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 ! p x q n  x , x ! 0,1,2,K , n x

[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

!n

Parameter-parameter itu memenuhi

p
i !1

!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

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 Pearsons 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

E y i  npi npi

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

var y i npi

!
i !1 k

npi 1  pi npi
k i !1

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

y i  npi
npi

!
i !1

Oi  Ei
Ei

[1.12]

k k n G ! yi  n i !1 k
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

Oi  Ei
Ei

[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).