Department UNIJOYO
STATISTIKA DASAR
Variabel Random Kontinue dan Distribusi
Probabilitas
Abdullah Basuki R.,S.Si,M.T
Informatics Engineering Department
Trunojoyo University
Probabilitas - Bagian 3
P(x)
0.10
P(x)
P(x)
0.15
0.05
0.00
0.0
. 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5
Minutes
f(z)
Minutes
Minutes
Minutes
Jikasebuah
sebuahvariabel
variabelrandom
randomdiskrit
diskrit
Jika
dibagimenjadi
menjadiinterval
intervalkecil
kecilyang
yangtidak
tidak
dibagi
terbatas,maka
makaperhitungan
perhitungan
terbatas,
probabilitasnyaditentukan
ditentukanoleh
olehsebuah
sebuah
probabilitasnya
rentangnilaidan
dannilai
nilaiprobabilitas
probabilitasadalah
adalah
rentangnilai
luasarea
areadi
dibawah
bawahkurva
kurvadalam
dalamrentang
rentang
luas
tersebut.Untuk
Untukcontoh
contohdi
disamping,
samping,
tersebut.
dinyatakandengan
denganP(2<X<3).
P(2<X<3).
dinyatakan
3
Probabilitas - Bagian 3
Probabilitas - Bagian 3
Fungsi
kumulati
f
F(b)
F(a)
0
a
f(x)
Fungsi
densita
s
0
Probabilitas - Bagian 3
Distribusi
Uniform
0.5
0.4
f(x)
0.3
0.2
0.1
.0.0
-1
= 2.(1/5) = 2/5
Probabilitas - Bagian 3
Probabilitas - Bagian 3
Probabilitas - Bagian 3
x0
x lainnya.
E( X ) x e
0
- x
dx 1 /
dan V ( X ) x 2 ex dx 1/ 2 1/ 2
0
Probabilitas - Bagian 3
10
11
x2
x 0
12
n = 10
B inom ial D istrib utio n: n=1 0 , p =.5
0.3
0.3
0.2
0.2
0.2
0.1
P(x)
0.3
P(x)
0.1
0.0
0.1
0.0
0
Distribusi yang
berbentuk kurva
seperti
lonceng (bell)
0.0
0
10
0 1 2
3 4 5 6
7 8 9 10 11 12 13 14
Normal Distribution: = 0, = 1
0.4
0.3
f(x)
P(x)
n = 14
0.2
0.1
0.0
-5
Probabilitas - Bagian 3
13
Probabilitas - Bagian 3
14
f(x )
0.3
- x / 2
1
f ( x)
e 2
2
0.4
0.2
0.1
0.0
-5
Definisi
Sebuah variabel random (kontinyu) x ( x ) dikatakan mengikuti
distribusi normal dengan parameter lokasi pemusatan dan parameter
penyebaran (variansi) 2 0 jika mengikuti fungsi distribusi
1
-1 x / 2
e 2
x
kemungkinan berikut : f ( x)
2
dimana 3,14159... dan e = 2,71828(bilangan natural).
Probabilitas - Bagian 3
15
Probabilitas - Bagian 3
16
Probabilitas - Bagian 3
17
1
2
1 y2
2
1 12 y 2
I
e dy ,
2
18
, maka
dapat diperoleh
1
I
2 0
2
r e
0
12 r 2
d dr r e
dr 1.
Karena I 1, maka I
2
12 r 2
1
2
1 y2
2
dy 1 .
19
lim f ( x) 0 .
20
2 -
( z ) - 12 z 2
- 2 e dz
1
z
-1 z2
-1 z2
e 2 dz
e 2 dz
- 2
- 2
(1) (0) .
Probabilitas - Bagian 3
21
( x ) 2 11 ( X ) 2
e
dx
2
2 z 2 11 z 2
e dz
2
z 1 z 2
2
e 1
2
2 0 1 2 .
1 11 z 2
e dz
2
Probabilitas - Bagian 3
22
u
1
12 ( ) 2
F ( x) P ( X x)
e
dx .
2
Probabilitas - Bagian 3
23
(3 x 2 )
1
16
untuk x 1
(3 x ) 2 untuk 1 x 3
Probabilitas - Bagian 3
24
G ( x) 1 1 ( x)
c k
dimana =0.644693, =0.161984, c =4.874, dan k=6.158. Pendekatan yang lebih baik dengan fungsi G(x)
adalah H ( x) 12 [G( x) 1 G( x)] . Dengan pendekatan ini
memberikan kesalahan maksimum adalah 0.00046 pada
x=0.6 dan x=-0.6.
Pendekatan lainnya dapat dilihat pada:
Johnson, N.L. & Kotz, S., (1970), Continuous Univariate
Distribution, JWS.
Probabilitas - Bagian 3
25
0.4
0.2
0.2
0.2
f(y)
f(x)
f(w)
0.3
0.1
0.1
0.1
0.0
0.0
35
40
45
0.3
f(z)
20
30
40
Perhatikan bahwa:
0.4
0.2
0.1
0.0
0
10
50
60
-5
0.0
0
P(39 W 41)
P(25 X 35)
P(47 Y 53)
P(-1 Z 1)
35
45
50
55
65
Probabilitas - Bagian 3
26
0.3
f(z)
0.2
0.1
0.0
Probabilitas - Bagian 3
-5
-4
-3
-2
-1
27
=1
f( z)
0 .3
0 .2
0 .1
0 .0
-5
-4
-3
-2
-1
=0
Z
Probabilitas - Bagian 3
28
f(z)
0.3
0.2
0.1
1.56
0.0
-5
-4
-3
-2
-1
z
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
3.0
.00
0.0000
0.0398
0.0793
0.1179
0.1554
0.1915
0.2257
0.2580
0.2881
0.3159
0.3413
0.3643
0.3849
0.4032
0.4192
0.4332
0.4452
0.4554
0.4641
0.4713
0.4772
0.4821
0.4861
0.4893
0.4918
0.4938
0.4953
0.4965
0.4974
0.4981
0.4987
.01
0.0040
0.0438
0.0832
0.1217
0.1591
0.1950
0.2291
0.2611
0.2910
0.3186
0.3438
0.3665
0.3869
0.4049
0.4207
0.4345
0.4463
0.4564
0.4649
0.4719
0.4778
0.4826
0.4864
0.4896
0.4920
0.4940
0.4955
0.4966
0.4975
0.4982
0.4987
.02
0.0080
0.0478
0.0871
0.1255
0.1628
0.1985
0.2324
0.2642
0.2939
0.3212
0.3461
0.3686
0.3888
0.4066
0.4222
0.4357
0.4474
0.4573
0.4656
0.4726
0.4783
0.4830
0.4868
0.4898
0.4922
0.4941
0.4956
0.4967
0.4976
0.4982
0.4987
.03
0.0120
0.0517
0.0910
0.1293
0.1664
0.2019
0.2357
0.2673
0.2967
0.3238
0.3485
0.3708
0.3907
0.4082
0.4236
0.4370
0.4484
0.4582
0.4664
0.4732
0.4788
0.4834
0.4871
0.4901
0.4925
0.4943
0.4957
0.4968
0.4977
0.4983
0.4988
Probabilitas - Bagian 3
.04
0.0160
0.0557
0.0948
0.1331
0.1700
0.2054
0.2389
0.2704
0.2995
0.3264
0.3508
0.3729
0.3925
0.4099
0.4251
0.4382
0.4495
0.4591
0.4671
0.4738
0.4793
0.4838
0.4875
0.4904
0.4927
0.4945
0.4959
0.4969
0.4977
0.4984
0.4988
.05
0.0199
0.0596
0.0987
0.1368
0.1736
0.2088
0.2422
0.2734
0.3023
0.3289
0.3531
0.3749
0.3944
0.4115
0.4265
0.4394
0.4505
0.4599
0.4678
0.4744
0.4798
0.4842
0.4878
0.4906
0.4929
0.4946
0.4960
0.4970
0.4978
0.4984
0.4989
.06
0.0239
0.0636
0.1026
0.1406
0.1772
0.2123
0.2454
0.2764
0.3051
0.3315
0.3554
0.3770
0.3962
0.4131
0.4279
0.4406
0.4515
0.4608
0.4686
0.4750
0.4803
0.4846
0.4881
0.4909
0.4931
0.4948
0.4961
0.4971
0.4979
0.4985
0.4989
.07
0.0279
0.0675
0.1064
0.1443
0.1808
0.2157
0.2486
0.2794
0.3078
0.3340
0.3577
0.3790
0.3980
0.4147
0.4292
0.4418
0.4525
0.4616
0.4693
0.4756
0.4808
0.4850
0.4884
0.4911
0.4932
0.4949
0.4962
0.4972
0.4979
0.4985
0.4989
.08
0.0319
0.0714
0.1103
0.1480
0.1844
0.2190
0.2517
0.2823
0.3106
0.3365
0.3599
0.3810
0.3997
0.4162
0.4306
0.4429
0.4535
0.4625
0.4699
0.4761
0.4812
0.4854
0.4887
0.4913
0.4934
0.4951
0.4963
0.4973
0.4980
0.4986
0.4990
.09
0.0359
0.0753
0.1141
0.1517
0.1879
0.2224
0.2549
0.2852
0.3133
0.3389
0.3621
0.3830
0.4015
0.4177
0.4319
0.4441
0.4545
0.4633
0.4706
0.4767
0.4817
0.4857
0.4890
0.4916
0.4936
0.4952
0.4964
0.4974
0.4981
0.4986
0.4990
29
z
.
.
.
2.3
2.4
2.5
.
...
.06
.
.
.
... 0.4909 0.4911
... 0.4931 0.4932
... 0.4948 0.4949
.07
.08
.
.
.
.
.
.
0.4913
0.4934
0.4951
0.4
f(z)
0.3
0.2
0.1
0.0
-5
-4
-3
-2
-1
Probabilitas - Bagian 3
30
z
.
.
.
0.9
1.0
1.1
.
.
.
1.9
2.0
2.1
.
.
.
.00
.
.
.
0.3159
0.3413
0.3643
.
.
.
0.4713
0.4772
0.4821
.
.
.
...
...
...
...
...
...
...
f(z)
0.3
0.2
0.1
0.0
-5
-4
-3
-2
-1
Probabilitas - Bagian 3
31
.00
0.0000
0.0398
0.0793
0.1179
0.1554
0.1915
0.2257
0.2580
0.2881
0.3159
0.3413
0.3643
0.3849
0.4032
.
.
.
.02
0.0080
0.0478
0.0871
0.1255
0.1628
0.1985
0.2324
0.2642
0.2939
0.3212
0.3461
0.3686
0.3888
0.4066
.
.
.
.03
0.0120
0.0517
0.0910
0.1293
0.1664
0.2019
0.2357
0.2673
0.2967
0.3238
0.3485
0.3708
0.3907
0.4082
.
.
.
.04
0.0160
0.0557
0.0948
0.1331
0.1700
0.2054
0.2389
0.2704
0.2995
0.3264
0.3508
0.3729
0.3925
0.4099
.
.
.
.05
0.0199
0.0596
0.0987
0.1368
0.1736
0.2088
0.2422
0.2734
0.3023
0.3289
0.3531
0.3749
0.3944
0.4115
.
.
.
.06
0.0239
0.0636
0.1026
0.1406
0.1772
0.2123
0.2454
0.2764
0.3051
0.3315
0.3554
0.3770
0.3962
0.4131
.
.
.
.07
0.0279
0.0675
0.1064
0.1443
0.1808
0.2157
0.2486
0.2794
0.3078
0.3340
0.3577
0.3790
0.3980
0.4147
.
.
.
.08
0.0319
0.0714
0.1103
0.1480
0.1844
0.2190
0.2517
0.2823
0.3106
0.3365
0.3599
0.3810
0.3997
0.4162
.
.
.
.09
0.0359
0.0753
0.1141
0.1517
0.1879
0.2224
0.2549
0.2852
0.3133
0.3389
0.3621
0.3830
0.4015
0.4177
.
.
.
0.3
f(z)
Temukan z sehingga
P(0 < Z < z)
= .40:
Temukan nilai probabilitas
sedekat mungkin dengan .
40
dari tabel kemungkinan
normal
standar.
Tentukan nilai z pada baris
dan
kolom yang sesuai. Luas area di kiri 0 = .50
P(z 0) = .50
P(0<z<1.28) 0.40
.01
0.0040
0.0438
0.0832
0.1217
0.1591
0.1950
0.2291
0.2611
0.2910
0.3186
0.3438
0.3665
0.3869
0.4049
.
.
.
0.2
0.1
0.0
-5
-4
-3
-2
-1
Probabilitas - Bagian 3
Z = 1.28
32
z
.
.
.
2.4 ...
2.5 ...
2.6 ...
.
.
.
.04
.
.
.
0.4927
0.4945
0.4959
.
.
.
.05
.
.
.
0.4929
0.4946
0.4960
.
.
.
.06
.
.
.
0.4931
0.4948
0.4961
.
.
.
.07
.
.
.
0.4932
0.4949
0.4962
.
.
.
.08
.
.
.
0.4934
0.4951
0.4963
.
.
.
.09
.
.
.
0.4936
0.4952
0.4964
.
.
.
f(z)
0.3
0.2
0.1
0.0
-5
-4
-3
-2
-z.005
P(-.2575 < Z
< 2,575) = .99
-2.575
Probabilitas - Bagian 3
-1
z.005
2.575
33
X x
0.07
0.06
Transformasi pada
(1) Pengurangan: (X - x)
f(x)
0.05
0.04
0.03
=10
0.02
0.01
0.00
0.4
10
20
30
40
60
70
80
90 100
0.3
0.2
f(z)
50
1.0
0.1
0.0
-5
-4
-3
-2
-1
Transformasisebaliknya
sebaliknyaZZ
Transformasi
menjadiX:
X:
menjadi
X x Z x
Probabilitas - Bagian 3
34
Contoh:
X~N(160,302)
P (100 X 180)
100 X 180
100 160
180 160
P
Z
30
30
P 2 Z .6667
0.4772 0.2475 0.7247
Contoh
X~N(127,222)
P ( X 150)
X 150
150 127
P Z
22
P Z 1.045
0.5 0.3520 0.8520
Probabilitas - Bagian 3
35
MTB>>cdf
cdf150;
150;
MTB
SUBC>normal
normal127,22.
127,22.
SUBC>
CumulativeDistribution
DistributionFunction
Function
Cumulative
Normalwith
with==127.000
127.000and
and==22.0000
22.0000
Normal
P(XX<=
<=x)x)
xx P(
150.0000
0.8521
150.0000
0.8521
P(XX<=
<=x)x)
xx P(
180.0000
0.7475
180.0000
0.7475
Probabilitas - Bagian 3
36
f(X)
0.03
0.02
0.01
0.00
340
0.4
0.3
f(z)
Contoh
X~N(383,122)
P ( 394 X 399)
394 X 399
P
399 383
394 383
P
Z
12
12
P 0.9166 Z 1.333
0.4088 0.3203 0.0885
i
Equ
0.2
reas
a
t
n
vale
390
440
0.1
0.0
-5
-4
-3
-2
-1
MTB>>cdf
cdf394;
394;
MTB
SUBC> normal 383,12.
SUBC> normal 383,12.
MTB>>cdf
cdf399;
399;
MTB
SUBC> normal 383,12.
SUBC> normal 383,12.
CumulativeDistribution
DistributionFunction
Function
Cumulative
CumulativeDistribution
DistributionFunction
Function
Cumulative
Normalwith
withmean
mean==383.000
383.000and
andstandard
standarddeviation
deviation==12.0000
12.0000
Normal
Normalwith
withmean
mean==383.000
383.000and
andstandard
standarddeviation
deviation==12.0000
12.0000
Normal
<=x)x)
xx P(P(XX<=
394.0000 0.8203
0.8203
394.0000
<=x)x)
xx P(P(XX<=
399.0000
0.9088
399.0000
0.9088
Probabilitas - Bagian 3
37
Probabilitas - Bagian 3
38
Transformasi X menjadi Z:
Z
X x
Transformasi kebalikan Z
menjadi X:
X Z
x
P( X a) P Z
P( X b) P Z
b
a
P(a X b) P
Z
Probabilitas - Bagian 3
39
ratanya.
P( X 70) P
P Z
P( Z 2)
10
JikaX~N(50,10
X~N(50,1022),),P(X
P(X>70)
>70)dapat
dapatdiperoleh
diperolehkarena
karena70
70adalah
adalah22
Jika
deviasistandar
standardi
diatas
atasrata-rata
rata-rata X:
X:70=+2.
70=+2. P(X
P(X>
>70)
70)
deviasi
ekuivalendengan
denganP(Z
P(Z>
>2),
2),luas
luasarea
areadi
dibawah
bawahkurva
kurvanormal
normal
ekuivalen
Contoh:
standar.
standar.
2
z
.
.
.
1.1
1.2
1.3
.
.
.
X~N(124,12 )
P(X > x) = 0.10 dan P(Z > 1.28)
0.10
x = + z = 124 + (1.28)(12) =
139.36
Probabilitas - Bagian 3
.
.
.
...
...
...
.
.
.
.07
.
.
.
0.3790
0.3980
0.4147
.
.
.
.08
.
.
.
0.3810
0.3997
0.4162
.
.
.
.09
.
.
.
0.3830
0.4015
0.4177
.
.
.
40
Contoh:
X~N(5.7,0.52)2)
Contoh:
X~N(5.7,0.5
P(X>>x)=0.01
x)=0.01 dan
danP(Z
P(Z>>2.33)
2.33)
0.01
0.01
P(X
z==5.7
5.7++(2.33)(0.5)
(2.33)(0.5)==6.865
6.865
xx==++z
z
.
.
.
2.2
2.3
2.4
.
.
.
.02
.
.
.
0.4868
0.4898
0.4922
.
.
.
.
.
.
...
...
...
.
.
.
.03
.
.
.
0.4871
0.4901
0.4925
.
.
.
.04
.
.
.
0.4875
0.4904
0.4927
.
.
.
z
.
.
.
1.8
1.9
2.0
.
.
.07
.
.
.
0.4693
0.4756
0.4808
.
.
0.0015
0.6
.4750
.4750
0.0010
f(x)
0.5
f(x)
.06
.
.
.
0.4686
0.4750
0.4803
.
.
Area = 0.49
0.7
.05
.
.
.
0.4678
0.4744
0.4798
.
.
.
.
.
...
...
...
.
.
0.4
X.01 = +z = 5.7 + (2.33)(0.5) = 6.865
0.3
0.0005
0.2
.0250
.0250
Area = 0.01
0.1
0.0
0.0000
3.2
4.2
5.2
6.2
7.2
1000
8.2
2000
X
-5
-4
-3
-2
-1
3000
4000
X
1
-5
-4
-3
-2
-1.96
Z.01 = 2.33
Probabilitas - Bagian 3
-1
1.96
41
f(x)
0.0008
.
0.0006
.
0.0004
.
0.0002
.
0.0000
1000
2000
3000
4000
f(z)
1.
Gambarkan
1.
Gambarkan
distribusi normal
normal yang
yang
distribusi
ingin diteliti
diteliti dan
dan
ingin
distribusi normal
normal
distribusi
standar.
standar.
2.
Arsir daerah
daerah
2.
Arsir
probabilitas yang
yang
probabilitas
diteliti.
diteliti.
3.
Dari tabel
tabel distribusi
distribusi
3.
Dari
normal standar,
standar,
normal
temukan nilai
nilai z.
z.
temukan
4.
Transformasikan
4.
Transformasikan
nilai zz menjadi
menjadi xx (nilai
(nilai
nilai
variabel random
random asal).
asal).
variabel
0.2
0.1
0.0
-5
-4
Probabilitas - Bagian 3
-3
-2
-1
42
Norm
50, == 400
Nor al
al Distribution:
Distribution: == 24
2450,
40
0.0012
.
.4750
0.0010
.
.4750
0.0008
.
f(x)
1.Distribusi
Distribusinormal
normal
1.
dannormal
normal
dan
standar.
standar.
2.Arsir
Arsirdaerah
daerah0.95
0.95
2.
(masing-masing
(masing-masing
0.475di
dikiri
kiridan
dan
0.475
kanan.
kanan.
0.0006
.
0.0004
.
0.0002
.
.9500
0.0000
100
200
300
400
4.Transformasi
Transformasi
4.
nilaizzke
kenilai
nilai
nilai
xx
.4750
.
.
.
...
...
...
.
.
.05
.
.
.
0.4678
0.4744
0.4798
.
.
.06
.
.
.
0.4686
0.4750
0.4803
.
.
.07
.
.
.
0.4693
0.4756
0.4808
.
.
f(z)
z
.
.
.
1.8
1.9
2.0
.
.
.4750
0.3
0.2
0.1
.9500
0.0
-5
-4
-3
-2
-1
-1.96
zz
xx==
2450(1.96)(400)
(1.96)(400)
==2450
2450784
784
==2450
=(1666,3234)
=(1666,3234)
1.96
Probabilitas - Bagian 3
43
Probabilitas - Bagian 3
44
= 3.5, = 1.323
0.3
0.3
P( x 4) = 0.7734
0.2
f(x)
P(x)
0.2
0.1
0.1
0.0
0.0
0
10
P(XX<=
<=x)
x)
xx P(
4.5000
0.7751
4.5000
0.7751
=0.0017
Probabilitas - Bagian 3
P(XX<=
<=x)
x)
xx P(
4.00
0.7734
4.00
0.7734
45
P(x4) = 0.2744
0.3
P(x<4.5) = 0.2732
0.2
f(x)
P(x)
0.2
0.1
0.1
0.0
0.0
0
10
9 10 11
P(XX<=
<=x)
x)
xx P(
4.5000
0.2732
4.5000
0.2732
=0.0012
Probabilitas - Bagian 3
P(XX<=
<=x)
x)
xx P(
4.00
0.2744
4.00
0.2744
46
X np
npq
baku N(0,1).
Dari perhitungan, distribusi normal memberikan pendekatan
nilai probabilitas yang baik terhadap distribusi binomial bila
n besar dan p mendekati 0.5, bahkan bila n mengecil tapi p
tidak terlalu jauh dari 0.5 masih diperoleh pendekatan yang
cukup baik.
Probabilitas - Bagian 3
47
PP((aa XX bb)) PP
np
bnp
np
aanp
b
ZZ
np((11 pp))
np((11 pp))
np
np
for
large
(n50)
50)
andppnot
not
too
close
tomendekati
or1.00
1.00 0 atau 1.00
Untuk
n besar
(n>50)
dan
pclose
tidakto
for
nnlarge
(n
and
too
00or
Atau:
np
b00.5.5np
np
aa00.5.5np
b
P
(
a
b
)
P (a X b) P np(1 p) Z np(1 p)
np(1 p)
np(1 p)
fornnmoderately
moderately
large
(20 nn<<50).
50).
Untuk
n sedang
(20<n<50)
for
large
(20
Jika pp kecil
kecil (mendekati
(mendekati 0)
0) atau
atau besar
besar (mendekati
(mendekati 1),
1),
Jika
gunakan pendekatan
pendekatan dengan
dengan distribusi
distribusi Poisson.
Poisson.
gunakan
Probabilitas - Bagian 3
48
Probabilitas - Bagian 3
49
Probabilitas - Bagian 3
50
Probabilitas - Bagian 3
51
52
Probabilitas - Bagian 3
53
ffxx((xx))((22))
mm/ /22
11
11 ( x )
exp
(
x
)'
exp ( x )' ( x )
22
11/ /22
(det))
(det
Probabilitas - Bagian 3
54
11 ex x dx
x
untuk 00..
( ) x e dx untuk
0
0
11 dan dv=e
-x-xdx, maka akan
J
ila
dilakukan
integrasi
parsial
atas
u
x
J ila dilakukan integrasi parsial atas u x
dan dv=e dx, maka akan
x 2
x x 2 dx ,
x xx 1 ee x (
2 dx
(
1
)
e
e
(
1
)
x
dx
diperoleh
=
1
)
e
x dx ,
1
)
x
diperoleh
=
0
0
0 0
0
0
())(
(11))(
(11)),,
sehinggadihasilkan
dihasilkanpengulangan
pengulanganfungsi
fungsigamma
gamma (
sehingga
())(
(11)()(22))(
(22)),,dan
danseterusnya
seterusnyajika
jika=n,
=n,dimana
dimanannbilangan
bilangan
(
)...(1(1))..Karena
bulatpositif,
positif,maka
maka ((nn))((nn11)()(nn22)...
Karenamenurut
menurutdefinisi
definisi
bulat
dx11,,maka
fungsigamma
gamma(1(1))eex xdx
maka ((nn))((nn11)!)!..
fungsi
0
Satusifat
sifatpenting
pentingfungsi
fungsigamma,
gamma,adalah
adalah(1(1/ /22)) ..
Satu
Probabilitas - Bagian 3
55
11
11 exx/ /
x
x e
( )
( )
=0,
0,
=
>00
xx>
untukxxlainnya.
lainnya.
untuk
Parameter pemusatan
pemusatan dan
dan penyebaran
penyebaran adalah
adalah sebagai
sebagai
Parameter
berikut::
berikut
22 22
E
(
X
)
V
(
X
)
dan
E ( X ) dan V ( X ) ..
Probabilitas - Bagian 3
56
x
x
r r E ( X )
e
dx ..
00
)
( )
r
r ( r )
r r r 1 /
( r ) .
r 1 e / dy
J
ika
dimisalkan
y=x/
,
maka
y
e
dy
Dengan
demikian
Dengan demikian 11 ( ) , dan
( )
'
'
r
r
2
2 ( 2)
2
2
2
2 2 ( 2) 2 2 = 2
)
( )
2
'
'
2
2
Distribusigamma
gammayang
yangkhusus
khusus(spesifik)
(spesifik)untuk
untuk=v/2,
=v/2, =2,
=2,
Distribusi
danvvbilangan
bilanganbulat
bulatpositif
positifdisebut
disebutdistribusi
distribusikhi-kuadrat
khi-kuadrat(chi(chidan
square) dengan
dengandegree
degreeof
offreedom
freedomv.
v.
square)
Probabilitas - Bagian 3
57
)
denganparameter
parameter ( i i, ) ,,maka
maka
jugagamma
gammadengan
dengan
ii11XXi i juga
dengan
parameter
, ,..
parameter
adalah11//))
(parameter adalah
(parameter
Proposisi:
Proposisi:
,...,nn adalah
ika XXi ,i ,ii11,2,2,...,
adalahvariabel
variabelrandom
randomindependen
independen
JJika
eksponensialindependen
independendan
danidentik
identikdengan
denganrata-rata
rata-rata ,,
eksponensial
n
n
maka
adalahvariabel
variabelrandom
randomgamma
gammadengan
dengan
i i11XXi i adalah
maka
parameter ((nn,,))..
parameter
n
n
i 1 i
i 1 i
Probabilitas - Bagian 3
58
Definisi
Definisi
Variabel random
random kontinyu
kontinyu TT berdistribusi
berdistribusi Weibull,
Weibull, dengan
dengan dua
dua
Variabel
parameter 00 dan
dan 00,, jika
jika fungsi
fungsi padatnya
padatnya mengikuti
mengikuti
parameter
1 atat
1
tt ee untuk
untuktt>
>0,
0,dan
danf(t)=0,
f(t)=0, untuk
untukttlainnya
lainnya
ff((tt))
Parameterpemusatan
pemusatandan
danpenyebaran
penyebaranadalahsebagai
adalahsebagaiberikut
berikut::
Parameter
1 /
11
1 /
E
(
T
)
E (T )
1
2
2
2 /
2
11
2
2
/
V
(
T
)
dan
dan V (T ) 1 1
Probabilitas - Bagian 3
2
2
59
;, ,,,)) t exp
exp t , ,
f f((t t;
t t
;, ,,,))exp
exp
..
RR((t t;
dan
t t, , dan
Meantime
timeto
tofailure
failure(MTTF)
(MTTF)dan
danvariansinya
variansinyaadalah
adalah
Mean
11
E
(T
;
dan
E (T ; , , ) dan
2 22
2 1
2
2 1
Var
(
T
;
Var (T ; , , )
..
Probabilitas - Bagian 3
60
hanya terjadi
chancefailure
Probabilitas - Bagian 3
61