3. Sebaran Peluang Diskrit
EL2002-Probabilitas dan Statistik
Isi
1. Sebaran seragam (uniform)
2. Sebaran binomial dan multinomial
3. Sebaran hipergeometrik
4. Sebaran Poisson
Sebaran seragam (uniform)
• Merupakan sebaran peluang diskrit yang paling sederhana dimana suatu peubah acak memiliki nilai peluang yang semuanya sama
• Sebaran Seragam: Jika suatu peubah acak X dengan nilai x1, x2, …, xk, memiliki peluang yang sama, maka sebaran diskrit seragamnya
diberikan oleh
f(x;k) = (1/k) ; x= x1, x2, …, xk\
• Notasi f(x;k) dipakai sbg pengganti f(x) untuk menegaskan ketergantungan f pada k;
• Contoh 3.1: Dalam pelantunan dadu, setiap anggota dari ruang
cuplikan S={1, 2, 3, 4, 5, 6} muncul dengan peluang (1/6). Dengan demikian, sebaran peluangnya adalah seragam dengan f(x;6) = 1/6 ; x=1, 2, 3, 4, 5, 6.
1/6
f(x;6)
1 2 3 4 5 6
Mean dan Variansi
• Teorema 3.1: Mean dan variansi dari sebaran peluang seragam
f(x;k) adalah
∑
==
k i ix
k
11
μ
∑
(
)
=−
=
k i ix
k
1 2 21
μ
σ
BUKTI
( )
∑
(
)
∑
∑
= = ==
=
=
=
k i i k i i k i i ix
k
k
x
k
x
f
x
X
E
1 1 11
;
μ
(
)
[
]
(
) (
)
(
)
(
)
∑
∑
∑
= = =−
=
−
=
−
=
−
=
k i i k i i i k i ix
k
k
x
k
x
f
x
X
E
1 2 1 2 1 2 2 21
;
μ
μ
μ
μ
σ
Contoh 3.3
• Berdasarkan contoh 3.1 ttg pelemparan dadu,
maka kita peroleh mean dan variansi sbb
μ = (1/6)(1+2+3+4+5+6) = 3.5
σ
2= {(1-3.5)
2+ (2-3.5)
2+ (3-3.5)
2+ (4-3.5)
23.2 Sebaran Binomial dan
Multinomial
Sebaran binomial
• Eksperimen berulang yang menghasilkan dua macam keluaran dng label berhasil atau gagal disebut sebagai eksperimen binomial. • Eksperimen binomial harus memenuhi sifat-sifat berikut ini:
1. Eksperimen terdiri dari n buah percobaan berulang
2. Setiap percobaan memberikan hasil yang dapat disebut atau dilabeli sebagai berhasil atau gagal.
3. Peluang berhasil yang disebut p bersifat tetap sepanjang percobaan. 4. Percobaan yang satu bersifat bebas secara statistik dari percobaan yang
lain.
• Contoh eksperimen binomial:
– pengamatan keluaran H dari pelantunan koin
– Pengambilan acak kartu menghasilkan kartu warna hitam dari satu set kartu, setelah diambil kartu dikembalikan dan dikocok • Pada kasus terakhir, jika kartu tak dikembalikan, p akan berubah dari
½ menjadi 26/51 atau 25/51, dengan demikian syarat 3 tdk dipenuhi. Akibatnya, eksperimen ini tdk bisa disebut sbg eksperimen binomial
Ilustrasi
• Tinjau percobaan binomial dari pengambilan tiga buah produk dari proses manufaktur secara acak, kemudian diamati dan diklasifikasikan sebagai cacat atau tidak cacat. Jika produk cacat, pengamatan disebut berhasil. Jumlah keberhasilan ini disebut sbg peubah acak X yang bernilai bulat antara 0 sampai 3. Berikut ini 8 kemungkinan hasilnya:
Hasil pengamatan x NNN 0 NDN 1 NND 1 DNN 1 NDD 2 DND 2 DDN 2 DDD 3
• Produk dipilih secara acak dari proses
manufaktur yang menghasilkan 25% produk cacat, maka
P(NDN)=P(N)P(D)P(N) = (3/4)(1/4)(3/4) = 9/64 • Peluang hasil yang lain dapat dihitung dengan
cara yang sama. Hasil perhitungan sebaran peluang dari X sbb:
x 0 1 2 3
Peubah acak binomial
• Sebaran peluang dari peubah acak binomial X disebut sebaran
binomial dan dituliskan sbg b(x; n, p) karena nilainya bergantung pada
jumlah percobaan dan peluang sukses untuk percobaan yang diberikan. • Untuk sebaran peluang binomial X pada contoh sebelumnya, nilai atau
banyaknya produk cacat adalah:
P(X=2) = f(2) = b(2;3,1/4)
• Formula umum untuk b(x; n, p)
– Tinjau peluang x buah sukses dan n-x gagal untuk urutan tertentu. Karena percobaan saling bebas, nilai peluang akan sama dengan perkalian peluang masing-masing. Setiap sukses muncul dng peluang p, sedangkan gagal dng peluang q=1 – p. Dengan demikian peluang satu eksperimen adalah
pxqn-x.
– Jumlah total titik cuplikan dari x sukses dan n-x gagal adalah partisi
keluaran eksperimen kedalam dua kelompok, x dikelompok pertama dan n-x dikelompok kedua, yakni C(n,x). Dng demikian hslnya adalah C(n,x) dikalikan dengan pxqn-x. Kita formulasikan sbb:
• Definisi 3.1: Jumlah keberhasilan X dalam percobaan binomial
disebut sebagai peubah acak binomial.
Rumus sebaran binomial
• SEBARAN BINOMIAL. Jika suatu percobaan binomial menghasilkan keluaran berhasil/sukses dengan peluang p dan gagal dengan peluang
q=1-p, maka sebaran peluang dari peubah acak binomial X, yakni
banyaknya keberhasilan dalam n buah percobaan yang saling bebas adalah
(
)
n x q p x n p n x b ; , ⎟⎟ x n x ; = 0,1,2,..., ⎠ ⎞ ⎜⎜ ⎝ ⎛ = −• Untuk kasus dimana n=3 dan p=1/4, sebaran peluang X yng menyatakan banyaknya produk cacat, dpt ditulis sbg (bandingkan dng tabel hasil
sebelumnya)
b(x;3, 1/4) = C(3,x)(1/4)x(3/4)3-x ; x = 0, 1, 2, 3
• Contoh 3.4: Peluang bahwa komponen tertentu lolos uji kejut adalah ¾. Tentukan peluang bahwa tepat dua dari empat komponen lolos uji kejut. • Jawab: Dengan mengasumsikan uji ini saling bebas dan p=3/4 dari setiap
pengujian, maka
Nilai peluang
• Seringkali kita perlu menghitung P(X<r) atau P(a≤X≤b). Ini bisa ditentukan dengan penjumlahan binomial B(r;n,p)=∑r
x=0 b(x;n,p) yang
nilainya sudah ditabulasikan (lihat Table II dalam Buku acuan). Berikut ini contoh pemakaian tabel tsb.
• Contoh 3.5: peluang seorang pasien dapat sembuh dari suatu jenis penyakit langka adalah 0.4. Jika ada 15 orang yang terinfeksi, berapa peluang bahwa: (1) sedikitnya 10 orang sembuh, (2) 3~8 orang
sembuh, dan (3) tepat 5 orang sembuh. • Jawab: P(X≥10) =1-P(X<10) = 1- ∑9 x=0b(x;15,0.4) = 1-0.9662 =0.0338 P(3≤X≤8) = ∑8 x=0b(x;15,0.4)- ∑2x=0b(x;15,0.4) = 0.9050-0.0271 = 0.8799 P(X=5) = b(5;15,0.4) = ∑5 x=0b(x;15,0.4)- ∑4x=0b(x;15,0.4) =0.4032 – 0.2173 = 0.1859
Mean dan variansi sebaran binomial
• Torema 3.2: Nilai mean dan variansi dari sebaran binomial
b(x;n,p) adalah
μ = np
dan
σ
2= npq
• Bukti: andaikan Ij menyatakan keluaran bernilai 0 atau 1 dng peluang masing-masing q dan p. Ij disebut sebagai peubah Bernoulli atau lbh tepat lagi peubah indikator karena Ij=0 adalah indikator kegagalan, sedangkan Ij=1 menyatakan keberhasilan. Dengan demikian, jumlah keberhasilan adalah
X=I1 + I2 + … +In.
Mean dr sebarang nilai Ij adalah E(Ij) =0⋅q + 1⋅p = p. Berdasarkan
Corollary dari Teorema 2.4, mean menjadi
μ = E(X) = E(I1) + E(I2) + … + E(In) = p + p + … + p = np
Sedangkan variansi dari sebarang Ij adalah σ2
Ij = E[(Ij - p)2] = E(I2j) –p2 =[ 02q+12p ]– p2 = p(1-p) = pq
Berdasar Teorema 2.11, Corollary 1, maka: σ2
Contoh 3.6
• Soal: Dengan teorema Chebyshev, tentukan dan tafsirkan
interval μ ± 2σ untuk contoh 3.5
• Jawab: Karena contoh 3.5 adalah eksperimen binomial
dengan n=15 dan p=0.4, dari Teorema 3.2 kita dapatkan
μ = (15)(0.4) = 6 dan σ
2=(15)(0.4)(0.6) = 3.6
atau
σ=√3.6 = 1.897.
Dengan demikian, interval yang dimaksud adalah
6±2(1.897) atau dari 2.206 sampai dengan 9.794.
Teorema Chebyshev menyatakan bahwa laju penyembuhan
15 pasien akibat penyakit tsb punya peluang sedikitnya ¾
untuk jatuh diantara 2.206 dan 9.794.
Sebaran multinomial
• Jika hasil eksperimen bukan hanya dua macam tetapi lebih, eksperimen binomial berubah menjadi eksperimen multinomial. • Contoh:
– Klasifikasi produk manufaktur menjadi 3 golongan: “berat”, “ringan”, atau “masih dapat diterima” (acceptable)
– Pencatatan kecelakaan lalulintas diperempatan jalan menurut hari-hari dalam seminggu
– Penarikan kartu secara acak, kemudian digolongkan sebagai salah satu dari{ ♣,♦,♥,♠}.
• Secara umum, jika percobaan menghasilkan k macam keluaran E1, E2, …, Ek dengan peluang p1, p2, …, pk, maka sebaran multinomial
menyatakan peluang peristiwa E1 terjadi x1 kali, E2 muncul x2 kali, …, dan Ek muncul xk kali dalam percobaan saling bebas dimana
x1 + x2 + … + xk= n.
Kita tuliskan sebaran peluang multinomial sebagai
f(x1, x2, …, xk; p1, p2, …, pk, n) Jelas bahwa
Perhitungan sebaran multinomial
• Kita ambil analogi dengan kasus binomial. Setiap percobaan
saling bebas, karena itu untuk urutan tertentu, ada x
1keluaran dari
E
1, x
2keluaran dari E
2, …, x
kkeluaran dari E
k, dengan peluang
p
1x1, p
2x2, .., p
kxk.
• Total jumlah urutan dng keluaran yang sama untuk n percobaan
akan sama dengan jumlah partisi n benda kedalam k kelompok, x
1kelompok pertama, x
2kelompok kedua, …, x
kkelompok ke-k,
yang dapat dilakukan sebanyak
cara. Setiap partisi muncul secara mutually exclusive dengan
peluang yang sama, sehingga diperoleh sebaran multinomial.
!
...
!
!
!
...,
,
,
2 1 2 1 kx
x
x
kn
x
x
x
n
=
⎟⎟
⎠
⎞
⎜⎜
⎝
⎛
Rumus sebaran multinomial
• SEBARAN MULTINOMIAL. Jika suatu percobaan dapat
memberikan k-jenis hasil E
1, E
2, …, E
kdengan peluang p
1, p
2, …,
p
k, maka sebaran peluang dari peubah acak X
1, X
2, …, X
k, yang
menyatakan kemunculan dari E
1, E
2, …, E
kdidalam n-kali
percobaan yang saling-bebas adalah
dimana
(
)
xk k x x k k kp
p
p
x
x
x
n
n
p
p
p
x
x
x
f
...
...,
,
,
,
...,
,
,
;
...,
,
,
1 2 2 1 2 1 2 1 2 1⎟⎟
⎠
⎞
⎜⎜
⎝
⎛
=
1 1 1 = =∑
∑
= = k i i k i i n dan p x• Istilah sebaran multinomial muncul karena suku-suku ekspansi
multinomial (p
1+ p
2+ … + p
k)
2berkaitan dengan semua nilai
yang mungkin dari f(x
1, x
2, …, x
k; p
1, p
2, …, p
k, n)
Contoh 3.7
• Soal: Jika sepasang dadu dilantunkan 6 kali, berapa peluang mendapatkan jumlah total 7 atau 11 sebanyak 2-kali, keduanya tepat sama sebanyak 1-kali, dan kombinasi lain sebanyak 3-kali?
• Jawab: Kejadian yang muncul kita sebut
E1 : jumlah total mata kedua 7 atau 11
E2 : muncul pasangan dadu dng mata sama
E3 : bukan pasangan bermata sama
maupun jumlah total-nya 7 atau 11
Masing-masing dengan peluang
p1 = (6+2)/36= 2/9, p2 = 6/36=1/6, dan p3 = 22/36=11/18. Nilai peluang tetap
untuk 6 kali pelantunan. Dengan menggunakan sebaran multinomial x1 = 2, x2=1, dan x3 = 3, nilai peluangnya adalah
Mata Dadu 1 2 3 4 5 6 1 2 3 4 5 6 7 2 3 4 5 6 7 8 3 4 5 6 7 8 9 4 5 6 7 8 9 10 5 6 7 8 9 10 11 6 7 8 9 10 11 12 1127 . 0 18 11 6 1 9 2 ! 3 ! 1 ! 2 ! 6 18 11 6 1 9 2 3 , 1 , 2 6 6 , 18 11 , 6 1 , 9 2 ; 3 , 1 , 2 3 2 3 2 = ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ = ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ = ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ f
Latihan
• Bab 2: 58, 61, 64
• Bab 3: 7
Pendahuluan
• Contoh sebelumnya menunjukkan bahwa sebaran binomial tidak berlaku untuk, misalnya, pengambilan 3 kartu merah dalam 5 kali pengambilan acak tanpa mengembalikan dan mengocok lagi.
• Tinjau pengambilan 5 kartu secara acak lalu hitung peluang
munculnya 3 kartu merah dari 26 yang ada dan 2 kartu hitam dari 26 sisanya. Ada C(26,3) cara untuk mengambil kartu merah dan C(26,2) cara untuk kartu hitam. Jadi, total akan ada C(26,3)⋅C(26,2) untuk eksperimen ini. Tetapi, ada C(52,5) cara untuk mengambil 5 dari 52 kartu tanpa penggantian sehingga peluang terambil 3 kartu merah dan 2 hitam adalah.
C(26,3)⋅C(26,2)/C(52,5) = 0.3251
• Contoh diatas menggambarkan eksperimen hipergeometrik. Kita ingin menghitung peluang x buah dari pengambilan k benda yang
dinamakan sukses dan n - x gagal dari N-k benda yang dilabeli sebagai gagal jika n buah cuplikan acak diambil dari N benda.
• Ada dua sifat dasar eksperiman hipergeometrik
1. Pencuplikan dilakukan scr acak sebanyak n diambil dari N buah benda
Peubah acak hipergeometrik
• Definisi 3.2. Banyaknya X sukses dalam suatu
eksperimen hipergeometrik disebut sebagai
peubah acak hipergeometrik.
• Sebaran peluang dari peubah acak hipergeometrik X
disebut sebagai sebaran hipergeometrik dan
dituliskan sebagai h(x; N, n, k) karena nilainya
bergantung pada:
– jumlah keberhasilan k
– diambil dari kumpulan yang berisi N benda
Ilustrasi
• Tinjau contoh 3.8 berikut. Suatu komite yang terdiri dari 5 orang dipilih secara acak dari 3 orang Kimiawan dan 5 Fisikawan. Tentukan sebaran peluang dari jumlah Kimiawan dalam komite tsb.
• Jawab: Andaikan peubah acak X menyatakan jumlah Kimiawan dalam komite, kedua syarat eksperimen hipergeometrik menjadi terpenuhi. Dng demikian:
P(X=0) = h(0; N=8, n=5, k=3) = C(3,0)⋅C(5,5)/C(8,5) = 1/56 P(X=1) = h(1;8,5,3) = C(3,1)⋅C(5,4)/C(8,5) = 15/56
P(X=2) = h(2;8,5,3) = C(3,2)⋅C(5,3)/C(8,5) = 30/56 P(X=3) = h(3;8,5,3) = C(3,3)⋅C(5,2)/C(8,5) = 10/56 • Dalam bentuk tabel
• Dan dalam bentuk formula
h(x;8,5,3) = C(3,x)⋅C(5, 5-x)/C(8,5), x=0, 1, 2, 3
x 0 1 2 3
Sebaran hipergeometrik
• SEBARAN HIPERGEOMETRIK. Sebaran peluang dari peubah
acak hipergeometrik X, yakni jumlah sukses dari cuplikan acak
sejumlah n yang terambil dari N benda, dimana k buah
diantaranya disebut sukses dan N-k disebut gagal, adalah
• Contoh: Sejumlah 40 buah komponen elektronik dapat diterima jika cacat-nya tidak lebih dari tiga buah. Pencuplikan dilakukan dengan cara memilih 5 komponen scr acak dan menolaknya jika ada yang cacat. Jika ada 3 dari 40 komponen ini cacat, tentukan peluang tepat satu satu dari cuplikan ini cacat.
• Jawab: Ini adalah sebaran hipergeometrik dengan n=5, N=40, k=3 dan x=1. Dengan demikian, peluang tepat satu buah cacat adalah
h(1; 40, 5, 3) = C(3,1)⋅C(37,4)/ C(40,5) = 0.3011
(
)
x n n N x n k N x k k n N x h ; , , , = 0,1, 2,..., ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ − − ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ =Mean dan Variansi
• Teorema 3.3 Mean dan variansi dari sebaran
hipergeometrik h(x; N, n, k) adalah, masing-masing,
μ = nk/N,
dan
σ
2= [(N-n)/(N-1)]⋅n⋅(k/N)⋅[1- (k/N)]
• Bukti: lihat textbook
• Pendekatan.
Jika n jauh lebih kecil daripada N, perubahan peluang
antar pengamatan menjadi kecil. Akibatnya, eksperimen
lebih mirip ke percobaan binomial dan sebarannya akan
menjadi sebaran binomial dengan p=k/N. Mean dan
variansi dapat didekati dengan rumus berikut:
μ = np = nk/N,
dan
Contoh-2
• Contoh 3.10: Dengan teorema Chebysev, hitung dan
tafsirkan interval μ±2σ dalam contoh 3.9
• Jawab: Karena contoh 3.9 merupakan percobaan
hipergeometrik dengan N=40, n=5, dan k=3, maka dengan
Teorema 3.3 akan diperoleh
μ = (5)(3)/40 = 3/8 = 0.375
dan
σ
2= [(40-5)/(39)](5)(3/40)[1-(3/40)] = 0.3113
Akar kuadrat variansi memberikan simpangan baku
sebesar
σ=0.558. Dengan demikian, interval yang dicari
adalah 0.375±(2)(0.558) atau -0.741 sampai 1.491.
Berdasarkan teorema Chebysev, jumlah komponen cacat
ketika 5 komponen dipilih secara acak dari 40 buah, 3
diantaranya cacat, punya peluang sedikitnya ¾ untuk
berada dalam selang -0.741 sampai 1.491
Generalisasi
• Tinjau N kumpulan benda yang dipartisi kedalam k sel A
1, A
2,
… , A
kdengan a
1benda berada di sel pertama, a
2dalam sel
kedua, …, a
kdalam sel ke-k. Kita akan menghitung peluang
cuplikan acak sejumlah n menghasilkan x
1benda dari A
1, x
2benda dari A
2, …, x
kbenda dari A
k.
• Tuliskan peluang ini sebagai
f(x
1, x
2, …, x
k; a
1, a
2, …, a
k, N ,n)
• Besar ruang cuplikan adalah C(N, n). Ada C(a
1,x
1) cara untuk
memilih x
1benda dari A
1, dan masing-masing ada C(a
2,x
2) cara
untuk memilih x
2benda dari A
2. Jadi, kita dapat memilih x
1benda dari A
1dan x
2benda dari A
2sebanyak C(a
1,x
1)⋅C(a
2,x
2)
cara. Demikian seterusnya, kita dapat memilih n-buah benda
yang terdiri dari x
1buah anggota A
1, x
2benda dari A
2, …, x
kbenda dari A
ksebanyak C(a
1,x
1)⋅C(a
2,x
2)⋅ … ⋅C(a
k,x
k).
Perluasan sebaran hipergeometrik
• EKSTENSI DARI SEBARAN HIPEGEOMETRIK. Jika
sekumpulan N- buah benda dapat dipartisi menjadi k buah sel
A
1, A
2, …, A
kyang masing-masing memiliki a
1, a
2, …, a
kanggota, maka sebaran peluang dari peubah acak X
1, X
2, …, X
kyang menyatakan jumlah anggota terpilih dari A
1, A
2, …, A
kdalam cuplikan acak berukuran n adalah
dengan
(
)
⎟⎟
⎠
⎞
⎜⎜
⎝
⎛
⎟⎟
⎠
⎞
⎜⎜
⎝
⎛
⋅⋅
⋅
⎟⎟
⎠
⎞
⎜⎜
⎝
⎛
⎟⎟
⎠
⎞
⎜⎜
⎝
⎛
=
n
N
x
a
x
a
x
a
n
N
a
a
a
x
x
x
f
k k k k 2 2 1 1 2 1 2 1,
,
...,
;
,
,
...,
,
,
N
a
dan
n
x
k i i k i i=
∑
=
∑
= =1 1Contoh 3.12
• Soal: Suatu kelompok yang terdiri dari 10 orang
dipakai untuk survei biologi. Dalam kelompok
terdapat 3 orang berdarah O, 4 berdarah A, dan 3
berdarah B. Tentukan peluang dari suatu cuplikan
acak sebesar 5 orang mengandung 1 orang berdarah O,
2 orang berdarah A, dan 2 orang berdarah B.
• Jawab: Dengan formula perluasan dimana x
1=1, x
2=2,
x
3=2, a
1=3, a
2=4, a
3=3, N=10, dan n=5, maka nilai
peluangnya adalah
P= f(1, 2, 2;3, 4, 3, 10, 5)
= C(3,1)C(4,2)C(3,2)/C(10,5)
= 3/14
Percobaan Poisson
• Percobaan yng menghasilkan peubah acak X, yng
menyatakan jumlah keberhasilan dalam selang waktu atau
daerah tertentu, disebut percobaan Poisson. Sifat-sifat:
– Jumlah keberhasilan dalam suatu selang waktu aatu daerah tertentu, bebas terhadap peristiwa dlm selang atau daerah lain.
– Peluang satu keberhasilan selama selang waktu pendek atau daerah kecil sebanding dengan lamanya (durasi) selang atau besarnya
daerah tsb, dan tdk bergantung pada jumlah keberhasilan yang terjadi diluar selang atau daerah ini.
– Peluang lebih dari satu keberhasilan dalam selang atau daerah tsb sangat kecil (dapat diabaikan).
• Contoh percobaan Poisson:
– kedatangan panggilan telepon per jam, jumlah libur sekolah karena terjadi banjir selama musim hujan, jumlah pertandingan sepakbola yang dibatalkan akibat hujan dalam musim pertandingan tertentu.
Peubah acak dan Sebaran Poisson
• Def. 3.3: Jumlah X buah keberhasilan dalam percobaan
Poisson disebut sebagai peubah acak Poisson.
• SEBARAN POISSON. Sebaran peluang dari peubah acak
Poisson X, yang menyatakan jumlah keberhasilan dalam
suatu selang waktu atau daerah tertentu, adalah
dimana
μ adalah rata-rata keberhasilan selama selang waktu
atau daerah terntentu dan e = 2.71828… (bilangan alami).
(
)
,
0
,
1
,
2
,
...
!
;
=
=
−x
x
e
x
p
xμ
μ
μ• Tabel III dalam buku teks menampilkan jumlah sebaran
Poisson P(r; μ) = ∑
rContoh 3.13
• Soal: Dalam percobaan teramati rata-rata ada 4
buah partikel radioaktif yang melewati alat
pencacah selama selang waktu 1 milidetik. Berapa
peluang ada 6 partikel yang masuk alat tsb dalam
selama milidetik tertentu?
• Jawab: Dengan menggunakan tabel sebaran
Poisson (Tabel III) untuk x=6 dan
μ=4, kita
peroleh
p(6;4)= e
-44
6/6!
= ∑
6x=0
p(x; 4) -
∑
5x=0p(x; 4)
Mean dan variansi
• Teorema 3.4 Mean dan variansi dari sebaran
Poisson p(x;μ) memiliki nilai sama, yaitu μ.
• Contoh: dalam soal 3.13 dimana
μ=4, maka
variansinya
σ
2=4 atau
σ=2. Berdasarkan teorema
Chebyshev, maka kita bisa mengatakan bahwa
peubah acak Poisson ini memiliki peluang
sedikitnya ¾ (yakni 1-1/2
2) untuk jatuh dalam
selang
μ ± 2σ = 4 ± 2(2), atau dalam selang 0
sampai dengan 8.
Kaitan dengan sebaran binomial
• Teorema 3.5 Andaikan X suatu peubah acak binomial
dengan sebaran peluang b(x;n,p). Ketika n→ ∞, p→0, dan
μ=np konstan, maka
b(x; n, p)
→ p(x; n)
• Contoh 3.15. Dalam suatu proses manufaktur produk gelas,
munculnya cacat atau gelembung menyulitkan penjualan produk
tsb. Diketahui bahwa untuk setiap 1000 produk ini, akan ada 1
produk yang memiliki 1 atau lebih cacat gelembung. Berapa
peluang dari cuplikan acak sebanyak 8000 menghasilkan kurang
dari 7 produk yang memiliki cacat gelembung ini?
• Jawab: Sesungguhnya ini adalah eksperimen binomial dengan
n=8000 dan p=1/1000=0.001. Karena p mendekati nol dan n
sangat tinggi, kita bisa memakai pendekatan Poisson dng
μ=(8000)(0.001) = 8. Jadi, jika X menyatakan banyaknya
gelembung, maka
P(X<7) = ∑
6x=0