STK 203 TEORI STATISTIKA I

dokumen-dokumen yang mirip
STK 203 TEORI STATISTIKA I

STK 203 TEORI STATISTIKA I

MINGGU KE-9 MACAM-MACAM KONVERGENSI

BAB II LANDASAN TEORI

Pengantar Statistika Matematika II

MA2082 BIOSTATISTIKA Bab 3 Peubah Acak dan Distribusi

BI5106 ANALISIS BIOSTATISTIK Bab 3 Peubah Acak dan Dist

Pengantar Statistika Matematika II

II. TINJAUAN PUSTAKA. Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam

Metode Statistika STK211/ 3(2-3)

Pengantar Statistika Matematika II

Peubah Acak dan Distribusi

Pengantar Proses Stokastik

MINGGU KE-6 VARIABEL RANDOM DAN DISTRIBUSINYA

Pengantar Statistika Matematik(a)

STK 511 Analisis statistika. Materi 3 Sebaran Peubah Acak

Pengantar Statistika Matematika II

Pengantar Statistika Matematika II

MA4183 MODEL RISIKO Control your Risk!

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

STK 211 Metode statistika. Materi 4 Peubah Acak dan Sebaran Peluang

Pengantar Proses Stokastik

MA4183 MODEL RISIKO Control your Risk!

Teori Peluang Diskrit

Bab II Kajian Teori Copula

Pengantar Statistika Matematika II

Pengantar Proses Stokastik

Catatan Kuliah. MA4183 Model Risiko

25/09/2013. Konsep Peubah Acak. Metode Statistika (STK211) Peubah Acak Diskret. Kuis. Tipe Peubah Acak

Dengan demikian, untuk sembarang B = [a, b], maka persamaan (5.1) menjadi

Pengantar Proses Stokastik

MA3081 STATISTIKA MATEMATIK(A) Bab 2: Distribusi Samp

Konsep Dasar Statistik dan Probabilitas

Pengantar Statistika Matematika II

Setiap karakteristik dari distribusi populasi disebut dengan parameter. Statistik adalah variabel random yang hanya tergantung pada harga observasi

Catatan Kuliah. MA4183 Model Risiko

BAB IV MODEL HIDDEN MARKOV

STATISTIK PERTEMUAN VI

BAB 2 LANDASAN TEORI

MA5181 PROSES STOKASTIK

Statistika Farmasi

Pr { +h =1 = } lim. Suatu fungsi dikatakan h apabila lim =0. Dapat dilihat bahwa besarnya. probabilitas independen dari.

BEBERAPA DISTRIBUSI KHUSUS DKINTINU DIKENAL

MA5181 PROSES STOKASTIK

TINJAUAN PUSTAKA. ruang sampel dan dilambangkan dengan huruf S. Ruang sampel beranggotakan

Sampling dengan Simulasi Komputer

MA4181 MODEL RISIKO Risk is managed, not avoided

Pengantar Statistika Matematik(a)

SATUAN ACUAN PERKULIAHAN MATA KULIAH : STATISTIK & PROBABILITAS KODE : TIK1010 / SKS : 3 SKS

BEBERAPA TEKNIK DISTRIBUSI FUNGSI PEUBAH ACAK

28/09/2012 SAMPLE SPACE, SAMPLE POINTS, EVENTS. ω Ω

PEUBAH ACAK DAN DISTRIBUSINYA

DISTRIBUSI PROBABILITAS

REVIEW: DISTRIBUSI PELUANG KHUSUS & UJI HIPOTESIS. Utriweni Mukhaiyar MA2281 Statistika Nonparametrik Kamis, 21 Januari 2016

MINGGU KE-8 HARGA HARAPAN DAN BEBERAPA KETAKSAMAAN DALA

LANDASAN TEORI. menyatakan hubungan antara variabel respon Y dengan variabel-variabel

MA4181 MODEL RISIKO Risk is managed, not avoided

MA4183 MODEL RISIKO Control your Risk!

STATISTIKA UNIPA SURABAYA

Catatan Kuliah. MA4183 Model Risiko Risk: Quantify and Control. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

II LANDASAN TEORI. 2.1 Ruang Contoh, Kejadian dan Peluang. 2.2 Peubah Acak dan Fungsi Sebaran

II. LANDASAN TEORI. 2. P bersifat aditif tak hingga, yaitu jika dengan. 2.1 Ruang Contoh, Kejadian dan Peluang

Catatan Kuliah. MA4183 Model Risiko

PEUBAH ACAK. Materi 4 - STK211 Metode Statistika. October 2, Okt, Department of Statistics, IPB. Dr. Agus Mohamad Soleh

BAB II TINJAUAN PUSTAKA. (b) Variabel independen yang biasanya dinyatakan dengan simbol

II. TINJAUAN PUSTAKA. kontinu. Bentuk kurva distribusi logistik adalah simetri dan uni-modal. Bentuk

II. LANDASAN TEORI. sєs (S ruang sampel) dengan sebuah bilangan real. Salah satu peubah acak adalah

BAB II TINJAUAN PUSTAKA

Definisi: Nilai harapan/ekspektasi (expected value/expectation) atau ekspektasi dari peubah acak diskrit/kontinu X adalah

STK511 Analisis Statistika. Pertemuan 3 Sebaran Peluang Peubah Acak

STATISTIKA. Muhamad Nursalman Pendilkom/Ilkom UPI

II. LANDASAN TEORI. karakteristik dari generalized Weibull distribution dibutuhkan beberapa fungsi

Mata Kuliah Pemodelan & Simulasi

DISTRIBUSI KONTINU. Uniform Normal Gamma & Eksponensial. MA3181 Teori Peluang 3 November 2014 Utriweni Mukhaiyar

MINGGU KE-11 HUKUM BILANGAN BESAR LEMAH DAN KUAT

PENGANTAR PROBABILITAS STATISTIKA UNIPA SBY

LANDASAN TEORI. Generalized Lambda Distribution (GLD) awalnya diusulkan oleh Ramberg dan

TINJAUAN PUSTAKA. mengestimasi parameter regresi. Distribusi generalized. digunakan dalam bidang ekonomi dan keuangan.

Catatan Kuliah. MA4183 Model Risiko Forecast, assess, and control your risk. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

MA4081 PENGANTAR PROSES STOKASTIK Bab 3 Distribusi Eksponensial dan Aplikasinya

TINJAUAN PUSTAKA. Model Linier dengan n pengamatan dan p variable penjelas biasa ditulis sebagai

BILANGAN ACAK. Metode untuk mendapatkan bilangan acak : 1. Metode Kongruen Campuran Rumus :

MODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU

Pertemuan V Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution)

BAB II LANDASAN TEORI. ilmiah. Pencacahan atau pengukuran karakteristik suatu objek kajian yang

MA3081 STATISTIKA MATEMATIKA We love Statistics

DASAR-DASAR ANALISIS MATEMATIKA

MA5181 PROSES STOKASTIK

Bab 8 Fungsi Peluang Bersama: Bersama Kita Berpisah

KONVOLUSI DISTRIBUSI EKSPONENSIAL DENGAN PARAMETER BERBEDA

BAB III PROSES POISSON MAJEMUK

BABAK PENYISIHAN SELEKSI TINGKAT PROVINSI BIDANG KOMPETISI

KONSISTENSI ESTIMATOR

4.1.1 Distribusi Binomial

Pengantar Statistika Matematika II

RANCANGAN KURIKULUM PROGRAM MAGISTER STATISTIKA TERAPAN DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI)

Catatan Kuliah. MA4183 Model Risiko Forecast, assess, and control your risk. Dosen: Khreshna I.A. Syuhada, MSc. PhD.

MA5181 PROSES STOKASTIK

II. TINJAUAN PUSTAKA

RANCANGAN KURIKULUM PROGRAM MASTER STATISTIKA TERAPAN DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI)

Transkripsi:

STK 203 TEORI STATISTIKA I V. SEBARAN FUNGSI PEUBAH ACAK V. Sebaran Fungsi Peubah Acak 1 Sebaran Fungsi Peubah Acak Dalam banyak kasus untuk melakukan inferensi terhadap suatu parameter kita lebih banyak menggunakan fungsi dari peubah acak. Sebagai ilustrasi, pada saat kita akan melakukan pengujian hipotesis terhadap nilai tengah µ dari peubah acak X yang menyebar normal, statistik yang digunakan adalah t = x _ µ 0 s x Kenapa menggunakan statistik tsb? V. Sebaran Fungsi Peubah Acak 2

Sebaran Fungsi Peubah Acak Untuk menentukan sebaran fungsi peubah acak tersebut, kita akan membahas tiga metode utama yaitu : (1) Metode Fungsi Sebaran (2) Metode Transformasi (3) Metode Fungsi Pembangkit Momen V. Sebaran Fungsi Peubah Acak 3 (1) Metode Fungsi Sebaran Perhatikan Y adalah peubah acak kontinu dengan fungsi sebaran F Y (y). Jika U = g(y) dan F U (u) adalah fungsi sebaran peubah acak U, secara umum kita bisa mencari f U (u) yang merupakan turunan pertama dari F U (u). Sedangkan F U (u) = P U (U u) = P U (g(y) u) V. Sebaran Fungsi Peubah Acak 4

(1) Ilustrasi 5.1. Jika Y ~ Seragam (0, 1) dan U = g(y) = - log(y) Dengan demikian f U (u) kita peroleh dari turunan pertama F U (u), sbb. karena 0 < y < 1 maka u = - log(y) > 0 sehingga diperoleh Kita tahu bahwa F Y (y) = y untuk 0 < y < 1. Sehingga 0 < e -u < 1 dan F U (u) = 1 F Y (y) = 1 - e -u u lainnya Bisa diperlihatkan bahwa U ~ Eksponensial (1) V. Sebaran Fungsi Peubah Acak 5 (1) Ilustrasi 5.2. Diketahui Y ~ Eksponensial (1). Tentukan fkp U = g(y) = Y + θ, θ > 0. Dengan metode fungsi sebaran kita peroleh : Dengan demikian kita bisa memperoleh f U (u) dengan menentukan turunan pertama dari F U (u) sbb. Kita tahu bahwa F Y (y) = 1- e -y untuk y > 0. Sehingga u - θ > 0 dan F U (u) = 1 F Y (u - θ) = 1 - e-(u - θ) Jadi u lainnya V. Sebaran Fungsi Peubah Acak 6

(2) Metode Transformasi Perhatikan peubah acak kontinu Y dengan fungsi sebarannya F Y (y) dan U = g(y) adalah fungsi satu-ke-satu dari Y. Ada beberapa sifat dari fungsi satu-ke-satu yang akan kita gunakan, yaitu : (1) g akan memetakan R ke R dengan sifat monoton naik atau monoton turun (2) g akan memiliki fungsi kebalikan yang unik, g -1 V. Sebaran Fungsi Peubah Acak 7 (2) Perhatikan jika g(y) adalah fungsi satu-ke-satu yang monoton naik, maka u = g(y) g -1 (u) = y, dan Dengan menurunkan F U (u) akan diperoleh aturan rantai V. Sebaran Fungsi Peubah Acak 8

(2) Sekarang perhatikan jika g monoton naik, demikian pula dengan g -1, sehingga. Jika g monoton turun, demikian pula dengan g -1, sehingga akan tetapi f Y (g -1 (u)) < 0 sehingga bernilai positif. Untuk mengatasi kedua kasus tersebut, kita bisa menggunakan fungsi harga mutlak, sehingga fkp bagi U adalah V. Sebaran Fungsi Peubah Acak 9 (2) Ilustrasi 5.3. Diketahui Y ~ Eksponensial (β). Tentukan fkp Pertama-tama, kita harus meyakinkan bahwa g adalah fungsi satu-kesatu pada daerah fungsi R Y. Mudah untuk ditunjukkan bahwa g(y) adalah fungsi yang monoton naik dan bersifat satu-ke-satu pada R Y = {y 0 < y < }. Selanjutnya kita tentukan turunan dari g -1 (u), sehingga diperoleh dan dan berdasarkan formulasi sebelumnya, maka diperoleh untuk (?) Dengan demikian U ~ Wibull (2, β) V. Sebaran Fungsi Peubah Acak 10

(2) Ilustrasi 5.4. Diketahui fkp peubah acak Y sbb. y lainnya Tentukan fkp dari U = g(y) = 1 - Y Mudah untuk menunjukkan g(y) adalah fungsi yang monoton turun dan bersifat satu-ke-satu pada R Y = {y 0 < y < 1}. Selanjutnya kita tentukan turunan dari g -1 (u), sehingga diperoleh dan dan berdasarkan formulasi sebelumnya, maka diperoleh untuk V. Sebaran Fungsi Peubah Acak 11 (2) Pertanyaan berikutnya adalah BAGAIMANA KALAU g(y) BUKAN FUNGSI SATU-KE-SATU? Dalam kondisi g yang bukan fungsi satu-ke-satu kita masih bisa menggunakan metode transformasi asalkan kita dapat mempartisi R Y sedemikian sehingga diperoleh partisi-partisi yang tidak beririsan dan g pada masing-masing partisi bersifat satu-ke-satu. V. Sebaran Fungsi Peubah Acak 12

(2) Teorema 5.1.: Perhatikan Y peubah acak kontinu dengan fkp f Y (y) dan U = g(y) adalah suatu fungsi yang tidak bersifat satu-ke-satu pada R Y tetapi kontinu. Misalkan kita dapat mempartisi R Y menjadi beberapa himpunan yang terhingga banyaknya, katakan A 1, A 2,, A k dengan (i) P(Y i A i ) > 0 untuk setiap i dan (ii) f Y (y) bersifat kontinu pada setiap A i Jika fungsi g 1 (y), g 2 (y),, g k (y) ada sedemikian sehingga g i (y) terdefinisi pada A i untuk i = 1, 2,, k serta g i (y) memenuhi sifat (i) g(y) = g i (y) untuk setiap y A i (ii) g i (y) bersifat monoton pada A i maka : u lainnya V. Sebaran Fungsi Peubah Acak 13 (2) Ilustrasi 5.5. Diketahui Y ~ N(0, 1). Tentukan fkp peubah acak U = Y 2 Pertama-tama, kita lihat bahwa U = Y 2 bukan fungsi satu-ke-satu pada R Y = {y - < y < } tetapi bersifat satu-ke-satu pada A 1 = (-, 0) dan A 2 = [0, ). g(y) = y 2 bersifat monoton turun pada A 1 dan monoton naik pada A 2 dan juga berlaku R Y = A 1 A 2. Kemudian bisa kita peroleh ringkasan berikut partisi R Y transformasi invers transformasi dan pada A 1 dan A 2 berlaku V. Sebaran Fungsi Peubah Acak 14

(2) Ilustrasi 5.5. perhatikan u = y 2 > 0, sehingga R U = {u u > 0}. Berdasarkan teorema 5.1. maka fkp bagi U adalah u lainnya ; karena Dengan demikian U ~ Gamma (1/2, 2) atau U ~ χ 2 (1) V. Sebaran Fungsi Peubah Acak 15 (3) Metode Fungsi Pembangkit Momen Teorema 5.2. Perhatikan X dan Y yang masing-masing memiliki fungsi pembangkit momen m X (t) dan m Y (t). Jika m X (t) = m Y (t) untuk semua nilai t maka X dan Y memiliki fkp/fmp yang sama. (sifat unik fungsi pembangkit momen). Bagaimana menentukan fkp/fmp melalui fpm? Jika kita memiliki suatu fungsi U = g(y) dan kemudian dapat ditentukan m U (t) adalah fungsi pembangkit momen peubah acak U, serta kita mengenali bentuknya (misal Poisson, Binomial, Normal, Gamma, dll). Kita dapat menggunakan sifat unik fungsi pembangkit momen untuk menentukan fkp/fmp dari peubah acak U. V. Sebaran Fungsi Peubah Acak 16

(3) Ilustrasi 5.6. Jika Y ~ Gamma(α, β), perlihatkan bahwa U = g(y) = 2Y/β ~ χ 2 (2α). Kita tahu bahwa fpm Y adalah sehingga Jelas U ~ χ 2 (2α) V. Sebaran Fungsi Peubah Acak 17 (3) Teorema 5.3. Perhatikan Y 1, Y 2,, Y n adalah contoh acak dimana Yi memiliki fpm m Yi (t) untuk i = 1, 2,, n. Jika U = Y 1 + Y 2 + + Y n maka Bisa diperlihatkan sbb. V. Sebaran Fungsi Peubah Acak 18

(3) Ilustrasi 5.7. Jika Y 1, Y 2,, Y n ~ Bernoulli (p). Tentukan fkp U = Y 1 + Y 2 + + Y n. m U (t) dapat dihitung sbb. kali m U (t) adalah fpm Binomial (n, p). Jadi U ~ Binomial (n, p) V. Sebaran Fungsi Peubah Acak 19 (4) Transpormasi Peubah Acak Ganda Dalam pembahasan topik ini kita akan fokus pada transformasi ganda dua yaitu jika kita memiliki U 1 = g 1 (Y 1, Y 2 ) dan U 2 = g 2 (Y 1, Y 2 ). Perhatikan jika (Y 1, Y 2 ) adalah peubah acak ganda kontinu dengan fkp bersama f Y1,Y2 (y 1, y 2 ). Jika g : R 2 R 2 yang memetakan satu-ke-satu dari R Y1Y2 ke R U1U2 dimana U 1 = g 1 (Y 1, Y 2 ) dan U 2 = g 2 (Y 1, Y 2 ) serta g 1-1 dan g 2-1 dapat diturunkan secara parsial dan diperoleh maka (u 1, u 2 ) lainnya V. Sebaran Fungsi Peubah Acak 20

(4) Ilustrasi 5.8. Diketahui Y 1 ~ Γ(α,1), Y 2 ~ Γ(β, 1) dengan Y 1 dan Y 2 saling bebas. Jika didefinisikan : Tentukan : (a) f U1U2 (u 1, u 2 ), fkp bersama dari U 1 dan U 2 (b) f U1 (u 1 ), fkp marginal U 1 (c) f U2 (u 2 ), fkp marginal U 2 V. Sebaran Fungsi Peubah Acak 21 (4) Ilustrasi 5.8. (a) f U1U2 (u 1, u 2 ), fkp bersama dari U 1 dan U 2 karena Y 1 dan Y 2 saling bebas, maka fkp bersama (Y 1, Y 2 ) adalah untuk (y 1, y 2 ) R Y1,Y2 = {(y 1, y 2 ) y 1 > 0, y 2 > 0). Dengan memperhatikan u 1 = y 1 + y 2 dan u 2 = y 1 /(y 1 +y 2 ), maka R U1,U2 = {(u 1, u 2 ) u 1 >0, 0 < u 2 < 1) dan dan V. Sebaran Fungsi Peubah Acak 22

(4) Ilustrasi 5.8. (a) f U1U2 (u 1, u 2 ), fkp bersama dari U 1 dan U 2 dengan demikian diperoleh dan dapat ditulis (u 1, u 2 ) lainnya V. Sebaran Fungsi Peubah Acak 23 (4) Ilustrasi 5.8. (b) f U1 (u 1 ), fkp marginal U 1 kita akan integralkan fkp bersama (U 1, U 2 ) untuk setiap nilai u 2 maka kita peroleh u 1 lainnya V. Sebaran Fungsi Peubah Acak 24

(4) Ilustrasi 5.8. (c) f U2 (u 2 ), fkp marginal U 2 kita akan integralkan fkp bersama (U 1, U 2 ) untuk setiap nilai u 1 maka kita peroleh u 2 lainnya V. Sebaran Fungsi Peubah Acak 25 (5) Statistik Tataan Perhatikan Y 1, Y 2,, Y n adalah contoh acak dari Y ~ f Y (y θ) dengan fungsi sebaran F Y (y). Didefinisikan Y (1) Y (2) Y (n) adalah statistik tataan (order statistics) dengan Y (1) adalah nilai terkecil, Y (2) nilai terkecil berikutnya, demikian seterusnya sehingga Y (n) adalah nilai terbesar. Karena Y i saling benas, maka fkp bersamanya adalah Π i f Y (y i θ). Menurut aturan pencacahan, akan ada n! cara yang berbeda untuk menyusun Y 1, Y 2,, Y n sehingga diperoleh Y (1) Y (2) Y (n), dengan demikian fkp bersama dari statistik tataan adalah f Y(1),Y(2),,Y(n) (y 1, y 2,, y n ) = n! Π i f Y (y i θ) = n! f Y (y 1 θ) f Y (y 2 θ) f Y (y n θ) V. Sebaran Fungsi Peubah Acak 26

(5) (a) fkp statistik minimum, Y (1) dan dan dan sehingga dapat diperoreh V. Sebaran Fungsi Peubah Acak 27 (5) (b) fkp statistik maksimum, Y (n) dan dan dan sehingga dapat diperoreh V. Sebaran Fungsi Peubah Acak 28

(5) (c) fkp statistik tataan ke-k, Y (k) Untuk mencari f Y(k) (y) coba didekati dengan model peluang multinomial. Suatu barisan {Y (i) } kita bagi dalam 3 kelas, yaitu Kelas 1 2 3 Nilai Y Y < y Y = y Y > y Banyak anggota kelas k -1 1 n - k Karena Y i saling bebas, maka dengan pendekatan model multinomial kita peroleh dengan menginterpretasikan F Y (y) = P(Y i < y), f Y (y) = P(Y i = y) dan 1- F Y (y) = P(Y i > y), maka fkp bagi statistik tataan ke-k adalah V. Sebaran Fungsi Peubah Acak 29 (5) Ilustrasi 5.9. Diberikan Y 1, Y 2,, Y 10 contoh acak dari Y ~ Beta(2,1). Tentukan : (a). P(Y (1) < 0.25) (b). P(Y (10) > 0.90) (c). P(Y (6) > 0.50) V. Sebaran Fungsi Peubah Acak 30