Distribusi Selain Distribusi

Normal
Deni Rachmat
 Distribusi t

• Distribusi t hampir sama dengan distribusi normal, distribusi t digunakan untuk data n < 30.
Jika distribusi t mendekati tak hingga maka distribusi tersebut akan sama dengan distribusi
Normal.
• Distribusi t akan bergantung dari jumlah n, dimana db = n-1,
• Jika n = 21, db = n-1 = 20, n = 6, db = 5 dan db adalah derajat bebas.
• Persamaan distribusi t: n = Jumlah sample, N = jumlah Populasi, maka:
𝑋−𝜇 𝑛
𝑡= Jika < 5% 𝑆
𝑆/ 𝑛 𝑁
𝜇=𝑋± 𝑡
𝑛

𝑋−𝜇 . 𝑛(𝑁−1) 𝑛
𝑡= Jika > 5%
• Estimasi rata-rata
𝑆 (𝑁−𝑛) sample: 𝑁
 Lama Lampu Menyala

CONT’D i

1
𝑋

8750.00
𝑋 𝑋

-5.50
𝑋 𝑋

30.25
2 8800.00 44.50 1980.25
3 8722.00 -33.50 1122.25
4 8775.00 19.50 380.25
• Suatu perusahaan lampu neon menyatakan produk lampunya dapat bertahan selama 2 tahun 5 8765.00 9.50 90.25
(lama pemakaian per hari 12 jam). Untuk membuktikan pernyataan tersebut diambil 2) sampel 6 8769.00 13.50 182.25
produk dan mengujinya pada taraf uji 5% two tail. 7 8715.00 -40.50 1640.25
• Jawab: 8 8780.00 24.50 600.25
• Rata-rata poulasi: 𝑋 𝜇 9 8788.00 32.50 1056.25
𝑡= = 0.722 10 8769.00 13.50 182.25
𝑆/
μ = 12 tahun x 365 hari/tahun x 12 jam/hari =𝑛 8760 jam 11 8736.00 -19.50 380.25
12 8771.00 15.50 240.25
13 8739.00 -16.50 272.25
𝑋 𝑋 14781 14 8745.00 -10.50 110.25
𝑆𝑡𝑎𝑛𝑑𝑎𝑟 𝐷𝑒𝑣𝑖𝑎𝑠𝑖 = 𝜎 = 𝑆 = = = 777.95 = 27.8917
𝑛 1 20 1 15 8788.00 32.50 1056.25
16 8703.00 -52.50 2756.25
𝑆 27.892 17 8755.00 -0.50 0.25
𝑆𝑡𝑎𝑛𝑑𝑎𝑟 𝑀𝑒𝑎𝑛 𝐸𝑟𝑟𝑜𝑟 = = = 6.236
• t table pada db =19 dan α/2
𝑛 = 0.025
20 adalah 2.093 dan t hitung 0.722 (nilai mutlak) 18 8780.00 24.50 600.25
maka t hitung < t tabel, artinya dapat diterima pernyataan lampu neon dapat 19 8710.00 -45.50 2070.25
bertahan hidup selama 2 tahun 20 8750.00 -5.50 30.25
n = 20 𝑋 = 175110.00 14781.00
𝑋= 8755.5 27.8917
 CONT’D

• Persamaan Distribusi t:𝜎

𝑋 𝜇 (𝑋 𝜇)/( )
𝑡= 𝑛 𝑍
𝑆/ 𝑛 𝑡= =
𝑆 /𝜎 𝑉/(𝑛 1)

• dimana:

• Dengan derajat kebebasan db = v = n -1

• Diberikan Z variable random berdistribusi
normal baku dan V variable random
berdistribusi
𝑡=
Chi
𝑍 Square, dengan db n-1,
maka variable
𝑉/(𝑛random
1) t:
 Contoh Latihan

• Produsen merk sekering S menyatakan bahwa jika terjadi kelebihan beban sebanyak 20% maka produknya akan
putus dalam waktu rata-rata 12.40 menit. Telah diuji 20 unit sikering (diberi beban lebih sebanyak 20 %)
menghasilkan simpangan baku 2.48 menit. Jika Waktu yang dimaksud berdistribusi normal, tentukan berapa
probabilitas akan terjadi putus sikering dalam waktu rata-rata lebih dari 10.63 menit?.
• Jawab: μ = 12.40 menit; s = 2.48 menit; n = 20 (db = v = n -1=19); dari sebuah populasi yang berdistribusi normal.
Misal X adalah rata-rata waktu putus sekering maka peluang 𝑃 𝑋 > 10.63 adalah:

𝑋 𝜇 𝑋 𝜇 . 𝑛 (10.63 12.40) 20
𝑡= = = = 3.19
𝑆/ 𝑛 𝑆 2.48
• Dari tabel distribusi t dengan db = 19 diperoleh P(t >2.861) = 0.005, karena 3.19 > 2.861 maka P(t > 3.19) < 0.005,
jadi 𝑃𝑃 𝑋𝑋 >>10.63
10.63 ==𝑃𝑃 𝑡𝑡 >> 3.19
3.19 ==𝑃𝑃 𝑡𝑡 <<3.19
3.19 ==11 𝑃𝑃 𝑡𝑡 >>3.19
3.19 = 1 0.005 = 0.995.
• Jadi probabilitas putus sikering dalam waktu rata-rata lebih dari 10 menit adalah 0.995
Fungsi Padat Peluang Distribusi t
Student’S
• Jika X adalah variable acak berdistribusi t student dengan
derajat kebebasan n, maka fungsi densitas tersebut adalah:
− 𝑛+1)/
Γ 𝑛 + 1 /2 1
𝑓 𝑥 = 1+ 𝑥 𝑢𝑛𝑡𝑢𝑘 ∞<𝑥<∞
Γ 𝑛/2 . 2𝑛𝜋 𝑛

=0 untuk x lainnya
• Jika n menuju tak hingga maka nilai t (distribusi t) akan
mendekati z (distribusi normal baku). Pendekatan ini
umumnya berlaku jika n > 30.
• Kurva distribusi t students adalah mirip dengan kurva
distribusi normal yaitu simetris.
• Perbedaannya dengan distribusi normal adalah distribusi t
bergantung dari nilai db = v, ketika nilai v = ∞ maka bentuk
distribusinya sama dengan distribusi Normal Z
Contoh:
 CONT’D

• Distribusi t dapat digunakan untuk menguji dua set sample kecil (< Dago Majalaya
30)apakah data tersebut berasal dari populasi yang sama atau tidak. i Tahun
𝑋 𝑋
• Persamaan:
𝑋 −𝑋 2 2 1 1974 1965.00 3188.00
𝑡 = 1 1 12 1/2 dan 𝜎 = 𝑁𝑁1.𝑆+𝑁
1 +𝑁2 𝑆2
− 2 1975 2316.00 4140.00
1 2
𝜎 +
𝑁1 𝑁2 3 1976 1650.00 2622.00
𝑛 𝑋𝑖 −𝑋 2 𝑛 𝑋𝑖 −𝑋 2
• Standar Deviasi Sample: 𝑆1 = 𝑖
𝑁1 −1
dan 𝑆1 = 𝑖
𝑁2 −1
4 1977 1784.00 2170.00
5 1978 2117.00 3223.00
• Derajat bebas db = N1 + N2 – 2 6 1979 2627.00 2716.00
• Bandingkan variat standar t dengan t tabel (pada tingkat kepercayaan 7 1980 1978.00 2513.00
tertentu): jika t < t tabel maka tidak ada perbedaan populasi berarti 8 1981 1913.00 2837.00
dari populasi yang sama. Jika t > t table maka ada perbedaan populasi 9 1982 1216.00 1188.00
artinya berasal data berasal dari populasi yang berbeda. 10 1983 2759.00 1308.00
• Berikut contoh data curah hujan selama 12 tahun (mm/tahun). Coba 11 1984 2759.00 -
selidiki apakah data ini berasal dari populasi yang sama. 12 1985 2216.00 2051.00
 Distribusi 𝜒 (Kai Kuadrat)

• Distribusi Chi Square sering digunakan untuk menentukan daerah kritis dalam uji
kecocokan/kesesuaian (goodness of fit test), uji independensi dan uji homogenitas.
• Distribusi kai kuadrat digunakan untuk menguji Sample Varian dengan Varian
Populasi:
𝑛 𝑛
𝑋𝑖 −𝑋 2 𝑋𝑖 −𝑋 2
• Standar Deviasi : 𝑆 = 𝑖
, Varians Sample 𝑆 = 𝑖
,
𝑛−1 𝑛−1
• Uji Chi Square:
𝑁.𝑆 2 𝑁. 𝑋1 −𝑋 + 𝑋2 −𝑋 +⋯+ 𝑋𝑛 −𝑋 2
𝜒 = ,𝜒 =
𝜎2 𝜎2
• Apabila sejumlah sample N buah diambil dari populasi normal dengan deviasi 𝜎, dan
tiap sampel dihitung 𝜒 , maka distribusi sampling untuk 𝜒 dapat diperoleh.
Distribusi tersebut dinyatakan sebagai distribusi chi kuadrat.
 CONT’D

• Jika 𝑍1 , 𝑍 , … , 𝑍𝑘 variable acak berdistribusi normal N(0,1) independen maka

variable acak X = 𝑍1 + 𝑍 + ⋯ + 𝑍𝑘 berdistribusi Chi Square dengan derajat
bebas k atau x berdistribusi 𝜒 .
• Jika suatu pengamatan data, oleh karena suatu sebab datanya tidak
berkesinambungan, kadang terputus beberapakali. Maka perlu dilaksanakan
kesamaan jenis varian sample dan setiap periode yang datanya tidak terputus.
• Persamaan untuk k kali data terputus adalah:
1 𝑘+1 𝑘+1
𝑑𝑏.𝑙𝑛 𝑑𝑏𝑖 .𝑆𝑖2 − 𝑑𝑏𝑖 .ln 𝑆𝑖2
𝜒 = 𝑑𝑏 𝑖
1 𝑘+1 1
𝑖
1
, 𝑑𝑏 = 𝑣+1
=1 𝑑𝑏 , untuk k =1 , db = N – k = N-1
1+ −
3𝑘 𝑖 𝑑𝑏𝑖 𝑑𝑏

• .k = jumlah periode
 CONT’D

• Untuk db > 30 memiliki distribusi Normal

dengan rataan sama dengan nol dan varians =
1.0, dengan demikian untuk db ≥ 30 dapat
menggnakan tabel distribusi normal.
• Derajat kebebasan db = N-k, untuk k = 1 maka
db = N-k = N-1, dimana N = jumlah data, k =
jumlah pengamatan bebas dalam sample
• Tabel distribusi Chi-kuadrat
• Cara membaca jika diketahui suatu data
berdistribusi chi square dengan tingkat
kepercayaan 𝛼 = 5%= 0.05 dengan derajat
kebebasan v = n-1 = 30 -1 = 29 maka nilainya:
 CONT’D

• Distribusi kai kuadrat ini digunakan untuk menguji kesamaan Jenis Varians:
• Dari dua data pengamatan data 1 dan data 2 masing masing akan memiliki
jumlah data , varians dan derajat kebebasan, k = 2-1=1
1 𝑘+1 𝑘+1
𝑑𝑏. 𝑙𝑛 𝑑𝑏 . 𝑆 𝑑𝑏 . ln 𝑆
𝜒 = 𝑑𝑏
1 𝑘+1 1 1
1+
3𝑘 𝑑𝑏 𝑑𝑏
• Jika 𝜒 hitung < 𝜒 tabel (db =1,5%) maka tidak ada perbedaan populasi
berarti dari populasi yang sama.
• Jika 𝜒 hitung > 𝜒 table (db = 1 , 5%) maka ada perbedaan populasi artinya
berasal data berasal dari populasi yang berbeda.
 CONTOH LATIHAN

• Berikut contoh data curah hujan selama 12 tahun i Tahun

Dago Majalaya

(mm/tahun). 𝑋 𝑋
1 1974 1965.00 3188.00
• Coba selidiki apakah data ini berasal dari populasi 2 1975 2316.00 4140.00
3 1976 1650.00 2622.00
yang sama.
𝐷𝑒𝑟𝑎𝑗𝑎𝑡 𝑘𝑒𝑏𝑒𝑏𝑎𝑠𝑎𝑛 𝑡𝑜𝑡𝑎𝑙 𝑢𝑛𝑡𝑢𝑘 𝑘 = 1 (𝑠𝑎𝑡𝑢 𝑘𝑎𝑙𝑖 𝑡𝑒𝑟𝑝𝑢𝑡𝑢𝑠 𝑝𝑒𝑟𝑖𝑜𝑑𝑒 𝑑𝑎𝑡𝑎𝑛𝑦𝑎) 4 1977 1784.00 2170.00

• 𝑁1 = 𝑑𝑘 =
𝑘+1
12, 𝑑𝑘 1+1
𝑑𝑘=1 =𝑑𝑘𝑁1= 1𝑑𝑘== 11; 𝑆1 =
𝑑𝑘1 + 𝑑𝑘
?; 𝑁 =
= 11 + 10 = 21
5
6
1978
1979
2117.00
2627.00
3223.00
2716.00
11, 𝑑𝑘 =1 = 𝑁 =1 1 = 10, =1
𝑆 =? ; 7 1980 1978.00 2513.00
8 1981 1913.00 2837.00
1 𝑘+1 𝑘+1 9 1982 1216.00 1188.00
𝑑𝑘. 𝑙𝑛 𝑑𝑘 . 𝑆 𝑑𝑘 . ln 𝑆
𝜒 = 𝑑𝑘 10 1983 2759.00 1308.00
1 𝑘+1 1 1 11 1984 2759.00 -
1+
3𝑘 𝑑𝑘 𝑑𝑘 12 1985 2216.00 2051.00
 Dago Malabar
i Tahun

CONT’D 1
2
1950
1951
𝑋
1644.00
1747.00
𝑋
2742.00
2305.00
3 1952 2127.00 2718.00
4 1953 1693.00 2089.00
5 1954 2092.00 3251.00
6 1955 2248.00 3099.00
7 1956 1970.00 2878.00
8 1957 1553.00 2419.00

• Selidiki apakah ada perbedaan jika diambil 9

10
1958
1959
2693.00
1770.00
3205.00
1751.00
11 1960 2509.00 1666.00
sampel 11 tahun (N=11) dari 32 tahun, db 12
13
1961
1962
1577.00
1923.00
1760.00
2698.00
= N-1=11-1 = 10, 14
15
1963
1964
1129.00
1857.00
1513.00
2544.00
16 1965 1672.00 2061.00
𝑛 𝑋𝑖 − 𝑋 2 17 1966 1958.00 2693.00

• Standar Deviasi : 𝑆 = 𝑖
, Varians 18
19
1967
1968
1264.00
2482.00
1573.00
2811.00
𝑛−1 20 1969 2005.00 1722.00
𝑛 2
𝑖 𝑋𝑖 − 𝑋 21 1970 2371.00 1967.00
Sample 𝑆 = , 22 1971 2130.00 1789.00
𝑛−1 23
24
1972
1973
1907.00
2578.00
1439.00
3745.00
𝑆12 +𝑆22 25 1974 1965.00 3188.00

• Varians Populasi: 𝜎 = 26
27
1975
1976
2316.00
1650.00
4140.00
2622.00
28 1977 1784.00 2170.00
29 1978 2117.00 3223.00
30 1979 2627.00 2716.00
31 1980 1978.00 2513.00
32 1981 1913.00 2837.00
 CONT’D

• Suatu pabrik batery mobil menjamin bahwa baterynya akan tahan ratat-rata 3 tahun
dengan simpangan baku 1 tahun. Bila lima baterynya tahan 1.9 tahun; 2.4 tahun; 3.0
tahun; 3.5 tahun; 4.2 tahun selidikilah apakah pembuatnya masih yakin bahwa
simpangan baku battery tersebut masih 1 tahun.
2
𝑛
𝑋𝑖 −𝑋 2 𝑛 𝑛 2
𝑖 𝑖 −
𝑋 𝑛
𝑋
𝑖 𝑖
• Jawab: Mula –mula dihitung variansi samplenya 𝑆 = 𝑖
= =
5 . 48. 6 −(15)2 𝑛−1 𝑛(𝑛−1)
= 0.815, selanjutnya:
5 .(4)
𝑁.𝑆 2 (4).(0.815)
• 𝜒 = 2 ,𝜒 = = 3.26, Merupakan suatu nilai distribusi chi kuadrat
𝜎 12
dengan derajat kebebasan 4. Karena nilai 95% nilai 𝜒 dengan derajat kebebasan 4
terletak antara 0.484 (97.5% = 0.975) dan 11.143 (2.5% = 0.025), nilai perhitungan
dengan menggunakan σ² = 1 tahun masih wajar sehingga tidak ada alasan bagi
pembuatnya untuk mencurigai bahwa simpangan baku baterinya bukan 1 tahun.
Fungsi Distribusi 𝜒 (Kai
Kuadrat)
• Fungsi densitas dari x berdistribusi
𝜒 adalah
1 𝑣/ −1 . 𝑒 −𝑥/
𝑓 𝑥 = 𝑣Γ 𝑣 𝑥 ,𝑥 >
2
0
• Distribusi tersebut asimetris (miring)
dengan mean dan variansi:
𝜇 = 𝑣 𝑑𝑎𝑛 𝜎 = 2𝑣
Distribusi F
• Jika Y1 dan Y2 dua buah variable acak bebas masing masing
berdistribusi Chi-Square berderajat bebas u dan v, dan rasio:
𝑌1 /𝑢
𝑋=
𝑌2 /𝑣
berdistribusi F dengan derajat bebas pembilang u dan derajat
bebas penyebut v.
Distribusi F
• Jika Y1 dan Y2 dua buah variable acak bebas masing masing
berdistribusi Chi-Square berderajat bebas u dan v, dan rasio:
𝑌1 /𝑢
𝑋=
𝑌2 /𝑣
berdistribusi F dengan derajat bebas pembilang u dan derajat
bebas penyebut v.
Fungsi Distribusi F & Padat Peluang
Kumulatif Distribusi F

• Persamaan:

𝑢 + 𝑣 𝑢 𝑢/ 𝑢
−1
Γ .𝑥
𝑓 𝑥 = 2 𝑣 0<𝑥<∞
𝑢 𝑣 𝑢
Γ 2 Γ 2 𝑣𝑥+1
• Dalam teori probabilitas dan statistika, distribusi F merupakan
distribusi probabilitas kontinu Distribusi F juga dikenal dengan
sebutan distribusi F Snedecor atau distribusi Fisher-
Snedecor (setelah R.A. Fisher dan George W. Snedecor).
Distribusi F sering kali digunakan dalam pengujian statistika,
antara lain analisis varians dan analisis regresi.
Fungsi Distribusi Lognormal

1 1 ln 𝑥−𝜇 2
− .
𝑓 𝑥 = .𝑒 𝜎
• Pada saat variabel acak t mempunyai distribusi 𝜎. 2𝜋
lognormal, logaritma t memiliki distribusi normal.
• Karakteristik distribusi lognormal memiliki dua
parameter, yaitu parameter lokasi (µ) dan
parameter skala (σ), sama dengan standar deviasi.
• Jika distribusi waktu antar kegagalan mengikuti
distribusi lognormal
• Persamaan CDF:

ln 𝑥 𝜇
𝐹 𝑥 = Φ
𝜎
Padat Peluang Distribusi Log Normal

• Persamaan:

• Luas dibawah Kurva (F (x) Padat peluang):

• Dimana µ dan σ merupakan parameter,
dengan -~ µ < +~ dan σ > 0 Jika variabel
random didefinisikan sebagai x = ln y, maka x
akan berdistribusi normal dengan mean µ
dan standar deviasi dengan σ dengan E (x) =
E (ln y) = µ, dan V (x) = V (ln y) = σ²
 CONT’D

𝑡
1 Φ{Zi} (lihat
Data ke i ln ti 𝑙𝑛. 𝑡 𝑡 𝑙𝑛.𝑡 𝑡 Zi Zi^2 -zi^2/2 exp^-zi^2/2 f(ti) P(ti) F(ti)
ti(hari) tabel)
2𝜋. 𝜎. 𝑡
1 106 4.6634 -0.3983 0.1586 -3.0612 9.3709 -4.6854 0.0092 0.0289 0.0003 P{ti≤163} P{ti≤-3.06} 0.0011
2 148 4.9972 -0.0645 0.0042 -0.4957 0.2457 -0.1228 0.8844 0.0207 0.0183 P{ti≤163} P{ti≤-0.496} 0.3121
3 194 5.2679 0.2062 0.0425 1.5846 2.5110 -1.2555 0.2849 0.0158 0.0045 P{ti≥163} P{ti≥1.586} 0.9429
4 204 5.3181 0.2564 0.0658 1.9709 3.8846 -1.9423 0.1434 0.0150 0.0022 P{ti≥163} P{ti≥1.971} 0.9756
n=4 20.2466 0.2710
𝑛
𝑛
𝑖 1 𝑙𝑛. 𝑖 𝑙𝑛. 𝑡 𝑡 𝑙𝑛. 𝑡 𝜇
ln.𝑡 = = 5.0617 𝑡 𝑡 = 𝐹𝑡 = Φ
𝑛 𝜎 𝜎
=1

𝑛
=1 𝑡 𝑡 𝑙𝑛. 𝑡 𝜇 𝑓(𝑡)
𝑡 =1 𝐹 𝑡 =1 Φ 𝑡 =
𝜎=
𝑛
= 0.1301 𝜎 (𝑡)
Fungsi Distribusi Eksponensial

• PDF distribusi eksponensial

ditunjukkan pada Persamaan
berikut:
• Jika distribusi waktu antar
kegagalan suatu sistem mengikuti
distribusi eksponensial, maka
(Ebeling, 1997) :
Padat Peluang Distribusi Eksponensial
• Mencari Parameter :

1 1
𝑓 𝑡 = 𝑎. 𝑒 −𝑏. 𝐹 𝑡 =1 𝑒 −𝜆. 1 𝐹 𝑡 = 𝑒 −𝜆. = −𝜆.
1 𝐹 𝑡 𝑒
𝑖 1 1 1
𝐹 𝑡 = 𝑎. 𝑒 −𝑏. 𝑑𝑡 = 𝑒 𝜆. 𝑙𝑛. = 𝑙𝑛. 𝑒 𝜆. 𝑙𝑛. = .𝑡
0 1 𝐹 𝑡 1 𝐹 𝑡 1 𝐹 𝑡
𝑖 1
𝐹 𝑡 =𝑎 𝑒 −𝑏. 𝑑𝑡 𝑌 = 𝛼0 + 𝛼1 𝑋 𝑌 = 𝑙𝑛.
0
1 𝐹 𝑡
𝑎 −𝑏. 𝑖
𝛼0 = 0, 𝛼1 = , 𝑋 =𝑡
𝐹 𝑡 = . 𝑒 0
𝑏
𝑎 −𝑏. 𝑎 −𝑏. 𝑎 𝑎 −𝑏.
𝐹 𝑡 = . 𝑒 𝑖 𝑒0 = .𝑒 𝑖 .1 = 1 .𝑒 𝑖
𝑏 𝑏 𝑏 𝑏
𝐽𝑖𝑘𝑎 𝑎 = 𝑏 = 𝑚𝑎𝑘𝑎 𝐹 𝑡 = 1 𝑒 −𝜆. 𝑖
Mencari parameter distribusi eksponensial
dengan regresi linier
• Gunakan manual dengan regresi linier, dan dicari error
terkecil yaitu nilai pengamatan-nilai𝑛dugaan (e = Yi – Yr).
𝑌 𝛼0 𝛼1 . 𝑋 = 0
=1
𝑛

𝑋. 𝑌 𝛼0 𝛼1 . 𝑋 = 0
𝑛 =1
𝑛
𝑑 =1 𝑒
= 2 𝑌 𝛼0 𝛼1 . 𝑋 = 0
𝑑𝛼0
=1
𝑛 𝑛
𝑑 =1 𝑒
= 2 𝑋. 𝑌 𝛼0 𝛼1 . 𝑋 = 0
𝑑𝛼1
=1
CONT’D
• Persamaan tersebut dibuat matrik:

𝑛 𝑛
𝑛 𝑛
𝑛 𝑋 𝑌 =1 𝑌 =1 𝑋
𝑑𝑒𝑡 𝑛 𝑛 𝑛 𝑛 𝑛 𝑛
=1 𝛼0 =1 =1 𝑋 .𝑌 =1 𝑋 =1 𝑋 . =1 𝑌 =1 𝑋 . =1 𝑋 .𝑌
𝑛 𝑛 . 𝛼 = 𝑛 𝛼0 = 𝑛 =
1 𝑛 =1 𝑋 𝑛. 𝑛 𝑛
det =1 𝑋 =1 𝑋
𝑋 𝑋 𝑋 .𝑌 𝑛 𝑛
=1 𝑋 =1 𝑋
=1 =1 =1

𝑛
𝑛 =1 𝑌
𝑑𝑒𝑡 𝑛 𝑛 𝑛 𝑛 𝑛
=1 𝑋 =1 𝑋 . 𝑌 𝑛. =1 𝑋 .𝑌 =1 𝑋 . =1 𝑌
𝛼1 = 𝑛 =
𝑛 =1 𝑋 𝑛. 𝑛 𝑛
det =1 𝑋 =1 𝑋
𝑛 𝑛
=1 𝑋 =1 𝑋
 Contoh

𝑋 F(t) Yi
Data ke i (Estimator 1-F(ti) (1/1-F(ti)) Xi^2 Xi.Yi 0.0143.ti e^(-0.0143ti) f(ti) F(ti)
ti(hari) Median Rank) ln (1/1-F(ti))

1 106 0.15909 0.84091 1.18919 0.17327 11236 18.37 -1.5158 0.2196 0.003141 0.996859
2 148 0.38636 0.61364 1.62963 0.48835 21904 72.28 -2.1164 0.1205 0.001723 0.998277
3 194 0.61364 0.38636 2.58824 0.95098 37636 184.49 -2.7742 0.0624 0.000892 0.999108
4 204 0.84091 0.15909 6.28571 1.83828 41616 375.01 -2.9172 0.0541 0.000773 0.999227
n=4 652 3.45088 112392 650.14

𝑛 𝑛 𝑛
𝑛. =1 𝑋 .𝑌 =1 𝑋 . =1 𝑌
𝛼1 = = 0.0143 =
𝑛 𝑛
𝑛. =1 𝑋 =1 𝑋

. 𝑓(𝑡 ) = 0.0143. 𝑒 −0.0143. 𝑖