5 contoh konkrit distribusi poisson

Distribusi Poisson adalah distribusi probabilitas yang digunakan untuk memodelkan probabilitas sejumlah peristiwa tertentu yang terjadi selama selang waktu tertentu ketika peristiwa-peristiwa tersebut diketahui terjadi secara independen dan dengan laju rata-rata yang konstan.

Pada artikel kali ini kami membagikan 5 contoh penggunaan distribusi Poisson di dunia nyata.

Contoh 1: Panggilan per jam di pusat panggilan

Pusat panggilan menggunakan distribusi Poisson untuk memodelkan perkiraan jumlah panggilan per jam yang akan mereka terima untuk mengetahui berapa banyak perwakilan pusat panggilan yang harus tetap menjadi staf.

Misalnya, pusat panggilan tertentu menerima 10 panggilan per jam. Kita dapat menggunakan kalkulator distribusi Poisson untuk mencari probabilitas bahwa pusat panggilan menerima 0, 1, 2, 3… panggilan dalam satu jam tertentu:

• P(X = 0 panggilan) = 0,00005
• P(X = 1 panggilan) = 0,00045
• P(X = 2 panggilan) = 0,00227
• P(X = 3 panggilan) = 0,00757

Dan seterusnya.

Hal ini memberikan gambaran kepada manajer pusat panggilan tentang berapa banyak panggilan yang mungkin mereka terima per jam dan memungkinkan mereka untuk mengatur jadwal karyawan berdasarkan jumlah panggilan yang diharapkan.

Contoh 2: Jumlah kedatangan di sebuah restoran

Restoran menggunakan distribusi Poisson untuk memodelkan perkiraan jumlah pelanggan yang akan tiba di restoran per hari.

Misalnya, sebuah restoran tertentu menerima rata-rata 100 pelanggan per hari. Kita dapat menggunakan kalkulator distribusi Poisson untuk mencari probabilitas bahwa restoran tersebut akan memiliki lebih dari jumlah pelanggan tertentu:

• P(X > 110 pelanggan) = 0,14714
• P(X > 120 pelanggan) = 0,02267
• P(X > 130 pelanggan) = 0,00171

Dan seterusnya.

Hal ini memberikan gambaran kepada manajer restoran tentang seberapa besar kemungkinan mereka menerima lebih dari jumlah pelanggan tertentu pada hari tertentu.

Contoh 3: Jumlah pengunjung website per jam

Perusahaan hosting situs web menggunakan distribusi Poisson untuk memodelkan perkiraan jumlah pengunjung per jam yang akan diterima situs web.

Misalnya, situs web tertentu menerima rata-rata 20 pengunjung per jam. Kita dapat menggunakan kalkulator distribusi Poisson untuk mencari probabilitas bahwa situs web akan menerima lebih dari jumlah pengunjung tertentu dalam satu jam tertentu:

• P(X > 25 pengunjung) = 0,11218
• P(X > 30 pengunjung) = 0,01347
• P(X > 35 pengunjung) = 0,00080

Dan seterusnya.

Hal ini memberikan gambaran kepada perusahaan hosting tentang berapa banyak bandwidth yang harus disediakan ke berbagai situs web untuk memastikan bahwa mereka mampu menangani sejumlah pengunjung tertentu setiap jamnya.

Contoh 4: Jumlah kebangkrutan yang diajukan per bulan

Bank menggunakan distribusi Poisson untuk memodelkan perkiraan jumlah kebangkrutan nasabah per bulan.

Misalnya, suatu bank mempunyai rata-rata 3 kebangkrutan yang diajukan oleh nasabahnya setiap bulannya. Kita dapat menggunakan kalkulator distribusi Poisson untuk mencari probabilitas bahwa bank akan menerima sejumlah pengajuan kebangkrutan tertentu pada bulan tertentu:

• P(X = 0 kebangkrutan) = 0,04979
• P(X = 1 kebangkrutan) = 0,14936
• P(X = 2 kebangkrutan) = 0,22404

Dan seterusnya.

Hal ini memberikan gambaran kepada bank tentang berapa banyak cadangan yang harus mereka simpan jika terjadi sejumlah kebangkrutan pada bulan tertentu.

Contoh 5: Jumlah pemadaman jaringan per minggu

Perusahaan teknologi menggunakan distribusi Poisson untuk memodelkan perkiraan jumlah pemadaman jaringan per minggu.

Misalnya, suatu perusahaan mengalami rata-rata satu pemadaman jaringan per minggu. Kita dapat menggunakan kalkulator distribusi Poisson untuk menentukan probabilitas bahwa perusahaan akan mengalami sejumlah pemadaman jaringan pada minggu tertentu:

• P(X = 0 kegagalan) = 0,36788
• P(X = 1 kegagalan) = 0,36788
• P(X = 2 kegagalan) = 0,18394

Dan seterusnya.

Ini memberi perusahaan gambaran tentang berapa banyak pemadaman yang mungkin terjadi setiap minggunya.

Sumber daya tambahan

6 contoh konkrit distribusi normal
5 contoh konkrit distribusi binomial
5 contoh konkrit pemerataan
4 Contoh Penggunaan Regresi Linier dalam Kehidupan Nyata
4 contoh penggunaan ANOVA dalam kehidupan nyata