Anda di halaman 1dari 2

A.

DISTRIBUSI POISON
Percobaan Poisson apabila menghasilkan peubah acak X yang menyatakan
banyaknya hasil selama selang waktu, periode atau daerah tertentu misalnya jumlah
barang yang cacat setiap kali pengiriman, banyaknya hubungan telepon yang
diterima kantor per jam dengan sifat.

Beberapa karakteristik distribusi Poisson adalah sebagai berikut,


1. Banyaknya hasil yang terjadi dalam suatu interval tertentu tidak terpengaruh oleh
apa yang terjadi pada interval lain yang terpisah (tidak berpotongan dan
independent) dalam kaitan ini, proses Poisson dikatakan tidak punya ingatan).
2. Peluang terjadi suatu hasil (tunggal) dalam selang tertentu yang amat pendek
sebanding dengan panjang selang dan tidak tergantung pada banyaknya hasil
yang terjadi dluar selang
3. Peluang terjadinya lebih dari satu hasil dalam selang waktu yang pendek
(sempit) dapat diabaikan

Distribusi Poisson. Disribusi Peubah acak Poisson X yang menyatakan


banyaknya sukses yang terjadi dalam suatu selang waktu atau daerah tertentu
e − λt (λ t ) x
dinyatakan dengan t, diberikan oleh p ( x; λt ) = , untuk x=0, 1, 2,...
x!
λt menyatakan rata-rata banyaknya sukses yang terjadi per satuan waktu atau
daerah tersebut dan e = 2,71828...

Contoh IV-6
Dalam suatu penelitian persediaan barang diketahui bahwa
permintaan rata-rata dari gudang terhadap suatu barang tertentu 5
kali dalam sehari. Berapa peluang pada suatu hari tertentu barang
tersebut (a) kurang dari 5 kali (b) diminta lebih dari 5 kali , dan (c)
tidak diminta sama sekali.
Bila λt = 5 , maka
e −5 5 0 e −5 51 e −5 5 2 e −5 5 3 e −5 5 4
a. p ( x < 5) = + + + + = 0,4405
0! 1! 2! 3! 4!
5
b. p ( x > 5) = 1 − ∑ p( x,5) = 1 − 0.6160 = 0.3840
x =0
b. p (0,5) = 0.0067

Untuk menghitung peluang distribusi Poisson dapat menggunakan tabel peluang


r
kumulatif Poisson ∑ p( x; λt ) berikut ,
x =0

Distribusi Peubah Acak Diskrti Page 1


r
µ = λt
0.10 0.20 0.70 0.80 0.90
0
1
..
0 0.4966
1 0.8442
2 0.9659
3 0.9942
4 0.9992
5 0.9999
6 1.0000

Teorema D.1
Rata-rata dan variansi distribusi Poisson p ( x; λt ) keduanya adalah sama
dengan λt

Teorema D.2
Misalkan X peubah acak binomial dengan distribusi peluang b(x;n,p). Bila
n → ∞ , p → 0, dan µ = np tetap sama, maka b( x; n, p ) → p ( x; µ )

Contoh :
Dalam suatu proses produksi yang menghasilkan barang dari gelas terjadi
gelembung atau cacat yang kadang2 menyebabkan barang tersebut sulit dipasarkan.
Diketahui bahwa rata-rata 1 dari 1000 barang yang dihasilkan mempunyai satu atau
lebih gelembung. Berapakah peluang bahwa sampel acak sebesar 8000 barang
akan berisi kurang dari 7 gelembung ?
P (cacat) = 1/1000 = 0.001, maka µ = np = 8000 (0.001) = 8
6 6

∑ b( x,8000;0.001) = ∑ p( x,8) = 0.3134


x =0 x =0

Distribusi Peubah Acak Diskrti Page 2