Disusun untuk Memenuhi Tugas Mata Kuliah Analisis Data Uji Hidup
oleh
JURUSAN MATEMATIKA
2019
DISTRIBUSI EKSPONENSIAL
merupakan suatu distribusi yang berguna untuk mencari selisih waktu yang terjadi
dalam suatu peluang tertentu. Dalam distribusi eksponensial ini digunakan peubah
acak kontinu. Peubah acak 𝑋 yang berdistribusi eksponensial disebut juga peubah
acak eksponensial dengan penulisan notasi dari peubah acak yang berdistribusi
Peubah acak X dikatakan berdistribusi eksponensial jika dan hanya jika fungsi
densitasnya
1 −𝑥
𝑓(𝑥) = ( ) 𝑒 𝜃 ; 𝑥 ≥ 0, 𝜃 > 0
𝜃
= 0 ; 𝑥 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
1
2. 𝜎 2 = 𝜆2 = 𝜃 2
1
3. 𝑀𝑥 (𝑡) = (1 − 𝜃𝑡)−1 ; 𝑡 < 𝜃
Bukti
0 ∞
= ∫ 𝑥 𝑓(𝑥) 𝑑𝑥 + ∫ 𝑥 𝑓(𝑥) 𝑑𝑥
−∞ 0
0 ∞
1 −𝑥
= ∫ 𝑥 0 𝑑𝑥 + ∫ 𝑥 𝑒 𝜃 𝑑𝑥
−∞ 0 𝜃
𝑏
1 −𝑥
= 0+ lim ∫ 𝑥 𝑒 𝜃 𝑑𝑥
𝜃 𝑏→𝛼 0
𝑏
1 −𝑥
= lim ∫ 𝑥 𝑒 𝜃 𝑑𝑥
𝜃 𝑏→𝛼 0
Misalnya: u = x, maka du = dx
−𝑥 −𝑥
dv = 𝑒 𝜃 dx, maka v = - 𝜃 𝑒 𝜃
𝑏 −𝑥
1 −𝑥
𝜇 = 𝐸(𝑋) = (−𝑥 𝜃 𝑒 𝜃 ]𝑏𝑥=0 + 𝜃 ∫ 𝑒 𝜃 𝑑𝑥)
𝜃 0
1 −𝑥 −𝑥
= lim [−𝑏 𝜃 𝑒 𝜃 + 𝜃 2 ( 𝑒 𝜃 + 1) 𝑑𝑥]
𝜃 𝑏→∞
1 −𝑥 −𝑥
= [ lim (−𝑏 𝜃 𝑒 𝜃 ) + lim (𝜃 2 𝑒 𝜃 ) + 𝜃 2 ]
𝜃 𝑏→∞ 𝑏→∞
1
= ( ) (0 + 𝜃 2 + 0)
𝜃
𝜇 = 𝐸(𝑋) = 𝜃 (terbukti)
dengan:
∞
𝐸(𝑋 2 ) = ∫ 𝑥 2 𝑓(𝑥) 𝑑𝑥
−∞
0 ∞
= ∫ 𝑥 𝑓(𝑥) 𝑑𝑥 + ∫ 𝑥 2 𝑓(𝑥) 𝑑𝑥
2
−∞ 0
0 ∞
1 −𝑥
= ∫ 𝑥 2 0 𝑑𝑥 + ∫ 𝑥 2 𝑒 𝜃 𝑑𝑥
−∞ 0 𝜃
1 𝑏 2 −𝑥
= 0 + ∫ 𝑥 𝑒 𝜃 𝑑𝑥
𝜃 0
1 𝑏 2 −𝑥
= ∫ 𝑥 𝑒 𝜃 𝑑𝑥
𝜃 0
Misalnya: 𝑢 = 𝑥 2 , 𝑚𝑎𝑘𝑎 𝑑𝑢 = 2𝑥 𝑑𝑥
−𝑥 −𝑥
𝑑𝑣 = 𝑒 𝜃 𝑑𝑥, 𝑚𝑎𝑘𝑎 𝑣 = −𝜃 𝑒 𝜃
1 −𝑥 −𝑥
𝐸(𝑋 2 ) = lim [(−𝑥 2 𝜃 𝑒 3 ]𝑏𝑥=0 ) + 2𝜃(−𝑥 𝜃 𝑒 𝜃 ]𝑏𝑥=0
𝜃 𝑏→∞ −𝑥
− 𝜃 2 𝑒 𝜃 ]𝑏𝑥=0 ) ]
1 −𝑏 −𝑏 −𝑏
= lim [−𝑏 2 𝜃 𝑒 𝜃 + 0 + 2𝜃(−𝑏 𝜃 𝑒 𝜃 + 0 − 𝜃 2 𝑒 𝜃
𝜃 𝑏→∞
+ 𝜃2) ]
1 −𝑏 −𝑏 −𝑏
= lim [−𝑏 2 𝜃 𝑒 𝜃 + 2𝜃 2 lim (𝑏 𝑒 𝜃 ) − 2𝜃 3 lim ( 𝑒 𝜃 )
𝜃 𝑏→∞ 𝑏→∞ 𝑏→∞
+ 2𝜃 3 ) ]
1
= (0 − 0 − 0 + 2𝜃 3 )
𝜃
= 2𝜃 2
0 ∞
𝑡𝑥
= ∫ 𝑒 𝑓(𝑥) 𝑑𝑥 + ∫ 𝑒 𝑡𝑥 𝑓(𝑥) 𝑑𝑥
−∞ 0
0 ∞
1 −𝑥
= ∫ 𝑒 𝑡𝑥 0 𝑑𝑥 + ∫ 𝑒 𝑡𝑥 𝑒 𝜃 𝑑𝑥
−∞ 0 𝜃
1 1
= 0+ lim [𝑒 −𝑥(𝜃)−𝑡 ] 𝑑𝑥
𝜃 𝑏→∞
𝑏
1 1
= lim ∫ [𝑒 −𝑥(𝜃)−𝑡 ] 𝑑𝑥
𝜃 𝑏→∞ 0
1 −1 1
= lim ( − 𝑒 −𝑥[𝜃−𝑡] ]𝑏𝑥=0 )
𝜃 𝑏→∞ 1 − 𝑡
𝜃
1 1
= lim (𝑒 −𝑥[𝜃−𝑡] + 1)
1 − 𝜃𝑡 𝑏→∞
1
= 1 − 𝜃𝑡 −1 ( lim (𝑒 −𝑥[𝜃−𝑡] + 1) + 1)
𝑏→∞
= (1 − 𝜃𝑡)−1 (0 + 1)
Peluang yang terjadi pada suatu percobaan mempengaruhi selisih waktu yang
Mempunyai 𝑥 ≥ 0
Dalam uji hidup, lama waktu mulai dipakai sampai rusaknya suatu suku
cadang dan alat listrik memenuhi distribusi eksponensial. Tingkat kegagalan yang
besar berarti risiko kegagalan tinggi dan tahan hidup pendek, sedangkan tingkat
kegagalan yang kecil berarti risiko kegagalan rendah dan tahan hidup lama. Jika 𝑇
1 −𝑡
𝑓(𝑡) = ( ) 𝑒 𝜃 ; 𝑡 ≥ 0, 𝜃 > 0
𝜃
= 0 ;𝑡 < 0
𝑡
1 −𝑡
= ∫ ( ) 𝑒 𝜃 𝑑𝑡
0 𝜃
𝑡
1 −𝑡 −𝑡
= 𝜃∫ ( )𝑒 𝜃 𝑑( )
0 𝜃 𝜃
𝑡 −𝑡
−𝑡
= ∫ 𝑒 𝜃 𝑑( )
0 𝜃
−𝑡 𝑡
= −𝑒 𝜃 ]
0
−𝑡 −0
= (−𝑒 𝜃 ) − (−𝑒 𝜃 )
−𝑡
=1−𝑒𝜃
−𝑡
Fungsi tahan hidupnya adalah 𝑆(𝑡) = 1 − 𝐹(𝑡) = 𝑒 𝜃
𝑓(𝑡) 1
Fungsi kegagalannya adalah ℎ(𝑡) = 𝑆(𝑡) = 𝜃
DISTRIBUSI NORMAL
1 [𝑥−𝜇]2
𝑓(𝑥) = 𝑒𝑥𝑝 (− ) ; −∞ < 𝑥 < ∞
√2𝜋𝜎 2𝜎2
1 1 ln 𝑥−𝜇 2
− ( )
𝑓(𝑥) = {√2𝜋𝑥 2 𝜎 2 𝑒 2 𝜎 >0 ;𝑥
0; 𝑥 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
DISTRIBUSI WEIBULL
Distribusi Weibull adalah distribusi yang paling banyak digunakan untuk waktu
hidup dalam teknik ketahanan. Distribusi ini adalah distribusi serbaguna yang
Misal x adalah peubah acak, maka fkp dari peubah acak Weibull dengan
𝛽
𝑓𝑤 (𝑥; 𝛽, 𝜃) = 𝛽𝜃𝛽 𝑥 𝛽−1 𝑒 −(𝑥) ; 𝛽, 𝜃 > 0
𝑥 𝑘
−( )
𝐹(𝑥) = {1 − 𝑒 𝜆 , 𝑥≥0
0, 𝑥<0
dimana λ > 0 adalah parameter bentuk dan k > 0 adalah parameter skala. Fungsi
kepadatan peluangnya adalah turunan dari fungsi distribusi kumulatifnya tersebut.
𝑑𝐹(𝑥; 𝜆, 𝑘)
𝑓(𝑥; 𝜆, 𝑘) =
𝑑𝑥
𝑑 𝑥 𝑘
−( )
= (1 − 𝑒 𝜆 )
𝑑𝑥
𝑘 𝑥 𝑘−1 −(𝑥−𝜆)𝑘
= ( ) 𝑒
𝜆 𝜆
dengan demikian dapat didefinisikan fungsi kepadatan peluangnya adalah
𝑘 𝑥 𝑘−1 −(𝑥)𝑘
𝑓(𝑥; 𝜆, 𝑘) = {𝜆 (𝜆 ) 𝑒 𝜆 ,𝑥 ≥ 0
0, 𝑥 < 0
1
𝜇 = 𝜆Γ(1 + )
𝑘
2 1
𝜎 2 = 𝜆2 [Γ (1 + ) − Γ 2 (1 + )]
𝑘 𝑘
Mean dan varian dari distribusi Weibull dapat diperoleh dengan metode momen.
Proses metode momen untuk mendapatkan mean dan varian adalah sebagai
berikut.
1. Mean
𝜇 = ∫ 𝑥 𝑓(𝑥; 𝜆, 𝑘) 𝑑𝑥
0
∞
𝑥𝑘 𝑥 𝑘−1 −(𝑥)𝑘
=∫ ( ) 𝑒 𝜆 𝑑𝑥
𝜆 𝜆
0
𝑥 𝑘
𝑢=( )
𝜆
1
𝑥 = 𝜆𝑢𝑘
𝑘 𝑥 𝑘−1
𝑑𝑢 = ( ) 𝑑𝑥
𝜆 𝜆
maka persamaan tersebut akan menjadi
∞
1
𝜇 = 𝜆 ∫ 𝑢𝑘 𝑒 −𝑢 𝑑𝑢
0
2.Varian
𝜎 2 = 𝐸(𝑋 − 𝜇)2
= 𝐸(𝑋 2 − 2𝑋𝑋̅ + 𝑋̅ 2 )
= 𝐸(𝑋 2 ) − 2𝜇𝜇 + 𝜇 2
= 𝐸(𝑋 2 ) − 𝜇 2
∞
𝑥 2 𝑘 𝑥 𝑘−1 −(𝑥)𝑘
=∫ ( ) 𝑒 𝜆 𝑑𝑥
𝜆 𝜆
0
DISTRIBUSI GAMMA
A. Konsep Distribusi Gamma
Distribusi gamma adalah distribusi fungsi padat yang disebut luas dalam
bidang mateematika. Model distribusi gamma umumnya digunkan untuk mengkaji
peubah acak kontinu yang berharga non negatif. Khususnya pemakaian model ini
dapat dijumpai sebagai model peluang untuk masalah waktu tunggu (waiting
time). Umpamanya dalam pengujian tahan pakai sejenis alat. Waktu tunggu
sampai alat tersebut tidak berfungsi lagi adalah peubah acak yang dapat
digambarkan dengan baik oleh model distribusi gamma.
Penamaan gamma (𝛤) pada distribusi gamma berasala dari fungsi gamma yang
didefinisikan sebagai :
~
𝛤(𝛼) = ∫ 𝑥 𝛼−1 𝑒 −𝑥 𝑑𝑥
0
Apabila α = 1, maka :
~
𝛤(1) = ∫0 𝑒 −𝑥 𝑑𝑥 = 1
Dan apabila α > 1, maka dapat ditunjukkan melalaui integral parsial bahwa :
~
𝛤(α) = (α − 1) ∫0 𝑒 −𝑥 𝑑𝑥 = (α − 1) 𝛤(α − 1)
Dari hasil tersebut, dapat disimpulkan bahwa khusus untuk α bilangan bulat
positif yang lebih besar dari 1 maka :
Dari persamaan 𝛤(1) = 1 dan dari persamaan 𝛤(α) = (α − 1)! maka cukup
beralasan jika α = 0 didefinisikan bernilai 1.
1
𝑓(𝑥 : 𝛼, 𝛽) = 𝑥 𝛼−1 𝑒 −𝑥/𝛽 :x>0
𝛽 𝛼 𝛤(𝛼)
=0;x≥0
~
Dimana : 𝛤(𝛼) = ∫0 𝑥 𝛼−1 𝑒 −𝑡 𝑑𝑡
Untuk mengetahui mean dan varian dari distribusi gamma, kita harus mengetahui
fungsi pembangkit momennya terlebih dahulu :
∞
𝑀𝑥 (𝑡) = ∫ 𝑒 𝑡𝑥 𝑓(𝑥) 𝑑𝑥
0
∞
1
= ∫ 𝑒 𝑡𝑥 𝛼 𝑥𝛼−1 𝑒−𝑥/𝛽 𝑑𝑥
0 𝛽 𝛤(𝛼)
∞
1
= ∫ 𝛼 𝑥𝛼−1 𝑒−𝑥(1−𝛽𝑡)/𝛽 𝑑𝑥
0 𝛽 𝛤(𝛼)
𝛽𝑦 𝛽
𝑥= dan 𝑑𝑥 = 𝑑𝑦
1−𝛽𝑡 1−𝛽𝑡
Akibatnya,
∞
1 𝛽𝑦 𝛼−1 −𝑦 𝛽
𝑀𝑥 (𝑡) = ∫ 𝛼
( ) 𝑒 ( ) 𝑑𝑦
0 𝛽 𝛤(𝛼) 1 − 𝛽𝑡 1 − 𝛽𝑡
∞
1 𝛽𝑦 𝛼−1 −𝑦 𝛽
= ∫ 𝛼
( ) 𝑒 ( ) 𝑑𝑦
0 𝛽 𝛤(𝛼) 1 − 𝛽𝑡 1 − 𝛽𝑡
𝛼 ∞
𝛽 1
= ( ) 𝛼 ∫ 𝑦 𝛼−1 𝑒 −𝑦 𝑑𝑦
1 − 𝛽𝑡 𝛽 𝛤(𝛼) 0
1
= 1 − 𝛽𝑡 −𝛼 ; t <𝛽
𝜇 = 𝑀′𝑥 (0) = 𝛼𝛽
𝜎 2 = 𝑀′′ 𝑥 (0) − 𝜇 2
= 𝛼(𝛼 + 1)𝛽 2 − 𝛼 2 𝛽 2
=𝛼𝛽 2