Definisi Distribusi Poisson

Diposkan oleh lagaknya.com Minggu, 21 Maret 2010 Distribusi poisson disebut juga distribusi peristiwa yang jarang terjadi, ditemukan oleh S.D. Poisson (1781–1841), seorang ahli matematika berkebangsaan Perancis. Distribusi Poisson termasuk distribusi teoritis yang memakai variabel random diskrit. Distribusi poisson adalah distribusi nilai-nilai bagi suatu variabel random X (X diskret), yaitu banyaknya hasil percobaan yang terjadi dalam suatu interval waktu tertentu atau di suatu daerah tertentu. Menurut Walpole (1995), distribusi poisson adalah distribusi peluang acak poisson X, yang menyatakan banyaknya sukses yang terjadi dalam suatu selang waktu atau daerah tertentu. Bilangan X yang menyatakan banyaknya hasil percobaan dalam suatu percobaan poisson disebut peubah acak poisson dan sebaran peluangnya disebut sebaran poisson. Karena nilai-nilai peluangnya hanya bergantung hanya pada , yaitu rata-rata banyaknya hasil percobaan yang terjadi selama selang waktu atau daerah yang diberikan, maka akan dilambangkan dengan .

, untuk x = 1, 2, 3, ..., Keterangan: e = 2,71828  = Rata-rata banyaknya hasil percobaan.  = n*p X = 1, 2, 3, ...,n

b. seperti menghitung probabilitas dari: Banyaknya penggunaan telepon per menit atau banyaknya mobil yang lewat selama 5 menit di suatu ruas jalan. Probabilitas lebih dari satu hasil percobaan yang terjadi dalam interval waktu yang singkat atau dalam daerah yang kecil dapat diabaikan. Banyaknya hasil percobaan yang terjadi dalam suatu interval waktu atau suatu daerah tertentu tidak bergantung pada banyaknya hasil percobaan yang terjadi pada interval waktu atau daerah lain yang terpisah. Selain itu. Distribusi poisson banyak digunakan dalam hal berikut: a. Banyaknya kesalahan ketik per halaman sebuah buku. dengan demikian mengubah p menjadi suatu nilai yang dekat dengan nol. Banyaknya bakteri dalam satu tetes atau 1 liter air. Ciri–Ciri Distribusi Poisson Ada beberapa ciri untuk menentukan apakah data tersebut temasuk dalam kriteria Distribusi Poisson atau tidak (Walpole. sebanding dengan panjang interval waktu atau besarnya daerah tersebut dan tidak bergantung pada banyaknya hasil percobaan yang terjadi di luar interval waktu atau daerah tersebut. 1995). kita dapat saling menukarkan apa yang telah didefinisikan sebagai keberhasilan dan kegagalan. panjang tertentu. Adapun ciri-ciri tersebut adalah: a. Oleh karena itu. Probabilitas terjadinya hasil percobaan selama suatu interval waktu yang singkat atau dalam suatu daerah yang kecil. Bila p nilainya dekat dengan 1. Menghitung probabilitas terjadinya peristiwa menurut satuan waktu.Sebaran poisson dan binom memiliki histogram yang bentuknya hampir sama bila n besar dan p kecil. dan . ruang atau isi. sebaran poisson dengan  = n * p dapat digunakan untuk menghampiri peluang binom. a. bila kedua kondisi itu dipenuhi. luas.

Rumus Poisson Suatu Peristiwa Sebaran peluang bagi peubah acak poisson X. Dalam Distribusi poisson ini. b. Menghitung distribusi binomial apabila n besar (n  30) dan p kecil (p <> Rumus Distribusi Poisson Rumus Distribusi poisson tersebut terbagi lagi menjadi beberapa bagian.. a. 1995).71828 b. Probabilitas poisson kumulatif dapat dihitung dengan menggunakan rumus: PK= = . yang menyatakan banyaknya hasil percobaan yang terjadi selama suatu selang waktu atau daerah tertentu. 3.. dan e = 2. rumus yang dipakai harus sesuai dengan kalimat data yang ada untuk membedakan antara rumus yang satu dengan yang lainnya (Walpole. adalah . Rumus Poisson Kumulatif Probabilitas poisson kumulatif adalah probabilitas dari peristiwa Poisson lebih dari satu. .Banyaknya kecelakaan mobil di jalan tol selama minggu pertama bulan Oktober.. untuk x = 1. 2. Sedangkan dalam hal ini adalah rata–rata banyaknya hasil percobaan yang terjadi selama selang waktu atau dalam daerah yang dinyatakan.

koefisien momen kemencengan. dan koefisien momen kurtosis sebagai berikut : Tabel Sifat-Sifat Distribusi Poisson Nilai Tengah Varians Simpangan Baku Koef.Distribusi poisson mempunyai nilai tengah. simpangan baku. Momen Kemencengan Koef. varians. Momen Kurtosis Label: STATISTIKA INDUSTRI 1 .

Sign up to vote on this title
UsefulNot useful