Pertemuan ke 5

3.4 DISTRIBUSI POISSON

Dalam mempelajari distribusi Binomial kita dihadapkan pada probabilitas variabel random
diskrit (bilangan bulat) yang jumlah trial nya kecil , sedangkan jika dihadapkan pada suatu kejadian
dengan p <<< dan menyangkut kejadian yang luas n >>> maka digunakan distribusi Poisson.
Distribusi Poisson dipakai untuk menentukan peluang suatu kejadian yang jarang terjadi, tetapi
mengenai populasi yang luas atau area yang luas dan juga berhubungan dengan waktu.

Contoh 3.8
Disuatu gerbang tol yang dilewati ribuan mobil dalam suatu hari akan terjadi kecelakaan dari sekian
banyak mobil yang lewat.

Contoh 3.9
Dikatakan bahwa kejadian seseorang akan meninggal karena shock pada waktu disuntik dengan
vaksin meningitis 0,0005. Padahal, vaksinasi tersebut selalu diberikan kalau seseorang ingin pergi
haji.

Percobaan Poisson memiliki ciri-ciri berikut :

1. Hasil percobaan pada suatu selang waktu dan tempat tidak tergantung dari hasil percobaan di
selang waktu dan tempat yang lain yang terpisah
2. Peluang terjadinya suatu hasil percobaan sebanding dengan panjang selang waktu dan luas tempat
percobaan terjadi. Hal ini berlaku hanya untuk selang waktu yang singkat dan luas daerah yang
sempit
3. Peluang bahwa lebih dari satu hasil percobaan akan terjadi pada satu selang waktu dan luasan
tempat yang sama diabaikan

Distribusi Peluang variabel acak Poisson diberi oleh :

( )

( )

dimana: r = 0,1,2,3,....... dan > 0

Distribusi Poisson digunakan terutama untuk :

a. Menjelaskan banyaknya peristiwa (kejadian) yang terjadi dalam satu selang waktu tertentu.
b. Sebagai pendekatan distribusi binomial

3.4.1 Sifat-sifat Distribusi Poisson

(i)

Dalam suatu proses Poisson, frekuensi rata-rata kejadian dalam selang waktu t adalah = t
. Jadi adalah nilai rata-rata distribusi Poisson. Ini dapat ditunjukkan sebagai berikut :
( )

(ii)

( )

Varians suatu distribusi Poisson sama dengan nilai rata-rata . Jadi deviasi standar = .
Varians = E[(x- )2] =
[ (

( - )

( )

] ( )

(iii) Distribusi Poisson sangat berguna dalam mendekati distribusi binomial, bila parameter
distribusi binomial p kecil. Untuk suatu distribusi binomial, nilai rata-ratanya=np, dan
varians = np(1-p). Bila p<< 1, varians distribusi binomial = np= nilai rata-rata, seperti
halnya dengan distribusi Poisson.
Contoh 3.10
Dianggap bahwa butir-butir debu per satuan volume dalam ruang terdistribusi acak mengikuti
distribusi Poisson, bernilai rata =6 butir per liter. Carilah peluang mendapatkan kurang daripada
dua butir debu dalam satu liter sampel.

Contoh 3. 11
Peluang terdapatnya cacat pada satu km benang kawat=0.01. Sebuah kabel terdiri atas 100 benang
kawat terpilin, dan bisa mendukung beban rancangannya bila terdapat 99 benang kawat yang tidak
cacat. Carilah peluang 1 km kabel akan sanggup mendukung beban rancangannya.

3. 5 DISTRIBUSI HIPERGEOMETRIK
Jika sampling dilakukan tanpa pengembalian dari kejadian sampling yang diambil dari
populasi dengan kejadian2 terbatas, proses bernouli tidak dapat digunakan, karena ada perubahan
secara sistematis dalam probabilitas sukses seperti kejadian2 yang diambil dari populasi.
Jika pengambilan sampling tanpa pengembalian digunakan dalam situasi sebaliknya dan
memenuhi syarat proses bernouli, distribusi hypergeometrik adalah distribusi probabilitas diskrit
yang tepat.
Definisi: Distribusi peluang pada hipergeometrik X, yaitu banyaknya sukses dalam sampel acak
ukuran n yang diambil dari N benda yang mengandung k bernama sukses dan N-k bernama gagal,
ialahRumus hipergeometrik

Yakni banyaknya macam sampel ukuran n yang dapat diambil dari N benda ialah NCn. Sampel ini
dianggap mempunyai peluang sama. Ada sebanyak kCx cara memilih x sukses dari sebanyak k yang
tersedia, dan untuk tiap cara ini dapat dipilih n-x gagal dalam N-kCn-x cara. Jadi semuanya ada kCx.Nk

Cn-x macam sampel dari NCn sampel yang mungkin diambil.

Teorema: Rata-rata dan varians distribusi hipergeometrik h(x; N, n, k) adalah

Apabila populasi besar dan sampel relatif kecil, pengambilan secara sampling dilakukan tanpa
pengembalian menimbulkan efek terhadap probabilitas sukses dalam setiap percobaan kecil, untuk
mendekati nilai probabilitas hypergeometrik dapat digunakan konsep distribusi binomial dengan
syarat n0,05N.
Jika N maka dist. Hipergeometri dapat dihampiri dengan dist. Binomial.

Perbedaan antara distribusi binomial dan distribusi hipergeometrik

adalah terletak pada cara penarikan sampel.
Dalam distribusi binomial diperlukan sifat pengulangan yang saling bebas, dan pengulangan
tersebut harus dikerjakan dengan pengembalian (with replacement).
Sedangkan untuk distribusi hipergeometrik tidak diperlukan sifat pengulangan yang saling
bebas dan dikerjakan tanpa pengembalian (without replacement).
Penerapan untuk distribusi hipergeometrik
Ditemukan dalam berbagai bidang, dan paling sering digunakan dalam penarikan sampel
penerimaan barang, pengujian elektronik, jaminan mutu, dsb.
Dalam banyak bidang ini, pengujian dilakukan terhadap barang yang diuji yang pada
akhirnya barang uji tersebut menjadi rusak, sehingga tidak dapat dikembalikan. Jadi,
pengambilan sampel harus dikerjakan tanpa pengembalian
Contoh 3.12
Sekelompok orang terdiri dari 50 orang dan 3 orang diantaranya lahir pada tanggal 31 Desember.
Bila secara acak dipilih 5 orang, berapa peluang orang yang terpilih itu:
(a) tidak terdapat yang lahir pada tanggal 31 Desember
(b) tidak lebih dari 1 orang yang lahir pada tanggal 31 Desember
Contoh 3.13
Suatu pabrik ban melaporkan bahwa dari pengiriman sebanyak 5000 ban ke suatu toko tertentu
terdapat 1000 yang cacat. Bila seseorang membeli 10 ban ini secara acak dari toko tersebut,
berapakah peluangnya mengandung 3 yang cacat ?

3.6 PENDEKATAN POISSON UNTUK DISTRIBUSI BINOMIAL

Pendekatan Peluang Poisson untuk Peluang Binomial, dilakukan jika n besar (n > 20) dan p
sangat kecil (p < 0.01) dengan terlebih dahulu menetapkan p dan kemudian menetapkan () = n
xp
Contoh 3.14
Dari 1 000 orang mahasiswa 2 orang mengaku selalu terlambat masuk kuliah setiap hari, jika pada
suatu hari terdapat 5 000 mahasiswa, berapa peluang ada lebih dari 3 orang yang terlambat?