1. Pengertian
Distribusi uniform kontinu adalah distribusi yang peluang setiap peubah acaknya sama.
B. Distribusi Gamma
1. Pengertian
Eksperimen probabilitas yang hasilnya menunjukkan suatu bentuk distribusi yang mempunyai variasi ukuran
kemencengan yang cukup signifikan, distribusi Gamma merupakan salah satu alternatif model yang banyak digunakan.
Fungsi Padat Peluang
dan
selanjutnya
Dengan demikian
dan seterusnya, sehingga
Misalkan X1, X2, ... , Xn, adalah sampel acak dari suatu populasi yang ber-Distribusi Gamma dengan parameter α
dan β, fungsi kepadatan peluang untuk distribusi gamma adalah sebagai berikut.
Langkah -langkah menetukan estimator parameter dengan metode Maximum Likelihood Estimation (MLE) adalah
sebagai berikut.
3. Membuat turunan secara parsial terhadap parameter α dan β dan menyamakannya dengan nol.
Turunan terhadap α:
Turunan terhadap β:
5. Hasil dari β disubsitusikan ke dalam persamaan turunan parsial terhadap α. Hasilnya adalah sebagai berikut.
Persamaan di atas tidak berbentuk closed-form. Penyelesaiannya bisa dilakukan secara numerik misalnya
dengan metode Newton-Raphson.
Fungsi Karakteristik
Cx(t) = (1 – βit)-α
C. Distribusi Eksponensial
1.Pengertian
Distribusi eksponensial ini diperoleh dari distribusi gamma dengan α = 1 dan β= θ. Sehingga kita
peroleh definisi distribusi eksponensial berikut:
Fungsi Padat Peluang
2. Estimasi Parameter pada Distribusi Eksponensial dengan Metode MLE
Misalkan X1, X2, ... , Xn, adalah sampel acak dari suatu populasi yang ber-Distribusi Eksponensial dengan
parameter λ, fungsi kepadatan peluang untuk distribusi eksponensial adalah sebagai berikut.
Menentukan estimator parameter dengan metode Maximum Likelihood Estimation (MLE) adalah sebagai berikut.
3. Membuat turunan secara parsial terhadap parameter λ dan menyamakannya dengan nol.
maka sehingga
Fungsi Karakteristik
Cx(t) = θ (θ – it)-1
D. Distribusi Normal
1. Pengertian
Peubah acak pada distribusi normal merupakan peubah acak yang kontinu, dimana distribusinya tersebut
berbentuk lonceng. Distribusi normal disebut juga dengan Distribusi Gauss. Fungsi kepadatan peluang distribusi
normal adalah sebagai berikut:
-∞ ≤ x ≤ ∞ -∞ ≤ µ ≤ ∞ σ2 > 0
Keterangan:
x = peubah acak kontinu
µ = rata-rata
σ2 = varian
π = 3,14258
e = 271828
Distribusi normal baku (standar) adalah distribusi peubah acak dengan rata-rata 0 dan varian 1. Peubah acak
normal baku dilambangkan dengan Z yang merupakan hasil transformasi dari peubah acak X yang berdistribusi
normal. Bentuk transformasi peubah acak tersebut adalah sebagai berikut.
Perbandingan distribusi normal peubah acak x dan dengan distribusi normal standar z:
Gambar di atas adalah gambar kurva distribusi normal. Luas area di bawah kurva adalah 1. Pada tabel Z, nilai
yang ditulis adalah nilai yang diperoleh dari luas area sebelum z atau nilai P(Z ≤ z).
Luas di bawah kurva distribusi normal dapat dihitung dengan rumus peluang sebagai berikut.
Penghitungan peluang di atas sangat menyulitkan. Oleh karena itu, distribusi normal dengan rata-rata µ dan varian σ2
biasanya ditransformasi ke distribusi normal standar dengan rata-rata 0 dan varian 1. luas di bawah kurva berdistribusi
normal standar sudah ditabelkan yang biasanya disebut dengan tabel normal.
3. MGF Distribusi Normal Mean (Nilai Harapan (x))
2.