Gabungan Distribusi dari Peubah Acak

Gabungan Distribusi Dari Peubah Acak

(Jointly Distributed Random Variables)
• Gabungan Distribusi dari Peubah Acak • Fungsi Kumulatif Distribusi Gabungan
– Diskrit – Diskrit
P ( X = x i , Y = y j ) = p ij ≥ 0 F ( x , y ) = P ( X ≤ xi , Y ≤ y j )
sa tisfyin g ∑∑i j
p ij = 1
– Kontinu
– Kontinu
F ( x, y ) = ∑ ∑ pij
∫∫
i: xi ≤ x j : y j ≤ y
f ( x, y ) ≥ 0 satisfying f ( x, y )dxdx = 1
state space
x y
F ( x, y ) = ∫ w = −∞ ∫ z = −∞
f ( w , z ) dzdw

NIPRL NIPRL

Gabungan Distribusi Dari Peubah Acak Gabungan Distribusi Dari Peubah Acak

• Contoh : Perawatan Air Conditioner • Gabungan p.m.f

X=waktu servis
– A company that services air conditioner units in residences and Y=
office blocks is interested in how to schedule its technicians in banyak ∑∑ p ij =0.12 + 0.18
nya unit 1 2 3 4
i j
the most efficient manner
+ L + 0.07 = 1.00
– Peubah Acak X, mengambil nilai 1,2,3 dan 4, adalah waktu
servis dalam jam 1 0.12 0.18 0.07 0.05
• Fungsi Kumulatif Distibusi
– Peubah Acak Y, mengambil nilai 1,2 dan 3, adalah banyaknya Gabungan
unit AC
2 0.08 0.15 0.21 0.13
F(2,2) = p11 + p12 + p21 + p22
=0.12 + 0.18+ 0.08+ 0.15
3 0.01 0.01 0.02 0.07
=0.43

NIPRL NIPRL
 Distribusi Peluang Marginal Distribusi Peluang Marginal

• Distribusi Peluang Marginal – Marginal p.m.f dari X

– Diperoleh dengan menambahkan atau mengintegralkan 3

distribusi peluang gabungan terhadap nilai dari peuah acak yang P ( X = 1) = ∑ p1 j = 0.12 + 0.08 + 0.01 = 0.21
lain – Marginal p.m.f dari Y
j =1

– Diskrit P( X = i ) = p = pi+ ∑ ij
4
P (Y = 1) = ∑ pi1 = 0.12 + 0.08 + 0.07 + 0.05 = 0.32
j

i =1
– Kontinu ∞
f X ( x) = ∫−∞
f ( x , y ) dy

NIPRL NIPRL

Distribusi Peluang Bersyarat

• (kasus kontinu)

• Joint pdf: f ( x, y ) • Distribusi Peluang Bersyarat

– Peluang dari peubah acak X pada saat diberikan oleh peubah
• Marginal pdf dari X dan Y: acak Y
– Diskrit
P( X = i, Y = j ) pij
f X ( x) = ∫ f ( x, y )dy pi| j = P( X = i | Y = j ) = =
P (Y = j ) p+ j
– Kontinu
fY ( y ) = ∫ f ( x, y )dx
f ( x, y )
f X |Y = y ( x) =
fY ( y )
– Distribusi Peluang Bersyarat adalah Distribusi Peluang

NIPRL NIPRL
 Distribusi Peluang Bersyarat Kebebasan dan Covarians

• Contoh AC • Dua Peubah Acak X dan Y dikatakan saling bebas jika

– Distribusi Peluang Marginal dari Y – Diskrit

P (Y = 3) = p+3 = 0.01 + 0.01 + 0.02 + 0.07 = 0.11 pij = pi + p+ j for all values i of X and j of Y
– Distribusi Besyarat X – Kontinu

p1|Y = 3
p
= P ( X = 1 | Y = 3) = 13 =
0.01
= 0.091 f ( x, y ) = f X ( x) fY ( y ) for all x and y
p+3 0.11
– Bagaimana kebebasan berbeda dengan saling bebas antar
kejadian?

NIPRL NIPRL

Kebebasan dan Covarians Kebebasan dan Covarians

• Covarians
• Contoh (Air conditioner)
Cov( X , Y ) = E (( X − E ( X ))(Y − E (Y )))
= E ( XY ) − E ( X ) E (Y )
E ( X ) = 2.59, E (Y ) = 1.79
Cov( X , Y ) = E(( X − E( X ))(Y − E(Y ))) 4 3
E ( XY ) = ∑∑ ijpij
= E( XY − XE(Y ) − E( X )Y + E( X )E(Y )) i =1 j =1

= E( XY ) − E( X )E(Y ) − E( X )E(Y ) + E( X )E(Y ) = (1× 1× 0.12) + (1× 2 × 0.08)

= E( XY ) − E( X )E(Y ) + L + (4 × 3 × 0.07) = 4.86
– Bisa bernilai positif atau negatif Cov( X , Y ) = E ( XY ) − E ( X ) E (Y )
– Peubah Acak yang saling bebas mempuyai nilai covarians nol
(0) = 4.86 − (2.59 × 1.79) = 0.224
– Bagaimana jika covarians adalah nol?

NIPRL NIPRL
 Kebebasan dan Covarians Kebebasan dan Covarians

• Korelasi: • contoh: (Air conditioner)

Cov( X , Y )
Corr( X , Y ) = Var( X ) = 1.162, Var(Y ) = 0.384
Var( X )Var(Y )
Cov( X , Y )
– Mempunyai nilai antara -1 dan 1, dan peubah acak yang saling Corr( X , Y ) =
bebas mempunyai nilai korelasi nol (0) Var( X )Var(Y )
0.224
= = 0.34
1.162 × 0.384

NIPRL NIPRL

Hubungan Linear

• Bagaimana jika peubah acak X dan Y mempunyai hubungan linear?

yaitu
Y = aX + b a≠0

Cov( X , Y ) = E[ XY ] − E[ X ]E[Y ]
= E[ X (aX + b)] − E[ X ]E[aX + b]
= aE[ X 2 ] + bE[ X ] − aE 2 [ X ] − bE[ X ]
= a ( E[ X 2 ] − E 2 [ X ]) = aVar ( X )
Cov( X , Y ) aVar ( X )
Corr ( X , Y ) = =
Var ( X )Var (Y ) Var ( X )a 2Var ( X )
Corr(X,Y) = 1 jika a > 0 ; -1 jika a < 0.

NIPRL