5 contoh konkrit distribusi binomial

Distribusi binomial adalah distribusi probabilitas yang digunakan untuk memodelkan probabilitas sejumlah “keberhasilan” tertentu yang terjadi dalam sejumlah percobaan tertentu.

Pada artikel ini, kami membagikan 5 contoh penggunaan distribusi binomial di dunia nyata.

Contoh 1: Jumlah efek samping terkait obat

Para profesional layanan kesehatan menggunakan distribusi binomial untuk memodelkan kemungkinan bahwa sejumlah pasien akan mengalami efek samping dari penggunaan obat baru.

Misalnya, kita mengetahui bahwa 5% orang dewasa yang mengonsumsi obat tertentu mengalami efek samping negatif. Kita dapat menggunakan kalkulator distribusi binomial untuk menentukan probabilitas bahwa lebih dari sejumlah pasien dalam sampel acak sebanyak 100 orang akan mengalami efek samping negatif.

• P (X > 5 pasien mengalami efek samping) = 0,38400
• P (X > 10 pasien mengalami efek samping) = 0,01147
• P (X > 15 pasien mengalami efek samping) = 0,0004

Dan seterusnya.

Hal ini memberikan gambaran kepada profesional kesehatan tentang kemungkinan sejumlah pasien tertentu akan mengalami efek samping negatif.

Contoh 2: Jumlah transaksi penipuan

Bank menggunakan distribusi binomial untuk memodelkan kemungkinan sejumlah transaksi kartu kredit adalah penipuan.

Misalnya, diketahui 2% dari seluruh transaksi kartu kredit di wilayah tertentu adalah penipuan. Jika terdapat 50 transaksi per hari di wilayah tertentu, kita dapat menggunakan kalkulator distribusi binomial untuk menentukan kemungkinan terjadinya lebih dari sejumlah transaksi penipuan pada hari tertentu:

• P(X > 1 transaksi penipuan) = 0,26423
• P(X > 2 transaksi penipuan) = 0,07843
• P(X > 3 transaksi penipuan) = 0,01776

Dan seterusnya.

Hal ini memberikan gambaran kepada bank tentang seberapa besar kemungkinan terjadinya sejumlah transaksi penipuan pada hari tertentu.

Contoh 3: jumlah email spam per hari

Perusahaan email menggunakan distribusi binomial untuk memodelkan kemungkinan sejumlah email spam akan masuk ke kotak masuk setiap hari.

Misalnya, diketahui bahwa 4% dari seluruh email adalah spam. Jika sebuah akun menerima 20 email pada hari tertentu, kita dapat menggunakan kalkulator distribusi binomial untuk menentukan kemungkinan bahwa sejumlah email tersebut adalah spam:

• P(X = 0 spam) = 0,44200
• P(X = 1 spam) = 0,36834
• P(X = 2 spam) = 0,14580

Dan seterusnya.

Contoh 4: Banyaknya sungai yang meluap

Sistem taman nasional menggunakan distribusi binomial untuk memodelkan probabilitas bahwa sungai akan meluap beberapa kali setiap tahunnya akibat curah hujan yang berlebihan.

Misalnya, diketahui bahwa sungai tertentu meluap selama 5% dari seluruh badai. Jika terdapat 20 badai dalam satu tahun, kita dapat menggunakan kalkulator distribusi binomial untuk mencari probabilitas sungai akan banjir beberapa kali:

• P(X = 0 luapan) = 0,35849
• P(X = 1 luapan) = 0,37735
• P(X = 2 luapan) = 0,18868

Dan seterusnya.

Hal ini memberikan gambaran kepada petugas taman tentang berapa kali mereka perlu bersiap menghadapi luapan air sepanjang tahun.

Contoh 5: Retur pembelian per minggu

Toko ritel menggunakan distribusi binomial untuk memodelkan probabilitas bahwa mereka akan menerima sejumlah pengembalian pembelian setiap minggunya.

Misalnya, diketahui bahwa 10% dari seluruh pesanan dikembalikan ke toko tertentu setiap minggunya. Jika ada 50 pesanan pada minggu itu, kita dapat menggunakan kalkulator distribusi binomial untuk menentukan probabilitas bahwa toko akan menerima lebih dari jumlah pengembalian tertentu pada minggu itu:

• P(X > 5 pengembalian) = 0,18492
• P(X > 10 pengembalian) = 0,00935
• P(X > 15 pengembalian) = 0,00002

Dan seterusnya.

Ini memberi toko gambaran tentang berapa banyak perwakilan layanan pelanggan yang dibutuhkan di toko pada minggu itu untuk menangani pengembalian.

Sumber daya tambahan

6 contoh konkrit distribusi normal
5 contoh konkrit distribusi Poisson
5 contoh konkrit distribusi geometri
5 contoh konkrit pemerataan