Oleh :

Dr. Ardi Kurniawan, M.Si.

 Distribusi Eksponensial
2 Parameter
Bentuk umum dari Distribusi Eksponensial 2 parameter
dengan parameter lokasi  dan parameter skala 
dapat diberikan dalam bentuk :

, x>

dengan :
 adalah parameter lokasi, dan
 adalah parameter skala

Kuliah 9
 Parameter Lokasi
Parameter  dsb parameter lokasi dari X, apabila pdf nya berbentuk :
f(x) = f0(x - )
dengan : f0 adalah suatu pdf.

Contoh :
Tunjukkanlah  pada pdf
f(x) = exp(-(x - )) , x > 
adalah suatu parameter lokasi.
Bukti :
Ambil pdf f0(z) berbentuk f0(z) = exp(-z).
Maka
f(x) = exp(-(x - )) = f0(x - )
Jadi  adalah parameter Lokasi.

Kuliah 9
 Parameter Skala
Parameter  dsb parameter skala dari X, apabila pdf nya berbentuk :
f(x) = (1/) f0(x/)
dengan : f0 adalah suatu pdf.

Contoh :
Tunjukkanlah  pada pdf
f(x) = (1/) exp(- x / ) , x > 0
adalah suatu parameter skala.
Bukti :
Ambil pdf f0(z) berbentuk f0(z) = exp(-z) dengan z > 0.
Maka
f(x) = (1/) exp(- x / ) = (1/) f0(x/ )
Jadi  adalah parameter skala.

Kuliah 9
 Parameter Lokasi-Skala
Parameter  dan  dsb parameter lokasi skala dari X, apabila pdf nya
berbentuk :
f(x) = (1/) f0((x - )/ )
dengan : f0 adalah suatu pdf.

Contoh :
Tunjukkanlah  dan  pada pdf
f(x) = (1/ ) exp(-(x - )/) , x > 
adalah suatu parameter lokasi skala.
Bukti :
Ambil pdf f0(z) berbentuk f0(z) = exp(-z).
Maka
f(x) = (1/) exp(-(x - )/) = (1/) f0((x - )/ )
Jadi  dan  adalah parameter Lokasi Skala.
Kuliah 9
 Soal :
1. Selidikilah jenis parameter k dan  dari distribusi
Pareto berikut :
k
f ( x) 
 (1  x /  ) k 1

2. Selidikilah jenis parameter a dan b dari

distribusi Beta berikut :
( a  b) a 1
f ( x)  x (1  x )b
( a )(b)
3. Selidikilah jenis parameter  dan  dari
distribusi Normal.

Kuliah 9
 Fungsi Survivor
Misalkan dipunyai distribusi waktu hidup berbentuk Eksponensial 2
parameter sbb :

, t>

maka fungsi survivor dari f(t) diberikan dengan :

S(t )  t f ( x ) dx

Kuliah 9
 Fungsi Survivor
Bentuk fungsi survivor dari f(t) dapat juga
diberikan dari Fungsi Distribusi F(t) :

Dengan demikian Fungsi survivor

S(t) = 1 – F(t)
Yaitu :

Kuliah 9
 Sampel Tersensor Type I
Bentuk fungsi likelihood nya adalah sebagai berikut:

Kuliah 9
 Sampel Tersensor Type I
dengan
r =  di
dan
(ti - )/ = (Ti - )/ + (Li - )/

Nilai ln(L()), yaitu :

ln(L()) = -r ln() - (ti - )/

Kuliah 9
 Sampel Tersensor Type I
Estimator MLE dari  tidak dapat dicari melalui turunan
dari ln(L()), namun dicari melalui argumen.
Berdasarkan batas-batas dari , yaitu t > , maka
estimator dari  yaitu min(Ti).
Pada sisi lain estimator dari  dicari dengan
menurunkan ln(L()) terhadap .
d {ln(L())}/d = -r/  + (ti - )/2 = 0
Dari sini diperoleh estimator dari  yaitu :
n
1
ˆ   (ti  Min(Ti ))
r i 1

Kuliah 9
 SOAL 1
Diamati daya tahan hidup 20 lampu berdasarkan kriteria
pengamatan tersensor type I. Agar pengamatan tidak
terlalu lama, maka voltase listrik dinaikkan dari kondisi
normal dan lama waktu pengamatan untuk ke 20 lampu
tersebut dilakukan secara seragam yaitu 85 menit.
Berdasarkan hasil pengamatan diperoleh hasil sebagai
berikut :

Jika setelah di cek daya tahan hidup lampu tersebut

berdasarkan distribusi eksponensial 2 Parameter, tentukan
nilai parameter dan bentuk pdf dari distribusi tersebut.
Kuliah 5
 Sampel Tersensor Type II
Bentuk fungsi likelihood nya adalah sebagai berikut:

Kuliah 10
 Sampel Tersensor Type II
Bentuk fungsi Ln likelihood nya adalah sebagai berikut:

Seperti halnya pada sampel tersensor type I, estimator dari

 yaitu min(Xi).

Coba tentukan bentuk estimator dari !

Kuliah 10
 Sampel Tersensor Type II
Contoh :
Diketahui 10 pengamatan pertama dari 20 sampel random
berdistribusi exponensial 2 parameter adalah sebagai
berikut : 15, 20 34, 40, 45, 50, 53, 60, 70, 74.
Tentukan :
a. Besar estimator untuk .
b. Bentuk pdf dari T.

Kuliah 7