130 likes | 401 Views
BEBERAPA EKSPEKTASI KHUSUS. Misalkan X adalah variabel random yang mempunyai pdf f(x). Beberapa ekspektasi khusus : 1. Untuk kasus diskrit :
E N D
Misalkan X adalahvariabel random yang mempunyaipdff(x). Beberapaekspektasikhusus : 1. Untukkasusdiskrit : Misalkana1,a2,a3,… adalahnilai-nilaidari X dimana f(x) > 0, maka E(X)=a1 f(a1) + a2f(a2) + a3 f(a3)+… ataumerupakan rata-rata berbobotdarinilai-nilaia1,a2,a3,… denganbobotmasing-masingaiadalahf(ai). Olehkarenaitu, E(X) disebutnilai mean dari X ataunilai mean darisuatudistribusiatau mean daripopulasijikaE(X)adadandinotasikandengan .
2. Misalkan , untukvariabel random diskritseperti yang sudahdijelaskansebelumnya, maka ataumerupakan rata-rata berbobotdarikuadratdeviasimasing-masingaiterhadapnilaimean denganbobotdarimasing-masingadalahf(ai). Nilaiinibiasadisebutvariansidari X atuvariansidaridistribusiatauvariansipopulasi, dinotasikandengan . Dapatditunjukkanbahwa :
yang merupakanakardarivariansibiasadisebutstandardeviasidari X ataustandardeviasidaridistribusi. Diinterpretasikansebagaisuatuukuranpenyebarandarinilai-nilaivariabelrandom X terhadap mean .
3. Moment Generating Function (mgf) dari X Misalkanterdapatsuatubilanganpositifhsedemikianhinggauntuk–h < t < h, ada. Artinyauntuk - variabel random diskrit : - variabel random kontinu : Ekspektasiinidinamakanmgfdari X (mgfdaridistribusi) dandinotasikandengan M(t). Jadimgfdari X adalah M(t) = jikaekspektasiiniadauntuk–h<t<h, dimanah > 0.
Mgfdarivariabel random X disebutjugamgfdarisuatudistribusi . Akantetapitidaksemuadistribusimempunyaimgf. Apabilasuatudistribusimempunyaimgf, makamgfnyauniksehinggajikaduavariabel random mempunyaimgf yang sama, makakeduavariabel random tersebutmempunyaidistribusi yang sama. Contoh : Misalkan M(t) adalahmgfdari X, untuksemua . Tentukanpdfdari X
Karenasuatudistribusi yang mempunyaimgfM(t) secaralengkapditentukanoleh M(t), makabeberapasifatdaridistribusidapatditurunkansecaralangsungdari M(t). Contohnyaadalahkeberadaan M(t) untuk–h < t < h menyebabkanturunan-turunannyaadapadasaatt = 0. Jadiapabila : untuk–h < t < h dengan X variabel random kontinu, maka - M(0) = E(1) = 1 -
Berdasarkandefinisiturunan, KarenaM(t) adauntuk–h < t < h maka M’(0) ada. Jadi, keberadaan M(t) untuk–h < t < h mengakibatkanturunannyaadadi t = 0 (demikianjugauntukturunan-turunan yang lain). E(X) disebutmomen ke-1 darivariabel random X.
- - - disebutmomen ke-2 dari X. Variansidari X dapatdicaridarimomen ke-1 danmomen ke-2 dari X, yaitu : Note : Untukvariabel random diskrit, caranya analog .
Jika m bilanganbulatpositifdanjikaadalahturunanke-m dari M(t), makadisebutmomenke-m dari X ataumomenke-m darisuatudistribusi. Karena M(t) membangkitkanmomen-momendari X ataunilai-nilaidariuntuk m= 1,2,…dimana (kasusdiskrit) atau (kasuskontinu), maka M(t) disebutmoment generating function.
Contoh 1: Misalkan X mempunyaipdf Tentukan mean danvariansidari X. Jawab:
Contoh 2: Misalkan X mempunyaipdf Tentukan mean danvariansidari X. Perhatikanbentukberikut : sehinggadapatdisimpulkanbahwa X tidakmempunyai mean danvariansi.
Contoh 3: Diketahuibahwaderetkonvergenkemaka adalahpdfdarivariabel random diskrit X. Mgfdari X jikaada, ditentukansbb : Berdasarkanujirasiountukderettakhingga, deretdivergenapabila t > 0. Jaditidakterdapath>0sehingga M(t) adauntuk -h < t < h. Jadi X denganpdff(x)tidakmempunyaimgf.