P. 1
Tugas Makalah

Tugas Makalah

|Views: 556|Likes:
Published by Ignatius D. Arianto

More info:

Published by: Ignatius D. Arianto on May 14, 2012
Copyright:Attribution Non-commercial

Availability:

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

05/25/2014

pdf

text

original

Page | 0

TUGAS
TEORI PELUANG



Dosen Pengampu:
Dr. Sri Subanti, M.Si




Oleh:
FARADILA THALIB (S851108020)
FHELA VHANTORIA (S851108022)
IGNATIUS D. ARIANTO (S851108029)




PROGRAM STUDI PENDIDIKAN MATEMATIKA
PROGRAM PASCASARJANA
UNIVERSITAS SEBELAS MARET
SURAKARTA
2012
Page | 1

Topik 1
DISTRIBUSI FUNGSI VARIABEL RANDOM

A. Pendahuluan
Pada materi ini akan dibahas beberapa teknik yang digunakan dalam
menentukan distribusi dari fungsi variabel random yaitu teknik fungsi
distribusi, teknik transformasi variabel random, dan teknik fungsi
pembangkit momen. Misalkan kita mempunyai variabel random baik diskrit
maupun kontinu, kita bisa menentukan fungsi peluang atau fungsi densitas
berdasarkan sifatnya. Kemudian kita mempunyai variabel random baru
yang merupakan fungsi dari variabel random semula. Dalam hal ini kita
akan menentukan distribusi dari variabel random baru tersebut. Penentuan
distribusi tersebut bergantung pada banyak variabel random yang
dilibatkan yaitu satu variabel random atau dua variabel random.

B. Teknik Fungsi Distribusi
1. Variabel Random Diskrit
Jika ํ ต adalah variabel random diskrit dengan fungsi peluangnya ํ ต(ํ ต)
maka ํ ต = ํ ต(ํ ต) adalah juga variabel random diskrit. Penentuan fungsi
peluang dari ํ ต dapat dilakukan sebagai berikut :
a. Tentukan nilai-nilai yang mungkin dari ํ ต
b. Tentukan ํ ตํ ต = ํ ต(ํ ต โ‰ค ํ ต)
c. Tentukan fungsi peluang dari ํ ต berdasarkan ํ ต(ํ ต)
Pemahaman uraian tentang penentuan distribusi dari fungsi variabel
random diskrit diperjelas melalui contoh berikut.
Contoh 1.
Misalkan Sandy mengundi tiga mata uang logam Rp. 100,00 yang
seimbang secara sekaligus. Jika variabel random ํ ต menunjukkan banyak
โ€œGAMBAR KARAPAN SAPIโ€ yang muncul, maka tentukan fungsi
peluang dari variabel random ํ ต = 2ํ ต โˆ’ 1
Penyelesaian :
Ruang sampel ํ ต = ํ ตํ ตํ ต, ํ ตํ ตํ ต, ํ ตํ ตํ ต, ํ ตํ ตํ ต, ํ ตํ ตํ ต, ํ ตํ ตํ ต, ํ ตํ ตํ ต, ํ ตํ ตํ ต
Page | 2

Dengan ํ ต = HURUF BANK INDONESIA
ํ ต = GAMBAR KARAPAN SAPI
Karena ํ ต menunjukkan banyak ํ ต yang muncul, maka distribusi peluang
dari ํ ต adalah ํ ตํ ต
= ํ ตํ ตํ ตํ ต = 0 ํ ตํ ต
= ํ ตํ ตํ ตํ ต = ํ ตํ ตํ ตํ ต = ํ ตํ ตํ ตํ ต = 1 ํ ตํ ต
= ํ ตํ ตํ ตํ ต = ํ ตํ ตํ ตํ ต = ํ ตํ ตํ ตํ ต = 2 ํ ตํ ต
= ํ ตํ ตํ ตํ ต = 3
Jadi nilai-nilai yang mungkin dari ํ ต adalah ํ ต ํ ต

= 0,1,2,3
Peluang untuk masing-masing nilai variabel random adalah ํ ตํ ต
= 0 = ํ ตํ ตํ ตํ ต =
1
8
ํ ตํ ต
= 1 = ํ ตํ ตํ ตํ ต +ํ ตํ ตํ ตํ ต +ํ ตํ ตํ ตํ ต =
1
8
+
1
8
+
1
8
=
3
8
ํ ตํ ต
= 2 = ํ ตํ ตํ ตํ ต +ํ ตํ ตํ ตํ ต +ํ ตํ ตํ ตํ ต =
1
8
+
1
8
+
1
8
=
3
8
ํ ตํ ต
= 3 = ํ ตํ ตํ ตํ ต =
1
8

Jadi distribusi peluang dari ํ ต adalah ํ ต
0 1 2 3 ํ ต
(ํ ต)
1
8

3
8

3
8

1
8

Diketahui ํ ต = 2ํ ต โˆ’1
Nilai-nilai yang mungkin dari ํ ต adalah ํ ต = ํ ตํ ต = โˆ’1,1,3,5
Berdasarkan definisi fungsi distribusi, maka ํ ตํ ต
= ํ ตํ ต โ‰ค ํ ต = ํ ต2ํ ต โˆ’1 โ‰ค ํ ต = ํ ต ํ ต โ‰ค ํ ต
+1
2
= ํ ต(ํ ต) ํ ต
+1
2 ํ ต
=0

Untuk ํ ต < โˆ’1 maka ํ ตํ ต = 0 karena ํ ตํ ต < โˆ’1 = โˆ…
Untuk โˆ’1 < ํ ต < 1 maka ํ ตํ ต = ํ ต(ํ ต)
0 ํ ต
=0
= ํ ต0 =
1
8

Untuk 1 โ‰ค ํ ต < 3 maka ํ ตํ ต = ํ ต(ํ ต)
1 ํ ต
=0
= ํ ต0 +ํ ต1 =
1
8
+
3
8
=
4
8

Untuk 3 โ‰ค ํ ต < 5 maka ํ ตํ ต = ํ ต(ํ ต)
2 ํ ต
=0
= ํ ต0 +ํ ต1 +ํ ต2 =
1
8
+
3
8
+
3
8
=
7
8

Untuk ํ ต โ‰ฅ 5 maka
Page | 3
ํ ตํ ต
= ํ ต(ํ ต)
3 ํ ต
=0
= ํ ต0 +ํ ต1 +ํ ต2 +ํ ต3 =
1
8
+
3
8
+
3
8
+
1
8
= 1
Jadi fungsi distribusi dari ํ ต adalah ํ ตํ ต
= 0 ; ํ ต < โˆ’1
=
1
8
; โˆ’1 โ‰ค ํ ต < 1
=
4
8
; 1 โ‰ค ํ ต < 3
=
7
8
; 3 โ‰ค ํ ต < 5
= 1 ; ํ ต โ‰ฅ 5
Sehingga fungsi peluang dari ํ ต adalah
Untuk ํ ต < โˆ’1 maka ํ ตํ ต =
1
8
โˆ’0 =
1
8

Untuk ํ ต = 1 maka ํ ตํ ต =
4
8
โˆ’
1
8
=
3
8

Untuk ํ ต = 3 maka ํ ตํ ต =
7
8
โˆ’
4
8
=
3
8

Untuk ํ ต = 5 maka ํ ตํ ต = 1 โˆ’
7
8
=
1
8

2. Variabel Random Kontinu
Jika ํ ต adalah variabel random kontinu dengan fungsi densitas ํ ต(ํ ต) maka ํ ต
= ํ ต(ํ ต) adalah juga variabel random kontinu. Fungsi densitas dari
variabel random ํ ต dapat ditentukan sebagai berikut :
a. Tentukan ํ ตํ ต = ํ ตํ ต โ‰ค ํ ต
b. Tentukan turunan pertama ํ ต(ํ ต) terhadap ํ ต untuk memperoleh ํ ต(ํ ต)
c. Tentukan daerah hasil untuk ํ ต
Pemahaman tentang penentuan distribusi dari fungsi variabel random
kontinu diperjelas melalui contoh berikut.
Contoh 2
Misalkan fungsi densitas dari variabel random ํ ต berbentuk ํ ตํ ต
= ํ ต

8
; 0 < ํ ต < 4
= 0 ; ํ ต lainnya
Jika variabel random ํ ต = 2ํ ต +8, maka tentukan fungsi densitas dari ํ ต
Penyelesaian :
Berdasarkan definisi fungsi distribusi jika
Page | 4
ํ ตํ ต
= ํ ตํ ต โ‰ค ํ ต = ํ ต2ํ ต +8 โ‰ค ํ ต = ํ ต ํ ต โ‰ค ํ ต
โˆ’8
2
= ํ ต

8 ํ ตํ ต ํ ต

โˆ’8
2 ํ ต
=0

= ํ ต

2
16 ํ ต

=0 ํ ต
โˆ’8
2
=
1
64 ํ ต

2
โˆ’16ํ ต +64
Turunan pertama ํ ต(ํ ต) terhadap ํ ต adalah ํ ต

32
โˆ’
1
4

Daerah hasil dari ํ ต adalah
Untuk ํ ต = 0 maka ํ ต = 8
Untuk ํ ต = 4 maka ํ ต = 16
Jadi 8 < ํ ต < 16 sehingga fungsi densitas dari ํ ต adalah ํ ตํ ต
= ํ ต

32
โˆ’
1
4
; 8 < ํ ต < 16
= 0 ; ํ ต lainnya

C. Teknik Transformasi Variabel Random
1. Variabel Random Diskrit
Menentukan fungsi peluang dari fungsi variabel random diskrit tanpa
melalui fungsi distribusi, dengan penentuannya dapat dilihat dalam
teorema berikut :
Teorema 1 : Teknik Transformasi Satu Variabel Random Diskrit
Misalkan ํ ต adalah variabel random diskrit dengan fungsi peluang ํ ต(ํ ต).
Jika variabel random ํ ต = ํ ต(ํ ต) dengan setiap nilai dari ํ ต
berkorespondensi satu dan hanya satu dengan nilai dari ํ ต dan
sebaliknya hingga ํ ต = ํ ต(ํ ต), maka fungsi peluang dari ํ ต ditentukan
sebagai berikut ํ ตํ ต
= ํ ตํ ตํ ต
Contoh 3
Misalkan fungsi peluang dari variabel random ํ ต adalah ํ ตํ ต
= 2
โˆ’ํ ต
; ํ ต = 1,2,3, โ€ฆ
Tentukan fungsi peluang dari variabel random ํ ต = ํ ต
4
+1
Penyelesaian :
Transformasinya ํ ต = ํ ต
4
+1
Page | 5

Hubungan antara nilai ํ ต dari variabel random ํ ต dan nilai ํ ต dari variabel
random ํ ต diberikan dengan ํ ต = ํ ต
4
+1
Inversnya ํ ต = ํ ต โˆ’1
1
4

Nilai-nilai yang mungkin dari ํ ต adalah ํ ต = ํ ตํ ต = 2,17,82, โ€ฆ
Jadi fungsi peluang dari ํ ต adalah ํ ต
1 ํ ต
= 2
โˆ’ํ ตโˆ’1
1
4
; ํ ต = 2,17,82, โ€ฆ
2. Variabel Random Kontinu
Teorema 2 : Teknik Transformasi Satu Variabel Random Kontinu
Misalkan ํ ต adalah variabel random kontinu dengan fungsi densitas ํ ต
(ํ ต). Jika fungsi ํ ต = ํ ต(ํ ต) dapat diturunkan dan naik atau turun untuk
semua nilai dalam daerah hasil ํ ต dengan ํ ต(ํ ต) โ‰  0, maka persamaan ํ ต
= ํ ต(ํ ต) dapat diselesaikan untuk ํ ต dengan ํ ต = ํ ต(ํ ต). Fungsi densitas
dari ํ ต = ํ ต(ํ ต) ditentukan oleh ํ ตํ ต = ํ ตํ ต(ํ ต). ํ ต
โ€ฒ
(ํ ต)
Contoh 4 :
Jika variabel random ํ ต berdistribusi normal baku, maka tentukan
fungsi densitas dari ํ ต = ํ ต
2

Penyelesaian :
Fungsi densitas dari ํ ต adalah ํ ตํ ต =
1
2ํ ต ํ ตํ ตํ ต

โˆ’1
2 ํ ต

2
; โˆ’โˆž < ํ ต < โˆž
Karena ํ ต = ํ ต
2
merupakan fungsi turun untuk nilai-nilai ํ ต yang negatif
dan fungsi naik untuk nilai-nilai ํ ต yang positif, maka kita tidak bisa
menggunakan teorema 2. Dalam hal ini transformasi dari ํ ต ke ํ ต dapat
dilakukan dalam dua tahap yaitu :
a. Menentukan fungsi densitas dari ํ ต = ํ ต
Untuk menentukan fungsi densitas dari ํ ต = ํ ต digunakan teknik
fungsi distribusi. Fungsi distribusi dari ํ ต adalah : ํ ตํ ต
= ํ ตํ ต โ‰ค ํ ต = ํ ตํ ต โ‰ค ํ ต = ํ ต ํ ต

2
โ‰ค ํ ต = ํ ตํ ต
2
โ‰ค ํ ต
2

= ํ ตํ ต
2
โˆ’ํ ต
2
โ‰ค 0 = ํ ตโˆ’ํ ต โ‰ค ํ ต โ‰ค ํ ต = ํ ตํ ตํ ตํ ต ํ ต

โˆ’ํ ต

=
1
2ํ ต ํ ตํ ตํ ต

โˆ’1
2 ํ ต

2 ํ ต

โˆ’ํ ต ํ ตํ ต

Page | 6

=
1
2ํ ต ํ ตํ ตํ ต

โˆ’1
2 ํ ต

2
ํ ตํ ต +
1
2ํ ต ํ ตํ ตํ ต

โˆ’1
2 ํ ต

2
ํ ตํ ต ํ ต

0
0
โˆ’ํ ต

=
1
2ํ ต ํ ตํ ตํ ต

โˆ’1
2 ํ ต

2
ํ ตํ ต ํ ต

0
+
1
2ํ ต ํ ตํ ตํ ต

โˆ’1
2 ํ ต

2
ํ ตํ ต ํ ต

0

=
2
2ํ ต ํ ตํ ตํ ต

โˆ’1
2 ํ ต

2
ํ ตํ ต ํ ต

0

Bentuk di atas merupakan fungsi distribusi dari variabel random ํ ต
dengan fungsi densitasnya berbentuk ํ ตํ ต
=
2
2ํ ต ํ ตํ ตํ ต

โˆ’1
2 ํ ต

2
; ํ ต > 0
= 0 ; ํ ต lainnya
b. Menentukan fungsi densitas dari ํ ต = ํ ต
2
= ํ ต
2

Dalam hal ini ํ ต = ํ ต
2
merupakan fungsi naik untuk semua nilai ํ ต
sehingga teorema 2 berlaku. Hubungan antara nilai ํ ต dari ํ ต dan nilai ํ ต
dari ํ ต diberikan dengan ํ ต = ํ ต
2

Inversnya ํ ต = ํ ต
Jacobiannya ํ ตํ ต ํ ตํ ต

=
1
2 ํ ต

โˆ’
1
2

ํ ตํ ต ํ ตํ ต

=
1
2 ํ ต

Nilai-nilai yang mungkin dari ํ ต adalah ํ ต = ํ ต ; ํ ต > 0
Sehingga fungsi densitas dari ํ ต adalah ํ ตํ ต
= ํ ตํ ต. ํ ตํ ต ํ ตํ ต

ํ ตํ ต =
2
2ํ ต ํ ต

โˆ’ํ ต 2
1
2ํ ต
=
2
2ํ ต ํ ต

โˆ’1 2
. ํ ต
โˆ’ํ ต 2
=
1
2
1 2
ฮ“
1
2 ํ ต

โˆ’1 2
. ํ ต
โˆ’ํ ต 2

fungsi densitas di atas berasal dari distribusi khi-kuadrat dengan
derajat kebebasan ํ ตํ ต = 1





Page | 7

Teorema 3 : Teknik Transformasi Dua Variabel Random Kontinu
Misalkan ํ ต dan ํ ต adalah variabel random kontinu dengan fungsi densitas
gabungannya ํ ต(ํ ต, ํ ต). Jika fungsi ํ ต = ํ ต
1
(ํ ต, ํ ต) dan ํ ต = ํ ต
2
(ํ ต, ํ ต) diferensiabel
secara parsial terhadap ํ ต dan ํ ต dan merupakan transformasi satu-satu
untuk semua nilai dalam daerah hasil dari ํ ต dan ํ ต dengan ํ ต(ํ ต, ํ ต) โ‰  0,
maka untuk nilai ํ ต dan ํ ต tersebut persamaan ํ ต = ํ ต
1
(ํ ต, ํ ต) dan ํ ต = ํ ต
2
(ํ ต, ํ ต)
dapat diperoleh ํ ต dan ํ ต yang tunggal, dengan ํ ต = ํ ต(ํ ต, ํ ต) dan ํ ต = ํ ต(ํ ต, ํ ต).
Fungsi densitas gabungan dari ํ ต = ํ ต
1
(ํ ต, ํ ต) dan ํ ต = ํ ต
2
(ํ ต, ํ ต) ditentukan
dengan ํ ตํ ต, ํ ต = ํ ตํ ตํ ต, ํ ต, ํ ต(ํ ต, ํ ต). ํ ต dengan ํ ต
= ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต

Dalam prakteknya, penentuan fungsi densitas dari variabel random
transformasi bisa terjadi dalam empat kemungkinan sebagai berikut:
a. Dua Transformasi Variabel Random dan Fungsi Densitas
Gabungan Diketahui
Contoh 5.
Misalkan fungsi densitas gabungan dari ํ ต dan ํ ต berbentuk ํ ตํ ต
, ํ ต =
1
4
; 0 < ํ ต < 2, 0 < ํ ต < 2
= 0 ; ํ ต, ํ ต lainnya
Jika ํ ต = ํ ต โˆ’ ํ ต dan ํ ต = ํ ต +ํ ต maka tentukan fungsi densitas marginal
dari ํ ต
Penyelesaian :
Kedua variabel random transformasinya ํ ต = ํ ต โˆ’ํ ต dan ํ ต = ํ ต +ํ ต
Hubungan antara nilai ํ ต dari ํ ต dan nilai ํ ต dari ํ ต serta hubungan
antara nilai ํ ต dari ํ ต dan nilai ํ ต dari ํ ต diberikan dengan ํ ต
= ํ ต โˆ’ํ ต dan ํ ต = ํ ต +ํ ต
Inversnya ํ ต = ํ ต
+ํ ต
2
dan ํ ต = โˆ’ ํ ต
โˆ’ํ ต
2

Jacobiannya ํ ต = ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต

=
1
2
1
2
โˆ’
1
2
1
2
=
1
4
+
1
4
=
1
2

Page | 8
ํ ต
=
1
2

Fungsi densitas gabungan dari ํ ต dan ํ ต adalah : ํ ตํ ต
, ํ ต = ํ ต ํ ต
+ํ ต
2
, โˆ’ ํ ต
โˆ’ํ ต
2
. ํ ต =
1
4

1
2
=
1
8

Batas-batas dari ํ ต dan ํ ต adalah :
0 < ํ ต < 2 0 < ํ ต < 2
0 < ํ ต
+ํ ต
2
< 2 0 < โˆ’ ํ ต
โˆ’ํ ต
2
< 2
0 < ํ ต +ํ ต < 4 0 < ํ ต โˆ’ํ ต < 4
โˆ’ํ ต < ํ ต < 4 โˆ’ ํ ต ํ ต < ํ ต < 4 +ํ ต
Jadi ํ ตํ ต, ํ ต =
1
8
; ํ ตํ ตํ ตํ ตํ ต โˆ’ํ ต < ํ ต < 4 โˆ’ํ ต, ํ ต < ํ ต < 4 +ํ ต
= 0 ; ํ ต, ํ ต lainnya




8

















4


B









C




A


4










Segitiga ํ ตํ ตํ ต merupakan luas daerah yang memenuhi โˆ’ํ ต < ํ ต < 4 โˆ’ํ ต
dan ํ ต < ํ ต < 4 +ํ ต
Fungsi densitas marginal dari ํ ต adalah : ํ ต

1 ํ ต
=
1
8 ํ ตํ ต

4+ํ ต ํ ต

=

1
8 ํ ต ํ ต

=ํ ต
4+ํ ต
=
1
8
4 +ํ ต โˆ’ํ ต =
1
2

Maka ํ ต
1 ํ ต
=
1
2
; 0 < ํ ต < 2
= 0 ; ํ ต lainnya



Page | 9

b. Dua Transformasi Variabel Random Diketahui dan Fungsi
Densitas Gabungan Tidak Diketahui
Contoh 6.
Misalkan ํ ต dan ํ ต adalah dua variabel random kontinu yang saling
bebas dan masing-masing mempunyai fungsi densitasnya sebagai
berikut : ํ ตํ ต
= 1 ; 1 < ํ ต < 2 ํ ตํ ต =
1
3
; 0 < ํ ต < 3
= 0 ; ํ ต lainnya = 0 ; ํ ต lainnya
Jika ํ ต = ํ ต โˆ’ ํ ต dan ํ ต = ํ ต +ํ ต, maka tentukan fungsi densitas marginal
dari ํ ต
Penyelesaian :
Karena ํ ต dan ํ ต saling bebas, maka fungsi densitas gabungannya
adalah ํ ตํ ต = ํ ตํ ต. ํ ตํ ต = 1
1
3
=
1
3

Jadi ํ ตํ ต, ํ ต =
1
3
; 1 < ํ ต < 2, 0 < ํ ต < 3
= 0 ; ํ ต, ํ ต lainnya
Kedua variabel random transformasinya ํ ต = ํ ต โˆ’ํ ต dan ํ ต = ํ ต +ํ ต
Hubungan antara nilai ํ ต dari ํ ต dan nilai ํ ต dari ํ ต serta hubungan
antara nilai ํ ต dari ํ ต dan nilai ํ ต dari ํ ต diberikan dengan ํ ต
= ํ ต โˆ’ํ ต dan ํ ต = ํ ต +ํ ต
Inversnya ํ ต = ํ ต
+ํ ต
2
dan ํ ต = โˆ’ ํ ต
โˆ’ํ ต
2

Jacobiannya ํ ต = ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต

=
1
2
1
2
โˆ’
1
2
1
2
=
1
4
+
1
4
=
1
2
ํ ต
=
1
2

Fungsi densitas gabungan dari ํ ต dan ํ ต adalah : ํ ตํ ต
, ํ ต = ํ ต ํ ต
+ํ ต
2
, โˆ’ ํ ต
โˆ’ํ ต
2
. ํ ต =
1
3

1
2
=
1
6

Batas-batas dari ํ ต dan ํ ต adalah :
1 < ํ ต < 2 0 < ํ ต < 3
1 < ํ ต
+ํ ต
2
< 2 0 < โˆ’ ํ ต
โˆ’ํ ต
2
< 3
2 < ํ ต +ํ ต < 4 0 < ํ ต โˆ’ํ ต < 6
Page | 10

2 โˆ’ํ ต < ํ ต < 4 โˆ’ํ ต ํ ต < ํ ต < 6 +ํ ต
Jadi ํ ตํ ต, ํ ต =
1
6
; ํ ตํ ตํ ตํ ตํ ต 2 โˆ’ํ ต < ํ ต < 4 โˆ’ํ ต, ํ ต < ํ ต < 6 +ํ ต
= 0 ; ํ ต, ํ ต lainnya







Bangun ํ ตํ ตํ ตํ ต merupakan luas daerah yang memenuhi 2 โˆ’ ํ ต < ํ ต < 4 โˆ’ ํ ต
dan ํ ต < ํ ต < 6 +ํ ต
Jadi fungsi densitas marginal dari ํ ต adalah ํ ต

1 ํ ต
=
1
6 ํ ตํ ต

6+ํ ต
2โˆ’ํ ต
=

1
6 ํ ต ํ ต

=2โˆ’ํ ต
6+ํ ต
=
1
6
6 + ํ ต โˆ’2 +ํ ต =
1
6
4 +2ํ ต ; โˆ’2 < ํ ต < โˆ’1
=
1
6 ํ ตํ ต

4โˆ’ํ ต
2โˆ’ํ ต
=

1
6 ํ ต ํ ต

=2โˆ’ํ ต
4โˆ’ํ ต
=
1
6
4 โˆ’ ํ ต โˆ’2 +ํ ต =
1
3
; โˆ’1 โ‰ค ํ ต < 1
=
1
6 ํ ตํ ต

4โˆ’ํ ต ํ ต

=

1
6 ํ ต ํ ต

=ํ ต
4โˆ’ํ ต
=
1
6
4 โˆ’ํ ต โˆ’ ํ ต =
1
6
4 โˆ’2ํ ต ; 1 โ‰ค ํ ต โ‰ค 2
Maka ํ ต
1 ํ ต
=
1
6
4 +2ํ ต ; โˆ’2 < ํ ต < โˆ’1
=
1
3
; 1 โ‰ค ํ ต < 1
=
1
6
4 โˆ’2ํ ต ; 1 โ‰ค ํ ต โ‰ค 2
= 0 ; ํ ต lainnya






A ํ ต
= 6 +ํ ต ํ ต
= 4 โˆ’ํ ต ํ ต = 2 โˆ’ํ ต
B
C
D
2 4 6
2
4
6
12
Page | 11

c. Satu Transformasi Variabel Random dan Fungsi Densitas
Gabungan Diketahui
Teorema 4 : Transformasi Berbentuk Penjumlahan
Misalkan ํ ต dan ํ ต adalah dua variabel random kontinu dengan fungsi
densitas gabungannya ํ ต(ํ ต, ํ ต). Jika ํ ต = ํ ต +ํ ต maka fungsi densitas
dari ํ ต dirumuskan sebagai berikut : ํ ต

1 ํ ต
= ํ ตํ ต, ํ ต โˆ’ํ ตํ ตํ ต
โˆž
โˆ’โˆž

Atau ํ ต
1 ํ ต
= ํ ตํ ต โˆ’ํ ต, ํ ตํ ตํ ต
โˆž
โˆ’โˆž

Contoh 7.
Misalkan fungsi densitas gabungan dari variabel random kontinu ํ ต
dan ํ ต berbentuk ํ ตํ ต
, ํ ต = 2ํ ต ; 0 < ํ ต < 1, 1 < ํ ต < 2
= 0 ; ํ ต, ํ ต lainnya
Jika ํ ต = ํ ต +ํ ต maka tentukan fungsi densitas dari ํ ต
Penyelesaian :
Karena transformasi variabel random yang diketahui berbentuk ํ ต
+ํ ต +ํ ต maka kita mengambil transformasi variabel random
keduanya adalah ํ ต = ํ ต. Hubungan antara nilai ํ ต dari ํ ต dan nilai ํ ต
dari ํ ต serta hubungan antara nilai ํ ต dari ํ ต dan nilai ํ ต dari ํ ต
diberikan sebagai : ํ ต
= ํ ต +ํ ต dan ํ ต = ํ ต
Inversnya ํ ต = ํ ต dan ํ ต = ํ ต โˆ’ํ ต
Jacobiannya ํ ต = ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต

=
1 0
โˆ’1 1
= 1
Fungsi densitas gabungan dari ํ ต dan ํ ต adalah ํ ตํ ต
, ํ ต = ํ ตํ ต, ํ ต โˆ’ํ ต. ํ ต = 2ํ ต. 1 = 2ํ ต
Batas-batas dari ํ ต dan ํ ต adalah
0 < ํ ต < 1 1 < ํ ต < 2
0 < ํ ต < 1 1 < ํ ต โˆ’ํ ต < 2
1 +ํ ต < ํ ต < 2 +ํ ต
Page | 12

Jadi ํ ตํ ต, ํ ต = 2ํ ต ; 0 < ํ ต < 1, 1 +ํ ต < ํ ต < 2 +ํ ต
= 0 ; ํ ต, ํ ต lainnya






Bangun ํ ตํ ตํ ตํ ต merupakan daerah yang memenuhi 0 < ํ ต < 1 dan
1 +ํ ต < ํ ต < 2 +ํ ต
Fungsi densitas marginal dari ํ ต adalah ํ ต

1 ํ ต
= 2ํ ตํ ตํ ต = ํ ต

2 ํ ต

=0 ํ ต
โˆ’1
= ํ ต โˆ’1
2
; 1 < ํ ต < 2 ํ ต
โˆ’1
0

= 2ํ ตํ ตํ ต =
1 ํ ต
โˆ’2 ํ ต

2 ํ ต

=ํ ตโˆ’2
1
= 1 โˆ’ํ ต โˆ’2
2
; 2 โ‰ค ํ ต โ‰ค 3
Maka ํ ต
1 ํ ต
= ํ ต โˆ’1
2
; 1 < ํ ต < 2
= 1 โˆ’ํ ต โˆ’2
2
; 2 โ‰ค ํ ต โ‰ค 3
= 0 ; ํ ต lainnya

Teorema 5 : Transformasi Berbentuk Pengurangan
Misalkan ํ ต dan ํ ต adalah dua variabel random kontinu dengan fungsi
densitas gabungannya ํ ต(ํ ต, ํ ต). Jika ํ ต = ํ ต โˆ’ํ ต maka fungsi densitas
dari ํ ต dirumuskan sebagai berikut : ํ ต

1 ํ ต
= ํ ตํ ต, ํ ต โˆ’ํ ตํ ตํ ต
โˆž
โˆ’โˆž

Atau ํ ต

1 ํ ต
= ํ ตํ ต +ํ ต, ํ ตํ ตํ ต
โˆž
โˆ’โˆž




1 B
2 A
3
C
D ํ ต
= 2 +ํ ต ํ ต
= 1 +ํ ต
1
Page | 13

Contoh 8.
Misalkan fungsi densitas gabungan dari variabel random kontinu ํ ต
dan ํ ต berbentuk ํ ตํ ต
, ํ ต = 2ํ ต ; 1 < ํ ต < 2, 0 < ํ ต < 1
= 0 ; ํ ต, ํ ต lainnya
Jika ํ ต = ํ ต โˆ’ ํ ต maka tentukan fungsi densitas dari ํ ต
Penyelesaian :
Karena transformasi variabel random yang diketahui berbentuk ํ ต
= ํ ต โˆ’ํ ต maka kita mengambil transformasi variabel random
keduanya adalah ํ ต = ํ ต.
Jadi transformasi variabel randomnya ํ ต = ํ ต โˆ’ํ ต dan ํ ต = ํ ต
Hubungan antara nilai ํ ต dari ํ ต dan nilai ํ ต dari ํ ต serta hubungan
antara nilai ํ ต dari ํ ต dan nilai ํ ต dari ํ ต diberikan dengan ํ ต
= ํ ต โˆ’ํ ต dan ํ ต = ํ ต
Inversnya ํ ต = ํ ต dan ํ ต = ํ ต โˆ’ํ ต
Jacobiannya ํ ต = ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต

=
1 0
โˆ’1 1
= โˆ’1 ํ ต
= 1
Fungsi densitas gabungan dari ํ ต dan ํ ต adalah ํ ตํ ต
, ํ ต = ํ ตํ ต, ํ ต โˆ’ํ ต. ํ ต = 2ํ ต โˆ’ํ ต. 1 = 2ํ ต โˆ’2ํ ต
batas-batas dari ํ ต dan ํ ต adalah
1 < ํ ต < 2 0 < ํ ต < 1
1 < ํ ต < 2 0 < ํ ต โˆ’ํ ต < 1
ํ ต < ํ ต < 1 +ํ ต







A
1
2
1 2
B
C
D ํ ต
= 1 +ํ ต ํ ต
= ํ ต
Page | 14

Bangun ํ ตํ ตํ ตํ ต merupakan daerah yang memenuhi 1 < ํ ต < 2 dan ํ ต
< ํ ต < 1 +ํ ต ํ ต

1 ํ ต
= 2ํ ต โˆ’2ํ ตํ ตํ ต ; 0 < ํ ต < 1
1+ํ ต
1

= ํ ต

2
โˆ’ 2ํ ตํ ต ํ ต
=1
1+ํ ต
= 1 +ํ ต
2
โˆ’1 โˆ’ 2ํ ต1 +ํ ต โˆ’1
= 1 +2ํ ต +ํ ต
2
โˆ’1 โˆ’2ํ ต
2
= 2ํ ต โˆ’ ํ ต
2
ํ ต

1 ํ ต
= 2ํ ต โˆ’2ํ ตํ ตํ ต ; 1 < ํ ต < 2
2 ํ ต

= ํ ต

2
โˆ’ 2ํ ตํ ต ํ ต
=ํ ต
2
= 4 โˆ’ํ ต
2
โˆ’2ํ ต2 โˆ’ํ ต
= 4 โˆ’ํ ต
2
โˆ’4ํ ต +2ํ ต
2
= ํ ต โˆ’2
2

Sehingga ํ ต
1 ํ ต
= 2ํ ต โˆ’ํ ต
2
; 0 < ํ ต < 1
= ํ ต โˆ’2
2
; 1 < ํ ต < 2
= 0 ; ํ ต lainnya

Teorema 6 : Transformasi Berbentuk Perkalian
Misalkan ํ ต dan ํ ต adalah dua variabel random kontinu dengan fungsi
densitas gabungannya ํ ต(ํ ต, ํ ต). Jika ํ ต = ํ ตํ ต maka fungsi densitas dari ํ ต
dirumuskan sebagai berikut ํ ต

1 ํ ต
= ํ ต ํ ต. ํ ต ํ ต

1 ํ ต

ํ ตํ ต
โˆž
โˆ’โˆž

Atau ํ ต

1 ํ ต
= ํ ต ํ ต ํ ต

. ํ ต
1 ํ ต

ํ ตํ ต
โˆž
โˆ’โˆž

Contoh 9.
Misalkan fungsi densitas gabungan dari ํ ต dan ํ ต berbentuk ํ ตํ ต
, ํ ต = ํ ต +ํ ต ; 0 < ํ ต < 1, 0 < ํ ต < 1
= 0 ; ํ ต, ํ ต lainnya
Jika ํ ต = ํ ตํ ต maka tentukan fungsi densitas dari ํ ต



Page | 15

Penyelesaian :
Karena transformasi variabel random ang diketahui berbentuk ํ ต
= ํ ตํ ต maka kita mengambil transformasi variabel random keduanya
adalah ํ ต = ํ ต.
Hubungan antara nilai ํ ต dari ํ ต dan nilai ํ ต dari ํ ต serta hubungan
antara nilai ํ ต dari ํ ต dan nilai ํ ต dari ํ ต diberikan dengan ํ ต
= ํ ตํ ต dan ํ ต = ํ ต
Inversnya ํ ต = ํ ต dan ํ ต = ํ ต ํ ต

Jacobiannya ํ ต = ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต

=
1 0
โˆ’ํ ต ํ ต

2
1 ํ ต

=
1 ํ ต

ํ ต =
1 ํ ต

Fungsi densitas gabungan dari ํ ต dan ํ ต adalah ํ ตํ ต
, ํ ต = ํ ต ํ ต. ํ ต ํ ต

. ํ ต = ํ ต + ํ ต ํ ต

1 ํ ต

= 1 + ํ ต ํ ต

2

batas-batas dari ํ ต dan ํ ต adalah
0 < ํ ต < 1 0 < ํ ต < 1
0 < ํ ต < 1 0 < ํ ต ํ ต

< 1
0 < ํ ต < ํ ต
Jadi ํ ตํ ต, ํ ต = 1 + ํ ต ํ ต

2
; 0 < ํ ต < 1, 0 < ํ ต < ํ ต
= 0 ; ํ ต, ํ ต lainnya






Segitiga ํ ตํ ตํ ต merupakan daerah yang memenuhi 0 < ํ ต < 1 dan
0 < ํ ต < ํ ต
Fungsi densitas marginal dari ํ ต adalah ํ ต

1 ํ ต
= 1 + ํ ต ํ ต

2
ํ ตํ ต = ํ ต

โˆ’ ํ ต ํ ต ํ ต

=ํ ต
1
= 1 โˆ’ํ ต โˆ’ํ ต โˆ’1 = 2 โˆ’ 2ํ ต
1 ํ ต

1 B
A
C 1 ํ ต
= ํ ต
Page | 16
ํ ต

1 ํ ต
= 2 โˆ’2ํ ต ; 0 < ํ ต < 1
= 0 ; ํ ต lainnya

Teorema 7 : Transformasi Berbentuk Pembagian
Misalkan ํ ต dan ํ ต adalah dua variabel random kontinu dengan fungsi
densitas gabungannya ํ ต(ํ ต, ํ ต). Jika ํ ต = ํ ต ํ ต

makafungsi densitas dari ํ ต
dirumuskan sebagai berikut : ํ ต

1 ํ ต
= ํ ตํ ตํ ต, ํ ต ํ ต ํ ตํ ต
โˆž
โˆ’โˆž

Contoh 10.
Misalkan fungsi densitas gabungan dari ํ ต dan ํ ต berbentuk ํ ตํ ต
, ํ ต =
4ํ ตํ ต
9
; 1 < ํ ต < 2, 1 < ํ ต < 2
= 0 ; ํ ต, ํ ต lainnya
Jika ํ ต = ํ ต ํ ต

maka tentukan fungsi densitas dari ํ ต
Penyelesaian :
Karena transformasi variabel random yang diketahui ํ ต = ํ ต ํ ต

maka kita
mengambil transformasi variabel random keduanya ํ ต = ํ ต
Hubungan antara nilai ํ ต dari ํ ต dan nilai ํ ต dari ํ ต serta hubungan
antara nilai ํ ต dari ํ ต dan nilai ํ ต dari ํ ต diberikan dengan ํ ต
= ํ ต ํ ต

dan ํ ต = ํ ต
Inversnya ํ ต = ํ ตํ ต dan ํ ต = ํ ต
Jacobiannya ํ ต = ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต

= ํ ต
ํ ต
1 0
= โˆ’ํ ต ํ ต
= โˆ’ํ ต = ํ ต
Fungsi densitas marginal dari ํ ต adalah ํ ตํ ต
, ํ ต = ํ ตํ ตํ ต, ํ ต. ํ ต =
4
9
ํ ตํ ตํ ตํ ต =
4
9
ํ ต
3 ํ ต

Batas-batas dari ํ ต dan ํ ต adalah
1 < ํ ต < 2 1 < ํ ต < 2
1 < ํ ตํ ต < 2 1 < ํ ต < 2
Page | 17

1 ํ ต

< ํ ต <
2 ํ ต

Jadi ํ ตํ ต, ํ ต =
4
9
ํ ต
3 ํ ต
; 1 < ํ ต < 2,
1 ํ ต

< ํ ต <
2 ํ ต

= 0 ; ํ ต, ํ ต lainnya







Bangun ํ ตํ ตํ ตํ ต merupakan daerah yang memenuhi 1 < ํ ต < 2 dan
1 ํ ต

< ํ ต <
2 ํ ต

ํ ต
1 ํ ต
=
4
9
ํ ต
3 ํ ต
ํ ตํ ต ;
1
2
< ํ ต < 1
2
1 ํ ต

=

1
9 ํ ตํ ต

4 ํ ต

=
1
2
2
=
1
9 ํ ต
16 โˆ’
1 ํ ต

4
=
16
9
ํ ต โˆ’
1
9
ํ ต
โˆ’3
ํ ต

1 ํ ต
=
4
9
ํ ต
3 ํ ต
ํ ตํ ต ; 1 < ํ ต <
2 ํ ต

1
2
=

1
9 ํ ตํ ต

4 ํ ต

=1
2 ํ ต

=
1
9 ํ ต

16 ํ ต

4
โˆ’1 =
16
9
ํ ต
โˆ’3
โˆ’
1
9
ํ ต
Jadi ํ ต
1 ํ ต
=
16
9
ํ ต โˆ’
1
9
ํ ต
โˆ’3
;
1
2
< ํ ต < 1
=
16
9
ํ ต
โˆ’3
โˆ’
1
9
ํ ต ; 1 < ํ ต < 2
= 0 ; ํ ต lainnya





A
B
C
D
1 2
1
2
1/2 ํ ต
=
2 ํ ต

ํ ต =
1 ํ ต

Page | 18

d. Satu Transformasi Variabel RandomDiketahui dan Fungsi
Densitas Gabungan Tidak Diketahui

Teorema 8 : Transformasi Berbentuk Penjumlahan
Misalkan ํ ต dan ํ ต adalah dua variabel random kontinu yang saling
bebas dengan masing-masing fungsi densitasnya berbentuk ํ ตํ ต dan ํ ต
(ํ ต). Jika ํ ต = ํ ต +ํ ต maka fungsi densitas dari ํ ต dirumuskan sebagai
berikut : ํ ต

1 ํ ต
= ํ ตํ ต, ํ ต โˆ’ํ ตํ ตํ ต
โˆž
โˆ’โˆž
= ํ ตํ ต. ํ ตํ ต โˆ’ํ ตํ ตํ ต
โˆž
โˆ’โˆž

Atau ํ ต

1 ํ ต
= ํ ตํ ต โˆ’ํ ต, ํ ตํ ตํ ต
โˆž
โˆ’โˆž
= ํ ตํ ต โˆ’ํ ต. ํ ตํ ตํ ตํ ต
โˆž
โˆ’โˆž

Contoh 11
Misalkan dua variabel random ํ ต dan ํ ต yang saling bebas dan masing-
masing berdistribusi seragam pada interval 0,10
Jika ํ ต +ํ ต + ํ ต maka tentukan fungsi densitas dari ํ ต
Penyelesaian :
Fungsi densitas dari ํ ต dan ํ ต masing-masing adalah ํ ตํ ต
=
1
10
; 0 < ํ ต < 10
= 0 ; ํ ต lainnya ํ ตํ ต
=
1
10
; 0 < ํ ต < 10
= 0 ; ํ ต lainnya
Karena ํ ต dan ํ ต saling bebas maka fungsi densitas gabungannya
adalah ํ ตํ ต, ํ ต = ํ ตํ ต. ํ ตํ ต =
1
10

1
10
=
1
100
ํ ตํ ต
, ํ ต =
1
100
; 0 < ํ ต < 10, 0 < ํ ต < 10
= 0 ; ํ ต, ํ ต lainnya
Karena transformasi variabel random yang diketahui ํ ต +ํ ต +ํ ต kita
mengambil transformasi variabel random keduanya adalah ํ ต = ํ ต
Page | 19

Hubungan antara nilai ํ ต dari ํ ต dan nilai ํ ต dari ํ ต serta hubungan
antara nilai ํ ต dari ํ ต dan nilai ํ ต dari ํ ต diberikan dengan ํ ต
= ํ ต +ํ ต dan ํ ต = ํ ต
Inversnya ํ ต = ํ ต dan ํ ต = ํ ต โˆ’ํ ต
Jacobiannya ํ ต = ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต

=
1 0
โˆ’1 1
= 1 ํ ต
= 1
Fungsi densitas gabungan dari ํ ต dan ํ ต adalah ํ ตํ ต
, ํ ต = ํ ตํ ต, ํ ต โˆ’ํ ต. ํ ต =
1
100
. 1 =
1
100

Batas-batas dari ํ ต dan ํ ต adalah
0 < ํ ต < 10 0 < ํ ต < 10
0 < ํ ต < 10 0 < ํ ต โˆ’ํ ต < 10
ํ ต < ํ ต < 10 +ํ ต
Jadi ํ ตํ ต, ํ ต =
1
100
; 0 < ํ ต < 10, ํ ต < ํ ต < 10 +ํ ต
= 0 ; ํ ต, ํ ต lainnya







Bangun ํ ตํ ตํ ตํ ต adalah daerah yang memenuhi 0 < ํ ต < 10 dan ํ ต < ํ ต <
10 +ํ ต
Untuk 0 < ํ ต < 10 : ํ ต
1 ํ ต
=
1
100 ํ ตํ ต ํ ต

0
=

1
100 ํ ต ํ ต

=0 ํ ต

= ํ ต

100

Untuk 10 โ‰ค ํ ต < 20 : ํ ต
1 ํ ต
=
1
100 ํ ตํ ต

10 ํ ต
โˆ’10
=

1
100 ํ ต ํ ต

=ํ ตโˆ’10
10
=
1
100
20 โˆ’ํ ต
Jadi ํ ต
1 ํ ต
= ํ ต

100
; 0 < ํ ต < 10
=
1
100
20 โˆ’ํ ต ; 10 โ‰ค ํ ต < 20
= 0 ; ํ ต lainnya
20 ํ ต
= ํ ต
10
10 A
B
C
D ํ ต
= 10 + ํ ต
Page | 20


Teorema 9 : Transformasi Berbentuk Pengurangan
Misalkan ํ ต dan ํ ต adalah dua variabel random kontinu yang saling
bebas dengan masing-masing fungsi densitasnya berbentuk ํ ต(ํ ต) dan ํ ต
(ํ ต). Jika ํ ต = ํ ต โˆ’ํ ต maka fungsi densitas dari ํ ต dirumuskan sebagai
berikut : ํ ต

1 ํ ต
= ํ ตํ ต, ํ ต โˆ’ํ ต = ํ ตํ ต. ํ ตํ ต โˆ’ํ ตํ ตํ ต
โˆž
โˆ’โˆž
โˆž
โˆ’โˆž

Atau ํ ต

1 ํ ต
= ํ ตํ ต +ํ ต, ํ ต = ํ ตํ ต +ํ ต. ํ ตํ ตํ ตํ ต
โˆž
โˆ’โˆž
โˆž
โˆ’โˆž

Contoh 12
Misalkan ํ ต dan ํ ต adalah dua variabel random kontinu yang saling
bebas dan masing-masing mempunyai fungsi densitas sebagai berikut: ํ ตํ ต
= 2ํ ต ; 0 < ํ ต < 1
= 0 ; ํ ต lainnya ํ ตํ ต
= 3ํ ต
2
; 0 < ํ ต < 1
= 0 ; ํ ต lainnya
Jika ํ ต = ํ ต โˆ’ํ ต maka tentukan fungsi densitas dari ํ ต
Penyelesaian :
Karena variabel random ํ ต dan ํ ต saling bebas, maka fungsi densitas
gabungannya adalah: ํ ตํ ต
, ํ ต = ํ ตํ ต. ํ ตํ ต = 2ํ ต3ํ ต
2
= 6ํ ตํ ต
2
; 0 < ํ ต < 1, 0 < ํ ต < 1
= 0 ; ํ ต, ํ ต lainnya
Karena transformasi variabel random yang diketahui berbentuk ํ ต
= ํ ต โˆ’ํ ต maka kita mengambil transformasi variabel random
keduanya adalah ํ ต = ํ ต
Hubungan antara nilai ํ ต dari ํ ต dan nilai ํ ต dari ํ ต serta nilai ํ ต dari ํ ต
dan nilai ํ ต dari ํ ต diberikan dengan ํ ต
= ํ ต โˆ’ํ ต dan ํ ต = ํ ต
Invers ํ ต = ํ ต dan ํ ต = ํ ต โˆ’ํ ต
Page | 21

Jacobiannya ํ ต = ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต

=
0 1
โˆ’1 1
= 1 ํ ต
= 1
Fungsi densitas gabungan dari ํ ต dan ํ ต adalah ํ ตํ ต
, ํ ต = ํ ตํ ต, ํ ต โˆ’ํ ต. ํ ต = 6ํ ตํ ต โˆ’ํ ต
2
. 1 = 6ํ ตํ ต โˆ’ํ ต
2

Batas-batas dari ํ ต dan ํ ต adalah
0 < ํ ต < 1 0 < ํ ต < 1
0 < ํ ต < 1 0 < ํ ต โˆ’ํ ต < 1
ํ ต < ํ ต < 1 +ํ ต
Jadi ํ ตํ ต, ํ ต = 6ํ ตํ ต โˆ’ํ ต
2
; 0 < ํ ต < 1, ํ ต < ํ ต < 1 +ํ ต
= 0 ; ํ ต, ํ ต lainnya







Bangun ํ ตํ ตํ ตํ ต adalah daerah yang memenuhi 0 < ํ ต < 1 dan ํ ต < ํ ต <
1 +ํ ต
Fungsi densitas marginal dari ํ ต adalah
Untuk โˆ’1 โ‰ค ํ ต โ‰ค 0 : ํ ต
1 ํ ต
= 6ํ ตํ ต โˆ’ํ ต
2
ํ ตํ ต
1+ํ ต
0

= 6ํ ต
3
โˆ’12ํ ต
2 ํ ต
+6ํ ตํ ต
2 ํ ตํ ต

1+ํ ต
0

=

3
2 ํ ต

4
โˆ’4ํ ต
3 ํ ต
+3ํ ต
2 ํ ต

2 ํ ต

=0
1+ํ ต

=
1
2
1 +ํ ต
2
3 โˆ’2ํ ต +ํ ต
2

Untuk 0 < ํ ต โ‰ค 1 : ํ ต
1 ํ ต
= 6ํ ตํ ต โˆ’ ํ ต
2
ํ ตํ ต
1 ํ ต

= 6ํ ต
3
โˆ’12ํ ต
2 ํ ต
+6ํ ตํ ต
2 ํ ตํ ต

1 ํ ต

A B
C D
-1
1
1 ํ ต
= ํ ต ํ ต = 1 +ํ ต
Page | 22

=

3
2 ํ ต

4
โˆ’4ํ ต
3 ํ ต
+3ํ ต
2 ํ ต

2 ํ ต

=ํ ต
1

=
1
2
1 โˆ’ํ ต
3 ํ ต
+3
Jadi ํ ต
1 ํ ต
=
1
2
1 +ํ ต
2
3 โˆ’2ํ ต +ํ ต
2
; โˆ’1 โ‰ค ํ ต โ‰ค 0
=
1
2
1 โˆ’ํ ต
3 ํ ต
+3 ; 0 < ํ ต โ‰ค 1
= 0 ; ํ ต lainnya

Teorema 10 : Transformasi Berbentuk Perkalian
Misalkan ํ ต dan ํ ต adalah dua variabel random kontinu yang saling
bebas dengan masing-masing fungsi densitasnya berbentuk ํ ต(ํ ต) dan ํ ต
(ํ ต). Jika ํ ต = ํ ตํ ต maka fungsi densitas dari ํ ต dirumuskan sebagai
berikut : ํ ต

1 ํ ต
= ํ ต ํ ต. ํ ต ํ ต

1 ํ ต

ํ ตํ ต = ํ ต(ํ ต)
โˆž
โˆ’โˆž
โˆž
โˆ’โˆž
. ํ ต ํ ต ํ ต

.
1 ํ ต

ํ ตํ ต
Atau ํ ต

1 ํ ต
= ํ ต ํ ต ํ ต

. ํ ต
1 ํ ต

ํ ตํ ต = ํ ต( ํ ต ํ ต

)
โˆž
โˆ’โˆž
โˆž
โˆ’โˆž
. ํ ตํ ต.
1 ํ ต

ํ ตํ ต
Contoh 13
Misalkan ํ ต dan ํ ต adalah dua variabel random kontinu yang saling
bebas dengan masing-masing fungsi densitasnya berbentuk ํ ตํ ต
= 2ํ ต ; 0 โ‰ค ํ ต โ‰ค 1
= 0 ; ํ ต lainnya
ํ ตํ ต
= ํ ต

2
9
; 0 โ‰ค ํ ต โ‰ค 3
= 0 ; ํ ต lainnya
Jika ํ ต = ํ ตํ ต maka tentukan fungsi densitas dari ํ ต
Penyelesaian :
Karena ํ ต dan ํ ต adalah dua variabel random kontinu yang saling
bebas, maka fungsi densitas gabungannya adalah
Page | 23
ํ ตํ ต
, ํ ต = ํ ตํ ต. ํ ตํ ต = 2ํ ต. ํ ต

2
9
=
2ํ ตํ ต
2
9
; 0 โ‰ค ํ ต โ‰ค 1, 0 โ‰ค ํ ต โ‰ค 3
= 0 ; ํ ต, ํ ต lainnya
Karena transformasi variabel random yang diketahui berbentuk ํ ต
= ํ ตํ ต maka kita mengambil transformasi variabel random keduanya
adalah ํ ต = ํ ต
Hubungan antara nilai ํ ต dari ํ ต dan nilai ํ ต dari ํ ต serta nilai ํ ต dari ํ ต
dan nilai ํ ต dari ํ ต diberikan dengan ํ ต
= ํ ตํ ต dan ํ ต = ํ ต
Inversnya ํ ต = ํ ต dan ํ ต = ํ ต ํ ต

Jacobiannya ํ ต = ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต

=
1 โˆ’ ํ ต ํ ต

2
0
1 ํ ต

=
1 ํ ต

ํ ต =
1 ํ ต

Fungsi densitas gabungan dari ํ ต dan ํ ต adalah ํ ตํ ต
, ํ ต = ํ ต ํ ต, ํ ต ํ ต

. ํ ต =
2
9
ํ ต ํ ต ํ ต

2

1 ํ ต

=
2
9
ํ ต

2 ํ ต

2

Batas-batas dari ํ ต dan ํ ต adalah
0 โ‰ค ํ ต โ‰ค 1 0 โ‰ค ํ ต โ‰ค 3
0 โ‰ค ํ ต โ‰ค 1 0 โ‰ค ํ ต ํ ต

โ‰ค 3
0 โ‰ค ํ ต โ‰ค 3ํ ต
Jadi ํ ตํ ต, ํ ต =
2
9
ํ ต

2 ํ ต

2
; 0 โ‰ค ํ ต โ‰ค 1, 0 โ‰ค ํ ต โ‰ค 3ํ ต
= 0 ; ํ ต, ํ ต lainnya







Segitiga ํ ตํ ตํ ต adalah daerah yang memenuhi 0 โ‰ค ํ ต โ‰ค 1 dan 0 โ‰ค ํ ต โ‰ค 3ํ ต
Fungsi densitas marginal dari ํ ต adalah
A ํ ต
= 3ํ ต
B
C
1
3
Page | 24
ํ ต

1 ํ ต
=
2ํ ต
3
9ํ ต
2 ํ ตํ ต

1 ํ ต

3
=
2ํ ต
2
9

โˆ’1 ํ ต ํ ต

= ํ ต

3
1
=
2ํ ต
2
9

3 ํ ต

โˆ’1 =
2ํ ต
9
3 โˆ’ํ ต ; 0 โ‰ค ํ ต โ‰ค 3
= 0 ; ํ ต lainnya

Teorema 11 : Transformasi Berbentuk Pembagian
Misalkan ํ ต dan ํ ต adalah dua variabel random kontinu yang saling
bebas dengan masing-masing fungsi densitasnya berbentuk ํ ต(ํ ต) dan ํ ต
(ํ ต). Jika ํ ต = ํ ต ํ ต

maka fungsi densitas dari ํ ต dirumuskan sebagai
berikut : ํ ต

1 ํ ต
= ํ ตํ ตํ ต, ํ ต. ํ ตํ ตํ ต
โˆž
โˆ’โˆž
= ํ ตํ ตํ ต. ํ ตํ ต. ํ ต ํ ตํ ต
โˆž
โˆ’โˆž

Contoh 14
Misalkan ํ ต dan ํ ต adalah dua variabel random kontinu yang saling
bebas dan masing-masing mempunyai fungsi densitas sebagai berikut : ํ ตํ ต
= ํ ต
โˆ’ํ ต
; ํ ต > 0
= 0 ; ํ ต lainnya ํ ตํ ต
= 2. ํ ต
โˆ’2ํ ต
; ํ ต > 0
= 0 ; ํ ต lainnya
Tentukan fungsi densitas dari ํ ต = ํ ต ํ ต

Penyelesaian :
Karena ํ ต dan ํ ต adalah dua variabel random kontinu yang saling
bebas, maka fungsi densitas gabungannya adalah
ํ ตํ ต
, ํ ต = ํ ตํ ต. ํ ตํ ต = ํ ต
โˆ’ํ ต
2. ํ ต
โˆ’2ํ ต
= 2. ํ ต
โˆ’ํ ตโˆ’2ํ ต
; ํ ต > 0, ํ ต > 0
= 0 ; ํ ต, ํ ต lainnya
Karena transformasi variabel random yang diketahui ํ ต = ํ ต ํ ต

maka kita
mengambil transformasi variabel random keduanya adalah ํ ต = ํ ต
Hubungan antara nilai ํ ต dari ํ ต dan nilai ํ ต dari ํ ต serta nilai ํ ต dari ํ ต
dan nilai ํ ต dari ํ ต diberikan dengan ํ ต
= ํ ต ํ ต

dan ํ ต = ํ ต
Page | 25

Inversnya ํ ต = ํ ตํ ต dan ํ ต = ํ ต
Jacobiannya ํ ต = ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต ํ ตํ ต

= ํ ต
ํ ต
0 1
= ํ ต ํ ต
= ํ ต
Fungsi densitas gabungan dari ํ ต dan ํ ต adalah ํ ตํ ต
, ํ ต = ํ ตํ ตํ ต, ํ ต. ํ ต = 2. ํ ตํ ตํ ตโˆ’ํ ตํ ต โˆ’ 2ํ ต. ํ ต = 2ํ ต. ํ ตํ ตํ ตโˆ’ํ ตํ ต + 2
Batas-batas dari ํ ต dan ํ ต adalah ํ ต
> 0 ํ ต > 0 ํ ตํ ต
> 0 ํ ต > 0 ํ ต
> 0
Jadi ํ ตํ ต, ํ ต = 2ํ ต. ํ ตํ ตํ ตโˆ’ํ ตํ ต +2 ; ํ ต > 0, ํ ต > 0
= 0 ; ํ ต, ํ ต lainnya
Fungsi densitas marginal dari ํ ต adalah ํ ต

1 ํ ต
= 2ํ ต. ํ ตํ ตํ ตโˆ’ํ ตํ ต +2
โˆž
0
ํ ตํ ต
Misalkan ํ ต = ํ ตํ ต +2
ํ ตํ ต = ํ ต +2ํ ตํ ต
Batas-batas : untuk ํ ต = 0 maka ํ ต = 0
untuk ํ ต = โˆž maka ํ ต = โˆž
jadi ํ ต

1 ํ ต
= 2 ํ ต ํ ต

+2
ํ ต
โˆ’ํ ต
โˆž
0
.
1 ํ ต
+2
ํ ตํ ต =
2 ํ ต
+2
2
ํ ต.
โˆž
0 ํ ต

โˆ’ํ ต ํ ตํ ต
=
2 ํ ต
+ 2
2
ฮ“2

=
2 ํ ต
+2
2
1 =
2 ํ ต
+2
2
; ํ ต > 0
= 0 ; ํ ต lainnya

D. Teknik Fungsi Pembangkit Momen
Penentuan fungsi peluang atau fungsi densitas dari fungsi variabel
random bisa juga dilakukan melalui fungsi pembangkit momen. Dalam
penentuannya, tentu saja harus digunakan sifat-sifat dari fungsi
pembangkit momen. Berikut ini akan diberikan beberapa teorema tentang
Page | 26

penentuan fungsi peluang atau fungsi densitas (atau secara umum
distribusi) dari fungsi variabel random berdasarkan teknik fungsi
pembangkit momen. Dalam hal ini variabel random dalam fungsi variabel
randomnya sudah diketahui distribusinya. Dengan kata lain, variabel
random dalam fungsi variabel randomnya berasal dari distribusi khusus
yang dikenal.
Teorema 12 : Fungsi Variabel Random Umum
Misalkan ํ ต
1
, ํ ต
2
, ํ ต
3
, โ€ฆ, ํ ต ํ ต

adalah ํ ต buah variabel random yang saling bebas
dan mengikuti distribusi normal umum dengan rataan ํ ต ํ ต

dan variansi ํ ต ํ ต

2
,
ditulis ํ ตํ ต ํ ต

; ํ ต ํ ต

2
, ํ ต = 1,2,3, โ€ฆ, ํ ต. Jika ํ ต = ํ ต
1
+ํ ต
2
+ํ ต
3
+ โ€ฆ+ํ ต ํ ต

maka ํ ต akan
mengikuti distribusi normal umum dengan rataan ํ ต ํ ต ํ ต ํ ต

=1
dan variansi
ํ ต ํ ต

2 ํ ต ํ ต
=1


Contoh 15.
Misalkan ํ ต
1
dan ํ ต
2
adalah dua variabel random yang saling bebas dan
keduanya berdistribusi normal masing-masing ํ ต1; 7 dan ํ ต3; 9. Jika ํ ต
= ํ ต
1
+ํ ต
2
maka hitung ํ ตํ ต > 1
Penyelesaian :
Kita akan menentukan dahulu distribusi dari ํ ต
Berdasarkan teorema 12 maka ํ ต berdistribusi normal umum dengan rataan
4 dan variansi 16. ํ ตํ ต
> 1 = ํ ต
โˆ’ํ ตํ ต ํ ตํ ตํ ต
ํ ต
>
1 โˆ’4
4
= ํ ตํ ต > โˆ’0,75
= ํ ตํ ตํ ตํ ตํ ตํ ต ํ ตํ ตํ ตํ ตํ ตํ ต ํ ต = โˆ’0,75 ํ ตํ ตํ ต ํ ต = 0 +0,5
= ํ ตํ ตํ ตํ ตํ ตํ ต ํ ตํ ตํ ตํ ตํ ตํ ต ํ ต = 0 ํ ตํ ตํ ต ํ ต = 0,75 +0,5
= 0,2734 +0,5 = 0,7734

Teorema 13 : Fungsi Variabel Random Poisson
Misalkan ํ ต
1
, ํ ต
2
, ํ ต
3
, โ€ฆ, ํ ต ํ ต

adalah ํ ต buah variabel random yang saling bebas
dan mengikuti distribusi Poisson yang mempunyai parameter ํ ต ํ ต

, ํ ต =
1,2,3, โ€ฆ, ํ ต. Jika ํ ต = ํ ต
1
+ํ ต
2
+ํ ต
3
+ โ€ฆ+ํ ต ํ ต

maka ํ ต akan mengikuti distribusi
Poisson yang mempunyai parameter ํ ต = ํ ต
1
+ํ ต
2
+ํ ต
3
+ โ€ฆ+ํ ต ํ ต

Page | 27

Contoh 16.
Misalkan ํ ต
1
dan ํ ต
2
adalah dua variabel random yang saling bebas dan
keduanya berdistribusi Poisson masing-masing dengan rataannya 2 dan 3.
Jika ํ ต = ํ ต
1
+ํ ต
2
maka hitung ํ ตํ ต < 3
Penyelesaian :
Kita akan menentukan distribusi dari ํ ต
Berdasarkan teorema 13 maka ํ ต berdistribusi Poisson dengan rataan 5.
Fungsi peluang dari ํ ต berbentuk ํ ตํ ต
= ํ ต

โˆ’5
. 5 ํ ต ํ ต

!
; ํ ต = 0,1,2,3, โ€ฆ
Sehingga ํ ตํ ต < 3 = ํ ตํ ต = 0,1,2 = ํ ตํ ต = 0 +ํ ตํ ต = 1 +ํ ตํ ต = 2
= ํ ต

โˆ’5
. 5
0
0!
+ ํ ต

โˆ’5
. 5
1
1!
+ ํ ต

โˆ’5
. 5
2
2!
= ํ ต
โˆ’5
+5. ํ ต
โˆ’5
+12,5. ํ ต
โˆ’5

= 18,5. ํ ต
โˆ’5


Teorema 14 : Fungsi Variabel Random Chi-Kuadrat
Misalkan ํ ต
1
, ํ ต
2
, ํ ต
3
, โ€ฆ, ํ ต ํ ต

adalah ํ ต buah variabel random yang saling bebas
dan mengikuti distribusi Chi-Kuadrat dengan derajat kebebasan ํ ตํ ต = ํ ต ํ ต

, ํ ต =
1,2,3, โ€ฆํ ต. Jika ํ ต = ํ ต
1
+ํ ต
2
+ํ ต
3
+ โ€ฆ+ํ ต ํ ต

maka ํ ต akan mengikuti distribusi
Chi-Kuadrat dengan derajat kebebasan ํ ตํ ต = ํ ต dengan ํ ต = ํ ต
1
+ํ ต
2
+ํ ต
3
+โ‹ฏ+ ํ ต ํ ต

Contoh 17
Misalkan ํ ต
1
dan ํ ต
2
adalah dua variabel random yang saling bebas dan
keduanya berdistribusi Chi-Kuadrat masing-masing dengan derajat
kebebasannya 3 dan 4. Jika ํ ต = ํ ต
1
+ํ ต
2
dan ํ ตํ ต > ํ ต = 0,95 maka hitung
nilai ํ ต
Penyelesaian :
Kita akan menentukan dahulu distribusi dari ํ ต
Berdasarkan teorema 14 maka ํ ต berdistribusi Chi-Kuadrat dengan derajat
kebebasan 7. Karena ํ ตํ ต > ํ ต = 0,95 maka ํ ตํ ต < ํ ต = 0,05
Nilai ํ ต ditentukan dari tabel distribusi Chi-Kuadrat dengan derajat
kebebasan 7 dan peluang 0,05 yaitu ํ ต = 2,17

Page | 28

Topik 2
LIMIT BARISAN VARIABEL RANDOM

1. Limit Distribusi
Pandang barisan variabel acak Y1, Y2, Y3, โ€ฆ dengan fungsi distribusi (fungsi
distribusi kumulatif)
Gn(y)=P(Yn โ‰ค y), n=1, 2, 3, โ€ฆ.
Definisi 1.1
Barisan variabel acak Y1, Y2, Y3, โ€ฆ dikatakan konvergen dalam distribusi ke
sebuah variabel acak Y dengan fungsi distribusi G(y), dinotasikan dengan
Y Y
d
n
รทรท รท , jika
) ( ) ( lim y G y G
n n
=
ยท รท

untuk semua nilai y dimana G(y) kontinu. Fungsi G(y) dinamakan limit
distribusi dari Yn.
Contoh 1.1
Misalkan X1, X2, โ€ฆ,Xn, merupakan sampel acak dari distribusi uniform,
Xi~UNIF(0,1), dan Yn=Xn:n=max{ X1, X2, โ€ฆ, Xn} merupakan order statistik
terbesar. Maka
ยฆ
ยน
ยฆ
ยด
ยฆ
s
< <
s
=
y
y y
y
y G
n
n
1 , 1
1 0 ,
0 , 0
) (
Karena y
n
รท 0 untuk 0 <y< 1, maka ) ( ) ( lim y G y G
n n
=
ยท รท
dimana
ยน
ยด
ยฆ
s
<
=
y
y
y G
1 , 1
1 , 0
) (
Definisi 1.2
Sebuah variabel acak Y dikatakan mempunyai distribusi yang degenerate
pada titik y=c jika fungsi distribusinya berbentuk
ยน
ยด
ยฆ
s
<
=
y c
c y
y G
, 1
, 0
) (
Berikut ini dua buah sifat limit yang berguna untuk menemukan limit
distribusi suatu barisan variabel acak.
Page | 29

a.
cb
nb
n
e
n
c
= |
.
|

\
|
+
ยท รท
1 lim
b.
cb
nb
n
e
n
n d
n
c
= |
.
|

\
|
+ +
ยท รท
) (
1 lim jika . 0 ) ( lim =
ยท รท
n d
n

Contoh 1.2
Misalkan X1, X2, โ€ฆ,Xn, merupakan sampel acak dari distribusi Pareto,
Xi~PAR(1,1), dan Yn=nX1:n dimana X1:n =min{ X1, X2, โ€ฆ, Xn} merupakan
order statistik terkecil. Fungsi distribusi dari Xi adalah F(x)=1-(1+x)
-1

sehingga
ยน
ยด
ยฆ
< + รท
s
=
รท
y
y
y G
n
n
y n
0 , ) 1 ( 1
0 , 0
) (
Dengan menggunakan sifat limit di atas diperoleh
ยน
ยด
ยฆ
> รท
s
=
รท
y e
y
y G
y
0 , 1
0 , 0
) (
Yang merupakan fungsi distribusi eksponensial dengan parameter 1,
EXP(1). Tidak semua barisan variabel acak mempunyai limit distribusi.
Contoh 1.3
Pada contoh 1.2 definisikan Yn=Xn:n . Maka
ยน
ยด
ยฆ
<
s
=
รท
+
y
y
y G
n
y
y
n
0 , ) (
0 , 0
) (
1

Di sini 0 ) ( ) ( lim = =
ยท รท
y G y G
n n
untuk semua y. Fungsi G(y) bukan fungsi
distribusi suatu variabel acak. Jadi barisan Yn tidak mempunyai limit
distribusi.

2. Teorema Limit Pusat (Central Limit Theorem / CLT)
CLT dapat digunakan untuk menentukan limit distribusi suatu barisan
variabel acak.
Teorema 2.1 (CLT)
Misalkan X1, X2, โ€ฆ,Xn, merupakan sampel acak dari sebarang distribusi
dengan mean ยต=E(Xi) dan variansi o
2
=Var(Xi) <ยท dan
Page | 30

o
ยต
n
n X
Z
n
i
i
n
รท
=
ยฟ
=1

Maka barisan Znkonvergen dalam distribusi ke distribusi normal standar
(baku), yakni ) 1 , 0 ( ~ N Z Z
d
n
รทรท รท untuk n รทยท.
Perhatikan bahwa Zndapat dituliskan sebagai
n
X
Z
n
n
/ o
ยต รท
=
dimana
n
X
X
n
i
i
n
ยฟ
=
=
1
. Sebagai catatan pula, di sini
ยฟ
=
=
n
i
i n
X Y
1
konvergen
dalam distribusi ke distribusi normal dengan mean nยตdan variansi no
2
.
Contoh 2.1
Misalkan X1, X2, โ€ฆ,Xn, merupakan sampel acak dari distribusi uniform,
Xi~UNIF(0,1). Karena ยต=E(Xi)=1/2 dan o
2
=Var(Xi)=1/12 maka
12 /
2 /
1
n
n X
Z
n
i
i
n
รท
=
ยฟ
=
dan
ยฟ
=
=
n
i
i n
X Y
1
masing-masing mempunyai limit distribusi
Z~N(0,1) dan Y~N(n/2,o
2
/12) untuk nรทยท.

3. Konvergen dalam Probabilitas
Definisi 3.1
Barisan variabel acak Y1, Y2, Y3, โ€ฆ dikatakan konvergen dalam probabilitas
(konvergen secara stokastik) ke suatu konstanta c, dinotasikan dengan
c Y
P
n
รทรท รท , jika untuk setiap c> 0
1 ) | (| lim = < รท
ยท รท
c c Y P
n n
.
Untuk menunjukkan suatu barisan variabel acak konvergen dalam
probabilitas ke suatu konstanta c sering dapat digunakan ketaksamaan
berikut ini.
Lemma 3.2 (Ketaksamaan Chebychev)
Untuk sebarang variabel acak Xdengan mean ยต=E(X) dan variansi o
2
=Var(X)
<ยท berlaku
Page | 31

2
2
1 ) | (|
c
o
c ยต รท > < รท X P .
Dengan menggunakan lemma di atas dapat dibuktikan teorema berikut ini.
Teorema 3.3
Misalkan X1, X2, โ€ฆ,Xn, merupakan sampel acak dari sebarang distribusi
dengan mean ยต=E(Xi) dan variansi o
2
=Var(Xi) <ยท . Maka ยต รทรท รท
P
n
X untuk
nรทยท.

4. Teorema-teorema Limit
Definisi 4.1
Barisan variabel acak Y1, Y2, Y3, โ€ฆ dikatakan konvergen dalam
probabilitaske suatu variabel acak Y, dinotasikan dengan Y Y
P
n
รทรท รท , jika
untuk setiap c> 0
1 ) | (| lim = < รท
ยท รท
c Y Y P
n n
.
Teorema 4.2
Untuk sebarang barisan variabel acak Yn, jika Y Y
P
n
รทรท รท maka Y Y
d
n
รทรท รท .
Teorema 4.3
Jika c Y
P
n
รทรท รท dan g sebarang fungsi yang kontinu di c, ) ( ) ( Y g Y g
P
n
รทรท รท .
Teorema 4.4
Jika (Xn) dan (Yn) adalah barisan-barisan variabel acak sedemikian hingga
c X
P
n
รทรท รท dan d Y
P
n
รทรท รท , maka
a. bd ac bY aX
P
n n
+ รทรท รท + .
b. cd Y X
P
n n
รทรท รท .
c. 1 / รทรท รท
P
n
c X jikac= 0.
d. c X
P
n
/ 1 / 1 รทรท รท jikaP(Xn= 0) = 1 untuk semua n dan c= 0.
e. c X
P
n
n
รทรท รท jikaP(Xn โ‰ฅ 0) = 1 untuk semua n.
Teorema 4.5 (Teorema Slutsky)
Jika (Xn) dan (Yn) adalah barisan-barisan variabel acak sedemikian hingga
c X
P
n
รทรท รท dan Y Y
d
n
รทรท รท , maka
a. Y c Y X
d
n n
+ รทรท รท + .
Page | 32

b. cY Y X
d
n n
รทรท รท .
c. c Y Y X
P
n n
/ / รทรท รท jika c= 0.
Teorema 4.6
Jika Y Y
d
n
รทรท รท dan g sebarang fungsi kontinu yang tidak tergantung pada n,
maka ) ( ) ( Y g Y g
d
n
รทรท รท .


























Page | 33

Topik 3
KEKONVERGENAN

1. Kekonvergenan Almost Surely
Barisan variabel random ํ ต ํ ต

dikatakan konvergen almost surely ke variabel
random ํ ต jika dan hanya jika terdapat himpunan kejadian ํ ต โˆˆ ํ ต dengan ํ ตํ ต
= 0 sedemikian hingga โˆ€ ํ ต โˆˆ ํ ต ํ ต

, ํ ต ํ ต ํ ต

โˆ’ํ ต(ํ ต) โ†’ 0 ํ ตํ ตํ ตํ ตํ ต ํ ต โ†’ โˆž
Dengan kata lain ํ ตlim ํ ต
โ†’โˆž ํ ต ํ ต

= ํ ต = 1 atau lim ํ ต
โ†’โˆž ํ ต ํ ต

= ํ ต almost surely
2. Kekonvergenan in Probability
Barisan variabel random ํ ต ํ ต

dikatakan konvergen in probability ke
variabel random ํ ต jika dan hanya jika untuk setiap ํ ต > 0 maka berlaku
lim ํ ต
โ†’โˆž ํ ตํ ต ํ ต

โˆ’ํ ต > ํ ต = 0
3. Kekonvergenan in law
Barisan variabel random ํ ต ํ ต

dikatakan konvergen in law ke variabel
random ํ ต jika dan hanya jika sebaran peluang ํ ต ํ ต ํ ต

(ํ ต) konvergen ke sebaran
peluang ํ ต ํ ต

(ํ ต)
4. Kekonvergenan in ํ ต ํ ต

Barisan variabel random ํ ต dikatakan konvergen in ํ ต ํ ต

ke variabel random ํ ต
jika dan hanya jika ํ ต ํ ต

โˆˆ ํ ต ํ ต

dan lim ํ ต
โ†’โˆž ํ ตํ ต ํ ต

โˆ’ํ ต ํ ต

= 0 untuk 0 < ํ ต < โˆž
5. Teorema Kekonvergenan 1
Barisan variabel random ํ ต ํ ต

dikatakan konvergen in probability ke
variabel random ํ ต jika dan hanya jika
lim ํ ต
โ†’โˆž ํ ต
ํ ต ํ ต

โˆ’ ํ ต
1 +ํ ต ํ ต

โˆ’ ํ ต
= 0
6. Teorema Kekonvergenan 2
Jika barisan variabel random ํ ต ํ ต

dikatakan konvergen ke variabel random ํ ต
almost surely maka barisan variabel random ํ ต ํ ต

konvergen ke variabel
random ํ ต in probability.
7. Teorema Kekonvergenan 3
Jika barisan variabel random ํ ต ํ ต

dikatakan konvergen ke variabel random ํ ต
in probabability maka barisan variabel random ํ ต ํ ต

konvergen ke variabel
random ํ ต in law.
Page | 34

8. Teorema Kekonvergenan 4
Jika barisan variabel random ํ ต ํ ต

dikatakan konvergen ke variabel random ํ ต
in probabability maka terdapat subbarisan variabel random ํ ต ํ ต ํ ต

dan
variabel random ํ ต sedemikian sehingga subbarisan variabel random ํ ต ํ ต ํ ต

konvergen ke variabel random ํ ต in almost surely.
9. Teorema Kekonvergenan 5
Jika barisan variabel random ํ ต ํ ต

konvergen ke 0 in law, maka barisan
variabel random ํ ต ํ ต

konvergen ke 0 in probability.
10. Teorema Kekonvergenan 6
Jika barisan variabel random ํ ต ํ ต

konvergen almost surely maka terdapat
variabel random ํ ต sedemikian sehingga barisan variabel random ํ ต ํ ต

konvergen ke variabel random ํ ต almost surely.
11. Teorema Kekonvergenan 7
Jika barisan variabel random ํ ต ํ ต

konvergen in probability maka terdapat
variabel random ํ ต sedemikian sehingga barisan variabel random ํ ต ํ ต

konvergen ke variabel random ํ ต in probability.

Topik 1 DISTRIBUSI FUNGSI VARIABEL RANDOM A. Pendahuluan Pada materi ini akan dibahas beberapa teknik yang digunakan dalam menentukan distribusi dari fungsi variabel random yaitu teknik fungsi distribusi, teknik transformasi variabel random, dan teknik fungsi pembangkit momen. Misalkan kita mempunyai variabel random baik diskrit maupun kontinu, kita bisa menentukan fungsi peluang atau fungsi densitas berdasarkan sifatnya. Kemudian kita mempunyai variabel random baru yang merupakan fungsi dari variabel random semula. Dalam hal ini kita akan menentukan distribusi dari variabel random baru tersebut. Penentuan distribusi tersebut bergantung pada banyak variabel random yang dilibatkan yaitu satu variabel random atau dua variabel random. B. Teknik Fungsi Distribusi 1. Variabel Random Diskrit Jika ๐‘‹ adalah variabel random diskrit dengan fungsi peluangnya ๐‘(๐‘ฅ) maka ๐‘Œ = ๐ป(๐‘ฅ) adalah juga variabel random diskrit. Penentuan fungsi peluang dari ๐‘Œ dapat dilakukan sebagai berikut : a. Tentukan nilai-nilai yang mungkin dari ๐‘Œ b. Tentukan ๐น ๐‘ฆ = ๐‘ƒ(๐‘Œ โ‰ค ๐‘ฆ) c. Tentukan fungsi peluang dari ๐‘Œ berdasarkan ๐น(๐‘ฆ) Pemahaman uraian tentang penentuan distribusi dari fungsi variabel random diskrit diperjelas melalui contoh berikut. Contoh 1. Misalkan Sandy mengundi tiga mata uang logam Rp. 100,00 yang seimbang secara sekaligus. Jika variabel random ๐‘‹ menunjukkan banyak โ€œGAMBAR KARAPAN SAPIโ€ yang muncul, maka tentukan fungsi peluang dari variabel random ๐‘Œ = 2๐‘‹ โˆ’ 1 Penyelesaian : Ruang sampel ๐‘† = ๐ป๐ป๐ป, ๐ป๐ป๐บ, ๐ป๐บ๐ป, ๐บ๐ป๐ป, ๐ป๐บ๐บ, ๐บ๐ป๐บ, ๐บ๐บ๐ป, ๐บ๐บ๐บ
Page | 1

Dengan ๐ป = HURUF BANK INDONESIA ๐บ = GAMBAR KARAPAN SAPI Karena ๐‘‹ menunjukkan banyak ๐บ yang muncul, maka distribusi peluang dari ๐‘‹ adalah ๐‘‹ ๐‘  = ๐‘‹ ๐ป๐ป๐ป = 0 ๐‘‹ ๐‘  = ๐‘‹ ๐ป๐ป๐บ = ๐‘‹ ๐ป๐บ๐ป = ๐‘‹ ๐บ๐ป๐ป = 1 ๐‘‹ ๐‘  = ๐‘‹ ๐ป๐บ๐บ = ๐‘‹ ๐บ๐ป๐บ = ๐‘‹ ๐บ๐บ๐ป = 2 ๐‘‹ ๐‘  = ๐‘‹ ๐บ๐บ๐บ = 3 Jadi nilai-nilai yang mungkin dari ๐‘‹ adalah ๐‘…๐‘‹ = 0,1,2,3 Peluang untuk masing-masing nilai variabel random adalah ๐‘ƒ ๐‘‹ = 0 = ๐‘ƒ ๐ป๐ป๐ป = 1 8

1 1 1 3 + + = 8 8 8 8 1 1 1 3 ๐‘ƒ ๐‘‹ = 2 = ๐‘ƒ ๐ป๐บ๐บ + ๐‘ƒ ๐บ๐ป๐บ + ๐‘ƒ ๐บ๐บ๐ป = + + = 8 8 8 8 1 ๐‘ƒ ๐‘‹ = 3 = ๐‘ƒ ๐บ๐บ๐บ = 8 ๐‘ƒ ๐‘‹ = 1 = ๐‘ƒ ๐ป๐ป๐บ + ๐‘ƒ ๐ป๐บ๐ป + ๐‘ƒ ๐บ๐ป๐ป = Jadi distribusi peluang dari ๐‘‹ adalah 0 1 1 3 8 8 Diketahui ๐‘Œ = 2๐‘‹ โˆ’ 1 ๐‘‹ ๐‘(๐‘‹) 2 3 8 3 1 8

Nilai-nilai yang mungkin dari ๐‘Œ adalah ๐‘Œ = ๐‘ฆ ๐‘ฆ = โˆ’1,1,3,5 Berdasarkan definisi fungsi distribusi, maka ๐‘ฆ + 1 = 2 ๐‘ฆ
+1 2 ๐น

๐‘ฆ = ๐‘ƒ ๐‘Œ โ‰ค ๐‘ฆ = ๐‘ƒ 2๐‘‹ โˆ’ 1 โ‰ค ๐‘ฆ = ๐‘ƒ ๐‘‹ โ‰ค ๐‘

(๐‘ฅ) ๐‘ฅ
=0

Untuk ๐‘ฆ < โˆ’1 maka ๐น ๐‘ฆ = 0 karena ๐‘ฆ ๐‘ฆ < โˆ’1 = โˆ… Untuk โˆ’1 < ๐‘ฆ < 1 maka ๐น ๐‘ฆ = Untuk 1 โ‰ค ๐‘ฆ < 3 maka ๐น ๐‘ฆ = Untuk 3 โ‰ค ๐‘ฆ < 5 maka ๐น ๐‘ฆ = Untuk ๐‘ฆ โ‰ฅ 5 maka
0 ๐‘ฅ=0 ๐‘(๐‘ฅ) 1 ๐‘ฅ=0 ๐‘(๐‘ฅ) 2 ๐‘ฅ=0 ๐‘(๐‘ฅ)

= ๐‘ 0 = 8
1 3 4 3 3 7

1

= ๐‘ 0 + ๐‘ 1 = 8 + 8 = 8 = ๐‘ 0 + ๐‘ 1 + ๐‘ 2 = 8 + 8 + 8 = 8
1

Page | 2

Tentukan turunan pertama ๐น(๐‘ฆ) terhadap ๐‘ฆ untuk memperoleh ๐‘“(๐‘ฆ) c.3 ๐น ๐‘ฆ = ๐‘ฅ=0 ๐‘(๐‘ฅ) = ๐‘ 0 + ๐‘ 1 + ๐‘ 2 + ๐‘ 3 = 1 3 3 1 + + + =1 8 8 8 8 Jadi fungsi distribusi dari ๐‘Œ adalah ๐น ๐‘ฆ = 0 . Contoh 2 Misalkan fungsi densitas dari variabel random ๐‘‹ berbentuk ๐‘ฅ ๐‘“ ๐‘ฅ = . maka tentukan fungsi densitas dari ๐‘Œ Penyelesaian : Berdasarkan definisi fungsi distribusi jika Page | 3 7 1 7 4 3 4 1 3 1 1 . ๐‘ฆ โ‰ฅ 5 Sehingga fungsi peluang dari ๐‘Œ adalah Untuk ๐‘ฆ < โˆ’1 maka ๐‘ ๐‘ฆ = 8 โˆ’ 0 = 8 Untuk ๐‘ฆ = 1 maka ๐‘ ๐‘ฆ = 8 โˆ’ 8 = 8 Untuk ๐‘ฆ = 3 maka ๐‘ ๐‘ฆ = 8 โˆ’ 8 = 8 Untuk ๐‘ฆ = 5 maka ๐‘ ๐‘ฆ = 1 โˆ’ 8 = 8 2. Tentukan daerah hasil untuk ๐‘Œ Pemahaman tentang penentuan distribusi dari fungsi variabel random kontinu diperjelas melalui contoh berikut. Variabel Random Kontinu Jika ๐‘‹ adalah variabel random kontinu dengan fungsi densitas ๐‘“(๐‘ฅ) maka ๐‘Œ = ๐ป(๐‘‹) adalah juga variabel random kontinu. Fungsi densitas dari variabel random ๐‘Œ dapat ditentukan sebagai berikut : a. ๐‘ฆ < โˆ’1 1 . โˆ’1 โ‰ค ๐‘ฆ < 1 8 4 = . ๐‘ฅ lainnya Jika variabel random ๐‘Œ = 2๐‘‹ + 8. 1 โ‰ค ๐‘ฆ < 3 8 7 = . 0 < ๐‘ฅ < 4 8 = 0 . Tentukan ๐น ๐‘ฆ = ๐‘ƒ ๐‘Œ โ‰ค ๐‘ฆ b. 3 โ‰ค ๐‘ฆ < 5 8 = = 1 .

maka fungsi peluang dari ๐‘Œ ditentukan sebagai berikut ๐‘ ๐‘ฆ = ๐‘ ๐พ ๐‘ฆ Contoh 3 Misalkan fungsi peluang dari variabel random ๐‘‹ adalah ๐‘ ๐‘ฅ = 2โˆ’๐‘ฅ .3.2. Variabel Random Diskrit Menentukan fungsi peluang dari fungsi variabel random diskrit tanpa melalui fungsi distribusi. ๐‘ฆ lainnya C. ๐‘ฅ = 1. 8 < ๐‘ฆ < 16 = 0 . Teknik Transformasi Variabel Random 1. dengan penentuannya dapat dilihat dalam teorema berikut : Teorema 1 : Teknik Transformasi Satu Variabel Random Diskrit Misalkan ๐‘‹ adalah variabel random diskrit dengan fungsi peluang ๐‘(๐‘ฅ). Jika variabel random ๐‘Œ = ๐ป(๐‘‹) dengan setiap nilai dari ๐‘‹ berkorespondensi satu dan hanya satu dengan nilai dari ๐‘Œ dan sebaliknya hingga ๐‘‹ = ๐พ(๐‘Œ).๐น ๐‘ฆ = ๐‘ƒ ๐‘Œ โ‰ค ๐‘ฆ = ๐‘ƒ 2๐‘‹ + 8 โ‰ค ๐‘ฆ = ๐‘ƒ ๐‘‹ โ‰ค ๐‘ฆโˆ’8 ๐‘ฅ 2 2 ๐‘ฆ โˆ’ 8 = 2 ๐‘ฆโˆ’8 2 ๐‘ฅ=0 ๐‘ฅ ๐‘‘๐‘ฅ 8 = 16 = ๐‘ฅ=0 1 2 ๐‘ฆ โˆ’ 16๐‘ฆ + 64 64 โˆ’4 32 ๐‘ฆ 1 Turunan pertama ๐น(๐‘ฆ) terhadap ๐‘ฆ adalah Daerah hasil dari ๐‘Œ adalah Untuk ๐‘ฅ = 0 maka ๐‘ฆ = 8 Untuk ๐‘ฅ = 4 maka ๐‘ฆ = 16 Jadi 8 < ๐‘ฆ < 16 sehingga fungsi densitas dari ๐‘Œ adalah ๐‘“ ๐‘ฆ = 32 โˆ’ 4 . โ€ฆ Tentukan fungsi peluang dari variabel random ๐‘Œ = ๐‘‹ 4 + 1 Penyelesaian : Transformasinya ๐‘Œ = ๐‘‹ 4 + 1 ๐‘ฆ 1 Page | 4 .

Hubungan antara nilai ๐‘ฅ dari variabel random ๐‘‹ dan nilai ๐‘ฆ dari variabel random ๐‘Œ diberikan dengan ๐‘ฆ = ๐‘ฅ 4 + 1 Inversnya ๐‘ฅ = ๐‘ฆ โˆ’ 1 1 4 Nilai-nilai yang mungkin dari ๐‘Œ adalah ๐‘Œ = ๐‘ฆ ๐‘ฆ = 2. Dalam hal ini transformasi dari ๐‘‹ ke ๐‘ dapat dilakukan dalam dua tahap yaitu : a.82. ๐‘ค โ€ฒ (๐‘ฆ) Contoh 4 : Jika variabel random ๐‘‹ berdistribusi normal baku. maka tentukan fungsi densitas dari ๐‘Œ = ๐‘‹ 2 Penyelesaian : Fungsi densitas dari ๐‘‹ adalah ๐‘“ ๐‘ฅ = 1 2๐œ‹ 1 โˆ’ ๐‘ฆ โˆ’1 4 . Variabel Random Kontinu Teorema 2 : Teknik Transformasi Satu Variabel Random Kontinu Misalkan ๐‘‹ adalah variabel random kontinu dengan fungsi densitas ๐‘“(๐‘ฅ). ๐‘ฆ = 2. Menentukan fungsi densitas dari ๐‘ = ๐‘‹ Untuk menentukan fungsi densitas dari ๐‘ = ๐‘‹ digunakan teknik fungsi distribusi.82. โ€ฆ Jadi fungsi peluang dari ๐‘Œ adalah ๐‘1 ๐‘ฆ = 2 2.17. Fungsi densitas dari ๐‘Œ = ๐‘ˆ(๐‘‹) ditentukan oleh ๐‘“ ๐‘ฆ = ๐‘“ ๐‘ค(๐‘ฆ) . maka persamaan ๐‘ฆ = ๐‘ข(๐‘ฅ) dapat diselesaikan untuk ๐‘ฅ dengan ๐‘ฅ = ๐‘ค(๐‘ฆ). โˆ’โˆž < ๐‘ฅ < โˆž Karena ๐‘ฆ = ๐‘ฅ 2 merupakan fungsi turun untuk nilai-nilai ๐‘ฅ yang negatif dan fungsi naik untuk nilai-nilai ๐‘ฅ yang positif. maka kita tidak bisa menggunakan teorema 2. โ€ฆ ๐‘’๐‘ฅ๐‘ โˆ’1 2 ๐‘ฅ 2 .17. Fungsi distribusi dari ๐‘ adalah : ๐น ๐‘ง = ๐‘ƒ ๐‘ โ‰ค ๐‘ง = ๐‘ƒ ๐‘‹ โ‰ค ๐‘ง = ๐‘ƒ 2 2 ๐‘‹ 2 โ‰ค ๐‘ง = ๐‘ƒ ๐‘‹ 2 โ‰ค ๐‘ง 2 ๐‘ง = ๐‘ƒ ๐‘‹ โˆ’ ๐‘ง โ‰ค 0 = ๐‘ƒ โˆ’๐‘ง โ‰ค ๐‘‹ โ‰ค ๐‘ง = โˆ’๐‘ง ๐‘ง ๐‘“ ๐‘ฅ ๐‘‘๐‘ฅ = โˆ’๐‘ง 1 2๐œ‹ ๐‘’๐‘ฅ๐‘ โˆ’1 2 ๐‘ฅ ๐‘‘๐‘ฅ 2 Page | 5 . Jika fungsi ๐‘ฆ = ๐‘ข(๐‘ฅ) dapat diturunkan dan naik atau turun untuk semua nilai dalam daerah hasil ๐‘‹ dengan ๐‘“(๐‘ฅ) โ‰  0.

Menentukan fungsi densitas dari ๐‘Œ = ๐‘ 2 = ๐‘‹ 2 Dalam hal ini ๐‘ฆ = ๐‘ง 2 merupakan fungsi naik untuk semua nilai ๐‘ง sehingga teorema 2 berlaku.0 = โˆ’๐‘ง ๐‘ง 1 โˆ’1 2 ๐‘’๐‘ฅ๐‘ ๐‘ฅ ๐‘‘๐‘ฅ + 2 2๐œ‹ ๐‘ง 1 2๐œ‹ 1 2๐œ‹ ๐‘’๐‘ฅ๐‘ 0 ๐‘ง โˆ’1 2 ๐‘ฅ ๐‘‘๐‘ฅ 2 โˆ’1 2 ๐‘ฅ ๐‘‘๐‘ฅ 2 = 0 ๐‘ง 1 โˆ’1 2 ๐‘’๐‘ฅ๐‘ ๐‘ฅ ๐‘‘๐‘ฅ + 2 2๐œ‹ ๐‘’๐‘ฅ๐‘ โˆ’1 2 ๐‘ฅ ๐‘‘๐‘ฅ 2 ๐‘’๐‘ฅ๐‘ 0 = 0 2 2๐œ‹ Bentuk di atas merupakan fungsi distribusi dari variabel random ๐‘ dengan fungsi densitasnya berbentuk ๐‘“ ๐‘ง = 2 2๐œ‹ ๐‘’๐‘ฅ๐‘ โˆ’1 2 ๐‘ฅ . ๐‘ง lainnya b. ๐‘’ โˆ’๐‘ฆ 2 fungsi densitas di atas berasal dari distribusi khi-kuadrat dengan derajat kebebasan ๐‘‘๐‘˜ = 1 Page | 6 . ๐‘ง > 0 2 = 0 . ๐‘’ โˆ’๐‘ฆ ๐‘‘๐‘ง ๐‘‘๐‘ฆ 2 1 2 ๐‘ฆ = 2 2 ๐œ‹ ๐‘ฆ โˆ’1 2 . Hubungan antara nilai ๐‘ง dari ๐‘ dan nilai ๐‘ฆ dari ๐‘Œ diberikan dengan ๐‘ฆ = ๐‘ง 2 Inversnya ๐‘ง = ๐‘‘๐‘ง ๐‘ฆ 1 1 Jacobiannya ๐‘‘๐‘ฆ = 2 ๐‘ฆ โˆ’2 ๐‘‘๐‘ง ๐‘‘๐‘ฆ =2 1 ๐‘ฆ Nilai-nilai yang mungkin dari ๐‘Œ adalah ๐‘Œ = ๐‘ฆ . ๐‘’ โˆ’๐‘ฆ 2 = 1 21 2 ฮ“ 1 2 ๐‘ฆ โˆ’1 2 . ๐‘ฆ > 0 Sehingga fungsi densitas dari ๐‘Œ adalah ๐‘˜ ๐‘ฆ = ๐‘“ ๐‘• ๐‘ฆ = 2 2๐œ‹ ๐‘ฆ .

0 < ๐‘ฅ < 2.Teorema 3 : Teknik Transformasi Dua Variabel Random Kontinu Misalkan ๐‘‹ dan ๐‘Œ adalah variabel random kontinu dengan fungsi densitas gabungannya ๐‘“(๐‘ฅ. ๐‘ฃ) . 0 < ๐‘ฆ < 2 4 = 0 . ๐‘ฃ . ๐‘ฆ) dan ๐‘ฃ = ๐‘”2 (๐‘ฅ. Jika fungsi ๐‘ข = ๐‘”1 (๐‘ฅ. ๐‘ฆ) diferensiabel secara parsial terhadap ๐‘ฅ dan ๐‘ฆ dan merupakan transformasi satu-satu untuk semua nilai dalam daerah hasil dari ๐‘‹ dan ๐‘Œ dengan ๐‘“(๐‘ฅ. ๐‘Œ) dan ๐‘‰ = ๐‘”2 (๐‘‹. ๐‘ฆ) dan ๐‘ฃ = ๐‘”2 (๐‘ฅ. ๐‘ฆ lainnya Jika ๐‘ˆ = ๐‘‹ โˆ’ ๐‘Œ dan ๐‘‰ = ๐‘‹ + ๐‘Œ maka tentukan fungsi densitas marginal dari ๐‘ˆ Penyelesaian : Kedua variabel random transformasinya ๐‘ˆ = ๐‘‹ โˆ’ ๐‘Œ dan ๐‘‰ = ๐‘‹ + ๐‘Œ Hubungan antara nilai ๐‘ฅ dari ๐‘‹ dan nilai ๐‘ฆ dari ๐‘Œ serta hubungan antara nilai ๐‘ข dari ๐‘ˆ dan nilai ๐‘ฃ dari ๐‘‰ diberikan dengan ๐‘ข = ๐‘ฅ โˆ’ ๐‘ฆ dan ๐‘ฃ = ๐‘ฅ + ๐‘ฆ Inversnya ๐‘ฅ = ๐‘ข +๐‘ฃ 2 ๐‘ขโˆ’๐‘ฃ 2 1 1 1 2 1 2 2 1 1 1 dan ๐‘ฆ = โˆ’ ๐œ•๐‘ฅ ๐œ•๐‘ฃ ๐œ•๐‘ฆ ๐œ•๐‘ฃ ๐œ•๐‘ฅ Jacobiannya ๐ฝ = ๐œ•๐‘ข ๐œ•๐‘ฆ ๐œ•๐‘ข = โˆ’2 =4+4 =2 Page | 7 . ๐‘ฃ = ๐‘“ ๐‘ค ๐‘ข. penentuan fungsi densitas dari variabel random transformasi bisa terjadi dalam empat kemungkinan sebagai berikut: a. Fungsi densitas gabungan dari ๐‘ˆ = ๐‘”1 (๐‘‹. ๐‘ฆ) โ‰  0. ๐‘ฃ). dengan ๐‘ฅ = ๐‘ค(๐‘ข. ๐‘ฆ = 1 . ๐ฝ dengan ๐œ•๐‘ฅ ๐ฝ = ๐œ•๐‘ข ๐œ•๐‘ฆ ๐œ•๐‘ข ๐œ•๐‘ฅ ๐œ•๐‘ฃ ๐œ•๐‘ฆ ๐œ•๐‘ฃ Dalam prakteknya. ๐‘ฆ). Dua Transformasi Variabel Random dan Fungsi Densitas Gabungan Diketahui Contoh 5. ๐‘Œ) ditentukan dengan ๐‘• ๐‘ข. Misalkan fungsi densitas gabungan dari ๐‘‹ dan ๐‘Œ berbentuk ๐‘“ ๐‘ฅ. ๐‘ฃ) dan ๐‘ฆ = ๐‘˜(๐‘ข. ๐‘˜(๐‘ข. ๐‘ฆ) dapat diperoleh ๐‘ฅ dan ๐‘ฆ yang tunggal. ๐‘ฅ. maka untuk nilai ๐‘ฅ dan ๐‘ฆ tersebut persamaan ๐‘ข = ๐‘”1 (๐‘ฅ.

๐ฝ = 2 2 4 1 1 = 2 8 0 < ๐‘ฆ < 2 0<โˆ’ ๐‘ขโˆ’๐‘ฃ 2 Fungsi densitas gabungan dari ๐‘ˆ dan ๐‘‰ adalah : ๐‘” ๐‘ข. 0 < ๐‘ข < 2 = 0 .๐ฝ = 1 2 ๐‘ข + ๐‘ฃ ๐‘ข โˆ’ ๐‘ฃ 1 .โˆ’ . ๐‘ฃ = ๐‘“ Batas-batas dari ๐‘ˆ dan ๐‘‰ adalah : 0 < ๐‘ฅ < 2 0< ๐‘ข+๐‘ฃ 2 <2 <2 0 < ๐‘ข + ๐‘ฃ < 4 โˆ’๐‘ข < ๐‘ฃ < 4 โˆ’ ๐‘ข 1 0 < ๐‘ฃ โˆ’ ๐‘ข < 4 ๐‘ข < ๐‘ฃ < 4 + ๐‘ข Jadi ๐‘” ๐‘ข. ๐‘ข < ๐‘ฃ < 4 + ๐‘ข = 0 . ๐‘ข lainnya Page | 8 . ๐‘ฃ = 8 . ๐‘ฃ lainnya 8 4 B C A 4 Segitiga ๐ด๐ต๐ถ merupakan luas daerah yang memenuhi โˆ’๐‘ข < ๐‘ฃ < 4 โˆ’ ๐‘ข dan ๐‘ข < ๐‘ฃ < 4 + ๐‘ข Fungsi densitas marginal dari ๐‘ˆ adalah : 4+๐‘ข ๐‘”1 ๐‘ข = ๐‘ข 1 1 ๐‘‘๐‘ฃ = ๐‘ฃ 8 8 1 4+๐‘ข = ๐‘ฃ=๐‘ข 1 1 4 + ๐‘ข โˆ’ ๐‘ข = 8 2 Maka ๐‘”1 ๐‘ข = 2 . ๐‘ข. ๐‘ข๐‘›๐‘ก๐‘ข๐‘˜ โˆ’ ๐‘ข < ๐‘ฃ < 4 โˆ’ ๐‘ข.

1 < ๐‘ฅ < 2. ๐‘ฅ lainnya dari ๐‘ˆ Penyelesaian : Karena ๐‘‹ dan ๐‘Œ saling bebas. ๐‘ฆ = 1 3 1 3 1 ๐‘” ๐‘ฅ = 3 . maka tentukan fungsi densitas marginal =3 1 . ๐‘ฃ = ๐‘• ๐‘ข + ๐‘ฃ ๐‘ข โˆ’ ๐‘ฃ 1 . ๐ฝ = 2 2 3 1 1 = 2 6 0 < ๐‘ฆ < 3 0<โˆ’ ๐‘ขโˆ’๐‘ฃ 2 Batas-batas dari ๐‘ˆ dan ๐‘‰ adalah : 1 < ๐‘ฅ < 2 1< ๐‘ข+๐‘ฃ 2 <2 <3 2 < ๐‘ข + ๐‘ฃ < 4 0 < ๐‘ฃ โˆ’ ๐‘ข < 6 Page | 9 .b. 0 < ๐‘ฆ < 3 = 0 .โˆ’ . Dua Transformasi Variabel Random Diketahui dan Fungsi Densitas Gabungan Tidak Diketahui Contoh 6. maka fungsi densitas gabungannya adalah ๐‘• ๐‘ฅ = ๐‘“ ๐‘ฅ . 1 < ๐‘ฅ < 2 = 0 . ๐‘ฆ lainnya Jika ๐‘ˆ = ๐‘‹ โˆ’ ๐‘Œ dan ๐‘‰ = ๐‘‹ + ๐‘Œ. Misalkan ๐‘‹ dan ๐‘Œ adalah dua variabel random kontinu yang saling bebas dan masing-masing mempunyai fungsi densitasnya sebagai berikut : ๐‘“ ๐‘ฅ = 1 . 0 < ๐‘ฆ < 3 = 0 . ๐‘ฅ. ๐‘ฆ lainnya Kedua variabel random transformasinya ๐‘ˆ = ๐‘‹ โˆ’ ๐‘Œ dan ๐‘‰ = ๐‘‹ + ๐‘Œ Hubungan antara nilai ๐‘ฅ dari ๐‘‹ dan nilai ๐‘ฆ dari ๐‘Œ serta hubungan antara nilai ๐‘ข dari ๐‘ˆ dan nilai ๐‘ฃ dari ๐‘‰ diberikan dengan ๐‘ข = ๐‘ฅ โˆ’ ๐‘ฆ dan ๐‘ฃ = ๐‘ฅ + ๐‘ฆ Inversnya ๐‘ฅ = ๐‘ข +๐‘ฃ 2 ๐‘ขโˆ’๐‘ฃ 2 1 1 1 2 1 2 2 1 1 1 dan ๐‘ฆ = โˆ’ ๐œ•๐‘ฅ ๐œ•๐‘ฃ ๐œ•๐‘ฆ ๐œ•๐‘ฃ ๐œ•๐‘ฅ Jacobiannya ๐ฝ = 1 2 ๐œ•๐‘ข ๐œ•๐‘ฆ ๐œ•๐‘ข = โˆ’2 =4+4 =2 ๐ฝ = Fungsi densitas gabungan dari ๐‘ˆ dan ๐‘‰ adalah : ๐‘˜ ๐‘ข. ๐‘” ๐‘ฆ = 1 Jadi ๐‘• ๐‘ฅ.

2 โˆ’ ๐‘ฃ < ๐‘ข < 4 โˆ’ ๐‘ฃ 1 ๐‘ข < ๐‘ฃ < 6 + ๐‘ข Jadi ๐‘” ๐‘ข. โˆ’1 โ‰ค ๐‘ข < 1 6 3 = 2โˆ’๐‘ข 4โˆ’๐‘ข = ๐‘ฃ=2โˆ’๐‘ข = ๐‘ข 1 1 ๐‘‘๐‘ฃ = ๐‘ฃ 6 6 1 4โˆ’๐‘ข = ๐‘ฃ=๐‘ข 1 1 4 โˆ’ ๐‘ข โˆ’ ๐‘ข = 4 โˆ’ 2๐‘ข . ๐‘ข lainnya Page | 10 . โˆ’2 < ๐‘ข < โˆ’1 1 . ๐‘ฃ = 6 . 1 โ‰ค ๐‘ข โ‰ค 2 6 6 Maka ๐‘˜1 ๐‘ข = 6 4 + 2๐‘ข . ๐‘ข๐‘›๐‘ก๐‘ข๐‘˜ 2 โˆ’ ๐‘ฃ < ๐‘ข < 4 โˆ’ ๐‘ฃ. 1 โ‰ค ๐‘ข < 1 3 1 = 4 โˆ’ 2๐‘ข . 1 โ‰ค ๐‘ข โ‰ค 2 6 = = 0 . โˆ’2 < ๐‘ข < โˆ’1 6 6 1 1 4 โˆ’ ๐‘ข โˆ’ 2 + ๐‘ข = . ๐‘ฃ lainnya 12 ๐‘ฃ = 6 + ๐‘ข B A 6 4 2 C 2 4 6 D ๐‘ข = 2 โˆ’ ๐‘ฃ ๐‘ข = 4 โˆ’ ๐‘ฃ Bangun ๐ด๐ต๐ถ๐ท merupakan luas daerah yang memenuhi 2 โˆ’ ๐‘ฃ < ๐‘ข < 4 โˆ’ ๐‘ฃ dan ๐‘ข < ๐‘ฃ < 6 + ๐‘ข Jadi fungsi densitas marginal dari ๐‘ˆ adalah 6+๐‘ข ๐‘˜1 ๐‘ข = 2โˆ’๐‘ข 4โˆ’๐‘ข 1 1 ๐‘‘๐‘ฃ = ๐‘ฃ 6 6 1 1 ๐‘‘๐‘ฃ = ๐‘ฃ 6 6 6+๐‘ข = ๐‘ฃ=2โˆ’๐‘ข 4โˆ’๐‘ข 1 1 6 + ๐‘ข โˆ’ 2 + ๐‘ข = 4 + 2๐‘ข . ๐‘ข < ๐‘ฃ < 6 + ๐‘ข = 0 . ๐‘ข.

๐‘ฆ). ๐‘ค ๐‘‘๐‘ค Misalkan fungsi densitas gabungan dari variabel random kontinu ๐‘‹ dan ๐‘Œ berbentuk ๐‘“ ๐‘ฅ. Satu Transformasi Variabel Random dan Fungsi Densitas Gabungan Diketahui Teorema 4 : Transformasi Berbentuk Penjumlahan Misalkan ๐‘‹ dan ๐‘Œ adalah dua variabel random kontinu dengan fungsi densitas gabungannya ๐‘“(๐‘ฅ. ๐‘  โˆ’ ๐‘ค ๐‘‘๐‘ค Atau ๐‘˜1 ๐‘  = Contoh 7. Jika ๐‘† = ๐‘‹ + ๐‘Œ maka fungsi densitas dari ๐‘† dirumuskan sebagai berikut : โˆž ๐‘˜1 ๐‘  = โˆ’โˆž ๐‘“ ๐‘ฅ. 1 = 2๐‘ค Batas-batas dari ๐‘† dan ๐‘Š adalah 0 < ๐‘ฅ < 1 0 < ๐‘ค < 1 1 < ๐‘ฆ < 2 1 < ๐‘  โˆ’ ๐‘ค < 2 1 + ๐‘ค < ๐‘  < 2 + ๐‘ค Page | 11 . Hubungan antara nilai ๐‘ฅ dari ๐‘‹ dan nilai ๐‘ฆ dari ๐‘Œ serta hubungan antara nilai ๐‘  dari ๐‘† dan nilai ๐‘ค dari ๐‘Š diberikan sebagai : ๐‘  = ๐‘ฅ + ๐‘ฆ dan ๐‘ค = ๐‘ฅ Inversnya ๐‘ฅ = ๐‘ค dan ๐‘ฆ = ๐‘  โˆ’ ๐‘ค ๐œ•๐‘ฅ ๐œ•๐‘ฅ ๐œ•๐‘ฃ ๐œ•๐‘ฆ ๐œ•๐‘ฃ Jacobiannya ๐ฝ = ๐œ•๐‘ข ๐œ•๐‘ฆ ๐œ•๐‘ข = 1 0 =1 โˆ’1 1 Fungsi densitas gabungan dari ๐‘† dan ๐‘Š adalah ๐‘” ๐‘ . ๐‘  โˆ’ ๐‘ค . ๐‘ฅ. ๐ฝ = 2๐‘ค. 1 < ๐‘ฆ < 2 = 0 . ๐‘ค = ๐‘“ ๐‘ค. 0 < ๐‘ฅ < 1. ๐‘ฆ lainnya Jika ๐‘† = ๐‘‹ + ๐‘Œ maka tentukan fungsi densitas dari ๐‘† Penyelesaian : Karena transformasi variabel random yang diketahui berbentuk ๐‘† + ๐‘‹ + ๐‘Œ maka kita mengambil transformasi variabel random keduanya adalah ๐‘Š = ๐‘‹.c. โˆž ๐‘“ โˆ’โˆž ๐‘ฅ โˆ’ ๐‘ค. ๐‘ฆ = 2๐‘ฅ .

1 < ๐‘  < 2 2 = 1 โˆ’ ๐‘  โˆ’ 2 . ๐‘ . Jika ๐‘† = ๐‘‹ โˆ’ ๐‘Œ maka fungsi densitas dari ๐‘† dirumuskan sebagai berikut : โˆž ๐‘˜1 ๐‘  = โˆ’โˆž ๐‘“ ๐‘ค. 2 โ‰ค ๐‘  โ‰ค 3 Maka ๐‘”1 ๐‘  = ๐‘  โˆ’ 1 . ๐‘ค lainnya ๐‘  = 2 + ๐‘ค 3 C A D ๐‘  = 1 + ๐‘ค 2 1 B 1 Bangun ๐ด๐ต๐ถ๐ท merupakan daerah yang memenuhi 0 < ๐‘ค < 1 dan 1 + ๐‘ค < ๐‘  < 2 + ๐‘ค Fungsi densitas marginal dari ๐‘† adalah ๐‘ โˆ’1 ๐‘”1 ๐‘  = 0 1 2๐‘ค๐‘‘๐‘ค = ๐‘ค 2 ๐‘ โˆ’1 ๐‘ค=0 = ๐‘  โˆ’ 1 2 . ๐‘ค = 2๐‘ค . ๐‘  lainnya Teorema 5 : Transformasi Berbentuk Pengurangan Misalkan ๐‘‹ dan ๐‘Œ adalah dua variabel random kontinu dengan fungsi densitas gabungannya ๐‘“(๐‘ฅ. ๐‘ค ๐‘‘๐‘ค Page | 12 . 1 < ๐‘  < 2 = ๐‘ โˆ’2 2๐‘ค๐‘‘๐‘ค = ๐‘ค 2 2 1 ๐‘ค =๐‘ โˆ’2 = 1 โˆ’ ๐‘  โˆ’ 2 2 . ๐‘ค โˆ’ ๐‘  ๐‘‘๐‘ค Atau โˆž ๐‘˜1 ๐‘  = โˆ’โˆž ๐‘“ ๐‘  + ๐‘ค. ๐‘ฆ). 2 โ‰ค ๐‘  โ‰ค 3 = 0 . 0 < ๐‘ค < 1.Jadi ๐‘” ๐‘ . 1 + ๐‘ค < ๐‘  < 2 + ๐‘ค = 0 .

๐‘ฆ lainnya Jika ๐‘ˆ = ๐‘‹ โˆ’ ๐‘Œ maka tentukan fungsi densitas dari ๐‘ˆ Penyelesaian : Karena transformasi variabel random yang diketahui berbentuk ๐‘ˆ = ๐‘‹ โˆ’ ๐‘Œ maka kita mengambil transformasi variabel random keduanya adalah ๐‘‡ = ๐‘‹.Contoh 8. 1 = 2๐‘ก โˆ’ 2๐‘ข batas-batas dari ๐‘‡ dan ๐‘ˆ adalah 1 < ๐‘ฅ < 2 1 < ๐‘ก < 2 ๐‘ก = 1 + ๐‘ข 0 < ๐‘ฆ < 1 0 < ๐‘ก โˆ’ ๐‘ข < 1 ๐‘ข < ๐‘ก < 1 + ๐‘ข ๐‘ก = ๐‘ข 2 C D 1 A B 1 2 Page | 13 . 1 < ๐‘ฅ < 2. Misalkan fungsi densitas gabungan dari variabel random kontinu ๐‘‹ dan ๐‘Œ berbentuk ๐‘“ ๐‘ฅ. Jadi transformasi variabel randomnya ๐‘ˆ = ๐‘‹ โˆ’ ๐‘Œ dan ๐‘‡ = ๐‘‹ Hubungan antara nilai ๐‘ฅ dari ๐‘‹ dan nilai ๐‘ฆ dari ๐‘Œ serta hubungan antara nilai ๐‘ก dari ๐‘‡ dan nilai ๐‘ข dari ๐‘ˆ diberikan dengan ๐‘ข = ๐‘ฅ โˆ’ ๐‘ฆ dan ๐‘ก = ๐‘ฅ Inversnya ๐‘ฅ = ๐‘ก dan ๐‘ฆ = ๐‘ก โˆ’ ๐‘ข ๐œ•๐‘ฅ ๐œ•๐‘ฅ ๐œ•๐‘ฃ ๐œ•๐‘ฆ ๐œ•๐‘ฃ Jacobiannya ๐ฝ = ๐ฝ = 1 ๐œ•๐‘ข ๐œ•๐‘ฆ ๐œ•๐‘ข = 1 0 = โˆ’1 โˆ’1 1 Fungsi densitas gabungan dari ๐‘‡ dan ๐‘ˆ adalah ๐‘• ๐‘ก. 0 < ๐‘ฆ < 1 = 0 . ๐‘ข = ๐‘“ ๐‘ก. ๐ฝ = 2 ๐‘ก โˆ’ ๐‘ข . ๐‘ฆ = 2๐‘ฆ . ๐‘ก โˆ’ ๐‘ข . ๐‘ฅ.

1 < ๐‘ข < 2 = 0 . ๐‘ค ๐‘ข 1 ๐‘‘๐‘ข ๐‘ข Atau โˆž ๐‘•1 ๐‘ค = โˆ’โˆž ๐‘“ ๐‘ค . ๐‘ฆ lainnya Jika ๐‘Š = ๐‘‹๐‘Œ maka tentukan fungsi densitas dari ๐‘Š Page | 14 . 1 < ๐‘ข < 2 2 ๐‘ก=๐‘ข = ๐‘ก 2 โˆ’ 2๐‘ก๐‘ข = 4 โˆ’ ๐‘ข2 โˆ’ 2๐‘ข 2 โˆ’ ๐‘ข 2 = 4 โˆ’ ๐‘ข2 โˆ’ 4๐‘ข + 2๐‘ข2 = ๐‘ข โˆ’ 2 2 Sehingga ๐‘•1 ๐‘ข = 2๐‘ข โˆ’ ๐‘ข2 . ๐‘ฆ). ๐‘ฅ. ๐‘ข ๐‘ข 1 ๐‘‘๐‘ข ๐‘ข Contoh 9. 0 < ๐‘ข < 1 1+๐‘ข ๐‘ก=1 = ๐‘ก 2 โˆ’ 2๐‘ก๐‘ข 2 = 1 + ๐‘ข 2 โˆ’ 1 โˆ’ 2๐‘ข 1 + ๐‘ข โˆ’ 1 = 1 + 2๐‘ข + ๐‘ข2 โˆ’ 1 โˆ’ 2๐‘ข2 = 2๐‘ข โˆ’ ๐‘ข2 ๐‘•1 ๐‘ข = ๐‘ข 2๐‘ก โˆ’ 2๐‘ข ๐‘‘๐‘ก . 0 < ๐‘ข < 1 = ๐‘ข โˆ’ 2 . 0 < ๐‘ฆ < 1 = 0 . ๐‘ข lainnya Teorema 6 : Transformasi Berbentuk Perkalian Misalkan ๐‘‹ dan ๐‘Œ adalah dua variabel random kontinu dengan fungsi densitas gabungannya ๐‘“(๐‘ฅ. Jika ๐‘Š = ๐‘‹๐‘Œ maka fungsi densitas dari ๐‘Š dirumuskan sebagai berikut โˆž ๐‘•1 ๐‘ค = โˆ’โˆž ๐‘“ ๐‘ข.Bangun ๐ด๐ต๐ถ๐ท merupakan daerah yang memenuhi 1 < ๐‘ก < 2 dan ๐‘ข < ๐‘ก < 1 + ๐‘ข 1+๐‘ข ๐‘•1 ๐‘ข = 1 2๐‘ก โˆ’ 2๐‘ข ๐‘‘๐‘ก . Misalkan fungsi densitas gabungan dari ๐‘‹ dan ๐‘Œ berbentuk ๐‘“ ๐‘ฅ. 0 < ๐‘ฅ < 1. ๐‘ฆ = ๐‘ฅ + ๐‘ฆ .

0 < ๐‘ข < 1. ๐‘ค = ๐‘“ ๐‘ข.Penyelesaian : Karena transformasi variabel random ang diketahui berbentuk ๐‘Š = ๐‘‹๐‘Œ maka kita mengambil transformasi variabel random keduanya adalah ๐‘ˆ = ๐‘‹. Hubungan antara nilai ๐‘ฅ dari ๐‘‹ dan nilai ๐‘ฆ dari ๐‘Œ serta hubungan antara nilai ๐‘ข dari ๐‘ˆ dan nilai ๐‘ค dari ๐‘Š diberikan dengan ๐‘ค = ๐‘ฅ๐‘ฆ dan ๐‘ข = ๐‘ฅ Inversnya ๐‘ฅ = ๐‘ข dan ๐‘ฆ = ๐œ•๐‘ฅ ๐œ•๐‘ฅ ๐œ•๐‘ค ๐œ•๐‘ฆ ๐œ•๐‘ค ๐‘ค ๐‘ข Jacobiannya ๐ฝ = 1 ๐‘ข ๐œ•๐‘ข ๐œ•๐‘ฆ ๐œ•๐‘ข = โˆ’๐‘ค ๐‘ข 2 1 0 1 ๐‘ข = ๐‘ข 1 ๐ฝ = Fungsi densitas gabungan dari ๐‘ˆ dan ๐‘Š adalah ๐‘• ๐‘ข. 0 < ๐‘ค < ๐‘ข = 0 . ๐‘ข. ๐‘ค = 1 + ๐‘ข 2 . ๐ฝ = ๐‘ข + ๐‘ข ๐‘ข 1 ๐‘ค =1+ 2 ๐‘ข ๐‘ข batas-batas dari ๐‘ˆ dan ๐‘Š adalah 0 < ๐‘ฅ < 1 0 < ๐‘ข < 1 0 < ๐‘ฆ < 1 0< ๐‘ค ๐‘ข <1 0 < ๐‘ค < ๐‘ข Jadi ๐‘” ๐‘ข. ๐‘ค ๐‘ค . ๐‘ค lainnya ๐‘ค = ๐‘ข 1 C ๐‘ค A 1B Segitiga ๐ด๐ต๐ถ merupakan daerah yang memenuhi 0 < ๐‘ข < 1 dan 0 < ๐‘ค < ๐‘ข Fungsi densitas marginal dari ๐‘Š adalah 1 ๐‘”1 ๐‘ค = ๐‘ค 1+ ๐‘ค ๐‘ค ๐‘‘๐‘ข = ๐‘ข โˆ’ ๐‘ข2 ๐‘ข 1 = 1 โˆ’ ๐‘ค โˆ’ ๐‘ค โˆ’ 1 = 2 โˆ’ 2๐‘ค ๐‘ข=๐‘ค Page | 15 .

๐‘”1 ๐‘ค = 2 โˆ’ 2๐‘ค . Jika ๐‘ = dirumuskan sebagai berikut : โˆž ๐‘‹ ๐‘Œ makafungsi densitas dari ๐‘Š ๐‘•1 ๐‘ง = โˆ’โˆž ๐‘“ ๐‘ฃ๐‘ง. ๐‘ฅ. ๐‘ฆ lainnya Jika ๐‘ = ๐‘Œ maka tentukan fungsi densitas dari ๐‘ Penyelesaian : Karena transformasi variabel random yang diketahui ๐‘ = mengambil transformasi variabel random keduanya ๐‘‰ = ๐‘Œ Hubungan antara nilai ๐‘ฅ dari ๐‘‹ dan nilai ๐‘ฆ dari ๐‘Œ serta hubungan antara nilai ๐‘ฃ dari ๐‘‰ dan nilai ๐‘ง dari ๐‘ diberikan dengan ๐‘ง = Inversnya ๐‘ฅ = ๐‘ฃ๐‘ง dan ๐‘ฆ = ๐‘ฃ ๐œ•๐‘ฅ ๐œ•๐‘ฅ ๐œ•๐‘ง ๐œ•๐‘ฆ ๐œ•๐‘ง ๐‘ฅ ๐‘ฆ ๐‘‹ ๐‘Œ ๐‘‹ maka kita dan ๐‘ฃ = ๐‘ฆ Jacobiannya ๐ฝ = ๐ฝ = โˆ’๐‘ฃ = ๐‘ฃ ๐œ•๐‘ฃ ๐œ•๐‘ฆ ๐œ•๐‘ฃ = ๐‘ง ๐‘ฃ = โˆ’๐‘ฃ 1 0 Fungsi densitas marginal dari ๐‘ adalah ๐‘” ๐‘ฃ. ๐ฝ = 4 9 ๐‘ฃ๐‘ง ๐‘ฃ ๐‘ฃ = 4 3 ๐‘ฃ ๐‘ง 9 Batas-batas dari ๐‘ฃ dan ๐‘ง adalah 1 < ๐‘ฅ < 2 1 < ๐‘ฃ๐‘ง < 2 1 < ๐‘ฆ < 2 1 < ๐‘ฃ < 2 Page | 16 . Misalkan fungsi densitas gabungan dari ๐‘‹ dan ๐‘Œ berbentuk ๐‘“ ๐‘ฅ. ๐‘ง = ๐‘“ ๐‘ฃ๐‘ง. ๐‘ฆ = 4๐‘ฅ๐‘ฆ . 1 < ๐‘ฆ < 2 9 = 0 . 1 < ๐‘ฅ < 2. ๐‘ฆ). 0 < ๐‘ค < 1 = 0 . ๐‘ฃ ๐‘ฃ ๐‘‘๐‘ฃ Contoh 10. ๐‘ฃ . ๐‘ค lainnya Teorema 7 : Transformasi Berbentuk Pembagian Misalkan ๐‘‹ dan ๐‘Œ adalah dua variabel random kontinu dengan fungsi densitas gabungannya ๐‘“(๐‘ฅ.

๐‘ง lainnya C 2 1 A D ๐‘ง = 2 ๐‘ฃ 1 ๐‘ฃ 1/2 B ๐‘ง = 1 2 Bangun ๐ด๐ต๐ถ๐ท merupakan daerah yang memenuhi 1 < ๐‘ฃ < 2 dan 1 ๐‘ฃ < ๐‘ง < ๐‘ฃ 2 2 ๐‘”1 ๐‘ง = 1 ๐‘ง 4 3 1 ๐‘ฃ ๐‘ง ๐‘‘๐‘ฃ . < ๐‘ง < 1 9 2 2 1 ๐‘ฃ= 2 1 = ๐‘ง๐‘ข4 9 2 ๐‘ง 1 1 = ๐‘ง 16 โˆ’ 4 = 9 ๐‘ง 16 1 โˆ’3 ๐‘ง โˆ’ ๐‘ง 9 9 ๐‘”1 ๐‘ง = 1 4 3 ๐‘ฃ ๐‘ง ๐‘‘๐‘ฃ . 1 < ๐‘ง < 2 9 2 ๐‘ง ๐‘ฃ=1 16 9 1 = ๐‘ง๐‘ข4 9 Jadi ๐‘”1 ๐‘ง = = 1 16 16 โˆ’3 1 = ๐‘ง 4 โˆ’ 1 = ๐‘ง โˆ’ ๐‘ง 9 ๐‘ง 9 9 ๐‘ง โˆ’ 1 9 ๐‘ง โˆ’3 . 1 < ๐‘ฃ < 2. ๐‘ฃ. ๐‘ง lainnya Page | 17 . 1 < ๐‘ง < 2 9 9 = 0 . ๐‘ง = 4 9 ๐‘ฃ 3 ๐‘ง . 1 2 < ๐‘ง < 1 16 โˆ’3 1 ๐‘ง โˆ’ ๐‘ง . ๐‘ฃ < ๐‘ง < ๐‘ฃ 1 2 = 0 .1 2 < ๐‘ง < ๐‘ฃ ๐‘ฃ Jadi ๐‘” ๐‘ฃ.

๐‘  โˆ’ ๐‘ค ๐‘‘๐‘ค = โˆ’โˆž ๐‘” ๐‘ค . Satu Transformasi Variabel RandomDiketahui dan Fungsi Densitas Gabungan Tidak Diketahui Teorema 8 : Transformasi Berbentuk Penjumlahan Misalkan ๐‘‹ dan ๐‘Œ adalah dua variabel random kontinu yang saling bebas dengan masing-masing fungsi densitasnya berbentuk ๐‘” ๐‘ฅ dan ๐‘•(๐‘ฆ). ๐‘ฆ lainnya Karena ๐‘‹ dan ๐‘Œ saling bebas maka fungsi densitas gabungannya adalah ๐‘• ๐‘ฅ. 0 < ๐‘ฆ < 10 10 = 0 . ๐‘ฅ lainnya ๐‘” ๐‘ฆ = = 0 . ๐‘ฅ. ๐‘• ๐‘ค ๐‘‘๐‘ค Contoh 11 Misalkan dua variabel random ๐‘‹ dan ๐‘Œ yang saling bebas dan masingmasing berdistribusi seragam pada interval 0. ๐‘ฆ = 1 . ๐‘• ๐‘  โˆ’ ๐‘ค ๐‘‘๐‘ค Atau โˆž โˆž ๐‘˜1 ๐‘  = โˆ’โˆž ๐‘“ ๐‘  โˆ’ ๐‘ค. ๐‘” ๐‘ฆ = ๐‘• ๐‘ฅ. ๐‘ฆ lainnya Karena transformasi variabel random yang diketahui ๐‘† + ๐‘‹ + ๐‘Œ kita mengambil transformasi variabel random keduanya adalah ๐‘Š = ๐‘‹ Page | 18 . 0 < ๐‘ฅ < 10. 0 < ๐‘ฅ < 10 10 1 . ๐‘ฆ = ๐‘“ ๐‘ฅ . Jika ๐‘† = ๐‘‹ + ๐‘Œ maka fungsi densitas dari ๐‘† dirumuskan sebagai berikut : โˆž โˆž ๐‘˜1 ๐‘  = โˆ’โˆž ๐‘“ ๐‘ฅ. ๐‘ค ๐‘‘๐‘ค = โˆ’โˆž ๐‘” ๐‘  โˆ’ ๐‘ค . 100 1 10 1 10 = 100 1 0 < ๐‘ฆ < 10 = 0 .10 Jika ๐‘† + ๐‘‹ + ๐‘Œ maka tentukan fungsi densitas dari ๐‘† Penyelesaian : Fungsi densitas dari ๐‘‹ dan ๐‘Œ masing-masing adalah ๐‘“ ๐‘ฅ = 1 .d.

10 โ‰ค ๐‘  < 20 100 ๐‘  ๐‘  1 0 100 ๐‘  ๐‘ค=0 ๐‘‘๐‘ค = 100 ๐‘ค 1 = 100 10 ๐‘ค =๐‘ โˆ’10 ๐‘  10 1 ๐‘ โˆ’10 100 ๐‘‘๐‘ค = 100 ๐‘ค 1 = 100 20 โˆ’ ๐‘  1 = 0 . 0 < ๐‘  < 10 = 1 20 โˆ’ ๐‘  . ๐‘ค lainnya ๐‘  = 10 + ๐‘ค 20 D Batas-batas dari ๐‘† dan ๐‘Š adalah 0 < ๐‘ฅ < 10 0 < ๐‘ค < 10 1 B 10 C ๐‘  = ๐‘ค A 10 Bangun ๐ด๐ต๐ถ๐ท adalah daerah yang memenuhi 0 < ๐‘ค < 10 dan ๐‘ค < ๐‘  < 10 + ๐‘ค Untuk 0 < ๐‘  < 10 : ๐‘˜1 ๐‘  = Untuk 10 โ‰ค ๐‘  < 20 : ๐‘˜1 ๐‘  = Jadi ๐‘˜1 ๐‘  = 100 . ๐‘  โˆ’ ๐‘ค . ๐‘ค = ๐‘“ ๐‘ค. ๐‘ค = 100 .Hubungan antara nilai ๐‘ฅ dari ๐‘‹ dan nilai ๐‘ฆ dari ๐‘Œ serta hubungan antara nilai ๐‘  dari ๐‘† dan nilai ๐‘ค dari ๐‘Š diberikan dengan ๐‘  = ๐‘ฅ + ๐‘ฆ dan ๐‘ค = ๐‘ฅ Inversnya ๐‘ฅ = ๐‘ค dan ๐‘ฆ = ๐‘  โˆ’ ๐‘ค ๐œ•๐‘ฅ ๐œ•๐‘ฅ ๐œ•๐‘  ๐œ•๐‘ฆ ๐œ•๐‘  Jacobiannya ๐ฝ = ๐ฝ = 1 ๐œ•๐‘ค ๐œ•๐‘ฆ ๐œ•๐‘ค = 1 0 =1 โˆ’1 1 Fungsi densitas gabungan dari ๐‘† dan ๐‘Š adalah ๐‘˜ ๐‘ . ๐‘ค < ๐‘  < 10 + ๐‘ค = 0 . 0 < ๐‘ค < 10. ๐ฝ = 1 1 .1 = 100 100 0 < ๐‘ฆ < 10 0 < ๐‘  โˆ’ ๐‘ค < 10 ๐‘ค < ๐‘  < 10 + ๐‘ค Jadi ๐‘˜ ๐‘ . ๐‘ . ๐‘  lainnya Page | 19 .

๐‘ฆ lainnya Jika ๐‘† = ๐‘‹ โˆ’ ๐‘Œ maka tentukan fungsi densitas dari ๐‘† Penyelesaian : Karena variabel random ๐‘‹ dan ๐‘Œ saling bebas. 0 < ๐‘ฅ < 1 = 0 . 0 < ๐‘ฅ < 1. ๐‘ค โˆ’ ๐‘  = โˆ’โˆž ๐‘” ๐‘ค . ๐‘ฆ = ๐‘” ๐‘ฅ . ๐‘• ๐‘ฆ = 2๐‘ฅ 3๐‘ฆ 2 = 6๐‘ฅ๐‘ฆ 2 . 0 < ๐‘ฆ < 1 = 0 . ๐‘ฆ lainnya Karena transformasi variabel random yang diketahui berbentuk ๐‘† = ๐‘‹ โˆ’ ๐‘Œ maka kita mengambil transformasi variabel random keduanya adalah ๐‘Š = ๐‘‹ Hubungan antara nilai ๐‘ฅ dari ๐‘‹ dan nilai ๐‘ฆ dari ๐‘Œ serta nilai ๐‘  dari ๐‘† dan nilai ๐‘ค dari ๐‘Š diberikan dengan ๐‘  = ๐‘ฅ โˆ’ ๐‘ฆ dan ๐‘ค = ๐‘ฅ Invers ๐‘ฅ = ๐‘ค dan ๐‘ฆ = ๐‘ค โˆ’ ๐‘  Page | 20 .Teorema 9 : Transformasi Berbentuk Pengurangan Misalkan ๐‘‹ dan ๐‘Œ adalah dua variabel random kontinu yang saling bebas dengan masing-masing fungsi densitasnya berbentuk ๐‘”(๐‘ฅ) dan ๐‘•(๐‘ฆ). ๐‘ฅ. ๐‘• ๐‘ค ๐‘‘๐‘ค Contoh 12 Misalkan ๐‘‹ dan ๐‘Œ adalah dua variabel random kontinu yang saling bebas dan masing-masing mempunyai fungsi densitas sebagai berikut: ๐‘” ๐‘ฅ = 2๐‘ฅ . 0 < ๐‘ฆ < 1 = 0 . ๐‘ฅ lainnya ๐‘• ๐‘ฆ = 3๐‘ฆ 2 . ๐‘• ๐‘ค โˆ’ ๐‘  ๐‘‘๐‘ค Atau โˆž โˆž ๐‘˜1 ๐‘  = โˆ’โˆž ๐‘“ ๐‘  + ๐‘ค. ๐‘ค = โˆ’โˆž ๐‘” ๐‘  + ๐‘ค . maka fungsi densitas gabungannya adalah: ๐‘“ ๐‘ฅ. Jika ๐‘† = ๐‘‹ โˆ’ ๐‘Œ maka fungsi densitas dari ๐‘† dirumuskan sebagai berikut : โˆž โˆž ๐‘˜1 ๐‘  = โˆ’โˆž ๐‘“ ๐‘ค.

๐‘  < ๐‘ค < 1 + ๐‘  = 0 . 1 = 6๐‘ค ๐‘ค โˆ’ ๐‘  Batas-batas dari ๐‘† dan ๐‘Š adalah 0 < ๐‘ฅ < 1 0 < ๐‘ค < 1 Jadi ๐‘˜ ๐‘ . ๐‘ค โˆ’ ๐‘  . ๐ฝ = 6๐‘ค ๐‘ค โˆ’ ๐‘  2 .๐œ•๐‘ฅ ๐œ•๐‘ฅ ๐œ•๐‘ค ๐œ•๐‘ฆ ๐œ•๐‘ค Jacobiannya ๐ฝ = ๐ฝ = 1 ๐œ•๐‘  ๐œ•๐‘ฆ ๐œ•๐‘  = 0 1 =1 โˆ’1 1 Fungsi densitas gabungan dari ๐‘† dan ๐‘Š adalah ๐‘˜ ๐‘ . ๐‘ค lainnya ๐‘ค = 1 + ๐‘  1 C D ๐‘ค = ๐‘  A -1 B 1 Bangun ๐ด๐ต๐ถ๐ท adalah daerah yang memenuhi 0 < ๐‘ค < 1 dan ๐‘  < ๐‘ค < 1 + ๐‘  Fungsi densitas marginal dari ๐‘† adalah Untuk โˆ’1 โ‰ค ๐‘  โ‰ค 0 : ๐‘˜1 ๐‘  = = 0 1+๐‘  6๐‘ค 0 1+๐‘  ๐‘ค โˆ’ ๐‘  2 ๐‘‘๐‘ค 6๐‘ค 3 โˆ’ 12๐‘ค 2 ๐‘  + 6๐‘ค๐‘  2 ๐‘‘๐‘ค 1+๐‘  ๐‘ค =0 3 = ๐‘ค 4 โˆ’ 4๐‘ค 3 ๐‘  + 3๐‘ค 2 ๐‘  2 2 = Untuk 0 < ๐‘  โ‰ค 1 : ๐‘˜1 ๐‘  = = ๐‘  1 1 + ๐‘  2 2 3 โˆ’ 2๐‘  + ๐‘  2 2 1 6๐‘ค ๐‘  1 ๐‘ค โˆ’ ๐‘  ๐‘‘๐‘ค 6๐‘ค 3 โˆ’ 12๐‘ค 2 ๐‘  + 6๐‘ค๐‘  2 ๐‘‘๐‘ค Page | 21 . ๐‘ค = ๐‘“ ๐‘ค. ๐‘ค = 6๐‘ค ๐‘ค โˆ’ ๐‘  2 2 0 < ๐‘ฆ < 1 0 < ๐‘ค โˆ’ ๐‘  < 1 ๐‘  < ๐‘ค < 1 + ๐‘  . 0 < ๐‘ค < 1. ๐‘ .

0 โ‰ค ๐‘ฆ โ‰ค 3 9 ๐‘• ๐‘ฆ = = 0 .3 = ๐‘ค 4 โˆ’ 4๐‘ค 3 ๐‘  + 3๐‘ค 2 ๐‘  2 2 = Jadi ๐‘˜1 ๐‘  = 2 1 + ๐‘  = 1 1 โˆ’ ๐‘  2 1 2 1 ๐‘ค =๐‘  1 1 โˆ’ ๐‘  2 3 ๐‘  + 3 3 โˆ’ 2๐‘  + ๐‘  2 . 0 < ๐‘  โ‰ค 1 3 = 0 . โˆ’1 โ‰ค ๐‘  โ‰ค 0 ๐‘  + 3 . maka fungsi densitas gabungannya adalah Page | 22 . ๐‘• ๐‘ค . ๐‘  lainnya Teorema 10 : Transformasi Berbentuk Perkalian Misalkan ๐‘‹ dan ๐‘Œ adalah dua variabel random kontinu yang saling bebas dengan masing-masing fungsi densitasnya berbentuk ๐‘”(๐‘ฅ) dan ๐‘•(๐‘ฆ). ๐‘‘๐‘ค ๐‘ค ๐‘ค Contoh 13 Misalkan ๐‘‹ dan ๐‘Œ adalah dua variabel random kontinu yang saling bebas dengan masing-masing fungsi densitasnya berbentuk ๐‘” ๐‘ฅ = 2๐‘ฅ . ๐‘ฆ lainnya Jika ๐‘† = ๐‘‹๐‘Œ maka tentukan fungsi densitas dari ๐‘† Penyelesaian : Karena ๐‘‹ dan ๐‘Œ adalah dua variabel random kontinu yang saling bebas. 0 โ‰ค ๐‘ฅ โ‰ค 1 = 0 . Jika ๐‘† = ๐‘‹๐‘Œ maka fungsi densitas dari ๐‘† dirumuskan sebagai berikut : โˆž โˆž ๐‘˜1 ๐‘  = โˆ’โˆž ๐‘  ๐‘“ ๐‘ค. ๐‘ฅ lainnya ๐‘ฆ 2 . ๐‘ค ๐‘ค 1 ๐‘‘๐‘ค = ๐‘ค โˆž โˆ’โˆž ๐‘  1 ๐‘”( ) . ๐‘• โˆ’โˆž ๐‘  1 . ๐‘ค 1 ๐‘‘๐‘ค = ๐‘ค ๐‘”(๐‘ค) . ๐‘‘๐‘ค ๐‘ค ๐‘ค Atau โˆž ๐‘˜1 ๐‘  = โˆ’โˆž ๐‘  ๐‘“ .

๐‘ฆ lainnya Karena transformasi variabel random yang diketahui berbentuk ๐‘† = ๐‘‹๐‘Œ maka kita mengambil transformasi variabel random keduanya adalah ๐‘Š = ๐‘‹ Hubungan antara nilai ๐‘ฅ dari ๐‘‹ dan nilai ๐‘ฆ dari ๐‘Œ serta nilai ๐‘  dari ๐‘† dan nilai ๐‘ค dari ๐‘Š diberikan dengan ๐‘  = ๐‘ฅ๐‘ฆ dan ๐‘ค = ๐‘ฅ Inversnya ๐‘ฅ = ๐‘ค dan ๐‘ฆ = ๐‘ค ๐œ•๐‘ฅ ๐œ•๐‘ฆ ๐œ•๐‘ค ๐œ•๐‘ฆ ๐œ•๐‘  ๐‘  Jacobiannya ๐ฝ = 1 ๐‘ค ๐œ•๐‘ค ๐œ•๐‘ฅ ๐œ•๐‘  = 1 โˆ’ ๐‘ค 2 0 1 ๐‘ค ๐‘  = ๐‘ค 1 ๐ฝ = Fungsi densitas gabungan dari ๐‘† dan ๐‘Š adalah ๐‘˜ ๐‘ . 0 โ‰ค ๐‘ฆ โ‰ค 3 9 9 = 0 . ๐‘ . ๐ฝ = ๐‘ค 9 ๐‘ค ๐‘  ๐‘ค 2 1 2 = ๐‘ค 9 ๐‘  2 ๐‘ค 2 Batas-batas dari ๐‘† dan ๐‘Š adalah 0 โ‰ค ๐‘ฅ โ‰ค 1 0 โ‰ค ๐‘ค โ‰ค 1 0 โ‰ค ๐‘ฆ โ‰ค 3 0 โ‰ค ๐‘ค โ‰ค 3 0 โ‰ค ๐‘  โ‰ค 3๐‘ค Jadi ๐‘˜ ๐‘ . 0 โ‰ค ๐‘ค โ‰ค 1. 0 โ‰ค ๐‘  โ‰ค 3๐‘ค = 0 . ๐‘ฆ = ๐‘” ๐‘ฅ . ๐‘ค = 2 9 ๐‘  2 ๐‘ค 2 ๐‘  .๐‘ฆ 2 2๐‘ฅ๐‘ฆ 2 ๐‘“ ๐‘ฅ. = . ๐‘ค lainnya 3 C ๐‘ฅ = 3๐‘ค A 1 B Segitiga ๐ด๐ต๐ถ adalah daerah yang memenuhi 0 โ‰ค ๐‘ค โ‰ค 1 dan 0 โ‰ค ๐‘  โ‰ค 3๐‘ค Fungsi densitas marginal dari ๐‘† adalah Page | 23 . ๐‘ฅ. ๐‘• ๐‘ฆ = 2๐‘ฅ . 0 โ‰ค ๐‘ฅ โ‰ค 1. ๐‘ค = ๐‘“ ๐‘ค. ๐‘  2 .

๐‘ฃ . ๐‘ฃ ๐‘‘๐‘ฃ = โˆ’โˆž ๐‘” ๐‘ฃ๐‘ง . ๐‘’ โˆ’2๐‘ฆ . ๐‘ฅ. ๐‘ฅ lainnya ๐‘• ๐‘ฆ = 2. ๐‘ฅ > 0 = 0 . ๐‘  lainnya Teorema 11 : Transformasi Berbentuk Pembagian Misalkan ๐‘‹ dan ๐‘Œ adalah dua variabel random kontinu yang saling bebas dengan masing-masing fungsi densitasnya berbentuk ๐‘”(๐‘ฅ) dan ๐‘•(๐‘ฆ). ๐‘ฆ lainnya Karena transformasi variabel random yang diketahui ๐‘ = ๐‘‹ ๐‘Œ ๐‘‹ maka kita mengambil transformasi variabel random keduanya adalah ๐‘‰ = ๐‘Œ Hubungan antara nilai ๐‘ฅ dari ๐‘‹ dan nilai ๐‘ฆ dari ๐‘Œ serta nilai ๐‘ฃ dari ๐‘‰ dan nilai ๐‘ง dari ๐‘ diberikan dengan ๐‘ง = ๐‘ฆ dan ๐‘ฃ = ๐‘ฆ Page | 24 ๐‘ฅ . ๐‘ฅ > 0. ๐‘ฆ > 0 = 0 . maka fungsi densitas gabungannya adalah ๐‘“ ๐‘ฅ. 0 โ‰ค ๐‘  โ‰ค 3 = 0 .1 ๐‘˜1 ๐‘  = ๐‘  3 2๐‘  3 2๐‘  2 โˆ’1 1 2๐‘  2 3 2๐‘  ๐‘‘๐‘ค = = โˆ’1 = 2 ๐‘  9๐‘ค 9 ๐‘ค ๐‘ค = 9 ๐‘  9 3 3 โˆ’ ๐‘  . ๐‘’ โˆ’2๐‘ฆ = 2. ๐‘ฃ ๐‘‘๐‘ฃ Contoh 14 Misalkan ๐‘‹ dan ๐‘Œ adalah dua variabel random kontinu yang saling bebas dan masing-masing mempunyai fungsi densitas sebagai berikut : ๐‘” ๐‘ฅ = ๐‘’ โˆ’๐‘ฅ . ๐‘ฆ lainnya Tentukan fungsi densitas dari ๐‘ = ๐‘Œ Penyelesaian : Karena ๐‘‹ dan ๐‘Œ adalah dua variabel random kontinu yang saling bebas. ๐‘ฆ > 0 = 0 . ๐‘• ๐‘ฃ . Jika ๐‘† = ๐‘Œ maka fungsi densitas dari ๐‘† dirumuskan sebagai berikut : โˆž โˆž ๐‘‹ ๐‘˜1 ๐‘  = โˆ’โˆž ๐‘“ ๐‘ฃ๐‘ง. ๐‘ฆ = ๐‘” ๐‘ฅ . ๐‘’ โˆ’๐‘ฅโˆ’2๐‘ฆ . ๐‘• ๐‘ฆ = ๐‘’ โˆ’๐‘ฅ 2.

Dalam penentuannya. ๐‘ฃ. ๐‘ง lainnya D. ๐‘ง > 0 = 0 . Teknik Fungsi Pembangkit Momen Penentuan fungsi peluang atau fungsi densitas dari fungsi variabel random bisa juga dilakukan melalui fungsi pembangkit momen. ๐‘ง = ๐‘“ ๐‘ฃ๐‘ง. ๐‘ฃ > 0. ๐‘ง > 0 = 0 . ๐‘’๐‘ฅ๐‘ โˆ’๐‘ฃ ๐‘ง + 2 Batas-batas dari ๐‘‰ dan ๐‘ adalah ๐‘ฅ > 0 ๐‘ฃ๐‘ง > 0 ๐‘ง > 0 Jadi ๐‘˜ ๐‘ฃ. ๐‘ฃ . ๐ฝ = 2. ๐‘’๐‘ฅ๐‘ โˆ’๐‘ฃ ๐‘ง + 2 ๐‘‘๐‘ฃ Misalkan ๐‘ฆ = ๐‘ฃ ๐‘ง + 2 ๐‘‘๐‘ฆ = ๐‘ง + 2 ๐‘‘๐‘ฃ Batas-batas : untuk ๐‘ฃ = 0 maka ๐‘ฆ = 0 untuk ๐‘ฃ = โˆž maka ๐‘ฆ = โˆž jadi โˆž โˆž 2 0 ๐‘˜1 ๐‘ง = 2 0 ๐‘ฆ 1 2 ๐‘’ โˆ’๐‘ฆ . ๐‘’๐‘ฅ๐‘ โˆ’๐‘ฃ ๐‘ง + 2 . ๐‘ง = 2๐‘ฃ. ๐‘ง lainnya Fungsi densitas marginal dari ๐‘ adalah โˆž ๐‘ฆ > 0 ๐‘ฃ > 0 ๐‘˜1 ๐‘ง = 0 2๐‘ฃ. Berikut ini akan diberikan beberapa teorema tentang Page | 25 . ๐‘’๐‘ฅ๐‘ โˆ’๐‘ฃ๐‘ง โˆ’ 2๐‘ฃ .Inversnya ๐‘ฅ = ๐‘ฃ๐‘ง dan ๐‘ฆ = ๐‘ฃ ๐œ•๐‘ฅ ๐œ•๐‘ฅ ๐œ•๐‘ค ๐œ•๐‘ฆ ๐œ•๐‘  Jacobiannya ๐ฝ = ๐ฝ = ๐‘ฃ ๐œ•๐‘ค ๐œ•๐‘ฆ ๐œ•๐‘  = ๐‘ฃ 0 ๐‘ง = ๐‘ฃ 1 Fungsi densitas gabungan dari ๐‘‰ dan ๐‘ adalah ๐‘˜ ๐‘ฃ. tentu saja harus digunakan sifat-sifat dari fungsi pembangkit momen. ๐‘ฃ = 2๐‘ฃ. ๐‘’ โˆ’๐‘ฆ ๐‘‘๐‘ฆ = 2 ๐‘ง + 2 2 ฮ“ 2 = 2 ๐‘ง + 2 2 1 = 2 ๐‘ง + 2 2 . ๐‘‘๐‘ฆ = ๐‘ง + 2 ๐‘ง + 2 ๐‘ง + 2 ๐‘ฆ.

3. Misalkan ๐‘‹1 dan ๐‘‹2 adalah dua variabel random yang saling bebas dan keduanya berdistribusi normal masing-masing ๐‘ 1. โ€ฆ . ๐‘‹2 . ditulis ๐‘ ๐œ‡๐‘– . ๐œŽ๐‘–2 .penentuan fungsi peluang atau fungsi densitas (atau secara umum distribusi) dari fungsi variabel random berdasarkan teknik fungsi pembangkit momen. variabel random dalam fungsi variabel randomnya berasal dari distribusi khusus yang dikenal.5 = 0.75 ๐‘‘๐‘Ž๐‘› ๐‘ง = 0 + 0.7734 Teorema 13 : Fungsi Variabel Random Poisson Misalkan ๐‘‹1 . ๐‘– = 1. โ€ฆ . Jika = ๐‘‘๐‘Ž๐‘’๐‘Ÿ๐‘Ž๐‘• ๐‘Ž๐‘›๐‘ก๐‘Ž๐‘Ÿ๐‘Ž ๐‘ง = โˆ’0.3. ๐‘›. Dengan kata lain. ๐‘›. โ€ฆ . Teorema 12 : Fungsi Variabel Random Umum Misalkan ๐‘‹1 . ๐‘ƒ ๐‘Œ > 1 = ๐‘Œ โˆ’ ๐ธ ๐‘Œ ๐‘ฃ๐‘Ž๐‘Ÿ ๐‘Œ > 1โˆ’4 = ๐‘ƒ ๐‘ > โˆ’0. ๐‘‹๐‘› adalah ๐‘› buah variabel random yang saling bebas dan mengikuti distribusi Poisson yang mempunyai parameter ๐œ†๐‘– .5 = 0. ๐‘‹3 .2. Jika ๐‘ = ๐‘‹1 + ๐‘‹2 + ๐‘‹3 + โ€ฆ + ๐‘‹๐‘› maka ๐‘ akan mengikuti distribusi Poisson yang mempunyai parameter ๐œ† = ๐œ†1 + ๐œ†2 + ๐œ†3 + โ€ฆ + ๐œ†๐‘› Page | 26 . Dalam hal ini variabel random dalam fungsi variabel randomnya sudah diketahui distribusinya.2734 + 0.2. ๐‘– = 1. โ€ฆ .75 4 dan ๐‘ 3. ๐‘‹๐‘› adalah ๐‘› buah variabel random yang saling bebas dan mengikuti distribusi normal umum dengan rataan ๐œ‡๐‘– dan variansi ๐œŽ๐‘–2 . ๐‘‹2 . Jika ๐‘ = ๐‘‹1 + ๐‘‹2 + ๐‘‹3 + โ€ฆ + ๐‘‹๐‘› maka ๐‘ akan mengikuti distribusi normal umum dengan rataan ๐‘› 2 ๐‘–=1 ๐œŽ๐‘– ๐‘› ๐‘–=1 ๐œ‡๐‘– dan variansi Contoh 15.5 = ๐‘‘๐‘Ž๐‘’๐‘Ÿ๐‘Ž๐‘• ๐‘Ž๐‘›๐‘ก๐‘Ž๐‘Ÿ๐‘Ž ๐‘ง = 0 ๐‘‘๐‘Ž๐‘› ๐‘ง = 0. ๐‘‹3 .75 + 0. 7 ๐‘Œ = ๐‘‹1 + ๐‘‹2 maka hitung ๐‘ƒ ๐‘Œ > 1 Penyelesaian : Kita akan menentukan dahulu distribusi dari ๐‘Œ Berdasarkan teorema 12 maka ๐‘Œ berdistribusi normal umum dengan rataan 4 dan variansi 16. 9 .

Jika ๐‘Œ = ๐‘‹1 + ๐‘‹2 dan ๐‘ƒ ๐‘Œ > ๐‘Ž = 0. ๐‘– = 1. Jika ๐‘ˆ = ๐‘‹1 + ๐‘‹2 maka hitung ๐‘ƒ ๐‘ˆ < 3 Penyelesaian : Kita akan menentukan distribusi dari ๐‘ˆ Berdasarkan teorema 13 maka ๐‘ˆ berdistribusi Poisson dengan rataan 5.3.3. Jika ๐‘ = ๐‘‹1 + ๐‘‹2 + ๐‘‹3 + โ€ฆ + ๐‘‹๐‘˜ maka ๐‘ akan mengikuti distribusi Chi-Kuadrat dengan derajat kebebasan ๐‘‘๐‘˜ = ๐‘› dengan ๐‘› = ๐‘›1 + ๐‘›2 + ๐‘›3 + โ‹ฏ + ๐‘›๐‘˜ Contoh 17 Misalkan ๐‘‹1 dan ๐‘‹2 adalah dua variabel random yang saling bebas dan keduanya nilai ๐‘Ž Penyelesaian : Kita akan menentukan dahulu distribusi dari ๐‘Œ Berdasarkan teorema 14 maka ๐‘Œ berdistribusi Chi-Kuadrat dengan derajat kebebasan 7. ๐‘ข = 0. Karena ๐‘ƒ ๐‘Œ > ๐‘Ž = 0. ๐‘’ โˆ’5 0! 1! 2! Sehingga ๐‘ƒ ๐‘ˆ < 3 = ๐‘ƒ ๐‘ˆ = 0.5.2 = ๐‘ƒ ๐‘ˆ = 0 + ๐‘ƒ ๐‘ˆ = 1 + ๐‘ƒ ๐‘ˆ = 2 = = 18. 51 ๐‘’ โˆ’5 . Misalkan ๐‘‹1 dan ๐‘‹2 adalah dua variabel random yang saling bebas dan keduanya berdistribusi Poisson masing-masing dengan rataannya 2 dan 3.Contoh 16. Fungsi peluang dari ๐‘ˆ berbentuk ๐‘ ๐‘ข = ๐‘’ โˆ’5 . ๐‘‹๐‘› adalah ๐‘› buah variabel random yang saling bebas dan mengikuti distribusi Chi-Kuadrat dengan derajat kebebasan ๐‘‘๐‘˜ = ๐‘›๐‘– . 50 ๐‘’ โˆ’5 .95 maka hitung Page | 27 . 52 + + = ๐‘’ โˆ’5 + 5.2.1. ๐‘‹2 . 5๐‘ข .1. ๐‘’ โˆ’5 Teorema 14 : Fungsi Variabel Random Chi-Kuadrat Misalkan ๐‘‹1 . ๐‘’ โˆ’5 + 12.17 berdistribusi Chi-Kuadrat masing-masing dengan derajat kebebasannya 3 dan 4.05 Nilai ๐‘Ž ditentukan dari tabel distribusi Chi-Kuadrat dengan derajat kebebasan 7 dan peluang 0.2. ๐‘‹3 .5. โ€ฆ . โ€ฆ ๐‘˜.95 maka ๐‘ƒ ๐‘Œ < ๐‘Ž = 0. โ€ฆ ๐‘ข! ๐‘’ โˆ’5 .05 yaitu ๐‘Ž = 2.

merupakan sampel acak dari distribusi uniform. Y2. y ๏€ผ 1 G( y) ๏€ฝ ๏ƒญ ๏ƒฎ1. 1๏‚ฃ y ๏ƒฎ Karena yn๏‚ฎ 0 untuk 0 <y< 1. 0 ๏€ผ y ๏€ผ 1 ๏ƒฏ1. lim n ๏‚ฎ๏‚ฅ Gn ( y) ๏€ฝ G( y) untuk semua nilai y dimana G(y) kontinu. maka lim n ๏‚ฎ๏‚ฅ Gn ( y) ๏€ฝ G( y) dimana ๏ƒฌ0. Definisi 1. โ€ฆ. Maka y๏‚ฃ0 ๏ƒฌ0.1 Misalkan X1. X2. 1 ๏‚ฃ y Definisi 1. jika ๏‚พ๏‚ฎ n=1. dinotasikan dengan Yn ๏‚พd Y . โ€ฆ dengan fungsi distribusi (fungsi distribusi kumulatif) Gn(y)=P(Yn โ‰ค y). ๏ƒฏ n Gn ( y ) ๏€ฝ ๏ƒญ y . 2. dan Yn=Xn:n=max{ X1. Fungsi G(y) dinamakan limit distribusi dari Yn.1).2 Sebuah variabel acak Y dikatakan mempunyai distribusi yang degenerate pada titik y=c jika fungsi distribusinya berbentuk ๏ƒฌ0. Contoh 1. Limit Distribusi Pandang barisan variabel acak Y1. Xi~UNIF(0.1 Barisan variabel acak Y1. Y3. Y2.Topik 2 LIMIT BARISAN VARIABEL RANDOM 1.Xn. โ€ฆ dikatakan konvergen dalam distribusi ke sebuah variabel acak Y dengan fungsi distribusi G(y). y ๏€ผ c G( y) ๏€ฝ ๏ƒญ ๏ƒฎ1. โ€ฆ. c ๏‚ฃ y Berikut ini dua buah sifat limit yang berguna untuk menemukan limit distribusi suatu barisan variabel acak. Y3. 3. โ€ฆ. Xn} merupakan order statistik terbesar. Page | 28 . X2.

Xn. Fungsi G(y) bukan fungsi distribusi suatu variabel acak. lim n ๏‚ฎ๏‚ฅ ๏ƒง1 ๏€ซ ๏€ซ ๏ƒท ๏€ฝ e jika lim n ๏‚ฎ๏‚ฅ d (n) ๏€ฝ 0. 0 ๏€ผ y Di sini lim n ๏‚ฎ๏‚ฅ Gn ( y) ๏€ฝ G( y) ๏€ฝ 0 untuk semua y. โ€ฆ. Tidak semua barisan variabel acak mempunyai limit distribusi. merupakan sampel acak dari distribusi Pareto. y๏‚ฃ0 0๏€พ y Yang merupakan fungsi distribusi eksponensial dengan parameter 1. G( y) ๏€ฝ ๏ƒญ ๏€ญy ๏ƒฎ1 ๏€ญ e . โ€ฆ. X2. n ๏ƒธ ๏ƒจ n nb Contoh 1. merupakan sampel acak dari sebarang distribusi dengan mean ๏ญ=E(Xi) dan variansi ๏ณ2=Var(Xi) <๏‚ฅ dan Page | 29 .Xn. โ€ฆ. Fungsi distribusi dari Xi adalah F(x)=1-(1+x)-1 sehingga y๏‚ฃ0 ๏ƒฌ0.1 (CLT) Misalkan X1. EXP(1). 2. Maka y๏‚ฃ0 ๏ƒฌ 0.๏ƒฆ c๏ƒถ a. dan Yn=nX1:n dimana X1:n =min{ X1. Teorema 2. X2. Gn ( y ) ๏€ฝ ๏ƒญ y ๏€ญ n ๏ƒฎ( 1๏€ซ y ) . Contoh 1. Teorema Limit Pusat (Central Limit Theorem / CLT) tidak mempunyai limit CLT dapat digunakan untuk menentukan limit distribusi suatu barisan variabel acak. Jadi barisan Yn distribusi. Gn ( y ) ๏€ฝ ๏ƒญ y ๏€ญn ๏ƒฎ1 ๏€ญ (1 ๏€ซ n ) . X2.1). 0 ๏€ผ y Dengan menggunakan sifat limit di atas diperoleh ๏ƒฌ 0.2 Misalkan X1. Xi~PAR(1.2 definisikan Yn=Xn:n . lim n ๏‚ฎ๏‚ฅ ๏ƒง1 ๏€ซ ๏ƒท ๏€ฝ ecb ๏ƒจ n๏ƒธ nb ๏ƒฆ c d ( n) ๏ƒถ cb b.3 Pada contoh 1. Xn} merupakan order statistik terkecil.

๏ณ2/12) untuk n๏‚ฎ๏‚ฅ.1) untuk n ๏‚ฎ๏‚ฅ. Contoh 2. Sebagai catatan pula. Lemma 3. di sini Yn ๏€ฝ ๏ƒฅ X i konvergen i ๏€ฝ1 dalam distribusi ke distribusi normal dengan mean n๏ญdan variansi n๏ณ2. โ€ฆ dikatakan konvergen dalam probabilitas (konvergen secara stokastik) ke suatu konstanta c. Y2.1 Barisan variabel acak Y1. Xi~UNIF(0.1). X2. Y3. Karena n ๏ญ=E(Xi)=1/2 dan ๏ณ2=Var(Xi)=1/12 maka Zn ๏€ฝ ๏ƒฅX i ๏€ฝ1 n i ๏€ญ n/2 n / 12 dan Yn ๏€ฝ ๏ƒฅ X i masing-masing mempunyai limit distribusi i ๏€ฝ1 Z~N(0.Xn.Zn ๏€ฝ ๏ƒฅX i ๏€ฝ1 n i ๏€ญ n๏ญ n๏ณ Maka barisan Znkonvergen dalam distribusi ke distribusi normal standar (baku). 3. dinotasikan dengan Yn ๏‚พP c . Konvergen dalam Probabilitas Definisi 3. yakni Z n ๏‚พd Z ~ N (0. Untuk menunjukkan suatu barisan variabel acak konvergen dalam probabilitas ke suatu konstanta c sering dapat digunakan ketaksamaan berikut ini.1) dan Y~N(n/2. merupakan sampel acak dari distribusi uniform.2 (Ketaksamaan Chebychev) Untuk sebarang variabel acak Xdengan mean ๏ญ=E(X) dan variansi ๏ณ2=Var(X) <๏‚ฅ berlaku Page | 30 .1 Misalkan X1. โ€ฆ. ๏‚พ๏‚ฎ Perhatikan bahwa Zndapat dituliskan sebagai Zn ๏€ฝ Xn ๏€ญ ๏ญ ๏ณ/ n n dimana X n ๏€ฝ ๏ƒฅX i ๏€ฝ1 n i n . jika untuk setiap ๏ฅ> 0 ๏‚พ๏‚ฎ lim n ๏‚ฎ๏‚ฅ P(| Yn ๏€ญ c |๏€ผ ๏ฅ ) ๏€ฝ 1 .

Maka X n ๏‚พP ๏ญ untuk ๏‚พ๏‚ฎ n๏‚ฎ๏‚ฅ. โ€ฆ.Xn. ๏‚พ๏‚ฎ ๏‚พ๏‚ฎ Teorema 4.5 (Teorema Slutsky) Jika (Xn) dan (Yn) adalah barisan-barisan variabel acak sedemikian hingga X n ๏‚พP c dan Yn ๏‚พd Y . jikaP(Xn๏‚น 0) = 1 untuk semua n dan c๏‚น 0. ๏ฅ Dengan menggunakan lemma di atas dapat dibuktikan teorema berikut ini.3 Misalkan X1. g (Yn ) ๏‚พP g (Y ) . Teorema 4. jikaP(Xn โ‰ฅ 0) = 1 untuk semua n. Y2.1 Barisan variabel acak Y1.2 Untuk sebarang barisan variabel acak Yn.4 Jika (Xn) dan (Yn) adalah barisan-barisan variabel acak sedemikian hingga X n ๏‚พP c dan Yn ๏‚พP d . 1/ X n ๏‚พP 1/ c ๏‚พ๏‚ฎ e.3 Jika Yn ๏‚พP c dan g sebarang fungsi yang kontinu di c. jika ๏‚พ๏‚ฎ untuk setiap ๏ฅ> 0 lim n ๏‚ฎ๏‚ฅ P(| Yn ๏€ญ Y |๏€ผ ๏ฅ ) ๏€ฝ 1 . ๏‚พ๏‚ฎ Page | 31 . ๏‚พ๏‚ฎ b. X2. maka ๏‚พ๏‚ฎ ๏‚พ๏‚ฎ a. Teorema 3. aX n ๏€ซ bYn ๏‚พP ac ๏€ซ bd . ๏‚พ๏‚ฎ ๏‚พ๏‚ฎ Teorema 4. dinotasikan dengan Yn ๏‚พP Y . X n ๏€ซ Yn ๏‚พd c ๏€ซ Y . merupakan sampel acak dari sebarang distribusi dengan mean ๏ญ=E(Xi) dan variansi ๏ณ2=Var(Xi) <๏‚ฅ . maka ๏‚พ๏‚ฎ ๏‚พ๏‚ฎ a. X n / c ๏‚พP 1 ๏‚พ๏‚ฎ jikac๏‚น 0. 4. jika Yn ๏‚พP Y maka Yn ๏‚พd Y . d. Teorema-teorema Limit Definisi 4.๏ณ2 P(| X ๏€ญ ๏ญ |๏€ผ ๏ฅ ) ๏‚ณ 1 ๏€ญ 2 . โ€ฆ dikatakan konvergen dalam probabilitaske suatu variabel acak Y. X n n ๏‚พP ๏‚พ๏‚ฎ c Teorema 4. Y3. ๏‚พ๏‚ฎ c. X nYn ๏‚พP cd .

6 Jika Yn ๏‚พd Y dan g sebarang fungsi kontinu yang tidak tergantung pada n. X n / Yn ๏‚พP Y / c ๏‚พ๏‚ฎ jika c๏‚น 0. Teorema 4. ๏‚พ๏‚ฎ maka g (Yn ) ๏‚พd g (Y ) . ๏‚พ๏‚ฎ Page | 32 . X nYn ๏‚พd cY .b. ๏‚พ๏‚ฎ c.

Kekonvergenan Almost Surely Barisan variabel random ๐‘‹๐‘› dikatakan konvergen almost surely ke variabel random ๐‘‹ jika dan hanya jika terdapat himpunan kejadian ๐ธ โˆˆ ๐น dengan ๐‘ƒ ๐ธ = 0 sedemikian hingga โˆ€ ๐‘ค โˆˆ ๐ธ ๐‘ . Page | 33 . Kekonvergenan in ๐‘ณ๐‘ท Barisan variabel random ๐‘‹ dikatakan konvergen in ๐ฟ๐‘ƒ ke variabel random ๐‘‹ jika dan hanya jika ๐‘‹๐‘› โˆˆ ๐ฟ๐‘ƒ dan lim๐‘›โ†’โˆž ๐ธ ๐‘‹๐‘› โˆ’ ๐‘‹ 5. 7. Teorema Kekonvergenan 2 Jika barisan variabel random ๐‘‹๐‘› dikatakan konvergen ke variabel random ๐‘‹ almost surely maka barisan variabel random ๐‘‹๐‘› konvergen ke variabel random ๐‘‹ in probability. Teorema Kekonvergenan 3 Jika barisan variabel random ๐‘‹๐‘› dikatakan konvergen ke variabel random ๐‘‹ in probabability maka barisan variabel random ๐‘‹๐‘› konvergen ke variabel random ๐‘‹ in law.Topik 3 KEKONVERGENAN 1. ๐‘‹๐‘› ๐‘ค โˆ’ ๐‘‹(๐‘ค) โ†’ 0 ๐‘ข๐‘›๐‘ก๐‘ข๐‘˜ ๐‘› โ†’ โˆž Dengan kata lain ๐‘ƒ lim๐‘›โ†’โˆž ๐‘‹๐‘› = ๐‘‹ = 1 atau lim๐‘›โ†’โˆž ๐‘‹๐‘› = ๐‘‹ almost surely 2. Teorema Kekonvergenan 1 Barisan variabel random ๐‘‹๐‘› dikatakan konvergen in probability ke variabel random ๐‘‹ jika dan hanya jika ๐‘›โ†’โˆž ๐‘ƒ = 0 untuk 0 < ๐‘ < โˆž lim ๐ธ ๐‘‹๐‘› โˆ’ ๐‘‹ 1 + ๐‘‹๐‘› โˆ’ ๐‘‹ =0 6. Kekonvergenan in Probability Barisan variabel random ๐‘‹๐‘› dikatakan konvergen in probability ke variabel random ๐‘‹ jika dan hanya jika untuk setiap ๐œ€ > 0 maka berlaku lim๐‘›โ†’โˆž ๐‘ƒ ๐‘‹๐‘› โˆ’ ๐‘‹ > ๐œ€ = 0 3. Kekonvergenan in law Barisan variabel random ๐‘‹๐‘› dikatakan konvergen in law ke variabel random ๐‘‹ jika dan hanya jika sebaran peluang ๐น๐‘‹๐‘› (๐‘ฅ) konvergen ke sebaran peluang ๐น๐‘‹ (๐‘ฅ) 4.

9. Teorema Kekonvergenan 7 Jika barisan variabel random ๐‘‹๐‘› konvergen in probability maka terdapat variabel random ๐‘‹ sedemikian sehingga barisan variabel random konvergen ke variabel random ๐‘‹ in probability. 10. Teorema Kekonvergenan 4 Jika barisan variabel random ๐‘‹๐‘› dikatakan konvergen ke variabel random ๐‘‹ in probabability maka terdapat subbarisan variabel random ๐‘‹๐‘› ๐‘˜ konvergen ke variabel random ๐‘‹ in almost surely. maka barisan variabel random ๐‘‹๐‘› konvergen ke 0 in probability. ๐‘‹๐‘› ๐‘‹๐‘› dan variabel random ๐‘‹ sedemikian sehingga subbarisan variabel random ๐‘‹๐‘› ๐‘˜ Page | 34 . 11. Teorema Kekonvergenan 6 Jika barisan variabel random ๐‘‹๐‘› konvergen almost surely maka terdapat variabel random ๐‘‹ sedemikian sehingga barisan variabel random konvergen ke variabel random ๐‘‹ almost surely.8. Teorema Kekonvergenan 5 Jika barisan variabel random ๐‘‹๐‘› konvergen ke 0 in law.

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)//-->