Sebaran Poisson
Sebelum sampai pada sebaran Poisson, marilah kita ikuti uraian berikut ini. Kita
perhatikan ekspansi deret Taylor dari
𝑔(𝑢) = 𝑒 𝑢 ,
∞
𝑢
𝑢1 𝑢 2 𝑢 3 𝑢𝑥
𝑒 =1+ + + +⋯=∑
1! 2! 3! 𝑥!
𝑥=0
∞
𝑒 −𝑢 𝑢 𝑥
∑ =1
𝑥!
𝑥=0
𝑒 −𝑢 𝑢𝑥
𝑓(𝑥) = 𝐼(𝑥 = 0,1,2 … ).
𝑥!
maka :
Jadi 𝑓 mendefinisikan pdf. Peubah acak 𝑋 yang mempunyai pdf seperti ini disebut
bersebaran Poisson, ditulis sebagai 𝑋~𝑃𝑂𝐼(𝜇).
. Untuk menentukan ekspektasi dan varians peubah acak 𝑋 yang bersebaran Poisson
terlebih dahulu kita tentukan mgf-nya seperti berikut.
∞ ∞
𝑒 −𝑢 𝑢 𝑥 (𝑢𝑒 𝑡 )𝑥 𝑡
𝑀(𝑡) = 𝐸(𝑒 𝑡𝑋 )
= ∑𝑒 𝑡𝑥
= 𝑒 −𝑢 ∑ = 𝑒 −𝑢 𝑒 𝑢𝑒 𝑡 = 𝑒 𝑢(𝑒 −1) ,
𝑥! 𝑥!
𝑥=0 𝑥=0
Untuk semua nilai 𝑡. Selanjutnya kita tentukan turunan pertama dan kedua
𝑡 −1)
𝑀′ (𝑡) = 𝑒 𝑢(𝑒 (𝑢𝑒 𝑡 ),
dan
𝑡 −1) 𝑡 −1)
𝑀′ (𝑡) = 𝑒 𝑢(𝑒 (𝑢𝑒 𝑡 ) + 𝑒 𝑢(𝑒 (𝑢𝑒 𝑡 )2.
𝜇 = 𝑀′ (0) = 𝑢,
dan
𝜎 2 = 𝑀′ (0) − [𝑀′(0)]2 = 𝑢 + 𝑢2 + 𝑢2 = 𝜇.
Hasil ini menyatakan bahwa jika 𝑋 bersebaran Poisson, maka 𝜇 = 𝜎 2 = 𝑢 > 0. Olrh
karena itu kita dapat pula menulis sebaran ini sebagai 𝑋~𝑃𝑂𝐼(𝜇), pdf-nya
𝑒 −𝜇 𝜇 𝑥
𝑓(𝑥; 𝜇) = 𝐼(𝑥 = 0,1,2, … ),
𝑥!
dan cdf-nya
Untuk nilai 𝜇 dan 𝑥 tertentu cdf ini dapat diperoleh dari tabel sebaran Poisson, atau dari
computer dengan perangkat lunak statistik. Dalam hal ini kita pakai minitab.
2𝑥 𝑒 −2
𝑓(𝑥; 2) = , 𝑥 = 0,1,2, …
𝑥!
Selanjutnya jika kita ingin menentukan 𝑃(1 ≤ 𝑋), maka kita dapat memperolehnya
seperti berikut ini
𝑃(1 ≤ 𝑋) = 1 − 𝑃(𝑋 ≤ 0)
= 1 − 𝑃(𝑋 = 0)
= 1 − 𝑒 −2
= 0.865,
Hasil di atas dapat diperoleh langsung dari kalkulator , dari tabel sebaran Poisson, atau
dari Minitab.
Pembahasan selanjutnya dalam subpokok bahasan ini adalah mengenai hubungan
antara sebaran binomial dengan sebaran Poisson, seperti terlihat pada teorema dibawah
ini.
𝑛 𝑒 −𝜇 𝜇 𝑥
lim ( ) 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥 = .
𝑛→∞ 𝑥 𝑥!
Bukti
Kita uraikan ruas kiri terlebih dahulu, yaitu dengan menguraikan bentuk faktorialnya,
dan
𝜇
𝑛𝑝 = 𝜇 kita ubah menjadi bentuk 𝑝 = 𝑛. Oleh karena itu kita peroleh seperti berikut ini
𝑛 𝑛! 𝜇 𝑥 𝜇 𝑛−𝑥
( ) 𝑝 𝑥 (1 − 𝑝)𝑛−1 = ( ) (1 − )
𝑥 𝑥! (𝑛 − 𝑥)! 𝑛 𝑛
𝜇 𝑥 𝑛(𝑛 − 1) … (𝑛 − 𝑥 + 1) 𝜇 𝑛 𝜇 −𝑥
= (1 − ) (1 − )
𝑥! 𝑛𝑥 𝑛 𝑛
𝜇𝑥 𝑛 𝑛 − 1 (𝑛 − 𝑥 + 1) 𝜇 𝑛 𝜇 −𝑥
= ( )( )…( ) (1 − ) (1 − )
𝑥! 𝑛 𝑛 𝑛 𝑛 𝑛
Karena
𝜇𝑥 𝜇𝑥
lim = ,
𝑛→∞ 𝑥! 𝑥!
Dan
𝑛 𝑛−1 (𝑛 − 𝑥 + 1) 𝜇 𝑛 𝜇 −𝑥
lim ( ) ( )…( ) (1 − ) (1 − ) = 1,
𝑛→∞ 𝑛 𝑛 𝑛 𝑛 𝑛
𝜇 𝑛
lim (1 − ) = 𝑒 −𝜇 ,
𝑛→∞ 𝑛
kita peroleh
𝑛 𝑒 −𝜇 𝜇 𝑥
lim ( ) 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥 = .
𝑛→∞ 𝑥 𝑥!
Contoh 3.4.2
Misal 1% dari semua komponen yang diproduksi oleh pabrik tertentu adalah rusak.
Suatu komputer model baru memerlukan 100 komponen dari pabrik tersebut. Maka
peluang eksak untuk memperoleh 3 komponen rusak adalah 𝑏(3; 100,0.01) = 0.0610,
sedangkan menggunakan pendekatan Poisson kita peroleh peluang 𝑓(3; 1) = 0.0613.
Pembahasan terakhir dari subpokok bahasan ini adalah tentang Proses Poisson, yaitu
suatu proses untuk mendapatkan sebaran Poisson. Pada prakteknya proses Poisson ini
dapat pula digunakan untuk mendeteksi apakah suatu peubah acak mengikuti sebaran
Poisson atau tidak.
Kita perhatikan situasi fisik dalam kejadian tertentu, seperti dering telepon atau
kerusakan kabel pada potongan tertentu. Misal 𝑋(𝑡) menyatakan banyak kejadian yang
terjadi pada selang [𝑡, 𝑡 + ∆𝑡] dan anggap bahwa asumsi-asumsi berikut ini benar.
1) Peluang bahwa kejadian akan terjadi dalam selang yang pendek [𝑡, 𝑡 + ∆𝑡] adalah
mendekati perbandingan dengan panjang selang, ∆𝑡 , dan tidak bergantung pada
posisi selang.
2) Kejadian pada selang yang tidak berpotongan adalah saling bebas.
3) Peluang dua atau lebih kejadian dalam selang pendek [𝑡, 𝑡 + ∆𝑡] diabaikan.
𝑜(∆𝑡)
lim =0
∆𝑡→0 ∆𝑡
𝑜(∆𝑡) (∆𝑡)2
lim = lim = 0 lim ∆𝑡 = 0
∆𝑡→0 ∆𝑡 ∆𝑡→0 ∆𝑡 ∆𝑡→0
Teorema 3.4.2 Misal 𝑋(𝑡) menyatakan banyak kejadian yang terjadi pada selang
[0, 𝑡], dan 𝑃𝑛 (𝑡) = 𝑃[𝑛 𝑘𝑒𝑗𝑎𝑑𝑖𝑎𝑛 𝑑𝑎𝑙𝑎𝑚 𝑠𝑒𝑙𝑎𝑛𝑔 [0, 𝑡]].
(𝜆𝑡)𝑛 𝑒 −𝜆𝑡
𝑃𝑛 (𝑡) = 𝐼(𝑛 = 0,1,2 … ).
𝑛!
Bukti
Terdapat dua hasil yang mungkin untuk n kejadian dalam selang 0, t t, yaitu
mempunyai 1 kejadian dalam selang t, t tdan n 1 kejadian dalam selang 0, t ,
untuk t kecil, atau 0 kejadian dalam t, t tdan n kejadian dalam selang 0, t .
Oleh karena itu
Di pihak lain
𝑑𝑃𝑛 (𝑡) 𝑃𝑛 (𝑡 + Δ𝑡) − 𝑃𝑛 (𝑡)
= lim
𝑑𝑡 Δ𝑡→0 Δ𝑡
Oleh karena itu
𝑑𝑃𝑛 (𝑡)
𝑑𝑡
𝑃𝑛−1 (𝑡)𝜆Δ𝑡 + 𝑃𝑛−1 (𝑡)𝜊(Δ𝑡) + 𝑃𝑛 (𝑡) − 𝑃𝑛 (𝑡)𝜆Δ𝑡 + 𝑃𝑛 (𝑡)𝜊(Δ𝑡) + 𝜊(Δ𝑡) − 𝑃𝑛 (𝑡)
= lim
Δ𝑡→0 Δ𝑡
𝑃𝑛−1 (𝑡)𝜆Δ𝑡 − 𝑃𝑛 (𝑡)𝜆Δt
= lim = 𝜆[𝑃𝑛−1 (𝑡) − 𝑃𝑛 (𝑡)]
Δ𝑡→0 Δ𝑡
Sehingga
1
𝑑 𝑃0 (𝑡) = −𝜆 𝑑𝑡
𝑃0 (𝑡)
𝑃0 (𝑡) = 1
yang berakibat
𝐶 = ln 𝑃0 (0) = ln 1 = 0
Maka diperoleh
𝑃0 (𝑡) = 𝑒−𝜆𝑡
𝑑𝑃1 (𝑡)
= 𝜆[𝑃0 (𝑡) − 𝑃1 (𝑡)] = 𝜆[𝑒 −𝜆𝑡 − 𝑃1 (𝑡)] = 𝜆𝑒 −𝜆𝑡 − 𝜆𝑃1 (𝑡)
𝑑𝑡
Yang memberikan
(𝜆𝑡)𝑛 𝑒 −𝜆𝑡
𝑃𝑛 (𝑡) = 𝐼(𝑛 = 0,1,2,3 … )
𝑛!
3.4.2 Misal X peubah acak yang bertebaran 𝑃(𝑥 = 1) = 𝑃(𝑥 = 2). Tentukan 𝑃(𝑥 = 4)
Karena 𝑃(𝑥 = 1) = 𝑃(𝑥 = 2) maka
𝜇 𝑥 𝑒 −𝜇 𝜇 𝑥 𝑒 𝜇
=
𝑥! 𝜇!
𝜇1 𝑒 −𝜇 𝜇 2 𝑒 −𝜇
=
1! 2!
Bentuk diatas disederhanakan menjadi
2𝜇𝑒 −𝜇 = 𝜇 2 𝑒 −4
2𝜇 = 𝜇 2
2𝜇 − 𝜇 2 = 0
𝜇=0 𝜇=2
Jadi diambil 𝜇 = 2
Dengan demikian
𝜇 𝑥 𝑒 −2
𝑃(𝑥 = 4) =
𝑥!
24 𝑒 −2
=
4!
2𝑒 −2
=
4!
2𝑒 −2
=
3
= 0,0902
3.4.3. Misal 𝑋 peubah acak yang bersebaran Poisson, 𝑃(𝑋 = 0) = 0,2. Tentukan 𝑃(𝑋 > 4).
𝑃(𝑋 = 0) = 0,2
𝑒 −𝜇 𝜇 𝑥
= 0,2
𝑥!
𝑒 −𝜇 = 0,2
𝜇 = − ln 0,2 ≈ 1,61
Dengan demikian,
= 1 − [𝑒−(1,61) (4,87)]
= 1 − [0,2 (4,87)]
= 1 − 0,974
= 0,026
3.4.5 Misal banyak antrian panggilan telepon pada operator tertentu dalam satu jam
bersebaran Poisson dengan 𝜇 = 10 . Tentukan peluang dari masing-masing kejadian
berikut ini:
Penyelesaian :
𝜇 = 10 ; 𝑥 = 0,1,2,3, … ,7
3.4. 8 Misal 𝑋 mempunyai sebaran Poisson. Jika 𝑃(𝑋 = 1) = 𝑃(𝑋 = 3), Tentukan:
a) 𝑃(𝑋 = 5)
Karena 𝑃(𝑋 = 1) = 𝑃(𝑥 = 3), maka
𝑒 −𝜇 𝜇 𝑥 𝑒 −𝜇 𝜇 𝑥
=
𝑥! 𝑥!
𝑒 −𝜇 𝜇1 𝑒 −𝜇 𝜇 3
=
1! 3!
𝑒 −𝜇 𝜇 𝑥
𝑃(𝑋 = 5) =
𝑥!
5
𝑒 −√6 √6
=
5!
−√6
𝑒 36√6
=
120
0,6345
=
10
= 0,06345
3.4.9 Suatu Pabrik elektonik memproduksi komponen tertentu, dan kejadian komponen rusak
adalah bebas dengan peluang 0,1. Jika pabrik terebut memproduksi 500 komponen, maka :
Penyelesaian :
a) 𝜇 = 𝜆. 𝑡 = 0,1 × 500 = 50
𝑝 = 0,1, 𝑞 = 1 − 𝑝 = 1 − 0,1 = 0,9
2
50 50 50
∑ 𝑏(2; 50; 0,1) = ( ) (0,1)0 (0,9)50 + ( ) (0,1)1 (0,9)49 + ( ) (0,1)2 (0,9)48
0 1 2
𝑘=0
50! 50!
= (1)(0,0051) + (0,1)(0,0057)
0! 50! 1! 49!
50!
+ (0,01)(0,0064)
2! 48!