B.

DISTRIBUSI GAMMA
Beberapa Ukuran Statistik Dalam Distribusi Gamma
1. PDF (Probability Density Function) Distribusi Gamma
x
1
k1
x
e
f(x;;k) =
, dengan x>0, >0, dan k>0
k
(k )
2. CDF (Cumulative Density Function) Distribusi Gamma
x

F(x;;k) =

k 1(k ) x k1 e
0

dx

Jika k bilangan bulat positif dan diketahui bahwa

( k)

dapat diperoleh dalam bentuk penjumlahan.

x i x
(
)
n1
F(x;;k) =

i! e
i=0

3. Mean / Nilai Harapan / E(X) Distribusi Gamma

E(x)= k
Pembuktian :
=E(xr)
=

xr f

x (x)

dx

xr

1
x k1 e
k
(k )
x

dx

1
x k1+ r e
= k
dx
(k )
x
y
1
Misalkan y =
;
=
dan x=y, dx= dy

dx

Sehingga
1
( y)k1+r e y dy
= k
(k )
1
k1+r y k1+r e y dy
= k
(k )
k1 +r

k1 +r y
y
e dy
= k
(k )
k1+r
y k1+r ey dy
= k 1
(k )
k1+r

k1+ r y
y
e dy
= k1
(k )

= (k-1) ! sehingga CDF

k1

y k1+ r ey dy
k1
(k )

r
(k ) y k1 +r e y dy

y k1+r ey dy

(k )
r
(k +r )
=
(k )
r
(k + r)
=
(k )
Diketahui : ( k) =( k-1)!
Ambil r=1 , maka persamaan di atas menjadi
(k +1)
= E(x) =
( k)
(k !)
=
( k1 ) !
k (k 1)!
=
( k 1 ) !
= k
= k
=

Terbukti bahwa E(x) = k

4. Variansi ( )
= k2
r

Berdasarkan persamaan E(x )=

(k + r)
(k )

Diketahui : ( k) =( k-1)!
Ambil r=2 , maka persamaan diatas menjadi
2
( k +2)
2
E(x ) =
(k )
2
( k + 1) !
=
( k1 ) !
2 ( k +1 )( ( k +1 )1)!
=
( k1 ) !
( k+ 1 )1
()1

=
!
2
( k +1 ) ( ( k +1 )1 )

2
( k + 1 ) k ( ( k +1 )2 ) !
=
( k 1 ) !
2
( k + 1 ) k (k1) !
=
( k 1 ) !
2
= ( k +1 ) k

= 2 k2 + k)
= 2 k2 + 2 k
= 2 k2 + k 2
Sehingga pembuktian untuk varians
= Var (x) = E(x2) E(x)2
= 2 k2 + k 2 - ( k 2
= 2 k2 + k 2 - k22
= k 2
Terbukti bahwa =k 2
5. Fungsi Pembangkit Momen (Mgf) / Mx (T)

Mx(t)= (1-t)-k , t<

Pembuktian :
tx

Mx(t) = E(e )

tx

1
x k1 e
k
(k )

x
1
k1
x e
= k
0 (k )

Kita tulis y= x

( 1t )

(1t)

jadi x=

dx

dx

y
( 1t )

dan dx=

Akibatnya
Mx(t)

1
y k1 y
e
dy
= k
( 1t )
0 (k ) ( 1t )
k

1
1
y k1 e y dy

k
( 1t ) ( k ) 0

( 1t )

1
k
( 1t )

)(

1
k1 y
y e dy
(k) 0
k

y k1 ey dy
0

y k1 e y dy
0

dy
( 1t )

1
( 1t )k

=(1-t)-k
Terbukti bahwa

Mx(t) = (1-t)-k

Catatan:
Nama distribusi gamma berasal dari munculnya fungsi gamma . Dalam kalkulus,
anda telah mengetahui bahwa untuk setiap bilangan real positif k berlaku
(k ) =

y k1 e y dy
0

6. Aplikasi MGF Untuk Mencari Mean dan Variansia

Dengan Menggunakan MGF atau fungsi pembangkit momen dapat untuk mencari
Mean/ E(x) dan varian
a. Untuk mencari Mean / E(x) menggunakan turunan pertama dari Mgf
E(x) = k
Diketahui : Mx(t) = (1-t)-k
Sehingga
Mx(t) = -k (1-t)-k-1(-)
= -k (-) (1-t)-k-1
= k (1-t)-k-1
Subtitusikan t=0 , sehingga
= k (1-0)-k-1
= k
Jadi =E(x) = k
b. Untuk mencari varians ) menggunakan turunan kedua dikuarangi kuadrat

turunan pertama dari Mgf

=k 2
Diketahui : Mx(t) = (1-t)-k
Mx(t) = k
Mx (t)= k (-k-1)(1-t)-k-2(-)
= k (-) (-k-1)(1-t)-k-2
= - k2 (-k-1) (1-t)-k-2
subtitusikan t=0, sehingga
= - k2 (-k-1) (1-0)-k-2
= - k2 (-k-1)
= k22 + k2

Varians = = Var (x) = E(x2) E(x)2

= Mx (t)-(Mx(t))2
= k22 + k2 (k)2
= k22 + k2 k22
= k2
Jadi = k2
7. Contoh Soal dan Pembahasank=8 dan
Soal:
Misalkan variable acak kontinu X yang menyatakan ketahanan suatu bantalan peluru
(dalam ribuan jam) yang diberi pembebanan dinamik pada suatu putaran kerja
tertentu mengikuti suatu distribusi gamma dengan k=8 dan =15, maka tentukan
probabilitas sebuah bantalan peluru dapat digunakan selama 60 ribu sampai 120 ribu
jam dengan pembebanan dinamik pada putaran kerja tersebut, serta tentukan ukuran
statistik distribusi gamma untuk masalah tersebut.
Jawab :
Karena soal tersebut dipengaruhi parameter k dan , maka dapat dicari peluang
ketahanan pembebanan antara 60 ribu jam sampai 120 ribu jam dan perhitungannya
adalah :
P(60 x 120) = P(x 120)-P(x 60)
= FG(120;8;15)- FG(60;8;15)
= FG(120/15;8)- FG(60/15;8)
= FG(8;8)- FG(4;8)
=0,5470-0,0511
= 0,4959
Beberapa ukuran statistic distribusi gamma adalah sebagai berikut :
1. Mean= E(x)= k= (8)(15)=120
2. Varians=( = k2=(8)(15)2=1.800