FUNGSI PEMBANGKIT MOMEN UNTUK MEMENUHI TUGAS MATAKULIAH. Statistika Matematika. Yang dibina oleh Bapak Hendro Permadi. Oleh :

dokumen-dokumen yang mirip
DISTRIBUTIONS OF RANDOM VARIABLE DISTRIBUSI VARIABEL RANDOM

HANDOUT PERKULIAHAN. Pertemuan Ke : 3 : Distribusi Satu Peubah Acak dan Ekspektasi Satu Peubah Acak

Ekspektasi Satu Peubah Acak Diskrit

STATISTIKA UNIPA SURABAYA

STATISTIK PERTEMUAN VI

Ekspektasi Satu Peubah Acak Kontinu

CNH3E3 PROSES STOKASTIK Peubah Acak & Pendukungnya

MINGGU KE-8 HARGA HARAPAN DAN BEBERAPA KETAKSAMAAN DALA

BAB I PENDAHULUAN. dapat dianggap mendekati normal dengan mean μ = μ dan variansi

Learning Outcomes Sebaran Kontinu Nilai Harapan dan Ragam Beberapa Sebaran Kontinu. Peubah Acak Kontinu. Julio Adisantoso.

STK 203 TEORI STATISTIKA I

PEUBAH ACAK DAN SEBARANNYA

STATISTIKA. Muhamad Nursalman Pendilkom/Ilkom UPI

Catatan Kuliah AK5161 MATEMATIKA KEUANGAN AKTUARIA. Insure and Invest! Khreshna I.A. Syuhada, MSc. PhD.

Penentuan Momen ke-5 dari Distribusi Gamma

STK 203 TEORI STATISTIKA I

FPM PADA KELUARGA EKSPONENSIAL BENTUK KONONIK

MINGGU KE-11 HUKUM BILANGAN BESAR LEMAH DAN KUAT

PENGANTAR PROBABILITAS STATISTIKA UNIPA SBY

DISTRIBUSI SATU PEUBAH ACAK

Pengantar Proses Stokastik

BAB II LANDASAN TEORI

Pengantar Statistika Matematik(a)

MA5181 PROSES STOKASTIK

Learning Outcomes Peubah Acak Fungsi Sebaran Secaran Diskret Nilai Harapan. Peubah Acak. Julio Adisantoso. 13 Maret 2014

CNH2B4 / KOMPUTASI NUMERIK

digunakan untuk menyelesaikan persamaan yang nantinya akan diperoleh dalam

Pengantar Proses Stokastik

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

MATERI BAB I RUANG SAMPEL DAN KEJADIAN. A. Pendahuluan Dari jaman dulu sampai sekarang orang sering berhadapan dengan peluang.

KALKULUS BAB II FUNGSI, LIMIT, DAN KEKONTINUAN. DEPARTEMEN TEKNIK KIMIA Universitas Indonesia

LANDASAN TEORI. Dalam proses penelitian pendekatan distribusi generalized t(,,, ), ), melalui distribusi generalized beta 2

Peubah Acak dan Distribusi Kontinu

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

PENGANTAR MODEL PROBABILITAS

LANDASAN TEORI. Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu.

AK5161 Matematika Keuangan Aktuaria

Randy Toleka Ririhena, Nur Salam * dan Dewi Sri Susanti Program Studi Matematika Fakultas MIPA Universitas Lambung Mangkurat ABSTRACT

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

MA1201 MATEMATIKA 2A Hendra Gunawan

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

II. LANDASAN TEORI. sementara grafik distribusi F tidak simetrik dan umumnya sedikit positif seperti

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

Catatan Kuliah MA1123 Kalkulus Elementer I

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

BAHAN AJAR STATISTIKA DASAR Matematika STKIP Tuanku Tambusai Bangkinang 3. HARAPAN MATEMATIK

Definisi 4.1 Fungsi f dikatakan kontinu di titik a (continuous at a) jika dan hanya jika ketiga syarat berikut dipenuhi: (1) f(a) ada,

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

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

10. TEOREMA NILAI RATA-RATA

Bab 2 Distribusi Survival dan Tabel Mortalitas

Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada STATISTIKA. Distribusi Normal. 1-Sep-14

MA3231 Analisis Real

Bab 2. Landasan Teori. 2.1 Fungsi Convex

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

MA3081 STATISTIKA MATEMATIKA We love Statistics

Hendra Gunawan. 18 September 2013

Catatan Kuliah. MA5181 Proses Stokastik

MA2082 BIOSTATISTIKA Bab 3 Peubah Acak dan Distribusi

BAB 2 FUNGSI MEAN RESIDUAL LIFE

AK5161 Matematika Keuangan Aktuaria

EKSISTENSI TITIK TETAP DARI SUATU TRANSFORMASI LINIER PADA RUANG BANACH

Catatan Kuliah. MA5181 Proses Stokastik

BAB III DARI MODEL ANTRIAN M/M/1 DENGAN POLA KEDATANGAN BERKELOMPOK KONSTAN. 3.1 Model Antrian M/M/1 Dengan Pola Kedatangan Berkelompok Acak

BAHAN AJAR STATISTIKA DASAR Matematika STKIP Tuanku Tambusai Bangkinang 4. BEBERAPA DISTRIBUSI PELUANG DISKRET

Lampiran 1. Beberapa Definisi dan Lema Teknis

BI5106 ANALISIS BIOSTATISTIK Bab 3 Peubah Acak dan Dist

MA3231 Analisis Real

MA5181 PROSES STOKASTIK

II. TINJAUAN PUSTAKA. Dalam mengkaji penelitian Karakteristik Penduga Parameter Distribusi Log

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

HARAPAN MATEMATIK. Nur Hayati, S.ST, MT Yogyakarta, Maret 2016

BAB 4 KEKONSISTENAN PENDUGA DARI FUNGSI SEBARAN DAN FUNGSI KEPEKATAN WAKTU TUNGGU DARI PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT

Statistika Matematika. Soal dan Pembahasan. M. Samy Baladram

11. FUNGSI MONOTON (DAN FUNGSI KONVEKS)

SEBARAN PENARIKAN CONTOH (SAMPLING DISTRIBUTION)

UKURAN SIMPANGAN DAN UKURAN VARIASI. Ukuran Simpangan

Sampling dengan Simulasi Komputer

ANALISIS VARIABEL REAL 2

Distribusi Normal. Statistika (MAM 4137) Syarifah Hikmah JS

DISTRIBUSI PROBABILITAS

STATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling

Pengantar Statistika Matematik(a)

II. TINJAUAN PUSTAKA

BAB 3 PEMBAHASAN DAN HASIL

= F (x)= f(x)untuk semua x dalam I. Misalnya F(x) =

LIMIT DAN KONTINUITAS. Arum Handini Primandari

Distribusi Peluang. Maka peubah acak X dinyatakan dengan banyaknya kemunculan angka. angka sama sekali. angka.

Mata Kuliah Pemodelan & Simulasi

MA3231 Analisis Real

II. TINJAUAN PUSTAKA. Menurut Herrhyanto & Gantini (2009), peubah acak X dikatakan berdistribusi

Catatan Kuliah. MA5181 Proses Stokastik

Ilustrasi Persoalan Matematika

ESTIMASI PARAMETER UNTUK DISTRIBUSI HALF LOGISTIK. Jl. A. Yani Km. 36 Banjarbaru, Kalimantan Selatan

BAB IV PEMBAHASAN. 4.1 Proses Pencabangan model DTMC SIR

Relasi, Fungsi, dan Transformasi

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

Bab 7 Ekspektasi dan Fungsi Pembangkit Momen: Cintailah Mean

PENARIKAN SAMPEL & PENDUGAAN PARAMETER

Transkripsi:

FUNGSI PEMBANGKIT MOMEN UNTUK MEMENUHI TUGAS MATAKULIAH Statistika Matematika Yang dibina oleh Bapak Hendro Permadi Oleh : Intan Putri Natari 10311418961 Nurroh Fitri A 1031419469 Reza Taufikurachman 1031419470 Rizky Abadi C 1031419473 Wasilatun Nafiah 10311419001 Kelompok 8 Off G/ 01 UNIVERSITAS NEGERI MALANG FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM JURUSAN S1 MATEMATIKA Maret 014

Fungsi Pembangkit Momen Definisi.6.1 Misal X suatu peubah acak. Maka nilai ekspetasi M (t) = E(e tx ) disebut fungsi pembangkit momen dari X jika nilai ekspetasi tersebut ada pada selang h < t < h, untuk suatu h > 0. Untuk selanjutnya, fungsi pembangkit momen ini ditulis sebagai mgf, yang merupakan singkatan dari moment generating function. Jika tidak menimbulkan kerancuan, yaitu dalam hal kita hanya menghadapi satu peubah acak, maka mgf ini cukup ditulis sebagai M(t). Untuk fungsi pembangkit momen berakibat : jika X peubah acak diskret maka dan jika X peubah acak kontinu maka M(t) = e t f(), M(t) = e t f()d Khususnya untuk t = 0, kita mempunyai M(0) = 1. Jelas bahwa mgf ada pada kitaran (neighborhood) terbuka dari 0. Oleh karena itu jika mgf ada, maka dia haruslah ada pada selang terbuka sekitar 0. Meskipun demikian mgf dari suatu sebaran tidak selalu ada. Contoh.6.1 Misal X peubah acak diskret dengan pdf Maka mgf dari X adalah f() = ( ) I( = 0,1,) 4 M(t) = e t f() = e t.0. 1 4 + et.1. 4 + et.. 1 4 = 1 4 + 4 et + 1 4 et

Contoh.6. Misal seseorang menunggu suatu bus pada tempat tertentu. Misal bus aka lewat tempat tersebut setiap 15 menit. Jika waktu tunggu dinyatakan sebagai peubah acak X, maka pdf-nya adalah f() = 1 I(0 < < 15) 15 Oleh karena itu fungsi pembangkit momen dari X adalah M(t) = e t 15 f()d = 1 15 et d 0 = 1 15 15 [1 t et = 1 ]0 15t [e15t 1], t 0 Misal X dan Y dua peubah acak yang mempunyai mgf. Jika X dan Y mempunyai cdf yang sama, yaitu F X (z) = F Y (z) untuk semua z, maka tentu M X (t) = M Y (t) dalam kitaran terbuka 0, dan sebaliknya berlaku benar. Ini berarti mgf dari suatu sebaran, jika ada, dia adalah tunggal. Pernyataan tersebut disajikan pada teorema berikut Teorema.6.1 Misal X dan Y dua peubah acak dengan mgf berturut-turut M X (t) dan M Y (t), ada dalam kitaran terbuka 0. Maka F X (z) = F Y (z) untuk semua z R jika dan hanya jika M X (t) = M Y (t) untuk semua t ( h, h) untuk suatu h > 0. Contoh.6.3 Misal peubah acak X mempunyai mgf M(t) = 1 10 et + 10 et + 3 10 e3t + 4 10 e4t untuk semua bilangan real t. JIka kita misalkan f mempunyai pdf dari X dan misal a, b, c, d, merupakan titik-titik diskret dalam ruang peubah acak X sehingga f() > 0, maka Oleh karena itu M(t) = e t f() 1 10 et + 10 et + 3 10 e3t + 4 10 e4t = f(a)e at + f(b)e bt + f(c)e ct + f(d)e dt Karena kesamaan ini merupakan suatu identitas, yaitu berlaku untuk semua bilangan real t, maka ita peroleh

a = 1, f(a) = 1 3 4, b =, f(b) =, c = 3, f(c) =, d = 4, f(d) = 10 10 10 10 Jadi pdf dari X adalah f sehingga f() = I( = 1,,3,4) 10 Contoh.6.4 Misal kontinu X mempunyai mgf Oleh karena itu M(t) = 1, (t < 1) (1 t) 1 (1 t) = et f()d, (t < 1) Umumnya tidak mudah untuk menentukan f(). Namun dalam contoh ini kita mudah melihat bahwa pdf dari X f() = e I(0 < < ) Teorema.6. (i) E(X r ) = M r (0), Misal mgf dari peubah acak X ada. Maka r = 1,, 3, (ii) M(t) = 1 + E(Xr )t r r=1 r! Bukti Bukti untuk kasus peubah acak X kontinu. Kita mulai dengan membuktikan bagian pertama, mgf dari X dapat kita tulis seperti berikut M(t) = e t f()d

Jika mgf tersebut ada, maka turunan pertamanya adalah Oleh karena itu, Turunan keduanya adalah M (0) = M (t) = e 0 M (0) = e 0 e t f()d = f()d f()d = f()d = E(X) f()d = E(X ) Proses ini dapat dilanjutkan sampai ke r dimana r = 1,, Oleh karena itu kita peroleh dan M r (t) = r e t f()d, M r (0) = E(X r ), r = 1,, Untuk membuktikan bagian kedua kita gunakan rumus perluasan deret di sekitar nol, yaitu M(t) = M(0) + M (0)t 1! + M (0)t! Karena mgf pada saat t = 0 adalah satu, maka kita peroleh Bentuk M(t) = 1 + M (X r )t r r=1 + = M(0) + Mr (0)t r r! M (X r ) = M r (0) disebut sebagai momen ke r di sekitar pusat dari peubah acak X. Inilah alasan bahwa M(t) disebut fungsi pembangkit momen. Hubungan antara mgf dengan μ dan r=1 r!

Dengan menggunakan Teorema.6. bagian (i), maka untuk = 1, kita peroleh μ = E(X) = M (0) Sedangan untuk = E(X ) [E(X)] = M (0) [M (0)] Kembali ke contoh.6.1, M (t) = 4 et + 4 et jadi μ = M (0) = 4 + 4 = 1 Untuk memperoleh varians, kita kerjakan M (t) = 4 et + 4 et dan M (t) = 4 et + 4 4 et = 1 et + e t Sehingga M (0) = 1 + 1 Jadi = M (0) [M (0)] = ( 1 + 1) 1 = 1 Teorema.6.3 Misal X dan Y dua peubah acak sehingga Y = ax + b maka M Y (t) = e bt M X (at) Bukti M Y (t) = E(e ty ) = E(e t(ax+b) ) = E(e tax+tb ) = E(e tax e tb ) = e bt E(e tax ) = e bt M X (at)

Latihan Soal.6.6.1 Tunjukkan bahwa mgf dari peubah acak X yang mempunyai pdf f() = 1 I( 1 < < ), adalah 3 M(t) = e t f()d 1 e t e t, t 0 M(t) = { 3t 1, t = 0 = e t 1 3 d 1 = [ et 3t ] = e e 3t 1.6. Misal peubah acak diskret X mempunyai pdf f() = ( 1 )+1 I(0,1,, ). Tentukan : a. mgf. Petunjuk : gunakan rumus pada deret geometric b. Purata c. Varians a. Mencari mgf M(t) = e t ( 1 +1 ) =0 M(t) = e t f() = e 0 ( 1 1 ) + e t ( 1 ) + e t ( 1 3 ) + M(t) = 1 + 1 4 et + 1 8 et + M(t) = 1 1 1 et = 1 e t b. Mencari purata

Karena μ = M (0) maka akan dicari M (0) Jadi, μ = 1 c. Mencari varians M(t) = 1 e t M 1 e t (t) = ( e t ) ( et ) = ( e t ) M (0) = e 0 ( e 0 ) = 1 1 = 1 Karena = M (0) [M (0)], maka akan dicari M (0) M (0) = M (t) = M (t) = Jadi, = M (0) [M (0)] = 3 1 = e t ( e t ) et ( e t ) 3 + e t ( e t ) e 0 ( e 0 ) 3 + e 0 ( e 0 ) = 1 + 1 1 = 3.6.3 Misal peubah acak diskret X mempunyai pdf f() = e I( > 0). Tentukan : a. mgf b. Purata c. Varians a. Mencari mgf M(t) = e t e d 0 M(t) = e t f()d n = lim e (1 t) d n 0 = lim [ e (1 t) n n t 1 ] 0 b. Mencari purata M(t) = lim ( e (1 t)n n t 1 1 t 1 ) = 1 t 1

Karena μ = M (0) maka akan dicari M (0) Jadi, μ = 1 c. Mencari varians M(t) = 1 t 1 1 M (t) = (t 1) M (0) = 1 ( 1) = 1 Karena = M (0) [M (0)], maka akan dicari M (0) M (t) = M (t) = M (0) = Jadi, = M (0) [M (0)] = 1 = 1 1 (t 1) (t 1) 3 ( 1) 3 =.6.4 Anggap peubah acak diskret X mempunyai mgf Tentukan : M(t) = 1 8 et + 1 4 et + 5 8 e5t a. Purata b. Varians c. pdf d. P(X=) e. cdf a. Mencari purata Karena μ = M (0) maka akan dicari M (0) M(t) = 1 8 et + 1 4 et + 5 8 e5t M (t) = 1 8 et + 4 et + 5 8 e5t M (0) = 1 8 e0 + 4 e0 + 5 8 e0 = 30 8 Jadi, μ = 30 8 b. Mencari varians

Karena = M (0) [M (0)], maka akan dicari M (0) M (t) = 1 8 et + 4 et + 5 8 e5t M (t) = 1 8 et + 4 4 et + 15 8 e5t M (0) = 1 8 e0 + 4 4 e0 + 15 8 e0 = 134 8 Jadi, = M (0) [M (0)] = 134 8 (30 8 ) 107 900 = = 17 64 64 = 43 16 c. Mencari pdf M(t) = e t f() M(t) = 1 8 et + 1 4 et + 5 8 e5t maka, f() = 8 I(1,,5) d. Mencari P(X=) P(X = ) = f() = 8 = 1 4 e. Mencari cdf F() = f(t) F() = 1 8 I( = 1) + 3 8 I( = 1; ) + 8 I( = 1; ; 5) 8.6.5 Misal peubah acak X mempunyai purata μ, simpangan baku dan mgf M(t), h < t < h. Tunjukkan bahwa dan μ E ( ) = 0, E [(X ) ] = 1, μ E {ep [t ( )]} = e tm ( t ), h < t < h

i. Akan ditunjukkan bahwa E ( X μ ) = 0 Karena μ = E(X), maka E ( ) = E (X μ ) = E (X ) E (μ ) = 1 E(X) μ Jadi terbukti bahwa E ( X μ ) = 0 E ( ) = 1 μ μ = μ μ = 0 ii. Akan ditunjukkan bahwa E [( X μ ) ] = 1 E [( ) ] = E ( X Xμ + μ ) = 1 (E(X ) E(Xμ) + E(μ )) = 1 (E(X ) μe(x) + μ ) = 1 (E(X ) μ + μ ) = 1 (E(X ) μ ) Karena = E(X ) [E(X)] = E(X ) μ, maka E [( ) ] = 1 (E(X ) μ ) = 1 ( ) = 1 Jadi, terbukti bahwa E [( X μ ) ] = 1 iii. Akan ditunjukkan bahwa E {ep [t ( X μ )]} = e tμ M ( t ), h < t < h E {ep [t ( )]} = E (et( X μ ) ) = E (e t X. e tμ Jadi, terbukti bahwa E {ep [t ( X μ )]} = e tμ M ( t ) ) = e tμ. M ( t ).6.6 Misal X peubah acak dengan mgf M(t), h < t < h. Buktikan bahwa P(X a) e at M(t), 0 < t < h, dan P(X a) e at M(t), h < t < 0 Petunjuk : Misalkan u(x) = e t dan c = e ta dalam teorema.5.4 Misal u(x) = e tx dan c = e ta

maka karena E[e tx ] = M(t), maka P[u(X) c] E[u(X)] c P[e tx e ta ] E[etX ] e ta P[e tx e ta ] M(t) e ta karena e tx e ta, maka t ta. Sehingga i. Untuk 0 < t < h tx ta X a Jadi, P[X a] e ta. M(t) ii. Untuk h < t < 0 tx ta X a Jadi, P[X a] e ta. M(t) = e ta. M(t).6.7 Misal mgf dari X ada untuk semua t dan diberikan oleh M(t) = et e t, t 0, M(0) = 1 t Gunakan latihan.6.7 untuk menentukan P[X 1] dan P[X 1] i. P[X a] e ta. M(t) P[X 1] e t. et e t t ii. P[X a] e ta. M(t) P[X 1] e t. et e t t = et t e t t t = et+t e t+t t = 1 e t t, t 0 = et 1, t 0 t