Teorema Limit Pusat Dan Limit Distribusi: Pendekatan Dengan Kasus

Review Teorema Limit Pusat Teorema Limit Distribusi
Teorema Limit Pusat dan Limit Distribusi

pendekatan dengan kasus
Andi Kresna Jaya

andikresna@yahoo.com
Jurusan Matematika
September 22, 2014
Andi Kresna Jaya andikresna@yahoo.com Teorema Limit Pusat dan Limit Distribusi
Outline
1 Review
2 Teorema Limit Pusat
3 Teorema Limit Distribusi
Back
Outline
1 Review
Back
Outline
1 Review
Back
Sasaran pembelajaran: Kemampuan mahasiswa menjelaskan

konsep limit distribusi
1 Kemampuan memahami teorema limit pusat
2 Ketepatan dalam penjelasan limit distribusi untuk penaksir
Metode: Kuliah dan Diskusi
Text book: Hogg dan Craig, Introduction to
Mathematical Statistics; Casella dan Berger,
Statistical Inference
Opening
”It is a capital mistake to theorize before one has data.

Insensibly one begins to twist facts to suit theories, instead of
theories to suit facts.” - Sherlock Holmes, ”A Scandal in
Bohemia” Sir Arthur Conan Doyle
Planning a statistical analysis after you’ve collected the data
is like developing plans for a structure after you’ve purchased
the materials.
Opening
”It is a capital mistake to theorize before one has data.

Insensibly one begins to twist facts to suit theories, instead of
theories to suit facts.” - Sherlock Holmes, ”A Scandal in
Bohemia” Sir Arthur Conan Doyle
Planning a statistical analysis after you’ve collected the data
is like developing plans for a structure after you’ve purchased
the materials.
Ada dua teorema penting dalam Teori Peluang, yang pertama

adalah Teorema Limit Pusat dan yang kedua adalah Hukum
Bilangan Besar. (Hukum bilangan besar akan dipelajari pada
mata kuliah tingkat lanjut)
Teorema limit pusat menyatakan bahwa Distribusi dari jumlah
(atau rata-rata) variabel yang distribusinya saling bebas dan
identik adalah berdistribusi (hampiran) normal.
Untuk memahami ini akan diberikan tinjauan untuk kasus
sederhana.
Misalkan X adalah peubah acak dengan fmp

0, 45 x = 1
f (x) =
0, 55 x = 2
dan nol untuk yang lain.

Jika diambil sampel acak berukuran n dari distribusi

sederhana.

0, 45 x = 1
f (x) =
0, 55 x = 2


sederhana.

0, 45 x = 1
f (x) =
0, 55 x = 2


sederhana.

0, 45 x = 1
f (x) =
0, 55 x = 2


sederhana.

0, 45 x = 1
f (x) =
0, 55 x = 2

Untuk n = 2, 3, 4, bentuk grafik fmp untuk X̄ adalah:
Untuk n = 40, bentuk grafik fmp untuk X̄ adalah:
Bentuk kurva menyerupai kurva normal.
Pada materi distribusi untuk X̄ , mean sampel distribusi

N(µ, θ2 ), bentuk peubah acak
√
n(X̄ − µ)
Z=
σ
untuk sembarang bilangan bulat positif n, akan berdistribusi
N(0, 1).
p
Jika n → ∞ maka Z → Z0 , dimana Z0 ∼ N(0, 1)
Walaupun kondisi X bukan dari distribusi Normal, bentuk
√
n(X̄ − µ)
Y =
σ
akan mempunyai distribusi hampiran normal dengan mean 0
dan variansi 1.

√
n(X̄ − µ)
Z=
σ
N(0, 1).
p
√
n(X̄ − µ)
Y =
σ
dan variansi 1.

√
n(X̄ − µ)
Z=
σ
N(0, 1).
p
√
n(X̄ − µ)
Y =
σ
dan variansi 1.
teorema limit pusat
Teorema 1
Misalkan X1 , X2 , · · · , Xn adalah sampel acak dari sebuah distribusi
peluang yangPmeannya µ dan variansinya σ 2 > 0. Maka peubah
√ √
acak Yn = ( Xi − nµ)/ nσ = n(X̄ − µ)/σ konvergen dalam
distribusi ke peubah acak yang berdistribusi N(0, 1).
Misalkan X̄ adalah mean sampel acak yang berukuran n = 75

dari distribusi dengan fkp

1 0<x <1
f (x) =
0 yang lain
Aproksimasi nilai P(0.45 < X̄ < 0.55)
teorema limit pusat
Teorema 1
Misalkan X1 , X2 , · · · , Xn adalah sampel acak dari sebuah distribusi
peluang yangPmeannya µ dan variansinya σ 2 > 0. Maka peubah
√ √
acak Yn = ( Xi − nµ)/ nσ = n(X̄ − µ)/σ konvergen dalam
distribusi ke peubah acak yang berdistribusi N(0, 1).
Misalkan X̄ adalah mean sampel acak yang berukuran n = 75

dari distribusi dengan fkp

1 0<x <1
f (x) =
0 yang lain
Aproksimasi nilai P(0.45 < X̄ < 0.55)
contoh 1
Diketahui f (x) = 1, 0 < x < 1 dan nol untuk yang lain. maka
Z 1
1
µ = xdx =
0 2
Z 1
1
σ2 = (x − 1/2)2 dx =
0 12
Maka aproksimasi nilai P(0.45 < X̄ < 0.55) adalah

√
n(X̄ − µ)
P(0.45 < X̄ < 0.55) = P a < <b
σ
= P(−1.5 < Z < 1.5)
= 0.866
√ √
n(0.45−µ) n(0.55−µ)
catatan a = σ dan b = σ
contoh 1
Z 1
1
µ = xdx =
0 2
Z 1
1
σ2 = (x − 1/2)2 dx =
0 12

√
n(X̄ − µ)
P(0.45 < X̄ < 0.55) = P a < <b
σ
= P(−1.5 < Z < 1.5)
= 0.866
√ √
n(0.45−µ) n(0.55−µ)
contoh 1
Z 1
1
µ = xdx =
0 2
Z 1
1
σ2 = (x − 1/2)2 dx =
0 12

√
n(X̄ − µ)
P(0.45 < X̄ < 0.55) = P a < <b
σ
= P(−1.5 < Z < 1.5)
= 0.866
√ √
n(0.45−µ) n(0.55−µ)
Misalkan X1 , X2 , · · · , Xn menyatakan sampel acak dari

distribusi b(1, p). Misalkan Yn = X1 + X2 + · · · + Xn , maka
Yn ∼ b(n, p). Untuk menghitung peluang Yn akan lebih
sederhana menggunakan fakta bahwa
(Y − np)
p n ∼ N(0, 1)
np(1 − p)
dibandingkan dengan melakukan hampiran peluang dari

pendekatan Poisson.
Kerap kali, para statiskawan percaya bahwa Yn mempunyai
distribusi hampiran normal dengan mean np dan variansi
np(1 − p).
Perhatikan untuk n = 10 (ini cukup kecil untuk menyatakan
bahwa peluang untuk Yn dapat diaproksimasi dengan
distribusi Poisson) dan p = 0.5. Perbandingan b(10, 1/2)
dengan N(5, 5/2) mempunyai luasan yang (nyaris) sama.

(Y − np)
p n ∼ N(0, 1)
np(1 − p)

pendekatan Poisson.
np(1 − p).

(Y − np)
p n ∼ N(0, 1)
np(1 − p)

pendekatan Poisson.
np(1 − p).
Grafik fmp b(10, 1/2) dengan fkp N(5, 5/2)
contoh 2
Misalkan X1 , X2 , · · · , Xn menyatakan sampel acak berukuran

n = 100 dari distribusi b(1, 1/2). Misalkan
Y = X1 + X2 + · · · + Xn , maka Yn ∼ b(n, p). Tentukan
peluang
P(Y = 48, 49, 50, 51, 52)
Perhatikan bahwa dalam distribusi binomial untuk Y
(Y ∼ b(100, 1/2)), maka nilai diskrit {Y = 48, 49, 50, 51, 52}
dengan selang (47, 5; 52, 5) pada distribusi N(50, 25) adalah
ekuivalen.
P(Y = 48, 49, 50, 51, 52) = 52 100 100 = 0, 3827
P
y =48 y (1/2)
P(47, 5 < Y < 52, 5) = 0, 3829
dikerjakan dengan menggunakan distribusi N(0, 1)
P(Y = 48, 49, 50, 51, 52) = P(47, 5 < Y < 52, 5)
= P(−0.5 < Z < 0.5) = 0.3829
contoh 2

peluang
P(Y = 48, 49, 50, 51, 52)
ekuivalen.
P(Y = 48, 49, 50, 51, 52) = 52 100 100 = 0, 3827
P
y =48 y (1/2)
P(47, 5 < Y < 52, 5) = 0, 3829
P(Y = 48, 49, 50, 51, 52) = P(47, 5 < Y < 52, 5)
= P(−0.5 < Z < 0.5) = 0.3829
contoh 2

peluang
P(Y = 48, 49, 50, 51, 52)
ekuivalen.
P(Y = 48, 49, 50, 51, 52) = 52 100 100 = 0, 3827
P
y =48 y (1/2)
P(47, 5 < Y < 52, 5) = 0, 3829
P(Y = 48, 49, 50, 51, 52) = P(47, 5 < Y < 52, 5)
= P(−0.5 < Z < 0.5) = 0.3829
contoh 2

peluang
P(Y = 48, 49, 50, 51, 52)
ekuivalen.
P(Y = 48, 49, 50, 51, 52) = 52 100 100 = 0, 3827
P
y =48 y (1/2)
P(47, 5 < Y < 52, 5) = 0, 3829
P(Y = 48, 49, 50, 51, 52) = P(47, 5 < Y < 52, 5)
= P(−0.5 < Z < 0.5) = 0.3829
teorema dan bukti
Teorema 2
Misalkan Fn (u) adalah fungsi distribusi dari peubah acak Un yang
p
bergantung pada n. Jika Un → c, di mana c 6= 0, maka peubah
p
acak Un /c → 1.
Untuk sembarang ε > 0

maka

Un 1
P − 1 < ε = P |Un − c| < ε
c c
= P (|Un − c| < |c|ε)
maka

Un
lim P
− 1 < ε = lim P (|Un − c| < |c|ε) .

n→∞ c n→∞
teorema dan bukti
Teorema 2
p
p
acak Un /c → 1.

maka

Un 1
P − 1 < ε = P |Un − c| < ε
c c
= P (|Un − c| < |c|ε)
maka

Un
lim P
− 1 < ε = lim P (|Un − c| < |c|ε) .

n→∞ c n→∞
teorema dan bukti
Teorema 2
p
p
acak Un /c → 1.

maka

Un 1
P − 1 < ε = P |Un − c| < ε
c c
= P (|Un − c| < |c|ε)
maka

Un
lim P
− 1 < ε = lim P (|Un − c| < |c|ε) .

n→∞ c n→∞
Karena untuk sembarang > 0, maka

limn→∞ P (|Un − c| < ) = 1, maka

Un
lim P − 1 < ε = 1.

n→∞ c
Un p
c → 1.
Karena untuk sembarang > 0, maka

limn→∞ P (|Un − c| < ) = 1, maka

Un
lim P − 1 < ε = 1.

n→∞ c
Un p
c → 1.
Teorema 3
p
bergantung pada n. Jika Un → c, di mana√ c p6=√0 dan
P(Un < 0) = 0∀n, maka peubah acak Un → c.
Perhatikan bahwa
√ limn→∞ P(|Un − c| ≥ ) = 0, dan
bentuk √
√ √
(Un − c) = ( Un − c)( Un + c). maka
p √ p √
P(|Un − c| ≥ ) = P(|( Un − c)( Un + c)| ≥ )
√
p

= P | Un − c| ≥ √ √
( Un + c)
√
p

≥ P | Un − c| ≥ √ .
( c)
√ √
Perhatikan bahwa P | Un − c| ≥ (√c) ≥ 0. Untuk
n → ∞ berlaku
√
p

0 ≤ lim P | Un − c| ≥ √ ≤ lim P(|Un −c| ≥ ) = 0.
n→∞ ( c) n→∞
Un p
Sehingga c → 1.
Teorema 4
bergantung pada n. Jika limit distribusi Un adalah F (u) dan
p
misalkan terdapat peubah acak Vn → 1,maka limit distribusi dari
peubah acak Wn = Un /Vn adalah F (w ).
Berikut adalah sebuah penerapan 4 teorema di atas, untuk

X1 , X2 , · · · P
, Xn sampel acak dari distribusi Bernoulli, b(1, π)
dan Yn = Xi .
Misalkan Yn ∼ b(n, π) untuk 0 < π < 1, maka dengan
teorema 1 diperoleh
Yn − nπ
Un = p ∼ N(0, 1).
nπ(1 − π)
p p
Perhatikan pula bahwa Yn /n → π dan (1 − Yn /n) → (1 − π),
maka
Yn Yn p
1− → π(1 − π).
n n
Teorema 4
p

X1 , X2 , · · · P
dan Yn = Xi .
teorema 1 diperoleh
Yn − nπ
Un = p ∼ N(0, 1).
nπ(1 − π)
p p
maka
Yn Yn p
1− → π(1 − π).
n n
Teorema 4
p

X1 , X2 , · · · P
dan Yn = Xi .
teorema 1 diperoleh
Yn − nπ
Un = p ∼ N(0, 1).
nπ(1 − π)
p p
maka
Yn Yn p
1− → π(1 − π).
n n
Maka dengan teorema 2 diperoleh
(Yn /n)(1 − Yn /n) p

→ 1.
π(1 − π)
Selanjutnya dengan memakai teorema 2, misalkan

1/2
(Yn /n)(1 − Yn /n)
Vn =
π(1 − π)
p
Vn → 1.
Jika peubah acak Wn = Un /Vn , maka dengan teorema 4,
diperoleh bahwa Wn ∼ N(0, 1).
(Yn /n)(1 − Yn /n) p

→ 1.
π(1 − π)

1/2
(Yn /n)(1 − Yn /n)
Vn =
π(1 − π)
p
Vn → 1.
(Yn /n)(1 − Yn /n) p

→ 1.
π(1 − π)

1/2
(Yn /n)(1 − Yn /n)
Vn =
π(1 − π)
p
Vn → 1.
(Yn /n)(1 − Yn /n) p

→ 1.
π(1 − π)

1/2
(Yn /n)(1 − Yn /n)
Vn =
π(1 − π)
p
Vn → 1.
contoh 3
Misalkan Y ∼ b(n, p) Tentukan nilai peluang bahwa

Y − np
q
n Yn 1 − Yn

terletak di selang (−2, 1), jika n → ∞.

Untuk menjawab ini dapat dimanfaatkan bentuk
Y − np
Wn = Un /Vn = q .
n Yn 1 − Yn
Sehingga untuk n → ∞ maka

Y − np
q ∼ N(0, 1),
n Yn 1 − Yn
contoh 3

Y − np
q
n Yn 1 − Yn


Y − np
Wn = Un /Vn = q .
n Yn 1 − Yn

Y − np
q ∼ N(0, 1),
n Yn 1 − Yn
contoh 3

Y − np
q
n Yn 1 − Yn


Y − np
Wn = Un /Vn = q .
n Yn 1 − Yn

Y − np
q ∼ N(0, 1),
n Yn 1 − Yn
 
Y − np
P −2 < q <1
 = P(−2 < Z < 1)
Y Y
nn 1− n
= Φ(1) − Φ(−2)
= Φ(1) + Φ(2) − 1
= 0, 8413 + 0, 9772 − 1
= 0, 8186.
Closing
Statistics really is like rocket science; it isn’t

easy, even to us who have studied it for a long time.
Anybody who think it’s easy surely lacks a deep
enough knowledge to understand why it isn’t! If your
scientific integrity matters, and statistics is a
mystery to you, then you need expert help. Find a
statistician in your company or at a nearby
university, and talk to her face-to-face if possible.
It may well cost money. It’s worth it.
Russ Lenth

Teorema Limit Pusat Dan Limit Distribusi: Pendekatan Dengan Kasus

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Teorema Limit Pusat Dan Limit Distribusi: Pendekatan Dengan Kasus

Uploaded by

Copyright:

Available Formats

Review Teorema Limit Pusat Teorema Limit Distribusi

Teorema Limit Pusat dan Limit Distribusi

Andi Kresna Jaya

September 22, 2014

2 Teorema Limit Pusat

3 Teorema Limit Distribusi

2 Teorema Limit Pusat

3 Teorema Limit Distribusi

2 Teorema Limit Pusat

3 Teorema Limit Distribusi

Sasaran pembelajaran: Kemampuan mahasiswa menjelaskan

”It is a capital mistake to theorize before one has data.

”It is a capital mistake to theorize before one has data.

Ada dua teorema penting dalam Teori Peluang, yang pertama

dan nol untuk yang lain.

Ada dua teorema penting dalam Teori Peluang, yang pertama

dan nol untuk yang lain.

Ada dua teorema penting dalam Teori Peluang, yang pertama

dan nol untuk yang lain.

Ada dua teorema penting dalam Teori Peluang, yang pertama

dan nol untuk yang lain.

Ada dua teorema penting dalam Teori Peluang, yang pertama

dan nol untuk yang lain.

Untuk n = 2, 3, 4, bentuk grafik fmp untuk X̄ adalah:

Untuk n = 40, bentuk grafik fmp untuk X̄ adalah:

Bentuk kurva menyerupai kurva normal.

Pada materi distribusi untuk X̄ , mean sampel distribusi

Pada materi distribusi untuk X̄ , mean sampel distribusi

Pada materi distribusi untuk X̄ , mean sampel distribusi

teorema limit pusat

Misalkan X̄ adalah mean sampel acak yang berukuran n = 75

Aproksimasi nilai P(0.45 < X̄ < 0.55)

teorema limit pusat

Misalkan X̄ adalah mean sampel acak yang berukuran n = 75

Aproksimasi nilai P(0.45 < X̄ < 0.55)

Maka aproksimasi nilai P(0.45 < X̄ < 0.55) adalah

Maka aproksimasi nilai P(0.45 < X̄ < 0.55) adalah

Maka aproksimasi nilai P(0.45 < X̄ < 0.55) adalah

Misalkan X1 , X2 , · · · , Xn menyatakan sampel acak dari

dibandingkan dengan melakukan hampiran peluang dari

Misalkan X1 , X2 , · · · , Xn menyatakan sampel acak dari

dibandingkan dengan melakukan hampiran peluang dari

Misalkan X1 , X2 , · · · , Xn menyatakan sampel acak dari

dibandingkan dengan melakukan hampiran peluang dari

Grafik fmp b(10, 1/2) dengan fkp N(5, 5/2)

Misalkan X1 , X2 , · · · , Xn menyatakan sampel acak berukuran

Misalkan X1 , X2 , · · · , Xn menyatakan sampel acak berukuran

Misalkan X1 , X2 , · · · , Xn menyatakan sampel acak berukuran

Misalkan X1 , X2 , · · · , Xn menyatakan sampel acak berukuran

teorema dan bukti

Untuk sembarang ε > 0

teorema dan bukti

Untuk sembarang ε > 0

teorema dan bukti

Untuk sembarang ε > 0

Karena untuk sembarang  > 0, maka

Karena untuk sembarang  > 0, maka

Berikut adalah sebuah penerapan 4 teorema di atas, untuk

Berikut adalah sebuah penerapan 4 teorema di atas, untuk

Berikut adalah sebuah penerapan 4 teorema di atas, untuk

Maka dengan teorema 2 diperoleh

(Yn /n)(1 − Yn /n) p

Selanjutnya dengan memakai teorema 2, misalkan

Karena untuk sembarang > 0, maka

Karena untuk sembarang > 0, maka