Materi-3: Statistika Matematika

Peserta: Mahasiswa PSM 2022-A

Dosen: Prof. Drs. Zul Amry, M. Si., Ph. D

BAB 1. Dasar-dasar Statistika Matematika (bagian-3)

Fungsi Pembangkit Momen ( Moment Generating Function) disingkat MGF

Pengantar
Bahan ajar yang dibahas dalam materi-3 ini merupakan kelanjutan dari materi-2 dasar-dasar statistika-
matematika yang dikhususkan pada topik Fungsi Pembangkit Momen, dengan kompetensi, mahasiswa mampu:
● Menentukan MGF suatu variabel random dengan densitas yang diketahui.
● Menerapkan teorema yang terkait dengan MGF

6. Momen
Definisi 7
Momen ke k disekitar a dari variabel random X didefinisikan dengan:
 k
  ( x  a ) . f ( x )dx , X kontinu
E ( X  a ) k     
 ( x  a ) k . f ( x ), X diskrit
 x
dari definisi ini dapat diperoleh momen ke k disekitar 0 adalah
 k
  x . f ( x )dx , X kontinu
E X k      `
 x k . f ( x ), X diskrit
 x
7. Fungsi Pembangkit Momen (MGF)

Definisi 8
Misalkan X adalah variabel random. MGF dari X dinotasikan dengan M X t  dan didefinisikan
  tx
  e . f ( x )dx , X kontinu
M X ( t )  E e tX     
 e tx . f ( x ), X diskrit
 x
Contoh
e  x , x  0
1) Misalkan X adalah variabel random dengan densitas f x    , MGF X adalah
0 , otherwise

1 ( t 1 ) x 
 
  
M X t   E e tX  tx t x x ( t 1 ) x
 e f ( x ) dx =  e e dx =  e dx = e 
 0 0 t 1 0

1 ( 1t ) x  1
( 0  1 ) = 1  t 
1
= e  =
t 1 0 t  1

∴ �� � = 1  t 
1

�
, � = 1,2,3
2) Tentukan MGF X , apabila X variabel random dengan densitas � � = 6 .
0, ��ℎ������
�
�� � = � ��� = �
��� � � = �=1,2,3
��� 6
1 2 3 3�
= 6
�� + 6 �2� + 6
�

1 2 3
∴ �� � = �� + �2� + �3�
6 6 6

Hubungan antara momen dan MGF disajikan pada teorema berikut:

1
Teorema 4
Jika MGF dari suatu variabel random X ada, maka E X k  M (Xk ) ( 0 ) , k=1, 2, 3, …  
Bukti (untuk yang kontinu)

 

Berdasarkan definisi M X ( t )  E e tX  e
tx
. f ( x )dx , ambil derivatifnya terhadap t, sebagai berikut :



 x.e
1 tx
M (t ) 
X . f ( x)dx


M 11  x .e
2 tx
X (t )  . f ( x)dx





 x .e
(k ) k tx
M X (t )  . f ( x)dx


 

sehingga untuk t=0, akan diperoleh : M (Xk ) ( 0 )  x
k
.e x . f ( x )dx  E X k 

dengan notasi lain dapat dituliskan:

 
E Xk 
dk
M X t  , k  1, 2, 3, 
dt k t 0

pembuktian lebih lanjut, dapat dilakukan dengan induksi matematika

Contoh
x
 , x  1, 2 , 4
Misalkan X adalah variabel random dengan densitas f  x    7 ,
0 , otherwise
tentukan E  X  dan Var  X  melalui MGF.
Jawab
● MGF X M X (t )  E e tX    et x
x
7
=
1
7
et 
2
7
e 2t 
4
7
e 4t
x 1, 2 , 4

d 1 4 16
● Tentukan derivatif pertama: M X t   e t  e 2t  e 4t
dt 7 7 7
d 1 4 16
EX   M X t     3
dt t 0 7 7 7
d2 1 t 8 2t 64 4t
● Tentukan derivatif kedua: M X t   e  e  e
dt 2
7 7 7
2
 
E X2 
d
M X t  
1 8 64 73
 
7 7 7

7
dt 2 t 0
73 10
● Var  X   E ( X 2 )   2 =  32 =
7 7

Soal-latihan

1) Tentukan MGF X , E  X  dan Var  X  dari variabel random X masing-masing dengan densitas berikut
x2 1  x
 , jika x  1,2 ,3  e 3 , jika x  0
a) f ( x )   14 b) f ( x )   3
0 , otherwise 0 , otherwise
 

et
2) Misalkan X variabel random dengan MGF M X t   , tentukan E  X  dan Var  X 
2  et

ξξξ