P. 1
Uji-T (Statistik Matematika)

Uji-T (Statistik Matematika)

|Views: 2,650|Likes:
Published by Endi Febrianto
Statistik Matematika Uji-T
Statistik Matematika Uji-T

More info:

Published by: Endi Febrianto on May 02, 2012
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

07/29/2013

pdf

text

original

Diajukan Untuk Memenuhi Tugas Mata Kuliah

STATISTIKA MATEMATIKA Yang Diasuh Oleh
Drs. Ahmad Yani T, M.Pd

Disusun oleh Kelompok 10:



PROGRAM STUDI PENDIDIKAN MATEMATIKA
JURUSAN PENDIDIKAN MIPA
SEKOLAH TINGGI KEGURUAN DAN ILMU PENDIDIKAN
PERSATUAN GURU REPUBLIK INDONESIA
PONTIANAK
2011

Tujuan Pembelajaran

 Menjelaskan distribusi t dan distribusi F
 Membentuk f.k.p distribusi t dan f.k.p distribusi F
 Menentukan mean dan variansi distribusi t
 Menentukan mean dan variansi distribusi F
 Menjelaskan dan menggunakan hubungan antara distribusi t dan
distribusi F
 Menghitung peluang pada distribusi t dengan menggunakan tabel
 Menghitung peluang pada distribusi F dengan menggunakan tabel
 Menjelaskan mean sampel
̅
dan variansi sampel

 Membentuk f.k.p
̅

 Menjelaskan dan menggunakan distribusi
̅














1. UJI T
a. Sejarah Uji T
Seorang kimiawan muda bernama Sosset, berhasil menemukan ketidakcocokkan
penggunaan kurva normal untuk ukuran sampel kecil. Di bawah bantuan dari
seorang profesor ia berhasil merumuskan penemuannya pada 1908. Ia
menyebutnya distribusi student (Ruseffendi, 1993, 317)
b. Fungsi uji t
Distribusi chi kuadart digunakan untuk :
- uji variansi sebuah populasi,
- uji kecocokan,
- uji kebebasan

Untuk sampel ukuran n , taksiran

yang baik dapat diperoleh dengan
menghitung nilai

. Jika ukuran sampelnya kecil, nilai

berubah cukup besar dari
sampel ke sampel lainnya dan distribusi peubah acak
(̅ )
(



)
menyimpang cukup jauh
dari distribusi normal baku.
Untuk mengatasi masalah ini kita mengenal distribusi suatu statistik dinamakan T
dengan rumus yang biasa digunakan

(̅ )
(



)
=
(̅ )

, s ≠ 0
=
(̅ ) √

, s ≠ 0
=
(̅ ) √

,
=
(̅ ) √

,

(̅ ) ( √ ⁄ ) ⁄

,
T =
(̅ ) √

,
=
(̅ ) √

,

√ () ⁄
dengan

(̅ )
√ ⁄

Sehingga

Berdistribusi normal baku dan

()

,
Berdistribusi khi kuadrat dengan derajat kebebasan V= n-1. Jika sampel berasal
dari populasi normal maka dapat ditunjukkan bahwa ̅ dan

bebas, oleh karena itu
Z dan V juga bebas.
( Maman,A. D, 1996, 187 )
c. Definisi
Misalkan W dan V peubah-peubah acak yang bebas stokastik, W~N(0,1) dan
V~

() maka T=

dinamakan peubah acak berdistribusi t ( student) dengan
derajat bebas r, ditulis T~t(r) ( Maman,1996, 189 )
Teorema 1
Misalkan W≈N(0,1) dan V≈

(r), di mana W dan V bebas stokastik.
Maka T=

memiliki f.k.p sebagai berikut :
()
0

1
0

1 √

[

]






Yang pertama kita harus menentukan fungsi densitas dari w dan v
Fungsi densitas w
()

Asal mula rumus densitas, w
f (w ) = P(W )
= .

/
=( )
=∫ ()

=∫

.

()

/

= ∫

.

/

Misalnya, .

/
Batas – batas : untuk x =
Untuk
Jadi, f(w)=∫

.

/

=∫

.

/

Bentuk di atas merupakan fungsi distribusi dari peubah acak Z yang berdistribusi
normal baku dengan fungsi densitas berbentuk :
()

Asal mula densitas v
Jika .

/

Kita akan membuktikan dalil di atas dengan perumusan fungsi distribusi. Fungsi
distribusi dari V adalah
() ( ) (

)
(

)
(√

√)
(√ √), diketahui bahwa V=

∫ ()



=∫

.

/




= ∫

.

/

Misalkan : z = √, maka dz =

Batas – batas : Untuk z = 0, maka y = 0
Untuk z = √
Jadi, g(v) = ∫

.

/

= ∫

.

/

= ∫

.

/

= ∫

.

/



= ∫

.

/

= ∫


√√

.

/

Bentuk di atas merupakan fungsi distribusi dari peubah acak V dengan fungsi
densitasnya berbentuk :
g(v) =
.

/


√√

( Nar Herrhyanto dan Tuti Gantini, 2009,362 )
Sehingga
g(v) =

.

/

.

/

, karena berddasarkan sifat fungsi gamma
bahwa .

/ √
dan √

( Leland Blank, 1980, 293 )
Fungsi densitas v
()

.

/

; 0<v<
Karena V dan W adalah bebas stokastik, maka
( ) *

.

/

.

/

karena W dan V bebas stokastik, maka f.k.p. bersama dari W dan V adalah
( ) {

0

1

Definisikan transformasi berikut
t =

√ ⁄
dan u=v
Transformasi ini bersifat 1-1 dari
(,) - , 0} Pada
B = {(t,u) I - +
Adapun inversnya adalah
W =


, jadi jacobian transformasinya J = |



|



Akibatnya, f.k.p. bersama dari T =

√ ⁄
dan U=V adalah :
g(t,u) = [


0

1

*

,

-


]
dengan (t,u) di B
jadi f.k.p T adalah
f(t) = ∫ ( )

du
=

0

1


*

+
Dengan mensubstitusikan Z=

,

- yang berarti
u =

,

-
kita peroleh
f(t) =

0

1


{[

]}

{[

]}

=

0

1


[

]
()

()

Akan tetapi integral di ruas kanan sama dengan r[

-
Oleh karena itu maka f.k.p. T adalah
=

0

1√

[

]
()
- dengan demikian teorema ini terbukti
( Maman A Djauhari, 1996 , 190-191)
contoh :
1. Tentukan k yang memenuhi P(k ) untuk sampel acak
ukuran 15 yang diambil dari suatu distribusi normal dengan derajat kebebasan v =
14
Jawab :
Dari 1.4 terlihat bahwa 1,761 adalah nilai

bila v = 14. Jadi -

Karena k dalam soal ini berada di sebelah kiri dari -

maka ambillah k =

selanjutnya diperoleh 0,045 = 0,05 – atau
Jadi dari tabel 1.4 dengan v = 14
K =

= -2,977
Dan P( )












2. Misalkan peubah acak T mengikuti distribusi t dengan derajat kebebasan
r = 7
Hitunglah P ( T < -1,415)
Jawab : dari table distribusi t diperoleh P (T<1,415)= 0,9
Jadi, P(T<-1,415) = 1 – 0,9 = 0,1


3. Distribusi F
Salah satu distribusi yang terpenting dalam statistika terapan adalah distribusi F.
statistika Fdidefenisikan sebagai nisbah dua peubah acak khi-kuadrat yang bebas,
masing-masing dibagi dengan derajat kebebasannya . jadi dapat ditulis




U dan V menyatakan peubah acak bebas, masing-masing berdistribusi khi-kuadrat
dengan derajat kebebasan

sekarang akan kita turunkan distribusi sampel F.

Teorema 5.3.1 :
Misalkan U dan V dua peubah acak , masing –masing berdistribusi khi-kuadrat dengan
derajat kebebasan

maka distribusi peubah acak




t
0,0
45
-
t
t

k
0,0
5
0,045
0,05
-t

Diberikan oleh
H(f) ={
, ⁄ -( ⁄ )


( ⁄ )

( ⁄ ) ( ) ⁄ ( ⁄ )

, 0<f<
Misalkan U~

()

() dengan U dan V bebas stokastik, maka peubah acak
F =

Memiliki f.k.p. sebagai berikut

()
{

0

1 0

1

0

1 0

1

0

1
()



Bukti :
Karena U dan V bebas stokastik, maka f.k.p. bersama dari U dan V adalah
( )

0

1 0

1
()

()

Kita definisikan transformasi
f =

dan z = v
yang merupakan transformasi 1-1 dari
A= {(u,v)I u >0 ; v>0}
pada
B = {(f,z)I f > 0 ; z >0}
Transformasi ini memiliki invers
u = [

- fz
v = z
jadi jacobian transformasinya,
J = |
0

1 0

1

| 0

1
Akibatnya f.k.p. bersama dari F =

dan Z=V adalah
g(f,z) =

0

1 0

1
()
,

-

*

0

1+

Dengan (f,z) di B

Jadi f.k.p. F adalah
() ∫ ( )

=
,

-

0

1 0

1
()

()

2

0

13

Integral diruas kanan dapat disederhanakan dengan mensubstitusikan

0

1


Yang berakibat

[

]


Dengan demikian diperoleh
() ∫ {

[

]
}
()

*

[

]
+

Dengan K =
,

-

0

1 0

1
()

()

Atau
()

()
0

1
()

()

Anda telah mengetahui bahwa integral di ruas kanan sama dengan G[

-, oleh
karena itu
()
0

1 0

1

0

1 0

1

0

1
()

Dengan demikian teorema di atas terbukti.

4. distribusi ̅ dari ( )

Jika sampel acak ukuran n diambil dari populasi normal dengan rataan dan variansi

dan variansi tabel

dihitung maka diperoleh suatu nilai statistik

. Di sini akan
dibahas distribusi peubah acak dari statistic ( )

.
Dengan menambah dan mengurangi rataan sampel ̅ mudah terlihat
∑ (

)

∑ ,

(̅ ̅) )-

= ∑ ,(

̅ ) (̅ )-

= ∑ (

̅ )

(∑ (

̅ )(̅ ) ∑ (̅ )

(̅ ) konstan sehingga ̅

, maka ̅ ∑

Jadi, 2 (̅ ) ∑(

) (̅ )(∑

∑)
= 2(̅ )(̅ )
= 2n(̅ )

= ∑ (

̅ )

(̅ )

Bagilah kedua ruas persamaan dengan

dan kemudian ganti
∑ (

̅ )

dengan (n-1)

, maka diperoleh
∑ (

̅ )

()

+
(̅ )



Berdasarkan teorema bahwa

∑ (

̅ )

adalah peubah acak berdistribusi khi-kuadrat dengan derajat kebebasan
n. suku kedua sebelah kanan persamaan di atas adalah peubah normal baku, karena
̅ suatu peubah acak normal dengan rataan

dan variansi

dengan
demikian maka
(̅ )

adalah suatu pengubah berdistribusi khi- kuadrat berderajat kebebasan 1.
Sedangkan
( n – 1)

/

merupakan peubah acak khi kuadrat dengan derajat kebebasan
v = n – 1

Teorema 5.4.1 :
Jika

variansinya sampel acak ukuran n diambil dari populasi normal dengan variasi

, maka statistiknya

=
()

berdistribusi khi – kuadrat dengan derajat
kebebasan v = n – 1
Bukti :

( )

Karena

sampel acak dari X~N(

) maka f.k.p bersama dari

adalah:
f(

) = ,


-

*

∑ (

)

+

Bentuk eksponensial diruas kanan dapat disederhanakan dengan menuliskan
̅

dengan demikian diperoleh
∑ (

)

∑ (

̅ ̅ )

= ∑ (

̅ )

(̅ )

Sebab 2(̅ ) ∑ (

̅ )
Sekarang f(

) dapat ditulis sebagai berikut
f(

)= 0


1

*

∑ (

̅ )

(̅ )

untuk menyelidiki distribusi dari

kita bentuk transformasi berikut

̅

Inversnya adalah

-

Jadi jacobian transformasinya transformasinya, J=n. akibatnya, f.k,p. bersama dari

̅

adalah:
(

) 0


1

*

(

-

)

∑ (

)

(

)

+

Akan tetapi anda telah tahu bahwa

̅
~N.

/

f(

)


*

(

)

+
Jadi,
(

)
(

)
(

)

= √ 0


1

*

+
Dengan q = (

-

)

∑ (

)

adalah f.k.p. bersyarat bersama
dari

diketahui

akan tetapi, q=∑ (

̅ )

oleh karena itu,
(

) adalah juga f.k.p. bersyarat dari n

diketahui

dengan
demikian , f.p.m. bersyarat dari

diketahui

adalah
E[

- ∫

∫ √ 0


1

*
()

+

= 0

1
()

∫ √ 2
()

3

*
()

+

Perhatikan bahwa integral pada integral di ruas kanan tidak lain f.k.p. bersyarat
bersama dari

diketahui

di mana

diganti oleh

ini berarti
bahwa integral di ruas kanan berharga 1. Akibatnya,
E[

- ( )
()

Karena f.p.m. bersyarat ini tidak tergantung dari

maka akibatnya, f.p.m. dari

=

adalah : E[


- ( )
()

Yang berarti bahwa

( ) jadi teorema di atas terbukti.
Akibat. Pada proses pembuktian teorema di atas, ternyata f.p.m. bersyarat dari

Diketahui
̅
̅ adalah :
E[


̅ - ( )
()

Ruas kanan tidak tergantung x. ini berarti bahwa

dan X bebas stokastik.
Sebagai penutup kegiatan ini, kita simpulkan bahwa :

̅
~N.

/

( )

̅
dan

bebas stokastik.


Contoh :
Suatu pabrik baterai mobil menjamin bahwa baterainya akan tahan rata-rata 3 tahun
dengan simpangan baku 1 tahun. Bila lima baterainya tahan 1, 9, 2, 4, 3, 0 , 3, 5 dan
4, 2 tahun.apakah pembuatannya masih yakin bahwa simpangan baku baterai
tersebut 1 tahun?
Jawab :
Dihitung variasi sampel :

=

(∑

)

( )
=

=
()() ()

() ()
= 0,815
kemudian

=
()

=

=
() ()

= 3,26
Merupakan suatu nilai distribusi khi-kuadrat dengan derajat kebebasan 4.
Karena 95% nilai

dengan derajat kebebasan 4 terletak antara 0,484 dan 11,143,
nilai perhitungan dengan menggunakan

= 1 masih wajar. Sehingga tidak ada alasan
bagi pembuatannya untuk mencurigai bahwa simpangan baku baterai bukan 1 tahun.





















TAMBAHAN MATERI

1. Uji T
Parameter distribusi t
Rataan dan varians dari distribusi t adalah
1. E(T) = 0
2. Var(T) =

Bukti :
1. Karena

(t) simetris di t = 0 semua momen sekitar pusat yang ganjil sama
dengan nol, yaitu :
-

= E (T) = 0
-

= E (T) = 0
-

= E (T) = 0
Dan seterusnya
1 2
'
÷ k t = 0, k = 0, 1, 2, 3,…
2. Momen sekitar rataan yang genap adalah:
k
k
T E
2
1 2
) ' ( µ µ ÷ =

=
k
T E
2
) (
=
}
·
·
dt t k t
k
) ( .
1
2

= 2.
}
·
0
1
2
) ( . dt t k t
k

= 2.
}
·
+
+
+
0
2
) 1 (
2
2
) 1 ).(
2
( .
)
2
1
(
. dt
r
t r
r r
r
r
t
r
k
t

Misalkan:
y r
t 1 1
2
=
+

y
y r
t
) 1 (
2
÷
=
dy
y
r
tdt
2
2
÷
=
Batas-batas: Untuk t = 0, maka y = 1
Untuk t = ∞, maka y = 0

}
· +
÷
÷
÷
+
=
1
2
1
2
2
) 2 (
2
)
) 1 (
.( 2
. . )
) 1 (
( .
)
2
( ).
2
1
( .
)
2
) 1 (
( . 2
dy
y
y r
y
r
y
y
y r
r
r r r
r
r r
k
k
µ
= dy y y
r
r r r
r
r r
k k
r
k
)
2
1
(
1
0
1 )
2
(
)
2
1
(
) 1 .( .
)
2
( ).
2
1
( .
)
2
1
( .
÷ ÷
+
÷
+
}


Integral diatas diselesaikan dengan menggunakan bantuan fungsi beta yaitu:
}
+
= ÷ =
÷ ÷
1
0
1 1
) (
) ( ). (
) 1 .( ) , (
| o
| o
| o
| o
r
T r
dy y y B


)
2
1
,
2
( .
)
2
( ).
2
1
(
)
2
1
( .
2
+ ÷
+
= k k
r
B
r
r r
r
r r
k
k
µ
=
)
2
1
2
(
)
2
1
( ).
2
(
.
)
2
( ).
2
1
(
)
2
1
( .
+
+ ÷
+
r
r
k r k
r
r
r
r r
r
r r
k

=
)
2
( )
2
1
(
)
2
1
( ).
2
(
.
r
r r
k r k
r
r
r
k
+ ÷

=
)
2
( ).
2
)...( 2
2
).( 1
2
).(
2
1
(
)
2
1
( )
2
1
)(
2
3
)...(
2
3
)(
2
1
( ).
2
(
.
k
r
r k
r r r
r
r k k r k
r
r
r
k
÷ ÷ ÷ ÷
÷ ÷ ÷

=
)
2
( )... 2
2
( ). 1
2
.(
)
2
1
).(
2
3
)...(
2
3
).(
2
1
(
.
k
r
r
r
r
r
r
k k
r
k
÷ ÷ ÷
÷ ÷

k
r
k r r r
k k
r
k
k
>
÷ ÷ ÷
÷ ÷
=
2
;
) 2 )...( 4 )( 2 (
) 1 )( 3 )...( 3 2 ).( 1 2 (
.
2
µ

Untuk k = 1 diperoleh

=

; r >2
Untuk k =2 diperoleh

=

.
()()
()()

()()

Karena var(T) =

, maka var(T) =

Contoh soal:
Misalkan peubah acak T mengikuti distribusi t dengan derajat kebebasan r = 7
a. Hitung P(T≤-1,415)
b. Hitunng P(-1,805<T<1,415)
Penyelesaian:
a. P(T≤-1,415)= 1-P(T≤1,415)
Dari table distribusi t diperoleh P(T≤1,415)= F(1,415)= 0,90
Jadi: P(T≤-1,415)= 1-0,90= 0,10

b. P(-1,805<T<1,415)= F(1,415)-F(-1,805)
= F(1,415-[1-F(1,805)]
Dari table distribusi t diperoleh F(1,805)= 0,95
Jadi: P(-1,805<T<1,415)= 0.90-(1-0,95)= 0,85

2.Distribusi F
Parameter distribusi F
Rataan dan varians dari distribbusi F adalah:
1. E(F) =

2. Var(F) =
) 4 ( ) 2 (
) 2 ( 2
2
2
2 1
1 2
2
2
÷ ÷
÷ +
r r r
r r r

Bukti:
Berdasarkan nilai ekspektasi kontinu maka;
}
·
= =
0
1
) ( . ) ( ' df f k f P E
k k
k
µ
=
}
·
+
+
+
+
0
2
2
.
2
1
2
2
.
2 1
2
1 2 1
1
1
2
1
) 1 (
.
)
2
( ).
2
(
) ).(
2
(
. df
f
r
r
f
r
r
r
r
r
r r r
r
f
r
k
r
k
k
r
r

Misalkan:
y
r
f r
=
2
1



Batas-batas: Untuk f = 0, maka y = 0
Untuk f = ∞, maka y = ∞

dy
r
r
df
1
2
=

}
·
+
÷ ÷
+
+
=
0 1
2
2
) (
1 )
2
(
1
2
2 1
2
2
1 2 1
.
) 1 (
) . (
.
)
2
( ).
2
.(
) ).(
2
(
'
2 1
1 1
dy
r
r
y
y
r
r
r
r
r
r
r
r r r
r
r r
r
k
r
k
µ
=
}
·
÷ + +
÷ +
+
+
0
)
2
( ) (
1 )
2
(
2 1
2 1
2
1
)
) 1 (
( .
)
2
( ).
2
(
)
2
(
. ) (
2
2
1
1
k
r
k
r
r
r
k
k
y
y
r
r
r
r
r r
r
r
r


Penyelesaian integral diatas dilakukan dengan menggunakan fungsi gama yaitu:
}
· ÷
÷ +
÷
=
+
0
1
) 1 (
) 1 ( ). (
1 p p r
p r p r
dy
y
y
p


Dalam hal ini:
1 )
2
( 1
1
÷ + = ÷
r
k p
k
r
p + = )
2
(
1

k
r
k
r
÷ + + = )
2
( )
2
( 1
2 1

= k
r
p ÷ + )
2
(
2

k
r
p ÷ = ÷ )
2
( 1
2

)
2
(
)
2
( ).
2
(
.
) ( ). (
)
2
(
. ) ( '
2 1
2 1
2
2
2
1
2 1
1
2
r r
r
k
r
r
r
k r
r
r
r
r
r
r
r r
r
r
r
k
k
+
÷ +
+
= µ
2
;
) ( ). (
)
2
( ).
2
(
. ) ( '
2
2
2
2
1
2 1
1
2
r
r
r
r
r
r
r
r
k
r
r
r
k r
r
r
k
k
<
÷ +
= µ
Untuk k = 1
) ( ). (
) 1
2
( ).
2
1 (
). ( '
2
2
2
1
2 1
1
2
1
r
r
r
r
r
r
r
r
r
r
r
r
÷ +
= µ
2
1
2
2
. '
2
2
2
1
1
2
1
÷
=
÷
=
r
r
r
r
r
r
µ
Untuk k = 2
) ( ). (
) 2
2
( ).
2
2 (
. ) ( '
2
2
2
1
2 1
2
1
2
2
r
r
r
r
r
r
r
r
r
r
r
r
÷ +
= µ

) 2
2
).( 1
2
(
)
2
).( 1
2
(
. ) ( '
2 2
1 1
2
1
2
2
÷ ÷
+
=
r r
r r
r
r
µ
) 4 )( (
) 2 .(
'
2
2
2 1
1
2
2
2
÷
+
=
r r r
r r
µ

Jadi:
2
1 2 2
) ' ( ' µ µ µ ÷ =
=
2
2
2
2
2 2 1
1
2
2
) 2 ( ) 4 )( 2 (
) 2 (
÷
÷
÷ ÷
+
r
r
r r r
r r

) 4 ( ) 2 (
) 2 ( 2
2
2
2 1
1 2
2
2
2
÷ ÷
÷ +
=
r r r
r r r
µ


Sehingga terbukti bahwa:
-
2
) ( '
2
2
1
÷
= =
r
r
F E µ
-
) 4 ( ) 2 (
) 2 ( 2
) (
2
2
2 1
1 2
2
2
2
÷ ÷
÷ +
= =
r r r
r r r
F Var µ


Contoh Soal:
Misalkan peubah acak F berdistribusi F dengan derajat kebebasan pembilang

dan
derajat kebebasan penyebut

a. Untuk

=7 dan

=8, tentukan nilai a yang memenuhi P(F≤a)=0,95
b. Untuk

=9 dan

=4, hitung P(F14,66)
c. Untuk

=5 dan

=3, hitung P(F≥9,01)
d. Untuk

=6 dan

=9, hitung P(F≤0,244)
Penyelesaian:
a. P(F≤a)= 0,95
Dari tabel distribusi F diperoleh a = 3,50
b. P(F≤14,66)
Dari tabel distribusi F diperoleh P(F≤14,66)= 0,95
c. P(F≥9,01)= 1 - P(F≤9,01)
Dari tabel distribusi F diperoleh P(F≤9,01) = 0,95
Jadi: P(F≥9,01)= 1 – 0,95 = 0,05
d. P(F≤0,244) = P(

)
= P(

)
= 1 – P(

)
Dari tabel distribusi F diperoleh P(

) = 0,95
Jadi: P(F≤0,244) = 1 – 0,95 = 0,05.

3. Distribusi Rataan (̅)
Misalkan

,

,

,...

adalah sebuah sampel acak berukuran n (n>1) yang berasal
dari distribusi normal umum dengan rataan µ dan varians
2
o
Rataan dari sampel acak ditulis:
̅=

¿
=
n
i
i
X
1

Dalam hal ini kita akan menentukan distribusi dari rataan sampel tersebut. Karena
distribusi dari sampel acak tersebut berasal dari distribusi khusus yang dikenal,
penentuan distribusi dari rataan sampel acak itu dilakukan dengan menggunakan
teknik fungsi pembangkit momen.
Karena

,i= 1, 2, 3,...,n berdistribusi N( ) :
2
o µ maka fungsi pembangkit momen
dari

adalah:
)
2
1
. exp( ) (
2 2
t t t M
x
o µ + =

Fungsi pembangkit momen dari X adalah:
)] [exp( ) ( tX E t M
x
=
=
)] . [exp(
1
¿
÷
n
i
i
X
n
t
t E

= )}] ... ( [exp{
3 2 1 n
X X X X
n
t
E + + + +
= )] exp( )... exp( ). exp( ). [exp(
3 2 1 n
X
n
t
X
n
t
X
n
t
X
n
t
E

Karena

,

,

,...

adalah peubah acak yang saling bebas, maka:
= )]] [( )]... [( )]. [( )]. [[exp(
3 2 1 n
X
n
t
E X
n
t
E X
n
t
E X
n
t
E
= ) ( )... ( ). ( ). (
3 2 1
n
t
M
n
t
M
n
t
M
n
t
M
n
x x x x


Karena

,

,

,...

adalah peubah acak yang berdistribusi identik, maka:
- )
2
1
exp( ) (
2
2 2
1
n
t
n
t
n
t
M
x
o µ
+ =
- )
2
1
exp( ) (
2
2 2
2
n
t
n
t
n
t
M
x
o µ
+ =
- )
2
1
exp( ) (
2
2 2
3
n
t
n
t
n
t
M
x
o µ
+ =
- Dan seterusnya sampai )
2
1
exp( ) (
2
2 2
n
t
n
t
n
t
M
n
x
o µ
+ =

Sehingga:


)]
2
1
[exp( ) (
2 2
n
t
t t M
X
o
µ + =

Berdasarkan hasil diatas ternyata ̅ berdistribusi normal dengan rataan µ dan varians

; dan ditulis:
̅-N(µ.

)
Dalam menerapkan penggunaan ̅, untuk memudahkan penghitungannya ̅
hendaknya diubah kedalam angka baku Z dengan rumus:
µ
o
µ
o
µ
÷
=
÷
=
x
x
Z
x
x

Hasil perhitungannya dibulatkan hingga dua angka desimal. Selanjutnya digunakan
Tabel Distribusi Normal Baku.
Contoh soal:
Misalkan ̅ adalah rataan dari sampel acak berukuran 25 yang berdistribusi normal
dengan rataan 30 dan simpangan baku 4. Hitunglah P(̅<28)!
)] )].[exp(
2
1
. [exp( ) (
2
2 2
2
2 2
n
t
n
t
n
t
n
t
t M
X
o µ o µ
+ =
)]
2
1
)]...[exp(
2
1
[exp(
2
2 2
2
2 2
n
t
n
t
n
t
n
t o µ o µ
+ + =
n
n
t
n
t
)]
2
1
[exp(
2
2 2
o µ
+ =
Penyelesaian:
Dalam hal ini µ = 30, σ = 4 dan n = 25
)
25
4
30 28
( ) 28 (
÷
<
÷
= <
n
x
p x p
o
µ

= p(Z<-2,50)
= 0,5 – (daerah dari Z = -2,50 sampai Z = 0)
= 0,5 – (daerah dari Z = 0 sampai Z = 2,50)
= 0,5 – 0,4938
P(̅<28) = 0,0062




















Daftar Pustaka

- Blank,Leland. 1980. Statistical Procedures For Engineering,
Management, And Science. New York : Department of Industrial
Engineering Texas A&M UniversityNar, Herrhyanto dan
Tuti,Gantini. 2009. Pengantar Statistika Matematis. Bandung :
Yrama Widya
- Dowdy,Shirley dan Stanley Wearden . 1990. Statistics for
research.west Virginia: A wiley-Interscience Publication
- Maman A, D. 1996. Pengantar Teori Peluang. Jakarta : Dirjen Dikti
PPTG
- Nar, Herrhyanto dan Tuti,Gantini. 2009. Pengantar Statistika
Matematis. Bandung : Yrama Widya
- Ruseffendi. 1993. Statistika dasar Untuk Penenlitian Pendidikan.
Jakarta : Departemen Pendidikan Dan Kebudayaan
- Supranto,J. 1985. Pengantar Probabilita dan Statistik Induktif Jilid 1.
Jakarta : Erlangga




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)//-->