Distribusi Probabilitas Diskrit:

Poisson
Debrina Puspita Andriani
7 www.debrina.lecture.ub.ac.id
E-mail : debrina.ub@gmail.com / debrina@ub.ac.id
 2

Outline

Pendahuluan

Pendekatan Binomial –
Poisson

Distribusi Poisson

www.debrina.lecture.ub.ac.id 19/01/19
 3
Kapan distribusi Poisson digunakan?
¡  Jika parameter n sangat besar (lebih dari 50)
sedangkan p sangat kecil (kurang dari 0,1)

¡  Sulit menggunakan pendekatan binomial

Teorema :
Jika X adalah variabel random binomial dengan distribusi
kemungkinan b(x;n,p), dan jika bila ukuran sampel n → ∞ ,
nilai proporsi sukses p → 0 , dan digunakan pendekatan
µ = np , maka nilai b( x; n, p) → p( x; µ ) .

www.debrina.lecture.ub.ac.id 19/01/19
 4
Pendekatan Binomial – Poisson (1)
Fungsi distribusi peluang binomial dapat ditulis:

Jika dilakukan transformasi p= µ/n, maka diperoleh:

www.debrina.lecture.ub.ac.id 19/01/19
 5
Pendekatan Binomial – Poisson (2)
Dari definisi bilangan natural e, diperoleh hubungan:

Dengan memperhatikan syarat limit, diperoleh:

www.debrina.lecture.ub.ac.id 19/01/19
 Pendekatan Binomial – Poisson (3) 6

à Sulit Dilakukan!

www.debrina.lecture.ub.ac.id 19/01/19
 Distribusi Poisson
bermanfaat dalam penentuan
probabilitas dari sejumlah kemunculan
pada rentang waktu atau luas/
volume tertentu.
7
www.debrina.lecture.ub.ac.id 19/01/19
 Distribusi Probabilitas Poisson (1) 8

α x e −α
P(x) = untuk x = 1,2,3,...
x!
dimana
¡  α = rata-rata distribusi (yang juga merupakan variansi) à n.p
¡  e = bilangan logaritmik natural (e=2.71828...).

x
p (x ; λt ) =
e − λt
(λt )
x!

Statistik deskriptif untuk distribusi Poisson

Rata-rata = μ= n.p Variansi = σ2= n.p

www.debrina.lecture.ub.ac.id 19/01/19
 Distribusi Probabilitas Poisson (2) 9

Proses & syarat Poisson:

1.  Jumlah sukses yang terjadi dalam suatu selang
waktu (atau daerah tertentu) tidak dipengaruhi
(independent) terhadap kejadian pada selang
waktu atau daerah yang lain.

2.  Kemungkinan terjadinya suatu sukses (tunggal)

dalam interval waktu yang pendek (Δt ≈ 0)
sebanding dengan panjang interval dan tidak
tergantung pada banyaknya sukses yang terjadi
di luar interval tersebut.

3.  Kemungkinan terjadinya lebih dari satu sukses

dalam interval waktu yang pendek dapat
diabaikan.

www.debrina.lecture.ub.ac.id 19/01/19
 10
Distribusi Probabilitas Poisson (3)
Contoh:

¡  Perusahaan telepon memberikan 1000

pilihan pesawat telepon (sebagai kombinasi Penyelesaian
warna, tipe, fungsi, dll). Sebuah -
perusahaan membuka cabang baru dan .2 0 e .2
P ( 0) = = 0.8187
tersedia 200 sambungan telpon dimana 0!
1 - .2
.2 e
setiap karyawan boleh memilih pesawat P (1) = = 0.1637
telepon sesuka hatinya. Asumsikan bahwa 12 ! - .2
.2 e
ke-1000 pilihan tersebut adalah equally P (2) = = 0.0164
2!
3 - .2
likely. Berapa probabilitas bahwa sebuah .2 e
pilihan tidak dipilih, dipilih oleh seorang, P ( 3) = = 0.0011
3!
dua orang, atau tiga orang karyawan?

¡  n = 200 ; p = 1/1000 = 0.001 ;

¡  α = np = (200)(0.001) = 0.2
www.debrina.lecture.ub.ac.id 19/01/19
 e 11

e adalah basis dari

logaritma natural

e adalah bilangan dimana

gradien (kemiringan) dari
fungsi f(x)=ex pada setiap
titiknya sama dengan nilai
(tinggi) fungsi tersebut
pada titik yang sama.

Nilai bilangan ini, dipotong

pada posisi ke-30 setelah
tanda desimal (tanpa
dibulatkan), adalah:
e ≈ 2,71828 18284 59045
23536 02874 71352

19/01/19
www.debrina.lecture.ub.ac.id