INTEGRAL, Vol. 9 No.

3, November 2004

TRANSFORMASI VARIABEL DARI DISTRIBUSI NORMAL STANDAR MENJADI BEBERAPA DISTRIBUSI YANG LAIN
R. Gunawan Santosa
Jurusan Teknik Informatika, Fakultas Teknik, Universitas Kristen Duta Wacana, Yogyakarta - DIY E-mail : gunawan@ukdw.ac.id

Intisari
Diberikan variabel random X1,X2,X3,X4 yang berdistribusi identik, independen Normal Standar. Tulisan ini akan menggambarkan proses transformasi variabel dari distribusi tersebut menjadi distribusi Beta, distribusi Gamma, dan distribusi Cauchy untuk jenis transformasi Z yang berbeda-beda. Katakunci : distribusi Beta, distribusi Gamma, distribusi Cauchy, transformasi variabel.

Abstract
Given random variable X1,X2,X3,X4 identically independent distributed Standard Normal. This paper describes variable transformation from that distribution becomes Beta distribution, Gamma distribution, and Cauchy distribution for various Z transformation. Keywords : Beta distribution, Gamma distribution, Cauchy distribution, variable transformation

Diterima : 13 Maret 2004 Disetujui untuk dipublikasikan: 20 Juli 2004

1. Pendahuluan
Banyak teknik yang digunakan untuk melakukan transformasi dari satu variabel random menjadi variabel random lain. Masing-masing teknik mempunyai keuntungan maupun kerugian dan mungkin satu teknik lebih disukai daripada teknik yang lain. Kita akan membahas proses perubahan variabel random melalui Jacobian dan proses integrasi dari distribusi Normal(0,1) menjadi distribusi yang lain. Adapun beberapa definisi dan yang digunakan adalah sebagai berikut : Definisi 1.1 : Jika S adalah ruang Sampel dengan ukuran probabilitas dan X adalah fungsi bernilai real yang didefinisikan pada

anggota S, maka X disebut variabel random. Dalam tulisan ini variabel random ditulis dengan huruf besar, sedangkan variabel dengan huruf kecil melambangkan variabel fungsional matematika yang berkaitan dengan variabel random tersebut. Definisi 1.2 : Fungsi dengan nilai f(x) 0 untuk semua x, yang didefinisikan pada semua bilangan real disebut fungsi kepadatan probabilitas (f.k.p) dari variabel random kontinu X jika dan hanya jika

P(a x b) = f ( x)dx
a

untuk

98

INTEGRAL, Vol. 9 No. 3, November 2004

sembarang bilangan a,b dengan a b dan

f ( x) = 1 .

Definisi 1.3 : Apabila variabel random X1,X2,X3, ,Xn mempunyai distribusi independen identik dengan f.k.p. f(xi), i=1,2,3,,n maka f.k.p. bersama X1,X2,X3, ,Xn adalah

f ( x1 , x 2 , x3 ,..., x n ) = f ( xi ) .
i =1

2. Teknik Perubahan Variabel Secara Umum Diberikan (x1,x2,x3,,xn) adalah fungsi

kepadatan probabilitas (f.k.p) bersama X1,X2,X3,,Xn yang merupakan variabel kontinu. A adalah ruang dimensi-n dimana (x1,x2,x3,,xn) >0 dan transformasi : y1 = u1(x1,x2,x3,,xn), y2 = u2(x1,x2,x3,,xn), , yn = un(x1,x2,x3,,xn) memetakan A pada B dalam ruang y1,y2,y3,y4,,yn. Untuk

setiap titik di A terdapat korespondensi satu titik di B; tapi sebuah titik di B mungkin berkorespondensi dengan lebih dari satu titik di A; dengan kata lain transformasi tersebut tidak merupakan korespondensi satu-satu. Meskipun demikian kita dapat menyajikan A sebagai gabungan sebanyak k himpunan yang saling asing, katakanlah A1,A2,A3, Ak sehingga : y1 = u1(x1,x2,x3,,xn), y2 = u2(x1,x2,x3,,xn), , yn = un(x1,x2,x3,,xn) , mendefinisikan transformasi satu-satu untuk tiap Ai pada B. Maka, tiap titik di B akan berkorespondensi dengan satu titik di tiap A1,A2,A3, Ak ; sebut sebagai : x1 = w1i(y1,y2,y3,,yn), x2 = w2i(y1,y2,y3,,yn), , xn = wni(y1,y2,y3,,yn) i = 1,2,3, ,k yang merupakan k kelompok dari n fungsi invers, satu kelompok untuk tiap k transformasi.

Dari Hogg & Craig [3] , Jacobiannya didefinisikan sebagai :

w1i y1 w2i J i = y1 ... wni y1

w1i y 2 w2i y 2 ... wni y 2

w1i y n w2i ... y n 0 ... wni ... y n ...

untuk i = 1, 2, 3, , k

maka fungsi kepadatan probabilitas (f.k.p.) bersama Y1=u1(X1, X2, Xn) ,Y2=u2(X1, X2, Xn) , , Yn= un(X1, X2, Xn) diberikan sebagai :

g ( y1 , y 2 , y 3 ,..., y n ) =

J (w
i =1 i

1i

( y1 , y 2 ,..., y n ), w 2 i ( y1 , y 2 ,..., y n ),... w ni ( y1 , y 2 ,..., y n ) )

asalkan (y1,y2,y3,,yn) B sedangkan fungsi kepadatan probabilitas (f.k.p) suatu Yi didefinisikan sebagai :

g i ( y i ) = ... g ( y1 , y 2 ,... y n )dy1 dy 2 ...dy n

selain yi

3. Bentuk Fungsional Beberapa Distribusi yang Penting

Beberapa bentuk fungsi kepadatan probabilitas yang akan disinggung dan berhubungan dengan transformasi

variabel pada bagian ini adalah sebagai berikut : 1. Variabel random X dikatakan mempunyai f.k.p. Normal( , 2) apabila mempunyai bentuk fungsional :

99

INTEGRAL, Vol. 9 No. 3, November 2004

(x )2 exp 2 2 2 dengan - < x < ; - < < dan 2 f ( x) = 1

> 0. Apabila diambil = 0 dan 2 = 1, maka didapat distribusi Normal Standar atau Normal(0,1) yang mempunyai bentuk f.k.p. f ( x) =

1 x 1 (1 x) 1 B ( , ) 0 < x < 1 dan , > 0. f ( x) =

dengan

4.Variabel random X dikatakan mempunyai f.k.p. Beta2(,) apabila mempunyai bentuk fungsional :

x2 exp dengan 2 2 1

1 x 1 B( , ) (1 + x) + 0 < x < dan , > 0. f ( x) =

dengan

- < x < . 2.Variabel random X dikatakan mempunyai f.k.p. Gamma(,) apabila mempunyai bentuk fungsional :

5. Variabel random X dikatakan mempunyai f.k.p. Cauchy(,) apabila mempunyai bentuk fungsional :

f ( x) =

exp{ x}x 1 ( )

f ( x) =

( + ( x ) 2 )
2

dengan

dengan

0 < x < dan , > 0. 3.Variabel random X dikatakan mempunyai f.k.p. Beta1(,) apabila mempunyai bentuk fungsional :

- < x < dan , > 0. Apabila diambil =0 dan =1, maka didapat distribusi Cauchy Standar atau Cauchy(1,0) yang mempunyai bentuk f.k.p.

f ( x) =

1 dengan - < x < . (1 + x 2 )

4. Skema Rangkuman Transformasi

Skema transformasi variabel dari distribusi Normal Standar ke bentuk distribusidistribusi lain adalah seperti dibawah ini :

Variabel random : X1, X2, X3 dan X4 berdistribusi independen, identik Normal Standar Normal(0,1)

1. Z = X1 X2 + X3 X4 2. Z = X12 / (X22 + X32) 3. Z = (X1/X2) + (X3/X4) 4. Z = X12 / X22 5. Z = X12 / (X12 + X22) 6. Z = (X12 + X22) / 2

Normal(0,4) Beta2(1/2,1) Cauchy(2,0) Beta2(1/2,1/2) Beta1(1/2,1/2) Gamma(1,1)

Gambar1 : Skema bentuk 6 transformasi dan hasil distribusinya

5. Penjabaran Tiap Transformasi

Dalam bagian ini akan dibahas penjabaran secara lengkap dari proses dan teknik perubahan variabel random.

Transformasi 1: Apabila X1,X2,X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0,1)

100

INTEGRAL, Vol. 9 No. 3, November 2004

maka Z = X1 X2 + X3 X4 akan berdistribusi Normal(0,4) Bukti : X1,X2,X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0,1) maka fungsi kepadatan bersamanya adalah :

f ( x1 , x 2 , x3 , x 4 ) =

1 (2 ) 2

e ( x1 + x2 + x3 + x4 ) / 2
2 2 2 2

dengan - < Xi < untuk i = 1,2,3,4 . Digunakan transformasi sebagai berikut : Z = X1 (X2 + X3 X4), Y = X2 + (X3 X4), W = X3 X4 , T = X4 sehingga X1 = Z + Y , X2 = Y W , X3 = W + T, X4 = T maka diperoleh Jacobian :

x1 t 1 1 0 0 x 2 0 1 1 0 t = = 1 fungsi kepadatan bersama Z,Y,W,T x3 0 0 1 1 t 0 0 0 1 x 4 t 2 2 2 2 1 adalah : f ( z , y , w, t ) = e [( z + y ) + ( y w) + ( w+t ) + t ]/ 2 dan fungsi kepadatan Z adalah : 2 ( 2 )

x1 z x 2 z J= x3 z x 4 z

x1 y x 2 y x3 y x 4 y

x1 w x 2 w x3 w x 4 w

f ( z) = f ( z) = f ( z) =

(2 )
1
2

exp ( z + y ) 2 + ( y w) 2 2 exp ( w + t ) 2 + t 2 2 dtdwdy

{[

] } {[

] }

(2 ) (2 )
1
1

exp ( z + y ) + ( y w)
2

{[

] 2} exp{ [(w + t ) ] 2} exp{ [2t

+ t 2 2 dtdwdy

] }

exp ( z + y ) + ( y w)
2

{[

+ 2 wt + w 2 2 dtdwdy
2

] }

f ( z) =

(2 )

exp ( z + y ) + ( y w)
2

{[

] }

2 exp t 2

( )

w w +2t 2 + 2 2

( )

f ( z) =

(2 )

exp ( z + y ) + ( y w)
2

{[

] }

2 w + 2dtdwdy 2 2 w 2 . exp 2.2

2 w exp 2 + 2 t dtdwdy 2

( )

f ( z) =

(2 )

exp ( z + y ) + ( y w)
2

{[

] }

2 1 w 2 . exp . 2 dwdy 2. 2 2

101

INTEGRAL, Vol. 9 No. 3, November 2004

f ( z) =
f ( z) =

(2 )
1

.
2

1 2
1 2

. exp ( z + y )
. exp ( z + y )

{[

3 ] 2} exp w 2

2 yw + y 2 2dwdy

(2 )

.
2

{[

] }

2 y 2 . exp 2 3

2 3 2 exp 2 w y dwdy 2 3 2 1 1 y 2 f ( z) = . exp (z + y ) 2 . exp . 2. 2 3 2 (2 ) 2 3 2 1 1 y 2 ( ) + . . exp 2 . exp f ( z) = z y 2. 2 3 2 (2 ) 2 3 2 2 1 1 3 4 z +z f ( z) = . . exp 2. exp y (2 ) 3 3 4 4

{[

] }

).

2 dy 3

{[

] }

).

2 dy 3

2dy

2 z2 1 1 3 4 2dy +z f ( z) = . . exp exp y (2 ) 3 8 3 4 z 2 z 2 3 1 1 1 f ( z) = . . exp . . 2 = exp (2 ) 3 2 2 8 8 4

dengan - < z < . Jelas bahwa Z berdistribusi Normal(0,4). Transformasi 2: Apabila X1,X2,X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0,1) maka Z = X12 / (X22 + X32) akan berdistribusi Beta2(1/2,1) Bukti : X1, X2, X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0,1) maka fungsi kepadatan bersamanya adalah :

f ( x1 , x 2 , x3 , x 4 ) =

1 (2 )
2

e ( x1 + x2 + x3 + x4 ) / 2 dengan - < Xi < untuk i = 1,2,3,4 .

2 2 2 2

Digunakan transformasi sebagai berikut : Z = X12 / (X22 + X32), Y = X2 , W=X3 , T = X4 sehingga

X 11 = Z (Y 2 + W 2 ) atau

X 12 = + Z (Y 2 + W 2 ) , X2 = Y , X3 = W , X4 = T , akan diperoleh Jacobian

102

INTEGRAL, Vol. 9 No. 3, November 2004

2 z (y 2 + w 2 ) J1 = 0 0 0
2 2 2 2 2

(y 2 + w 2 )

(y + w ) , jadi J = J = (y + w ) . J = 2 z(y + w ) 2 z (y + w ) 2 f ( z) = exp{ [z ( y + w ) + y + w + t ] 2}.

2 2 1 2 2 2

2 z (y 2 + w 2 ) 1 0 0

2 zy

0 2 z (y 2 + w 2 ) ( y 2 + w2 ) 0 0= ( 2 2) 1 1 2 z y +w 0 1

2 zw

2.(2 ) 2

y 2 + w2 z y 2 + w2

dtdwdy

f ( z) =

(2 )2

exp z ( y + w ) + y + w .
2 2 2 2

{[

]}

y 2 + w2 z y 2 + w2
2 2

dwdy diubah menjadi

koordinat polar menjadi : f ( z ) =

(2 )3 / 2 0
2

exp zr + r
2

{[

] 2}.

r2 r z

rdrd

f ( z) = f ( z) = f ( z) =
f ( z) =

(2 ) (2 )
1 1

. 3/ 2 .

1 1

exp{ [(z + 1)r ] 2}.r z

0

drd
2

3/ 2

1 rd (exp{ [(z + 1)r ] 2})d (1 + z ) z

0

(2 )

. 3/ 2

1 z

d
0

1 (1 + z)rd (exp{ [( z + 1)r ] 2})

2

exp ( z + 1)r 2 2 dr (1 / 2 ) 1 1 1 1 1 1 1 1 z f ( z) = . . . . . 2 = . = . , 3/ 2 1/ 2 3/ 2 2 (1 + z ) (1 / 2 ) +1 (2 ) z (1 + z ) (1 + z ) 2 z (1 + z ) ( )( ) ; (1) = 1 ; yang merupakan distribusi Beta2(1/2,1).Catatan : B ( , ) = ( + )

1 1 1 2 . . . r exp ( z + 1)r 2 3/ 2 + ( 1 z ) (2 ) z

{[

] }

{[

] }

1 ( n + 1) = n. ( n) ; ( ) = 2
Spiegel [4].

dan ( ) = ( + 1) =

3 2

1 2

1 1 , ( ) = 2 2 2

lihat

Transformasi 3: Apabila X1,X2,X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0,1) maka Z = (X1/X2) + (X3/X4) akan berdistribusi Cauchy(2,0) Bukti : X1, X2, X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0,1) maka fungsi kepadatan bersamanya adalah :

103

INTEGRAL, Vol. 9 No. 3, November 2004

f ( x1 , x 2 , x3 , x 4 ) =

1 ( 2 ) 2

e ( x1 + x2 + x3 + x4 ) / 2 dengan - < Xi < untuk i = 1,2,3,4 .

2 2 2 2

Digunakan transformasi sebagai berikut : Z = (X1/X2) + (X3/X4), Y = X2 , W = X3/X4 , T = X4 sehingga X3 = TW , X4 = T .

X1 = Y ( Z W ) , X2 = Y ,

y 0 J= 0 0

zw y 1 0 t 0 0 0 1 f ( z , y, w, t ) = (2 )2
1

2

0 0 = yt sehingga J = yt w 1
exp y 2 ( z w) 2 + y 2 + t 2 w 2 + t 2 2 yt
2

{[

] }
[

f ( z) = f ( z) = f ( z) = f ( z) =

exp{ [y (2 )

( z w) 2 + y 2 + t 2 w 2 + t 2 2 yt dtdydw

] }

(2 )2
1

2

y exp{ y 2 ( z w) 2 + y 2 2} t exp{ (1 + w 2 )t 2 2}dtdydw

2 2

y exp{ [y ( z w) (2 )
2

+ y2 2 .

] } 1 +2w

dydw

pecahan parsial,

Aw + B Cw + D dan akan diperoleh + 2 (1 + w )1 + (w z ) (1 + w ) (1 + (w z ) 2 ) 1 2 2 , B= ,C= dan nilai- nilai sebagai berikut A = 2 2 4+ z z (4 + z ) z (4 + z 2 ) 3 . Apabila dihitung integralnya didapat D= 4 + z2 (2)2 + = 1 . 2 untuk f ( z) = 2 2 4 + z2 (2 )2 4 + z (2 ) + z 2
2

(2 )2 (2)2 1 f ( z) = dw untuk menghitungnya digunakan integral 2 2 (2 ) (1 + w )(1 + ( w z ) 2 )

1 2 y exp 1 + ( z w) y 2 2 dydw 2 1 + w

{ [(

) ] }

- < z < . Z berdistribusi Cauchy(2,0). Transformasi 4: Apabila X1,X2,X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0,1) maka Z = X12 / X22 akan berdistribusi Beta2(1/2,1/2) Bukti : X1, X2, X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0,1) maka fungsi kepadatan bersamanya adalah :

104

INTEGRAL, Vol. 9 No. 3, November 2004

f ( x1 , x 2 , x3 , x 4 ) =

1 (2 ) 2

e ( x1 + x2 + x3 + x4 ) / 2 dengan - < Xi < untuk i = 1,2,3,4 .

2 2 2 2

Digunakan transformasi sebagai berikut : Z = X12 / X22 , Y = X2 , W = X3 , T = X4 sehingga X 11 = Y Z atau X 21 = +Y Z , X2 = Y ,X3 = W, X4 = T , akan didapat Jacobian

y 2 z J1 = 0 0 0

z 1 0 0
1

0 0 0 0 = y 1 0 2 z 0 1
2

dan J 2 =

+y 2 z

. Jadi J 1 = J 2 =

y 2 z

f ( z) = f ( z) =

2. (2 ) 2. (2 )
2.2
1
2

exp y 2 z + y 2 + w 2 + t 2 2 .

{[

exp y 2 z + y 2

{[

] }(
2

dwdtdy 2 z y 2 . 2 . 2 . dy 2 z

] }

)(

f ( z) =

1 [ exp{ [(1 + z) y ] 2}] exp{ [(1 + z ) y ] 2}ydy = (2 ).(2 z ) (1 + z ) z

2 0

Jadi f ( z ) =

(1 + z ) z

z (1 / 2 ) 1 untuk - < z < . Jelas tampak (1 / 2 ) + (1 / 2 ) . (1 + z )

1

bahwa Z berdistribusi Beta2(1/2,1/2) . Transformasi 5: Apabila X1,X2,X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0,1) maka Z = X12 / (X12 + X22)akan berdistribusi Beta1(1/2,1/2). Bukti : X1, X2, X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0,1) maka fungsi kepadatan bersamanya adalah :

f ( x1 , x 2 , x3 , x 4 ) =

1 (2 )
2

e ( x1 + x2 + x3 + x4 ) / 2 dengan - < Xi < untuk i = 1,2,3,4 .

2 2 2 2

Digunakan transformasi sebagai berikut : Z = X12 / (X12 + X22), Y = X2 , W = X3 , T = X4

sehingga = W, X4 = T , akan didapat

Z Z atau X 12 = +Y , X = Y , X3 (1 Z ) (1 Z ) 2 1 yz 1 / 2 (1 z ) 3 / 2 z 1 / 2 (1 z ) 1 / 2 2 0 1 Jacobian : J 1 = 0 0 X 11 = Y

0 0 0 0 = 1 yz 1 / 2 (1 z ) 3 / 2 2 1 0 0 1

0
dan

105

INTEGRAL, Vol. 9 No. 3, November 2004

J2 = +

1 1 / 2 1 yz (1 z ) 3 / 2 maka J 1 = J 2 = y z 1 / 2 (1 z ) 3 / 2 dengan 0 < z < 1. 2 2 2 zy 1 2 f ( z) = . exp + y 2 + w 2 + t 2 2. y z 1 / 2 (1 z ) 3 / 2 dwdtdy 2 2 (2 ) 1 z zy 2 2 1 1 / 2 3 / 2 f ( z) = . . z ( 1 z ) 2 2 exp + y 2 2 y dy 2 2 (2 ) 1 z 2 1 / 2 y2 1 2 f ( z) = z (1 z ) 3 / 2 exp d y (2 ) (1 z )2 2 0

)(

f ( z) = f ( z) =

z 1 / 2 (1 z ) 3 / 2 (1 z )[0 ( 1)] = z 1 / 2 (1 z ) 1 / 2 =

z 1 / 2 (1 z ) 1 / 2 dengan 0 < z < 1.

1 z (1 / 2 ) 1 (1 z ) (1 / 2 ) 1 , jadi Z berdistribusi 1 1 B( , ) 2 2

Beta1(1/2,1/2). Transformasi 6: Apabila X1,X2,X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0,1) maka Z = (X12 + X22) / 2 akan berdistribusi Gamma(1,1) Bukti : X1, X2, X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0,1) maka fungsi kepadatan bersamanya adalah :

f ( x1 , x 2 , x3 , x 4 ) =

1 ( 2 )
2

e ( x1 + x2 + x3 + x4 ) / 2 dengan - < Xi < untuk i = 1,2,3,4 .

2 2 2 2

Digunakan transformasi sebagai berikut : Z = (X12 + X22) / 2, Y = X2 , W = X3 , T = X4 sehingga X 11 = 2 Z Y 2 atau

X 12 = +Y 2Z Y 2 , X2 = Y, X3 = W, X4 = T , akan didapat Jacobian : y 1 0 0 2 2z y 2z y 2 1 +1 0 1 0 0= J1 = dan J 2 = . Jadi 2 2 z y 2 2 z y 0 0 1 0 0 0 0 1

J1 = J 2 = f ( z , y, w, t ) =
f ( z) =
2

1 2z y 2

(2 )

exp 2 z y 2 + y 2 + w 2 + t 2 2 .
2

{ [(

] }

1 2z y 2

, maka

exp{ [2 z + w (2 )
2

+ t2 2 .

] }

1 2z y 2

dwdtdy

106

INTEGRAL, Vol. 9 No. 3, November 2004

f ( z) =

exp{ [2 z ] 2}. (2 ) 2
2 2z

2z

1 2z y 2
2z

. 2 . 2 dy , terjadi perubahan batas

2 z y 2 > 0 maka y haruslah berada pada

)(

integrasi pada variabel y karena z >0 dan

2 z < y < 2 z . Jadi f ( z ) =

2 1 dy atau exp{ z} (2 ) 2 z 2z y 2
2z

f ( z) =

exp{ z}

2z

2z

exp{ z} y = arcsin 2z 2z y 2 dy

2z

f ( z) =

1 exp{ z} = exp{ z} = exp{ z}z 11 untuk z > 0, dengan ( 1 ) 2 2

7. Daftar Pustaka
[1] Amazigo J.C. & Rubenfeld L.A. , Advanced Calculus and Its Application to The Engineering and Physical Sciences, John Wiley & Sons Inc. , 1980. [2] Freund J.E., Mathematical Statistics, Prentice-Hall Inc. , 1992. [3] Hogg R.V. & Craig A.T., Introduction to Mathematical Statistics, Macmillan Publishing Co. Inc., 1978. [4] Spiegel M.R., Advanced Mathematics for Engineers & Scientists, McGraw-Hill International Book, 1983. [5] Walpole R.E. & Myers R.H., Probability and Statistics for Engineers and Scientist, 4th ed , New York : Macmillan Publishing Company Inc., 1989.

kata lain terlihat bahwa Z berdistribusi Gamma(1,1).

6. Kesimpulan
Banyak teknik atau metode yang digunakan untuk perubahan distribusi statistik misalnya dengan metode fungsi distribusi kumulatif, transformasi variabel dan fungsi pembangkit momen (moment generating function). Tulisan ini merupakan penerapan Kalkulus Lanjut ataupun Kalkulus banyak variabel pada proses transformasi variabel random dalam distribusi probabilitas dengan menggunakan Jacobian dan proses pengintegralan. Dengan berbagai macam bentuk transformasi Z maka akan diperoleh beberapa bentuk distribusi yang berbeda-beda.

107