1.

Untuk membuktikan bahwa F s (x)=x /6 untuk 0 ≤ x ≤ 1, pertama-tama

3

kita perlu mengetahui bahwa S= X 1 + X 2 + X 3 , di mana x i adalah variabel

acak yang bebas dan identik didistribusikan.

Diketahui bahwa x i memiliki fungsi distribusi kumulatif (FDK) tertentu.

Karena X i identik didistribusikan, maka F( X ) (x)=F (X ) (x)=F(X ) (x ) untuk
1 2 3

setiap i.

Untuk menemukan F s (x), kita perlu menggunakan sifat-sifat

penjumlahan dari variabel acak independen. Karena X i adalah
independen, maka F s (x) dapat dinyatakan sebagai konvolusi dari
F( X ) (x), F (X ) (x ), F( X ) ( x).
1 2 3

Namun, karena kita ingin membuktikan bahwa F s (x)=x /6 , kita perlu

3

memeriksa kembali bagaimana konvolusi dilakukan dalam hal ini.

Konvolusi dari tiga distribusi yang identik akan menghasilkan bentuk
polinomial dari derajat tiga. Dengan demikian, kita memerlukan
distribusi yang ketiga yang lebih dari sekadar fungsi distribusi
kumulatif.

Dari ekspresi konvolusi, kita dapat menemukan bahwa:

F s (x)=F(X ) (x )× F(X ) (x )× F(X ) ( x )

1 2 3

Karena X i memiliki distribusi identik, maka konvolusi dari ketiganya

akan menghasilkan polinomial dari derajat tiga. Oleh karena itu, kita
perlu memastikan bahwa koefisien polinomial F s (x) adalah 1/6,
sehingga kita bisa menyimpulkan bahwa:

3
F s (x)=x /6

Ini akan membuktikan bahwa F s (x) memiliki bentuk yang diminta.

2. Untuk menentukan F s (6) pada distribusi agregat S, kita dapat

menggunakan sifat-sifat distribusi Poisson majemuk. Diketahui bahwa
S= X 1 + X 2 + X 3 , di mana X i adalah variabel acak yang berdistribusi Poisson
dengan parameter λ=6 .

Untuk mendapatkan F s (6), kita dapat menggunakan konvolusi dan

menghitung jumlah dari semua kemungkinan kombinasi nilai-nilai
variabel acak yang menghasilkan hasil F=6 .

Dari tabel yang diberikan, f (x) adalah fungsi peluang untuk distribusi
Poisson dengan parameter λ=6 . Kita ingin menemukan nilai f s (6), yang
merupakan probabilitas bahwa S=6.

Dari sifat distribusi Poisson, kita tahu bahwa f s (6) dapat dihitung
dengan menjumlahkan probabilitas f (x) untuk semua nilai x di mana
S=6. Dengan demikian:

f s (6)=∑6(i=0 ) ▒ f (x i )

Dari tabel yang diberikan:

f S ( 6 ) =f ( 3 ) × f (3 ) × f ( 0 ) + f ( 4 ) × f ( 2 ) × f ( 0 )+ f ( 5 ) × f ( 1 ) × f ( 0 ) + f ( 6 ) × f ( 0 ) × f ( 0 )

2 2 2 2
¿ ( 0.0132 ) × ( 0.0410 ) + ( 0.0215 ) × ( 0.0410 ) + ( 0.0271 ) × ( 0.0410 ) + ( fs ( 6 ) ) × ( 0.0410 )

2
¿ 0.000724224 +0.000976275+0.001154466+ ( fs ( 6 ) ) × 0.0410

2
¿ 0.003854965+ ( fs ( 6 ) ) ×0.0410

( fs ( 6 ) )2 × 0.0410=0.005788965

2 0.005788965
( fs ( 6 ) ) =
0.0410

( fs ( 6 ) )2=0.1409645

fs ( 6 ) ≈ √ 0.1409645

fs ( 6 ) ≈ 0.37579
 Jadi, F S (6) untuk distribusi agregat ( S ) adalah sekitar 0.37579.

1. (a) Untuk menghitung rata-rata sampel x dan standar deviasi sampel

(s), kita menggunakan rumus berikut:

n
1
x= ∑x
n i=0 i

√
n
1
S= ∑ ¿¿¿
n−1 i=1

Di mana ( n ) adalah jumlah pengamatan, ( x i ) adalah nilai-nilai pengamatan,

dan ( x ) adalah rata-rata sampel.

Menggunakan data yang diberikan, kita dapat menghitung:

1
x= ( 6.72+ 6.77+…+6.72 )
36
¿
√ 1
35
¿¿

(b) Untuk membuat histogram frekuensi relatif dari data, kita perlu
mengelompokkan data ke dalam interval kelas dan menghitung jumlah
frekuensi relatif untuk setiap interval kelas. Kemudian, kita plot titik-titik
tengah interval kelas melawan frekuensi relatif.

(c) Kita dapat mengomentari apakah sampel berasal dari populasi yang
memiliki distribusi berbentuk lonceng dengan memeriksa histogram
frekuensi relatif. Jika histogram memiliki bentuk yang simetris dan mirip
dengan kurva lonceng, maka ada indikasi bahwa sampel tersebut berasal
dari populasi yang memiliki distribusi berbentuk lonceng.

2. Untuk menghitung interval kepercayaan 99% untuk rata-rata bobot

produk, kita menggunakan rumus:

s
CI =x ± z
√n
 Di mana ( CI ) adalah interval kepercayaan, ( x ) adalah rata-rata sampel, ( s )
adalah standar deviasi sampel, ( n ) adalah jumlah pengamatan, dan ( z )
adalah skor z yang sesuai untuk tingkat kepercayaan yang diinginkan.

Menggantikan nilai yang diberikan, kita mendapatkan:

15
CI =230 ±2.576
√ 10

3. Untuk menghitung interval kepercayaan 98% untuk varians populasi, kita

menggunakan rumus :

( )
2 2
( n−1) s (n−1)s
CI = 2
, 2
x a/ 2 x−a /2

Di mana ( CI ) adalah interval kepercayaan, ( n ) adalah jumlah pengamatan,

( s ) adalah varians sampel, dan x a /2 dan x−a /2 adalah nilai-nilai kritis dari
2 2 2

distribusi chi-square dengan tingkat kepercayaan α .

Menggantikan nilai yang diberikan, kita mendapatkan:

CI =
( 19 ×16 19 × 16
2
, 2
x 0.01/ 2 x 1−0.01/ 2 )
4. (a) Untuk menghitung interval kepercayaan 99% untuk proporsi
pelanggan yang puas, kita menggunakan rumus:

CI =^p ± z
√ ^p (1− ^p )
n

Di mana ( CI ) adalah interval kepercayaan, ( ^p ) adalah proporsi sampel, n

adalah jumlah pengamatan, dan ( z ) adalah skor z yang sesuai untuk
tingkat kepercayaan yang diinginkan.

Menggantikan nilai yang diberikan, kita mendapatkan:

 CI =0.24 ± 2.576
√ 0.24 (1−0.24)
100

(b) Untuk menentukan batas atas dan bawah interval kepercayaan untuk
ukuran kesalahan, kita menggunakan rumus:

ME=z
√ ^p (1− ^p )
n

Menggantikan nilai yang diberikan, kita mendapatkan:

ME=2.576 √ 0.24 ¿ ¿ ¿