DISTRIBUSI PELUANG POISSON

Mata Kuliah Statistik Industri I

 Kapan distribusi Poisson digunakan??

 Jika parameter n sangat besar (lebih dari 50) sedangkan p kecil

sekali (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
  np , maka nilai b( x; n, p)  p( x;  ) .
Pendekatan Binomial - Poisson

Fungsi distribusi peluang binomial dapat ditulis:

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

3
Pendekatan Binomial - Poisson

Dari definisi bilangan natural e, diperoleh hubungan:

Dengan memperhatikan syarat limit, diperoleh:

4
Pendekatan Binomial – Poisson

 SULIT DILAKUKAN!!
5
Pendekatan Binomial – Poisson

 Menggunakan poisson:

6
Distribusi Poisson

Distribusi probabilitas Poisson bermanfaat dalam penentuan

probabilitas dari sejumlah kemunculan pada rentang waktu
atau luas/volume tertentu.

Variabel random Poisson menghitung kemunculan pada

interval waktu yang kontinyu.

7
 Distribusi Probabilitas Poisson

 x e 
P( x)  untuk x = 0,1,2,3,...
x!

dimana
 = rata-rata distribusi (juga merupakan variansi)
 n.p
e = bilangan logaritmik natural (e=2.71828...).

atau p (x ; t ) 
e  t
t x

x!
8
 Proses & syarat Poisson

Suatu proses dikatakan mengikuti proses Poisson jika

memenuhi syarat-syarat sebagai berikut:

1. Jumlah sukses yang terjadi dalam suatu selang waktu

(atau daerah tertentu) tidak dipengaruhi (independent)
terhadap kejadian pada selang waktu atau daerah lain
yang terpisah.
 Proses & syarat Poisson

Suatu proses dikatakan mengikuti proses Poisson jika

memenuhi properti-properti sebagai berikut:

2. Kemungkinan terjadinya suatu sukses (tunggal) dalam

interval waktu yang amat pendek (t mendekati nol)
sebanding dengan panjang interval dan tidak tergantung
pada banyaknya sukses yang terjadi di luar interval
tersebut.
 Proses & syarat Poisson

 3.Kemungkinan terjadinya lebih dari satu sukses dalam

interval waktu yang pendek dapat diabaikan.
Distribusi Probabilitas Poisson

Perusahaan telepon memberikan 1000

pilihan pesawat telepon (sebagai
kombinasi warna, type, fungsi, dll).
Sebuah perusahaan membuka cabang 
.2 0 e .2
baru dan tersedia 200 sambungan telpon P ( 0)  = 0.8187
0 !
dimana setiap karyawan boleh memilih 
.21 e .2
pesawat telepon sesuka hatinya. P (1)  = 0.1637
12 !  .2
Asumsikan bahwa ke-1000 pilihan P (2) 
.2 e
= 0.0164
tersebut adalah equally likely. Berapa 2 !
.2 3 e .2
probabilitas bahwa sebuah pilihan tidak P ( 3)  = 0.0011
3!
dipilih, dipilih oleh seorang, dua orang
atau tiga orang karyawan?
n = 200 ; p = 1/1000 = 0.001 ;
 = np = (200)(0.001) = 0.2
12
Distribusi Probabilitas Poisson

Rata-rata pengiriman bahan baku ke suatu pabrik adalah 10 truk

dan fasilitas bongkar hanya mampu menerima paling banyak 15
truk per hari. Pemasok menginkan agar truk pasokannya dapat
dibongkar pada hari yang sama. Suatu hari, pemasok mengirimkan
sebuah truk ke pabrik tersebut, berapa kemungkinan truk tersebut
harus bermalam karena tidak dapat dibongkar?
X adalah variabel random banyaknya truk bahan baku yang tiba
setiap hari. Dengan distribusi Poisson, kemungkinan sebuah truk
15

harus bermalam adalah P( X  15)  1  P( X  15)  1   p( x;10) =0.9513 (dari

x 0

tabel P ( X  15) =0.0487)

13
Contoh soal Distribusi Poisson
Contoh soal Distribusi Poisson