Dimana
e adalah basis logaritma natural (e = 2.71828...)
k adalah jumlah kejadian suatu peristiwa peluang yang diberikan oleh fungsi
ini
k! adalah faktorial dari k
λ adalah bilangan riil positif, sama dengan nilai harapan peristiwa yang terjadi
dalam interval tertentu. Misalnya, peristiwa yang terjadi rata-rata 4 kali per
menit, dan akan dicari probabilitas terjadi peristiwa k kali dalam interval 10
menit, digunakan distribusi Poisson sebagai model dengan λ = 10×4 = 40.
Sebagai fungsi k, ini disebut fungsi massa probabilitas. Distribusi Poisson dapat
diturunkan sebagai kasus terbatas distribusi binomial. Distribusi Poisson dapat
diterapkan pada sistem dengan kejadian berjumlah besar yang yang mungkin terjadi,
yang mana kenyataannya cukup jarang. Contoh klasik adalah peluruhan nuklir atom.
Sebaran poisson dan binom memiliki histogram yang bentuknya hampir sama
bila n besar dan p kecil. Oleh karena itu, bila kedua kondisi itu dipenuhi, sebaran
poisson dengan = n * p dapat digunakan untuk menghampiri peluang binom. Bila
p nilainya dekat dengan 1, kita dapat saling menukarkan apa yang telah didefinisikan
sebagai keberhasilan dan kegagalan, dengan demikian mengubah p menjadi suatu
nilai yang dekat dengan nol.
2. Ciri-Ciri Distribusi Poisson
Ada beberapa ciri untuk menentukan apakah data tersebut temasuk dalam kriteria
Distribusi Poisson atau tidak (Walpole, 1995). Adapun ciri-ciri tersebut adalah:
a. Banyaknya hasil percobaan yang terjadi dalam suatu interval waktu atau suatu
daerah tertentu tidak bergantung pada banyaknya hasil percobaan yang terjadi
pada interval waktu atau daerah lain yang terpisah.
b. Probabilitas terjadinya hasil percobaan selama suatu interval waktu yang
singkat atau dalam suatu daerah yang kecil, sebanding dengan panjang interval
waktu atau besarnya daerah tersebut dan tidak bergantung pada banyaknya
hasil percobaan yang terjadi di luar interval waktu atau daerah tersebut.
c. Probabilitas lebih dari satu hasil percobaan yang terjadi dalam interval waktu
yang singkat atau dalam daerah yang kecil dapat diabaikan.
Poisson
([𝑘𝑡1),λ λ𝑖
[𝑘]!
untuk k ≥ 0 atau 𝑒 −λ ∑𝑘𝑖=1 𝑖!
rata-rata: λ
median: ≈ [λ + 1/3 – 0,02/ λ]
modus: [ λ] – 1
ragam: λ
skewness: λ −1/2
ex.kurtosis: λ −1
λ k log
Λ[1- log(λ) + 𝑒 −λ ∑∞
𝑘=0 (𝑓𝑜𝑟
𝑘!
1 1
entropi: large λ) 2 log (2𝜋𝑒λ ) − −
12λ
1 19 1
+ O(λ 4 )
24λ 2 360λ 3
Contoh Soal
DISTRIBUSI BINOMIAL NEGATIF
Suatu distribusi binomial negatif dibentuk oleh suatu eksperimen yang memenuhi
kondisi-kondisi berikut:
Eksperimen terdiri dari serangkaian percobaan yang saling bebas
Setiap percobaan (trial) hanya dapat menghasilkan satu dari dua keluaran yang
mungkin, sukses atau gagal.
Probabilitas sukses p, dan demikian pula probabilitas gagal q = 1 - p selalu konstan
dalam setiap percobaan (trial)
Eksperimen terus berlanjut (percobaan terus dilakukan) sampai sejumlah total k
sukses diperoleh, dimana k berupa bilangan bulat tertentu.
Jadi pada suatu eksperimen binomial negatif, jumlah suksesnya tertentu
sedangkan jumlah percobaannya yang acak.
Distribusi Binomial Negatif, bila percobaan bebas berulang dapat menghasilkan
sukses dengan probabilitas p dan gagal dengan probabilitas q = 1 – p, maka distribusi
probabilitas dari variabel acak X, jumlah percobaan dimana
sukses ke-k terjadi diberikan oleh:
𝑛
𝑏(𝑥; 𝑛; 𝑝) ( ) 𝑝 𝑥 𝑞 𝑛−𝑥 , 𝑥 = 0,1,2, … , 𝑛
𝑥
Keterangan
(𝑛𝑥) adalah notasi lain untuk C(n,x).
Notasi ini disebut juga notasi binomial.
Fungsi padat peluang distribusi binomial negative
𝑥−1
𝑥 = 𝑘, 𝑘 + 1, 𝑘 + 2
𝑓(𝑥) = { 𝑘 − 1) 𝑝𝑘 (1 − 𝑝)𝑥−𝑘
(
𝑙𝑎𝑖𝑛𝑛𝑦𝑎
0
Keterangan notasi:
𝑝 = Peluang sukses
𝑥 = Jumlah percobaan sampai mendapatkan sukses ke-k
𝑘 = Jumlah sukses yang muncul
b. Varian
Varian dari distribusi binomial adalah
𝐾(1−𝑃)
Var(X) = 𝑃2
c. Fungsi pembangkit momen (MGF)
Fungsi pembangkit momen distribusi binomial negative adalah
𝑘
𝑝𝑒 𝑡
𝑀𝑋 (𝑡) ( )
1 − (1 − 𝑝)
2. Ciri-ciri Distribusi Binomial
a. Ciri pertama distribusi binomial adalah bila jumlah n tetap dan p kecil maka
distribusi yang dihasilkan akan miring ke kanan dan bila p makin besar maka
kemiringan akan berkurang dan bila p mencapai 0,5 maka distribusi akan menjadi
simetris. Bila p lebih besar dari 0,5, maka distribusi yang dihasilkan akan miring
ke kiri.
b. Ciri kedua nya adalah bila p tetap dengan jumlah n yang makin besar maka akan
dihasilkan distribusi yang mendekati distribusi simetris.
c. Percobaan diulang sebanyak n kali.
d. Hasil setiap ulangan dapat dikategorikan ke dalam 2 kelas, misal :
“BERHASIL” atau “GAGAL”;
“YA” atau “TIDAK”;
“SUCCESS” or “FAILED”.
e. Peluang berhasil / sukses dinyatakan dengan p dan dalam setiap ulangan nilai p
tetap. Peluang gagal dinyatakan dengan q, dimana q = 1-p.
f. Setiap ulangan bersifat bebas (independen) satu dengan lainnya.
g. Percobaannya terdiri atas n ulangan (Ronald.E Walpole)
h. Nilai n < 20 dan p > 0.05