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 adalah variabel random diskrit dengan fungsi peluangnya ()
maka = () adalah juga variabel random diskrit. Penentuan fungsi
peluang dari dapat dilakukan sebagai berikut :
a. Tentukan nilai-nilai yang mungkin dari
b. Tentukan = ( )
c. Tentukan fungsi peluang dari berdasarkan ()
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 menunjukkan banyak
GAMBAR KARAPAN SAPI yang muncul, maka tentukan fungsi
peluang dari variabel random = 2 1
Penyelesaian :
Ruang sampel = , , , , , , ,
Page | 2

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

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

= 1 = + + =
1
8
+
1
8
+
1
8
=
3
8

= 2 = + + =
1
8
+
1
8
+
1
8
=
3
8

= 3 = =
1
8

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

3
8

3
8

1
8

Diketahui = 2 1
Nilai-nilai yang mungkin dari adalah = = 1,1,3,5
Berdasarkan definisi fungsi distribusi, maka
= = 2 1 =
+1
2
= ()
+1
2
=0

Untuk < 1 maka = 0 karena < 1 =
Untuk 1 < < 1 maka = ()
0
=0
= 0 =
1
8

Untuk 1 < 3 maka = ()
1
=0
= 0 +1 =
1
8
+
3
8
=
4
8

Untuk 3 < 5 maka = ()
2
=0
= 0 +1 +2 =
1
8
+
3
8
+
3
8
=
7
8

Untuk 5 maka
Page | 3

= ()
3
=0
= 0 +1 +2 +3 =
1
8
+
3
8
+
3
8
+
1
8
= 1
Jadi fungsi distribusi dari adalah
= 0 ; < 1
=
1
8
; 1 < 1
=
4
8
; 1 < 3
=
7
8
; 3 < 5
= 1 ; 5
Sehingga fungsi peluang dari adalah
Untuk < 1 maka =
1
8
0 =
1
8

Untuk = 1 maka =
4
8

1
8
=
3
8

Untuk = 3 maka =
7
8

4
8
=
3
8

Untuk = 5 maka = 1
7
8
=
1
8

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

8
; 0 < < 4
= 0 ; lainnya
Jika variabel random = 2 +8, maka tentukan fungsi densitas dari
Penyelesaian :
Berdasarkan definisi fungsi distribusi jika
Page | 4

= = 2 +8 =
8
2
=

8
2
=0

=

2
16

=0
8
2
=
1
64

2
16 +64
Turunan pertama () terhadap adalah

32

1
4

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

32

1
4
; 8 < < 16
= 0 ; 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 adalah variabel random diskrit dengan fungsi peluang ().
Jika variabel random = () dengan setiap nilai dari
berkorespondensi satu dan hanya satu dengan nilai dari dan
sebaliknya hingga = (), maka fungsi peluang dari ditentukan
sebagai berikut
=
Contoh 3
Misalkan fungsi peluang dari variabel random adalah
= 2

; = 1,2,3,
Tentukan fungsi peluang dari variabel random =
4
+1
Penyelesaian :
Transformasinya =
4
+1
Page | 5

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

Nilai-nilai yang mungkin dari adalah = = 2,17,82,
Jadi fungsi peluang dari adalah
1
= 2
1
1
4
; = 2,17,82,
2. Variabel Random Kontinu
Teorema 2 : Teknik Transformasi Satu Variabel Random Kontinu
Misalkan adalah variabel random kontinu dengan fungsi densitas
(). Jika fungsi = () dapat diturunkan dan naik atau turun untuk
semua nilai dalam daerah hasil dengan () 0, maka persamaan
= () dapat diselesaikan untuk dengan = (). Fungsi densitas
dari = () ditentukan oleh = ().

()
Contoh 4 :
Jika variabel random berdistribusi normal baku, maka tentukan
fungsi densitas dari =
2

Penyelesaian :
Fungsi densitas dari adalah =
1
2

1
2

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

2
=
2

2

=
2

2
0 = =

=
1
2

1
2

Page | 6

=
1
2

1
2

2
+
1
2

1
2

0
0

=
1
2

1
2

0
+
1
2

1
2

0

=
2
2

1
2

0

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

1
2

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

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

Inversnya =
Jacobiannya

=
1
2

1
2

=
1
2

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

=
2
2

2
1
2
=
2
2

1 2
.
2
=
1
2
1 2

1
2

1 2
.
2

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





Page | 7

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

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 dan berbentuk
, =
1
4
; 0 < < 2, 0 < < 2
= 0 ; , lainnya
Jika = dan = + maka tentukan fungsi densitas marginal
dari
Penyelesaian :
Kedua variabel random transformasinya = dan = +
Hubungan antara nilai dari dan nilai dari serta hubungan
antara nilai dari dan nilai dari diberikan dengan
= dan = +
Inversnya =
+
2
dan =

2

Jacobiannya =

=
1
2
1
2

1
2
1
2
=
1
4
+
1
4
=
1
2

Page | 8

=
1
2

Fungsi densitas gabungan dari dan adalah :
, =
+
2
,

2
. =
1
4

1
2
=
1
8

Batas-batas dari dan adalah :
0 < < 2 0 < < 2
0 <
+
2
< 2 0 <

2
< 2
0 < + < 4 0 < < 4
< < 4 < < 4 +
Jadi , =
1
8
; < < 4 , < < 4 +
= 0 ; , lainnya




8

















4


B









C




A


4










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

1
=
1
8

4+

1
8

=
4+
=
1
8
4 + =
1
2

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



Page | 9

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

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

2

Jacobiannya =

=
1
2
1
2

1
2
1
2
=
1
4
+
1
4
=
1
2

=
1
2

Fungsi densitas gabungan dari dan adalah :
, =
+
2
,

2
. =
1
3

1
2
=
1
6

Batas-batas dari dan adalah :
1 < < 2 0 < < 3
1 <
+
2
< 2 0 <

2
< 3
2 < + < 4 0 < < 6
Page | 10

2 < < 4 < < 6 +
Jadi , =
1
6
; 2 < < 4 , < < 6 +
= 0 ; , lainnya







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

1
=
1
6

6+
2
=

1
6

=2
6+
=
1
6
6 + 2 + =
1
6
4 +2 ; 2 < < 1
=
1
6

4
2
=

1
6

=2
4
=
1
6
4 2 + =
1
3
; 1 < 1
=
1
6

1
6

=
4
=
1
6
4 =
1
6
4 2 ; 1 2
Maka
1
=
1
6
4 +2 ; 2 < < 1
=
1
3
; 1 < 1
=
1
6
4 2 ; 1 2
= 0 ; lainnya






A
= 6 +
= 4 = 2
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 dan adalah dua variabel random kontinu dengan fungsi
densitas gabungannya (, ). Jika = + maka fungsi densitas
dari dirumuskan sebagai berikut :

1
= ,

Atau
1
= ,

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

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

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






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

1
= 2 =

=0
1
= 1
2
; 1 < < 2
1
0

= 2 =
1
2

=2
1
= 1 2
2
; 2 3
Maka
1
= 1
2
; 1 < < 2
= 1 2
2
; 2 3
= 0 ; lainnya

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

1
= ,

Atau

1
= +,

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

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

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







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

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

1
= 2 2 ; 0 < < 1
1+
1

=

2
2
=1
1+
= 1 +
2
1 21 + 1
= 1 +2 +
2
1 2
2
= 2
2

1
= 2 2 ; 1 < < 2
2

2
2
=
2
= 4
2
22
= 4
2
4 +2
2
= 2
2

Sehingga
1
= 2
2
; 0 < < 1
= 2
2
; 1 < < 2
= 0 ; lainnya

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

1
= .

Atau

1
=

.
1

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



Page | 15

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

Jacobiannya =

=
1 0

2
1

=
1

=
1

Fungsi densitas gabungan dari dan adalah
, = .

. = +

= 1 +

2

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

< 1
0 < <
Jadi , = 1 +

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






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

1
= 1 +

2
=

=
1
= 1 1 = 2 2
1

1 B
A
C 1
=
Page | 16

1
= 2 2 ; 0 < < 1
= 0 ; lainnya

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

makafungsi densitas dari

dirumuskan sebagai berikut :

1
= ,

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

maka tentukan fungsi densitas dari

Penyelesaian :
Karena transformasi variabel random yang diketahui =

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

dan =
Inversnya = dan =
Jacobiannya =

=

1 0
=
= =
Fungsi densitas marginal dari adalah
, = , . =
4
9
=
4
9

3

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

1

< <
2

Jadi , =
4
9

3
; 1 < < 2,
1

< <
2

= 0 ; , lainnya







Bangun merupakan daerah yang memenuhi 1 < < 2 dan
1

< <
2

1
=
4
9

3
;
1
2
< < 1
2
1

1
9

=
1
2
2
=
1
9
16
1

4
=
16
9

1
9

3

1
=
4
9

3
; 1 < <
2

1
2
=

1
9

=1
2

=
1
9

16

4
1 =
16
9

3

1
9

Jadi
1
=
16
9

1
9

3
;
1
2
< < 1
=
16
9

3

1
9
; 1 < < 2
= 0 ; lainnya





A
B
C
D
1 2
1
2
1/2
=
2

=
1

Page | 18

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

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

1
= ,

= .

Atau

1
= ,

= .

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

1
10
=
1
100

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

Hubungan antara nilai dari dan nilai dari serta hubungan
antara nilai dari dan nilai dari diberikan dengan
= + dan =
Inversnya = dan =
Jacobiannya =

=
1 0
1 1
= 1
= 1
Fungsi densitas gabungan dari dan adalah
, = , . =
1
100
. 1 =
1
100

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







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

0
=

1
100

=0

100

Untuk 10 < 20 :
1
=
1
100

10
10
=

1
100

=10
10
=
1
100
20
Jadi
1
=

100
; 0 < < 10
=
1
100
20 ; 10 < 20
= 0 ; lainnya
20
=
10
10 A
B
C
D
= 10 +
Page | 20


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

1
= , = .

Atau

1
= +, = +.

Contoh 12
Misalkan dan adalah dua variabel random kontinu yang saling
bebas dan masing-masing mempunyai fungsi densitas sebagai berikut:
= 2 ; 0 < < 1
= 0 ; lainnya
= 3
2
; 0 < < 1
= 0 ; lainnya
Jika = maka tentukan fungsi densitas dari
Penyelesaian :
Karena variabel random dan saling bebas, maka fungsi densitas
gabungannya adalah:
, = . = 23
2
= 6
2
; 0 < < 1, 0 < < 1
= 0 ; , lainnya
Karena transformasi variabel random yang diketahui berbentuk
= maka kita mengambil transformasi variabel random
keduanya adalah =
Hubungan antara nilai dari dan nilai dari serta nilai dari
dan nilai dari diberikan dengan
= dan =
Invers = dan =
Page | 21

Jacobiannya =

=
0 1
1 1
= 1
= 1
Fungsi densitas gabungan dari dan adalah
, = , . = 6
2
. 1 = 6
2

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







Bangun adalah daerah yang memenuhi 0 < < 1 dan < <
1 +
Fungsi densitas marginal dari adalah
Untuk 1 0 :
1
= 6
2

1+
0

= 6
3
12
2
+6
2

1+
0

=

3
2

4
4
3
+3
2

=0
1+

=
1
2
1 +
2
3 2 +
2

Untuk 0 < 1 :
1
= 6
2

1

= 6
3
12
2
+6
2

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

=

3
2

4
4
3
+3
2

=
1

=
1
2
1
3
+3
Jadi
1
=
1
2
1 +
2
3 2 +
2
; 1 0
=
1
2
1
3
+3 ; 0 < 1
= 0 ; lainnya

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

1
= .

= ()

.
1

Atau

1
=

.
1

= (

. .
1

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

=

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

, = . = 2.

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

Jacobiannya =

=
1

2
0
1

=
1

=
1

Fungsi densitas gabungan dari dan adalah
, = ,

. =
2
9

=
2
9

2

Batas-batas dari dan adalah
0 1 0 3
0 1 0

3
0 3
Jadi , =
2
9

2
; 0 1, 0 3
= 0 ; , lainnya







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

1
=
2
3
9
2

3
=
2
2
9

3
1
=
2
2
9

1 =
2
9
3 ; 0 3
= 0 ; lainnya

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

maka fungsi densitas dari dirumuskan sebagai

berikut :

1
= , .

= . .

Contoh 14
Misalkan dan adalah dua variabel random kontinu yang saling
bebas dan masing-masing mempunyai fungsi densitas sebagai berikut :
=

; > 0
= 0 ; lainnya
= 2.
2
; > 0
= 0 ; lainnya
Tentukan fungsi densitas dari =

Penyelesaian :
Karena dan adalah dua variabel random kontinu yang saling
bebas, maka fungsi densitas gabungannya adalah

, = . =

2.
2
= 2.
2
; > 0, > 0
= 0 ; , lainnya
Karena transformasi variabel random yang diketahui =

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

dan =
Page | 25

Inversnya = dan =
Jacobiannya =

=

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

1
= 2. +2

0

Misalkan = +2
= +2
Batas-batas : untuk = 0 maka = 0
untuk = maka =
jadi

1
= 2

+2

0
.
1
+2
=
2
+2
2
.

=
2
+ 2
2
2

=
2
+2
2
1 =
2
+2
2
; > 0
= 0 ; 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
1
,
2
,
3
, ,

adalah buah variabel random yang saling bebas

dan mengikuti distribusi normal umum dengan rataan

dan variansi

2
,
ditulis

2
, = 1,2,3, , . Jika =
1
+
2
+
3
+ +

maka akan
mengikuti distribusi normal umum dengan rataan

=1
dan variansi

2
=1


Contoh 15.
Misalkan
1
dan
2
adalah dua variabel random yang saling bebas dan
keduanya berdistribusi normal masing-masing 1; 7 dan 3; 9. Jika
=
1
+
2
maka hitung > 1
Penyelesaian :
Kita akan menentukan dahulu distribusi dari
Berdasarkan teorema 12 maka berdistribusi normal umum dengan rataan
4 dan variansi 16.
> 1 =


>
1 4
4
= > 0,75
= = 0,75 = 0 +0,5
= = 0 = 0,75 +0,5
= 0,2734 +0,5 = 0,7734

Teorema 13 : Fungsi Variabel Random Poisson
Misalkan
1
,
2
,
3
, ,

adalah buah variabel random yang saling bebas

dan mengikuti distribusi Poisson yang mempunyai parameter

, =
1,2,3, , . Jika =
1
+
2
+
3
+ +

maka akan mengikuti distribusi

Poisson yang mempunyai parameter =
1
+
2
+
3
+ +

Page | 27

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

5
. 5

!
; = 0,1,2,3,
Sehingga < 3 = = 0,1,2 = = 0 + = 1 + = 2
=

5
. 5
0
0!
+

5
. 5
1
1!
+

5
. 5
2
2!
=
5
+5.
5
+12,5.
5

= 18,5.
5


Teorema 14 : Fungsi Variabel Random Chi-Kuadrat
Misalkan
1
,
2
,
3
, ,

adalah buah variabel random yang saling bebas

dan mengikuti distribusi Chi-Kuadrat dengan derajat kebebasan =

, =
1,2,3, . Jika =
1
+
2
+
3
+ +

maka akan mengikuti distribusi

Chi-Kuadrat dengan derajat kebebasan = dengan =
1
+
2
+
3
++

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

Page | 28

Topik 2
LIMIT BARISAN VARIABEL RANDOM

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


untuk semua nilai y dimana G(y) kontinu. Fungsi G(y) dinamakan limit
distribusi dari Yn.
Contoh 1.1
Misalkan X1, X2, ,Xn, merupakan sampel acak dari distribusi uniform,
Xi~UNIF(0,1), dan Yn=Xn:n=max{ X1, X2, , Xn} merupakan order statistik
terbesar. Maka

s
< <
s
=
y
y y
y
y G
n
n
1 , 1
1 0 ,
0 , 0
) (
Karena y
n
0 untuk 0 <y< 1, maka ) ( ) ( lim y G y G
n n
=

dimana

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

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
= |
.
|

\
|
+

1 lim
b.
cb
nb
n
e
n
n d
n
c
= |
.
|

\
|
+ +

) (
1 lim jika . 0 ) ( lim =

n d
n

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

sehingga

< +
s
=

y
y
y G
n
n
y n
0 , ) 1 ( 1
0 , 0
) (
Dengan menggunakan sifat limit di atas diperoleh

>
s
=

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

<
s
=

+
y
y
y G
n
y
y
n
0 , ) (
0 , 0
) (
1

Di sini 0 ) ( ) ( lim = =

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, ,Xn, merupakan sampel acak dari sebarang distribusi
dengan mean =E(Xi) dan variansi o
2
=Var(Xi) < dan
Page | 30

o

n
n X
Z
n
i
i
n

=

=1

Maka barisan Znkonvergen dalam distribusi ke distribusi normal standar
(baku), yakni ) 1 , 0 ( ~ N Z Z
d
n
untuk n .
Perhatikan bahwa Zndapat dituliskan sebagai
n
X
Z
n
n
/ o

=
dimana
n
X
X
n
i
i
n

=
=
1
. Sebagai catatan pula, di sini

=
=
n
i
i n
X Y
1
konvergen
dalam distribusi ke distribusi normal dengan mean ndan variansi no
2
.
Contoh 2.1
Misalkan X1, X2, ,Xn, merupakan sampel acak dari distribusi uniform,
Xi~UNIF(0,1). Karena =E(Xi)=1/2 dan o
2
=Var(Xi)=1/12 maka
12 /
2 /
1
n
n X
Z
n
i
i
n

=

=
dan

=
=
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 n.

3. Konvergen dalam Probabilitas
Definisi 3.1
Barisan variabel acak Y1, Y2, Y3, dikatakan konvergen dalam probabilitas
(konvergen secara stokastik) ke suatu konstanta c, dinotasikan dengan
c Y
P
n
, jika untuk setiap c> 0
1 ) | (| lim = <

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 =E(X) dan variansi o
2
=Var(X)
< berlaku
Page | 31

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

4. Teorema-teorema Limit
Definisi 4.1
Barisan variabel acak Y1, Y2, Y3, dikatakan konvergen dalam
probabilitaske suatu variabel acak Y, dinotasikan dengan Y Y
P
n
, jika
untuk setiap c> 0
1 ) | (| lim = <

c Y Y P
n n
.
Teorema 4.2
Untuk sebarang barisan variabel acak Yn, jika Y Y
P
n
maka Y Y
d
n
.
Teorema 4.3
Jika c Y
P
n
dan g sebarang fungsi yang kontinu di c, ) ( ) ( Y g Y g
P
n
.
Teorema 4.4
Jika (Xn) dan (Yn) adalah barisan-barisan variabel acak sedemikian hingga
c X
P
n
dan d Y
P
n
, maka
a. bd ac bY aX
P
n n
+ + .
b. cd Y X
P
n n
.
c. 1 /
P
n
c X jikac= 0.
d. c X
P
n
/ 1 / 1 jikaP(Xn= 0) = 1 untuk semua n dan c= 0.
e. c X
P
n
n
jikaP(Xn 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
dan Y Y
d
n
, maka
a. Y c Y X
d
n n
+ + .
Page | 32

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


























Page | 33

Topik 3
KEKONVERGENAN

1. Kekonvergenan Almost Surely
Barisan variabel random

dikatakan konvergen almost surely ke variabel

random jika dan hanya jika terdapat himpunan kejadian dengan
= 0 sedemikian hingga

() 0
Dengan kata lain lim

= = 1 atau lim

= almost surely
2. Kekonvergenan in Probability
Barisan variabel random

dikatakan konvergen in probability ke

variabel random jika dan hanya jika untuk setiap > 0 maka berlaku
lim

> = 0
3. Kekonvergenan in law
Barisan variabel random

dikatakan konvergen in law ke variabel

random jika dan hanya jika sebaran peluang

() konvergen ke sebaran
peluang

()
4. Kekonvergenan in

Barisan variabel random dikatakan konvergen in

ke variabel random
jika dan hanya jika

dan lim

= 0 untuk 0 < <

5. Teorema Kekonvergenan 1
Barisan variabel random

dikatakan konvergen in probability ke

variabel random jika dan hanya jika
lim

1 +

= 0
6. Teorema Kekonvergenan 2
Jika barisan variabel random

dikatakan konvergen ke variabel random

almost surely maka barisan variabel random

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

dikatakan konvergen ke variabel random

in probabability maka barisan variabel random

konvergen ke variabel
random in law.
Page | 34

8. Teorema Kekonvergenan 4
Jika barisan variabel random

dikatakan konvergen ke variabel random

in probabability maka terdapat subbarisan variabel random

dan
variabel random sedemikian sehingga subbarisan variabel random

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

konvergen ke 0 in law, maka barisan

variabel random

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

konvergen almost surely maka terdapat

variabel random sedemikian sehingga barisan variabel random

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

konvergen in probability maka terdapat

variabel random sedemikian sehingga barisan variabel random

konvergen ke variabel random in probability.