Distribusi Poisson

Distribusi Poisson erat kaitannya dengan distribusi Binomial. Bila pada distribusi Binomial kita
membahas:
 Berapa peluang dari 10 Factory Outlet yang saya buka, 3 Factory Outlet diantaranya akan sukses
(kata kuncinya: 3 Factory Outlet yang sukses dari 10 Factory Outlet)
 Berapa peluang dari 8 mata kuliah yang saya tempuh, 2 diantaranya tidak lulus (kata kuncinya: 2
mata kuliah yang tidak lulus dari 8 mata kuliah)
 Berapa peluang didapat 3 produk cacat , dari 1000 000 produk yang dibuat (kata kuncinya: 3
produk yang cacat dari 1000 0000 produk)

Dalam butir-butir diatas yang menjadi bahasan adalah:

Jumlah objek yang sukses dari sekian objek
atau

Jadi baik pembilang maupun penyebut adalah sama, yaitu: jumlah objek.

Dengan distribusi Poisson, kita dapat menjawab pertanyaan yang lebih umum, misalnya yang terkait
dengan:
 Jumlah lubang jalan per lima kilometerpanjang jalan tol
 Jumlah jerawat per 2 dm2 luas pipi kita
 Jumlah produk cacat per 3 jam produksi
 Jumlah ubin pecah per 100 m2 luas lantai
Jadi masalah yang dibahas menjadi lebih umum, yaitu:

adapun yang menjadi interval dapat saja berupa:

 lima kilometerpanjang jalan tol
 2 dm2 luas pipi kita
 3 jam produksi
 100 m2 luas lantai

Berikut ini adalah definisi Variable Acak yang Berdistribusi Poisson.

Definisi Variable Acak yang Berdistribusi Poisson

Misalkan secara rata-rata terdapat buah sukses per interval. Misalkan pula variable acak X menyatakan
banyaknya sukses per interval, maka nilai yang mungkin dari variable random X ini, dilambangkan
dengan x, adalah x = 0,1,2,3,… . Adapun peluang bahwa variable random X akan bernilai x adalah P(X=x,)
dan dinyatakan dengan fungsi berikut ini:
( ) ( ) x= 0,1,2,3, ….
Selanjutnya variable acak X dengan fungsi distribusi peluang ini dikatakan berdistribusi Poisson dengan
parameter λ, dan dilambangkan dengan ( ).

78
Ilustrasi-1

Rata-rata dan Varians dari Variabel Acak yang Berdistribusi Poisson

Misalkan X adalah variable acak berdistribusi Poisson dengan parameter λ, atau ( ) maka
Rata-rata X = mean X = ( ) λ
Varians X = V(X)=

Ilustrasi-2

79