<\/p>\n
Distribusi Poisson<\/a> adalah distribusi probabilitas yang digunakan untuk memodelkan probabilitas sejumlah kejadian tertentu yang terjadi selama selang waktu tertentu.<\/span><\/p>\n Distribusi Poisson dapat digunakan jika empat asumsi berikut terpenuhi:<\/span><\/p>\n Asumsi 1: Jumlah kejadian dapat dihitung.<\/strong><\/span><\/p>\n Kita asumsikan bahwa banyaknya \u201cperistiwa\u201d yang dapat terjadi selama selang waktu tertentu dapat dihitung dan dapat bernilai 0, 1, 2, 3,\u2026dst.<\/span><\/p>\n Hipotesis 2: Terjadinya suatu peristiwa bersifat independen.<\/strong><\/span><\/p>\n Kita berasumsi bahwa terjadinya suatu peristiwa tidak mempengaruhi kemungkinan terjadinya peristiwa lain.<\/span><\/p>\n Asumsi 3: Kecepatan rata-rata terjadinya peristiwa dapat dihitung.<\/strong><\/span><\/p>\n Kita berasumsi bahwa laju rata-rata terjadinya peristiwa selama interval waktu tertentu dapat dihitung dan konstan pada setiap subinterval.<\/span><\/p>\n Asumsi 4: Dua peristiwa tidak dapat terjadi pada waktu yang bersamaan.<\/strong><\/span><\/p>\n Kita berasumsi bahwa pada setiap subinterval yang sangat kecil, tepat satu peristiwa terjadi atau tidak terjadi.<\/span><\/p>\n Contoh berikut menunjukkan berbagai skenario yang memenuhi asumsi distribusi Poisson.<\/span><\/p>\n Banyaknya pelanggan yang tiba di suatu restoran setiap hari dapat dimodelkan dengan menggunakan distribusi Poisson.<\/span><\/p>\n Skenario ini memenuhi setiap asumsi distribusi Poisson:<\/span><\/p>\n Asumsi 1: Jumlah kejadian dapat dihitung.<\/strong><\/span><\/p>\n Jumlah pelanggan yang datang ke suatu restoran setiap harinya dapat dihitung (misalnya 200 pelanggan).<\/span><\/p>\n Hipotesis 2: Terjadinya suatu peristiwa bersifat independen.<\/strong><\/span><\/p>\n Kedatangan satu pelanggan tidak mempengaruhi kedatangan pelanggan lainnya.<\/span><\/p>\n Asumsi 3: Kecepatan rata-rata terjadinya peristiwa dapat dihitung.<\/strong><\/span><\/p>\n Kita dapat dengan mudah mengumpulkan data rata-rata jumlah pelanggan yang masuk ke restoran setiap harinya.<\/span><\/p>\n Asumsi 4: Dua peristiwa tidak dapat terjadi pada waktu yang bersamaan.<\/strong><\/span><\/p>\n Secara teknis, dua pelanggan tidak dapat memasuki sebuah restoran pada waktu yang bersamaan<\/em> .<\/span><\/p>\n Jumlah pemadaman jaringan yang dialami perusahaan teknologi setiap minggunya dapat dimodelkan menggunakan distribusi Poisson.<\/span><\/p>\n Skenario ini memenuhi setiap asumsi distribusi Poisson:<\/span><\/p>\n Asumsi 1: Jumlah kejadian dapat dihitung.<\/strong><\/span><\/p>\n Jumlah pemadaman jaringan setiap minggunya dapat dihitung (misalnya 3 pemadaman jaringan).<\/span><\/p>\n Hipotesis 2: Terjadinya suatu peristiwa bersifat independen.<\/strong><\/span><\/p>\n Diasumsikan bahwa terjadinya pemadaman jaringan tidak mempengaruhi kemungkinan terjadinya pemadaman jaringan lainnya.<\/span><\/p>\n Asumsi 3: Kecepatan rata-rata terjadinya peristiwa dapat dihitung.<\/strong><\/span><\/p>\n Kita dapat dengan mudah mengumpulkan data rata-rata jumlah pemadaman jaringan yang terjadi setiap minggunya.<\/span><\/p>\n Asumsi 4: Dua peristiwa tidak dapat terjadi pada waktu yang bersamaan.<\/strong><\/span><\/p>\n Dua pemadaman jaringan tidak dapat terjadi pada waktu yang bersamaan: hanya satu pemadaman jaringan yang dapat terjadi pada satu waktu.<\/span><\/p>\n Pengenalan distribusi Poisson<\/a> Distribusi Poisson adalah distribusi probabilitas yang digunakan untuk memodelkan probabilitas sejumlah kejadian tertentu yang terjadi selama selang waktu tertentu. Distribusi Poisson dapat digunakan jika empat asumsi berikut terpenuhi: Asumsi 1: Jumlah kejadian dapat dihitung. Kita asumsikan bahwa banyaknya \u201cperistiwa\u201d yang dapat terjadi selama selang waktu tertentu dapat dihitung dan dapat bernilai 0, 1, 2, 3,\u2026dst. […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Contoh 1: Jumlah kedatangan di sebuah restoran<\/strong><\/span><\/h3>\n
Contoh 2: Jumlah<\/strong> pemadaman jaringan per minggu<\/strong><\/span><\/h3>\n
Sumber daya tambahan<\/strong><\/span><\/h3>\n
Kalkulator Distribusi Ikan<\/a>
5 contoh konkrit distribusi Poisson<\/a>
Cara menghitung interval kepercayaan Poisson<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"