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

dokumen-dokumen yang mirip
BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV

FINITE FIELD (LAPANGAN BERHINGGA)

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc.

INFERENSI DATA UJI HIDUP TERSENSOR TIPE II BERDISTRIBUSI RAYLEIGH. Oleh : Tatik Widiharih 1 Wiwin Mardjiyati 2

Hidraulika Komputasi

PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI 1D DENGAN SKEMA FTCS, LAASONEN DAN CRANK-NICOLSON. Eko Prasetya Budiana 1 Syamsul Hadi 2

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

BEBERAPA SIFAT IDEAL GELANGGANG POLINOM MIRING: SUATU KAJIAN PUSTAKA

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA

BAB II LANDASAN TEORI

Metode Bayes Dan Ketidaksamaan Cramer-Rao Dalam Penaksiran Titik

Estimasi Parameter dan Dalam Pemulusan Eksponensial Ganda Dua Parameter Dengan Metode Modifikasi Golden Section

PENDAHULUAN INTERVAL KEPERCAYAAN PENAKSIRAN TITIK PENAKSIRAN INTERVAL 5/14/2012 KANIA EVITA DEWI

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCULOSIS DENGAN MODEL REGRESI COX

Bab 7 NILAI DAN VEKTOR EIGEN

BAB III ISI. x 2. 2πσ

Declustering Peaks Over Threshold Pada Data Curah Hujan Ekstrim Dependen di Sentra Produksi Padi Jawa Timur

Analisis Survival dengan Model Regresi Cox Weibull pada Penderita Demam Berdarah Dengue (DBD) di Rumah Sakit Haji Sukolilo Surabaya

PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU

LOGO ANALISIS REGRESI LINIER

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF

DEPENDENSI DALAM MODEL RESIKO INDIVIDUAL UNTUK ASURANSI JIWA KELOMPOK

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

BAB II TINJAUAN PUSTAKA

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL

FORMULA AKUMULASI FACKLER UNTUK CADANGAN PREMI BERDASARKAN ASUMSI CONSTANT FORCE

BAB 2 LANDASAN TEORI

PENENTUAN CADANGAN ASURANSI JIWA MULTILIFE DENGAN ASUMSI SEMI MARKOV

BAB III PERSAMAAN PANAS DIMENSI SATU

III. METODE PENELITIAN. instansi pemerintah, diantaranya adalah publikasi data dari Badan Pusat Statistik

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

BAB III ESTIMASI MODEL PROBIT TERURUT

Bab II Teori Pendukung

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN

Proses inferensi pada model logit Agus Rusgiyono. Abstracts

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

Penggunaan Uji Kointegrasi pada Data Kurs IDR terhadap AUD

BAB 5 HASIL DAN PEMBAHASAN

Pemecahan Masalah Integer Programming Biner Dengan Metode Penambahan Wawan Laksito YS 6)

BAB II TINJAUAN PUSTAKA. membahas analisis deret waktu, diagram kontrol Shewhart, Average Run Length

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

V. PENGUJIAN HIPOTESIS

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB 5. ANALISIS REGRESI DAN KORELASI

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

: sebagai standar pembanding bagi sifat-sifat gas nyata Larutan ideal : sebagai standar pembanding bagi sifat-sifat larutan nyata Pers. (3.

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 7 Gorontalo pada tahun ajaran 2012/2013

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE.

RELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA. Haposan Sirait 1, Usman Malik 2 ABSTRAK

PENGUJIAN HIPOTESIS DUA RATA-RATA

UKURAN PEMUSATAN & PENYEBARAN

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

Regresi Linier Sederhana Definisi Pengaruh

BAB 2 LANDASAN TEORI

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU

KONSEP DASAR. Latar belakang Metode Numerik Ilustrasi masalah numerik Angka signifikan Akurasi dan Presisi Pendekatan dan Kesalahan

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

Jumlah kasus penderita penyakit Demam Berdarah Dengue (DBD) di Kota Surabaya tahun

Pengukuran Bunga. Modul 1

TAKSIRAN YANG LEBIH EFISIEN UNTUK PARAMETER PADA DISTRUSI WEIBULL. Erma Kusuma Wati 1), Sigit Sugiarto 2), Bustami 2)

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

BAB II TINJAUAN PUSTAKA

BAB II LANDASAN TEORI

PERAMALAN JUMLAH WISATAWAN MANCANEGARA YANG MASUK MELALUI PINTU KEDATANGAN BANDARA SOEKARNO HATTA DAN BANDARA JUANDA

Penaksiran Parameter Model Regresi Polinomial Berkson Menggunakan Metode Minimum Distance

BAB 1 PENDAHULUAN. bahkan tidak sedikit orang yang frustasi akibat dari krisis global.

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DUA PARAMETER MENGGUNAKAN METODE BAYES. Abstract

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB II LANDASAN TEORI. pembahasan bab-bab berikutnya antara lain tentang model pergerakan harga

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

STRUKTUR MARKOV PADA MASALAH LAJU KREDIT Riri Syafitri Lubis

UKURAN GEJALA PUSAT DAN UKURAN LETAK

BAB IV METODA RUNGE-KUTTA ORDE 4 PADA MODEL ALIRAN FLUIDA YANG TERGANGGU

Rancangan Acak Kelompok

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

Analisis Penyaluran Kredit kendaraan bermotor Roda Dua Jenis Baru dan Bekas di PT X dengan Metode Vector Autoregressive

( L ). Matriks varians kovarians dari

PERENCANAAN PERSEDIAAN DAN PENGENDALIAN BAHAN BAKU DI PABRIK PRODUK BETON PT WIJAYA KARYA BETON, BOGOR

BAB 2 LANDASAN TEORI

BAB 8 PERSAMAAN DIFERENSIAL BIASA

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

Fisika Modern. Persamaan Schroodinger dan Fingsi Gelombang

MATEMATIKA INTEGRAL RIEMANN

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

Transkripsi:

DITRIBUI GAMMA Ada beberaa dsrbus eg dalam dsrbus uj hdu, salah sauya adalah dsrbus gamma. A. Fugs keadaa eluag (fk) Fugs keadaa eluag (fk) dar dsrbus gamma dega dua arameer yau da adalah sebaga berku: dmaa: f e,,, Г() = (-)! adalah fugs gamma. Nla mea dar dsrbus gamma adalah: E f d e d! e d!!! e d E f e d d e d!! Nla varas dar dsrbus gamma adalah:!! e d Fra Agusa Jurusa Peddka Maemaka

Var B. Fugs survvor E E Fugs survvor adalah eluag suau dvdu aau objek mash ea hdu sama dega waku yag elah deuka. Fugs survvor ddefska sebaga berku: Pr T Pr T F f d I,, e d e d dmaa F() adalah fugs dsrbus. Fugs survvor dsrbus gamma yag ka eroleh adalah suau fugs survvor dsrbus gamma dalam beuk eksls. Ka membarka fugs survvor dsrbus gamma dalam beuk eksls karea uuk meyelesaka egegrala yag ada dalam rumus daas egegralaya cuku rum C. Fugs hazard Karea fugs survvor dsrbus gamma dak dalam beuk eksls, maka fugs hazardya juga dak dalam beuk eksls juga. Fugs hazard ddefska sebaga berku: Fra Agusa Jurusa Peddka Maemaka

h h F' f e e D. Fugs hazard kumulaf Fugs hazard kumulaf u dak bsa ka yaaka dalam beuk mls, karea fugs hazardya sedr dyaaka dalam beuk eksls. Fugs hazard kumulaf ddefska sebaga berku: H H h d e e d E. Esmas Msalka X, X,, X adalah varabel radom dar waku-waku kegagala da varabel radom u berdsrbus Gamma dega arameer da.. amel legka uau samel dkaaka samel legka aabla ada sebayak objek yag demaka ada eguja da eguja dheka seelah semua em objek ma. o Fugs keadaa eluag (fk) bersama dar X, X,, X adalah: f,,,,! f, o Fugs lkelhoodya adalah: Fra Agusa Jurusa Peddka Maemaka 3

L,,,,! f, L,,,,!! L,,,, l L,l! l! l e e l e Nla maksmum dar L, l L, l L, aau l aka dcaa aabla. l L, sehgga ˆ ˆ da ˆ da ka eroleh ˆ. Berdasarka hasl esmas ehada yag ka eroleh daas, maka ka daa membukka bahwa Eˆ da Varˆ. Dsrbus dar ˆ meruaka dsrbus gamma dega arameer da. eer ka keahu X, X,, X adalah dsrbus dek deede (d) yag berdsrbus gamma dega arameer da, oleh karea u maka Fra Agusa Jurusa Peddka Maemaka 4

berdsrbus gamma dega arameerya da, sedagka uuk ˆ meruaka dsrbus gamma dega arameerya da. ehgga ka eroleh fugs keadaa eluag (fk) dar ˆ adalah sebaga berku: g ˆ, ˆ e ˆ deroleh L,,, g ˆ, ˆ bebas dar arameer yag dak dkeahu. Karea u, ˆ adalah cocok uuk. Kelegkaa dar ˆ daa dbukka dega megguaka sfa uk dar rasform Lalace da megacu ada Lehma da cheffe (955). ehgga ka memeroleh hasl bahwa ˆ dak haya meruaka MLE ea juga meruaka UMVUE dar. Dalam model dsrbus gamma ka megeahu bahwa raa-raa hdu adalah maka MLE da UMVUE dar da jka ka megesmas adalah sama uuk raa-raa samel Besar dar arameer da dak dkeahu. Ka aka melakuka esmas arameer da. Berdasarka erhuga daas ka elah memeroleh hasl esmas. arameer yau ˆ. elajuya ka aka megesmas arameer berdasarka ada esmas yag elah ka eroleh. o Fugs keadaa eluag (fk) bersama dar X, X,, X adalah: f,,,,! f, Fra Agusa Jurusa Peddka Maemaka 5

Fugs o Fugs lkelhoodya adalah: L,,,,! f, L,,,,!! L,,,, l L,l! l! l e e l e Nla maksmum dar L, l L, l L, l L, l L, l aau l, l aka dcaa aabla. l l sul uuk decahka sehgga uuk rumus daas ka daa meyelesakaya dega megguaka meode eras Newo-Rahso. Meode la yag daa ka adalah dega mesubsuska l L, seer dbawah : l l l ˆ ke dalam ersamaa. ehgga deroleh ersamaa Fra Agusa Jurusa Peddka Maemaka 6

d d l l l. MLEya adalah ˆ ˆ dmaa ˆ adalah hasl dar eyelesaa d d l l l d d. Persamaa l l l daa ka selesaka dega megguaka meode erolas vers. Fugs d d l dkeahu sebaga fugs gamma da erluasaya daa dlha ada abel dalam Abramowz da egu (964) da Parma (99). Uuk la yag besar, ka megguaka aroksmas. amel ersesor e I 3. amel ersesor e II F. Esmas relabl Msalka F, adalah fugs relabl. Maka uuk dsrbus gamma dega arameer da, fugs relablya,, e d MLE dar, doaska dega ˆ,ˆ da. Oleh karea u uuk samel legka deroleh: ˆ Uuk la, ˆ,ˆ ˆ ˆ ˆ ˆ ˆ y ˆ ˆ adalah sebaga berku: dmaa ˆ da ˆ adalah MLE dar e d ˆ e y dy, ˆ, da ˆ yag dkeahu, hasl egegralaya daa ka eroleh dega megguaka abel fugs gamma ak legka [K. Pearso, 968] Fra Agusa Jurusa Peddka Maemaka 7

Pada kasus dmaa dkeahu, MLE dar, ˆ,ˆ dmaa sebaga berku: aka berubah mejad ˆ. Karea u rumus esmas relabl dmaa dkeahu adalah UMVUE dar ˆ, y e y dy eer elah dkeahu daas bahwa aabla dkeahu maka da ˆ daa dujukka ˆ adalah Fra Agusa Jurusa Peddka Maemaka 8