A. Distribusi Uniform Kontinu.

1. Pengertian

Distribusi uniform kontinu adalah distribusi yang peluang setiap peubah acaknya sama.

Fungsi Padat Peluang

Dimana a < x < b

a = batas bawah
b = batas atas

Nilai Harapan distribusi uniform

Mean (Nilai Harapan X) Nilai Harapan X2

fungsi Karakteristik : Fungsi Pembangkit Peluang :

Varian (Nilai Harapan (X – E(X))2 ) MGF Distribusi Seragam Kontinu

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

dimana α > 0 dan β > 0

Fungsi gamma adalah perluasan dari fungsi faktorial. Fungsi ini termasuk fungsi yang istimewa karena sering
muncul dalam persamaan-persamaan peluang dan statistika. Fungsi gamma didefinisikan dalam bentuk

Fungsi gamma dapat diselesaikan dengan memisalkan

dan

selanjutnya

Maka penyelesaian integralnya adalah

Dengan demikian
dan seterusnya, sehingga

2. Estimasi Parameter pada Distribusi Gamma dengan Metode MLE

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.

1. Membuat fungsi likelihood distribusi gamma, yaitu sebagai berikut.

2. Membuat fungsi tersebut dalam bentuk ln.

3. Membuat turunan secara parsial terhadap parameter α dan β dan menyamakannya dengan nol.
Turunan terhadap α:

Turunan terhadap β:

4. Dari turunan parsial terhadap β bisa diperoleh nilai β sebagai berikut.

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.

3. Nilai harapan distribusi Gamma

MGF Distribusi Gamma Mean(Nilai Harapan X)
 Nilai Harapan (X2) Varian (Nilai Harapan (X – E(X))2)

Fungsi Karakteristik
Cx(t) = (1 – βit)-α

Fungsi Pembangkit Peluang

Gx(t) = (1 – β ln t)-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.

1. Membuat fungsi likelihood distribusi eksponensial.

2. Membuat fungsi tersebut dalam bentuk ln.

3. Membuat turunan secara parsial terhadap parameter λ dan menyamakannya dengan nol.

4. Dari turunan parsial terhadap λ bisa diperoleh estimator λ sebagai berikut.

5. MGF Distribusi Eksponensial

maka sehingga

Persamaan di atas dapat diselesaikan dengan memanfaatkan fungsi gamma.

Dengan demikian

3. Nilai Harapan Distribusi eksponensial

Mean(Nilai Harapan X) Nilai Harapan X2
Varian(Nilai Harapan (X – E(X))2)

Fungsi Karakteristik
Cx(t) = θ (θ – it)-1

Fungsi Pembangkit Peluang

Gx(t) = θ (θ – ln t)-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.

Oleh karena itu fungsi :

Perbandingan distribusi normal peubah acak x dan dengan distribusi normal standar z:

2. Luas Kurva distribusi normal

Nilai probabilitas dari P(Z < z) telah dihitung dan ditabelkan dalam tabel z distribusi normal.
Tabel distribusi normal berisi peluang dari nilai Z atau P(Z ≤ z). Sebagaimana kita ketahui bahwa nilai peluang akan
selalu berada di antara 0 dan 1, sehingga nilai-nilai di dalam tabel juga berada di antara 0 dan 1.

Gambar kurva berbentuk lonceng ini sebagai ilustrasi.

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.

Keterangan:x = peubah acak kontinu

µ = rata-rata
σ = standar deviasi
π = 3,14258
e = 2.71828183

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))

Misalkan maka selanjutnya Sehingga

Varian(Nilai Harapan (X – E(X))2)

Contoh Soal.
1.

2.