Scribd Logo
Unggah

Selamat datang di Scribd!

  • 134 tayangan

    Normal Bivariat

    Diunggah oleh

    Ardhi Shihab
    Dokumen tersebut membahas tentang distribusi normal bivariat, yaitu distribusi probabilitas gabungan dua variabel acak normal yang saling berkorelasi. Distribusi ini ditentukan oleh rata-rata, variansi, dan koefisien korelasi masing-masing variabel, serta memiliki sifat bahwa fungsi probabilitas gabungannya merupakan fungsi normal gabungan.

    Hak Cipta:

    © All Rights Reserved
    Unduh sebagai PPT, PDF, TXT atau baca online dari Scribd

    Normal Bivariat

    Diunggah oleh

    Ardhi Shihab
    134 tayangan8 halaman
    Dokumen tersebut membahas tentang distribusi normal bivariat, yaitu distribusi probabilitas gabungan dua variabel acak normal yang saling berkorelasi. Distribusi ini ditentukan oleh rata-rata, variansi, dan koefisien korelasi masing-masing variabel, serta memiliki sifat bahwa fungsi probabilitas gabungannya merupakan fungsi normal gabungan.

    Deskripsi Asli:

    Multivariat

    Hak Cipta

    © © All Rights Reserved

    Format Tersedia

    PPT, PDF, TXT atau baca online dari Scribd

    Apakah menurut Anda dokumen ini bermanfaat?

    Apakah konten ini tidak pantas?

    Dokumen tersebut membahas tentang distribusi normal bivariat, yaitu distribusi probabilitas gabungan dua variabel acak normal yang saling berkorelasi. Distribusi ini ditentukan oleh rata-rata, variansi, dan koefisien korelasi masing-masing variabel, serta memiliki sifat bahwa fungsi probabilitas gabungannya merupakan fungsi normal gabungan.

    Hak Cipta:

    © All Rights Reserved
    Unduh sebagai PPT, PDF, TXT atau baca online dari Scribd
    Unduh sebagai ppt, pdf, atau txt
    134 tayangan8 halaman

    Normal Bivariat

    Diunggah oleh

    Ardhi Shihab
    Dokumen tersebut membahas tentang distribusi normal bivariat, yaitu distribusi probabilitas gabungan dua variabel acak normal yang saling berkorelasi. Distribusi ini ditentukan oleh rata-rata, variansi, dan koefisien korelasi masing-masing variabel, serta memiliki sifat bahwa fungsi probabilitas gabungannya merupakan fungsi normal gabungan.

    Hak Cipta:

    © All Rights Reserved
    Unduh sebagai PPT, PDF, TXT atau baca online dari Scribd
    Unduh sebagai ppt, pdf, atau txt
    Anda di halaman 1dari 8

    SEBARAN NORMAL GANDA

    (The Bivariate Normal Distribution)


    1
    f(x,y) = 2xσ σ 1-  e-q/2 ; -~ < x < ~,
    2
    x y

    Dengan x > 0 ; y > 0 dan –1 < 


    <1
    1  x     x    y     y    
    2 2

    q=    2      
    x x y y

    1 -   
    2
    x     
      x   y    y  
    Sifat-sifat :

    f(x,y) merupakan fkp bersama


    x ~ N (x, x2) dan y ~ N(Y, Y2)
     adalah koefisien korelasi X dan Y
    Maka f(x,y) merupakan fkp
    normal ganda
    fl(x) = f(x,y) dy
    (1-2)q =_(1-2)
    = + (1-2)
    Dengan b =y+  (x - x)
     fl(x) =
    dy *)
    (y/x) = E(y/x) = y + (x-x)
    dan

     2
     y x
    2
    y 
      1  2

    (x/y) = E(X/y) = x + (y-y)
    2(X/y) = 2x (1-2)
    Fungsi pembangkit momen untuk
    bivariate normal
    ~ ~ t xt y
    M(t1 t2) = -~ ~ e 1 2
    f(x,y) dx dy
    ~
     ~
       dx
    = -~ 1 -~
    e t x
    f
    1
    ( x ) e t y y
    2
    f x
    dy
    
    untuk semua t1, t2  R
    M(t1 t2)= E e  t 1x  t 2 y

    2

      

    2 x 
    2 



    2 t t  y 

     t  1   
     

       x 1 2 
     
    y  
    M(t1t2) = y
    t   t  x  2
       y
       t  t     x 
    2 y 2  2 x 1 2   2
    e x  x 

     x2 t 2  2   t t   2 t 2
    1 x y12 y 2
    M(t1t2) =  t  t 
    e x1 y 2 2

    Jika  = 0  M(t1t2) = M(t1,0) M(0,t2)


    X dan Y bebas stokhastik jika =0
    M(t1t2) =M(t1,0)M(0,t2)
    Dalil
    Misalkan X dan Y menyebar normal
    ganda dengan rata-rata 1 dan 2
    variansi (ragam) 12 dan 22 serta
    koefisien korelasi 
    Maka X dan Y bebas stokhastik jika
    dan hanya jika  = 0
    X & Y bebas stokhastik   = 0

    Anda mungkin juga menyukai