MAKALAH

BEBERAPA DISTRIBUSI BIVARIAT DISKRIT

Dosen Pengampu : Dr. Ani Minarni, M.Si

Disusun Oleh :
Kelompok 4
Nama Mahasiswa :
1. Esterini Noviyanti Tarihoran (4203111085)
2. Rejeki J.D Sihaloho (4201111012)
3. Muna Alya (4203311001)
4. Nurul Fauzyah Rambe (4202311001)
5. Puput Diana Putri (4203111078)
Kelas : PSPM 20 B
Mata Kuliah : Statistika Matematika

JURUSAN MATEMATIKA

PROGRAM STUDI PENDIDIKAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI MEDAN

2022
 KATA PENGANTAR

Puji dan syukur kehadirat Tuhan YME yang telah memberikan karunia-Nya keada kami
berupa kesempatan, kesehatan, pengetahuan dan kemudahan sehingga kami dapat menyelesaikan
tugas makalah kami yang berjudul ”Transformasi Peubah Acak Diskrit”. Kami juga mengucapkan
terima kasih kepada Dosen Pengampu yaitu Ibu Dr. Ani Minarni,M.Si.

Adapun tujuan dari penulisan makalah ini adalah untuk membantu proses belajar mengajar
kita dikelas. Selain itu, makalah ini juga bertujuan untuk menambah wawasan tentang “Beberapa
Distribusi Bivariat Diskrit Khusus” para pembaca dan juga bagi penulis.

Terlepas dari semua itu, penulis menyadari sepenuhnya bahwa masih ada kekurangan baik
dari segi susunan kalimat maupun tata bahasa dalam penulisan makalah ini. Oleh karena itu, kritik
dan saran yang membangun akan kami nantikan demi kesempurnaan makalah ini.

Akhir kata penulis berharap semoga makalah ini dapat memberikan manfaat terhadap
siapapun yang membacanya.

Medan, 23 September 2022

Kelompok 3

i|P ag e
 DAFTAR ISI

KATA PENGANTAR ............................................................................................................ i

DAFTAR ISI ......................................................................................................................... ii
BAB I .................................................................................................................................... 1
PENDAHULUAN ................................................................................................................. 1
A. Latar Belakang ................................................................................................................. 1
B. Rumusan Masalah ............................................................................................................ 1
C. Tujuan Penulisan ............................................................................................................. 2
D. Manfaat Penulisan…………………………………………………………………………2
BAB II .................................................................................................................................. 3
PEMBAHASAN ................................................................................................................... 3
A. Beberapa Distribusi Bivariat Diskrit Khusus .................................................................... 3
B. Distribusi Bivariat Bernoulli ............................................................................................ 3
C. Distribusi Bivariat Binomial ............................................................................................ 7
D. Distribusi Bivariat Geometrik ........................................................................................ 16
BAB III ................................................................................................................................. 21
PENUTUP ............................................................................................................................ 21
A. Kesimpulan ..................................................................................................................... 21
B. Saran............................................................................................................................... 21
DAFTAR PUSTAKA .......................................................................................................... 22

ii | P a g e
 BAB I

PENDAHULUAN

A. Latar Belakang
Statistika merupakan salah satu cabang ilmu dari matematika yang pada prinsipnya
adalah mempelajari tentang pengumpulan data, pengolahan data, penganalisisan data, serta
penarikan kesimpulan berdasarkan hasil analisis data. Fungsi dari statistika sendiri adalah
sebagai pijakan untuk pengambilan keputusan. Tanpa analisis data yang akurat, pengambilan
keputusan yang tepat tidak dapat dilakukan.
Dalam pemanfaatannya, statistika memang mempunyai kaitan dan manfaat langsung
dengan banyak hal dalam kehidupan manusia. Manfaat atau kegunaan statistika tentu saja tidak
terbatas pada lapangan kerja di bidang ilmu-ilmu sosial. Statistika juga dimanfaatkan secara
luas, baik dalam bidang ilmu alam maupun dalam bidang bisnis, industri,
dan ekonomi. Statistika matematika (Mathematical statistics) merupakan
aplikasi matematika pada statistika, yang asalnya dilahirkan sebagai suatu sains untuk negara
(state) mengumpulkan dan menganalisis fakta-fakta mengenai suatu negara: ekonomi, tanah,
militer, populasi dan lain-lainnya. Teknik matematika yang digunakan di sini meliputi analisis
matematis, aljabar linear, analisis stokastik, persamaan diferensial, dan teori probabilitas
pengukuran-teoretis. Statistika matematika telah diilhami oleh statistika terapan serta
mengembangkan banyak prosedur pada penerapannya.
Pada makalah kali ini penulis akan membahas mengenai “Beberapa Distribusi Bivariat
Diskrit Khusus”. Diharapkan makalah ini dapat membantu masyarakat terutama mereka yang
bekerja di bidang pendidikan seperti dosen, guru, mahasiswa, dan juga siswa untuk di jadikan
bahan referensi belajar. Selain itu, diharapkan juga dengan adanya makalah ini dapat
memudahkan kita memahami Matematika terutama tentang materi yang berkaitan dengan
statistika ini.

B. Rumusan Masalah
1. Bagaimana yang dimaksud dengan distribusi bivariat Bernoulli?
2. Bagaimana yang dimaksud dengan distribusi bivariat Binomial?

1|P ag e
 3. Bagaimana yang dimaksud dengan distribusi bivariate Geometrik?

C. Tujuan Penulisan
1. Untuk mengetahui distribusi bivariat Bernoulli.
2. Untuk mengetahui distribusi bivariat Binomial.
3. Untuk mengetahui distribusi bivariat Geometrik.
4. Untuk memenuhi tugas pada mata kuliah Statistika Matematika.

D. Manfaat Penulisan
Adapun manfaat dari penulisan makalah ini yaitu agar menambah pengetahuan dan juga
memperluas wawasan para pembaca dan juga penulis mengenai Beberapa Distribusi Bivariat
Diskrit Khusus.

2|P ag e
 BAB II
PEMBAHASAN

A. Beberapa Distribusi Bivariat Diskrit Khusus

Pada bab ini kita akan memeriksa beberapa fungsi kepadatan peluang bivariat diskrit Sejak
pertama kali penggunaan statistik dan distribusi bivariat Normal oleh Galton & Dickson di
tahun 1886, upaya-upaya telah dilakukan untuk mengembangkan keluarga dari distribusi
bivariat untuk menggambarkan variasi tidak Normal Distribusi bivariat Normal memegang
peran utama dalam teori statistik. Belakangan distribusi bivariat lainnya muncul
merepresentasikan model-model peluang dan masalah statistik (ukuran-ukuran yang diperoleh
dari sampel). Bab ini akan fokus pada beberapa distribusi bivariat disknit yang dikenal dengan
distribusi peluang marginalnya yang kita tahu tentu saja berdistribusi univariat.

B. Distribusi Bivariat Bernoulli

Berikut ini kita definisikan peubah acak bivariat Bernoulli dan bentuk dan distribusi
peluang gabungannya.

Definisi 8.1
Sebuah peubah acak bivariat diskrit (X,Y) dikatakan memiliki distribusi bivariat
Bernoulli jika fkp gabungan peubah tersebut adalah,
1 𝑦
𝑝2𝑥 𝑝2 (1 − 𝑝1 − 𝑝2 )1−𝑥−𝑦
𝑓(𝑥, 𝑦) = {𝑥! 𝑦! (1 − 𝑥 − 𝑦)! , 𝑢𝑛𝑡𝑢𝑘 𝑥, 𝑦 = 0,1
0 , 𝑢𝑛𝑡𝑢𝑘 𝑥, 𝑦 𝑙𝑎𝑖𝑛𝑛𝑦𝑎

dimana 0 ≤ 𝑝1 , 𝑝2 , 𝑝1 + 𝑝2 ≤ 1 dan 𝑥 + 𝑦 ≤ 1 . Peubah acak bivariat yang

memiliki fkp Bernoulli ditulis (𝑋, 𝑌) ~𝐵𝐸𝑅 (𝑝1 , 𝑝2 ). Dalam teorema berikut, disajikan nilai-
nilai ekspektasi dan varians dan X dan Y, kovarians antara X dan Y, dan fungsi pembangkit
momen gabungan. Ingat kembali bahwa fungsi pembangkit momen gabungan dan X dan Y
didefinisikan sebagai 𝑀 (𝑠, 𝑡) : = 𝐸(𝑒 𝑠𝑋+𝑡𝑌 ).

Teorema 8.1

Misalkan (𝑋, 𝑌)~𝐵𝐸𝑅 (𝑝1 , 𝑝2 ), dengan 𝑝1 𝑑𝑎𝑛 𝑝2 sebagai parameter

Maka,

𝐸 (𝑋) = 𝑝1

𝐸(𝑌) = 𝑝2

𝑉 𝑎𝑟 (𝑋) = 𝑝1 (1 − 𝑝1 )

3|P ag e
 𝑉 𝑎𝑟 (𝑌) = 𝑝2 (1 − 𝑝2 )

𝐶𝑜𝑣 (𝑋, 𝑌) = − 𝑝1 , 𝑝2

𝑀 (𝑠, 𝑡) = 1 − 𝑝1 − 𝑝2 + 𝑝1 𝑒 𝑠 + 𝑝2 𝑒 𝑡

Bukti:
Pertama, kita tentukan terlebih dahulu fungsi pembangkit momen gabungan dan X dan Y,
lalu menurunkan hal lainnya Fungsi Pembangkit momen gabungan dari X dan Y diberikan
oleh,

𝑀 (𝑠, 𝑡) = 𝐸 (𝑒 𝑠𝑋+𝑡𝑌 )

= ∑1𝑥=0 ∑1𝑦=0 𝑓(𝑥, 𝑦)𝑒 𝑠𝑋+𝑡𝑌

= 𝑓(0,0) + 𝑓(1,0) 𝑒 𝑠 + 𝑓(0,1) 𝑒 𝑡 + 𝑓(1,1)𝑒 𝑠+𝑡

= 1 − 𝑝1 − 𝑝2 + 𝑝1 𝑒 𝑠 + 𝑝2 𝑒 𝑡 + 0𝑒 𝑠+𝑡

= 1 − 𝑝1 − 𝑝2 + 𝑝1 𝑒 𝑠 + 𝑝2 𝑒 𝑡
Nilai ekspektasi dari X diberikan oleh,
𝜕𝑀
𝐸(𝑋) = |
𝜕𝑠 (0,0)

𝜕
= (1 − 𝑝1 − 𝑝2 + 𝑝1 𝑒 𝑠 + 𝑝2 𝑒 𝑡 )|(0,0)
𝜕𝑠

= 𝑝1 𝑒 𝑠 |(0,0)

= 𝑝1
Demikian pula, nilai ekspektasi dari Y diberikan oleh,
𝜕𝑀
𝐸(𝑌) = |
𝜕𝑡 (0,0)

𝜕
= (1 − 𝑝1 − 𝑝2 + 𝑝1 𝑒 𝑠 + 𝑝2 𝑒 𝑡 )|(0,0)
𝜕𝑡

= 𝑝2 𝑒 𝑡 |(0,0)

= 𝑝2

Produk momen X dan Y adalah,

𝜕2𝑀
𝐸(𝑋𝑌) = |
𝜕𝑡𝜕𝑠 (0,0)

4|P ag e
 𝜕2
= (1 − 𝑝1 − 𝑝2 + 𝑝1 𝑒 𝑠 + 𝑝2 𝑒 𝑡 )|(0,0)
𝜕𝑡𝜕𝑠

𝜕
= (𝑝1 𝑒 𝑠 )|(0,0)
𝜕𝑡

=0
Karena itu kovarians dari X dan Y adalah,

𝐶𝑜𝑣 (𝑋, 𝑌) = 𝐸(𝑋𝑌) − 𝐸(𝑋) 𝐸 (𝑌) = − 𝑝1 𝑝2

Dan

𝐸(𝑋 2 ) = 𝑝1 , 𝑑𝑎𝑛 𝐸(𝑌 2 ) = 𝑝2

Sehingga, kita memiliki,

𝑉𝑎𝑟 (𝑋) = 𝐸(𝑋 2 ) − 𝐸(𝑋)2 = 𝑝1 − 𝑝1 2 = 𝑝1 (1 − 𝑝1 )

Dan

𝑉𝑎𝑟 (𝑌) = 𝐸(𝑌 2 ) − 𝐸(𝑌)2 = 𝑝2 − 𝑝2 2 = 𝑝2 (1 − 𝑝2 )

Ini melengkapi pembuktian teorema.

Teorema berikut menyajikan beberapa informasi mengenai distribusi bersyarat

𝑓(𝑥/𝑦) dan 𝑓 (𝑦/𝑥)

Teorema 8.2
Misalkan(X,Y)~BER (𝑝1 , 𝑝2 ), dengan parameter 𝑝1 , dan 𝑝2 . Maka distribusi bersyarat
𝑓 (𝑦/𝑥) dan 𝑓(𝑥/𝑦) juga Bernoulli dan,
𝑝2 (1−x)
E (Y/x) = 1− p1

𝑝1 (1−x)
E (X/y) = 1− p2

𝑝2 (1− 𝑝1 − 𝑝2 (1−x)
𝑣𝑎𝑟 (Y/x) = (1− 𝑝1 )²

𝑝1 (1− 𝑝1 − 𝑝2 (1−y)
𝑣𝑎𝑟 (Y/x) = (1− 𝑝2 )²

Bukti :
Perhatikan bahwa
𝑓(𝑥,𝑦)
f (y/x) = 𝑓1 (𝑥)

𝑓(𝑥,𝑦)
= ∑1
𝑦=0 𝑓 (𝑥,𝑦)

5|P ag e
 𝑓(𝑥,𝑦)
= 𝑓(𝑥,0)+ 𝑓(𝑥,1) x = 0,1 ; y = 0,1 ; 0

≤ x + y ≤ 1.
Sehingga,
𝑓(0,1)
f (1/0) = 𝑓(0,0)+ 𝑓(0,1)

𝑝2
= 1− 𝑝
1 − 𝑝2 + 𝑝2

𝑝
= 1− 2𝑝
1

𝑓(1,1)
f (1/1) = 𝑓(1,0)+ 𝑓(1,1)

0
= =0
𝑝1 + 0

Sekarang kita hitung ekspektasi bersyarat E (Y/x) untuk x = 0 dan 1.

𝑦
E (Y/x = 0) = ∑1𝑦=0 𝑦𝑓 (0 )

= f(1/0)
𝑝
= 1− 2𝑝
1

Dan
E (Y/x = 1) = f (1/1) = 0

Menggabungkan keduanya menghasilkan,

𝑝2 (1−𝑥)
E (Y/x) =
1− 𝑝1

Demikian juga, kita hitung

𝑌2 𝑦
E ( 𝑥 = 0) = ∑1𝑦=0 𝑦𝑓 ( 0 )

= f(1/0)
𝑝
= 1− 2𝑝
1

Dan

E (𝑌 2 / x = 1) = f (1/1) = 0

6|P ag e
 Oleh karena itu,

𝑣𝑎𝑟 (Y/x = 0) = E (𝑌 2 / x = 0) – E (Y/x = 0)²

𝑝 𝑝 2
= 1− 2𝑝 − (1− 2𝑝 )
1 1

𝑝2 (1− 𝑝1 ) − 𝑝22
= (1− 𝑝1 )2

Dan

𝑣𝑎𝑟 (Y/x = 1) = 0
Menggabungkan keduanya menghasilkan,
𝑌 𝑝2 (1− 𝑝1 − 𝑝2 (1−x)
𝑣𝑎𝑟 ( ) = (1− 𝑝1 )²
x = 0,1
𝑥

Ekspektasi bersyarat E (X / y) dan varians bersyarat 𝑣𝑎𝑟 (X / y) dapat diperoleh

dengan cara yang sama.

C. Distribusi Bivariat Binomial

Peubah acak bivariat diskrit (X, Y) dikatakan memiliki distribusi bivariat binomial
didefinisikan dengan menentukan bentuk dari distribusi peluang gabungan.

Definisi 8.2
Peubah acak bivariat diskrit (X, Y) dikatakan memiliki distribusi bivariat binomial
dengan parameter n, 𝑝1 , 𝑝2 jika fungsi kepadatan peluang gabungan berbentuk,
1 𝑦
𝑝2𝑥 𝑝2 (1 − 𝑝1 − 𝑝2 )1−𝑥−𝑦 , 𝑥, 𝑦 = 0,1, … ,
f (x, y) = {𝑥!𝑦!(1−𝑥−𝑦)
0, 𝑥, 𝑦 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
dimana 0 < 𝑝1 , 𝑝2 , 𝑝1 + 𝑝2 < 1, x + y ≤ n dan n adalah bilangan bulat positif. Peubah
acak bivariat binomial ditulis sebagai (X, Y) ~ BIN (n, 𝑝1 , 𝑝2 ).
Distribusi bivariat binomial juga dikenal sebagai distribusi trinomial. Akan ditunjukkan
bahwa distribusi marginal X dan Y masing-masing adalah BIN (n, 𝑝1 ) dan BIN (n, 𝑝2 ). Soal
berikut menggambarkan penerapan distribusi bivariat binomial.

Soal 8.1
Di kota Louisville pada Jumat malam, stasiun radio A memiliki 50% pendengar, stasiun radio
B 30% pendengar, dan staisun radio C memiliki 20% pendengar. Berapa peluang bahwa di
antara 8 pendengar di kota Louisville, yang dipilih secara acak pada Jumat malam, 5 orang

7|P ag e
 mendengarkan stasiun A, 2 orang mendengarkan stasiun B, dan 1 orang mendengarkan stasiun
C?

Solusi :
Misalkan X menyatakan nomor pendengar yang mendengarkan stasiun A, dan Y menunjukkan
pendengar yang mendengarkan stasiun B. maka distribusi Bersama X dan Y adalah bivariat
5 3
binomial dengan ukuran sampel n = 8, 𝑝1 = dan 𝑝2 = . Peluang bahwa di antara 8
10 10
pendengar tersebut 5 orang mendengarkan stasiun A, 2 akan mendengarkan stasiun B, dan 1
akan mendengarkan stasiun C diberikan oleh,
P (X = 5, Y = 2) = f (5, 2)
𝑛! 𝑦
= 𝑥!𝑦! (𝑛−𝑥−𝑦)!
𝑝2𝑥 𝑝2 (1 − 𝑝1 − 𝑝2 )𝑛−𝑥−𝑦

8! 5 5 3 2 2
= 5!2!1! (10) (10) (10)

= 0,0945

Soal 8.2
Sebuah permainan didasarkan pada pelantunan sepasang dadu dengan memperhatikan mata
dadu 4 dan 5. Tentukan peluang bahwa dalam 10 lantunan, muncul satu kali angka 4 dari dadu
kesatu dan tiga kali mata dadu 5.

Solusi :
Misalkan X menunjukkan mata dadu 4 dan Y menunjukkan mata dadu 5. Maka distribusi
1 4
gabungan dari X dan Y adalah bivariat binomial dengan n = 10, 𝑝1 = 6 dan 1 − 𝑝1 − 𝑝2 = 6.
Maka, peluang bahwa dalam 10 pelantunan dadu muncul satu kali mata dadu 4 dan tiga kali
mata dadu 5 adalah,

P (X = 1, Y = 3) = f (1, 3)
𝑛! 𝑦
= 𝑥!𝑦! (𝑛−𝑥−𝑦)!
𝑝2𝑥 𝑝2 (1 − 𝑝1 − 𝑝2 )𝑛−𝑥−𝑦

10! 1 1 1 3 1 1 10−1−3
= 1!3! ( ) (6) (1 −
(10−1−3)! 6
− 6)
6

10! 1 1 1 3 4 6
= 1!3!(10−1−3)! (6) (6) (6)

573440
= 10077696

= 0,0569

8|P ag e
 Dengan menggunakan metode teranspormasi, dapat ditunjukkan bahwa jika
𝑋1 , 𝑋2 , 𝑑𝑎𝑛 𝑋3 peubah acak independen Binomial, maka distribusi gabungan dari peubah
acak,

X = 𝑋1 , +𝑋2 dan Y = 𝑋1 + 𝑋3
adalah distribusi bivariat Binomial. Pendekatan ini dikenal sebagai teknik pengurangan
trivariat untuk membangun distribusi bivariat.
Untuk membangun teorema berikutnya, kita perlu kesimpulan dari Teorema Binomial.
Hasil kesimpulan teorema Binomial dapat disebut teorema trinomial. Mirip dengan bukti
teorema Binomial, dapat kita bangun,
𝑛
(𝑎 + 𝑏 + 𝑐 ) = ∑𝑛𝑥=0 ∑𝑛𝑦=0(𝑥, 𝑦) 𝑎 𝑥 𝑏 𝑦 𝑐 𝑛−𝑥−𝑦 ,

dimana 0 ≤ 𝑥 + 𝑦 ≤ 𝑛 𝑑𝑎𝑛
𝑛 𝑛!
(𝑥, 𝑦) = 𝑥!𝑦!(𝑛−𝑥−𝑦)!

Dalam teorema berikut ditampilkan nilai-nilai yang diharapkan dari X dan Y,

variansnya, kovarians antara X dan Y, dan hubungannya dengan fungsi pembangkit momen.

Teorema 8.3

Misalkan (X,Y) ~ 𝐵𝐼𝑁 (𝑛, 𝑝1 𝑝2 ), dimana n, 𝑝1 𝑑𝑎𝑛 𝑝2 adalah parameter.

Maka:

E (X) = 𝑛 𝑝1

E (Y) = 𝑛 𝑝2

Var (X) = 𝑛 𝑝1 (1-𝑝1 )

Var (Y) = 𝑛 𝑝2 (1-𝑝2 )

Cov (X,Y) = -𝑛 𝑝1 𝑝2

M (s,t) = (1 - 𝑝1 − 𝑝2 + 𝑝1 𝑒 𝑠 + 𝑝2 𝑒 𝑡 )𝑛

Bukti:
Pertama, kita membangun fungsi pembangkit momen dari X dan Y. Fungsi pembangkit
momen M (s,t) diberikan oleh,

M (s,t) = E (𝑒 𝑠𝑋 + 𝑡𝑦)

9|P ag e
 = ∑𝑛𝑥=0 ∑𝑛𝑦=0 𝑒 𝑠𝑥+𝑡𝑦 𝑓 (𝑥, 𝑦)
𝑛! 𝑦
= ∑𝑛𝑥=0 ∑𝑛𝑦=0 𝑒 𝑠𝑥+𝑡𝑦 𝑝1𝑥 𝑝2 ( 1 − 𝑝1 − 𝑝2 )𝑛−𝑥−𝑦
𝑥!𝑦!(𝑛−𝑥−𝑦)

𝑛!
= ∑𝑛𝑥=0 ∑𝑛𝑦=0 𝑥!𝑦!(𝑛−𝑥−𝑦) (𝑒 𝑠 𝑝1 )𝑥 (𝑒 𝑡 𝑝2 )𝑦 ( 1 − 𝑝1 − 𝑝2 )𝑛−𝑥−𝑦

= ( 1 − 𝑝1 − 𝑝2 + 𝑝1 𝑒 𝑠 + 𝑝2 𝑒 𝑡 )𝑛 . (Teorema Trinomial)
Nilai ekspektasi dari X diberikan oleh :
𝜕𝑀
E (Y) = |
𝜕𝑠 (0.0)

𝜕
= 𝜕𝑠 (1 − 𝑝1 − 𝑝2 + 𝑝1 𝑒 𝑠 + 𝑝2 𝑒 𝑡 )𝑛 |(0.0)

= 𝑛 (1 − 𝑝1 − 𝑝2 + 𝑝1 𝑒 𝑠 + 𝑝2 𝑒 𝑡 )𝑛−1 𝑝1 𝑒 𝑠 |(0.0)

= n𝑝1
Dengan cara yang sama, nilai ekspektasi dari Y diberikan oleh :
𝜕𝑀
E (Y) = |
𝜕𝑡 (0.0)

𝜕
= 𝜕𝑠 (1 − 𝑝1 − 𝑝2 + 𝑝1 𝑒 𝑠 + 𝑝2 𝑒 𝑡 )𝑛 |(0.0)

= 𝑛 (1 − 𝑝1 − 𝑝2 + 𝑝1 𝑒 𝑠 + 𝑝2 𝑒 𝑡 )𝑛−1 𝑝1 𝑒 𝑠 |(0.0)

= n𝑝2
Produk momen dari X dan Y adalah :
𝜕 2𝑀
E (XY) = 𝜕𝑡𝜕𝑠 |(0.0)

𝜕2
= 𝜕𝑡𝜕𝑠 (1 − 𝑝1 − 𝑝2 + 𝑝1 𝑒 𝑠 + 𝑝2 𝑒 𝑡 )𝑛 |(0.0)

𝜕
= 𝜕𝑡 (𝑛(1 − 𝑝1 − 𝑝2 + 𝑝1 𝑒 𝑠 + 𝑝2 𝑒 𝑡 )𝑛−1 𝑝1 𝑒 𝑠 |(0.0)

= n (n-1) 𝑝1 𝑝2 .
Kovarian dari X dan Y adalah,

𝐶𝑜𝑣 (𝑋, 𝑌) = 𝑒 (𝑋𝑌) − 𝐸 (𝑋)𝐸 (𝑌)

= n (n-1) 𝑝1 𝑝2 − 𝑛2 𝑝1 𝑝2 = -n𝑝1 𝑝2
Hal tersebut dapat sebagai berikut :

𝐸 (𝑋 2 ) = 𝑛 − (𝑛 − 1)𝑝12 + 𝑛𝑝1 𝑑𝑎𝑛 𝐸 (𝑌 2 ) = 𝑛 − (𝑛 − 1)𝑝22 + 𝑛𝑝2

10 | P a g e
 Kita peroleh,

Var (X) = E(𝑋 2 ) − 𝐸 (𝑋)2

= n (n-1) 𝑝22 + 𝑛𝑝2 – 𝑛2 𝑝12

= 𝑛𝑝1 (1 − 𝑝1 )
Dan

𝑉𝑎𝑟 (𝑌) = 𝐸 (𝑋 2 ) − 𝐸 (𝑌 2 ) = 𝑛𝑝2 (1 − 𝑝2 )

Maka teorema tersebut terbukti.

Hasil berikut diperlukan untuk teorema berikutnya. Untuk setiap bilangan real 𝑎 𝑑𝑎𝑛 𝑏,
kita peroleh,
𝑚 𝑦 𝑚−𝑦
∑𝑚
𝑦=𝑜 𝑦 ( 𝑦 ) 𝑎 𝑏 = 𝑚 𝑎 (𝑎 + 𝑏)𝑚−1

Dan
𝑚 𝑦 𝑚−𝑦
∑𝑚 2
𝑦=𝑜 𝑦 ( 𝑦 ) 𝑎 𝑏 = 𝑚 𝑎 (𝑚𝑎 + 𝑏)(𝑎 + 𝑏)𝑚−2

Dimana m adalah bilangan bulat positif.

Soal 8.3
Jika X sama dengan jumlah satu dan Y sama dengan jumlah berdua atau bertiga ketika
sepasang dadu dilempar. Tentukanlah koefisien korelasi X dan Y.

Solusi :
Fkp gabungan dari X dan Y adalah Binomial Bivariat dan diberikan oleh,
2! 1 𝑥 2 𝑦 3 2−𝑥−𝑦
F(x,y) = 𝑥!𝑦!(2−𝑥−𝑦)! (6) (6) (6) , 0 ≤ 𝑥 + 𝑦 ≤ 2,

dimana x dan y adalah bilanagn bulat tak negatif. Berdasarkan teorema varians kita peroleh:
1 1 10
Var (X) = n𝑝1 (1 − 𝑝1 ) = 2 6 (1 − 6) = 36

2 2 16
Var (Y) = n𝑝2 (1 − 𝑝2 ) = 2 6 (1 − 6) = 36,

dan
12 4
Kov (X,Y) = −𝑛𝑝1 𝑝2 = −1 6 6 = − 36

11 | P a g e
 Oleh karena itu
𝐶𝑜𝑣 (𝑋,𝑌)
Kor (X,Y) =
√𝑉𝑎𝑟 (𝑋)𝑉𝑎𝑟(𝑌)

4
= −4 = -0,3162
√10

Teorema berikut menyajikan beberapa informasi mengenai distribusi bersyarat f(x/y)

dan f(y/x).

Teorema 8.4

Misalkan (X,Y) ~𝐵𝐼𝑁(𝑛, 𝑝1 𝑝2 , dimana n, 𝑝1 , 𝑑𝑎𝑛 𝑝2 adalah parameter. Maka distribusi

bersyarat f(y/x) dan f(x/y) juga Binomial, dan
𝑝2 (𝑛−𝑥)
E(Y/x) = 1−𝑝1

𝑝2 (𝑛−𝑦)
E(X/y) = 1−𝑝2

𝑝2 (1−𝑝1 −𝑝2 )(𝑛−𝑥)

Var (Y/x) = (1−𝑝1 )2

𝑝1 (1−𝑝1 −𝑝2 )(𝑛−𝑦)

Var (X/y) = (1−𝑝2 )2

Bukti :
𝑓(𝑥,𝑦)
Karena 𝑓(𝑦/𝑥 ) = , pertama kita tentukan fkp marjinal X. fungsi kepadatan peluang
𝑓1 𝑥

marginal 𝑓1 (𝑥) dari X diberikan oleh,

𝑛−𝑥
𝑛!
𝑓1 (𝑥 ) = ∑ 𝑝 𝑥 𝑝 𝑦 (1 − 𝑝1 − 𝑝2 )𝑛−𝑥−𝑦
𝑥! 𝑦! (𝑛 − 𝑥 − 𝑦)! 1 2
𝑦=0

𝑛−𝑥
𝑛! 𝑝1 𝑥 (𝑛 − 𝑥 )!
= ∑ 𝑝 𝑦 (1 − 𝑝 − 𝑝2 )𝑛−𝑥−𝑦
𝑥! (𝑛 − 𝑥 )! 𝑦! (𝑛 − 𝑥 − 𝑦)! 2
𝑦=0

𝑛
= ( ) 𝑝1 𝑥 (1 − 𝑝1 − 𝑝2 + 𝑝2 )𝑛−𝑥 (teorema Binomial)
𝑥
𝑛
= ( ) 𝑝1 𝑥 (1 − 𝑝1 )𝑛−𝑥
𝑥

Untuk menghitung ekspektasi bersyarat, kita perlu fkp bersyarat 𝑓(𝑥, 𝑦).

Fkp bersyarat dari Y pada 𝑋 = 𝑥 adalah

12 | P a g e
 𝑓(𝑥 − 𝑦)
𝑓 (𝑦/𝑥) =
𝑓1 (𝑥)

𝑓(𝑥, 𝑦)
= 𝑛
( ) 𝑝1 𝑥 (1 − 𝑝1 )𝑛−𝑥
𝑥

(𝑛 − 𝑥 )!
= 𝑝 𝑦 (1 − 𝑝1 − 𝑝2 )𝑛−𝑥−𝑦 (1 − 𝑝)𝑥−𝑛
(𝑛 − 𝑥 − 𝑦)! 𝑦! 2

𝑛−𝑥
= (1 − 𝑝1 )𝑛−𝑥 ( 𝑦 ) 𝑝2 𝑦 (1 − 𝑝1 − 𝑝2 )𝑛−𝑥−𝑦

Karena itu ekspektasi bersyarat dari Y pada 𝑋 = 𝑥 adalah

𝑛−𝑥
𝑛−𝑥
𝐸 (𝑌/𝑥 ) = ∑ 𝑦(1 − 𝑝1 )𝑥−𝑛 ( 𝑦 ) 𝑝2 𝑦 (1 − 𝑝1 − 𝑝2 )𝑛−𝑥−𝑦
𝑦=0

𝑛−𝑥
= (1 − 𝑝1 )𝑥−𝑛 ∑𝑛−𝑥 𝑦
𝑦=0 𝑦 ( 𝑦 ) 𝑝2 (1 − 𝑝1 − 𝑝2 )
𝑛−𝑥−𝑦

= (1 − 𝑝1 )𝑥−𝑛 𝑝2 (𝑛 − 𝑥)(1 − 𝑝1 )𝑛−𝑥−1

𝑝2 (𝑛 − 𝑥)
=
1 − 𝑝1

Berikutnya, kita cari varians bersyarat dari Y pada 𝑋 = 𝑥. Untuk ini kita perlu ekspektasi
bersyarat 𝐸 (𝑌 2 /𝑥 ), yang diberikan oleh :

𝑛−𝑥

𝐸 (𝑌 /𝑥) = ∑ 𝑦 2 𝑓(𝑥, 𝑦)
2

𝑦=0

𝑛−𝑥
𝑛−𝑥
= ∑ 𝑦 2 (1 − 𝑝1 )𝑥−𝑛 ( 𝑦 ) 𝑝2 𝑦 (1 − 𝑝1 − 𝑝2 )𝑛−𝑥−𝑦
𝑦=0

𝑛−𝑥
𝑥−𝑛
𝑛−𝑥
= (1 − 𝑝1 ) ∑ 𝑦 2 ( 𝑦 ) 𝑝2 𝑦 (1 − 𝑝1 − 𝑝2 )𝑛−𝑥−𝑦
𝑦=0

= (1 − 𝑝1 )𝑥−𝑛 𝑝2 (𝑛 − 𝑥)(1 − 𝑝1 )𝑛−𝑥−2 [(𝑛 − 𝑥 )𝑝2 + 1 − 𝑝1 − 𝑝2 ]

13 | P a g e
 𝑝2 (𝑛 − 𝑥)[(𝑛 − 𝑥 )𝑝2 + 1 − 𝑝1 − 𝑝2 ]
=
(1 − 𝑝1 )2

Karena itu, varians bersyarat dari Y pada 𝑋 = 𝑥 adalah,

𝑉𝑎𝑟(𝑌/𝑥 ) = 𝐸 (𝑌 2 /𝑥 ) − 𝐸 (𝑌/𝑥)2

𝑝2 (𝑛 − 𝑥)[(𝑛 − 𝑥 )𝑝2 + 1 − 𝑝1 − 𝑝2 ] 𝑝2 (𝑛 − 𝑥) 2
= −( )
(1 − 𝑝1 )2 1 − 𝑝1

𝑝2 (1 − 𝑝1 − 𝑝2 )(𝑛 − 𝑥)
=
(1 − 𝑝1 )2

Maka,

𝑝1 (𝑛−𝑦) 𝑝1 (1−𝑝1 −𝑝2 )(𝑛−𝑦)

𝐸 (𝑥/𝑌) = dari 𝑉𝑎𝑟(𝑌/𝑥) =
1−𝑝2 (1−𝑝2 )2

Hal terakhir tersebut melengkapi bukti teorema.

Perhatikan bahwa 𝑓 (𝑦/𝑥) pada teorema di atas fkp Binomial univariat. Untuk melihat
ini cermati bahwa,

𝑛−𝑥
(1 − 𝑝2 )𝑥−𝑛 ( 𝑦 ) 𝑝2 𝑦 (1 − 𝑝1 − 𝑝2 )𝑛−𝑥−𝑦

𝑛−𝑥 𝑝2 𝑦 𝑝2 𝑛−𝑥−𝑦
= ( 𝑦 )( ) (1 − )
1 − 𝑝2 1 − 𝑝2

Oleh karena itu, 𝑓(𝑦/𝑥) adalah fungsi kepadatan peluang dari peubah acak Binomial dengan
𝑝
parameter 𝑛 − 𝑥 dan 1−𝑝2
2

Fungsi kepedatan peluang marginal 𝑓2 (𝑦) dari 𝑌 berbentuk,

𝑛
𝑓2 (𝑦) = (𝑦) 𝑝2 𝑦 (1 − 𝑝2 )𝑛−𝑦

Dimana y = 0, 1, . . . , n. Bentuk fkp ini menunjukkan bahwa fkp marginal dari distribusi
bivariate Binomial adalah Binomial juga.

14 | P a g e
 Soal 8.4

Misalkan W adalah produk kotak sabun dengan berat satu kilogram yang didistribusikan di
Negara India. Misalkan P (W < 1) = 0, 02 dan P (W > 1.072) = 0, 08. Kotak sabun disebut
ringan, pas, atau berat bergantung pada apakah W < 1, 1 ≤ W ≤ 1.702, atau W > 1.702
berturut – turut. Dalam sampel acak sebanyak 50 kotak, misalkan X adalah kotak yang ringan
dan Y adalah kotak yang pas (tak kurang dari satu kg). tentukanlah regresi dan kurva
scedastic dari Y atas X.

Solusi :

Fungsi kepadatan peluang gabungan dari X dan Y diberikan oleh,

50!
𝑓 (𝑥, 𝑦) = 𝑥!𝑦!(50−𝑥−𝑦)! 𝑝1 𝑥 𝑝2 𝑦 (1 − 𝑝1 − 𝑝2 )50−𝑥−𝑦 , 0 ≤ 𝑥 + 𝑦 ≤ 50

Dimana x dan y adalah bilangan bulat tak negative. Oleh karena itu, (𝑋, 𝑌)~𝐵𝐼𝑁(𝑛, 𝑝1 , 𝑝2 ),
dimana 𝑛 = 50, 𝑝1 = 0,02, 𝑝2 = 0. Kurva regresi Y atas X diberikan oleh,

𝑝2 (𝑛 − 𝑥)
𝐸 (𝑌/𝑥 ) =
1 − 𝑝1

0,9(50 − 𝑥)
=
1 − 0,02

45
= (50 − 𝑥)
49

Kurva scedatic dari Y atas X adalah varians bersyarat dari Y pada X = x.

Dan itu sama dengan

𝑝2 (1 − 𝑝1 − 𝑝2 )(𝑛 − 𝑥 )
𝑉𝑎𝑟(𝑌/𝑥 ) =
(1 − 𝑝2 )2

0,9 0,08(50 − 𝑥 )
=
(1 − 0,02)2

180
= (50 − 𝑥)
2401

15 | P a g e
 Perhatikan bahwa jika 𝑛 = 1, maka distribusi bivariate Binomial mengerucut menjadi
distribusi bivariate Bernoulli.

D. Distribusi Bivariat Geometrik

Ingat kembali bahwa jika peubah acak X merupakan banyak percobaan yang diperlukan
untuk mendapat sukses pertama, maka X adalah peubah acak geometrik. Fungsi kepadatan
peluang dari peubah acak geometrik adalah,

𝑓(𝑥 ) = 𝑝 𝑥−1 (1 − 𝑝), 𝑥 = 1, 2, 3, . . . . . , ∞

dimana p adalah peluang gagal sebuah percobaan tunggal Bernoulli.

Distribusi geometric satu peubah ini dapat diperumum menjadi kasus bivariate.
Distribusi ini digunakan pertama kali berkaitan dengan masalah kecenderungan kecelakaan
lalu lintas. Distribusi ini banyak digunakan dalam berbagai metode statistic.

Definisi 8.3

Peubah acak bivariate diskrit (X, Y) dikatakan memiliki distribusi bivariate geometri
dengan parameter 𝑝1 dan 𝑝2 jika fungsi kepadatan peluang gabungnnya dalaam bentuk,

(𝑥 + 𝑦 )! 𝑥 𝑦
𝑝 𝑝 (1 − 𝑝1 − 𝑝2 ), 𝑥, 𝑦 = 0,1, . . , ∞
𝑓(𝑥, 𝑦) = { 𝑥! 𝑦! 1 2
0, 𝑥, 𝑦 𝑙𝑎𝑖𝑛𝑛𝑦𝑎

dimana 0 < 𝑝1 , 𝑝2 , 𝑝1 + 𝑝2 < 1 . Peubah acak bivariate geometri (X, Y) yang berdistribusi
geometric ditulis (𝑋, 𝑌)~𝐺𝐸𝑂(𝑝1 , 𝑝2 )

Soal 8.5

Kendaraan bermotor tiba di suatu persimpangaan dapat memutar ke kanan atau ke kiri atau
lanjut lurus ke depan. Di dalam suatu studi pola lalu lintas pada persimpangan ini di sepanjang
periode waktu, engineers sudah mencatat bahwa 40 persen kendaraan bermotor belok kiti, 25
persen ke kanan, dan sisanya lurus ke depan. Sepuluh mobil memasuki persimpangan, tentukan
peluang bahwa 5 mobil akan belok kiri, 4 mobil ke kanan, dan mobil terakhir akan lurus ke
depan.

16 | P a g e
 Solusi :
Misalkan X menandakan jumlah mobil belok kiri dan Y menandakan jumlah mobil belok
kanan. Karena mobil yang lainnya dari 10 mobil itu mengambil jalan lurus, maka fkp gabungan
dari X dan Y adalah geometric dengan parameter 𝑝1 = 0,4, 𝑝2 = 0,25 dan 𝑝3 = 1 − 𝑝1 −
𝑝2 = 0,35. Maka, dari 10 mobil masuk persimpangan, peluang bahwa 5 mobil belok kiri, 4
mobil belok kanan, dan mobil lainnya jalan lurus diberikan oleh,

𝑃(𝑋 = 5, 𝑌 = 4) = 𝑓(5,4)
(𝑥 + 𝑦 )! 𝑥 𝑦
= 𝑝 𝑝 (1 − 𝑝1 − 𝑝2 )
𝑥! 𝑦! 1 2
(5 + 4)!
= (0,4)5 (0,25)4 (1 − 0,4 − 0,25)
5! 4!
9!
= (0,4)5 (0,25)4 (0,35)
5! 4!
= 0,00677
Perhatikan bahwa jika 𝑎 dan 𝑏 adalah bilangan riil positif dengan 0 < 𝑎 + 𝑏 <, maka:
∞ ∞
(𝑥 + 𝑦 )! 𝑥 𝑦 1
∑∑ 𝑎 𝑏 =
𝑥! 𝑦! 1−𝑎−𝑏
𝑥=0 𝑦=0

Di dalam dalil berikut, kita hadirkan nilai-nilai ekspektasi dan perbedaan X dan Y, kovarians
antara X dan Y, dan fungsi pembangkit moment.
Teorema 8.5
Misalkan (X, Y)~𝐺𝐸𝑂(𝑝1 , 𝑝2 ), dimana 𝑝1 dan 𝑝2 adalah parameter. Maka
𝑝1
𝐸 (𝑋 ) =
(1 − 𝑝1 − 𝑝2 )
𝑝2
𝐸 (𝑌 ) =
(1 − 𝑝1 − 𝑝2 )
𝑝1 (1 − 𝑝2 )
𝑉𝑎𝑟(𝑋) =
(1 − 𝑝1 − 𝑝2 )2
𝑝2 (1 − 𝑝2 )
𝑉𝑎𝑟(𝑌) =
(1 − 𝑝1 − 𝑝2 )2
𝑝1 𝑝2
𝐶𝑜𝑣(𝑋, 𝑌) =
(1 − 𝑝1 − 𝑝2 )2

17 | P a g e
 (1 − 𝑝1 − 𝑝2 )
𝑀(𝑠, 𝑡) =
1 − 𝑝1 𝑒 𝑠 − 𝑝2 𝑒 𝑡
Bukti :
Kita hanya menurunkan fungsi pembangkit moment 𝑀 (𝑠, 𝑡) dari X dan Y dan meninggalkan
sisa buktinya kepada pembaca yang berminat. Fungsi pembangkit moment gabungan 𝑀(𝑠, 𝑡)
diberikan oleh,
𝑀(𝑠, 𝑡) = 𝐸 (𝑒 𝑠𝑋+𝑡𝑌 )
𝑛 𝑛

= ∑ ∑ 𝑒 𝑠𝑋+𝑡𝑌 𝑓(𝑥, 𝑦)
𝑥=0 𝑦=0

𝑛 𝑛
(𝑥 + 𝑦 )! 𝑥 𝑦
= ∑ ∑ 𝑒 𝑠𝑋+𝑡𝑌 𝑝 𝑝 (1 − 𝑝1 − 𝑝2 )
𝑥! 𝑦! 1 2
𝑥=0 𝑦=0

𝑛 𝑛
(𝑥 + 𝑦 )!
= (1 − 𝑝1 − 𝑝2 ) ∑ ∑ 𝑒 𝑠𝑋+𝑡𝑌 (𝑝1 𝑒 𝑠 )𝑥 (𝑝2 𝑒 𝑡 )𝑦
𝑥! 𝑦!
𝑥=0 𝑦=0

1 − 𝑝1 − 𝑝2
=
1 − 𝑝1 𝑒 𝑠 − 𝑝2 𝑒 𝑡
Hasil berikut akan berguna dalam teorema selanjutnya. Diberikan 𝑎 bilangan real positif
kurang dari satu, maka :
∞
(𝑥 + 𝑦 )! 𝑦 1
∑ 𝑎 =
𝑥! 𝑦! (1 − 𝑎)𝑥+1
𝑦=0

∞
(𝑥 + 𝑦 )! 𝑎(1 + 𝑥)
∑ 𝑦 𝑎𝑦 =
𝑥! 𝑦! (1 − 𝑎)𝑥+2
𝑦=0

∞
(𝑥 + 𝑦 )! 2 𝑦 𝑎(1 + 𝑥)
∑ 𝑦 𝑎 = [𝑎(𝑥 + 1) + 1]
𝑥! 𝑦! (1 − 𝑎)𝑥+3
𝑦=0

Teorema selanjutnya memberikan informasi mengenai fkp bersyarat 𝑓(𝑥/𝑦) dan 𝑓(𝑦/𝑥).
Teorema 8.6
Diberi (X, Y)~𝐺𝐸𝑂(𝑝1 , 𝑝2 ), dimana 𝑝1 dan 𝑝2 adalah parameter. Maka distribusi bersyarat
𝑓(𝑥/𝑦) dan 𝑓(𝑦/𝑥) juga geometric dan,
𝑝2 (1 + 𝑥)
𝐸(𝑌/𝑥) =
1 − 𝑝2

18 | P a g e
 𝑝1 (1 + 𝑥)
𝐸(𝑋/𝑦) =
1 − 𝑝1
𝑝2 (1 + 𝑥)
𝑉𝑎𝑟(𝑌/𝑥) =
(1 − 𝑝2 )2
𝑝1 (1 + 𝑥)
𝑉𝑎𝑟(𝑋/𝑦) =
(1 − 𝑝1 )2
Bukti :
Sama dengan sebelumnya, pertama kita temukan fungsi kepadatan peluang bersyarat dari Y
diberika peristiwa 𝑋 = 𝑥. Fungsi kepadatan peluang marginal 𝑓1 (𝑥) diberikan oleh
∞

𝑓1 (𝑥 ) = ∑ 𝑓(𝑥, 𝑦)
𝑦=0

∞
(𝑥 + 𝑦 )! 𝑥 𝑦
=∑ 𝑝 𝑝 (1 − 𝑝1 − 𝑝2 )
𝑥! 𝑦! 1 2
𝑦=0

∞
(𝑥 + 𝑦 )! 𝑦
= (1 − 𝑝1 − 𝑝2 )𝑝1 𝑥 ∑ 𝑝
𝑥! 𝑦! 2
𝑦=0

(1 − 𝑝1 − 𝑝2 )𝑝1 𝑥
=
(1 − 𝑝2 )𝑥+1
Oleh karena itu fkp bersyarat dari Y diberikan peristiwa 𝑋 = 𝑥 adalah,
𝑓 (𝑥, 𝑦) (𝑥 + 𝑦)! 𝑦
𝑓 (𝑦/𝑥 ) = = 𝑝 (1 − 𝑝2 )𝑥+1
𝑓1 (𝑥 ) 𝑥! 𝑦! 2
Ekspektasi bersyarat dari Y diberikan peristiwa 𝑋 = 𝑥 adalah,
∞

𝐸(𝑌/𝑥) = ∑ 𝑦 𝑓(𝑦/𝑥)
𝑦=0

∞
(𝑥 + 𝑦 )! 𝑦
= ∑𝑦 𝑝 (1 − 𝑝2 )𝑥+1
𝑥! 𝑦! 2
𝑦=0

𝑝2 (1 + 𝑥)
=
(1 − 𝑝2 )
Dengan cara yang sama kita tunjukkan bahwa,
𝑝1 (1 + 𝑥)
𝐸(𝑋/𝑦) =
(1 − 𝑝1 )

19 | P a g e
 Untuk menghitung varians bersyarat dari Y diberikan kejadian 𝑋 = 𝑥, pertama kita harus
temukan 𝐸 (𝑦 2 /𝑥), yaitu:
∞

𝐸 (𝑌 2 /𝑥) = ∑ 𝑦 2 𝑓(𝑦/𝑥)
𝑦=0

∞
(𝑥 + 𝑦 )! 𝑦
= ∑ 𝑦2 𝑝 (1 − 𝑝2 )𝑥+1
𝑥! 𝑦! 2
𝑦=0

𝑝2 (1 + 𝑥)
= [𝑝 (𝑥 + 1) + 1]
(1 − 𝑝2 )2 2
Oleh karena itu,
𝑉𝑎𝑟(𝑌 2 /𝑥) = 𝐸 (𝑌 2 /𝑥) − 𝐸 (𝑌/𝑥 )2
2
𝑝2 (1 + 𝑥) 𝑝2 (1 + 𝑥 )
= [ 𝑝2 ( 𝑥 + 1 ) + 1 ] − ( )
(1 − 𝑝2 )2 1 − 𝑝2
𝑝2 (1 + 𝑥)
=
(1 − 𝑝2 )2
Menentukan momen lainnya dapat dilakukan dengan cara yang serupa. Bukti dari dalil sudah
lengkap.

20 | P a g e
 BAB III
PENUTUP

A. Kesimpulan
Berdasarkan materi yang telah dipaparkan diatas maka dapat kita lihat materi tersebut
bertujuan untuk memeriksa beberapa fungsi kepadatan peluang bivariat diskrit. Mulai dari
Distribusi Bivariat Bernoulli, Distribusi Bivariat Binomial,hingga Distribusi Bivariat
Geometrik. Distribusi Bivariat Diskrit Khusus muncul karena sejak pertama kali penggunaan
statistik dan distribusi bivariat Normal oleh Galton & Dickson di tahun 1886, upaya upaya
telah dilakukan untuk mengembangkan keluarga dari distribusi bivariat untuk menggambarkan
variasi tidak Normal. Sehingga materini ini dibuat untuk merepresentasikannya model-model
peluang dan masalah statistik (ukuran-ukuran yang diperoleh dari sampel). Makalah ini akan
berisi beberapa distribusi bivariat diskrit yang dikenal dengan distribusi peluang marginalnya
yang kita tahu tentu saja berdistribusi univanat.

B. Saran
Saran dari pemakalah, diharapkan pembaca lebih memahami materi dan mengetahui rumus
dan simbol-simbol yang ada. Semoga makalah ini bermanfaat bagi pembaca yang
membutuhkan.

21 | P a g e
 DAFTAR PUSTAKA

Minarni, Ani & E. Elvis Napitupulu. (2020). Statistika Matematik. Medan : Haparan Cerdas
Publisher.

22 | P a g e