DISTRIBUSI POISSON.

Slides:



Advertisements
Presentasi serupa
DISTRIBUSI DISKRIT DAN KONTINYU
Advertisements

DISTRIBUSI PROBABILITAS YANG UMUM
Analisa Data Statistik Chap 5: Distribusi Probabilitas Diskrit
Analisa Data Statistik Chap 5: Distribusi Probabilitas Diskrit
SEKOLAH TINGGI ILMU STATISTIK
Metode Statistika II Pertemuan 2 Pengajar: Timbang Sirait
D I S T R I B U S I P R O B A B I L I T A S
Distribusi Probabilitas ()
DISTRIBUSI TEORITIS PROBABILITAS
SEBARAN DISKRIT Variabel Diskrit dan kontinue Variabel diskrit yang dimaksud adalah variabel yang diamati/diukur tidak dapat diwakili oleh seluruh titik.
DISTRIBUSI PELUANG.
STATISTIK PROBABILITAS
DISTRIBUSI TEORITIS.
Peubah Acak Diskret Khusus
Distribusi Poisson Percobaan Poisson memiliki ciri-ciri sbb :
DISTRIBUSI TEORETIS.
BAB IX DISTRIBUSI TEORITIS
Bab 5. Probabilitas Diskrit
FUNGSI PROBABILITAS Pertemuan ke 6.
DISTRIBUSI TEORETIS Tujuan :
PROBABILITAS (PELUANG)
Distribusi Hipergeometrik Distribusi Poisson.
F2F-7: Analisis teori simulasi
Tahun Pendapatan Nasional (milyar Rupiah) ,6 612,7 630, ,9 702,3 801,3 815,7 Distribusi Binomial.
DISTRIBUSI PROBABILITAS diskrit
DISTRIBUSI TEORITIS.
OLEH: RESPATI WULANDARI, M.KES
(PROBABILITAS LANJUTAN) DISTRIBUSI PELUANG DISKRIT DAN KONTINU
DISTRIBUSI PELUANG.
VARIABEL ACAK DAN NILAI HARAPAN
DISTRIBUSI PELUANG Jika melakukan undian sebuah mata uang maka peristiwa yang terjadi muncul = G dan A. Jika X menyatakan banyaknya G maka X = 0, 1 Maka.
KONSEP STATISTIK.
DISTRIBUSI BINOIMIAL DAN POISSON
Bagian 4 – DISTRIBUSI DISKRIT Laboratorium Sistem Produksi 2004
Sebaran Peluang Diskrit (II) Pertemuan 6
DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 2
DISTRIBUSI PROBABILITAS
DISTRIBUSI PROBABILITAS DISKRET
DISTRIBUSI PROBABILITAS TEORITIS
Distribusi Probabilitas
DISTRIBUSI PROBABILITAS
DISTRIBUSI POISSON Kelompok 6 Elia Lugastio ( )
Distribusi binomial Distribusi binomial
Distribusi Probabilitas Diskret
Variabel Acak dan Distribusi Probabilitas
DISTRIBUSI PROBABILITAS
Matakuliah : I0014 / Biostatistika Tahun : 2005 Versi : V1 / R1
Variabel Acak dan Nilai Harapan
VARIABEL ACAK DAN NILAI HARAPAN
DISTRIBUSI PROBABILITAS DISKRIT (1)
DISTRIBUSI PROBABILITAS DISKRIT (1)
Distribusi Teoritis Peluang Diskrit
DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 2
Diagram Kontrol Cacat c
DISTRIBUSI PROBABILITAS
Probabilita diskrit.
Distribusi Probabilitas Diskret
DISTRIBUSI PROBABILITAS TEORITIS
DISTRIBUSI VARIABEL RANDOM DISKRIT
Model dan Simulasi Distribusi Poisson Veni Wedyawati, S.Kom, M.Kom.
BAB 10 DISTRIBUSI PROBABILITAS Pada berbagai peristiwa dalam probabilitas jika frekuensi percobaannya banyak, maka untuk peristiwa yang bersifat independent.
Distribusi Probabilitas
DISTRIBUSI PROBABILITAS YANG UMUM
DISTRIBUSI PROBABILITAS TEORITIS
Distribusi Poisson Suatu eksperimen yang menghasilkan jumlah sukses yang terjadi pada interval waktu spesifik dikenal sebagai eksperimen Poisson. Interval.
Distribusi Teoritis Variabelacak Kontinu
PENGERTIAN DISTRIBUSI TEORITIS
DISTRIBUSI PROBABILITAS YANG UMUM
Distribusi Teoritis Variabel Acak Kontinu
DISTRIBUSI PROBABILITAS DISKRIT (1)
Transcript presentasi:

DISTRIBUSI POISSON

Adalah suatu distribusi teoritis yang memakai var random diskrit, yaitu banyaknya hasil percobaan yang terjadi dalam suatu interval waktu tertentu. Ciri-ciri dari distribusi Poisson : Banyaknya hasil percobaan yang satu tidak tergantung dari banyaknya hasil percobaan yang lain. Probabilitas hasil percobaan sebanding dengan panjang interval waktu. Probabilitas lebih dari satu hasil percobaan yang terjadi dalam interval waktu yang singkat dalam daerah yang kecil dapat diabaikan.

Distribusi Poisson digunakan dalam : Menghitung probabilitas terjadinya peristiwa menurut satuan waktu, ruang atau isi, luas, panjang seperti: Banyaknya penggunaan telpon per menit, banyaknya kesalahan ketik per halaman sebuah buku, banyaknya mobil yang lewat selama 5 menit di suatu ruas jalan, dsb. Menghitung disktribusi binomial apabila n-besar (n  30) dan p relatif kecil (p < 0,1) Rumus dari distribusi Poisson adalah:

µ = n.p Ket: X = variabel random diskrit 0, 1, 2, 3… X! = X . (X-1) . (X-2)…..2.1 e = bilangan irrational yang besarnya 2,71828 0! = 1 menurut definisi P = probabilitas sukses n = banyaknya amatan

µ e-µ 0.5 0.60653 1 0.36788 1.5 0.22313 2 0.13534 2.5 0.08209 3 0.04979 3.5 0.03020 4 0.01832 4.5 0.01111 5 0.00674 5.5 0.00409 6 0.00248 6.5 0.00150 7 0.00091 7.5 0.00055 8 0.00034 8.5 0.00020 9 0.00012 9.5 0.00007 10 0.00005

Misalkan sebuah mobil diiklankan di surat kabar untuk dijual Misalkan sebuah mobil diiklankan di surat kabar untuk dijual. Surat kabar tersebut mempunyai pembaca sebanyak 500.000 orang. Jika kemungkinan seorang akan membalas iklan tersebut 0,000005, ditanyakan: Berapa orang diharap akan membalas iklan tersebut Berapa kemungkinan yang membalas hanya satu orang Berapa kemungkinan tidak ada yang membalas

Jawab n = 500.000 p = 0,000005 µ = n . p = 500.000 . 0,000005 = 2,5

rata-rata ada 2 orang yang membalas iklan tersebut 0.205213 X = 0 = 0,08209

Menurut pengalaman dari hasil pengamatan supervisor sebuah mesin fotokopi pada tiap 3000 lembar memfotokopi terdapat kerusakan selembar kertas. Toko tersebut ingin mengetahui berapa probabilitas kerusakan 1, 2, 3, 4 kertas pada tiap pemfotokopian sebanyak 1000 lembar.

jawab n = 1000 p = 1/3000 µ = 1000 . 1/3000 = 1/3 = 0.238844

= 0.039807

= 0.004423

= 0.000369