Anda di halaman 1dari 20

Distribusi Probabilitas :

Gamma & Eksponensial


5.3

Debrina Puspita Andriani


www.debrina.lecture.ub.ac.id
E-mail : debrina.ub@gmail.com / debrina@ub.ac.id

Outline

Distribusi Gamma

Distribusi Eksponensial

www.debrina.lecture.ub.ac.id

14/07/2014

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.
www.debrina.lecture.ub.ac.id

14/07/2014

Distribusi Gamma (1)

Definisi 1 :
Distribusi Gamma adalah distribusi fungsi padat
yang disebut luas dalam bidang matematika.

Definisi 2 :
Fungsi gamma didefinisikan oleh
Untuk > 0
dengan e=2,71828
Fungsi gamma diintegralkan, bila = n dengan n
adalah bilangan bulat positif, maka (n) = (n-1)!

www.debrina.lecture.ub.ac.id

14/07/2014

Distribusi Gamma (2)

Definisi 3 :
Perubah acak kontinu X berdistribusi gamma dengan parameter
dan , jika fungsi padatnya berbentuk:

x
1

x 1e
f(x) = ( )

; x>0
; x yanglain

dengan > 0 dan > 0


Grafik beberapa distribusi gamma dipelihatkan pada Gambar 1.
Distribusi gamma yang khusus dengan =1 disebut distribusi
Eksponensial (Gambar 2).
www.debrina.lecture.ub.ac.id

14/07/2014

0.6
0.0

0.2

0.4

f(x)

0.8

1.0

1.2

Distribusi Gamma

10

Gambar 1. Distribusi Gamma


Beberapa nilai parameter dan
www.debrina.lecture.ub.ac.id

14/07/2014

Gambar 2. Distribusi Eksponensial


(Distribusi Gamma dengan =1 )
Grafik distribusi gamma dengan =1 dan beberapa nilai
www.debrina.lecture.ub.ac.id

14/07/2014

Rata-rata dan variansi distribusi gamma adalah

= dan 2 = 2

Tabel

Gamma

Nilai e = 2,718281

www.debrina.lecture.ub.ac.id

14/07/2014

Contoh (1)
q

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 =
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 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:

P (60 X 120) = P ( X 120 ) P ( X 60 )



= FG (120;8,15) FG (60;8,15)
Lihat tabel
= FG (120 15 ;8) FG ( 60 15 ;8) = FG (8;8) FG (4;8)
= 0,5470 0,0511 = 0,4959

Beberapa ukuran statistik deskriptif distribusi gamma di atas adalah:


Mean

: x = E ( X ) = = (8)(15) = 120

Varians

: x2 = 2 = (8)(152 ) = 1800 x = 42,43

www.debrina.lecture.ub.ac.id

14/07/2014

Contoh (1)

10

Sebenarnya, rumus yang digunakan:


1
x 1e x /

f ( x; , ) = ( )

x>0
lainnya

P( X 60; = 8, = 10) =
60

1
1 x /
x
0 ( ) e dx =

60

1
7 x / 10
x
0 105 (8) e dx

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.
www.debrina.lecture.ub.ac.id

14/07/2014

Contoh (2)

www.debrina.lecture.ub.ac.id

11

14/07/2014

12

Distribusi
Eksponensial
Distribusi Eksponensial
Keadaan khusus distribusi gamma

www.debrina.lecture.ub.ac.id

14/07/2014

Distribusi Eksponensial (1)

13

www.debrina.lecture.ub.ac.id 14/07/2014

Distribusi Eksponensial (2)

www.debrina.lecture.ub.ac.id

14

14/07/2014

Distribusi Eksponensial (3)

www.debrina.lecture.ub.ac.id

15

14/07/2014

Distribusi Eksponensial (4)

www.debrina.lecture.ub.ac.id

16

14/07/2014

Distribusi Eksponensial (5)

17

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- akan berdistribusi gamma.
www.debrina.lecture.ub.ac.id

14/07/2014

Contoh (1)

18

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. Berapa probabilitas dari yang lain seperti kecelakaan dalam sebulan?
b. Berapa varians dari waktu antara kecelakaan di tahun tersebut?
Solusi :
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
(442) = 1936
www.debrina.lecture.ub.ac.id

14/07/2014

Contoh (2)

www.debrina.lecture.ub.ac.id

19

14/07/2014

TUGAS
TERSTRUKTUR
DEADLINE

KAMIS, 14 AGUSTUS 2015


25/07/15

Anda mungkin juga menyukai