Distribusi Poisson

Konsep
 Diistribusi Poisson adalah
distribusi probabilitas diskrit 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

 Sesuai dengan namanya, distribusi peluang ini

ditemukan oleh Simeon Denis Poisson.
       .
  Distribusi Poisson sebenarnya diperoleh dari
distribusi binomial, apabila dalam distribusi
binomial berlaku syarat berikut.

a) Banyak pengulangan eksperimennya sangat

besar (n→∞)
b) Peluang terjadinya peristiwa yang ditinjau
mendekati nol (p→0)
c) Perkalian n×p=λ, sehingga haruslah p=λ/n
Rumus Distribusi Poisson
Contoh
 Peluang seseorang akan mendapat reaksi
buruk setelah disuntik besarnya 0,0005
Dari 4000orang yang disuntik,
tentukan peluang yang mendapat reaksi
buruk:
a) tidak ada
b) lebih 2 orang
Penyelesaian
  
λ=np=4000×0,0005=2
Jika X menyatakan banyak orang yang mendapat
reaksi buruk akibat suntikan itu, maka
P(X=0)= ≈0,1353

Jadi, peluang tidak ada yang mendapat reaksi

buruk dari suntikan itu sebesar 0,1353.

Bagaimana lebih dari 2 orang?

DISTRIBUSI NORMAL
Distribusi normal
Ciri khas distribusi normal:
 Bentuk kurvanya seperti lonceng
 Simetris
 Luas wilayah di bawah kurva= probabilitas=

1
Rumus eksponensial distribusi normal:
1
1  ( x   )2
 (x ) 
2
2
e
2 2

0
µ
Tabel distribusi normal
 P(0 < Z < 2,13)
◦ 2,13 = 2,1 + 0,03
◦ Lihat tabel 2,1 (kolom kiri) dan 0,03 baris paling atas
◦ Pertemuan antara kolom 2,1 dan baris 0,03 0,4834
Contoh soal
 P(0 < Z < 1,54 0,4382

 P (-2,53 < Z < 0) 0,4943

 P ( Z < 0,97) P(Z < 0) + P(0 < Z < 0,97) = 0,5

+ 0,3340 = 0,8340
 P (Z > 1,75) P (Z > 0) – P(0 < Z < 1,75) =
0,5 – 0,4599 = 0,0401

 P (1,42 < Z < 2,54 ) = P (0<Z<2,54) –

P(0<Z<1,42) = 0,4945 – 0,4222 = 0,0723
Distribusi normal
Untuk menentukan probabilitas dalam kurva
normal, nilai yang akan dicari
ditransformasikan dulu ke nilai kurva
normalstandar melalui transformasi Z,
dengan rumus:
xx
Z
s

12
Contoh soal
Suatu penelitian terhadap mahasiswa FKM USU
didapatkan rata-rata umur mahasiswa 18
tahun dengan simpangan baku Sd 2,5 tahun
Hitunglah peluang mendapatkan mahasiswa
yang berumur:
a. < 15 tahun
b. antara 17 tahun dan 21 tahun
 x  x 15  18
Z   1,2
s 2,5
P(X  15)  P (Z  -1,2)
 P ( Z  0)  P (1,2  Z  0)
 0,5  0,3849
 0,1151
 x  x 17  18
Z1    0,40
s 2,5
x  x 21  18
Z2    1,20
s 2,5
P(17  X  21)  P (-0,4  Z  1,2)
 P (0,4  Z  0)  P (0  Z  1,2)
 0,1554  0,3849  0,5403
Latihan
 Rata-rata berat badan wanita berusia 18-24
tahun adalah 61 kg dengan standar deviasi
14 kg. hitunglah peluang wanita memiliki
berat:
a. 50-75 kg
b. >45
Distribusi Sampling
Populasi dan Sampel
 Populasi adalah suatu keseluruhan
pengamatan atau obyek yang menjadi
perhatian kita.
 Sampel adalah bagian dari populasi yang

menjadi perhatian kita

Pengertian
 Distribusi sampling adalah distribusi dari
mean-mean sampel yang diambil secara
berulang kali dari suatu populasi

Sampel Populasi
Karakteristik Statistik Parameter
Mean (rata-rata hitung)  
Standar deviasi s 
Jumlah Unit n N
Dalil batas tengah (Central Limit
Theorem) :
1. Bentuk distribusi dari rata-rata sampel akan mendekati
distribusi normal ketika sampel diambil berulang secara
random, meskipun distribusi populasi tidak normal
2. Jika populasi berdistribusi normal, harga mean distribusi
sampling juga akan berdistribusi normal
3. Standar deviasi dari rata-rata distribusi sampel sama
dengan standar deviasi populasi () dibagi dengan akar
jumlah sampel. Dikenal dengan istilah Standar Eror (SE)
SE= /n
Sifat distribusi sampling
 Salah satu sifat distribusi sampling
mendekati distribusi normal sehingga
memungkinkan untuk menemukan area di
bawah kurva untuk rata-rata sampel yang
berdistribusi normal dengan menghitung Z
score:

Z
 mean sampel    mean _ pop 
standard eror
X  X 
Z Z 
SE 
n
Contoh soal
 Tingkat kolesterol pria berusia 20-74 tahun
yang tinggal di Jakarta mempunyai nilai rata-
ratanya (mean)=211 mg/100ml dan standar
deviasinya 46 mg/100ml, jika kita ambil
sampel sebanyak 25 orang, berapakah
proporsi dari sampel yang rata2 kolesterolnya
>230 mg/100ml?
   211mg / 100ml
 46
x    9,2mg / 100ml
n 25
X  211 230  211
Z   2,07
9,2 9,2
 Berdasarkan tabel distribusi normal nilai Z hit =2,07
maka nilau Z tabel = 0,019 yang artinya 1,9% dari
sampel mempunyai nilai mean sebesar 230 mg/100ml
Latihan
 Rata-rata nilai forced vital capacity
(FVC) anak laki-laki yang berumur 11
tahun adalah 2400cc dengan
=400cc. Hitunglah probabilitas FVC
pada sampel 64 orang yang memiliki
rata-rata FVC antara 2300cc dan
2500cc.