAK
Contoh : Y = ∑ X i
n
i =1
42
Statistika Matematika / Distribusi Fungsi PA Universitas Brawijaya 2014
sehingga
ଵ , ଶ , … , adalah bilangan yang diketahui. Teori
mengenai distribusi fungsi peubah acak membahas pencarian
distribusi apa yang ada pada sampel acak, misalnya mean atau
variansi.
43
Statistika Matematika / Distribusi Fungsi PA Universitas Brawijaya 2014
Teorema 3.1
, … , peubah acak kontinu dengan fungsi kepadatan
peluang gabungan 1 , … , . Jika
maka
# $
… 1 , … , 1 …
dengan ௬
%| '(.
Contoh 1.
Penyelesaian
1 1
1 ! 1 "
2 2
, 0 1.
44
Statistika Matematika / Distribusi Fungsi PA Universitas Brawijaya 2014
Contoh 2
Penyelesaian
2
ଶ , 0 1
)
3 1
1
, -
3
1
, -
3
1 ଶ
, -
3
0 , 1
ଶ
1
., - , 1 2'
3
1 , +2
45
Statistika Matematika / Distribusi Fungsi PA Universitas Brawijaya 2014
Contoh 3
Penyelesaian
1
, 0 1
46
Statistika Matematika / Distribusi Fungsi PA Universitas Brawijaya 2014
M Y (t ) = E (e tY ) = E (e tu ( X , X 1 2 ,... X n )
).
Dari hasil FPM untuk di atas diharapkan hasilnya merupakan
fungsi pembangkit momen dari distribusi yang sudah kita kenal.
Caradan
ini sering dipakai untuk permasalahan yang menyangkut
Y =∑
kombinasi linier peubah acak bebas
ai X i maka M y (t ) stokastik.
n
= Π M X i ( ai t )
i =1
Contoh 5
X ~ N (µ ,σ 2 )
1
µt + t 2σ 2
M X (t ) = e 2
47
Statistika Matematika / Distribusi Fungsi PA Universitas Brawijaya 2014
M Z (t ) =M X µ (t )
−
σ σ
µ
t − t
= MX( ) .e σ
σ
µ t t2
− t µ + 2σ 2
= e σ e σ σ
1 2
t
= e2
Contoh 6
Diketahui X ~ B( n1 , p ) dan Y ~ B( n2 , p ) bebas stokastik.
Dapatkan distribusi dari Z = X + Y
Penyelesaian
M X (t ) = ( pe t + q ) n 1
M Y (t ) = ( pe t + q ) n 2
M Z (t ) = M X +Y (t ) = M X (t ) M Y (t )
= ( pe t + q) n ( pe t + q) n
1 2
= ( pe t + q) n + n 1 2
Terlihat bahwa Z ~ B( n1 + n2 , p )
Contoh 7
Misalkan X1, X2, ..., Xn adalah peubah acak yang bebas stokastik
dengan fungsi kepadatan peluang
1 − xi / θ
e xi > 0
f X i ( xi ) = θ
,
0, selainnya
48
Statistika Matematika / Distribusi Fungsi PA Universitas Brawijaya 2014
Penyelesaian
( ) ∫e f X i ( xi ) dxi = ∫ etxi
∞ ∞
1 − xi / θ
mX i (t ) = E etX i = txi
e dxi
−∞ 0
θ
= ∫ e− xi (1−θ t ) / θ dxi = −
1 θ
∞ ∞
1
e − xi (1−θ t ) / θ
0
θ θ (1 − θ t ) 0
Contoh 8
Penyelesaian
1 − z2 / 2
, −∞ ≤ z ≤ ∞
f Z ( z ) = 2π
e
0, selainnya
∫e ∫e dz = ∫
∞ ∞ ∞
f Z dz =
tZ 2 tz 2 tz 2 1 − z2 / 2 1 ( − z 2 / 2)(1− 2t )
mZ 2 (t ) = E (e ) = e e dz
−∞ −∞ 2π −∞ 2π
∫
∞
=
1 − z 2 / 2(1− 2t )−1
e dz
−∞ 2π .
49
Statistika Matematika / Distribusi Fungsi PA Universitas Brawijaya 2014
mZ 2 (t ) = (1 − 2t ) ∫
∞
dz =(1-2t)-1/2(1) = (1-2t)-1/2.
−1/ 2 1 2
/ 2(1− 2 t ) −1
e− z
2π (1 − 2t )
−1/ 2
−∞
Kasus Diskrit
Teorema 3.2
ܺ peubah acak diskrit,
adalah transformasi satu-satu,
maka fungsi kepadatan peluang dari Y adalah
,
dengan | 0
50
Statistika Matematika / Distribusi Fungsi PA Universitas Brawijaya 2014
Bukti.
PY y Pux y Px wy
Contoh 9
Misalkan
~ dan
! 1. Dapatkan fungsi kepadatan
peluang dari .
Penyelesaian.
# ௫ିଵ , 1, 2, 3, …
! 1 maka domain dari adalah 0, 1, 2, …
! 1 dan ' 1 sehingga
' 1 # ௬ , 0, 1, 2, ….
Kasus Kontinu
Teorema 3.3
ܺ peubah acak kontinu dengan fungsi kepadatan peluang
dan
adalah transformasi satu-satu dari A | 0
ke B | 0 dengan invers transformasi . Jika
ௗ
ௗ௬
kontinu dan tidak nol di B, maka fungsi kepadatan
Contoh 10
Penyelesaian
Y
Y = -2 ln X maka
−
X =e 2
51
Statistika Matematika / Distribusi Fungsi PA Universitas Brawijaya 2014
y
dx 1 − 2
j= = e
dy 2
y
−
g ( y ) = f (e ) j
2
y
1 −
= 1 e 2 0< y <∞
2
Y ~ χ (2)
Contoh 11
Penyelesaian
U +1
• fungsi invers X =
3
u +1
)/) = d /du = 1/3
3
•
u +1 1 2
fU (u ) = f X ( h −1 (u ) ) = 2 = ( u + 1)
dx
3 3 9
•
du
2
( u + 1) , −1 ≤ u ≤ 2
fU (u ) = 9
0, selainnya
52
Statistika Matematika / Distribusi Fungsi PA Universitas Brawijaya 2014
Kasus Diskrit
Kasus Kontinu
)
, ( (
)
Kasus Diskrit
Teorema 3.4
Jika ܺ peubah acak diskrit dengan fungsi kepadatan peluang
ଵ , ଶ , … , dan
adalah transformasi satu-satu, maka
fungsi kepadatan peluang bersama dari Y adalah
ଵ , ଶ , … , ଵ , ଶ , … ,
dimana ଵ , ଶ , … , adalah penyelesaian dari
.
Kasus Kontinu
Teorema 3.5
Jika ܺ peubah acak kontinu dengan fungsi kepadatan peluang
ଵ , ଶ , … , 0 pada A dan ଵ , ଶ , … , didefinisikan dengan
transformasi satu-satu ଵ , ଶ , … , , < 1, 2, … , = maka fungsi
kepadatan peluang bersama dari Y adalah
ଵ , ଶ , … , ଵ , ଶ , … , |.|
dimana
ଵ , ଶ , … , adalah penyelesaian dari
.
8ଵ 8ଵ
9
78ଵ 8 7
Jacobian . : ; :
78 8 7
…
8ଵ 8
53
Statistika Matematika / Distribusi Fungsi PA Universitas Brawijaya 2014
Contoh 12
X1
transformasi Z= , W = X2. Tentukan fungsi kepadatan
X2
peluang dari Z.
Penyelesaian
f ( x1, x2 ) = e− ( x + x
1 2
)
x1 , x2 > 0
X1
Invers dari Z= , W = X2 adalah X 1 = ZW , X 2 = W
X2
J = wz =w
0 1
g ( z ) = ∫ we − ( z +1) w dw .
∞
g ( z) = 2 ∫
ue du = Γ ( 2) =
1 ∞ −u 1 1
( z + 1) 0 ( z + 1) 2
( z + 1) 2
54
Statistika Matematika / Distribusi Fungsi PA Universitas Brawijaya 2014
Teorema 3.6
X −µ
X ~ N ( µ ,σ ) → Y =
2
σ
2
~ χ 2 (1)
Bukti :
Misalkan Z = ( X − µ ) 2 / σ 2 dengan peubah acak Z berdistribusi normal
baku
1 −z 2 2
f ( z) = e −∞ < z < ∞
2π
Sekarang dicari distribusi peubah acak Y = Z 2 . Kebalikan y = z 2
1 − y / 2 −1 1 −y / 2 1
g ( y) = e + e
2π 2 y 2π 2 y
= y > 0.
1 1 −1 − y
2 2
y e
21 / 2 π
∫
Γ( 1 ) ∞ 1 −1 − y
= 2 1 2
y e 2 dy
π 0 21 / 2 Γ( 1 )
2
Γ( 1 )
= 2 .
π
55
Statistika Matematika / Distribusi Fungsi PA Universitas Brawijaya 2014
g ( y ) = 21 / 2 Γ(1 / 2)
2
y e 2
0
lainnya
Teorema 3.7
r + 1
Γ
2
r +1
f T (t ) = (1 + ) 2 − ∞ <t < ∞ r = 1,2,3,...
t2 −
r
πr Γ
r
2
Bukti :
Karena Z dan Y peubah acak bebas maka distribusi peluang
gabungannya diperoleh dengan mengalikan distribusi Z dan Y,
yaitu
1 e− 2
z2 1 −y
2π
y r 2 −1e 2
2 2 Γ ( r 2) −∞ < z < ∞
r
f ( z, y ) = y>0
0 lainnya
56
Statistika Matematika / Distribusi Fungsi PA Universitas Brawijaya 2014
u t
.
u
J= r 2 ur =
r
0 1
h(t ) = ∫ g (t , u )du
∞
−{( ) 1+ ( ) }
u t2
∞ 2 r
= ∫ u [(r +1) 2] −1e du
1
r
2π 2 2 Γ( ) r
0 r
2
u t 2
z= 1+ dan du = sehingga diperoleh
2dz
2 r t2
1+
r
[(r +1) / 2]−1
∞ 2 z −z
h(t ) = ∫ 2
1 2
2π 2 2 Γ( ) r 0 1 + t r 1 + t
e dz
r
r r 2
=
1
(1 + t r )
2
∫z
−[( r +1) / 2 ] ∞
[( r +1) / 2 ]−1
e − z dz
πr Γ( )
r 0
2
57
Statistika Matematika / Distribusi Fungsi PA Universitas Brawijaya 2014
Γ[(r + 1) / 2] t 2
−[(r +1) / 2]
h(t ) = 1 + r −∞ <t < ∞
r
πr Γ ( )
2
Ini dikenal dengan distribusi T dengan derajat kebebasan ݎ.
Teorema 3.8
Bukti:
Distribusi peluang gabungan peubah acak bebas X dan Y
dengan diberikan oleh φ ( x, y ) = r ( x).s ( y )
φ ( x, y ) =
1 1
x r1 / 2−1e − x / 2 r2 / 2 x r2 / 2−1e − y / 2
2 r1 / 2
Γ( r1 / 2) 2 Γ(r2 / 2)
( ) (
r / 2 −1 r / 2 −1 − ( x + y ) / 2 ) 0 < x < ∞,0 < y < ∞
(r + r ) / 2
1
x 1 y 2
= 2
e
Γ(r1 / 2)Γ( r2 / 2)
1 2
0 lainnya
x
Misalkan peubah acak kedua W=Y. Kebalikan f = ( r 1 ) dan w=y
y
r2
adalah x = (r1 ) fw dan y = w. Dari sini diperoleh jacobiannya:
r2
( r1 ) w ( r1 ) f
= 1 w.
r
J= r2 r2
0 1 r2
58
Statistika Matematika / Distribusi Fungsi PA Universitas Brawijaya 2014
Transformasi ini satu-satu, memetakan titik {( x, y) 0 < x < ∞,0 < y < ∞}
0 < f < ∞,
( r1 + r2 ) / 2 ( 1 ) (r1 2 )−1 w (r2 / 2 )−1e − ( w / 2)[(r1 f / r2 ) +1]
1 r fw r1w
g ( f , w) = 2 Γ( r1 / 2)Γ(r2 / 2) r2 r2 0<w<∞
0 lainnya
h( f ) = ∫ g ( f , w)dw
∞
∫
r1
( ) r1 / 2 f r1 / 2−1 ∞
h( f ) = ( r1 + r2 ) / 2
r2 2z 2
) ( r1 + r2 ) e − z
2 −1
( dz
2 Γ(r1 / 2)Γ(r2 / 2) 0 r1 f / r2 + 1 r1 f / r2 + 1
0
1 2 1 2
lainnya
59
Statistika Matematika / Distribusi Fungsi PA Universitas Brawijaya 2014
SOAL LATIHAN
1. ଵ dan ଶ menyatakan sampel acak ukuran dua dari distribusi
భ .
మ
60
Statistika Matematika / Distribusi Fungsi PA Universitas Brawijaya 2014
c. ln
d. 0.5ଶ
6. Misalkan X adalah peubah acak yang berdistribusi uniform,
~ 0, 1. Gunakan teknik FDK untuk menentukan dari
masing-masing peubah acak berikut
a. ర
భ
b.
ି
c. 1 ି
d. 1
7. Misal Y1 ~Binomial(n1,1/2) dan Y2 ~Binomial (n2,1/2) . Gunakan
teknik FPM untuk menunjukkan bahwa X= Y1 –Y2 +n2
berdistribusi Binomial (n=n1+n2 , ½)
8. Misalkan X berdistribusi peluang
1 0 < x <1
f ( x) =
0 untuk x yanglain
భ మ , 0, 0
,
0, selainnya
61
Statistika Matematika / Distribusi Fungsi PA Universitas Brawijaya 2014
transformasi ଵ ଵ # ଶ dan ଶ
భ
భ ାమ
62
Statistika Matematika / Orde Statistika Universitas Brawijaya 2014
BAB IV
ORDE STATISTIKA
Yn = maks ( x1 , x 2 ,..., x n ).
.
.
A1 = {( x1 , x2 ,..., xn ); a < xn < xn−1 < xn−1.... < x1 < b}
63
Statistika Matematika / Orde Statistika Universitas Brawijaya 2014
Untuk A2 : x1 = y 2 , x2 = y1 ,..., xn = y n
g ( y1 , y 2 ,..., y n ) = ∑ J i f ( y1 ) f ( y 2 ).... f ( y n )
n!
i =1
g ( y1 , y 2 ,..., y n ) = n! f ( y1 ) f ( y 2 ).... f ( y n )
64
Statistika Matematika / Orde Statistika Universitas Brawijaya 2014
Teorema 4.1
Jika , , … , adalah sampel acak dari populasi dengan fungsi
kepadatan peluang kontinu
, maka fungsi kepadatan peluang
gabungan dari orde-orde statistika Y1 , Y2 ,…., Y n adalah
, , … , ! …
Jika … dan bernilai nol untuk selainnya.
Contoh 1
Misalkan , , merupakan suatu sampel acak ukuran 3 dari
suatu populasi dengan fungsi kepadatan peluang
2
, 0
1.
a. Tentukan fkp gabungan orde-orde statistika , ,
b. Dapatkan fungsi kepadatan peluang marginal dari
c. Hitung 0.1
Penyelesaian
a. , , 3! 2 2 2 48 , 0 1
65
Statistika Matematika / Orde Statistika Universitas Brawijaya 2014
distribusi komulatif Y1 :
dGY1 ( y1 )
g ( y1 ) = = n[1 − FX ( y1 )]n −1 f X ( y1 )
dy1
= P( X 1 ≤ y n ) P( X 2 ≤ y n )....P( X n ≤ y n )
= [ P( X ≤ y n )]n
= [ FX ( y n )]n
berikut
dGYn ( y n )
f ( yn ) = = n[ FX ( y n )]n −1 f X ( y n )
dy n
a a yK y n −1
66
Statistika Matematika / Orde Statistika Universitas Brawijaya 2014
Teorema 4.2
Jika ଵ , ଶ , … , adalah sampel acak dari populasi dengan fungsi
kepadatan peluang kontinu 0 untuk
, maka fungsi
kepadatan peluang gabungan dari orde statistika ke-k, Y k ,
untuk
dan bernilai nol untuk selainnya.
dari Y1 , Y2 ,…., Y n :
n!
g ( yi , y j ) = [ FX ( yi )]i −1[ FX ( y j ) − FX ( yi )] j −i −1[1 − FX ( y j )]n− j f ( yi ) f ( y j )
(i − 1)! ( j − i − 1)! (n − j )!
67
Statistika Matematika / Orde Statistika Universitas Brawijaya 2014
Contoh 1
y 1 − x
G( y) = ∫ e 100 dx = 1 − e 100 2
y
−
2
0 100
1 − y
g ( y) = = 2 1 − e 100
y
dG ( y ) −
e 100
dy 100
y y
1
y>0
− −
g ( y ) = [1 − e 100 ]e 100
50
atau langsung memakai rumus :
dGYn ( y n )
f ( yn ) = = n[ FX ( y n )]n −1 f X ( y n )
dy n
dengan demikian :
2 −1 1 − y
g ( y ) = = 2 1 − e 100 e 100 = [1 − e 100 ]e 100 y > 0
y y y
− 1 − −
100 50
Misal Z= min(X1 , X2) akan dicari fungsi kepadatan peluang dari Z
68
Statistika Matematika / Orde Statistika Universitas Brawijaya 2014
z 1 − x 2 − z 2
G ( z ) = 1 − 1 − ∫ e 100 dx = 1 − e 100
0 100
− z 1 − z
g ( z) = = 2e 100
dG ( z )
100
e 100
dz
z
1 −
g ( z ) = e 50 z>0
50
atau langsung memakai rumus :
dGY1 ( y1 )
g ( y1 ) = = n[1 − FX ( y1 )]n−1 f X ( y1 )
dy1
dengan demikian :
− z 2 −1 1 − y
g ( z ) = = 2 e = [e y>0
y y
1 −100 −100
100 e 100 ]e
100 50
Contoh 2
Penyelesaian
X ~ U(0,1)
f(x) = 1 0< x < 1
0 yang lain
69
Statistika Matematika / Orde Statistika Universitas Brawijaya 2014
F(x) = P(X ≤ x) = x
Dari :
−1 1
J = =1
0 1
0 selainnya
fungsi kepadatan marginal untuk Z1 diperoleh melalui :
z1
0 selainnya
70
Statistika Matematika / Orde Statistika Universitas Brawijaya 2014
SOAL LATIHAN
71
Statistika Matematika / Orde Statistika Universitas Brawijaya 2014
భ ାమ ଵ
dan dimisalkan - ଶ
nilai tengah sampel. Tentukan .- / ସ0
72
Statistika Matematika/Distribusi Pendekatan Universitas Brawijaya 2014
BAB V
DISTRIBUSI PENDEKATAN
Definisi 5.1
lim
୬՜ஶ
Contoh 1
73
Statistika Matematika/Distribusi Pendekatan Universitas Brawijaya 2014
Penyelesaian
~ 0,1
1, 0
1
0,
0, 0
, 0
1
1, 1
Diketahui
maxଵ , ଶ , … adalah orde statistika terbesar,
maka
݊
!
sehingga diperoleh
0, 0
, 0
1.
1, 1
Untuk 0
1 , lim
lim 0.
Untuk 0 dan 1,
merupakan barisan konstan dengan
limit masing-masing 0 dan 1, sehingga
0,
1
lim
1, 1
74
Statistika Matematika/Distribusi Pendekatan Universitas Brawijaya 2014
Definisi 5.2
0,
(
1, (
Dengan kata lain, adalah FDK dari distribusi diskrit yang
mempunyai peluang 1 pada saat
dan nol untuk
selainnya.
Definisi 5.3
0,
1
~ &~
1, 1
75
Statistika Matematika/Distribusi Pendekatan Universitas Brawijaya 2014
Teorema 5.1
& , & , … merupakan barisan peubah acak dengan FDK masing-
masing
,
, … dan FPM nya 2 3
, 2 3
, …. Jika 23
adalah
FPM dari FDK
dan jika lim 2 3
23
untuk semua
3, 7;
3
;,
maka
lim
untuk semua titik-titik kontinu dalam
.
Contoh 2
Misalkan , , … adalah peubah acak dari distribusi Bernoulli,
~)*+1, ,
dan & ∑
. Jika , . 0, . ∞ sedemikian hingga
, 0, untuk 0 1 0 maka
2 3
, 4 5
0 0
6 4 1 7 8
0 7 1
91 4 :
Catatan : lim 61 4 8 ,
sehingga diperoleh
lim 2 3
76
Statistika Matematika/Distribusi Pendekatan Universitas Brawijaya 2014
Contoh 3
Diketahui ~)*+1, ,
dan & ∑
. Jika < , buktikan
√
bahwa < . <.
Penyelesaian
Perhatikan < dengan > ?,5 maka dapat dinyatakan
√
< 7 .
2 3
2 3
A, 4 5B
C A, 4 5BD
,3 , 3 ,3 , 3
> 2> > 2>
E91 7 4 7 @ : 91 4 4 4 @ :F
3 G
E1 4 4 F ,
2>
మ
dimana G
. 0 untuk . ∞, sehingga lim 2 3
మ , yang
merupakan FPM +0, 1
.
Jadi terbukti < . <~+0, 1
.
77
Statistika Matematika/Distribusi Pendekatan Universitas Brawijaya 2014
Teorema 5.4
Barisan & , & , … kovergen stokastik ke ( jika dan hanya jika untuk
setiap N 1 0, lim |& 7 (|
N! 1.
Suatu barisan dari peubah acak yang memenuhi Teorema 5.4 juga
dikatakan konvergen dalam probabilitas ke ( atau dinyatakan
dengan (.
Contoh 4
Suatu barisan dari peubah acak Bernoulli & , & , … & dengan mean ,.
∑
Jika ,̂
maka buktikan ,̂ . ,.
Penyelesaian
Diketahui :
& ~)*+1, ,
. I&
, dan JK&
,1 7 ,
,5.
∑
,̂
. I,̂
, dan JK,̂
.
78
Statistika Matematika/Distribusi Pendekatan Universitas Brawijaya 2014
Catatan : I 4 O
I
4 O dan JK 4 O
JK
dengan
, O konstanta dan peubah acak.
Akan dibuktikan ,̂ . ,, dengan kata lain akan dibuktikan PN 1 0,
lim |,̂ 7 ,|
N! 1.
Bukti:
Menggunakan Pertidaksamaan Chebyshev | 7 0|
M>! 1 7 మ
maka diperoleh
,5
|,̂ 7 ,|
N! 1 7
N
Teorema 5.5
Jika , … , adalah sampel acak dari suatu distribusi dengan
mean berhingga 0 dan variansi > , maka barisan dari smapel
mean konvergen dalam probabilitas ke 0 , atau dapat dinyatakan
sebagai Q . 0.
79
Statistika Matematika/Distribusi Pendekatan Universitas Brawijaya 2014
Teorema 5.7
Untuk barisan peubah acak, jika & . & maka & . &.
Teorema 5.8
Jika & . ( maka untuk sebarang
yang kontinu pada (,
&
. (
.
Contoh 5
Penyelesaian
Diketahui ~R*0
. I
0 dan JK
0.
∑#
Q . I Q
0 dan JKQ
.
Akan ditunjukkan & #$ .
.
Misalkan MS N maka మ
%మ , sehingga diperoleh
0
|Q 7 0|
N! 1 7
N
.
80
Statistika Matematika/Distribusi Pendekatan Universitas Brawijaya 2014
Menurut Teorema 5.8, jika Q . 0 maka #$ .
atau ekuivalen
dengan #$ .
. Jadi, terbukti & #$ konvergen stokastik
ke
.
Teorema 5.9
Jika dan & adalah dua barisan dari peubah acak sedemikian
hingga . ( dan & . G maka
1. 4 O& . ( 4 OG
2. & . (G
3. . 1, untuk ( Y 0
(
1 1
4. . jika Y 0! 1, P, ( Y 0
(
5. ? . √( jika 0! 1, P.
Contoh 6
Dari soal pada contoh 5, tunjukkan bahwa & Q #$ konvergen
stokastik ke 0
.
Penyelesaian
Dari pembahasan pada contoh 5, diperoleh bahwa Q . 0 dan
#$ .
. Berdasarkan Teorema 5.9 point (2) dapat disimpulkan
bahwa Q #$ . 0
.
81
Statistika Matematika/Distribusi Pendekatan Universitas Brawijaya 2014
Teorema 5.11
Sebelum membahas
konsep konvergen stokastik
Jika & . & maka untuk sebarang fungsi kontinu
,
&
. &
.
Dengan catatan
diasumsikan tidak bergantung pada .
82
Statistika Matematika/Distribusi Pendekatan Universitas Brawijaya 2014
SOAL LATIHAN
a. Dapatkan Gn(z)
b. Dapatkan lim n →∞ Gn(z)
3. Yn orde statistika ke n dari sampel acak suatu distribusi
a. Dapatkan G( z n )
.
a. Apakah orde statistika terbesar mempunyai distribusi
pendekatan? Jelaskan.
b. Apakah
ln mempunyai distribusi pendekatan? Jelaskan.
c. Dapatkan distribusi pendekatan dari .
83
Statistika Matematika/Distribusi Pendekatan Universitas Brawijaya 2014
barisan
,
, … konvergen stokastik ke % 0 jika & ∞.
distribusi ( .
Misalkan ) adalah mean dari peubah acak berukuran n dari
peubah acak Poisson dengan * 1.
9.
√) 1
√
a. Tunjukkan FPM dari
adalah
84
Statistika Matematika/Estimasi Parameter Universitas Brawijaya 2014
BAB VI
ESTIMASI PARAMETER
Definisi 6.1
Statistik
ℓ1 , 2 , … ,
yang digunakan untuk mengestimasi
nilai dari dikatakan estimator dari dan nilai pengamatan
dari statistik
ℓ1 , 2 , … ,
disebut suatu estimasi dari .
85
Statistika Matematika/Estimasi Parameter Universitas Brawijaya 2014
Definisi 6.2
∑
!
, "
1, 2, … , .
Contoh 1
Perhatikan suatu sampel acak dari distribusi normal, ~,
,
dengan momen-momen sampel dan populasi diketahui
sebagai berikut
Populasi Sampel
Momen ke-1 berpusat di 0
∑
Momen ke-2 berpusat di
∑
Dengan menggunakan metode momen yaitu menyamakan momen
populasi dengan momen sampel diperoleh
86
Statistika Matematika/Estimasi Parameter Universitas Brawijaya 2014
∑ ∑
% ̂
∑
∑
'
% '(
Catatan:
0.
Contoh 2
Perhatikan suatu sampel acak dari distribusi Gamma, ~,
,
Dapatkan dan ̂ .
Penyelesaian
Momen-momen sampel dan populasi dari distribusi Gamma
diketahui sebagai berikut
Populasi Sampel
Momen ke-1 berpusat di 0
∑
Momen ke-2 berpusat di 2 ∑
Dengan menggunakan metode momen yaitu menyamakan momen
populasi dengan momen sampel diperoleh
(1)
2
∑1
∑
Jadi,
dan
-
∑
87
Statistika Matematika/Estimasi Parameter Universitas Brawijaya 2014
Definisi 6.3
Definisi 6.4
Misalkan
, , … , ;
, # Ω adalah fkp gabungan
dari , , … , . Untuk himpunan pengamatan tertentu
, , … ,
, nilai dalam Ω, dimana
maksimum
disebut MLE dari , berarti adalah suatu nilai dari yang
memenuhi
, , … , ;
max , , … , ;
Ω
.
Dari Definisi 6.3 dan 6.4, langkah-langkah untuk mendapatkan
MLE adalah sebagai berikut.
Jika diketahui populasi dengan fkp ; maka untuk
menentukan langkah-langkahnya:
1. Ambil n sampel acak , , … , , dengan berdistribusi
sama dengan dan saling bebas dengan , .
88
Statistika Matematika/Estimasi Parameter Universitas Brawijaya 2014
%
& ;
1
0 diperoleh
డሺఏሻ
డఏ
ሺఏሻ
డ
0
మ
merupakan estimator untuk .
డఏ మ
ఏୀఏ
atau dibentuk ln
0 diperoleh
డ ୪୬ ሺఏሻ
డఏ
୪୬ ሺఏሻ
డ
0
మ
merupakan estimator untuk .
డఏ మ
ఏୀఏ
Contoh 3
Perhatikan suatu sampel acak dari distribusi Poisson, ~'()
,
Dapatkan .
Penyelesaian
Ambil sampel acak , , … , .
+
~'()
*
!
& ;
1
+ భ +
…
! !
+ ∑
∏ !
89
Statistika Matematika/Estimasi Parameter Universitas Brawijaya 2014
ln
0 1 2 ln 0 ln & !
∂ ∑ ∑ ∑ ∑
ln
0 1 05 % *
∂
Untuk membuktikan maksimum maka
∂ ∑ 0
ln 60
∂ ∑
Jadi,
/ (7 merupakan MLE untuk ).
∑
Contoh:
maka dikatakan estimator yang unbiased dari .
90
Statistika Matematika/Estimasi Parameter Universitas Brawijaya 2014
Definisi 6.6
Teorema 6.1
Jika : adalah estimator dari maka
MSE :
89 :
1 ;<:
=
Bukti
MSE
1
1 2 1
89:
1 ;<:
=
Definisi 6.7
91
Statistika Matematika/Estimasi Parameter Universitas Brawijaya 2014
Contoh 4
Perhatikan suatu sampel acak dari distribusi eksponensial,
~>'
, Dapatkan UMVUE dari .
Penyelesaian
1
~>'
*
+ , 0 @ @ ∞, B 0.
Menggunakan metode momen diperoleh
92
Statistika Matematika/Estimasi Parameter Universitas Brawijaya 2014
∑ 1
: ;
<
.
Karena
maka merupakan estimator yang unbiased dari
.
∂
Sehingga,
∂
6 ln ; 9
> ?
∂
1
1
.
! 1
1
7
6 ln ; 9
7
∑ 1
: ;
<
.
!
5
7
6 ln ; 9
7
% mencapai batas bawah @ UMVUE dari .
93
Statistika Matematika/Estimasi Parameter Universitas Brawijaya 2014
Definisi 6.10
Teorema 6.2
Jika T suatu pernaksir tak bias dari θ dan Var(T) → 0 untuk n→
∞ maka T dikatakan sebagai penaksir yang konsisten untuk θ.
Definisi 6.11
94
Statistika Matematika/Estimasi Parameter Universitas Brawijaya 2014
SOAL LATIHAN
1. X1, . . .,Xn sampel acak dari distribusi geometri X~ BCD E
Dapatkan MLE dari :
ଵ
a. E(x) =
ሺଵିሻ
b. Var(x) = మ
95