Momen Peubah Ganda

Di pasal 5.1 dibahas momen untuk peubah acak X yang tunggal (yakni, bermatra 1);
di pasal ini dibahas momen dari beberapa peubah acak (pada umumnya, tidak bebas-jadi,
mereka saling mempengaruhi).
Bila (X1, , Xn) suatu peubah acak bermatra n, maka g(X1, , Xn) juga suatu peubah
acak yang mempunyai fungsi distribusi, jadi harapannya terdefinisi (definsi 5.1.1) dan
berbagai teorema yang berkaitan dengan itu telah dikemukakan di pasal 5.1. Sebagai contoh,
akibat 5.1.3 dan akibat 5.1.6.

Teorema 5.3.1
Bila (X1, , Xn) suatu peubah acak bermatra n dan bila Eg(X1, , Xn) ada, maka

Eg X 1 ,..., X n ... g x1 ,..., x n f x1 ,... xn x1 ,..., x n dx1 ,..., dxn

Jika (X1, , Xn) kontinu mutlak, dan

Eg X 1 ,...,X n ... g x1 ,...,xn px1 ,...xn x1 ,...,xn

Jika (X1, , Xn) diskret
Bukti :
Berdasarkan definisi 5.1.1

EX xf x x dx

bila X kontinu mutlak dengan fungsi padat fx(x)

EX xi px xi

bila X diskrit dengan fungsi peluang px(x)

Maka

Eg X 1 ,...,X n g x1 f x1 x1 dx1

g x , x f
1

x1 , x2

x1 , x2 dx1 , dx2 ....

... g x1 ,...,xn f x1 ,...., xn x1 ,....,xn dx1 ,....,dxn

... g x1 ,..., x n f x1 ,...., xn x1 ,...., x n dx1 ,...., dxn

Eg X 1 ,...,X n g x1 px1 x1 g x1 , x2 px1 , x2 x1 , x2 ... g x1 ,...,xn px1 ,...,xn x1 ,...,xn

g x1 ,...,xn px1 ,...,xn x1 ,...,xn

Teorema 5.3.2
Bila (X1, X2) suatu peubah acak dwipeubah dan bila rataannya ada, maka E(X1 + X2) = E(X1)
+ E(X2)
Bukti :
Karena Y = X1 + X2 suatu peubah acak dan fungsi padat peluangnya dapat dihitung dari
fungsi padat peluang gabungan (X1, X2) seperti di teorema 4.6.15.

E Y yf y y dy

yf x1 x2 y dy

y f x1 , x2 x1 , y x1 dx1 dy
(dengan x 2 y x1 )

x1 x 2 f x1 , x2 x1 , x 2 dx2 dx1

x1 f x1 , x2 x1 , x 2 dx2 x 2 f x1 , x2 x1 , x 2 dx2 dx1

x1 f x1 , x2 x1 , x 2 dx2 x 2 f x1 , x2 x1 , x 2 dx2 dx1

x1 f x1 x1 x 2 f x1 , x2 x1 , x 2 dx2 dx1

x1 f x1 x1 dx1 x 2 f x1 , x2 x1 , x 2 dx1 dx2

E X 1 x 2 f x2 x 2 dx2

EX 1 EX 2

Karena Y = X1 + X2 , maka terbukti E(X1 + X2) = E(X1) + E(X2)

Kendati bukti yang ingin diberikan untuk teorema 5.3.2 ialah untuk kasus (

yang mempunyai fungsi padat peluang gabungan, hasil itu juga benar untuk peubah acak
lainnya (ataukah diskret, kontinu, campuran dan umum). Hal ini dapat dengan mudah
dirampat menjadi harapan dari setiap jumlah berhingga dari peubah acak. [sebagai contoh
untuk menunjukkan bahwa E(

) = E(

) + E(

) + E(

). Pertama-tama

gunakan teorema 5.3.2 untuk menunjukkan bahwa E(

) = E(

E(

) untuk membuktikan

), dan kemudian gunakan untuk kedua kalinya pada E(

seluruhnya.] yakni

) + E(

) +

Akibat 5.3.3
Bila (
E(

) peubah acak bermatra n dan bila rataannya ada, maka E (

)++E(

)=

).

Contoh 5.3.4
Dalam contoh rulet ini (contoh 5.1.8 hal. 249) perhatikan bahwa secara intuisi jelas bahwa
rataan jumlah keuntungan dalam 100 kali main putaran sama dengan jumlah putaran. Bila
dimisalkan

pada putaran ke-i perjudian tersebut dan bila

diingat bahwa keuntungan dalam 100 putaran pertama ialah

, maka akibat 5.3.3

diperoleh
E(Y) = -0,7632
Karena E(Y) untuk satu kali putaran, maka untuk 100 kali putaran menjadi
(

)= ( )

= (-0,7632) + + (-0,7632)
= -76,32

Seperti dinyatakan dalam contoh 5.1.8 [catatan: ini benar-benar terlepas dari bentuk
fungsi padat peluang gabungan dari keuntungan, sepanjang distribusi marginalnya tidak
diubah, karena hanya fungsi padat peluang marginal yang digunakan dalam menghitung
( )]

Definisi 5.3.5
Misalkan (

(bilangan bulat yang

(

tak negatif) definisikanlah

dari (

gabungan orde

)(bila harapan ini ada). Ini disebut momen

Contoh 5.3.6
Misalkan (

) suatu peubah acak bermatra 2, maka

)
(

E(

Perhatikan bahwa

disebut momen perkalian.

Definisi 5.3.7
Misalkan (

) suatu peubah acak bermatra 2. Untuk setiap

*(

negatif) didefinisikan

) (

) +(bila harapan ini ada). Ini

dari (

disebut momen pusat gabungan ordo

(bilangan bulat tak

Contoh 5.3.8
Misalkan (

) suatu peubah acak bermatra 2 maka

*(

) (

) +

*(

) (

) +

*(

) (

) +

var (

*(

) (

) +

var(

*(

) (

) +

).

Lemma 5.3.9
Kov(

*(

Bukti :
Kov(

)(

)+

= (

)
(

Lemma 5.3.10
Var (

Var (

Var (

Kov(

).

Bukti:
Berdasarkan definisi 5.1.14 yang menyatakan bahwa Var(X) ialah 2 (momen pusat kedua
dari X) dengan n = E(X EX)n, maka
Var (X) = E(X EX)2
Var (

(
= (

)
(

( (
)

))
(

))

= (
(

))

(
(

))

))

Jadi variansi dari jumlah peubah acak adalah jumlah kedua variansi ditambah dua kali
besaran yang disebut kovariansi (suatu ukuran hubungan antar keduanya). Bila kedua
peubah acak tidak ada hubungannya dalam arti kovariansinya nol (atau korelasi), apakah
keduanya bebas? Pertanyaan ini akan dibahas berikut ini, dan hasil akhirnya diberikan pada
teorema 5.3.19; pertanyaan yang berkaitan dengan itu juga akan dibahas. Pertama-tama,
sebelum itu akan diberikan perluasan yang berguna dari lemma 5.3.10 kejumlah n peubah
acak dan beberapa contoh.

Lemma 5.3.11
Var (

( )

Bukti lemma 5.3.11 dengan mudah dapat diturunkan dari lemma 5.3.10 dengan
menggunakan induksi matematika (sebagai permulaan, perhatikan bahwa
(

) suatu jumlah dua peubah acak, padanya lemma 5.3.10 dapat

digunakan). Suatu hasil yang berguna diperoleh dengan menggabungkan akibat 5.3.3 dengan
lemma 5.3.11 sebagai berikut:

Akibat 5.3.12
Misalkan

peubah acak dengan ( )

, jika

Var ( )

dan Kov(

( )

) maka

dan
Var ( )

Bukti :
( )

(
=
=

( )

)
)

((

))

Berdasarkan Lemma 5.3.10, maka

( )

( )

( )

(dengan

Contoh 5.3.13
Misalkan (

) suatu peubah acak bermatra 2 dengan fungsi padat peluang gabungan

(

Untuk mencari momen sampai ordo kedua dan menghitung korelasinya (definisi 5.3.21korelasi ialah kovariansi Kov (
(

) (

), dibagi dengan perkalian simpangan baku

). Dikerjakan sebagai berikut.

Umumnya,
( (

))

( )

( )

Jadi, untuk mencari momen masing-masing,

( )

( )

( )

dan
( )

( )

( ( )

( ))

Jadi,
(

( )

= .
(

)|

Sehingga

/|

( )

, dan

Var (

)-(

Begitu pula
(

( ( )

)=

)(

) =

)}

( ( )

( ))

)(

( )

)|

. /

)| }

{ (

{ (

Var (

( )

)|

( ))

)| }
)}

|
( )

Dan korelasinya (dibahas di definisi 5.3.21)

Kor (

) (

( ). /

)
)

(
(

) (

)
)

Contoh 5.3.14
Misalkan (

)peubah acak bermatra 2 dengan fungsi padat peluang gabungan

(

Untuk mencari semua momen sampai ordo ke 2 dan korelasi antara

dan

, kita kerjakan

sebagai berikut
(

Sekarang
(

, Var (

)=

, Var (

)=

) (

Kov (

. /. /

Dan korelasinya (definisi 5.3.21) adalah

(

) (

Contoh 5.3.15
Perhitungan momen peubah ganda dalam kasus diskrit. Misalkan (

)peubah acak

bermatra 2 dengan fungsi peluang dicontoh 3.5.5. Cari semua momen sampai ordo ke 2
(lihat contoh 3.5.5)

( )
{

( )

{
Dengan

( )
(

pada semua

( )

lainnya, dan

( )

pada semua

lainnya, jadi ;

( )

( )(

( )

( )

E(

( )(

( ) (

) (

( )(

( ) (

)( )(

( ) (

( ) (

Jadi
(

Var (

Var (

Kov (

. /
. /
)

Dan (lihat definisi 5.3.21)

Kor (

( )(

)
. /. /

Teorema 5.3.16
Bila

dan

( )dan

bebas, maka untuk setiap dua fungsi

(

( )
)

Bila harapan ini diruas kanan ada, (rampatannya ke n peubah acak

jelas juga

benar).
Bukti :
Berdasarkan teorema 4.4.6, untuk n = 2 maka
(

( )

( )

dan berdasarkan teorema 5.3.2 bahwa

dapat ditulis

( )

( )

( )

( )

) maka

( )

( )

( )

Dua peubah acak X1 dan X2 tidak berkorelasi bila

teorema 5.3.16 berlaku untuk

( )

[yakni, bila hasil

Lemma 5.3.17
dan

tidak berkorelasi jika dan hanya jika Kov (

)=0

Bukti :
1. Jika

dan

tidak berkorelasi maka Kov (

)=0

Berdasarkan teorema 5.3.16,

Jika

dan

tidak berkorelasi maka

Kov (
2. Jika Kov (
Kov (

) = 0 maka

dan

)=0

tidak berkorelasi

)=0

Karena

maka

dan

tidak berkorelasi

Teorema 5.3.18
Var (

) = Var(

Var(

) jika dan hanya jika

dan

tidak berkorelasi

Bukti:menurut lemma 5.3.10

Var (

) = Var(

Var(

)+

Kov (

Suku terakhir diruas kanan nol menurut lemma 5.3.17

Teorema 5.3.19
i Bila

dan

bebas maka keduanya tidak berkorelasi

ii bila

dan

tidak berkorelasi, keduanya belum tentu bebas

Bukti:
i Berdasarkan teorema 5.3.16 dengan mengambil
,

( )

( )

tidak berkorelasi

bebas
Untuk semua fungsi kontinu
dan

yang menjadi 0 (nol)

Diluar suatu selang berhingga

Gambar 5.3.1 hubungan antara kebebasan dan korelasi

(

ii Misalkan

), cos (

) dan U seragam pada (0,1). Dapat dibuktikan bahwa

(

tidak berkorelasi, tetapi karena

( )

( ) untuk semua

maka keduanya tidak bebas.

Teorema ini menjawab pertanyaan yang diajukan menyusul bukti lemma 5.3.10, tentang
apakah kovariansi yang nol mengakibatkan kebebasan, sedangkan teorema berikut
memberikan pernyataan yang tepat dan lengkap mengenai hubungan antara korelasi dan
kebebasan.
Teorema 5.3.20
(

bebas jika dan hanya jika

kontinu

( )

) (

) untuk semua fungsi

( ) yang sama dengan nol diluar suatu selang berhingga(lihat gambar

5.3.1)
Definisi 5.3.21 Koefisien

korelasi dari dua p.a

adalah [bila

Kor (

) > 0,
(

) > 0 dan
(
(

) (

),

yang berdistribusi gabungan

(

) berhingga].

)
)

[catatan: rincian perhitungan kor (

) diberikan dicontoh 5.3.13, 5.3.14 dan 5.3.15]

Lemma 5.3.22 Misalkan bahwa (

) terdefinisi . maka

dan hanya jika (

dan

tidak berkorelasi jika

Koefisien korelasi memberikan suatu ukuran dari hubungan linear antara dua p.a. yakni suatu
ukuran dari kebaikan suatu prediksi nilai salah satu p.a yang dapat dibuat melalui fungsi
linear dari pengamatan pada yang lainnya. Tetapi misalkanlah
terdapat hubungan kuadrat yang tepat antara
dan jika
peluang , atau bila

dan

[yakni, bila

dan

dan

. maka

; seterusnya kov (

masing-masing dengan

mempunyai sembarang fungsi padat yang setangkup terhadap titik nol,

misalnya, fungsi padat N (0,

)]. Maka kov (

maka kita dapat memprediksikan

Akan tetapi bila

dengan amat baik (bila kita ketahui bahwa

diketahui
).

Ini menunjukkan kendati koefiesien korelasi dapat mengukur hubungan linear cukup baik,
tidak berarti baik untuk mengukur hubungan yang tak linear.
Teorema 5.3.23 ketidaksamaan Schawarz
Untuk p.a

jika harapannya ada, (

hanya jika (untuk suatu tetapan a)

. Tanda sama berlaku jika dan

Bukti: anggap

(jika tidak, maka

dengan peluang 1 dan teorema jelas berlaku).

Maka
(

Merupakan suatu polinom berderajat dua dalam t. karena polinom ini tak negative, maka
apakah (1) ada dua akar yang kompleks (bila tanda
yang berimpit (bila tanda

yang berlaku) atau (2) dua akar real

). Akar tesebut adalah

(

Jadi. Diperoleh (1) jika dan hanya jika 4 ((

yakni jika (

. Diperoleh (2) jika dan hanya jika (

dan kasus ini adalah (

) = 0, jadi

dengan peluang 1 dan

[catatan : ketidaksamaan Schawarz ialah hal khusus dari ketaksamaan H lder (Teorema
-

5.1.13) dengan
Teorema 5.3.24
(

i -1

ii

iii

Jika dan hanya jika

jika dan hanya jika

)
(

(
)

dan

)
(

butki:
; maka (

i Ambil (di teorema 5.3.23)

[kov(
(

)-

Var (

) Var (
) (

);

)
(

)
(

ii dan iii
(

jika dan hanya jika

Jadi,
(

jikka
Jikka
Jikka

)(
(

(
(

)
)

) (

(
(

)(

Sebagai contoh, ingat (definisi 4.5.2) bahwa suatu p. a

dwi peubah

)(

)(
(

) berdistribusi normal

{.
)

/.

/ .

/ }

Sehingga kita dapat membuktikan yang berikut.

Teorema 5.3.25.
Misalkan
, Var (

Var (

berdistribusi normal gabungan. Maka

)

juga

tidak berkorelasi jika dan hanya jika

keduanya bebas.
Bukti:
Pertama-tama perhatikan bahwa jika
( )

{.
)

Disini dilakukan penggantian

(

/.

{.
)

/ .

/ }

berdistribusi normal dwipeubah, maka

{.

( )

/ )}

lengkapi bentuk kuadratnya dengan

) )

Dan kemudian melakukan pergantian

.
(
Jadi, bila

/
)

berdistribusi normal dwi peubah, maka

normal, yang (lihat teorema 5.3.6) menunjukkan bahwa

pula diperoleh

Var (

berdistribusi (eka peubah)

Var (

. Begitu

. Sisa bukti teorema ini diberikan sebagai soal 5.4.

teorema 5.3.25 dapat diperluaskan ke distribusi normal peubah ganda yang didefini 4.5.4.
khususnya

berdistribusi normal bermatra n jikka kombinasi linear dari

berdistribusi normal. Sementara itu, perhatikan bahwa

haruslah gabungannya

normal; agar supaya kenormalannya mengakibatkan kebebasan jikka (

=0). Seperti

yang ditunjukkan oleh contoh berikut.

Inti persoalannya ialah bahwa distribusi normal setangkup terhadap rataanya, sehingga
,

- ,

- ,

Yakni, Z (begitupun X) berdistribusi normal marginal. Sekarang

(

Tetapi

karena

saling bergantungan.

Sebagai pokok bahasan terakhir dipasal ini, kita pandang harapan bersyarat. Ini digunakan
untuk menjawab pertanyaan seperti itu, bila kita ketahui
Definisi 5.3.27 bila
bersyarat dari

bila

) kontinu mutlak atau diskrit, maka (masing-masing) rataan

diketahui adalah
(

)
(

)
(

Jadi definisi harapan bersyarat hamper sama dengan definisi harapan (definisi 5.1.1). kecuali
bahwa sebagaoi pengganti fungsi padat (atau peluang) marginal digunakan fungsi padat( atau
peluang)bersyarat. Nanti akan terlihat bahwa harapan bersyarat merupakan salah satu alat
dasar dalam teori penaksiran. Disamping itu, dalam teori peluang harapan bersyarat berperan
teramat penting dalam proses stokhastik. Teorema 5.3. bila sasaran tersebut ada dan bila
( ) kontinu mut;lak atau diskrit, maka (untuk masing-masing kasus)

) ( )

( )

Bukti:
Mari kita pandang kasus yang diskrit (kasus yang kontinu mutlak dibuktikan dengan cara
yang sama dengan mengganti tanda penjumlahan dengan integral.) maka menurut definisi
5.3.27
(

Sehingga bila kedua ruas dikalikan dengan

) ( )

( ) diperoleh

( )

Dengan kesamaan terakhir diperoleh karena

terhadap

( )=

) sekarang jumlahkan

kita peroleh

) ( )

( )

(Disini digunakan definisi 3.4.14 untuk mengawali

) sebagai

))

( ) fungsi peluang

marginal dari ) sehingga teorema terbukti.

Teorema 5.3.2 sering amat berguna dalam menghitung nilai harapan. Perhatikan bahwa tidak hanya

) yang dapat didefinisikan, tapi juga suatu p.a (

)(paling tidak EY ada). Maka

hasil terakhir mengatakan bahwa

( (

))

Sutau perluasan yang berguna dari teorema 5.3.2 menyatakan (dalam lambing yang terakhir)
bahwa
( ( ) ( ))
Contoh 5.3.29 misalkan bahwa (
(

( ( ) ( (

))

) suatu p.a bermatra 2 dengan fungsi padat

Gambar 5.3.2 Daerah

Yakni (

) didistribusikan seragam diatas daerah digambar 5.3.2. periksa bahwa

Berapakah rata-rata

bernilai

dan

suatu fungsi padat, yaitu

dalam hal

)
)

) [sekarang

lihat persamaan (4.4.5)]

( )

( )

Kita beralih sejenak untuk menghitung

(

Besaran yang ingin dicari dinyatakan tepat oleh definisi 5.3.27; yakni, (

(
( )

Sehingga
(

( )

Dan

(
(

Perhatikan bahwa
5.2.4

diperoleh

) ialah distribusi seragam pada (

langsung

bahwa

diperhatikan bahwa setelah menemukan

), sehingga dari teorema

)

) dengan mudah kita peroleh

juga

( )melalui

teorema 5.3.28:
( )

)
(

( )

Contoh 5.3.31
Misalkan (
(

) suatu p.a diskrit bermatra 2 dengan fungsi peluang

)

Untuk suatu bilangan bulat positif k tertentu. Cari semua momennya sampai ordo kedua, kor
(

) dan (

), (

), Var (

), Var (

Pertama-tama, perhatikan bahwa distribusi dari (

) seragam pada titik-titik seperti

digambarkan 5.3.3. sekarang kita teruskan dengan menghitung funsi peluang marginal dan
bersyarat dan momennya seperti berikut.
( )

{ (

(
( )

)
(

Setelah mendapat fungsi peluang gabungan dan marginal, sekarang kita dapat menghitung
fungsi peluang bersyarat

Gambar 5.3.3 dititik titik ini

) bernilai positif (k=10)

(

( )

(yang diatas hanya berlaku untuk nilai

yang memenuhi

( )

karena

pada titik lainnyta peluang bersyarat tidak terdefinisi).

(

Yang diatas ini memberikan fungsi yang diperlukan untuk menyelesaikan soal tadi dengan
menghitung momen yang ingin dicari, seperti berikut ini:
(

(
(
)

Var (

Var (

)
(

(
)

)
(

)
(

)(

(
(

)
(

)(

Kov (

)(

)(

)
(
(

)
)

(
(

) (

)
)

)(

Dan (bila k>1, karena penyebutnya sama dengan nol bila k =1 dan korelasi tidak terdefinisi).
(

Kov (

)(

)(

Kita telah melihat perhitungan seperti ini sebelumnya (yakni, dalam contoh 5.3.13, 5.3.14 dan
5.3.15); sekarang kita lanjutkan dengan menghitung besaran baru, harapan yang bersyarat:
(

(
(

Bila

(perhatikan bahwa harapan bersyarat tidak terdefinisi untuk setiap nilai

yang selainnya);
(

Bila,

(dan harapan bersyarat tidak terdefinisi untuk setiap

)(

yang lainnya);
)

Bila
Var (

(
(

)(

, (

))

Bila
(

(
Bila

)(

)(

)(

dan

Var (

)(

)(

)
(

)
)

Bila
Perhatikan bahwa, setelah menemukan (

). Kita sekarang dapat mencari (

berdasarkan teorema 5.3.28:

(

( (

)
(

)
)

(
(

) (
)

)
(

)
(

Seperti telah diturunkan sebelumnya, di contoh ini, dari distribusi marginal

sebagai latihan untuk membuktikan hasil
menggunakan distribusi marginal dari

, melalui (

. [Diberikan

yang telah kita peroleh dengan

)

( (

)].