Statistika Matematika II by Dian Kurniati

BAB II
Metode Pembentukan Fungsi Distribusi
Pada bab akan dibahas beberapa metode alternative untuk menentukan fungsi
distribusi dari peubah acak baru yang terbentuk dari peubah acak yang lama . Dengan
kata lain suatu peubah acak X mempunyai pdf f(x) dan y = g(x) fungsi dari X, yang ingin
diketahui adalah pdf dari y.
Ada tiga metode yang akan diperkenalkan yaitu metode Fungsi Distribusi, metode
Transformasi peubah acak baik yang bertype diskrit maupun kontinu dan metode fungsi
pembangkit momen. Tiap metode mempunyai kelebihan dan kekurangan, ada kalanya
suatu masalah lebih mudah dikerjakan dengan salah satu metode dan ada kalanya metode
yang lain lebih mudah diaplikasikan.

2.1. Metode Fungsi Distribusi

Jika Y mempunyai pdf kontinu f(y) dan U suatu fungsi dari Y, maka kita dapat
mencari F(u) = P(U u) dengan mengintegralkan f(y) pada area U u. Fungsi kepadatan
peluang U ditemukan dengan mendifferensialkan F(u). Untuk lebih jelasnya langkahlangkah menemukan pdf dengan metode fungsi distribusi adalah :
1. Setiap titik pada Y berkorespondensi satu-satu ke U. Tentukan ruang sample U
2. Hitung P(U u) atau fungsi distribusi dengan mengintegralkan f(y) pada area yang
sudah dibatasi.
3. PDF U diperoleh dengan mendifferensialkan (turunan pertama) dari fungsi distribusi

Contoh :
1. f(y) = 2y , 0 y 1 dan 0 untuk y lainnya. Jika U = 3Y -1, tentukan pdf U.
Jawab :
F(u) = P(U u)
Y berkorespondensi satu satu ke U sehingga P(U u) = P(3Y -1 u) =
P(Y 1/3(u +1))

13

Statistika Matematika II by Dian Kurniati

Batas atas dan bawah

Batas bawah : Y = 0 maka U = 3(0) -1 = -1
Batas atas

: Y = 1 maka U = 3(1) -1 = 2

Fungsi Distribusi :
F(u) = P(U u) = P(3Y -1 u) = P(Y 1/3(u +1))
Untuk u < -1
P(Y 1/3(u +1)) = 0
Untuk u > 2
P(Y 1/3(u +1)) = 1
Untuk -1 u 2
u 1
3

P(Y 1/3(u +1)) =

u 1
3

f ( y ) dy =

2
2 y dy = y

u 1
3
0

u 1

Fungsi Distribusi U adalah :

0
; u 1

u 1 2
F(u) =
;1 u 2
3
1
;u 2

Fungsi kepadatan peluang atau pdf U

f(u) =

F (u ) 2 / 9(u 1) ;1 u 2
=
; u lainnya
u
0

Fungsi Distribusi F(U)

Fungsi Kepadatan Peluang (Pdf) f(u)

14

Statistika Matematika II by Dian Kurniati

2. (Y1,Y2) adalah sample acak berukuran n = 2 dari distribusi uniform pada interval
(0,1). Tentukan fungsi kepadatan peluang dari U =Y1 + Y2
Jawab :
PDf tiap Y adalah : f(y) = 1, 0 y 1 dan 0 untuk y lainnya. Karena Y1 dan Y2 saling
bebas maka f(y1 , y2) = 1 , 0 y1 , y2 1 dan 0 untuk y1 dan y2 lainnya.
Batas atas dan bawah
(y1 , y2)

(0,0)

(0,1)

(1,0)

(1,1)

0+0=0

0+1=1

1+0=1

1+1=2

Fungsi Distribusi :
F(u) = P(U u) = P(Y1 + Y2 u).
Untuk u < 0
F(u) = 0
Untuk u > 2
F(u) = 1
Untuk 0 u 2
Ekspresi matematika untuk perubahan F(u) bergantung pada 0 u 1 atau
1< u 2

Untuk 0 u 1
Perhatikan gambar kiri, daerah A merupakan daerah y1 + y2 u, untuk interval
15

Statistika Matematika II by Dian Kurniati

0 u 1. Fungsi distribusi untuk interval ini adalah integral pada daerah A.

u u y2

F(u) =

y 22
u2
(
1
)
dy
dy
(
u

y
)
dy
uy

=
=
=
2
1
2
2
2
0
0
2 0
2

;0u1

Dan untuk 1< u 2

Lihat gambar kanan, daerah A bukan merupakan daerah y1 + y2 u, untuk
interval 1 < u 2. Pengintegralan pada daerah yang diarsir sama saja dengan total
peluang yaitu 1 dikurangi integral daerah A. Ini merupakan fungsi distribusi untuk
interval 1 < u 2.
1

F(u) = 1 -

f ( y , y
1

) dy1 dy 2 = 1 -

(1)dy

dy 2 = - u2 + 2 u -1 ; 1< u 2

u 1 ( u y 2 )

Dapat disimpulkan bahwa fungsi distribusi U adalah :

0
;

u 2
;

F(u) = 2 2
u 2u 1 ;
2
1
;

u0
0 u 1
1 u 2
u2

Fungsi kepadatan peluang U adalah f(u) =

F (u )
sebagai berikut :
u

; 0 u 1
u

f(u) = u 2 ; 1 u 2
0 ; u 0 dan u 2

Latihan:

16

Statistika Matematika II by Dian Kurniati

1. f(y1 , y2) = 3y1 , 0 y2 y1 1 dan 0 untuk y1 dan y2 lainnya. Jika U = Y1 Y2,

tentukan pdf U.
2. (Y1,Y2) adalah sample acak berukuran n = 2 dari distribusi uniform pada interval
(0,1). Tentukan fungsi kepadatan peluang dari U =Y1 - Y2

2.2. Metode Transformasi Peubah acak Diskrit

Untuk mengetahui pdf dari y, perlu dilakukan langkah-langkah berikut :
1. menentukan invers dari y.
Fungsi y = g(x) haruslah berkorespondensi satu-satu dan Onto, sehingga y
mempunyai invers yaitu x = w(y).
2. menentukan Ruang sample.
Ruang sample menyatakan domain atau daerah asal x, yaitu = {x|x1, x2, }.
Ruang sample menyatakan kodomain (daerah hasil y) atau invers dari x, yang
dinyatakan dengan = { y|y1, y2, }.
3. menentukan PDF Y
P(Y = g(x)) = P(X = w(y)) = f(x = w(y)) = h(y) ; y
Jadi pdf dari y adalah h(y) untuk y untuk dan 0 untuk y lainnya

Multivariable (2 atau lebih peubah acak)

Peubah acak Xi , i = 1, 2, 3 n dengan pdf fi(x) dan fungsi Yi = g(x1 ,x2, , xn )
merupakan fungsi dari Xi. Untuk menentukan pdf Yi dilakukan langkah-langkah seperti
pada satu peubah acak. Fungsi yi = g(xi) haruslah berkorespondensi satu-satu dan Onto,
sehingga xi = w(yi) adalah invers yi. Ruang sample = {(x1, x2, xn)} dan ruang sample
= {(y1, y2, yn)}. PDf dari Yi adalah P(Yi = g(xi)) = P(Xi = w(yi)) = f(xi = w(yi)) = h(yi)
; yi . Dapat dikatakan pdf dari yi adalah h(yi) untuk yi untuk dan 0 untuk yi
lainnya

17

Statistika Matematika II by Dian Kurniati

Contoh :
1. Diketahui X ~ P() yaitu f(x) =

x!

, x = 0, 1, 2, dan > 0. Jika Y = 4X

tentukan pdf Y.
Jawab :
a. Invers
Y = 4X onto dan berkorespondensi satu-satu, sehingga inversnya adalah
X = y/4.
b. Ruang sample
Domain : = {x|x= 0, 1, 2, }.
Kodomain : = { y|y =4(0), 4(1),4(2), } = { y|y = 0, 4, 8, }
c. PDF Y
f(y)

= P(y = f(x)) = P( x = y/4)

f(y)

e y /4
( y / 4 )!

; untuk y lainnya

=0

2.

f ( x1 , x 2 ) =

; y = 0, 4, 8,

a x1 x2 b 2( x1 x2 )

; (x1, x2) = {(0,0), (0,1), (1,0), (1,1)}

; x1 dan x2 lainnya.

= 0

Jika Y1 = X1 - X2 dan Y1 = X1 + X2 , tentukan f(y1, y2)

Jawab :

Invers

Y1 = X1 - X2
Y1 = X1 + X2
+
Y1 + Y2 = 2X1

X1 = ( Y1 +Y2 ) = w1(y1, y2)

X2 = (Y2 - Y1) = w2(y1, y2)

Ruang sample

18

Statistika Matematika II by Dian Kurniati

= {(x1, x2)| (0,0), (0,1), (1,0), (1,1)} dan ruang sample

= {(y1, y2)| (0-0,0+0),(0-1,0+1),(1-0,1+0),(1-1,1+1)}
= {(y1, y2)| (0, 0),(-1,1), (1,1), (0, 2)}.

PDF

f(y1, y2)
f(y1, y2)

= f( (y1 + y2), (y2 y1))

=

a y2 b 2 ( y2 )

(y1, y2)

; (y1, y2)

=0

Latihan:
1. Diketahui X ~ P() yaitu f(x) =

x!

, x = 0, 1, 2, dan > 0. Jika

Z = X2 tentukan pdf Y.

2. X1 dan X2 bebas stochastic berdistribusi poisson. Jika Y1 = X1+ X2 , tentukan f(y1, y2)
dan tentukan pdf marginal f1(y1)
3. X1 dan X2 bebas stochastic dengan pdf yang sama yaitu X ~ b(3, 1/3).
Jika Y1 = (X1+ X2 )/2, tentukan f(y1, y2) dan tentukan pdf marginal f1(y1) .

2.3. Transformasi Peubah acak Kontinu

Teorema :
Misalkan X pa kontinu dengan pdf f(x). Misalkan Y = h(x) menyatakan hubungan
(berkorespondensi satu-satu) antara nilai X dan Y sehingga persamaan Y = h(x)
mempunyai jawaban tunggal untuk X dan Y, maka pdf dari Y=h(X) adalah
g(y) = f(x)

dx
, dimana x = h-1(y) = w(y)
dy

Bukti :
Fungsi naik (monoton naik)
Andaikan x1 < x2 maka f(x1) < f(x2).

19

Statistika Matematika II by Dian Kurniati

Misalkan Y = h(x) maka x = h-1(y) = w(y)

dy
dx
= h(x)
= w(y)
dx
dy

P(y1 < Y < y2) = P[w(y1) < X < w(y2)] = P[(x1 = h-1(y1)) < X < (x2 = h-1(y2))]
x2

y2

f(x) dx =

x1

f(w(y)).w(y) dy

y1

g(y) = f(w(y)) w(y) dimana w(y) = x = h -1(y)

Fungsi turun (monoton turun)
Andaikan x1 < x2 maka f(x2) < f(x1).
P(y1 < Y < y2) = P[w(y2) < X < w(y1)] = P[(x2 = h-1(y2)) < X < (x1 = h-1(y1))]
x1

y1

f(x) dx =

x2

y2

f(w(y)).w(y) dy = - f(w(y)).w(y) dy

y2

y1

g(y) =- f(w(y)) w(y) dimana w(y) = x = h -1(y)

Dari gabungan keduanya diperoleh :
g(y) = f(w(y))| w(y)|
Tanda + dan hanya terjadi pada fungsi turunan sedangkan f(x) sebagai pdf tetap positif.

Langkah-langkah dengan metode transformasi

Memperoleh pdf dari Y=h(X) dimana pdf X adalah f(.)
1. Tentukan fungsi invers x = h -1(y) = w(y).
2. Tentukan

dx dw( y )

= w(y) disebut juga transformasi Jacobi

dy
dy

3. Tentukan g(y) dengan g(y) = f(w(y))|w(y)|

Contoh :
f(x) = x/12; 1 < x < 5, dan 0 untuk x lainnya. Jika Y = 2X 3, tentukan pdf Y
Jawab :
Y = 2X -3 maka w(y) = X = (Y + 3)/2 w(y) = dx/dy = J = .

20

Statistika Matematika II by Dian Kurniati

= {x| 1 < x < 5} dan = {y| [2(1) 3] < y <[2(5) - 3]} = {y| -1 < y < 7}
Pdf Y adalah :
y31

= f( (y+3)) | | =
2(12) 2

g(y) = f(w(y))|w(y)|

g(y) =

y3
48

; -1 < y < 7 dan 0 untuk lainnya

Misalkan X(X1, X2) adalah p.a. bivariate dengan pdf bersama f(x1, x2). Misalkan pula
h1(x1, x2), h2(x1, x2) adalah fungsi-fungsi yang monoton naik atau monoton turun dan
Y1 = h1(X1, X2) serta Y2 = h2 (X1,X2), maka pdf dari Y = (Y1,Y2) adalah
g(y1, y2) = f(w1(y1, y2),w2(y1, y2)) | J |
dimana
w1(,) = h1-1(y1,y2)

w2(,) = h2-1(y1,y2)

dan

dan transformasi Jacobi adalah

x1
y1
J=
x 2
y1

x1
y 2
x 2
y 2

Contoh :

4x x
1. f(x1, x2) = 1 2
0

;0 x1 1, 0 x 2 1
; untuk x1 , x 2 lainnya

Jika Y1 = X12 dan Y2 = X1 X2, tentukan f(y1, y2)

Jawab :

Invers
y1 = x12 x1 =
y2 = x1x2 y2 =

y1
y1 .x2 x2 = y2/ y1

Batas
x1 = 0 into 0 =

y1 y1 = 0

x1 = 1 into 1 =

y1 y1 = 1

x2 = 0 into 0 = y2/ y1 y2 = 0
21

Statistika Matematika II by Dian Kurniati

x2 = 1 into 1 = y2/ y1 y2 =

y1

Daerah sample pdf asal

Transformasi Jacobi
x1
y1
J=
x 2
y1

Daerah sample pdf baru

1
x1
2 y1
y 2
=
y2
x 2
y 2
2 y13 / 2

0
1

1
2 y1

y1

Fungsi kepadatan peluang (Pdf)

f(y1,y2) = f(w1(y1,y2) ,w2(y1,y2)) | J | = f( y1 ), y2/ y1 ) |J|

2 y2
y 1
f(y1,y2) = 4 y1 2
=

y1
y1 2 y1

Secara umum ditulis sebagai :

2 y2

f ( y1 , y 2 ) y1
0

; y 22 y1 1 , 0 y 2 1
; untuk y1 dan y 2 lainnya

2. X1 dan X2 saling bebas stochastic masing-masing berdistribusi f(x) = 1, 0 < x < 1 dan
0 untuk x lainnya. Jika Y1 = X1 + X2 dan Y2 = X1 - X2, tentukan f(y1, y2).
Invers

22

Statistika Matematika II by Dian Kurniati

y1 = x1 + x2 dan y2 = x1 - x2 x1 = (y1 + y2) dan x2 = (y1 - y2)

Batas
x1 = 0 into 0 = (y1 + y2) y2 = - y1
x1 = 1 into 1 = (y1 + y2) y2 = 2 y1
x2 = 0 into 0 = (y1 - y2) y2 = y1
x2 = 1 into 1 = (y1 - y2) y2 = y1 2

Daerah sample pdf asal

Daerah sample pdf baru

Transformasi Jacobi
x1
y1
J=
x 2
y1

x1
1
y 2
= 2
1
x 2
2
y 2

1
2 = 1
1
2

Fungsi kepadatan peluang (Pdf)

f(y1,y2) = f(w1(y1,y2) ,w2(y1,y2)) | J | = f( (y1 + y2), (y1 - y2) |J|
f(y1,y2) = 1.1.|- | =
Secara umum ditulis sebagai :

23

Statistika Matematika II by Dian Kurniati

1
2 ;{( y1 , y 2 ) | y1 y 2 y1 dan y1 2 y 2 2 y1 ,
f ( y1 , y 2 )
y 2 y1 y 2 2 dan y 2 y1 2 y 2

0
; untuk y1 dan y 2 lainnya
Pdf marginal :
f1(y1) =

f (y , y

) dy 2

= y1

; 0 < y1 1

= 2 - y1

; 1 < y1 < 2

y2
y1

1 / 2 dy
y1
2 y1

1 / 2 dy
y1 2

= 0 untuk lainnya
f2(y2) =

f (y , y
1

) dy1

y1
y2 2

1 / 2 dy

= y2 + 1 ;

-1 < y2 0

= 1 y2

; 0 < y2 < 1

y2
2 y2

1 / 2 dy

y2

= 0 untuk lainnya

Latihan :
1. Andaikan X mempunyai pdf f(x) = x2/9, 0 < x < 3 dan 0 untuk x lainnya. Tentukan
pdf dari Y = X3
2. f(x) positif untuk -1 < x < 2 dan 0 untuk x lainnya. Jika Y = X2, tentukan pdf Y
3. Y1 = (X1 X2) dan Y2 = X2, X1 dan X2 bebas stochastic, masing-masing
berdistribusi (22 ) . Tentukan f(y1 ,y2).
Petunjuk : r2 mempunyai pdf berikut : f(x) =

1
x r / 21e x / 2 , 0 x
r/2
(r / 2)2

24

Statistika Matematika II by Dian Kurniati

2.4. Metode Fungsi Pembangkit Momen

Momen ke k terhadap titik asal (Moment about the origin)
k = E(Yk),

k = 1,2,

Momen ke k terhadap mean (Moment about the mean) disebut juga momen pusat
(central moment)
k = E[(Y- )k],

k = 1,2,

Fungsi Pembangkit Momen

MX(t) = E(etX)
Deret Taylor

xi
x2 x3
xk

e = 1 x
2! 3!
k!
i 0 i!
x

Bentuk lain dari fungsi pembangkit momen

MX(t) =1 + E(X)t + E(X2)

t2
t3
tk
+ E(X3) + + E(Xk) +
2!
3!
k!

MX(t) = 1 + 1 t + 2

t2
t3
tk
+3
+ + k
+
2!
3!
k!

Teorema :
P.a.X dan Y mempunyai distribusi yang sama jika dan hanya jika MX(t) = MY(t), untuk
semua t.

Teorema :
Jika X1, X2, , Xn adalah saling bebas dan masing- masing mempunyai fungsi
n

pembangkit momen M xi (t ) , maka fungsi pembangkit momen dari Y=

adalah

i 1

MU(t) =

Xi

(t )

i 1

Langkah- langkah dalam metode fungsi pembangkit momen

Distribusi dari Y = U(X1, X2, , Xn) dicari sbb:
1. Tentukan fungsi pembangkit momen dari Y.
25

Statistika Matematika II by Dian Kurniati

2. Bandingkan mgf dari Y dengan bentuk momen yang umum yang telah dikenal
3. Tentukan distribusi dari Y.

Tabel Fungsi Pembangkit Momen Beberapa Distribusi

No

Distribusi

A.

Diskrit

1.

Binomial (n,p)

Pdf

Mgf

n
f(x) = p x (1 p) n x
x

M(t) = [(1p)+pet] n

x = 0, 1, 2, ,n dan 0 p 1.

2.

Binomial
negative(p)

x 1 k x-k
p q
f(x) =
k 1

pe t
1 (1 p)e t

X = k, k+1, k+2, dan 0 p 1.

3.

Geometrik (p)

f(x) = qx-1p,
x = 1,2,3, dan 0 p 1

4.

Poisson()

f(x) =

x!

pe t
1 (1 p)e t
t

e ( e 1)

x = 0, 1, 2, dan > 0

Kontinu

1.

Uniform(a,b)

f (x) =

1
ba

e bt e at
t (b a)

axb
2.

Normal(, 2)

3.

Gamma(, )

1
1
f(x) =
exp
2
2
1

f(x) = ( )
0,

(
x

x 1e x / , untuk , 0

t 2 2
exp t

1
,
(1 t )

t< 1/

untuk yang lainnya

26

Statistika Matematika II by Dian Kurniati

4.

Chi-kuadrat ( r)

F(x) =

1
x r / 21e x / 2
r/2
(r / 2)2

(1 - 2t)-r/2

0x
5.

Eksponensial

f (x) =

()

(1 - t)-1

ey /

0x

Contoh :
1. X1 dan X2 bebas stochastic, masing-masing mempunyai pdf yang sama yaitu
f(x) = x/6 ; x = 1, 2, 3 dan 0 untuk x lainnya. Jika Y = X1 - X2 tentukan f(y).
Jawab :
M(t) = E(ety) = E[exp(t(x1 + x2))] = E[exp(tx1) exp(tx2)] = E[exp(tx1)]E[exp(tx2)]
E[exp(tx1)] = E[exp(tx2)] = 1/6 et + 2/6 e2t + 3/6 e3t, sehingga
M(t) = (1/6 et + 2/6 e2t + 3/6 e3t)2 = 1/36 e2t+ 4/36 e3t + 10/36 e4t + 12/36 e5t+ 9/36 e6t
Maka PDF Y adalah :
f(y)

= 1/36

;y=2

= 4/36

;y=3

= 10/36

;y=4

= 12/36

;y=5

= 9/36

;y=6

=0

; untuk y lainnya

2. X1 dan X2 bebas stochastic, masing-masing berdistribusi N(1 ,12) dan N(2 ,22) .
Jika Y = X1 - X2 tentukan f(y).
Jawab :
M(t) = E(ety) = E[exp(t(x1 - x2))] = E[exp(tx1) exp(-tx2)] = E[exp(tx1)]E[exp(-tx2)]
X1 ~ N(1 ,12) , dengan melihat MGF distribusi normal pada table di atas maka
diperoleh

E[exp(tx1)]

t 2 1 2
exp 1 t
,
2

sedangkan

E[exp(-tx2)]

t 2 2 2
exp 2 t
. Sehingga :
2

27

Statistika Matematika II by Dian Kurniati

t 2 1 2
t 2 2 2
exp

= exp 1 t

2
2
2

M(t) = E(ety)

t 2 ( 2 12 )
= exp ( 1 2 ) t

Dapat dikatakan bahwa f(y) ~ N(1-2 ,12 + 22)

Latihan :
1. Jika Xi ~ (i , i2), i =1,2,,n, maka buktikan p.a.Y =

aiXi berdistribusi

i 1

N( ai i ,
i 1

ai2i2)

i 1

2. Jika Xi ~

2
( ri )

, i =1,2,,n, tentukan pdf p.a.Y =

Xi

i 1

2.5. Distribusi T
Definisi :
P.a. T dikatakan berdistribusi - t (Student -t) dengan derajat kebebasan/ parameter r
jika mempunyai pdf.
g(t) =

[(r 1) / 2]

1
, - < t <
( r 1) / 2
r (r / 2) (1 t / r )
2

Teorema :
Jika Y dan Z peubah acak saling bebas dengan Y ~ 2(r) dan Z ~ N(0,1), maka distribusi
dari T =

Z
Y /r

, berdistribusi tr.

Bukti :
Dengan menggunakan metode Transformasi peubah acak type kontinu akan kita peroleh
distribusi student atau distribusi t.
Invers

28

Statistika Matematika II by Dian Kurniati

t=

dan y =u

y/r

t dan u berkorespondensi satu-satu sehingga mempunyai invers yaitu :

z = t y / r dan u = y, sehingga z = t u / r
Batas
Karena

2(r)

Y~

1
x r / 21e x / 2 dan
(r / 2)2 r / 2

yaitu

x2
exp dan T =
2
2
1

Z
Y /r

N(0,1)

yaitu

maka batasnya adalah - < t < dan 0 < u <

Transformasi Jacobi
J=

z
u

t
r

Fungsi kepadatan peluang (Pdf)

f(t, u) = f(z, y) | J | = f(t u / r , u) | J |
(t u / r ) 2
1
u
u r / 21e u / 2 .
exp
.
r/2
2
r
2

(r / 2)2
1

f(t, u) =

u r / 211 / 2

f(t, u) =

2r (r / 2)2 r / 2

u t2

exp 1 ; - < t < dan 0 < u <

2 r

= 0 untuk t dan u lainnya.

Pdf marginal :

f1(t)

f (t , u) du
u

Misalkan x =

u r / 211 / 2
2r (r / 2)2 r / 2

u t2

exp 1 du

2 r

u t2
2x
2
1 u
dx
; du
2
2
r
1 t / r
1 t2 / r

29

Statistika Matematika II by Dian Kurniati

f1(t)

2r (r / 2)2 r / 2

f1(t)

2x

2
1 t / r

2
r (r / 2) 1 t / r

( r 1) / 2 1

( r 1) / 2

e x

2
e x
dx
2
1 t / r

r 1
1
2

dx

[(r 1) / 2]

1
( r 1) / 2
r (r / 2) (1 t / r )
2

; - < t <

= 0 untuk t lainnya
Pdf marginal ini disebut distribusi t.
Note : Untuk data 30 biasanya didekati oleh distribusi t sedangkan data > 30 didekati
oleh distribusi normal.

2.6. Distribusi F
Definisi :
Peubah acak F dikatakan berdistribusi F dengan parameter r1,r2, ditulis F(r1,r2)$, jika
mempunyai pdf ditunjukkan oleh
r r
1 2
2 r1

g(F) =
r1 r2 r2

2 2

r1

2 21 1
r
F
1 1 F

r2

1
( r1 r2 )
2

; untuk F > 0

Teorema :
Jika U dan V adalah Peubah acak saling bebas dengan U ~

r2

dan V ~

2
r2

, maka

distribusi dari
F=

U / r1
V / r2

berdistribusi F(r1, r2).

Latihan :
Buktikan teorema di atas

30