DISTRIBUSI BINOMIAL DAN POISSON

1
Distribusi Binomial dan Multinomial
Suatu percobaan yang terdiri atas beberapa usaha, tiap-tiap
usaha, memberikan hasil yang dapat dikelompokan menjadi 2-
kategori yaitu sukses atau gagal, dan tiap-tiap ulangan percobaan
bebas satu sama lainnya. Probabilitas kesuksesan tidak berubah dari
percobaan satu ke percobaan lainnya. Proses ini disebut proses
Bernoulli. Jadi proses Bernoulli harus memenuhi persyaratan berikut:
1. Percobaan terdiri atas n-usaha yang berulang
2. Tiap-tiap usaha memberikan hasil yang dapat dikelompokan
menjadi 2-kategori, sukses atau gagal
3. Peluang kesuksesan dinyatakan dengan p, tidak berubah dari
satu usaha ke usaha berikutnya.
4. Tiap usaha bebas dengan usaha lainnya.
2
Contoh
Tiga barang diambil secara acak dari hasil produksi pabrik,
diperiksa, dan yang cacat dipisahkan dari yang tidak cacat.
Misalkan yang cacat disebut cacat. Maka banyaknya kesuksesan
mer upakan perubah acak X dengan nilai nol sampai 3.
Tabel 5.2.
Hasil X
C=cacat ; T=tidak cacat (baik)
TTT 0
TCT 1 Karena barang diambil secara acak, dan
TTC 1
CTT 1 misalkan dianggap menghasilkan 25%
TCC 2 barang cacat, maka
CTC 2
CCT 2 P(TCT)  P(T)P(C)P(T)  ( 3 )( 1 )( 3 )  9
4 4 4 64
CCC 3

Probabilitas untuk hasil kemunkinan yang lain dilakukan dengan

jalan ang sama. 3
tabel 3 Distribusi probabilitas X
x 0 1 2 3
f(x) 27 27 9 1
64 64 64 64

Percobaan Binomial
Banyaknya X yang sukses dalam n-usaha Bernoulli disebut “perubah
acak binomial”, dan distribusi dari perubah acak ini disebut “distribusi
Binomial”. Jika p menyatakan probabilitas kesuksesan dalam suatu
usaha, maka distribusi perubah acak X ini dinyatakan dengan b(x;n,p).
Karena nilainya bergantung pada banyaknya usaha (n)
Misalnya: X= banyaknya barang yang cacat.
P(X  2)  f( 2)  b( 2; 3, 1 )  9
4 64
Selanjutnya menentukan rumus yang memberikan proailitas x sukses
dalam n-usaha suatu pecobaan binomial b(x;n,p) 4
Probabilitas x kesuksesan dan n-x kegagalan dalam urutan tertentu.
Tiap kesuksesan dengan probabilitas p dan tiap kegagalan dengan
probabilitas q=1-p . Banyaknya cara untuk memisahkan n-hasil
menjadi dua kelompok, sehingga x hasil ada pada kelompok
pertama dan sisanya n-x pada kelompok kedua, jumlah ini
n
dinyatakan sebagai  x Karena pembagian tersebut saling terpisah
   n  x n x
(bebas) maka probabilitasnya adalah   p q
x

Suatu usaha bernoulli dapat menghasilkan kesuksesan dengan

probabilitas p dan kegagalan dengan probabilitas q=1-p, maka
distribusi probabilitas perubah acak binomial X yaitu banyaknya
kesuksesan dalam n-usaha bebas adalah
 n  x n x
b(x;n,p)    p q ;x  0,1, 2,....,n
x
5
 p  1
Suatu cara penyajian yang lain dari tabel 5.2 : n=3 dan 4
 3
b(x; 3, 1 )    p x q3 x ;x  0,1, 2, 3
4 x

Contoh
Suatu suku cadang dapat menahan uji guncangan tertentu
dengan probabilitas 0.75. Hitung probabilitas bahwa tepat 2 dari 4
suku cadang yang diuji tidak akan rusak.
Jawab:
Misal tiap pengujian saling bebas
3  4 3 2 1 4 ! 32
27
b( 2; 4, )    ( ) ( )  
4  2 4 4 2 ! 2 ! 42 128

Catatan: n
 b(x;n,p)  1
x 0
6
Contoh
Probabilitas seseorang sembuh dari penyakit jantung setelah
operasi adalah 0.4. Bila diketahui 15 orang menderita penyakit ini,
berapa peluang:
a). sekurang-kurangnya 10 orang dpt sembuh
b). ada 3 sampai 8 orang yg sembuh
c). tepat 5 orang yg sembuh
Jawab:
Mis: X = menyatakan banyaknya orang yg sembuh
Diket : p = 0.4 n = 15

a). P(X  10)  1  P(X  10)  1   P(X  0)  P(X  1)  P(X  9)

9
1  b(x;15; 0.4)  lihat tabel
x 0
1  0.9662
 0.0338

Jadi probabilitas sekurang-kurangnya 10 orang sembuh = 0.0338

7
b) P(3  X  8)  P(X  8)  P(X  2)
8 2
  b(x;15, 0.4)   b(x;15, 0.4)  lihat tabel
x 0 x 0
 0.9050  0.0271
 0.8779

Jadi probabilitas terdapat 3 sampai 8 orang yg sembuh = 0.8779

c) P(X  5)  b(5;15; 0.4)  P(X  5)  P(X  4)

5 4
  b(x;15, 0.4)   b(x;15, 0.4)  lihat tabel
x 0 x 0
 0.4032 - 0.2173
 0.1859

Jadi probabititas tepat 5 orang yang sembuh = 0.1859

 

8
 Tabel 4 Cara menggunakan tabel binomial
n r p
0.01 ....... 0.4 .........
15 1
2 0.0271
:
:
:

8 0.9050
9 0.9662
:
:
15
9 8
Untuk n=15, p=0.4   b(x;15; 0.4)  0.9662 ;  b(x;15; 0.4)  0.9050
x 0 x 0
2
 b(x;15; 0.4)  0.0271
x 0 9
Teorema(2)
Distribusi Binomial b(x;n,p) mempunyai rata-rata dan variansi
sbb:
  np dan  2  npq

10
Contoh
Suatu pabrik ban mempunyai data bahwa dari pengiriman sebanyak
5000 ban ke sebuah toko tertentu terdapat 1000 cacat. Jika ada
seseorang membeli 10 ban ini secara acak dari toko tersebut, berapa
probabilitasnya memuat tepat 3 yang cacat.

Jawab:
Karena n=10 cukup kecil dibandingkan N=5000, maka
probabilitasnya dihampiri dengan binomial dengan p= 10/5000= 0,2
adalah probailitas mendapat satu ban. Jadi probabilitas mendapat
h(3; 5000
tepat ,1000)  b(3;10, 0.2)
,10cacat:
3 ban
3 2
  b(x;10, 0.2)   b(x;10, 0.2)
x 0 x 0
 0, 8791  0, 6778
 0, 2013
11
Distribusi Poisson
Percobaan yang menghasilkan prubah acak X ynag menyatakan
banyaknya hasil selama dalam selang waktu/daerah tertentu disebut
“distribusi poisson”.
Proses poisson memiliki sifat-sifat berikut:
1. Banyaknya kesuksesan yang terjadi dalam suatu daerah (selang)
waktu tertentu independen dengan daerah lainya.
2. Probabilitas sukses dalam daerah/selang yang kecil tidak
tergantung banyaknya sukses yang terjadi diluar selang.
3. Peluang terjadinya lebih dari satu sukses dalam daerah yang
sempit diabaikan.
Jika X perubah acak poisson maka distribusi poisson ini dinyatakan
dengan p(x,  t) , dimana  t adalah rata-rata hasil

12
Distribusi perubah acak Poisson X yang menyatakan banyaknya
kesuksesan yang terjadi dalam suatu selang waktu/daerah tertentu t,
dinatakan:
e t (  t)x
p(x,  t)  ;x  0,1, 2,.....
x!

dimana: e=2,71828 dan  t menyatakan rata-rata banyaknya sukses

yang terjadi per satuan waktu.
Misalkan    t , untuk beberapa nilai tertentu dari 0,1 sampai 18
diberikan pada tabel Poisson. Atau dengan bantuan software R

Contoh
Rata-rata banyaknya Tanker minyak yang tiba tiap hari di suatu
pelabuhan adalah 10. Pelabuhan tersebut hanya mampu menampung
paling banyak 15 Tanker perhari. Berapa probabilitas pada suatu hari
tertentu Tanker terpaksa pergi karena pelabuhan penuh dan tidak
mampu melayani. 13
 Jawab:
Misalkan: X = banyaknya Tanker minyak yg tiba tiap hari
X = {1, 2, 3, . . . . . , 15}
15
Maka P(X  15)  1  P(X  15)  1   p(x;10)  tabel
x 0
 
 1  0.9513  0.0487

Jadi peluang pd suatu hari tertentu Tanker terpaksa pergi = 0.0487

14
Teorema(4)
Distribusi poisson p(x,  t) mempunyai rata-rata dan variansi
   t  2  t
sbb dan

Contoh
Rata-rata banyaknya partikel radio atif yang melewati suatu
penghitung selama 1 milidetik dalam suatu percobaan di laboratoium
adalah 4. berapa probabilitas 6 partikel melewati penghitung itu dalam 1
milidetik tertentu.
Jawab:
dari tabel poisson dengan x  6;    t  4 diperoleh
6 5
e4 ( 4)6
p(6; 4) 
6!
  p(x; 4)  p(x; 4)  0, 8893  0, 7851  0,1042
x 0 x 0

15
 Tabel 7. Cara menggunakan tabel Poisson
r 
0. 1 ....... 4.0 .........
0
1
:
:
:

5 0,7851
6 0,8893
:
:
16

Untuk n=15, p=0.4, menggunakan tabel diperoleh:

6 5
  p(x; 4)  0.8893  p(x; 4)  0.7851
x 0 x 0
16
Teorema(5)
Misalkan X perubah acak binomial dengan distribusi probabilitas
b(x,n,p). Jika n  , p  0 dan   np tetap sama maka
b(x,n,p)  p(x,  )

Contoh (11)
Dalam suatu proses produksi yang menghasilkan barang dari gelas,
terjadi gelembung(cacat) yang kadang menyebabkan sulit dipasarkan.
Jika diketahui rata-rata 1 dari 1000 barang yang dihasilkan mempunyai
satu atau lebih gelembung. Berapa probailiasnya bahwa dalam sampel
acak sebesar 8000 barang akan erisi kurang dari 7 yang bergelembung?
Jawab:
n=8000, p=0.001 dihampiri dengan distribusi poisson dengan
  (8000)(0, 001)  8 diperoleh menggunakan tabel:
17
 6 6
P(X  7 )   b(x;8000, 0.001)   p(x;8)  0, 3134
x 0 x 0

18