DISTRIBUSI GAMMA &

EKSPONENSIAL
DISTRIBUSI GAMMA
Distribusi Gamma
Tidak selamanya distribusi normal dapat
digunakan untuk memecahkan masalah teknik
dan sains. Contohnya dalam teori antrian dan
keandalan, kurang tepat bila digunakan
pendekatan dengan distribusi normal,
distribusi Gamma lebih tepat menjadi
solusinya. Distribusi eksponensial adalah
sebuah kasus distribusi Gamma.

Distribusi Gamma
Definisi 1:
Distribusi Gamma adalah distribusi fungsi
padat yang terkenal luas dalam bidang
matematika.
Definisi 2 : Fungsi gamma didefinisikan oleh
Untuk > 0
dengan e=
Fungsi gamma ini adalah fungsi rekursif di
mana (n) = (n-1)!
Definisi 3:
Perubah acak kontinu X berdistribusi gamma dengan
parameter dan , jika fungsi padatnya berbentuk:






Grafik beberapa distribusi gamma dipelihatkan pada gambar 6.8.
Distribusi gamma yang khusus dengan disebut distribusi
Eksponensial (Lihat gambar 6.9)
o
|
1
1
0
0
x
x e ; x
f(x)
( )
; x yanglain
o |
o
| o

>
=

I

0 0 dengan dan o | > >

1 o =
0 2 4 6 8 10
0
.
0
0
.
2
0
.
4
0
.
6
0
.
8
1
.
0
1
.
2
x
f
(
x
)
Distribusi Gamma
Gmbar 6.8 Distribusi Gamma
1, 1 o | = =
2, 1 o | = =
3, 1 o | = =
6
Dipelihatkan pada gambar 6.8, untuk beberapa nilai parameter o dan |

7
Gmbar 6.9 Distribusi Eksponensial (Distribusi Gamma dengan o=1 )
Grafik distribusi gamma dengan o=1 dan beberapa nilai |
Rata-rata dan variansi distribusi gamma adalah

Nilai e = 2,718281
2 2
dan o| o o| = =
Tabel Gamma
Misalkan variabel acak kontinu X yang menyatakan ketahanan suatu
bantalan peluru (dalam ribuan jam) yang diberi pembebanan dinamik pada
suatu putaran kerja tertentu mengikuti suatu distribusi gamma dengan o =
8 dan | = 15, maka probabilitas sebuah bantalan peluru dapat digunakan
selama 60 ribu sampai 120 ribu jam dengan pembenan dinamik pada
putaran kerja tersebut adalah:
*karena contoh soal ini dipengaruhi parameter o dan |, maka
menggunakan definisi ke-3, kita cari peluang ketahanan pembebanan
antara 60 ribu sampai 120 ribu jam, dan perhitungannya sesuai rumus
pada definisi 3 dengan fungsi padat seperti di bawah ini:
( ) ( )
120 60
15 15
(60 120) 120 60
(120;8,15) (60;8,15)
( ;8) ( ;8) (8;8) (4;8)
0,5470 0,0511 0,4959
G G
G G G G
P X P X P X
F F
F F F F

s s = s s
=
= =
= =

Beberapa ukuran statistik deskriptif distribusi gamma di atas adalah:
Mean : ( ) (8)(15) 120
x
E X o| = = = =
Varians :
2 2 2
(8)(15 ) 1800 42, 43
x x
o o| o = = = =
Contoh
Lihat
tabel
Sebenarnya, rumus yang digunakan:







Integral ini sulit dievaluasi secara langsung. Akan tetapi dapat dievaluasi dengan
perantaraan tabel fungsi gamma tak lengkap F.
Persamaan matematika distribusi peluang peubah normal kontinu bergantung
pada dua parameter dan yaitu rataan dan simpangan baku. Jadi fungsi padat x
akan dinyatakan dengan n (x; , ).
Begitu dan diketahui maka seluruh kurva normal diketahui. Sebagai contoh,
bila = 50 dan = 5, maka ordinat n(x ; 50, 5) dapat dengan mudah dihitung untuk
berbagai harga x.

>
I
=

lainnya
x e x
x f
x
0
0
) (
1
) , ; (
/ 1 | o
o
o |
| o
dx e x
dx e x
X P
x
x
}
}

I
=
I
= = = s
60
0
10 / 7
5
60
0
/ 1
) 8 ( 10
1
) (
1
) 10 , 8 ; 60 (
| o
o
o |
| o
DISTRIBUSI EKSPONENSIAL
Distribusi Eksponensial
Keadaan khusus distribusi gamma
CONTOH.
Hari-hari antara kecelakaan pesawat terbang 1948-
1961 berikut distribusi eksponensial dengan rata-rata
44 hari antara setiap kecelakaan. Jika satu terjadi
pada 1 Juli setiap tahun tertentu:
a. Apa probabilitas dari yang lain seperti kecelakaan
dalam sebulan?
b. Apa varians dari waktu antara kecelakaan di tahun
tersebut?
Jawaban:
Distribusi eksponensial tidak memiliki memori,
maka sebuah kecelakaan di bulan tertentu tidak
memiliki bantalan pada setiap periode waktu
lainnya. Jadi:
a) probabilitas kecelakaan selama 31 hari adalah P
(31) = 1 - e ^ (-31/44) = 0,506
b) varians dari distribusi eksponensial adalah
(1 / 44) = 0,00052


Hubungan distribusi Poisson,
Eksponensial, dan Gamma
Pada suatu kejadian yang mengikuti proses Poisson,
waktu antar kejadian (atau waktu kejadian
pertama atau ke-1 dari kejadian terakhir, karena
sifatnya yang memoryless) tersebut akan
berdistribusi eksponensial. Sedangkan waktu
sampai terjadinya kejadian ke-o akan berdistribusi
gamma.