Fungsi Distribusi Kontinu

Bagian II
Waskito Pranowo
Teknik Geofisika Universitas Pertamina
Distribusi Eksponensial
• Distribusi yang sering digunakan untuk
memodelkan waktu atau berhubungan dengan
waktu.
• Probability Density Function:
𝑓 𝑥 = 𝜆𝑒 −𝜆𝑥 , 0≤𝑥<∞
• Cumulative Density Function
𝐹 𝑥 = 1 − 𝑒 −𝜆𝑥
• Mean dan Variance
1 2
1
𝜇=𝐸 𝑋 = , 𝜎 =𝑉 𝑋 = 2
𝜆 𝜆
Contoh
• Misalkan 𝑋 menyatakan waktu antara terjadinya
gempa di daerah gunung aktif. Asumsikan 𝑋
terdistribusi eksponensial dengan rerata 15 menit.
• Berapakah probabilitas (peluang) sebuah gempa
terdeteksi di 30 detik berikutnya?
Jawaban
1
𝜇 = 𝐸 𝑋 = = 15
𝜆
Jadi,
1
𝜆=
15
Kemudian samakan semua satuan. Yang ditanya
adalah dalam detik sedangkan yang diketahui adalah
dalam menit. Untuk soal ini, kita memilih mengubah
detik menjadi menit sehingga
30 detik=0.5 menit
Jawaban

0.5 0.5
1 −1𝑥
𝑃 𝑋 < 0.5 = න 𝜆𝑒 −𝜆𝑥 𝑑𝑥 =න 𝑒 15 𝑑𝑥 = 0.0327
15
0 0

Atau dapat menggunakan CDF

1
−15 0.5
𝑃 𝑋 < 0.5 = 𝐹 0.5 = 1 − 𝑒 = 0.0327

Jadi peluang sebuah gempa kecil terdeteksi di 30 detik

berikutnya adalah 3.27%
Distribusi Erlang dan Gamma
• Distribusi Erlang dan Gamma adalah generalisasi
dari Distribusi Eksponensial
• Jika distribusi eksponensial memodelkan interval ke
peristiwa pertama, sedangkan distribusi Erlang
memodelkan interval ke peristiwa ke-𝑟.
• Jika 𝑟 bukan bilangan bulat, maka disebut Distribusi
Gamma
• Eksponensial, serta generalisasi Erlang dan Gamma,
didasarkan pada proses Poisson.
PDF Distribusi Erlang dan Gamma
• Distribusi Erlang
𝜆𝑟 𝑥 𝑟−1 𝑒 −𝜆𝑥
𝑓 𝑥 = , 𝑥 > 0 dan 𝑟 = 1,2, …
𝑟−1 !
• Distribusi Gamma
𝜆𝑟 𝑥 𝑟−1 𝑒 −𝜆𝑥
𝑓 𝑥 = , 𝑥>0
Γ 𝑟

Γ disebut fungsi gamma

Mean dan Variance Distribusi
Gamma
• Mean:
𝑟
𝜇=𝐸 𝑋 =
𝜆
• Variance:
𝑟
𝜎2 =𝑉 𝑋 = 2
𝜆
Fungsi Gamma
• 𝚪 𝑟 = 𝑟−1 𝚪 𝑟−1
• Jika 𝑟 adalah bilangan bulat, maka 𝚪 𝑟 = 𝑟 − 1 !
• 𝚪 1 = 0! = 1
• Jika 𝑟 adalah bilangan real
∞
maka bentuk umumnya

𝚪 𝑟 = න 𝑥 𝑟−1 𝑒 −𝑥 𝑑𝑥
0
• 𝚪 1/2 = 1.772
• Fungsinya pada excel =gamma()
Contoh Fungsi Gamma
𝚪 5 = 5 − 1 ! = 4! = 4 × 3 × 2 × 1 = 24

3 3 3 1 1 1
𝚪 = −1 𝚪 −1 = 𝚪 = 1.772 = 0.886
2 2 2 2 2 2

5 5 5 3 3
𝚪 = −1 𝚪 −1 = 𝚪
2 2 2 2 2
3 3 3 3 1 1
= −1 𝚪 −1 = 𝚪
2 2 2 2 2 2
3 1
= 1.772 = 1.329
2 2
Example
• Raw materials are studied for contamination.
Suppose that the number of particles of
contamination per kg of materials is a Poisson
random variable with mean of 0.02 particle
per kg.
a. What is the expected number of kg
material required to obtain 15 particles of
contamination?
b. What is the standard deviation of the kg of
materials required to obtain 15 particles of
contamination?
Answer

• 𝒓 = 𝟏𝟓

• Rerata dari Poisson Distribution adalah

𝐸 𝑋 =𝜆

Karena rerata poisson adalah 𝐸 𝑋 = 0.02, maka

𝝀 = 𝟎. 𝟎𝟐. (Jangan tertukar dengan rerata Distribusi
Eksponsial dimana 𝐸 𝑋 = 1/𝜆)
Answer

• Mean Distribusi Erlang:

𝑟 15
𝐸 𝑋 = = = 750
𝜆 0.02

• Variansi Distribusi Erlang:

𝑟 15
𝐸 𝑋 = 2= 2
= 37500
𝜆 0.02
Distribusi Weibull
• Probability Density Function:
𝛽 𝑥 𝛽−1 − 𝑥 𝛽
𝑓 𝑥 = 𝑒 𝛿 , 𝑓𝑜𝑟 𝑥 > 0
𝛿 𝛿
𝛿 > 0 adalah parameter skala dan 𝛽 > 0 adalah
parameter bentuk
• Cumulative Density Function:
𝑥 𝛽
−
𝐹 𝑥 =1− 𝑒 𝛿
Distribusi Weibull
Mean dan Variance
1
𝜇 = 𝐸 𝑋 = 𝛿 .Γ 1 +
𝛽

2
2 1
𝜎2 =𝑉 𝑋 = 𝛿2 Γ 1+ − 𝛿2 Γ 1+
𝛽 𝛽
Example 4-25: Bearing Wear
• The time to failure (in hours) of a bearing in a
mechanical shaft is modeled as a Weibull
random variable with β = 2 and δ = 5,000
hours.

• What is the mean time until failure?

• What is the probability that a bearing will last
at least 6,000 hours?
Answer
1
𝐸 𝑋 = 𝛿 .Γ 1 +
𝛽
1
= 5000. Γ 1 + = 5000 0.886
2
= 4431.135 ℎ𝑜𝑢𝑟𝑠

𝑃 𝑋 > 6000 = 1 − 𝑃 𝑋 < 6000

6000 2
−
= 1 − 𝐹 6000 = 1 − 1 − 𝑒 5000
= 0.2369
Distribusi Beta
• Distribusi beta diterapkan untuk memodelkan
perilaku variabel acak khusus pada suatu interval
terbatas.
• Distribusi Beta berkaitan dengan proporsi.
• Probability Density Function
Γ(𝛼 + 𝛽) 𝛼−1
𝑓 𝑥 = 𝑥 1 − 𝑥 𝛽−1 ,
Γ 𝛼 . Γ(𝛽)
𝑓𝑜𝑟 𝑥 𝑖𝑛 [0,1]

dengan 𝛼 > 0 dan 𝛽 > 0

Mean dan Variance
𝛼
𝜇=𝐸 𝑋 =
𝛼+𝛽

2
𝛼𝛽
𝜎 =𝑉 𝑋 =
𝛼 + 𝛽 2 (𝛼 + 𝛽 + 1)
Contoh
• X adalah waktu penyelesaian suatu proyek akuisisi
data seismik. Proporsi waktu maksimum yang
diperbolehkan untuk menyelesaikan suatu tugas
adalah terdistribusi beta dengan 𝛼 = 2.5 dan 𝛽 =
1.
• Berapa probabilitas bahwa proporsi waktu
maksimum melebihi 0,6?
Jawaban
1
Γ(𝛼 + 𝛽) 𝛼−1 𝛽−1 𝑑𝑥
𝑃 𝑋>𝑝 =න 𝑥 1−𝑥
Γ 𝛼 . Γ(𝛽)
𝑝

1
Γ 2.5 + 1 2.5−1 1−1 𝑑𝑥
𝑃 𝑋 > 0.6 = න 𝑥 1−𝑥
Γ 2.5 Γ 1
1 0.6 1
Γ 3.5 1.5 0
Γ 3.5
= න 𝑥 1 − 𝑥 𝑑𝑥 = න 𝑥 1.5 𝑑𝑥
Γ 2.5 Γ 1 Γ 2.5 Γ 1
0.6 0.6
Jawaban
1
3.5 − 1 Γ 2.5 1.5
= න 𝑥 𝑑𝑥
Γ 2.5 Γ 1
0.6
1
1
= න 2.5 𝑥 1.5 𝑑𝑥 = 𝑥 2.5 ቚ
0.6
0.6
= 0.72