Aqilah Salsabila
Nurhidayatullah H051171019
Sakinah Oktoni
Munadiah H051171507
A. Distribusi Poisson
Dalam teori probabilitas dan statistika, distribusi Poisson adalah distribusi probabilitas
diskret yang menyatakan peluang jumlah peristiwa yang terjadi pada periode waktu tertentu
apabila rata-rata kejadian tersebut diketahui dan dalam waktu yang saling bebas sejak kejadian
terakhir. (distribusi Poisson juga dapat digunakan untuk jumlah kejadian pada interval tertentu
seperti jarak, luas, atau volume).
Kegunaan distribusi poisson untuk mengukur probabilitas dari variabel random yang
mencakup rentang yang cukup panjang. Kemudian selain dari pada itu distribusi poisson juga
berguna untuk mengukur peluang yang mungkin terjadi dalam waktu atau daerah tertentu.
Kemudian selain dari pada itu, distribusi poisson juga digunakan untuk menghitung
distribusi binominal dengan mean dari distribusi poisson ditetapkan sesuai dengan nilai mean n.p
dari distribusi binominal yang telah diketahui.
Dimana :
l : n.p
n : banyaknya amatan
p : probabilitas sukses
Salah satu distribusi yang sederhana yaitu Poisson. Berdasarkan parameter tunggalnya,
yaitu rata-rata (mean) 𝑚𝑖 . Fungsi peluangnya adalah:
𝒆𝒙𝒑(−𝑚𝑖 )𝑚𝑖 𝑛𝑖
, 𝑛𝑖 = 0,1,2, …
𝑛𝑖 !
Pemodelan sampling Poisson dalam deret {𝑛𝑖 } dapat diasumsikan sebagai variabel bebas
dari Poisson yang bersifat independen. Fungsi peluang bersama untuk {𝑛𝑖 } adalah hasil dari
persamaan 𝐹𝑗|𝑖 = ∑𝑏≤𝑗 𝜋𝑏|𝑖 , 𝑗 = 1, … , 𝐽 dari sel sebanyak N. ukuran total sampel 𝑛 = ∑ 𝑛𝑖 juga
memiliki distribusi Poisson dengan parameter ∑ 𝑚𝑖 . Distribusi Poisson digunakan dalam
perhitungan kejadian yang terjadi secara acak dalam dimensi ruang dan waktu, dimana dalam
periode waktu tertentu akan bersifat independen. Misalnya, 𝑛1 adalah angka terjadinya aborsi
yang sengaja dilakukan, 𝑛2 adalah angka terjadinya aborsi yang tidak sengaja dilakukan dan 𝑛3
adalah angka kelahiran berdasarkan survey di London, Inggris pada November 1990.
B. Sampling Multinomial
Apabila 𝑛 percobaan berulang dapat menghasilkan lebih dari dua outcome yang mungkin
dengan probabilitas masing masing konstanta pada setiap percobaan, akan dihasilkan
distrbusi multinomial.
𝑒 −𝜆 𝜆𝑥
𝑓(𝑥) = { 𝑥! , 𝑥 = 0, 1, 2, …
0, 𝑥 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
𝑛
𝑒 −𝜆 𝜆∑𝑖=1 𝑥𝑖
𝐿(𝜆) =
∏𝑛𝑖=1 𝑥𝑖 !
Membuat fungsi likelihood distribusi poisson.