TP1 - Statmat2 - F1a220059 - Sitti Nur Age
TP1 - Statmat2 - F1a220059 - Sitti Nur Age
OLEH :
NAMA : SITTI NUR AGE
NIM : F1A220059
KELOMPOK : I (GANJIL)
(n !) n xi ( n − x1 )
= n
p i=1 (1 − p) i=1
x !(n − x )!
i =1
i i
4. Distribusi Poisson
Distribusi peluang peubah acak Poisson X menyatakan banyaknya sukses
yang terjadi dalam suatu selang waktu atau daerah tertentu di mana memiliki
parameter yang menyatakan rata-rata banyaknya sukses yang terjadi per
satuan waktu atau daerah tersebut.
a. Fungsi PDF dari distribusi poisson
e− x
f ( x; ) = ; x = 0,1, 2,...
x!
b. Fungsi PDF bersama dari distribusi poisson
f ( x1 ,..., xn ; ) = f ( x1; ) ... f ( xn ; )
e − x1 e− xn
= ...
x1 ! xn !
n
xi
e − n i=1
= n
x !
i =1
i
5. Distribusi Geometrik
Bila percobaan yang saling bebas dilakukan berulang kali dan menghasilkan
sukses dengan peluang p, gagal dengan peluang q = 1 − p, maka distribusi
peluang peubah acak X, yaitu banyaknya usaha sampai saat terjadi sukses
yang pertama.
a. Fungsi PDF dari distribusi geometrik
p (1 − p ) x −1 , x = 1, 2, 3, ..., n
f ( x; p) =
0, x lainnya
6. Distribusi Hipergeometrik
Distribusi peluang peubah acak hipergeometrik X yaitu banyaknya sukses
dalam sampel acak ukuran n yang diambil dari N benda yang mengandung
k sukses dan N-k gagal.
a. Fungsi PDF dari distribusi hipergeometrik
k N − k
x n − x
h( x; N , n, k ) = ; x = 0,1, 2,..., n
N
n
b. Fungsi PDF bersama dari distribusi hipergeometrik
k N − k
n − xi
h( x1 , x2 ,..., xn ; N , n, k ) = i
n
x
; x = 0,1, 2,..., n
i =1 N
n
7. Distribusi Multinomial
Percobaan binomial menghasilkan dua kemungkinan hasil yakni “sukses”
dan “gagal”. Percobaan binomial akan menjadi percobaan multinomial bila
tiap percobaan dapat memberikan lebih dari 2 hasil yang mungkin. Bila
suatu usaha tertentu dapat menghasilkan k macam hasil E1 , E2 ,..., Ek dengan
x1 , x2 ,..., xk
dengan
k k
xi = n
i =1
dan p
i =1
i =1
2. Distribusi Normal
Distribusi normal diartikan sebagai salah satu jenis distribusi variabel acak
kontinu yang berbentuk lonceng dan dibuat dengan fungsi probabilitas yang
kemudian digunakan untuk menunjukkan variasi atau penyebaran distribusi,
sehingga fungsi yang nantinya akan dibuktikan dengan menggunakan suatu
grafik simetris. Distribusi peluang peubah normal bergantung pada dua
parameter yaitu rataan dan simpangan baku.
a. Fungsi PDF dari distribusi normal
1 x−
2
1 −
f ( x; , ) =
2
e 2
; − x
2 2
b. Fungsi PDF bersama dari distribusi normal
f ( x1 ,..., xn ; , 2 ) = f ( x1; , 2 ) ... f ( xn ; , 2 )
1 x −
2
1 x −
2
1 − 1 1 − n
2 2
= e ... e
2 2 2 2
n
1 − 2 2
n 1
( x1 − ) 2
= e i =1
2
2
3. Distribusi Eksponensial
Distribusi eksponensial mempunyai banyak nilai praktis, terutama dalam
hal yang berhubungan dengan waktu, misalnya: waktu tunggu, waktu
hidupnya suatu alat atau lamanya jangka waktu sampai suatu alat berhenti
berfungsi, lamanya percakapan telepon, dan sebagainya. Distribusi
eksponensial termasuk distribusi kontinu dan merupakan bentuk khusus dari
distribusi gamma dengan = 1 .
a. Fungsi PDF dari distribusi eksponensial
1 −x
e , x0
f ( x; ) =
0, x lainnya
b. Fungsi PDF bersama dari distribusi eksponensial
f ( x1 ,..., xn ; ) = f ( x1; ) ... f ( xn ; )
x1 xn
1 − 1 −
=
e ... e
n
1 − xi
1
= e i=1
4. Distribusi Gamma
Distribusi gamma diaplikasikan dalam lamanya waktu untuk menyelesaikan
pekerjaan. Distribusi gamma sering diterapkan dalam teori antrian dan teori
reabiliti. Fungsi gamma didefinisikan sebagai:
(k ) = x k −1e− x dx, untuk k 0.
0
a. Fungsi PDF dari distribusi gamma
1
k x k −1e− x / , x 0
f ( x; , k ) = (k )
0,
x lainnya
Dimana 0 dan k 0.
b. Fungsi PDF bersama dari distribusi gamma
f ( x1 ,..., xn ; , k ) = f ( x1; , k ) ... f ( xn ; , k )
x x
1 − 1 1 − n
= k x1k −1e ... k xn k −1e
(k ) ( k )
n
k −1
i
n 1
1 n − x
= k xi
i =1
e
(k ) i =1
5. Distribusi Khi-Kuadrat
Distribusi khi-kuadrat banyak digunakan dalam bidang statistika, antara lain
menguji perbedaan secara signifikan antara frekuensi yang diamati
(frekuensi empiris) dengan frekuensi teoritis, menguji kebebasan antar
faktor dari data dalam daftar/tabel kontingensi, dan menguji kedekatan data
sampel dengan suatu fungsi distribusi seperti binomial, poisson, atau
normal.
a. Fungsi PDF dari distribusi khi-kuadrat
1
v /2 xv /2−1e− x /2 , x 0
f ( x; v) = 2 (v / 2)
0,
x lainnya
b. Fungsi PDF bersama dari distribusi khi-kuadrat
f ( x1 ,..., xn ; v) = f ( x1; v) ... f ( xn ; v)
1 1
= x1v /2−1e− x1 /2 ... xn v /2−1e − xn /2
2 v /2
( v / 2) 2 v /2
( v / 2)
n
v /2 −1
n 1
1 n − xi
= v /2 xi
2 i =1
e
2 (v / 2) i =1
6. Distribusi Weibull
Distribusi Weibull digunakan untuk menyelesaikan masalah-masalah yang
berkaitan dengan lama waktu (umur) suatu objek yang mampu bertahan
hingga akhirnya objek tersebut tidak berfungsi sebagaimana mestinya
(rusak atau mati).
a. Fungsi PDF dari distribusi weibull
x −1e− x ,
x0
f ( x; , ) =
0, x0
b. Fungsi PDF bersama dari distribusi weibull
f ( x1 ,..., xn ; , ) = f ( x1; , ) ... f ( xn ; , )
= x1 −1e− x1 ... x2 −1e− xn
n
−1
n − xi
= n n xi e i =1
i =1
7. Distribusi Pareto
Distribusi Pareto merupakan distribusi peluang kontinu yang sering
digunakan dalam analisis data uji hidup yang hanya mempunyai satu bentuk
grafik dari fungsi kepadatan peluang yang berbentuk eksponensial.
a. Fungsi PDF dari distribusi pareto
f ( x; , ) = ; 0, 2
x +1
b. Fungsi PDF bersama dari distribusi pareto
f ( x1 ,..., xn ; , ) = f ( x1; , ) ... f ( xn ; , )
− k +1 − k +1
k x k x
= 1 + 1 ... 1 + n
= k ( + x1 ) ...k k ( + xn )− k +1
k − k +1
− k +1
n
= ( k )
k n
( + xi )
i =1
C. PDF Bersama
Pdf bersama merupakan perkalian Pdf Marginal, dimana X 1 , X 2 ,..., X n
memiliki distribusi N( , 2 ).
f ( x1 , x2 ,..., xn ; , 2 ) = f ( x1; , 2 )... f ( xn ; , 2 )
1 x−
1
2
dengan f ( xi ; , ) = 2
exp −
2 2 2
Maka,
f ( x1 ,..., xn ; , 2 ) = f ( x1; , 2 )... f ( xn ; , 2 )
1 x1 − 2 1 xn −
2
1 1
= exp − ... exp −
2 2 2 2 2 2
1 x1 − 2 1 x1 −
n
1
2
= exp − ...exp −
2
2
2 2
n
1 1 ( x1 − ) 2 ( x2 − ) 2 ( xn − ) 2
= exp − + + ... +
2 2 2 2
2 2
n
1 1 n ( xi − ) 2
= exp −
2 2 i =1
2
2
D. Fungsi Gamma
Penjabaran fungsi gamma sebagai berikut.
(k ) = x k −1e − x dx
0
(1) = 1
atau
(k ) = (k − 1)(k − 1)! , k 0
(n) = (n − 1)! , n = 1, 2,...
1
p = n
2
Pembuktian:
(k ) = x k −1e − x dx
0
(1) = x1−1e− x dx
0
= x 0e − x dx = e − x dx
0 0
misal : u = − x
du = −dx
dx = −du
= eu − du
0
= −eu du , 0 e
0
b
lim −eu du
b →
0
b
lim −eu
b → 0
lim − e + e0b
b →
−e + e 0
= 0 +1 = 1
Y diperoleh:
n
M Y (t ) = M xi
i =1
= M x1 + x2 +...+ xn (t )
= M x1 (t ) M x2 (t ) ... M xn (t )
2. Jika MGF dari X adalah M x (t ) , maka MGF dari ax adalah
= M1 (t )
( x1 + x2 +...+ xn )
n
= M 1 (t ) M 1 (t ) ... M 1 (t )
x1 x2 xn
n n n
= M x1 ( 1n t ) M x2 ( 1n t ) ... M xn ( 1n t )
= exp{ 1n t + 12 2 ( 1n t ) 2 }...exp{ 1n t + 12 2 ( 1n t ) 2 }
n n
= exp{ 1n t + 12 2 ( 1n t ) 2 }
i =1 i =1
= exp{n t + n 2 ( 1n t ) 2 }
1
n
1
2
1 2 2
= exp{t + 2 n
t } N ( ,
2
)
n
3. MGF Bersama Distribusi Normal N( , 2 )
Misal X i N ( , 2 )
MGF dari N ( , 2 ) adalah M x (t ) = exp{t + 12 2t 2 }
Maka MGF bersama untuk X 1 ,..., X n yaitu
M x1 + x2 +...+ xn (t ) = M x1 (t ) M x2 (t ) ... M xn (t )
= exp{t + 12 2t 2 }...exp{t + 12 2t 2 }
n n
= exp{ t + 12 2 t 2 }
i =1 i =1
= exp{nt + nt } 1
2
2 2
N ( n , n 2 )
1 1 1
sampel acak yang saling bebas misal a = , maka X i ... X n .
n n n
MGF dari distribusi GAMMA adalah
M xn (t ) = (1 − t ) − k GAMMA( , k )
Maka MGF bersamanya adalah sebagai berikut.
M x1 + x2 +...+ xn (t ) = M x1 (t ) M x2 (t ) ... M xn (t )
= (1 − t ) − k ...(1 − t ) − k
n
= (1 − t ) − k
i =1
= (1 − t ) − nk GAMMA( , nk )
M x (t ) = M 1 n
(t ) = M x1 + x2 +...+ xn ( 1n t )
n
x i
i =1
= M x1 ( 1n t ) M x2 ( 1n t ) ... M xn ( 1n t )
= (1 − 1n t )− k ...(1 − 1n t )− k
n
= (1 − 1n t )− k
i =1
= (1 − 1n t )− nk GAMMA( 1n , nk )