Professional Documents
Culture Documents
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
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
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
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.
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
asalkan (y1,y2,y3,,yn) B sedangkan fungsi kepadatan probabilitas (f.k.p) suatu Yi didefinisikan sebagai :
variabel pada bagian ini adalah sebagai berikut : 1. Variabel random X dikatakan mempunyai f.k.p. Normal( , 2) apabila mempunyai bentuk fungsional :
99
dengan
4.Variabel random X dikatakan mempunyai f.k.p. Beta2(,) apabila mempunyai bentuk fungsional :
x2 exp dengan 2 2 1
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) =
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
Transformasi 1: Apabila X1,X2,X3 dan X4 adalah variabel random independen dan identik berdistribusi Normal(0,1)
100
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
{[
] } {[
] }
(2 ) (2 )
1
1
exp ( z + y ) + ( y w)
2
{[
+ 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 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
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 dy 3
{[
] }
).
2 dy 3
2dy
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
X 11 = Z (Y 2 + W 2 ) atau
102
2 z (y 2 + w 2 ) J1 = 0 0 0
2 2 2 2 2
(y 2 + w 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
(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
drd
2
3/ 2
(2 )
. 3/ 2
1 z
d
0
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
f ( x1 , x 2 , x3 , x 4 ) =
1 ( 2 ) 2
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
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
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
f ( x1 , x 2 , x3 , x 4 ) =
1 (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) =
Jadi f ( z ) =
(1 + z ) z
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
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
J2 = +
)(
f ( z) = f ( z) =
z 1 / 2 (1 z ) 3 / 2 (1 z )[0 ( 1)] = z 1 / 2 (1 z ) 1 / 2 =
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
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
f ( z) =
exp{ [2 z ] 2}. (2 ) 2
2 2z
2z
1 2z y 2
2z
)(
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) =
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