P. 1
Distribusi

Distribusi

|Views: 176|Likes:
Published by Tri Utari

More info:

Published by: Tri Utari on Jul 21, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

06/10/2015

pdf

text

original

8. Distribusi a.

Distribusi bernoulli Suatu variabel acak X mempunyai distribusi bernoulli dengan parameter p 0 jika X hanya bernilai 0 atau 1 dan p 1

Fungsi probabilitas dari X dapat ditulis dalam bentuk ® x q1 x , x ! 0,1, q ! 1  p p f x p ! ¯ 0 ,lainnya ° Jika variabel acak X mempunyai distribusi bernoulli, maka E X p dan Var X pq (Buktikan !)

b. Distribusi binomial Jumlah x sukses pada n kali percobaan bernoulli dinamakan variabel acak binomial. Distribusi probabilitas dari variabel acak diskrit ini dinamakan distribusi binomial, yang dinyatakan dengan b x; , p . Definisi 1.5 (Walpole, 2007:144) Suatu percobaan bernoulli yang dapat menghasilkan sukses dengan probabilitas p dan gagal dengan probabilitas q ! 1  p maka distribusi probabilitas variabel acak binomial X dengan jumlah sukses dalam n percobaan independen adalah

 

P X ! 1 !

! 1 P X ! 0

¢

£

¡

¨n¸ b x; n, p ! © ¹ p x q n  x , x ! 0,1,2,K , n ªxº

[1.7]

Teorema 1.4 Mean dan variansi distribusi binomial b x; , p adalah Q ! np dan W 2 ! npq (Buktikan !)

Teorema 1.5 Jika X adalah variabel acak binomial dengan mean Q ! np dan variansi W 2 ! npq maka bentuk limit dari distribusi Z! x  np npq dimana n p g [1.9]

adalah berdistribusi Normal Standar atau N 0,1 .

Teorema 1.6 (Teorema Limit Pusat) Jika x adalah mean dari sampel acak berukuran n yang diambil dari suatu populasi dengan mean Q dan variansi W 2 maka bentuk limit dari distibusi
Z! xQ dimana n p g W n

adalah berdistribusi Normal Standar atau N 0,1 .

¤

[1.8]

[1.10]

Definisi 1.6 (Soejoeti,1985:5) Kuadrat suatu variabel acak normal standar adalah variabel random chi-square dengan derajat bebas sama dengan 1.

c. Distribusi multinomial Definisi 1.7 (Soejoeti,2005:5.4) distribusi multinomial adalah distribusi peluang bersama frekuensi-frekuensi sel n1,K , nk

dalam n trial multinomial dengan parameter p1,K , pk yang masing-masing merupakan peluang sel. Fungsi peluang distribusi multinomial adalah
f n1,K , nk ! n! p1n1 K pk nk untuk n1 !L nk !

§n
i !1

k

i

!n

Parameter-parameter itu memenuhi

§p
i !1

k

i

!1

Nilai ekspektasi dan variansi dari distribusi multinomial adalah E ni ! npi Var ni ! npi 1  pi dimana i ! 1,2,K , k . Teorema 1.7

dan

misalkan y1, y 2 ,K , y k berdistribusi multinomial dengan probabilitas p1, p2 ,K , pk maka untuk n besar, variabel acak tidak negatif G !§
2 i !1 k

y i  npi
npi

2

dimana i ! 1,2,K , k

[1.11]

mendekati distribusi chi-square dengan derajat bebas ! k  1 dengan harga mean G 2 adalah
Q ! k  1.

Persamaan 1.11 pertama kali diperkenalkan dan dipelajari oleh Karl Pearson pada tahun 1900 sehingga dikenal dengan nama ´Pearson¶s chi square statistic´. Harga mean G 2 hanya tergantung pada banyak sel atau kelas k (banyak kemungkinan yang dapat terjadi pada eksperimen multinomial) dan tidak tergantung pada harga pi , i ! 1,2,K , k .

Bukti :

mean

! E ! §
2

k

2

E y i  npi npi

2

Rumus transformasi G 2 sering ditulis dengan persamaan G !§
2 i !1 k

dimana Oi ! y i adalah frekuensi sel i yang diobservasi dalam sampel berukuran n, sedangkan Ei ! npi ! mean y i adalah mean atau frekuensi sel i yang diharapkan (nilai ekspektasi). Kasus khusus model multinomial (Soejoeti, 1985:8) adalah uji hipotesis apakah suatu eksperimen dengan k hasil yang mungkin memiliki kemungkinan yang sama yaitu
H 0 : p1 ! p2 ! K ! pk ! 1 . k

Dalam kasus khusus model multinomial. persamaan G 2 dapat dinyatakan dengan

¥

¥

i !1


i !1 k

k

var y i npi


i !1 k

k

npi 1  pi npi
k i !1

! § 1  pi ! § 1  § pi ! k  1
i !1 i !1

y i  npi
npi

2


i !1

k

Oi  Ei
Ei

2

[1.12]

k k ¨ n¸ G ! § © yi  ¹ n i !1 ª kº
2

2

[1.13]

d. Distribusi chi square

Definisi 1.8 Variabel acak kontinu X mempunyai distribusi chi square dengan derajat bebas v jika fungsi densitasnya adalah
v 1  x ® 1 2 2 ±v2 v x e ,x " 0 f x;v ! ¯ 2 + 2 ± 0 , lai °

[1.14] a

dimana v adalah bilangan bulat positif Teorema 1.8 mean dan variansi distribusi chi-square adalah Q ! v dan W 2 ! 2v [1.15]

9. Uji G 2 goodness of fit Teorema 1.9 Uji G 2 goodness of fit antara frekuensi yang diobservasi dengan frekuensi yang diharapkan, berdasarkan pada ukuran

G !§
2 i !1

k

Oi  Ei
Ei

2

[1.16]

dimana G 2 adalah nilai variabel acak yang distribusi samplingnya hampir mendekati distribusi chi-square dengan derajat bebas v ! k  1, Oi adalah frekuensi yang diobservasi dan E i adalah frekuensi yang diharapkan untuk setiap sel ke-i. Prosedur uji G 2 goodness of fit berdasarkan atas distribusi pendekatan maka prosedur ini sebaiknya tidak digunakan jika frekuensi harapan sangat kecil atau ei
5 . Jika dalam proses

perhitungan terdapat frekuensi harapan yang lebih kecil dari lima maka frekuensi tersebut dapat digabungkan dengan frekuensi yang lain supaya prosedur diatas terpenuhi.(Zanzawi Soejati, 1985:24).

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->