Distribusi Eksponensial

a.
b.
c.
d.
e.
f.

Distribusi Eksponensial
Ekspektasi dan Varians Dist. Eksponensial
Fungsi Pembangkit Momen
Uji Kecocokan (Goodness of Fit) Distribusi Eksponensial
Hubungan dalam Reliabilitas
Hubungan dengan distribusi lain

Disusun untuk memenuhi tugas mata kuliah Reliabilitas dengan dosen pengajar
Ibu Enny Supartini

disusun oleh
Arif Rahman Hakim
Faisal Kamil Anwar
Marolop Marojahan Naibaho

140610130033
140610130037
140610130061

Departemen Statistika
Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Padjadjaran

a. Distribusi Eksponensial

Distribusi probabilitas eksponensial adalah salah satu bentuk distribusi peluang yang
bersifat kontinu. Distribusi ini merupakan pengujian yang dilakukan untuk melakukan
perkiraan atau prediksi dengan hanya membutuhkan perkiraan rata-rata populasi, karena
distribusi eksponensial memiliki standar deviasi sama dengan rata-rata. Ciri-ciri umum dari
distribusi ini adalah kurvanya mempunyai ekor di sebelah kanan dan nilai x dimulai dari 0
sampai tak hingga. Distribusi eksponensial merupakan model waktu (atau panjang atau area)
antara kejadian Poisson.
Bentuk fungsi densitas dan distribusi kumulatif dari distribusi eksponensial bernilai
sebagai berikut :
x
f x ( x )= e untuk x 0 , >0

0 selainnya

ex dt=1 ex
x

F x ( x )=
0

Ciri- ciri distribusi Eksponensial

1. Kurva dari distribusi eksponensial mempunyai ekor di sebelah kanan dan nilai x
dimulai dari 0 sampai tak hingga.
2. Mempunyai nilai variansi
3. Mempunyai nilai mean
4. Memiliki standart deviasi yang sama dengan rata rata
5. Pencarian pada distribusi eksponensial menggunakan variabel random
6. Peluang yang terjadi pada suatu percobaan mempengaruhi selisih waktu yang terjadi
pada percobaan tersebut.
7. Mempunyai nilai 0.
8. Mempunyai 0
Daerah luas kurva distribusi Eksponensial dinyatakan dalam grafik yang menyatakan daerah
arsiran probabilitas tergantung tanda atau . Jika P (X Xo) maka daerah arsiran
probabilitasnya berada di sebelah kiri.

b. Ekspektasi dan Varians

Ekspektasi Distribusi Eksponensial

E ( x )= x . f ( x ) dx

x . f ( x ) dx + x . f ( x ) dx
0

1
x .0 dx + e

1
0+ lim x e
b= 0

dx

dx

jika u=dx makadu=dx

x

dv=e dx , maka v= e
x

b
b
x=0

x e

+ e dx
0

1
E (x )=

1
2
lim b e + e
b

1
[ lim b e
b

+1 d x

) + lim ( e )+ ]
2

1
( 0+ 2+ 0 )

Jadi nilai E ( x ) untuk distribusi Eksponensial ialah

Varians Distribusi Eksponensial
2

Berdasarkan defenisi bahwaVar ( x )=E ( x 2 )[ E ( x ) ] , maka ;

E ( x 2) = x 2 f ( x ) dx

x 2 f ( x ) dx + x 2 f ( x ) dx

1
x 0 dx+ x e dx

0
2

1
0+ lim x 2 e
b 0

dx

dengan memisalkan u=x2 dan du=2 x dx

dv=e

dx , maka v= e

x 2 e 3 bx=4 +2 x e

x
3

dx

1
E ( x )= lim
b
2

dengan memisalkan u=x dan du=dx

x

dv=e dx , maka v= e

x 2 e 3 bx=0

e bx=0

1
2
E ( x )= lim
b

x e

b
x=0

1
( 000+2 3 )

E ( x 2) =2 2
Maka didapatkan nilai Var ( x )
Var ( x )=22 2
Jadi , nilai Var ( x ) =2

c. Fungsi Pembangkit Momen

Berdasarkan definisi fungsi pembangkit momen kontinu, maka :

Mx(t)

e tx . f ( x ) dx

tx

. f ( x ) dx + e tx . f ( x ) dx
0

e .0 dx+ e . 1 e

0
tx

tx

1
=

b 0

[ ( ) ] dx
lim e
b

1
t

b 0

1
1t

[( ) ]
1
t

lim e

b
x=o

[( ) ]
1
t

= ( 1t )

( lim (e

= ( 1t )
Mx(t) =

1
t

1
1 x
lim
e
= b 1 t

dx

[ ( ) ] dx
lim e
b

=0+

+1

[( ) ] )+ 1)
1
t

. (0+1)

( 1t )1 ;t<

d. Pengujian Kecocokan Data

Dalam kasus distribusi kontinu uji kecocokan model menggunakan Chi Kuadrat yang
didasarkan pada perbandingan antara nilai observasi dengan nilai frekuensi yang diharapkan
pada interval tertentu untuk variable acak.
Untuk kasus hasil pengamatan tertentu, nilai parameter lambda bias ditaksir dengan
nilai rata rata secara umum dari pengamatan tersebut yang dirumuskan dengan :

fx
x = ^
1 =
f

Lalu dilakukan pembentukan nilai peluang untuk setiap kategori pengamatan yang
dirumuskan dengan persamaan sebagai berikut :
a

P ( X <a ) =
0

x
40

e
dx=1e 40
40

Nilai peluang dari tiap kategori ini akan dinyatakan dalam nilai Expected value (E i)
yang akan dibandingkan dengan nilai observed (Oi) dan dicari nilai-nilai dari :
Ei, Oi, ( Oi- Ei), (Oi- Ei)2, ( Oi- Ei)2/Ei
Dengan menggunakan hipotesis dasar bahwa
Ho : data berdistribusi eksponensial
H1 : data tidak berdistribusi eksponensial
Pada tingkat tertentu, maka statistic uji dari kasus ini akan mengikuti distribusi chi
kuadrat, dengan degree of freedom bernilai jumlah kelas dikurangi dengan konstrain dari data.
Kriteria penolakan H0 yaitu H0 akan ditolak ketika nilai X2hitung > X2alpha
e. Hubungan dalam Reliabilitas dan distribusi lain
Dalam kasus Reliabilitas, fungsi distribusi eksponensial berguna dalam memberikan
model yang terbaik untuk waktu ketahanan (masa hidup) sebuah produk atau komponen
dengan memperhatikan waktu penggunaannya.
Distribusi ini juga sering diterapkan untuk mengamati ketahanan mesin yang jarang
dipakai sejak komponen diinstal, sebagai contoh pada komponen rangkaian listrik, resistor,
kapasitor dan diode dari rangkaian bias diamati ketahanannya walaupun masih baru daja
dipasangkan.

Terkait hubungan dengan distribusi lain, distribusi eksponensial adalah salah

satu kasus khusus dari distribusi gamma.
Definisi 1:

P x 1e x dx
0

Fungsi gamma didefinisikan oleh:

untuk > 0
Fungsi gamma ini adalah fungsi rekursif di mana P(n) = (n-1)!
Pada saat = 1, distribusi gamma mengambil suatu bentuk khusus yang
dikenal sebagai distribusi eksponensial. Distribusi eksponensial digunakan dalam
teori keandalan dan waktu tunggu atau teori antrian.
Selain sebagai bentuk khusus dari distribusi gamma, juga terdapat hubungan
antara distribusi eksponensial dengan gamma, dan poisson yaitu : Pada suatu kejadian
yang mengikuti proses Poisson, waktu antar kejadian (atau waktu kejadian pertama
atau ke-1 dari kejadian terakhir, karena sifatnya yang memoryless) tersebut akan
berdistribusi eksponensial. Sedangkan waktu sampai terjadinya kejadian ke- akan
berdistribusi gamma.