PERTEMUAN 2

JOINT DISTRIBUTIONS
(part 1)

Ika Yuni Wulansari,SST, M.Stat

Mata Kuliah : Statistika Matematika I
Sekolah Tinggi Ilmu Statistik, Jakarta
 JOINT DISCRETE DISTRIBUTION
Definisi:
Joint probability density function (joint pdf) dari
random variabel diskret X  ( X 1 , X 2 ,..., X k ) didefinisikan
f ( x1 , x2 ,..., xk )  P[ X 1  x1 , X 2  x2 ,..., X k  xk ]
Untuk semua nilai yang mungkin x  ( x1 , x2 ,..., xk )
dari X
Dalam konteks ini [ X 1  x1 , X 2  x2 ,..., X k  xk ]
menyatakan irisan / interseksi dari k-event, yaitu
[ X 1  x1 ]  [ X 2  x2 ]  ...  [ X k  xk ]
 JOINT DISCRETE DISTRIBUTION
Definisi :
Fungsi 𝑓 𝑥, 𝑦 adalah joint distribusi peubah acak diskret
X dan Y, jika
1. 𝑓(𝑥, 𝑦) ≥ 0 untuk semua (x,y)
2. σ𝑥 σ𝑦 𝑓 𝑥, 𝑦 = 1
3. 𝑃 𝑋 = 𝑥, 𝑌 = 𝑦 = 𝑓(𝑥, 𝑦)
Untuk tiap daerah A di bidang xy, 𝑃 𝑋, 𝑌 ∈ 𝐴 =
σ𝐴 σ 𝑓(𝑥, 𝑦)
 JOINT DISCRETE DISTRIBUTION
Contoh 1:
Sebuah keranjang berisi 1000 bola yaitu 400 bola merah, 400 bola
putih dan 200 bola pink. 10 bola dipilih acak tanpa pengembalian.
Banyak bola merah dinyatakan dengan 𝑋1 dan banyaknya bola putih
dinyatakan dengan 𝑋2 .
Joint pdf bagi pasangan (𝑋1 , 𝑋2 ) adalah
 400  400  200 
   
10  x1  x2 
f ( x1 , x2 )   1  2 
x x
,0  x1 ,0  x2 , x1  x2  10
1000 
 
 10 
misal 𝑓 2,5 = 0,0331
 JOINT DISCRETE DISTRIBUTION
Ekstended Hypergeometric Distribution
Anggap terdapat sekelompok item sebanyak N dengan 𝑘 + 1
jenis yang berbeda: jenis 1 sebanyak 𝑀1 , jenis 2 sebanyak 𝑀2
dst. Diambil 𝑛 item tanpa pengembalian. Anggap 𝑖 adalah
banyaknya item jenis-𝑖 yang terambil. Vektor random variabel
𝑿 = (𝑋1 , 𝑋2 , … , 𝑋𝑘 ) memiliki Ekstended Hypergeometric
Distribution dengan joint pdf
 M 1  M 2   M k  M k 1 
  ...  
f ( x1 , x2 ,..., xk )   x1  x2   xk  xk 1 
N
 
n
 JOINT DISCRETE DISTRIBUTION
Ekstended Hypergeometric Distribution
k k
untuk semua 0  xi  M i , dimana M k 1  N   M i dan xk 1  n   xi
i 1 i 1

Dapat juga dituliskan :

𝐗~Hyp(n, M1 , M2 , … , Mk , N)
 JOINT DISCRETE DISTRIBUTION
Distribusi Multinomial
Anggap terdapat 𝑘 + 1 kejadian yang mutually exclusive dan
exhaustive: 𝐸1 , 𝐸2 , … , 𝐸𝑘 , 𝐸𝑘+1 yang dapat terjadi pada
beberapa trial atau eksperimen. Anggap 𝑝𝑖 = 𝑃 𝐸𝑖 untuk 𝑖 =
1,2, … , 𝑘 + 1. Dalam 𝑛 independen trial dalam eksperimen,
anggap 𝑋𝑖 adalah banyaknya kemunculan kejadian 𝐸𝑖 . Vektor
𝑿 = (𝑋1 , 𝑋2 , … , 𝑋𝑘 ) dikatakan memiliki distribusi multinomial
dengan joint pdf
n!
f ( x1 , x2 ,..., xk )  p1x1 p2x2 ... pkxk 11
x1! x2 !...xk 1!
k k
untuk semua 0  xi  n, dimana xk 1  n   xi dan pk 1  1   pi
i 1 i 1

Dapat di tuliskan ∶ 𝐗~Mult (n, p1 , p2 , … , pk )

 JOINT DISCRETE DISTRIBUTION
Teorema :
Sebuah fungsi 𝑓(𝑥1 , 𝑥2 , … , 𝑥𝑘 ) adalah joint pdf dari
beberapa nilai vektor random variabel 𝑿 =
(𝑋1 , 𝑋2 , … , 𝑋𝑘 ) jika dan hanya jika memenuhi sifat
f ( x1 , x2 ,..., xk )  0 untuk semua nilai yang mungkin ( x1 , x2 ,..., xk )
dan
 ... f ( x , x ,..., x )  1
x1 xk
1 2 k
 JOINT DISCRETE DISTRIBUTION
Contoh 2:
X1 , X2 ~Mult(3; 0,4; 0,4)
Joint probabilities sbb:
𝑿𝟐 Joint probability

0 1 2 3
0 0,0080 0,0480 0,0960 0,0640 0,2160
1 0,0480 0,1920 0,1920 0,0000 0,4320
𝑿𝟏
2 0,0960 0,1920 0,0000 0,0000 0,2880
3 0,0640 0,0000 0,0000 0,0000 0,0640
0,2160 0,4320 0,2880 0,0640 1,0000

Marginal
Probability Note : σ3𝑥1 =0 σ3𝑥2 =0 𝑓 𝑥1 , 𝑥2 = 1
 JOINT DISCRETE DISTRIBUTION
Contoh 3:
Misal ingin diketahui berapa peluang 𝑋1 = 0 tanpa
memandang berapapun nilai 𝑋2
3

𝑃 𝑋1 = 0 = ෍ 𝑃[𝑋1 = 0, 𝑋2 = 𝑗]
𝑗=0
3

= ෍ 𝑓 0, 𝑥2 = 0,216
𝑥2 =0

Inilah yang disebut sebagai marginal probability

 DISCRETE MARGINAL PDF
Definisi:
Jika pasangan random variabel diskret ( X 1 , X 2 ) memiliki
joint pdf f ( x1 , x2 ) , maka marginal PDF dari X 1 dan X 2
adalah
f1 ( x1 )   f ( x1 , x2 ) dan f 2 ( x2 )   f ( x1 , x2 )
x2 x1
 JOINT CDF
Definisi:
Joint cumulative distribution function dari random
variabel X 1 , X 2 ,..., X k adalah sebuah fungsi yang
didefinisikan sebagai
F ( x1 ,..., xk )  P[ X 1  x1 ,..., X k  xk ]
 JOINT CDF
Teorema :
Sebuah fungsi 𝐹(𝑥1 , 𝑥2 ) adalah bivariat CDF jika dan hanya jika
lim 𝐹 𝑥1 , 𝑥2 = 𝐹 −∞, 𝑥2 = 0 untuk semua 𝑥2
𝑥1 →−∞
lim 𝐹 𝑥1 , 𝑥2 = 𝐹 𝑥1 , −∞ = 0 untuk semua 𝑥1
𝑥2 →−∞
lim 𝐹 𝑥1 , 𝑥2 = 𝐹 ∞, ∞ = 1
𝑥1 →∞
𝑥2 →∞
𝐹 𝑏, 𝑑 − 𝐹 𝑏, 𝑐 − 𝐹 𝑎, 𝑑 + 𝐹(𝑎, 𝑐) ≥ 0, untuk semua 𝑎 < 𝑏
dan 𝑐 < 𝑑
lim− 𝐹 𝑥1 + ℎ, 𝑥2 = lim+ 𝐹 𝑥1 , 𝑥2 + ℎ = 𝐹(𝑥1 , 𝑥2 ) untuk
ℎ→0 ℎ→0
semua 𝑥1 dan 𝑥2
 Latihan 1
1. Bila distribusi peluang gabungan X dan Y berbentuk
(𝑥+𝑦)
𝑓 𝑥, 𝑦 = untuk x = 0,1,2,3; y = 0,1,2
30
Cari :
a. 𝑃(𝑋 ≤ 2, 𝑌 = 1)
b. 𝑃(𝑋 > 2, 𝑌 ≤ 1)
c. 𝑃 𝑋 > 𝑌
d. 𝑃(𝑋 + 𝑌 = 4)
 Latihan 1
2. Lima kartu diambil tanpa pengembalian dari setumpuk kartu
remi. Anggap X menyatakan banyaknya kartu as. Y menyatakan
banyaknya kartu king, dan Z menyatakan banyaknya kartu
queen yang terambil. Tentukan:
a. 𝑃 𝑋 = 2
b. 𝑃 𝑌 = 2
c. 𝑃 𝑋 = 2 ⋂𝑃(𝑌 = 2)
d. 𝑃(𝑋 = 2, 𝑌 = 2, 𝑍 = 1)
e. Tuliskan pernyataan untuk joint pdf dari X, Y dan Z
 Latihan 1
3. Suppose that 𝑋1 and 𝑋2 are discrete random variables with
joint pdf of the form
𝑓 𝑥1 , 𝑥2 = 𝑐 𝑥1 + 𝑥2 ; 𝑥1 = 0,1,2 ; 𝑥2 = 0,1,2
and zero otherwise. Find the constant c.
4. Two card are drawn at random without replacement from
an ordinary deck. Let X be the number of heart and Y the
number of black card obtained.
a. Write an expression for joint pdf, 𝑓(𝑥, 𝑦)
b. Find the marginal pdf’s, 𝑓1 (𝑥) and 𝑓2 𝑦
5. Rework number 4., assuming that the cards are drawn with
replacement
 JOINT CONTINUOUS DISTRIBUTIONS
Definisi :
Fungsi 𝑓(𝑥, 𝑦) adalah joint distribusi random variabel
kontinyu X dan Y jika
1. 𝑓(𝑥, 𝑦) ≥ 0 untuk semua 𝑥 dan 𝑦
∞ ∞
2. ‫׬‬−∞ ‫׬‬−∞ 𝑓 𝑥, 𝑦 𝑑𝑥𝑑𝑦 = 1

3. 𝑃 𝑋, 𝑌 ∈ 𝐴 = ‫𝑥 𝑓 ׬ 𝐴׬‬, 𝑦 𝑑𝑥 𝑑𝑦
Untuk setiap daerah A di bidang xy
 JOINT CONTINUOUS DISTRIBUTIONS
Definisi :
Sebuah vektor random variabel X  ( X 1 , X 2 ,..., X k )
dikatakan kontinyu jika ada sebuah fungsi f ( x1 , x2 ,..., xk )
yang disebut joint pdf dari X, sehingga joint CDF nya
dapat ditulis sebagai
xk x1

F ( x1 , x2 ,..., xk )   ...  f (t1 ,..., t k )dt1...dt k

 

Untuk semua x  ( x1 ,..., xk )

 JOINT CONTINUOUS DISTRIBUTIONS
Teorema :
Sebuah fungsi 𝑓 𝑥1 , 𝑥2 , … , 𝑥𝑘 adalah joint pdf dari
random variabel dengan dimensi-k jika dan hanya jika
𝑓(𝑥1 , … , 𝑥𝑘 ) ≥ 0 untuk semua 𝑥1 , … , 𝑥𝑘
dan
∞ ∞
න … න 𝑓 𝑥1 , … , 𝑥𝑘 𝑑𝑥1 … 𝑑𝑥𝑘 = 1
−∞ −∞
 JOINT CONTINUOUS DISTRIBUTIONS
Contoh 4:
Diketahui sebuah fungsi gabungan
2
𝑓 𝑥, 𝑦 = 2𝑥 + 3𝑦 , 0 ≤ 𝑥 ≤ 1, 0 ≤ 𝑦 ≤ 1
5
a. Tunjukkan bahwa syarat 2 terpenuhi
b. Cari 𝑃[(𝑋, 𝑌) ∈ 𝐴], bila A daerah {(𝑥, 𝑦)|0 < 𝑥 <
1 1 1
, <𝑦< }
2 4 2
 JOINT CONTINUOUS DISTRIBUTIONS
Contoh 5 :
Anggap joint pdf diberikan sbb 𝑓 𝑥1 , 𝑥2 = 4𝑥1 𝑥2 ;
0 < 𝑥1 < 1, 0 < 𝑥2 < 1. Joint CDF diberikan sbg
𝑥2 𝑥1

𝐹 𝑥1 , 𝑥2 = න න 4𝑡1 𝑡2 𝑑𝑡1 𝑑𝑡2

0 0
= 𝑥1 2 𝑥2 2 ; 0 < 𝑥1 < 1, 0 < 𝑥2 < 1
 JOINT CONTINUOUS DISTRIBUTIONS
Contoh 6:

𝑋1 + 𝑋2
𝑃 < 0,5 = 𝑃 𝑋1 , 𝑋2 ∈ 𝐴
2
1 1−𝑥2
1
= න න 4𝑥1 𝑥2 𝑑𝑥1 𝑑𝑥2 =
6
0 0
 CONTINUOUS MARGINAL PDF
Definisi:
Jika pasangan random variabel kontinyu ( X 1 , X 2 )
memiliki joint pdf f ( x1 , x2 ) , maka marginal PDF
dari X 1 dan X 2 adalah
 

f1 ( x1 )   f ( x , x )dx
1 2 2 dan f 2 ( x2 )   f ( x , x )dx

1 2 1

 CONTINUOUS MARGINAL PDF
Contoh 7:
Dari contoh 4, tentukan marginal pdf untuk 𝑓1 𝑥 dan
𝑓2 (𝑦)
4𝑥 + 3
𝑓1 𝑥 =
5

2(1 + 3𝑦)
𝑓2 𝑦 =
5
 MARGINAL CDF
Definisi :
Jika X  ( X 1 , X 2 ,..., X k ) adalah sebuah random variabel
berdimensi-k dengan joint CDF F ( x1 , x2 ,..., xk ) , maka
marginal CDF dari 𝑋𝑗 adalah
𝐹𝑗 𝑥𝑗 = 𝑥lim →∞
𝐹(𝑥1 , … , 𝑥𝑗 , … 𝑥𝑘 )
𝑗
𝑖≠𝑗
Lebih jauh, jika X diskret, maka marginal pdf nya
𝑓𝑗 𝑥𝑗 = ෍ … ෍ 𝑓(𝑥1 , … , 𝑥𝑗 , … , 𝑥𝑘 )
𝑠𝑒𝑚𝑢𝑎 𝑖≠𝑗

Jika X kontinyu, marginal pdf nya

𝑓𝑗 𝑥𝑗 = න න 𝑓(𝑥1 , … , 𝑥𝑗 , … , 𝑥𝑘 )𝑑𝑥1 … 𝑑𝑥𝑘

𝑠𝑒𝑚𝑢𝑎 𝑖≠𝑗
 Latihan 2
1. Nasabah dapat mendapatkan uang tunai dari suatu bank
melalui pelayanan manusia dan mesin. Pada suatu hari yang
dipilih secara acak, misalkanlah X dan Y masing-masing
menyatakan proporsi waktu pelayanan manusia dan mesin
digunakan dan misalkan joint distribusinya berbentuk
2
𝑓 𝑥, 𝑦 = 𝑥 + 2𝑦 , 0 ≤ 𝑥 ≤ 1, 0 ≤ 𝑦 ≤ 1
3
a. Cari marginal pdf dari X
b. Cari marginal pdf dari Y
c. Cari peluangnya bahwa pelayanan manusia sibuk kurang
dari setengah waktu
 Latihan 2
2. Suatu perusahaan coklat mengirim berkotak-kotak coklat
dengan campuran krim, tofe dan kacang. Misalkanlah berat
tiap kotak 1 kg, tetapi berat tiap krim, tofe dan kacang
beragam dari kotak ke kotak. Untuk kotak yang dipilih secara
acak, misalkan X dan Y masing-masing menyatakan berat
krim dan tofe dan misalkan bahwa fungsi padat gabungan
kedua peubah ini berbentuk
𝑓 𝑥, 𝑦 = 24𝑥𝑦 , 0 ≤ 𝑥 ≤ 1, 0 ≤ 𝑦 ≤ 1, 𝑥 + 𝑦 ≤ 1
a. Cari peluangnya bahwa dalam suatu kotak tertentu berat
kacang lebih dari ½ kg
b. Cari marginal pdf dari berat krim
 Latihan 2
3. Suppose the joint pdf of lifetime of a certain part and a
spare is given by
𝑓 𝑥, 𝑦 = 𝑒 −(𝑥+𝑦) , 0 < 𝑥 < ∞, 0 < 𝑦 < ∞
and zero otherwise. Find each of the following:
a. The marginal pdf’s 𝑓1 (𝑥) and 𝑓2 (𝑦)
b. The joint CDF, 𝐹(𝑥, 𝑦)
c. P X > 2
d. P[X+Y>2]
 Latihan 2
4. Bila X, Y, dan Z mempunyai joint pdf
𝑓 𝑥, 𝑦, 𝑧 = 𝑘𝑥𝑦 2 𝑧, 0 < x < 1, 0 < y < 1, 0 < z < 2
a. Carilah nilai 𝑘
1 1
b. Hitung P(𝑋 < ,𝑌 > ,1 < 𝑍 < 2)
4 2
 Latihan 2
5. Fungsi peluang gabungan peubah acak X, Y dan Z adalah
4𝑥𝑦𝑧 2
𝑓 𝑥, 𝑦, 𝑧 = , 0 < 𝑥 < 1, 0 < 𝑦 < 1, 0 < 𝑧 < 3
9
a. Carilah fungsi marginal gabungan Y dan Z
b. Carilah fungsi marginal Y
1 1 1
c. P( <X< ,Y > ,1 < Z < 2)
4 2 3