Fitriani Agustina

Jurusan Pendidikan Matematika

UPI

1
DISTRIBUSI GAMMA

Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah
distribusi gamma.

A. Fungsi kepadatan peluang (fkp)
Fungsi kepadatan peluang (fkp) dari distribusi gamma dengan dua parameter
yaitu p dan adalah sebagai berikut:
( )
( )
0 , 0 , 0 ,

exp

1
1
> > >
|
.
|

\
|
=

p x
x x
p
x f
p
p

dimana: (p) = (p-1)! adalah fungsi gamma.
Nilai mean dari distribusi gamma adalah:
( ) ( )
( )
( ) ( )
( )
( ) ( )
( )
( )
p
p
p p
p
p
p
p
dx
x x
p
dx
x x
p
dx
x x
p
x
dx x f x x E
p
p
p
p
p
p
=

=
+
=
|
.
|

\
|
=
|
.
|

\
|
=
|
.
|

\
|
=
=
} }
}
}

! 1
! 1
! 1
!

1

exp

exp

exp

1
0 0
0
1
0



( ) ( )
( )
( ) ( )
( )
( )
( )
( )
( ) ( )
( )
( ) 1
! 1
1 ! 1
! 1
! 1

2

exp

exp

exp

1
0 0
1 1
0
1
2
0
2 2
+ =

+
=

+
=
+
=
|
.
|

\
|
=
|
.
|

\
|
=
|
.
|

\
|
=
=
} }
}
}

+ +

p p
p
p p p
p
p
p
p
dx
x x
p
dx
x x
p
dx
x x
p
x
dx x f x x E
p
p
p
p
p
p

Nilai varians dari distribusi gamma adalah:
Fitriani Agustina
Jurusan Pendidikan Matematika
UPI

2
( ) ( ) ( ) | |
( ) | | ( )
| |
p
p p p
p p p
x E x E x Var

2 2 2 2
2 2
2 2
=
+ =
+ =
=

B. Fungsi survivor
Fungsi survivor adalah peluang suatu individu atau objek masih tetap hidup
sampai dengan waktu t yang telah ditentukan. Fungsi survivor didefinisikan sebagai
berikut:

( ) ( ) ( )
( ) ( ) t F t S
t T P t T P t S
r r
=
s = > =
1
1
dimana F(t) adalah fungsi distribusi.

( ) ( )
( )
( )
( )
( )
( ) ( ) x p I t S
dx
x x
p
t S
dx
x x
p
t S
dx x f t S
t
p
p
t
p
p
t
, , 1

exp

1
1

exp

1
0
1
1
=
|
.
|

\
|
=
|
.
|

\
|
=
=
}
}
}

Fungsi survivor distribusi gamma yang kita peroleh adalah suatu fungsi survivor
distribusi gamma dalam bentuk eksplisit. Kita membiarkan fungsi survivor distribusi
gamma dalam bentuk eksplisit karena untuk menyelesaikan pengintegralan yang ada
dalam rumus diatas pengintegralannya cukup rumit

C. Fungsi hazard
Karena fungsi survivor distribusi gamma tidak dalam bentuk eksplisit, maka
fungsi hazardnya juga tidak dalam bentuk eksplisit juga. Fungsi hazard didefinisikan
sebagai berikut:
Fitriani Agustina
Jurusan Pendidikan Matematika
UPI

3

( ) ( )
( )
( ) ( )
( )
( )
( )
}

|
.
|

\
|

|
.
|

\
|
=
=
=
0
1
1

exp

1
1

exp

1
1
1
'
t t
p
t t
p
t S
t f t h
t S
t F t h
p
p
p
p


D. Fungsi hazard kumulatif
Fungsi hazard kumulatif pun tidak bisa kita nyatakan dalam bentuk implisit, karena
fungsi hazardnya sendiri dinyatakan dalam bentuk eksplisit. Fungsi hazard kumulatif
didefinisikan sebagai berikut:

( ) ( )
( )
( )
( )
dx
t t
p
t t
p
t H
dx x h t H
t
t
p
p
p
p
t
}
}
}
|
.
|

\
|

|
.
|

\
|
=
=

0
0
1
1
0

exp

1
1

exp

1


E. Estimasi
Misalkan ( )
n
X X X , , ,
2 1
adalah variabel random dari waktu-waktu kegagalan
dan variabel random itu berdistribusi Gamma dengan parameter p dan .
1. Sampel lengkap
Suatu sampel dikatakan sampel lengkap apabila ada sebanyak n objek yang
ditempatkan pada pengujian dan pengujian dihentikan setelah semua item objek
mati.
o Fungsi kepadatan peluang (fkp) bersama dari ( )
n
X X X , , ,
2 1
adalah:
( ) ( ) ( )
( )
( )
( )
[
=
=
n
i
i n
p x f n p x x x f
1
2 1
, ! , , , ,
o Fungsi likelihoodnya adalah:
Fitriani Agustina
Jurusan Pendidikan Matematika
UPI

4
( ) ( ) ( )
( )
( )
( )
( ) ( ) ( )
( )
( )
( ) ( ) ( )
( ) ( ) | |
[

[
[
=
=
=

=
|
|
|
|
|
.
|

\
|

=
|
.
|

\
|
=
=
n
i
p
i
n
i
i
np n
n
n
i
p
p
n
n
i
i n
x
x
p n x x L
x x
p
n x x p L
p x f n x x p L
1
1 1
2 1
1
1
2 1
1
2 1

exp ! , , , x p,

exp

1
! , , , x ,
, ! , , , x ,

( ) ( ) | |
( ) ( )

ln 1 ln ln ! ln

exp ! ln , ln
1
1
1
1
1

[
=
=
=
=

+ =
(
(
(
(
(

|
|
|
|
|
.
|

\
|

=
n
i
i
n
i
i
n
i
i
n
i
p
i
np n
x
x p np p n n
x
x p n p L

Nilai maksimum dari ( )
i
x p L , akan dicapai apabila
( ) ( )
0
, ln
0

, ln
=
c
c
=
c
c
p
x p L
atau
x p L
i i
.
( )
2
1

, ln

=
+ =
c
c
n
i
i
i
x
np
x p L
sehingga

0
1
2
1

= =
+ = + =
n
i
i
n
i
i
x
np dan
x
np

dan kita peroleh
np
x
n
i
i
=
=
1
.
Berdasarkan hasil estimasi tehadap yang kita peroleh diatas, maka kita dapat
membuktikan bahwa ( ) ( )
np
Var dan E
2

= = . Distribusi dari merupakan

distribusi gamma dengan parameter
np
dan np

.
Seperti kita ketahui ( )
n
X X X , , ,
2 1
adalah distribusi identik independen (iid) yang
berdistribusi gamma dengan parameter p dan , oleh karena itu maka

=
n
i
i
x
1

Fitriani Agustina
Jurusan Pendidikan Matematika
UPI

5
berdistribusi gamma dengan parameternya dan np , sedangkan untuk
np
x
i
=
merupakan distribusi gamma dengan parameternya
np
dan np

. Sehingga kita peroleh
fungsi kepadatan peluang (fkp) dari adalah sebagai berikut:
( )
( )
1

exp

1
,

|
|
|
.
|

\
|

|
.
|

\
|
=
np
np
np
np
np
p g
diperoleh
( )
( )
( )
( ) | | ( )
1
1
1
1

,
, , ,

[
=
np
n
i
p
i
np n
n
x
np p
np
p g
p x x L
bebas dari parameter yang
tidak diketahui. Karena itu, adalah cocok untuk . Kelengkapan dari dapat
dibuktikan dengan menggunakan sifat unik dari transform Laplace dan mengacu pada
Lehmann dan Scheffe (1955). Sehingga kita memperoleh hasil bahwa tidak hanya
merupakan MLE tetapi juga merupakan UMVUE dari . Dalam model distribusi
gamma kita mengetahui bahwa rata-rata hidup adalah p dan jika kita mengestimasi
p maka MLE dan UMVUE dari p adalah sama untuk rata-rata sampel

=
n
i
i
x
n
1
1
.
Besar dari parameter p dan tidak diketahui. Kita akan melakukan estimasi parameter
p dan . Berdasarkan perhitungan diatas kita telah memperoleh hasil estimasi
parameter yaitu
np
x
i
= . Selanjutnya kita akan mengestimasi parameter p
berdasarkan pada estimasi yang telah kita peroleh.
o Fungsi kepadatan peluang (fkp) bersama dari ( )
n
X X X , , ,
2 1
adalah:
( ) ( ) ( )
( )
( )
( )
[
=
=
n
i
i n
p x f n p x x x f
1
2 1
, ! , , , ,






Fitriani Agustina
Jurusan Pendidikan Matematika
UPI

6
o Fungsi likelihoodnya adalah:
( ) ( ) ( )
( )
( )
( )
( ) ( ) ( )
( )
( )
( ) ( ) ( )
( ) ( ) | |
[

[
[
=
=
=

=
|
|
|
|
|
.
|

\
|

=
|
.
|

\
|
=
=
n
i
p
i
n
i
i
np n
n
n
i
p
p
n
n
i
i n
x
x
p n x x L
x x
p
n x x p L
p x f n x x p L
1
1 1
2 1
1
1
2 1
1
2 1

exp ! , , , x p,

exp

1
! , , , x ,
, ! , , , x ,

( ) ( ) | |
( ) ( )

ln 1 ln ln ! ln

exp ! ln , ln
1
1
1
1
1

[
=
=
=
=

+ =
(
(
(
(
(

|
|
|
|
|
.
|

\
|

=
n
i
i
n
i
i
n
i
i
n
i
p
i
np n
x
x p np p n n
x
x p n p L

Nilai maksimum dari ( )
i
x p L , akan dicapai apabila
( ) ( )
0
, ln
0

, ln
=
c
c
=
c
c
p
x p L
atau
x p L
i i
.
( )
0

, ln
2
1
= + =
c
c

=
n
i
i
i
x
np
x p L
,
( )
( ) 0 ln ln ln
, ln
1
= +
c
c
=
c
c

=
n
i
i
i
x n p
p
n
p
x p L

Fungsi ( ) p
p
ln
c
c
sulit untuk dipecahkan sehingga untuk rumus diatas kita dapat
menyelesaikannya dengan menggunakan metode iterasi Newton-Raphson. Metode lain
yang dapat kita adalah dengan mensubstitusikan
p
x
np
x
i
= =

ke dalam persamaan
( )
( ) 0 ln ln ln
, ln
1
= +
c
c
=
c
c

=
n
i
i
i
x n p
p
n
p
x p L
. Sehingga diperoleh persamaan
seperti dibawah ini:
Fitriani Agustina
Jurusan Pendidikan Matematika
UPI

7
( ) x x
n
p p
dp
d
n
i
i
ln
1
ln ln
1
=

=
.
MLEnya adalah
p
x

= dimana p adalah hasil dari penyelesaian

( ) x x
n
p p
dp
d
n
i
i
ln
1
ln ln
1
=

=
. Persamaan ( ) x x
n
p p
dp
d
n
i
i
ln
1
ln ln
1
=

=
dapat
kita selesaikan dengan menggunakan metode interpolasi invers. Fungsi
( ) p
dp
d
ln diketahui sebagai fungsi gamma dan perluasannya dapat dilihat pada tabel
dalam Abramowitz dan Stegun (1964) dan Pairman (1919). Untuk nilai p yang besar,
kita menggunakan aproksimasi

2. Sampel tersensor tipe I
3. Sampel tersensor tipe II

F. Estimasi reliabiliti
Misalkan ( ) ( ) , 1 p t F t S = adalah fungsi reliabiliti. Maka untuk distribusi
gamma dengan parameter p dan , fungsi reliabilitinya ( ) , p t S adalah sebagai berikut:
( )
( )
}

|
.
|

\
|
=
t
p
p
dx
x x
p
p t S

exp

1
,
1

MLE dari ( ) , p t S dinotasikan dengan ( ) , p t S dimana dan p adalah MLE dari p
dan . Oleh karena itu untuk sampel lengkap diperoleh:

( ) ( )
( )
( )
( )
}
}

=
|
.
|

\
|
=
=

1
1

exp

1

exp

1
, ,

t
p
t
p
p
dy y y
p
dx
x
x
p
p t S p t S

Untuk nilai , , dan p t yang diketahui, hasil pengintegralannya dapat kita
peroleh dengan menggunakan tabel fungsi gamma tak lengkap [K. Pearson, 1968]

Fitriani Agustina
Jurusan Pendidikan Matematika
UPI

8
Pada kasus dimana p diketahui, MLE dari ( ) , p t S akan berubah menjadi
( ) ,

p t S dimana
p
x
= . Karena itu rumus estimasi reliabiliti dimana p diketahui adalah
sebagai berikut:
( )
( )
( )
}

=
x
tp
p
dy y y
p
p t S exp

1
,

1

Seperti telah diketahui diatas bahwa apabila p diketahui maka
p
x
= adalah
UMVUE dari dan dapat ditunjukkan