MINGGU KE-11HUKUM BILANGAN BESAR LEMAH DAN KUAT
MINGGU KE-11 HUKUM BILANGAN BESAR LEMAH DAN KUAT
MINGGU KE-11HUKUM BILANGAN BESAR LEMAH DAN KUAT
HUKUM BILANGAN BESAR LEMAH DAN KUAT Misalkan X1 , X2 , X3 ... barisan variabel random . Kita tulis n P Xi . Dalam subbab ini kita akan menjawab pertanyaan Sn = i=1
ujud dan tidaknya barisan konstante An dan Bn > 0, Bn → ∞ untuk n → ∞ sedemikian hingga Bn−1 (Sn − An ) konvergen dalam probabilitas ke 0 untuk n → ∞.
MINGGU KE-11HUKUM BILANGAN BESAR LEMAH DAN KUAT
Definisi n P X0 . Misalkan X1 , X2 ... barisan variabel random dan Sn = i=1
Barisan X1 , X2 ... dikatakan memenuhi hukum bilangan besar lemah terhadap barisan konstante B1 , B2 , ..., Bn > 0, Bn ↑ ∞, bila terdapat barisan konstante real A1 , A2 ...An ... sedemikian hingga P Bn−1 (Sn − An ) − → 0 untuk n → ∞.
MINGGU KE-11HUKUM BILANGAN BESAR LEMAH DAN KUAT
Teorema Misalkan X1 , X2 , X3 , ... barisan variabel random yang tidak saling berkorelasi dengan E (Xi ) = µi dan Var (Xi ) = σi2 , i = 1, 2, .... Bila n n n P P P σi2 σi2 → ∞ untuk n → ∞, dengan An = µi dan Bn = i=1
maka
i=1
n P
(Xi − µi )
i=1 n P i=1
= σi2
Sn − An P − →0 Bn
i=1
MINGGU KE-11HUKUM BILANGAN BESAR LEMAH DAN KUAT
Akibat Bila X1 , X2 , X3 , ... saling independen dan berdistribusi identik dengan E (Xi ) = µ dan var(Xi ) = σ 2 < ∞, maka kita bisa memilih An = nµ dan Bn = nσ 2 . Akibat
n P
Dalam teorema di atas kita bisa memilih Bn = n asalkan untuk n → ∞.
i=1
σi2
n2
→0
MINGGU KE-11HUKUM BILANGAN BESAR LEMAH DAN KUAT
Definisi Barisan variabel random X1 , X2 , X3 ... dikatakan memenuhi hukum bilangan besar kuat terhadap barisan konstante B1 , B2 , ... bila terdapat barisan konstante A1 , A2 ... sedemikian hingga a.s
Bn−1 (Sn − An ) −→ 0 untuk n → ∞ Di sini Bn > 0 dan Bn → ∞. Kita akan mencari syarat cukup agar barisan {Xn } memenuhi hukum bilangan besar kuat. Selanjutnya, kita hanya akan membahas kasus khusus untuk Bn = n.
MINGGU KE-11HUKUM BILANGAN BESAR LEMAH DAN KUAT
Kita akan mulai dengan lemma Borel-Contelli. Bila {An } barisan ∞ ∞ S T Ak . Misalkan kejadian dalam Ω, maka lim sup An = n→∞
n=1 k=n
A = lim sup An , maka A adalah kejadian bahwa paling banyak tak n→∞ berhingga atau infinitely often An terjadi. Kita kadang-kadang menulis P(A) = P lim sup An = P (An i.o.) n→∞
dengan i.o. singkatan dari infinitely often. Dengan penulisan ini a.s. Xn −−→ 0 bhb P {|Xn | > ε i.o.} = 0 untuk setiap ε > 0.
MINGGU KE-11HUKUM BILANGAN BESAR LEMAH DAN KUAT
Teorema a. Misalkan {An } barisan kejadian sedemikian hingga ∞ P P (An ) < ∞, maka P(A) = 0. n=1
b. Bila {An } barisan kejadian independen sedemikian hingga ∞ P P (An ) = ∞, maka P(A) = 1. n=1
MINGGU KE-11HUKUM BILANGAN BESAR LEMAH DAN KUAT
Akibat Misalkan {An } barisan kejadian independen, maka P(A) sama dengan 0 atau 1. Teorema Bila X1 , X2 ... barisan variabel random independen dan berdistribusi identik dengan mean µ dan momen keempat berhingga, maka Sn Sn a.s −→ µ atau P lim =µ =1 n→∞ n n
MINGGU KE-11HUKUM BILANGAN BESAR LEMAH DAN KUAT
Akibat Bila X1 , X2 , X3 ... variabel random independen dan berdistribusi identik sedemikian hingga P {|Xn | < K } = 1 untuk setiap n dengan K konstante positif, maka Sn a.s −→ µ n
MINGGU KE-11HUKUM BILANGAN BESAR LEMAH DAN KUAT
LIMIT FUNGSI PEMBANGKIT MOMEN Misalkan X1 , X2 ... barisan variabel random. Andaikan Fn fungsi distribusi kumulatif dari Xn , n = 1, 2, 3, ... dan fungsi pembangkit momen dari Xn yaitu Mn (t) ujud. Pertanyaannya adalah bagaimana kelakuan Mn (t) untuk n → ∞ dan apakah limit tersebut selalu konvergen pada suatu fungsi pembangkit momen.
MINGGU KE-11HUKUM BILANGAN BESAR LEMAH DAN KUAT
Contoh Misalkan {Xn } barisan variabel random dengan f.m.p. P(Xn = −n) = 1
n = 1, 2, 3, ...
Kita mempunyai
Mn (t) = E e
tXn
= e −tn → 0 untuk n → ∞, t > 0
Mn (t) → ∞ untuk t < 0 dan Mn (t) → 1 untuk t = 0. Jadi, 0 t > 0 Mn (t) → M(t) = 1 t = 0 untuk n → ∞ ∞ t<0
MINGGU KE-11HUKUM BILANGAN BESAR LEMAH DAN KUAT
tetapi M(t) bukan fungsi pembangkit momen. Perhatikan bila Fn (x) f.d.k. dari Xn , maka ( 0 bila x < −n Fn (x) = → F (x) = 1 untuk 1 bila x > −n setiap x dan F (x) bukan fungsi distribusi kumulatif. Bila contoh di atas menunjukkan tidak perlunya konvergensi f.p.m. ke f.p.m., d kasus di bawah mengilustrasikan kasus Xn − → X , tetapi Mn (t) 6→ M(t).
MINGGU KE-11HUKUM BILANGAN BESAR LEMAH DAN KUAT
Contoh Pandang fungsi distribusi kumulatif 0 x < −n 1 Fn (x) = + Cn arctan(nx) − n ≤ x < n 2 1 x >n dengan Cn =
1 . 2 arctan(n2 )
Untuk n → ∞ terlihat (
Fn (x) → F (x) =
0
x <0
1
x >n
MINGGU KE-11HUKUM BILANGAN BESAR LEMAH DAN KUAT
pada setiap titik-titik kontinu dari F (x). Fungsi pembangkit momen yang bersesuaian dengan Fn adalah Zn Mn (t) =
Cn e tx
n dx 1 + n2 x 2
−n
yang ujud setiap t. Fungsi pembangkit momen yang bersesuaian dengan F (x) adalah M(t) = 1 untuk setiap t. Karena Mn (t) → ∞ bila t 6= 0, maka Mn (t) 6→ M(t). Berikut adalah teorema yang menjamin konvergensi dalam distribusi ekuivalen dengan konvergensi fungsi pembangkit momen yang bersesuaian. Bukti teorema bisa dilihat pada buku-buku teori probabilitas lanjut seperti Lukacs (1970).
MINGGU KE-11HUKUM BILANGAN BESAR LEMAH DAN KUAT
Teorema Misalkan {Fn } barisan fungsi distribusi kumulatif yang berkorespondensi dengan barisan fungsi pembangkit momen {Mn } dan misalkan Mn (t) ujud untuk |t| ≤ t0 untuk setiap n. Bila terdapat fungsi distribusi kumulatif F yang berkorespondensi dengan fungsi pembangkit momen M yang ujud untuk |t| ≤ t1 < t0 sedemikain hingga Mn (t) → M(t) untuk n → ∞ dan d
setiap t ∈ [−t1 , t1 ], maka Xn − → X.
MINGGU KE-11HUKUM BILANGAN BESAR LEMAH DAN KUAT
Contoh Misalkan Xn variabel random dengan f.m.p. 1 1 , P {X0 = 0} = 1 − n n t maka Mn (t) = en + 1 − n1 yang ujud untuk setiap t ∈ R dan Mn (t) → 1 untuk n → ∞ dan setiap t. Di sini, M(t) = 1 adalah fungsi pembangkit momen variabel random X yang merosot di d X = 0. Jadi, Xn − → X. P {Xn = 1} =
MINGGU KE-11HUKUM BILANGAN BESAR LEMAH DAN KUAT
Lemma berikut sangat berguna dalam penerapan teorema di atas. Lemma Bila f (x) → 0 untuk x → 0 kita tulis f (x) = o(x), maka x n = e a untuk setiap bilangan real a. lim 1 + na + o n1
n→∞
MINGGU KE-11HUKUM BILANGAN BESAR LEMAH DAN KUAT
Contoh Misalkan X ∼ binomial (n, θ), maka Mx (t) = (θe t + (1 − θ))n untuk setiap t. Bila θ → 0, n → ∞ sedemikian hingga nθ = λ, maka menurut lemma di atas 4 λ t λ λ t n e −1 → exp λ e t − 1 Mx (t) = 1 − + e = 1+ n n n yang merupakan fungsi pembangkit momen distribusi Poisson. d Jadi, X − → Poisson (λ).
MINGGU KE-11HUKUM BILANGAN BESAR LEMAH DAN KUAT
Contoh Misalkan X ∼ Poisson (λ). Fungsi pembangkit momen dari X adalah exp {λ (e t − 1)} untuk setiap t. Kita bentuk Y = (X√−λ) , λ maka fungsi pembangkit momen dari Y diberikan oleh t(x−λ) √ MY (t) = E e tY = E e λ √ t = e −t λ Mx √ λ
MINGGU KE-11HUKUM BILANGAN BESAR LEMAH DAN KUAT
Selanjutnya, √
log MY (t) = −t λ + log Mx t √ √ = −t λ + λ e λ √ = t λ+λ =
t √ λ −1 t2
t3
!
t √ + + + ... λ 2λ 3!λ 23
t2 t3 + + ... 1 2 3!λ 2 2
Akibatnya, log MY (t) → t2 untuk λ → ∞. Jadi, MY (t) = e t untuk λ → ∞, yang merupakan fungsi pembangkit momen distribusi N(0, 1).
2/2