Anda di halaman 1dari 8

STATISTIKA MATEMATIKA

MINI RESEARCH
Distribusi Gamma

Disusun Oleh:

ELISABETH MARGARETH GULTOM (8166172018)

DIKMAT B-3

Dosen Pengampu:
Drs. Zul Amry, M.Si, P.hD

PROGRAM STUDI PENDIDIKAN MATEMATIKA


PROGRAM PASCASARJANA
UNIVERSITAS NEGERI MEDAN
2017
BAB I
PENDAHULUAN
A. Latar Belakang
Salah satu distribusi kontinu dalam statistika adalah distribusi Gamma
yang dapat digunakan untuk menyelesaikan banyak persolan dalam bidang
rekayasa dan sains. Sebagai salah satu contohnya distribusi Gamma memainkan
peranan penting dalam teori antrian dan teori keandalan (reliabilitas) misalnya
untuk mengatasi kehilanagan data.
Distribusi Gamma adalah salah satu teori dari distibusi probabilitas yang
banyak digunakan untuk menarik kesimpulan atau menguji sebuah hipotesis
statistika. Distribusi Gamma mendapat namanya dari fungsi Gamma yang sudah
dikenal luas, dan dipelajari dalam banyak bidang matematika.Distribusi yang
mempunyai aplikasi paling luas dalam menganalisa data uji hidup adalah
distribusi Gamma. Data uji hidup atau uji reliabilitas merupakan peluang bahwa
komponen tersebut akan berfungsi sebagaimana mestinya selama, paling sedikit,
sampai jangka waktu tertentu dalam percobaan yang telah ditentukan. Dalam uji
reliabilitas terdapat beberapa fungsi yang digunakan untuk menentukan reliabilitas
suatu sistem diantaranya adalah fungsi ketahanan (survival function) dan fungsi
kegagalan (failure rate function). Namun, kekurangan dari distribusi Gamma
adalah memiliki fungsi ketahanan (survival function) yang tidak dapat ditentukan
bentuk khususnya, kecuali jika parameter bentuknya berupa bilangan natural. Hal
ini menyebabkan distribusi Gamma sedikit digunakan dibandingkan dengan
distribusi Weibull karena mempunyai fungsi kegagalan dan ketahanan yang lebih
sederhana.
Distribusi Gamma banyak dimanfaatkan untuk mengetahui atau
menghitung jarak antara waktu tiba di fasilitas pelayanan (misalnya, bank dan
loket tiket kereta api), dan lamanya waktu sampai rusaknya suku cadang dan alat
listrik. Oleh karena itu Distribusi Gamma sangat penting untuk dipelajari pada
masa sekarang ini, karena sangat berguna untuk mengetahui dan mempelajari
pengaruh dari satu variabel terhadap variabel lain pada suatu masalah yang
dihadapi.
Sebelum membahas lebih lanjut penerapan distribusi gamma, makalah ini
membahas pembuktian teorema dalam distribusi gamma. Teorema yang akan
dibuktikan adalah 𝜇 = 𝐸(𝑋) = 𝛼𝛽 dan 𝜎 2 = 𝛼𝛽 2

B. Rumusan Masalah

Bagaimanakah membuktikan teorema: Bila X berdistribusi


gamma 𝑋~𝐺(𝑥|𝛼, 𝛽, 0) maka rataan dan variansi distribusi gamma adalah : 𝜇 =
𝐸(𝑋) = 𝛼𝛽 dan 𝜎 2 = 𝛼𝛽 2

C. Tujuan
Membuktikan teorema Bila X berdistribusi gamma 𝑋~𝐺(𝑥|𝛼, 𝛽, 0) maka
rataan dan variansi distribusi gamma adalah : 𝜇 = 𝐸(𝑋) = 𝛼𝛽 dan 𝜎 2 = 𝛼𝛽 2
D. Manfaat
Mampu membuktikan teorema Bila X berdistribusi
gamma 𝑋~𝐺(𝑥|𝛼, 𝛽, 0) maka rataan dan variansi distribusi gamma adalah
: 𝜇 = 𝐸(𝑋) = 𝛼𝛽 dan 𝜎 2 = 𝛼𝛽 2 sehingga dapat menjadi latihan untuk
membuktikan teorema yang lainnya.
BAB II
PEMBAHASAN

Fungsi Gamma dan Distribusi Gamma


Fungsi gamma didefenisikan

Γ(𝛼) = ∫0 𝑥 𝛼−1 𝑒 −𝑥 𝑑𝑥, untuk 𝛼 > 0
Misalkan 𝑋 suatu peubah acak kontinu berdistribusi gamma dengan parameter 𝛼
dan 𝛽, bila bentuk fungsi padatnya
1 −𝑥
𝛼−1 𝛽
𝑥 𝑒 , 𝑥 > 0.
𝑓(𝑥) = {𝛽 𝛼 Γ(𝛼)
0, 𝑜𝑡ℎ𝑒𝑟𝑤𝑖𝑠𝑒

Dengan 𝛼 > 0 dan 𝛽 > 0 (Walpole & Myers, 1995:190)

Pentingnya distribusi gamma dapat diketahui pada kenyataan bahwa


distribusi gamma merupakan suatu keluarga distribusi yang distribusi lainnya
merupakan hal khusus. Terapan penting distribusi gamma ini pada teori
reliabilitas (uji keandalan) dan waktu menunggu. Peubah acak yang fungsi
padatnya diberikan distribusi gamma adalah waktu atau ruang terjadinya sesuatu
sampai sejumlah tertentu kejadian poisson terjadi

Teorema

Bila X berdistribusi gamma 𝑋~𝐺(𝑥|𝛼, 𝛽, 0) maka rataan dan variansi distribusi


gamma adalah :𝜇 = 𝐸(𝑋) = 𝛼𝛽 dan 𝜎 2 = 𝛼𝛽 2

Bukti :

𝜇 = 𝐸(𝑋)

= ∫ 𝑥 𝑟 𝑓𝑥 (𝑥)𝑑𝑥
−∞

∞ −𝑥
1
= ∫ 𝑥𝑟 𝑥 𝛼−1 𝛽
𝑒 𝑑𝑥
−∞ 𝛽 𝛼 Γ(𝛼)
∞ −𝑥
1 𝛼−1+𝑟 𝛽
=∫ 𝛼
𝑥 𝑒 𝑑𝑥
−∞ 𝛽 Γ(𝛼)

𝑥 𝑦 1
Misalkan 𝑦 = 𝛽 , 𝑑𝑥 = 𝛽 dan 𝑥 = 𝑦𝛽, 𝑑𝑥 = 𝛽𝑑𝑦
Sehingga:

1
=∫ (𝑦𝛽)𝛼−1+𝑟 𝑒 −𝑦 𝛽𝑑𝑦
−∞ 𝛽 𝛼 Γ(𝛼)

1
=∫ 𝛽 𝛼−1+𝑟 𝑦 𝛼−1+𝑟 𝑒 −𝑦 𝛽𝑑𝑦
−∞ 𝛽 𝛼 Γ(𝛼)

𝛽 𝛼−1+𝑟 𝛼−1+𝑟 −𝑦
=∫ 𝛼
𝑦 𝑒 𝛽𝑑𝑦
−∞ 𝛽 Γ(𝛼)


𝛽 𝛼−1+𝑟
=∫ 𝛼 𝛽 −1 Γ(𝛼)
𝑦 𝛼−1+𝑟 𝑒 −𝑦 𝑑𝑦
−∞ 𝛽

𝛽 𝛼−1+𝑟
=∫ 𝛼−1 Γ(𝛼)
𝑦 𝛼−1+𝑟 𝑒 −𝑦 𝑑𝑦
−∞ 𝛽

𝛽 𝛼−1 𝛽 𝑟
=∫ 𝛼−1 Γ(𝛼)
𝑦 𝛼−1+𝑟 𝑒 −𝑦 𝑑𝑦
−∞ 𝛽

𝛽𝑟
=∫ 𝑦 𝛼−1+𝑟 𝑒 −𝑦 𝑑𝑦
−∞ Γ(𝛼)

𝛽 𝑟 ∞ 𝛼−1+𝑟 −𝑦
= ∫ 𝑦 𝑒 𝑑𝑦
Γ(𝛼) −∞

𝛽𝑟
= Γ(𝛼 + 𝑟)
Γ(𝛼)

𝛽 𝑟 Γ(𝛼 + 𝑟)
=
Γ(𝛼)

Ambil 𝑟 = 1, maka persamaan di atas menjadi :

𝛽Γ(𝛼 + 1)
𝜇 = 𝐸(𝑋) =
Γ(𝛼)

𝛽(α!)
=
(α − 1!)

𝛽𝛼(α − 1!)
=
(α − 1!)

= 𝛽𝛼

= 𝛼𝛽
Jadi, terbukti
𝝁 = 𝑬(𝑿) = 𝜶𝜷

Akan dibuktikan 𝜎 2 = 𝛼𝛽 2. Akan ditentukan erlebih dahulu 𝐸(𝑋 2 )

𝛽 2 Γ(𝛼 + 2)
𝐸(𝑋 2 ) =
Γ(𝛼)

𝛽 2 (𝛼 + 1)!
=
(𝛼 − 1)!

𝛽 2 (𝛼 + 1)!
=
(𝛼 − 1)!

𝛽 2 (𝛼 + 1). 𝛼. (𝛼 − 1)!
=
(𝛼 − 1)!

= 𝛽 2 (𝛼 + 1). 𝛼

= 𝛽 2 (𝛼 2 + 𝛼)

= 𝛽 2 𝛼 2 + 𝛼𝛽 2

Sehingga 𝜎 2 = 𝑉𝑎𝑟(𝑋) adalah

𝜎 2 = 𝑉𝑎𝑟(𝑋) = 𝐸(𝑋 2 ) − 𝐸(𝑋)2

= 𝛽 2 𝛼 2 + 𝛼𝛽 2 − (𝛼𝛽)2

= 𝛽 2 𝛼 2 + 𝛼𝛽 2 − 𝛼 2 𝛽 2

= 𝛼 2 𝛽 2 − 𝛼 2 𝛽 2 + 𝛼𝛽 2

= 𝛼𝛽 2

Sehingga terbukti bahwa 𝝈𝟐 = 𝜶𝜷𝟐

Dari 𝐸(𝑋) = 𝛼𝛽, 𝐸(𝑋 2 ) = 𝛽 2 𝛼 2 + 𝛼𝛽 2 dan 𝜎 2 = 𝛼𝛽 2 dpat diperoleh


suatu nilai 𝛼 dan 𝛽 yakni:
∑ 𝑥𝑖
Diketahui bahwa 𝐸(𝑋) = , karena 𝐸(𝑋) = 𝛼𝛽, maka:
𝑛

∑ 𝑥𝑖
= 𝛼𝛽
𝑛
∑ 𝑥𝑖
𝛼= 𝑛
𝛽

𝑋̅
𝛼=
𝛽

𝛼 = 𝑋̅𝛽 −1

Untuk 𝐸(𝑋 2 ) = 𝛽 2 𝛼 2 + 𝛼𝛽 2
∑ 𝑥𝑖 2
Karena 𝐸(𝑋 2 ) = maka:
𝑛

∑ 𝑥𝑖 2
= 𝛽 2 𝛼 2 + 𝛼𝛽 2
𝑛
∑ 𝑥𝑖 2
= 𝛼 2 𝛽 2 + 𝛼𝛽 2
𝑛
Substitusi 𝛼 = 𝑋̅𝛽 −1, maka

∑ 𝑥𝑖 2
= (𝑋̅𝛽 −1 )2 𝛽 2 + (𝑋̅𝛽 −1 )𝛽 2
𝑛
2
∑ 𝑥𝑖 2 𝑋̅ 𝑋̅
= ( ) 𝛽2 + ( ) 𝛽2
𝑛 𝛽 𝛽

∑ 𝑥𝑖 2 𝑋̅ 2 2
= 2 𝛽 + 𝑋̅𝛽
𝑛 𝛽

∑ 𝑥𝑖 2
= 𝑋̅ 2 + 𝑋̅𝛽
𝑛

∑ 𝑥𝑖 2
𝑋̅𝛽 = − 𝑋̅ 2
𝑛

∑ 𝑥𝑖 2 ̅ 2
−𝑋
𝛽= 𝑛
𝑋̅
BAB III
KESIMPULAN

Dari pembuktian teorema di atas, maka disimpulkan bahwa pada distribusi


gamma:
1. 𝜇 = 𝐸(𝑋) = 𝛼𝛽
2. 𝜎 2 = 𝛼𝛽 2
Dari hasil pembuktian tersebut, ditemukan hasil:
1. 𝛼 = 𝑋̅𝛽 −1
∑ 𝑥𝑖 2
−𝑋̅ 2
𝑛
2. 𝛽 = 𝑋̅