1

Statistik Terurut

Statistik Terurut

MA3181 Teori Peluang

Dr. Utriweni Mukhaiyar

Program Studi Matematika

Fakultas Matematika dan Ilmu Pengetahuan Alam

EDUNEX ITB
Copyright 2020 © U. Mukhaiyar, KK Statistika, FMIPA – ITB
2

Beberapa definisi
• Suatu populasi terdiri atas keseluruhan pengamatan yang
menjadi perhatian.
• Sampel adalah suatu himpunan bagian dari populasi.
• Misalkanlah 𝑋1, 𝑋2, … , 𝑋𝑛 merupakan n peubah acak bebas yang
masing-masing berdistribusi peluang 𝑓(𝑥). 𝑋1, 𝑋2, … , 𝑋𝑛
didefinisikan sebagai sampel acak ukuran n dari populasi f(x)
dan distribusi peluang gabungannya sebagai,
𝑓(𝑥1, 𝑥2, … , 𝑥𝑛) = 𝑓 𝑥1 𝑓(𝑥2) … 𝑓(𝑥𝑛)
• Setiap fungsi dari peubah acak yang membentuk suatu sampel
acak disebut statistik.
• Contoh statistik : rataan sampel ( 𝑋ത ) , variansi sampel (𝑆2), ...

EDUNEX ITB
3

Rataan dan Variansi Sampel

• Bila X1, X2, ..., Xn merupakan suatu sampel acak ukuran n, maka rataan sampel
dinyatakan oleh statistik,
𝑛
1
𝑋ത = ෍ 𝑋𝑖
𝑛
𝑖=1

• dan variansi sampel oleh statistik,

𝑛 𝑛 𝑛
1 1 σ 2
2 𝑖=1 𝑋𝑖
2
𝑆 = ෍ 𝑋𝑖 − 𝑋ത 2 = ෍ 𝑋𝑖 −
𝑛−1 𝑛−1 𝑛
𝑖=1 𝑖=1

• Simpangan baku sampel dinyatakan dengan S didefinisikan sebagai akar positif

variansi sampel.

EDUNEX ITB
4

Distribusi sampel
• Distribusi peluang suatu statistik disebut distribusi sampel.
• Simpangan baku distribusi sampel suatu statistik disebut galat baku
dari statistik tersebut.

EDUNEX ITB
5

Distribusi sampel dari rataan,

X

• Misalkan sampel acak berukuran n diambil dari populasi normal

dengan rataan  dan variansi 2. tiap pengamatan Xi, i = 1, 2, ..., n,
dari sampel acak tersebut akan berdistribusi normal yang sama
dengan populasi yang diambil sampelnya.
1 𝑛 1 1 𝑛 1
• E 𝑋ത = 𝐸 σ𝑖=1 𝑋𝑖 = 𝐸 σ𝑛𝑖=1 𝑋𝑖 = σ𝑖=1 𝐸 𝑋𝑖 = 𝑛𝜇 =𝜇
𝑛 𝑛 𝑛 𝑛
1 𝑛 1 𝑛 1 𝜎2
ത = Var
• Var(𝑋) σ𝑖=1 𝑋𝑖 = 2
σ𝑖=1 𝑉𝑎𝑟(𝑋𝑖 ) = 𝑛𝜎 2
=
𝑛 𝑛 𝑛2 𝑛

EDUNEX ITB
6

Teorema Limit Pusat

• Bila 𝑋ത rataan sampel acak ukuran n yang diambil dari populasi dengan
rataan  dan variansi 2 yang berhingga, maka bentuk limit dari
distribusi,
𝑋ത − 𝜇
𝑍=
𝜎/ 𝑛
bila 𝑛 → ∞, ialah distribusi normal baku N(0,1).

EDUNEX ITB
7

Distribusi sampel
X1 − X 2 dari selisih dua rataan,
• Bila sampel bebas ukuran n1 dan n2 diambil secara acak dari dua populasi,
diskrit maupun kontinu, masing-masing dengan rataan 1 dan 2 dan
variansi 12 dan 22, maka distribusi sampel dari selisih rataan, (𝑋ത1 − 𝑋ത2 ),
berdistribusi hampir normal dengan rataan dan variansi berturut-turut
𝜎12 𝜎22
adalah, (𝜇1 − 𝜇2 ) dan + . Sehingga,
𝑛1 𝑛2

𝑋ത1 − 𝑋ത2 − (𝜇1 − 𝜇2 )

Z=
𝜎12 𝜎22
+
𝑛1 𝑛2
Secara hampiran merupakan peubah normal baku.
EDUNEX ITB
8
2
𝑛−1 𝑆
Distribusi sampel dari
 2

• Bila 𝑆2 variansi sampel acak ukuran 𝑛 diambil dari populasi normal

dengan variansi 2, maka statistik
𝑛 − 1 𝑆2
2
berdistribusi khi kuadrat dengan derajat kebebasan 𝜈 = 𝑛 − 1 .

EDUNEX ITB
9

STATISTIK TERURUT
• Misal sampel acak 𝑋1 , 𝑋2 , . . . , 𝑋𝑛 Berukuran n yang mempunyai fungsi
peluang f(x) untuk .
Jika Y1 adalah nilai terkecil dari (𝑋1 , 𝑋2 , . . . , 𝑋𝑛 ),
Y2 adalah nilai terkecil kedua dari (𝑋1 , 𝑋2 , . . . , 𝑋𝑛 ),…,
Yk adalah nilai terkecil ke-k dari (𝑋1 , 𝑋2 , . . . , 𝑋𝑛 ),…,
Yn adalah nilai terbesar dari (𝑋1 , 𝑋2 , . . . , 𝑋𝑛 )
Maka akan berlaku hubungan sebagai berikut:
𝑌1 < 𝑌2 <. . . < 𝑌𝑘 <. . . < 𝑌𝑛
• Dalam hal ini, Yi, i = 1, 2, …, n dinamakan statistik terurut ke-i dari
sampel acak 𝑋1 , 𝑋2 , . . . , 𝑋𝑛 .
EDUNEX ITB
10

Fungsi peluang gabugan

• Fungsi peluang gabungan dari 𝑌1 , 𝑌2 , . . . , 𝑌𝑛 :

𝑛! 𝑓 𝑦1 𝑓 𝑦2 … 𝑓 𝑦𝑛 , 𝑎 < 𝑦1 < ⋯ < 𝑦𝑛 < 𝑏

𝑔(𝑦1 , 𝑦2 , … , 𝑦𝑛 ) = ቊ
0, lainnya

• Contoh: Misal 𝑋1 , 𝑋2 , . . . , 𝑋𝑛 sampel acak dari distribusi 𝑁(𝜇, 𝜎 2 ).

Tentukan fungsi peluang gabungan dari 𝑌1 , 𝑌2 , . . . , 𝑌𝑛 dengan 𝑌1 <
𝑌2 <. . . < 𝑌𝑛 .

EDUNEX ITB
11

Contoh (Solusi):
𝑥−𝜇 2
, −∞<𝑥 <∞
1
• Diketahui : 𝑓(𝑥) =
−
𝑒 2𝜎2
𝜎 2𝜋

g ( y1 , y2 ,..., yn ) = n ! f ( y1 ) f ( y2 )... f ( yn )
( y1 −  )2 ( yn −  ) 2
1 − 1 −
= n! e 2 2
e 2 2

 2  2
n
( yi −  )2

1
−
1 2 i =1  2
= n! e , −   y1  ...  yn  
( )
n
2

EDUNEX ITB
12

Distribusi dari Y1
• Misal 𝑋1 , 𝑋2 , . . . , 𝑋𝑛 adalah sampel acak berukuran n. Jika Y1 adalah
nilai terkecil dari (𝑋1 , 𝑋2 , . . . , 𝑋𝑛 ), maka fungsi peluang dari
𝑌1 = min(𝑋1 , 𝑋2 , . . . , 𝑋𝑛 ) adalah:

n 1 − F ( y1 )  f ( y1 )
 n −1
a  y1  b
g1 ( y1 ) = 

 0 y1 yang lain

EDUNEX ITB
13

Contoh
• Misal 𝑌1 < 𝑌2 < 𝑌3 < 𝑌4 < 𝑌5 merupakan statistik terurut dari
sampel acak berukuran 5 yang berdistribusi dengan fungsi peluang:

𝑒 −𝑥 , 𝑥>0
𝑓 𝑥 =ቊ
0, 𝑥 lainnya

Tentukan 𝑃(𝑌1 < 2)!

EDUNEX ITB
14

Contoh (Solusi)
y5 y5
F ( y5 ) =  f ( x)dx =  e dx = 1 − e
−x − y5
− 0

f ( y5 ) = F '( y5 ) = e − y5

g5 ( y5 ) = 5  F ( y5 )  f ( y5 ) = 5(1 − e − y5 ) 4 e − y5
4


P(Y5  2) =  5(1 − e − y5 4 − y5
) e dy5 = 0,52
2

EDUNEX ITB
15

Distribusi dari Yn
• Misal 𝑋1 , 𝑋2 , . . . , 𝑋𝑛 adalah sampel acak berukuran n. Jika Yn adalah
nilai terbesar dari (𝑋1 , 𝑋2 , . . . , 𝑋𝑛 ), maka fungsi peluang dari
𝑌𝑛 = max(𝑋1 , 𝑋2 , . . . , 𝑋𝑛 ) adalah:

n  F ( yn ) n −1 f ( yn ) a  yn  b
g n ( yn ) = 
 0 yn yang lain

EDUNEX ITB
16

Contoh
• Misal 𝑌1 < 𝑌2 < 𝑌3 < 𝑌4 < 𝑌5 merupakan statistik terurut dari
sampel acak berukuran 5 yang berdistribusi dengan fungsi peluang:

𝑒 −𝑥 , 𝑥>0
𝑓 𝑥 =ቊ
0, 𝑥 lainnya

Tentukan 𝑃(𝑌5 > 2)!

EDUNEX ITB
17

Contoh (Solusi)

•…

∞
• 𝑃(𝑌5 > 2) = ‫׬‬2 5 1 − 𝑒 −𝑦5 4 𝑒 −𝑦5 𝑑𝑦5 = 0,52

EDUNEX ITB
18

Distribusi dari Yk
• Misal 𝑋1 , 𝑋2 , . . . , 𝑋𝑛 adalah sampel acak berukuran n. Jika Yk adalah
nilai terkecil ke-k dari (𝑋1 , 𝑋2 , . . . , 𝑋𝑛 ), maka fungsi peluang dari
𝑔𝑘 𝑦𝑘 adalah:
 n!
 k  k 
k −1 n−k
 F ( y ) 1 − F ( y ) f ( yk ) a  yk  b
g k ( yk ) =  (k − 1)!(n − k )!

 0 yk yang lain

EDUNEX ITB
19

Contoh
• Misal 𝑌1 < 𝑌2 < 𝑌3 < 𝑌4 < 𝑌5 merupakan statistik terurut dari
sampel acak berukuran 5 yang berdistribusi dengan fungsi peluang:

𝑒 −𝑥 , 𝑥>0
𝑓 𝑥 =ቊ
0, 𝑥 lainnya

Tentukan 𝑃(𝑌4 ≥ 1)!

EDUNEX ITB
20

Contoh (Solusi)
𝑦4 −𝑥
• 𝐹 𝑦4 = ‫׬‬0 𝑒 𝑑𝑥 = 1 − 𝑒 −𝑦4

• 𝑓 𝑦4 = 𝐹 ′ 𝑦4 = 𝑒 −𝑦4

𝑔4 (𝑦4 ) = 20 𝐹(𝑦4 ) 3 1 − 𝐹(𝑦4 ) 𝑓(𝑦4 )

• 1−𝑒 −𝑦4 )3 −𝑦4
= 20( 𝑒
∞
• 𝑃(𝑌4 ≥ 1) = ‫׬‬1 20 1 − 𝑒 −𝑦4 3 𝑒 −𝑦4 𝑑𝑦4 = 0,13

EDUNEX ITB
21

Referensi
 Dekking F.M., et.al., A Modern Introduction to Probability and
Statistics, London : Springer, 2005.
 Devore, J.L. and Peck, R., Statistics – The Exploration and
Analysis of Data, USA: Duxbury Press, 1997.
 Hogg, et.al., Intro. to Mathematical Statistics 6th ed., Pearson:
New Jersey, 2005.
 Wackerly, et.al., Mathematicsl Statistics and Its Application 7th
Ed., USA: Thomson, 2008.
 Walpole, Ronald E., et.al, Statistitic for Scientist and
Engineering, 8th Ed., 2007.
 Wild, C.J. and Seber, G.A.F., Chance Encounters – A first
Course in Data Analysis and Inference, USA: John
Wiley&Sons,Inc., 2000.
EDUNEX ITB
21