MODEL-MODEL PENTING DALAM UJI HIDUP

Disusun untuk Memenuhi Tugas Mata Kuliah Analisis Data Uji Hidup

Dosen Pengampu: Drs. Arief Agoestanto., M.Si.

oleh

Vivi Rosiyana Dewi (4112316002)

Mitha Ramadhani Pratiwi (4112317007)

Reza Dilla Saputri (4112317010)

JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI SEMARANG

2019
 DISTRIBUSI EKSPONENSIAL

A. Konsep Distribusi Eksponensial

Distribusi eksponensial adalah salah satu distribusi yang banyak

digunakan dalam statistika, khususnya proses stokastik. 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

eksponensial adalah 𝐸𝑥𝑝(𝑥; 𝜃) atau 𝑋~𝐸𝑥𝑝(𝜃), artinya peubah acak X

berdistribusi eksponensial dengan parameter θ.

Distribusi eksponensial diperoleh dari distribusi gamma dengan α = 1.

Sehingga kita peroleh definisi distribusi eksponensial berikut.

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

Mean, varian, dan fungsi pembangkit momen dari distribusi eksponensial

dirumuskan sebagai berikut.

1
1. 𝜇 = 𝜆 = 𝜃

1
2. 𝜎 2 = 𝜆2 = 𝜃 2

1
3. 𝑀𝑥 (𝑡) = (1 − 𝜃𝑡)−1 ; 𝑡 < 𝜃
Bukti

Berdasarkan definisi rataan kontinu, maka:

∞
𝜇 = 𝐸(𝑋) = ∫ 𝑥 𝑓(𝑥)𝑑𝑥
−∞

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

Integral diatas diselesaikan dengan menggunakan integral parsial.

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)

Berdasarkan definisi varians, maka:

𝜎 2 = 𝑉𝑎𝑟 (𝑋) = 𝐸(𝑋 2 ) − [𝐸(𝑋)]2

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

Integral ini diselesaikan dengan menggunakan integral parsial.

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

𝑚𝑎𝑘𝑎: 𝜎 2 = 𝑉𝑎𝑟(𝑋) = 2𝜃 2 − 𝜃 2 = 𝜃 2 (terbukti)

Berdasarkan definisi fungsi pembangkit momen kontinu, maka:

∞
𝑀𝑥 (𝑡) = ∫ 𝑒 𝑡𝑥 𝑓(𝑥) 𝑑𝑥
−∞

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)

𝑀𝑥 (𝑡) = (1 − 𝜃𝑡)−1 (terbukti)

Peluang panjang selang waktu kejadian pertama terjadi sampai melewati 𝑋 sama
dengan peluang tidak ada kejadian. Fungsi distribusi kumulatif dari 𝑋 adalah:
𝑃(0 ≤ 𝑋 ≤ 𝑥) = 1 − 𝑃(𝑋 ≥ 𝑥) = 1 − 𝑒 −𝜆𝑥
B. Karakteristik Distribusi Eksponensial

 Mempunyai nilai variansi 𝜎 2 = 𝜃2

 Mempunyai nilai mean 𝜇 = 𝜃

 Mempunyai standart deviasi sama dengan mean yakni 𝜎 = 𝜃

 Pencarian pada distribusi eksponensial menggunakan peubah acak kontinu

 Peluang yang terjadi pada suatu percobaan mempengaruhi selisih waktu yang

terjadi pada percobaan tersebut

 Mempunyai nilai 𝜃 > 0

 Mempunyai 𝑥 ≥ 0

 Kurva disktibusi eksponensial bergantung nilai 𝑥 dan 𝜆

C. Penerapan Distribusi Eksponensial

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

adalah waktu tahan hidup yang mengikuti distribusi eksponensial dengan

parameter 𝜃 fungsi densitas peluang distribusi eksponensial (𝑡, 𝜃) adalah

1 −𝑡
𝑓(𝑡) = ( ) 𝑒 𝜃 ; 𝑡 ≥ 0, 𝜃 > 0
𝜃

= 0 ;𝑡 < 0

dengan 𝜃 adalah rata-rata waktu kegagalan dan 𝑡 adalah waktu percobaan.

𝑡
Fungsi distribusi kumulatifnya adalah 𝐹(𝑡) = ∫0 𝑓(𝑡)𝑑𝑡

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

Distribusi Normal merupakan distribusi peluang kontinu yang sangat

penting. Distribusi Normal juga sering disebut dengan distribusi Gauss.

Distribusi Normal secara matematis bergantung pada parameter 𝜇 dan 𝜎 2 .

Adapun definisi mengenai Distribusi Normal sebagai berikut:

Definisi 2.1 (Distribusi Normal)

Jika X merupakan sampel acak dari distribusi normal, maka fungsi

kepekatan peluang dari X adalah

1 [𝑥−𝜇]2
𝑓(𝑥) = 𝑒𝑥𝑝 (− ) ; −∞ < 𝑥 < ∞
√2𝜋𝜎 2𝜎2

parameter 𝜇 dan 𝜎 2 merupakan rata-rata dan ragam dari X. Sehingga X mempunyai

distribusi 𝑁(𝜇, 𝜎 2 ) (Hogg and Craig, 1995).

DISTRIBUSI LOG NORMAL

Distribusi Log Normal dalam bentuk sederhana adalah fungsi densitas

dari sebuah peubah acak yang logaritmanya mengikuti hukum distribusi

normal. Adapun definisi dari distribusi Log Normal sebagai berikut:

Definisi 2.2 (Distribusi Log Normal)

Misalkan sebuah peubah acak X bilangan real positif 0 < 𝑋 < ∞.

Sedemikian sehingga 𝑌 = ln 𝑥 merupakan distribusi Normal dengan rata-

rata 𝜇 dan ragam 𝜎 2 .

𝑋 = 𝑒 𝑦 merupakan distribusi Log Normal atau dapat ditulis dengan
⋀(𝜇, 𝜎 2 ) dan 𝑌 ≈ 𝑁(𝜇, 𝜎 2 ). Karena X dan Y dihubungkan oleh relasi
𝑌 = ln 𝑥, maka fungsi distribusi Log Normal adalah sebagai berikut :

1 1 ln 𝑥−𝜇 2
− ( )
𝑓(𝑥) = {√2𝜋𝑥 2 𝜎 2 𝑒 2 𝜎 >0 ;𝑥
0; 𝑥 𝑦𝑎𝑛𝑔 𝑙𝑎𝑖𝑛𝑛𝑦𝑎

(Aitchison and Brown, 1963)

DISTRIBUSI WEIBULL
Distribusi Weibull adalah distribusi yang paling banyak digunakan untuk waktu

hidup dalam teknik ketahanan. Distribusi ini adalah distribusi serbaguna yang

dapat mengambil karakteristik dari jenis distribusi lain, berdasarkan pada

nilai dari bentuk parameter, (fepslutc, 2011).

Fungsi kepekatan peluang (fkp) distribusi Weibull dua parameter

Misal x adalah peubah acak, maka fkp dari peubah acak Weibull dengan

parameter bentuk β dan parameter skala θ akan dinotasikan oleh

𝛽
𝑓𝑤 (𝑥; 𝛽, 𝜃) = 𝛽𝜃𝛽 𝑥 𝛽−1 𝑒 −(𝑥) ; 𝛽, 𝜃 > 0

(Gupta dan Kundu, 2001).

Fungsi distribusi kumulatif dari distribusi Weibull adalah

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

Mean dan varian distribusi Weibull adalah

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

Mean diperoleh dari momen pertama E(X) = µ.

∞

𝜇 = ∫ 𝑥 𝑓(𝑥; 𝜆, 𝑘) 𝑑𝑥
0

∞
𝑥𝑘 𝑥 𝑘−1 −(𝑥)𝑘
=∫ ( ) 𝑒 𝜆 𝑑𝑥
𝜆 𝜆
0

pada persamaan tersebut di misalkan

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

Selanjutnya disubstitusikan dengan fungsi Gamma , dimana pada fungsi Gamma

 ∞

Γ(𝛼) = ∫ 𝑥 𝛼−1 𝑒 −𝑥 𝑑𝑥; 𝑥 > 0

0

dengan demikian mean distribusi Weibull adalah

∞

Γ(𝛼) = ∫ 𝑥 𝛼−1 𝑒 −𝑥 𝑑𝑥; 𝑥 > 0

0

2.Varian

Varian diperoleh persamaan

𝜎 2 = 𝐸(𝑋 − 𝜇)2

= 𝐸(𝑋 2 − 2𝑋𝑋̅ + 𝑋̅ 2 )

= 𝐸(𝑋 2 ) − 2𝜇𝜇 + 𝜇 2

= 𝐸(𝑋 2 ) − 𝜇 2

untuk menyelesaikan persamaan tersebut harus diketahui terlebih dahulu momen

kedua 𝐸(𝑋 2 ).
∞
2)
𝐸(𝑋 = ∫ 𝑥 2 𝑓(𝑥; 𝜆, 𝑘)𝑑𝑥
0

∞
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

Integral tersebut ada untuk α > 0. sehingga mengakibatakana fungsi 𝛤 selalu

bernilai posistif.

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 :

𝛤(α) = (α − 1) (α − 2) … (3)(2)(1) = (α − 1)!

Dari persamaan 𝛤(1) = 1 dan dari persamaan 𝛤(α) = (α − 1)! maka cukup
beralasan jika α = 0 didefinisikan bernilai 1.

Peubah acak kontinu X dikatakan berdistribusi gamma dengan parameter α >

0 dan β > 0, jika FKP dari X adalah :

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 :

Jika x berdistribusi gamma maka FPMnya adalah :

∞
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)

Sekarang kita tuliskan y = 𝑥(1 − 𝛽𝑡)/𝛽. Jadi :

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

Berdasarkan teorema diatas, kita peroleh :

𝑀′𝑥 (𝑡) = (−𝛼)(−𝛽) (1 − 𝛽𝑡)−𝛼−1

𝑀′𝑥 (𝑡) = (−𝛼)(−𝛼 − 1)(𝛽)2 (1 − 𝛽𝑡)−𝛼−2

Oleh karena itu, mean dan variansinya adalah

𝜇 = 𝑀′𝑥 (0) = 𝛼𝛽

𝜎 2 = 𝑀′′ 𝑥 (0) − 𝜇 2

= 𝛼(𝛼 + 1)𝛽 2 − 𝛼 2 𝛽 2

=𝛼𝛽 2

B. Karakteristik Distribusi Gamma

 Mempunyai nilai variansi 𝜎 2 = 𝛼𝛽2

 Mempunyai nilai mean 𝜇 = 𝛼𝛽

 Pencarian pada distribusi gamma menggunakan peubah acak kontinu

  Mempunyai 𝑥 ≥ 0

 Kurva disktibusi eksponensial bergantung nilai 𝑥 dan 𝜆

C. Penerapan Distribusi Gamma

a. Fungsi survivor
Fungsi survivor adalah peluang suatu individu atau objek masih tetap
hidup sampai dengan waktu t yang telah ditentukan. Fungsi survivor
didefinisikan sebagai berikut :
𝑆(𝑡) = 𝑃𝑟 (𝑇 ≥ 𝑡) = 1 − 𝑃𝑟 (𝑇 ≤ 𝑡), dimana F(t) adalah fungsi distribusi
𝑆(𝑡) = 1 − 𝐹(𝑡)
∞
𝑆(𝑡) = ∫ 𝑓(𝑡)𝑑𝑡
0
∞
1
𝑆(𝑡) = ∫ 𝛼 𝑡𝛼−1 𝑒−𝑡/𝛽 𝑑𝑡
0 𝛽 𝛤(𝛼)
𝑡
1
𝑆(𝑡) = 1 − ∫ 𝛼 𝑡𝛼−1 𝑒−𝑡/𝛽 𝑑𝑡
0 𝛽 𝛤(𝛼)
Fungsi survivor distribusi gamma yang kita peroleh adalah suatu fungsi
survivor distribusi gamma dalam bentuk eksplisit. Kita membiarkan fungsi
distribusi gamma dalam bentuk eksplisit karena untuk menyelesaikan
pengintegralan yang ada dalam rumus di atas cukup rumit.
b. Fungsi hazard
Karena fungsi survivor distribusi gamma tidak dalam bentuk eksplisit,
maka fungsi hazardnya juga tidak dalam bentuk eksplisit. Fungsi hazard
didefinisikan sebagai berikut :
1
ℎ(𝑡) = 𝐹′(𝑡)
𝑆(𝑡)
1
ℎ(𝑡) = 𝑓(𝑡)
𝑆(𝑡)
1
𝛼𝑡𝛼−1 𝑒−𝑡/𝛽
𝛽 𝛤(𝛼)
ℎ(𝑡) =
𝑡 1
1 − ∫0 𝛼 𝑡𝛼−1 𝑒−𝑡/𝛽 𝑑𝑡
𝛽 𝛤(𝛼)