Var X y x E X y. g x y dx. dan varians bersyarat dari Y diberikan X = x dirumuskan sebagai berikut: Var Y x y E Y x. h y x dy

dokumen-dokumen yang mirip
EKSPEKTASI DUA PEUBAH ACAK

Darpublic Nopember 2013

Analisis Model dan Contoh Numerik

TEKNIK FUNGSI PEMBANGKIT MOMEN

BAB II PERTIDAKSAMAAN CHERNOFF

BAB II MATERI PENUNJANG. 2.1 Keuangan Opsi

Hendra Gunawan. 28 Maret 2014

PERSAMAAN GERAK VEKTOR SATUAN. / i / = / j / = / k / = 1

MA1201 MATEMATIKA 2A Hendra Gunawan

LIMIT FUNGSI. 0,9 2,9 0,95 2,95 0,99 2,99 1 Tidak terdefinisi 1,01 3,01 1,05 3,05 1,1 3,1 Gambar 1

Sebaran Peubah Acak Bersama

Peubah acak adalah suatu fungsi dari ruang contoh ke bilangan nyata, f : S R

Integral dan Persamaan Diferensial

0,9 2,9 0,95 2,95 0,99 2,99 1 Tidak terdefinisi 1,01 3,01 1,05 3,05 1,1 3,1 Gambar 7.1

RANK DARI MATRIKS ATAS RING

BAB 2 LANDASAN TEORI

Sebaran Peubah Acak Bersama

Jurusan Teknik Sipil Fakultas Teknik Sipil dan Perencanaan Universitas Mercu Buana MODUL PERTEMUAN KE 3. MATA KULIAH : FISIKA DASAR (4 sks)

BAB III METODE PENELITIAN

Fakultas Teknik Jurusan Teknik Sipil Universitas Brawijaya

BAB 4 FUNGSI BERPEUBAH BANYAK DAN TURUNANNYA

BEBERAPA TEKNIK DISTRIBUSI FUNGSI PEUBAH ACAK

Peubah acak X yang berdistribusi normal dengan rataan sebagai: 2 ) X ~ N(,

KINEMATIKA GERAK DALAM SATU DIMENSI

BAB I PERSAMAAN GERAK

PENERAPAN PERHITUNGAN FISHER-SNEDECOR UNTUK UJI F

KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL. Sudarno Staf Pengajar Program Studi Statistika FMIPA UNDIP

Bab III Studi Kasus Model Double Decrement

ESTIMASI POPULASI / STOK IKAN

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF

FIsika KTSP & K-13 KINEMATIKA. K e l a s A. VEKTOR POSISI

Pertemuan IX, X V. Struktur Portal

v dan persamaan di C menjadi : L x L x

HIDDEN MARKOV MODEL. Proses Stokastik dapat dipandang sebagai suatu barisan peubah acak dengan T adalah parameter indeks dan X

x 4 x 3 x 2 x 5 O x 1 1 Posisi, perpindahan, jarak x 1 t 5 t 4 t 3 t 2 t 1 FI1101 Fisika Dasar IA Pekan #1: Kinematika Satu Dimensi Dr.

A. Distribusi Gabungan

(HARAPAN MATEMATIKA) BI5106 Analisis Biostatistik 20 September 2012 Utriweni Mukhaiyar

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA

BAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa

I. PENDAHULUAN II. LANDASAN TEORI

PERHITUNGAN VALUE AT RISK (VaR) DENGAN SIMULASI MONTE CARLO (STUDI KASUS SAHAM PT. XL ACIATA.Tbk)

A. Distribusi Gabungan

BAB KINEMATIKA DENGAN ANALISIS VEKTOR

PERTEMUAN 4 DIAGRAM ALUR (FLOWCHART) Diagram Alur untuk Program Komputer.

B a b 1 I s y a r a t

BAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun

PERTEMUAN 2 KINEMATIKA SATU DIMENSI

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Fungsi Bernilai Vektor

Muhammad Firdaus, Ph.D

BAB II TEORI DASAR PELAT

Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD.

BAHAN AJAR GERAK LURUS KELAS X/ SEMESTER 1 OLEH : LIUS HERMANSYAH,

Oleh : Danny Kurnianto; Risa Farrid Christianti Sekolah Tinggi Teknologi Telematika Telkom Purwokerto

1.4 Persamaan Schrodinger Bergantung Waktu

Distribusi Normal Multivariat

PENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV HAMILTON *

Soal Pilihan Ganda : Pilihlah Satu Jawaban Yang Benar nilai maksimal = 50. Soal : Pendahuluan Komputer Grafik

MODUL PERTEMUAN KE 3. MATA KULIAH : FISIKA TERAPAN (2 sks)

III. METODE PENELITIAN

SIMULASI PERGERAKAN TINGKAT BUNGA BERDASARKAN MODEL VASICEK

ROTASI (PUTARAN) Diajukan untuk memenuhi tugas mata kuliah GEOMETRI TRANSFORMASI yang diampuh oleh Ekasatya Aldila A., M.Sc.

BEBERAPA DISTRIBUSI KHUSUS DKINTINU DIKENAL

SEBARAN STASIONER PADA SISTEM BONUS-MALUS SWISS SERTA MODIFIKASINYA (Cherry Galatia Ballangan)

Estimasi Parameter. Modul 1 PENDAHULUAN

BAB 1 PENDAHULUAN. Propinsi Sumatera Utara merupakan salah satu propinsi yang mempunyai

PENGARUH STRATEGI PEMBELAJARAN GENIUS LEARNING TERHADAP HASIL BELAJAR FISIKA SISWA

Fakultas Teknik Jurusan Teknik Sipil Universitas Brawijaya

BAB 2 LANDASAN TEORI

III. PEMODELAN HARGA PENGGUNAAN INTERNET

MODEl PERSAMAAN DIFERENSIAL STOKASTIK UNTUK PROSES PRENDIVILLE

IR. STEVANUS ARIANTO 1

PENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih populasi.

BAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 2 LANDASAN TEORI

BAB III PERENCANAAN DAN PEMBUATAN SISTEM Perencanaan dan pembuatan Perangkat Keras

STATISTIK PERTEMUAN VI

Catatan Kuliah AK5161 Matematika Keuangan Aktuaria Insure and Invest! Dosen: Khreshna I.A. Syuhada, MSc. PhD.

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON*

BAB 2 MOMEN DAN ENTROPI

BAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan

PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN

Metode Regresi Linier

BAB III METODE PENELITIAN

HUMAN CAPITAL. Minggu 16

BAB 2 LANDASAN TEORI

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB IV NILAI EIGEN DAN VEKTOR EIGEN. Bab ini membahas suatu vektor tidak nol x dan skalar l yang mempunyai

BAB 2 KINEMATIKA. A. Posisi, Jarak, dan Perpindahan

BAB III METODOLOGI PENELITIAN

PENGGUNAAN DISTRIBUSI PELUANG JOHNSON SB UNTUK OPTIMASI PEMELIHARAAN MESIN

kimia LAJU REAKSI II Tujuan Pembelajaran

FISIKA. Kelas X GLB DAN GLBB K13 A. GERAK LURUS BERATURAN (GLB)

Bab II Dasar Teori Kelayakan Investasi

Aljabar Linear Elementer

BAB 3PERANCANGAN SISTEM

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Studi kasus pada CV Cita Nasional.

Transkripsi:

0

VARIANS BERSYARAT Penenuan varians bersara dari sebuah peubah acak diberikan peubah acak lainna, baik diskri maupun koninu dijelaskan dalam Definisi 7.. Definisi 7.: VARIANS BERSYARAT UMUM Jika X dan Y adalah dua peubah acak, baik diskri maupun koninu, maka varians bersara dari X diberikan Y = didefinisikan sebagai: Var(X ) = E[{X - E(X )} ] aau Var(X ) = E(X ) - [E(X )] dan varians bersara dari Y diberikan X = x didefinisikan sebagai: Var(Y x) = E[{Y - E(Y x)} x] aau Var(Y x) = E(Y x) - [E(Y x)] Penenuan varians bersara dari sebuah peubah acak diskri diberikan peubah acak diskri lainna, baik varians bersara dari X diberikan Y = maupun varians bersara dari Y diberikan X = x dijelaskan dalam Definisi 7.3. Definisi 7.3: VARIANS BERSYARAT DISKRIT Jika X dan Y adalah dua peubah acak diskri, p (x ) adalah nilai fungsi peluang bersara dari X diberikan Y = di x, dan p ( x) adalah nilai fungsi peluang bersara dari Y diberikan X = x di, maka varians bersara dari X diberikan Y = dirumuskan sebagai beriku: Var X x E X. p ' x x dan varians bersara dari Y diberikan X = x dirumuskan sebagai beriku: Var Y x E Y x. p '' x Penenuan varians bersara dari sebuah peubah acak koninu diberikan peubah acak koninu lainna, baik varians bersara dari X diberikan Y = maupun varians bersara dari Y diberikan X = x dijelaskan dalam Definisi 7.4. Definisi 7.4: VARIANS BERSYARAT KONTINU Jika X dan Y adalah dua peubah acak koninu, g(x ) adalah nilai fungsi densias bersara dari X diberikan Y = di x, dan h( x) adalah nilai fungsi densias bersara dari Y diberikan X = x di, maka varians bersara dari X diberikan Y = dirumuskan sebagai beriku: Var X x E X. g x dx dan varians bersara dari Y diberikan X = x dirumuskan sebagai beriku: Var Y x E Y x. h x d

FUNGSI PEMBANGKIT MOMEN GABUNGAN Fungsi pembangki momen gabungan dapa didefinisikan sebagai fungsi pembangki momen ang diperoleh berdasarkan fungsi peluang gabungan aau fungsi densias gabungan dari dua peubah acak. Dalam hal ini, fungsi pembangki momen gabungan dapa digunakan unuk memperoleh momen-momen, baik unuk sau peubah acak maupun dua peubah acak. Fungsi pembangki momen gabungan dari dua peubah acak diskri dijelaskan dalam Definisi 7.5. Definisi 7.5: FUNGSI PEMBANGKIT MOMEN GABUNGAN UMUM Jika X dan adalah dua peubah acak, baik diskri maupun koninu, maka fungsi pembangki momen gabungan dari X dan Y (dinoasikan dengan M(, )) didefinisikan sebagai: M(, ) = E[exp( X + Y)] unuk -h < < h, -h < < h, h > 0, h > 0. Fungsi pembangki momen gabungan dari dua peubah acak diskri dijelaskan dalam Definisi 7.6. Definisi 7.6: FUNGSI PEMBANGKIT MOMEN GABUNGAN DISKRIT Jika X dan Y adalah peubah acak diskri dengan p(x,) adalah nilai fungsi peluang gabungan dari X dan Y di (x,), maka fungsi pembangki momen gabungan dari X dan Y didefinisikan sebagai: x M, e. p( x, ) x Fungsi pembangki momen gabungan dari dua peubah acak koninu dijelaskan dalam Definisi 7.7. Definisi 7.7: FUNGSI PEMBANGKIT MOMEN GABUNGAN KONTINU Jika X dan Y adalah peubah acak koninu dengan f(x,) adalah nilai fungsi densias gabungan dari X dan Y di (x,), maka fungsi pembangki momen gabungan dari X dan Y didefinisikan sebagai: x M, e. f ( x, ) dx d Berdasarkan fungsi pembangki momen gabungan dari X dan Y, kia dapa menenukan fungsi pembangki momen masing-masing dari X dan Y ang dinamakan fungsi pembangki momen marginal dari X dan fungsi pembangki momen marginal dari Y. Fungsi pembangki momen marginal dari X diperoleh dari fungsi pembangki momen gabungan dengan mensubsiusikan = 0, sehingga: M(,0) = M( ) = E[exp( X)] Penenuan momen-momen dari peubah acak X berdasarkan fungsi pembangki momenna digunakan rumus sebagai beriku: M, 0 x E( X ) 0 E X M(, 0) 0 Adapun penenuan varians dari X digunakan rumus sebagai beriku:

Var( X ) X Fungsi pembangki momen marginal dari Y diperoleh dari fungsi pembangki momen gabungan dengan mensubsiusikan = 0, sehingga: M(0, ) = M( ) = E[exp( Y)] Penenuan momen-momen dari peubah acak Y berdasarkan fungsi pembangki momenna digunakan rumus sebagai beriku: E( Y) M( 0, ) 0 E Y M( 0, ) 0 Adapun penenuan varians dari Y digunakan rumus sebagai beriku: Var( Y) Y Adapun nilai E(XY) dienukan dengan rumus sebagai beriku: E( XY) M, 0 KOEFISIEN KORELASI Penenuan deraja hubungan linier anara dua buah peubah acak digunakan koefisien korelasi. Rumus ang digunakan unuk menenukan deraja hubungan linier ersebu bisa diliha dalam Definisi 7.8. Definisi 7.8: KOEFISIEN KORELASI Jika X dan Y adalah dua peubah acak, baik diskri maupun koninu, maka koefisien korelasi (dinoasikan dengan ) didefinisikan sebagai: E( XY) E( X ). E( Y) E X E( X ) E Y E( Y) Selain iu, penghiungan koefisien korelasi dapa juga dilakukan berdasarkan fungsi pembangki momen gabungan dari X dan Y. Rumus ang digunakanna sama seperi di aas, dengan menggani: 3

a. E(XY) oleh b. E(X) oleh c. E(X ) oleh d. E(Y) oleh e. E(Y ) oleh Dalam hal ini, kelima besaran ersebu mempunai pengerian sebagai beriku: a. Turunan parsial dari M(, ) erhadap dahulu, kemudian hasilna diurunkan lagi erhadap, dan selanjuna dan disamakan dengan nol. b. Turunan parsial dari M(,0) erhadap, kemudian disamakan dengan nol. c. Turunan parsial dari M(,0) erhadap, kemudian hasilna diurunkan lagi erhadap, dan selanjuna disamakan dengan nol. d. Turunan parsial dari M(0, ) erhadap, kemudian disamakan dengan nol. e. Turunan parsial dari M(0, ) erhadap, kemudian hasilna diurunkan lagi erhadap, dan selanjuna disamakan dengan nol. Dengan demikian, penghiungan deraja hubungan anara dua buah peubah acak X dan Y dapa digunakan dengan dua cara, aiu:. perumusan ekspekasi 4

. perumusan fungsi pembangki momen gabungan AKIBAT KEBEBASAN STOKASTIK Kia sudah menjelaskan bahwa dua peubah acak dikaakan saling bebas, jika disribusi gabunganna sama dengan perkalian dari disribusi marginal masing-masing peubah acakna. Beberapa akiba kebebasan sokasik dari dua peubah acak bisa diliha dalam dalil-dalil beriku ini. Dalil 7.4: AKIBAT PERTAMA KEBEBASAN STOKASTIK E(XY) = E(X).E(Y) Dalil 7.5: AKIBAT KEDUA KEBEBASAN STOKASTIK E[(u(X).v(Y)] = E[u(X)].E[v(Y)] Dalil 7.6: AKIBAT KETIGA KEBEBASAN STOKASTIK M(, ) = M X ( ).M Y ( ) Dalil 7.7: AKIBAT KEEMPAT KEBEBASAN STOKASTIK Kov(X,Y) = 0 Dalil 7.8: AKIBAT KELIMA KEBEBASAN STOKASTIK = 0 Dalam hal ini, hubungan anara kebebasan sokasik dua peubah acak dan koefisien korelasina = 0 sebagai beriku:. Jika X dan Y adalah dua peubah acak ang saling bebas, maka = 0.. Jika = 0, maka X dan Y adalah dua peubah acak ang belum enu saling bebas. Dalil 7.9: AKIBAT KEENAM KEBEBASAN STOKASTIK r,s = r. s 5

6