You are on page 1of 4

Metode Transformasi untuk Kasus Bivariate

Teorema . Diberikan 𝑋 dan 𝑌 adalah dua variabel acak kontinu dengan pdf bersama
𝑓(𝑥, 𝑦).Misalkan 𝑈 = 𝑃(𝑋, 𝑌) dan 𝑉 = 𝑄(𝑋, 𝑌) merupakan fungsi dari 𝑋 dan 𝑌 . Jika fungsi
𝑃(𝑥, 𝑦) dan 𝑄(𝑥, 𝑦) memiliki nilai invers tunggal, misal 𝑋 = 𝑅(𝑈, 𝑉) dan 𝑌 = 𝑆(𝑈, 𝑉), maka pdf
bersama 𝑔(𝑢, 𝑣) dari 𝑈 dan V yaitu

𝑔(𝑢, 𝑣) = |𝐽| 𝑓(𝑅(𝑢, 𝑣), 𝑆(𝑢, 𝑣))

dimana 𝐽 menyatakan Jacobian diberikan oleh,


𝜕𝑥 𝜕𝑥
𝐽 = det (𝜕𝑢 𝜕𝑣 )
𝜕𝑦 𝜕𝑦
𝜕𝑢 𝜕𝑣
𝜕𝑥 𝜕𝑦 𝜕𝑥 𝜕𝑦
= −
𝜕𝑢 𝜕𝑣 𝜕𝑣 𝜕𝑢
Metode Konvolusi untuk Penjumlahan dari Variabel Acak
Pada bagian ini, diilustrasikan bagaimana Teknik konvolusi dapat digunakan untuk mencari
distribusi dari penjumlahan variabel-variabel acak dimana variabel tersebut saling bebas. Metode
konvolusi ini tidak dapat digunakan jika variabelnya tidak independent.

Definisi Diberikan 𝑓 dan 𝑔 merupakan dua fungsi yang bernilai real. Konvolusi dari 𝑓 dan 𝑔,
dinyatakan oleh 𝑓 ∗ 𝑔 , didefinisikan sebagai berikut

(𝑓 ∗ 𝑔)(𝑧) = ∫ 𝑓(𝑧 − 𝑦)𝑔(𝑦)𝑑𝑦
−∞

= ∫ 𝑔(𝑧 − 𝑥)𝑓(𝑥)𝑑𝑥
−∞

Sedemikian hingga dari definisi jelas bahwa 𝑓 ∗ 𝑔 = 𝑔 ∗ 𝑓.


Misal 𝑋 dan 𝑌 merupakan dua variabel acak yang saling bebas yang memiliki pdf 𝑓(𝑥) dan
𝑔(𝑦). So we get

ℎ(𝑧) = ∫ 𝑓(𝑧 − 𝑦)𝑔(𝑦)𝑑𝑦
−∞

Maka, hasil ini menunjukkan bahwa density dari variabel 𝑍 = 𝑋 + 𝑌 merupakan konvolusi dari
density 𝑋 dengan density 𝑌 .

Contoh. Hitunglah probability density dari penjumlahan dua variabel acak yang saling bebas
,jika setiap variabel berdistribusi normal standar ?

Penyelesaian : Misal 𝑍 = 𝑋 + 𝑌,dimana 𝑋~𝑁(0,1) dan 𝑌~𝑁(0,1). Sedemikian hingga, density


function 𝑓(𝑥) dari variabel acak 𝑋 diberikan oleh,
1 −𝑥 2
𝑓(𝑥) = 𝑒 2
√2𝜋
Dengan cara yang sama, the density function 𝑔(𝑦) dari 𝑌 yaitu
1 −𝑦 2
𝑔(𝑦) = 𝑒 2
√2𝜋
Karena 𝑋 dan 𝑌 saling independent, the density function dari 𝑍 dapat diperoleh dnegan
menggunakan metode konvolusi. Perhatikan bahwa penjumlahan 𝑍 = 𝑋 + 𝑌 berada diantara −∞
dan ∞. Sehingga, the density function dari Z yaitu

ℎ(𝑧) = (𝑓 ∗ 𝑔)(𝑧)

= ∫ 𝑓(𝑧 − 𝑥)𝑔(𝑥) 𝑑𝑥
−∞
1 ∞ −(𝑧−𝑥)2 −𝑥 2
= ∫ 𝑒 2 𝑒 2 𝑑𝑥
2𝜋 −∞
1 −𝑧 2 ∞ −(𝑥−𝑧)2
= 𝑒 4 ∫ 𝑒 2 𝑑𝑥
2𝜋 −∞

1 −𝑧 2 1 −(𝑥−𝑧)2
= 𝑒 √𝜋 [∫
4 𝑒 2 𝑑𝑥 ]
2𝜋 −∞ √𝜋

1 −𝑧 2 1 −(𝑤)2 𝑧
= 𝑒 4 [∫ 𝑒 𝑑𝑤 ] , dimana 𝑤 = 𝑥 − 2
2𝜋 −∞ √𝜋
−𝑧2
1
= 𝑒 4
√ 4𝜋
1 𝑧−0 2
1 − ( )
= 𝑒 2 √2
√4𝜋

Nilai dari integral yang berada di dalam tanda kurung bernilai 1, karena fungsi yang diintegralkan
1
memiliki pdf normal dengan rata-rata 𝜇 = 0 dan variansi 𝜎 2 = 2. Sehingga jumlah dari dua
variabel acak yang berdistribusi normal juga merupakan variabel acak yang berdistribusi normal
dengan rata-rata 0 dan variansi 2

1
Transformasi distribusi uniform dari 𝑈[0,1] ke 𝑈 [0, 4]

Penyelesaian :

1
Misal 𝑍 = 𝑋 + 𝑌, dimana 𝑋~𝑈𝑁𝐼𝐹(0,1) dan 𝑌~𝑈𝑁𝐼𝐹 (0, 4). Sedemikian hingga, fungsi pdf
𝑓(𝑥) dari variabel acak 𝑋 adalah
1 𝑢𝑛𝑡𝑢𝑘 0 ≤ 𝑥 ≤ 1
𝑓(𝑥) = {
0 𝑢𝑛𝑡𝑢𝑘 𝑥 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛
Fungsi pdf 𝑔(𝑦) dari 𝑌 yaitu
1
4 𝑢𝑛𝑡𝑢𝑘 0 ≤ 𝑦 ≤
𝑔(𝑦) = { 4
0 𝑢𝑛𝑡𝑢𝑘 𝑦 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛

Karena 𝑋 dan 𝑌 saling bebas, maka pdf dari 𝑍 dapat diperoleh menggunakan metode konvulusi.
Jumlah dari 𝑧 = 𝑥 + 𝑦 berada diantara 0 dan 5

You might also like