TUGAS STATISTIKA MATEMATIKA II

1. Membuat grafik distribusi Gamma dengan α dan β bervariasi

a. Dengan α = 1 dan β = 1

b. Dengan α = 2 dan β = 1

c. Dengan α = 1 dan β = 2
d. Dengan α = 2 dan β = 2

e. Dengan α = 5 dan β = 2
f. Dengan α = 2 dan β = 5

g. Dengan α = 4 dan β = 5
2. Q-Q Plot
Berikut ini adalah data yang berhasil dikumpulkan dari 30 mahasiswa Jurusan Statistika
Fakultas MIPA mengenai IPK mahasiswa
 Scatterplot of y(i) vs -ln(1-Pi)
4,5

4,0

3,5
y(i)

3,0

2,5

0 1 2 3 4
-ln(1-Pi)

Berdasarkan Q-Q Plot, menunjukkan bahwa pola sebaran empiris data dapat didekati dengan
sebaran eksponensial.
3. Fungsi sebaran uniform
Probability distribution function
1
𝑓(𝑥; 𝑎, 𝑏) = 𝑑𝑖𝑚𝑎𝑛𝑎 𝑎 < 𝑥 < 𝑏
𝑏−𝑎
Contoh soal:
Sebuah ruang konferensi dapat disewa untuk rapat yang lamanya tidak lebih dari 4 jam.
Misalkan X adalah peubah acak yang menyatakan waktu rapat, yang mempunyai distribusi
seragam. Tentukan fungsi kepekatan peluang dari X.
Jawab
1
, 0≤𝑥≤4
a = 0; b = 4 sehingga 𝑓(𝑥) = {4
0, 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
4. Skewness dan Kurtosis
Skewness dari X adalah momen ketiga dari standard score of X
𝑋−𝜇 3
𝑠𝑘𝑒𝑤(𝑋) = 𝐸 [( ) ]
𝜎
➢ 𝐸(𝑋 − 𝜇)3 = 𝐸(𝑋 3 − 3𝜇𝑋 2 + 3𝑋𝜇 2 − 𝜇 3 )
= 𝐸(𝑋 3 ) − 3𝜇𝐸(𝑋 2 ) + 3𝜇 2 𝐸(𝑋) − 𝜇 3
Kita tau bahwa 𝐸(𝑋 2 ) = 𝜎 2 + 𝜇 2 dan 𝐸(𝑋) = 𝜇 ; sehingga
𝐸(𝑋 − 𝜇)3 = 𝐸(𝑋 3 ) − 3𝜇(𝜎 2 + 𝜇 2 ) + 3𝜇 3 − 𝜇 3
= 𝐸(𝑋 3 ) − 3𝜇𝜎 2 − 3𝜇 3 + 3𝜇 3 − 𝜇 3
= 𝐸(𝑋 3 ) − 3𝜇𝜎 2 − 𝜇 3

𝐸(𝑋 3 ) − 3𝜇𝜎 2 − 𝜇 3
𝑠𝑘𝑒𝑤(𝑋) =
𝜎3

Kurtosis dari X adalah momen keempat dari X

𝑋−𝜇 4
𝑘𝑢𝑟𝑡(𝑋) = 𝐸 [( ) ]
𝜎
➢ 𝐸(𝑋 − 𝜇)4 = 𝐸(𝑋 4 − 4𝜇𝑋 3 + 6𝑋 2 𝜇 2 − 4𝑋𝜇 3 + 𝜇 4 )
= 𝐸(𝑋 4 ) − 4𝜇𝐸(𝑋 3 ) + 6𝜇 2 𝐸(𝑋 2 ) − 4𝜇 3 𝐸(𝑋) + 𝜇 4
= 𝐸(𝑋 4 ) − 4𝜇𝐸(𝑋 3 ) + 6𝜇 2 (𝜎 2 + 𝜇 2 ) − 4𝜇 4 + 𝜇 4
= 𝐸(𝑋 4 ) − 4𝜇𝐸(𝑋 3 ) + 6𝜇 2 𝜎 2 + 6𝜇 4 − 4𝜇 4 + 𝜇 4
= 𝐸(𝑋 4 ) − 4𝜇𝐸(𝑋 3 ) + 6𝜇 2 𝜎 2 + 3𝜇 4

𝐸(𝑋 4 ) − 4𝜇𝐸(𝑋 3 ) + 6𝜇 2 𝜎 2 + 3𝜇 4
𝑘𝑢𝑟𝑡(𝑋) =
𝜎4

5. Soal Method of Moments

Jika 𝑌1 , 𝑌2 , … , 𝑌𝑛 merupakan sampel acak dengan fungsi kepekatan peluang
2
( 2 ) (𝜃 − 𝑦), 0≤𝑦≤𝜃
𝑓(𝑦|𝜃) = { 𝜃
0, 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
Tentukan penduga parameter bagi 𝜃
Jawab
𝜇1′ = 𝐸(𝑌)
𝜃 2
= ∫0 (𝜃2 ) (𝜃 − 𝑦). 𝑦 𝑑𝑦
2 𝜃
= 𝜃2 ∫0 𝜃𝑦 − 𝑦 2 𝑑𝑦
2 𝜃 1 𝜃
= 𝜃2 [ 2 𝑦 2 − 3 𝑦 3 ]
0
2 𝜃3 𝜃3
= 𝜃2 ( 2 − )
3
2 1 1
= 𝜃2 𝜃 3 (2 − 3)
 3 2
= 2𝜃 (6 − 6)
𝜃
𝑌̅ = 3
𝜃̂ = 3𝑌̅
Jadi, penduga parameter bagi 𝜃 adalah 3𝑌̅

Soal Metode Maximum Likelihood

Jika 𝑌1 , 𝑌2 , … , 𝑌𝑛 merupakan sampel acak dengan fungsi kepekatan peluang
(𝜃 + 1)𝑦 𝜃 , 0 < 𝑦 < 1, 𝜃 > −1
𝑓(𝑦) = {
0, 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
Tentukan pendugaan kemungkinan maksimum Likelihood (MLE) bagi 𝜃
Jawab
𝑛

𝐿𝜃 (𝑦1 , 𝑦2 , … , 𝑦𝑛 ) = ∏ 𝑓(𝑦𝑖 )
𝑖=1
= (𝜃 + 1)𝑦1 𝜃 (𝜃 + 1)𝑦2 𝜃 … (𝜃 + 1)𝑦𝑛 𝜃
𝑛 𝜃

= (𝜃 + 1)𝑛 (∏ 𝑦𝑖 )
𝑖=1
𝑛 𝜃

𝑙 = 𝑙𝑜𝑔𝑒 ((𝜃 + 1)𝑛 (∏ 𝑦𝑖 ) )

𝑖=1
𝑛 𝜃

= 𝑙𝑜𝑔𝑒 (𝜃 + 1)𝑛 + 𝑙𝑜𝑔𝑒 (∏ 𝑦𝑖 )

𝑖=1
𝑛

= 𝑛 𝑙𝑜𝑔𝑒 (𝜃 + 1) + 𝜃 𝑙𝑜𝑔𝑒 (∏ 𝑦𝑖 )
𝑖=1
= 𝑛 𝑙𝑜𝑔𝑒 (𝜃 + 1) + 𝜃 (𝑙𝑜𝑔𝑒 𝑦1 + 𝑙𝑜𝑔𝑒 𝑦2 + ⋯ + 𝑙𝑜𝑔𝑒 𝑦𝑛 )
𝑛

= 𝑛 𝑙𝑜𝑔𝑒 (𝜃 + 1) + 𝜃 ∑ 𝑙𝑜𝑔𝑒 𝑦𝑖
𝑖=1
𝑛
𝑑(𝑙) 𝑛
= + ∑ 𝑙𝑜𝑔𝑒 𝑦𝑖 = 0
𝑑𝜃 (𝜃̂ + 1)
𝑖=1
𝑛
𝑛
= − ∑ 𝑙𝑜𝑔𝑒 𝑦𝑖
(𝜃̂ + 1)
𝑖=1
−𝑛
= (𝜃̂ + 1)
∑𝑛𝑖=1 ln 𝑦𝑖
−𝑛
𝜃̂ = 𝑛 −1
∑𝑖=1 ln 𝑦𝑖
−𝑛 ∑𝑛𝑖=1 ln 𝑦𝑖
𝜃̂ = 𝑛 − 𝑛
∑𝑖=1 ln 𝑦𝑖 ∑𝑖=1 ln 𝑦𝑖
 𝑛
−𝑛 − ∑𝑖=1 ln 𝑦𝑖
𝜃̂ = ⁄∑𝑛 ln 𝑦
𝑖=1 𝑖
−𝑛 − ∑𝑛𝑖=1 ln 𝑦𝑖
Jadi, penduga maksimum bagi 𝜃 adalah ⁄∑𝑛 ln 𝑦
𝑖=1 𝑖