MAKALAH

DISTRIBUSI GAMMA
Makalah Dibuat Dalam Rangka Memenuhi Tugas Mata Kuliah
Statistika Matematika 1
( Dosen Pengampu : Wilujeng, M.Pd )

Di susun Oleh :
1. M. Sulton Umam ( 1714500015 )
2. Nur Azizah ( 1714500059 )
3. Ulfa Nur Afifah ( 1714500067 )

Kelas 3C Pendidikan Matematika

Kelompok 9

PROGRAM STUDI PENDIDIKAN MATEMATIKA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN
UNIVERSITAS PANCASAKTI TEGAL
2015
 DISTRIBUSI GAMMA

A. Definisi Distribusi Gamma

Definisi 1:
Distribusi Gamma adalah distribusi fungsi padat yang terkenal luas
dalam bidang matematika. Distribusi Gamma mampu memecahkan masalah
teknik dan sains yang tidak mampu dipecahkan oleh distribusi Normal.
Definisi 2:
Distribusi Gamma mencangkup distribusi-distribusi khusus yaitu
distribusi Eksponensial, distribusi Khi-kuadrat, dan distribusi Beta.
Definisi 3:
Suatu distribusi yang sering muncul dalam penerapan disebut
distribusi Gamma. Nama ini diperoleh dari adanya relasi distribusi ini dengan
fungsi Gamma. Fungsi Gamma, dinotasikan dengan г 𝜶 untuk α > 0, yang
didefinisikan sebagai:
 untuk α > 0
∞
г 𝜶 = 𝒚𝜶−𝟏 𝒆−𝒚 𝒅𝒚
𝟎

 untuk α = 1
∞
г 𝟏 = 𝒚𝜶−𝟏 𝒆−𝒚 𝒅𝒚 = 𝟏
𝟎

 untuk α > 1
∞
г 𝜶 = (𝜶 − 𝟏) 𝒚𝜶−𝟐 𝒆−𝒚 𝒅𝒚 = 𝜶 − 𝟏 г(𝜶 − 𝟏)
𝟎

Dari hasil ini, dapat disimpulkan bahwa khusus untuk α bilangan bulat
positif yang lebih besar dari 1 maka:

г 𝜶 = 𝜶−𝟏 𝜶−𝟏 … 𝟑 𝟐 𝟏 = 𝜶−𝟏 !

 Atau dapat disimpulkan bahwa fungsi Gamma memiliki sifat-sifat sebagai
berikut:
 г 𝜶 = 𝜶 − 𝟏 г(𝜶 − 𝟏) α>0
 г 𝒏 = 𝜶−𝟏 ! 𝒏 = 𝟏, 𝟐, 𝟑, …
 г 𝟏 =𝟏
𝟏
 г = 𝝅
𝟐

B. Persamaan Umum Distribusi Gamma

Misalkan y pada fungsi Gamma di persamaan (1) merupakan variabel
yang bergantung pada variabel 𝑥 𝑑𝑎𝑛 𝛽, yaitu 𝑦 = 𝑥/𝛽, dengan 𝛽 > 0, maka
persamaan menjadi:
∞ 𝜶−𝟏
𝒙 𝟏
г 𝜶 = 𝒆−𝒙 𝜷 𝒅𝒙
𝟎 𝜷 𝜷

𝟏
Jika masing-masing ruas dikalikan dengan dengan maka
г(𝜶)

persamaan tersebut akan ekuivalen dengan:

∞
𝟏
𝟏= 𝒙𝜶−𝟏 𝒆−𝒙 𝜷 𝒅𝒙
𝟎 г(𝜶)𝜷𝜶

Karena 𝛼 > 0, 𝛽 > 0, maka fungsi:

𝟏
𝒙𝒂−𝟏 𝒆−𝒙/𝜷 , 𝟎<𝑥<∞
𝒇(𝒘) = г(𝜶)𝜷𝜶
𝟎, 𝒙 𝒍𝒂𝒊𝒏𝒏𝒚𝒂

Dimana α > 0 dan β > 0

Keterangan:
β = waktu rata-rata antar kejadian
α = jumlah kejadian yang terjadi berurutan pada waktu atau ruang tertentu
λ = jumlah kejadian per unit waktu atau ruang (λ= 1/β)
x = nilai random variabel (lama waktu atau luasan area hingga kejadian
berikutnya)
 Nilainya selalu nonnegatif dan total integralnya selalu 1. Dengan kata
lain fungsi tersebut memenuhi syarat-syarat sebagai pdf. Variabel acak X
dengan pdf seperti pada persamaan (4) disebut variabel acak yang
berdistribusi gamma dengan parameter α dan β dinotasikan:
X ~ GAM ( α, β ) atau X ~ г ( α, β )
Jadi, Variabel random X dikatakan mempunyai distribusi Gamma
dengan parameter 𝛼 > 0 𝑑𝑎𝑛 𝛽 > 0, atau dinotasikan X ~ GAM ( α, β ) atau
X ~ г ( α, β ), jika X mempunyai fdp berbentuk:
𝟏
𝒇(𝒙; 𝜶, 𝜷) = 𝒙𝜶−𝟏 𝒆−𝒙/𝜷
г(𝜶)𝜷𝜶
untuk 0 < x < ∞, α > 0, β > 0 dan 0 untuk nilai x lainnya
 Parameter α disebut juga parameter bentuk ( shape parameter )
 Parameter β disebut juga parameter skala ( scale parameter )
Dalam aplikasinya, distribusi gamma dapat digunakan untuk
memodelkan distribusi peluang dari waktu tunggu atau masa hidup suatu
objek atau individu.

Distribusi Gamma Standard

Distribusi Gamma Standard adalah jika parameter skala sebuah
distribusi gamma  = 1 diperoleh suatu distribusi gamma standar:
x
t α−1 e−t
FG = x ∶  = P X  x = dt
Г(α)
0
x
P X ≤ x = FG x ; ,  = FG ;α
β
Tabel Gamma

 Fungsi Pembangkit Momen dari Distribusi Gamma

Berdasarkan definisi mgf
∞
1
𝑀(𝑡) = 𝐸[𝑒 𝑡𝑥 ] = 𝑒 𝑡𝑥 𝑥 𝛼−1 𝑒 −𝑥/𝛽 𝑑𝑥
0 𝛽𝛼 г(𝛼)
∞
1
= 𝑒 𝑡𝑥 𝑥 𝛼 −1 𝑒 −𝑥(1−𝛽𝑡 )/𝛽 𝑑𝑥
0 𝛽 𝛼 г(𝛼)

Melalui pemisalan 𝑦 = 𝑥 (1 − 𝛽𝑡) dengan 𝑡 < 1/𝛽, maka 𝑥 = 𝛽𝑦/(1 −

𝛽𝑡), sehingga
𝛽
∞ (1 − 𝛽𝑡) 𝛼−1
𝛽𝑦
𝑀(𝑡) = 𝑒 −𝑦 𝑑𝑦
0 𝛽𝛼 г 𝛼 1 − 𝛽𝑡
∞
1 1 𝛼−1 −𝑦
= ( )𝛼 𝑦 𝑒 𝑑𝑦
0 1 − 𝛽𝑡 г(𝛼)
∞
1 1 𝛼−1 −𝑦
=( )𝛼 𝑦 𝑒 𝑑𝑦
1 − 𝛽𝑡 0 г(𝛼)

Karena fungsi yang ada di bawah integral adalah pdf dari distribusi gamma
maka nilai integralnya adalah 1. Akibatnya:
𝟏 𝟏
𝑴 𝒕 =( )𝜶 , 𝒖𝒏𝒕𝒖𝒌 𝒕 <
𝟏 − 𝜷𝒕 𝜷
 Rata-rata (Mean) dari Distribusi Gamma
Karena turunan pertama dari M adalah :
𝑀′ 𝑡 = −𝛼 1 − 𝛽𝑡 −𝛼−1 (−𝛽)

Dan turunan ke duanya :

𝑀′′ 𝑡 = −𝛼 1 − 𝛽𝑡 −𝛼 −2 (−𝛽)2

Maka Mean untuk distribusi Gamma adalah:

𝐄 𝐱 𝐗~ 𝛂, 𝛃 𝐚𝐭𝐚𝐮 𝛍 = 𝐌′ 𝟎 = 𝛂𝛃

 Variansi dari Distribusi Gamma 𝐸 𝑥 2 𝑋~ 𝛼, 𝛽

𝐄 𝐱 𝟐 = 𝛔𝟐 = 𝐌 ′′ 𝟎 − 𝛍𝟐
= 𝛂 𝛂 + 𝟏 𝛃𝟐 − 𝛂𝟐 𝛃𝟐
= 𝛂𝛃𝟐

Dengan cara lain Pembuktian Mean dan Variansi X ~ GAM ( α, β ) dapat

diperoleh sebagai berikut:
∞
1 𝑥
𝛼 −1 𝑒 −𝛽 𝑑𝑥
𝐸(𝑋) = 𝑥 𝑥
𝛽 𝛼 г(𝛼)
0
∞
1 𝑥
𝛼 +1 −1 𝑒 −𝛽
= 𝛼 𝑥 𝑑𝑥
𝛽 г(𝛼)
0
∞
𝛽 𝛼+1 г(𝛼 + 1) 1 𝑥
(𝛼+1)−1 𝑒 −𝛽 𝑑𝑥
= 𝑥
𝛽 𝛼 г(𝛼) 𝛽 𝛼+1 г(𝛼 + 1)
0

𝛽 𝛼+1 г(𝛼 + 1)
= 1
𝛽 𝛼 г(𝛼)
𝛼 г(𝛼)
=𝛽
г(𝛼)
= 𝛼𝛽

Dengan cara yang sama E (X²) = β² α(1+α) sehingga Var (X) = β² α(1+α) –
(αβ)² = αβ²
C. Latihan Soal Dan Pembahasan Mengenai Distribusi Gamma
1. Variable acak kontinu x yang menyatakan ketahanan suatu bantalan
peluru (dalam ribaun jam) yang diberi pembebanan dinamis pada suatu
putaran kerja tertentu mengikuti suatu distribusi gamma dengan  = 8 dan
 = 15, Tentukan, probabilitas sebuah bantalan peluru dapat digunakan
selama 60 ribu-120 ribu jam dengan pembebanan dinamik pada putaran
kerja tersebut!
Jawab :
P (60  x  120) = P (x  120) – P (x  60)
= FG (120; 8 , 15) - FG (60 ; 8, 15 )
= FG (120/15 ; 8) - FG (60/15; 8)
= FG (8 ;8) - FG (4 ; 8)
= 0,5470 – 0,0511
= 0,4959
Jadi, probabilitas sebuah bantalan peluru dapat digunakan selama 60 ribu-
120 ribu jam dengan pembebanan dinamik pada putaran kerja adalah
0,4959.

2. Didalam kajian biomedis dengan tikus suatu penelitian dosis tanggapan

yang digunakan untuk bertahan menentukan pengaruh dosis bahan racun
pada waktu hidup mereka.bahan racun tersebut adalah zat yang secara
teratur dibuang ke atmosfer dari bahan bakar jet. Untuk suatu dosis bahan
racun tertentu kajian tersebut menentukan bahwa waktu bertahannya
dalam 1 minggu mengikuti sebaran gamma dengan α = 5 dan β = 10 .
Berapakah probabilitas seekor tikus hidup lebih lama dari 60 minggu?
Penyelesaian:
Ambil peubah acak x sebagai waktu bertahan (waktu kematian).
Probabilitas yang dibutuhkan adalah :
𝑥 𝑥
−
𝑥 𝛼−1 𝑒 𝛽
P X≤x = 𝑑𝑥
г 𝛼 𝛽𝛼
0
 60 𝑥
−
𝑥 𝛼−1 𝑒 𝛽
P X ≤ 60 = 𝑑𝑥
г 5 𝛽5
0

Integral diatas dapat dipecahkan melalui penggunaan fungsi gamma tak

lengkap yang menjadi fungsi distribusi kumulatif bagi distribusi gamma.
Fungsi ini ditulis sebagai:
𝑥
𝑡 𝛼−1 𝑒 −𝑡
𝐹 𝑥; 𝛼 = 𝑑𝑡
Г(𝛼)
0

Jika kita ambil t = x/β dan x = βt , kita dapatkan

6
𝑡 4−1 𝑒 −𝑡
P X ≤ 60 = 𝑑𝑡
Г 5
0

Yang ditunjukkan sebagai F(6;5) tentu saja untuk masalah ini,

probabilitas tikus bertahan hidup tidak lebih lama daripada 60 hari
diberikan oleh P(X ≤ 60) = F (6;5) = 0,715

3. Suatu panggilan telepon datang pada papan switching mengikuti proses

poisson, dengan rata-rata 5 sambungan datang tiap menit. Tentukan
peluang hingga 1 menit berlalu baru 2 sambungan yang datang.
Penyelesaian:
Proses poisson dapat diterapkan dengan menunggu 2 kejadian Poisson
1
terjadi mempunyai distribusi Gamma dengan 𝛽 = 5 dan 𝛼 = 2. Misalkan

X adalah selang waktu sebelum 2 panggilan telepon datang. Peluangnya

adalah :
1
1 𝛼−1 𝑒 −𝑥 𝛽 𝑑𝑥
P(𝑋 ≤ 1) = 𝛼𝑥
0 г(𝛼)𝛽
1
1 1
= 𝑥 2−1 𝑒 −𝑥 5 𝑑𝑥
1 2
0 г 2
5
1
= 25 𝑥𝑒 −5𝑥 𝑑𝑥
0
1
= 25 𝑥 𝑒 −5𝑥 𝑑𝑥
0
= 1 − 𝑒 −5𝑥 (1 + 5)
= 0,96
4. Misal X mempunyai pdf
1
𝑥𝑒 −𝑥/2 , 0 < 𝑥<∞
𝑓 𝑥 = 32
0, 𝑥 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
Tentukan mean, variansi, dan mgf dari X !
Penyelesaian:
dari bentuk pdf dari X, dapat disimpulkan bahwa X berdistribusi 𝜒 2 (4)
sehingga :
𝑟
𝜇 = 𝛼𝛽 = 2=𝑟=4
2
𝑟 2
𝜎 2 = 𝛼𝛽² = 2 = 2𝑟 = 8
2
1
𝑀 𝑡 = 1 − 2𝑡 −2 , 𝑡 <
2

5. Tentukan distribusi dari variabel acak X, dengan mgf 𝑀 𝑡 =

−8 1
1 − 2𝑡 ,𝑡 < 2

Penyelesaian :
Karena bentuk umum mgf distribusi 𝜒 2 𝑟 adalah 𝑀 𝑡 = 1 −
−2 1
2𝑡 , 𝑡 < 2 , maka :
P( a < X < b ) = P(a < X 𝑎 ≤ 𝑋 ≤ 𝑏)
=𝑃 𝑋 ≤𝑏 −𝑃 𝑋 ≤𝑎

Secara manual nilai P(X≤b) dapat ditentukan dengan menghitung integral

𝑏
1 𝑟 𝑥
𝑃 𝑋≤𝑏 = 𝑟 𝑥 2−1 𝑒 −2 𝑑𝑥
𝑟 2
0 г 2
2
Namun cara ini kurang praktis, karena itu dikenalkan tabel chi-square
yang terbatas untuk derajat bebas r =1,2,…30. Ketika derajat bebas yang
digunakan lebih dari 30, atau b yang digunakan tidak ada di tabel, maka
dapat digunakan software statistik.
6. Jika diketahui waktu maksimum penyelesaian suatu proyek berdistribusi
1
gamma dengan 𝛼 = 6 dan 𝛽 = 2. Berapa rata-rata dan variansi distribusi

tersebut?
Penyelesaian:
𝜇 = 𝛼𝛽
1
=6 ×
2
=3

𝜎 2 = 𝛼𝛽2
1 2
= 6 × 2

6
=
4
= 1,5
 DAFTAR PUSTAKA

Evita Nuryani, Distribusi Gamma, Beta dan Weibull, Universitas Islam Negeri
(UIN) Malang
A.Nina Rosana Chytrasari, Msi.Buku Ajar Statistika Matematika 1, S1/Semester
V/3 SKS.
Agustina Eunike, ST., MT., MBA, Buku Ajar Statistika Industri 1
Mukhtasor, Distribusi Teoritis Variabel acak kontinu (Statistika Rekayasa,
Keandalan dan resiko), Semester Genap 2010/2011
Djarwanto, dkk. 1996. Statistik Induktif. BPFE :Yogyakarta
Harinaldi. 2005. Prinsip-prinsip Statistik untuk Teknik dan Sains. Erlangga :
Jakarta