BAB

BAB IV
IV
PROSES
PROSES POISSON
POISSON
Proses Stokastik dengan ruang
state S yang diskret dan
parameter kontinu
Peristiwa sehari-hari yang merupakan
proses poisson :
• Banyaknya pengunjung pada sebuah
swalayan
• Banyaknya kecelakaan lalu lintas pada
suatu jalan, di sebuah kota
• Banyak telpon berdering pada suatu
interval waktu tertentu, dll
Distribusi Poisson
• Suatu variable random X dikatakan
mempunyai distribusi Poisson dengan
parameter  , jika X mempunyai
fungsi probabilitas f(x) sebagai
berikut :
 x
e 
f (x) 
x!
• Untuk x = 0,1,2, …
• E(X) =  dan Var(X) = 
Sifat-sifat distribusi Poisson
Berikut diberikan dua sifat penting yang
berkaitan dengan distribusi probabilitas
Poisson. Kedua sifat tersebut disajikan dalam
teorema berikut :
Teorema 4.1
• Jika X dan Y variable random independent
masing-masing berdistribusi Poisson dengan
parameter  dan , maka jumlah (Z = X+Y)
berdistribusi Poisson dengan parameter
z=+ .
Teorema 4.2
• Jika N variable random berdistribusi
Poisson dengan parameter , distribusi
bersyarat M diberikan N=n
berdistribusi Binomial dengan parameter
n dan p, maka distribusi tidak bersyarat
M adalah Poisson dengan parameter p.
• Jadi M berdistribusi Poisson dengan
parameter p. Selanjutnya berdasarkan
distribusi Poisson dan sifat-sifat
keindependenan, kita akan
mendefinisikan suatu proses Poisson.
Definisi 4.1
Suatu proses stokastik {X(t), t 0} dikatakan
Proses Poisson dengan rate (intensitas)  > 0
merupakan proses yang memenuhi sifat-sifat :
(i) X(0) = 0
(ii) Untuk titik-titik waktu t0=0 < t1<t2<…<tn ,
increment process : X(t1) - X(t0), X(t2) - X(t1),
X(t3) - X(t2), …, X(tn) - X(tn-1) merupakan
variable random independent
(iii) Untuk s0, t>0, variable random X(s+t) – x(s)
berdistribusi Poisson dengan fungsi
probabilitas :
 k  t
( t ) e
P(X(s+t)-X(s) = k) =
k!
untuk k=0,1,2, …
• Jadi jika X(t) suatu proses Poisson
dengan rate >0 maka E(X(t))=t dan
Var(X(t)) = 2(X(t)) = t
Teorema 4.4
• Jika {X(t)} merupakan suatu Proses
Poisson dengan rate >0, maka untuk
0<u<t dan 0  k  n berlaku :
k n k
n! u  u
P(X(u)=k|X(t)=n)=   1  
k!(n  k )!  t   t
Contoh 1.
• Jika kedatangan orang ke suatu Bank
mengikuti proses Poisson dengan rata-
rata 20 orang tiap menit, maka :
(i) Probabilitas dalam selang waktu 1 jam
(60 menit) ada sebanyak 100 orang
yang datang adalah :
((20)(60))100 e  (( 20).( 60))
P ( N (60)  100) 
100!
(ii) Probabilitas ada 50 orang datang
dalam interval waktu 10.00 – 10.15 jika
diketahui bahwa antara interval waktu
9.00 – 10.00 ada 100 orang yang
datang adalah :
P(N(15)=50|N(60)=100) =
P(N(15)=50) ; (karena sifat
independent)
Akibatnya : 50  (( 20 ).(15))
((20)(15)) e
P ( N (15)  50) 
50!
Contoh 2.
• Kedatangan pelanggan {X(t)} dalam sebuah
swalayan diasumsikan mengikuti proses
Poisson dengan rate =4 per jam. Apabila
swalayan buka pukul 09.00 maka probabilitas
tepat satu pelanggan datang pada 09.30 dan
total 5 pelanggan pada 11.30 adalah ….
(satuan waktu : jam , 30 menit = ½ jam,
09.00 – 11.30 = 2½ jam ), maka :
P(X(½) =1 dan X(2½)=5) = P(X(½)=1 dan
X(2½)-X(½)=4)
= P(X(½)=1) . P(X(2½)-X(½)=4)
Contoh 3.
• Suatu sumber radioaktif memancarkan
partikel dengan rata-rata 5 partikel
permenit sesuai dengan proses Poisson.
Tiap partikel yang dipancarkan
mempunyai probabilitas 0,6 untuk
dicatat. Variabel acak N(t)
menyatakan banyaknya partikel yang
tercatat selama selang waktu t.
Tentukan probabilitas bahwa ada 10
partikel yang tercatat selama selang
waktu 4 menit!
Penyelesaian :
• Diketahui : p=0,6, t=4 menit ,
=5 .(0,6)=3
• Ditanya : P(N(4)=10) = ...?
 t
e ( t )
k
P ( N (4)  10)  
k!
3.4 10
e (3.4)
 0,104
10!
Contoh 4.
• Karyawan pada penerbit majalah bagian
langganan mencatat rata-rata 6 langganan
baru/hari, dan banyaknya langganan baru
yang mendaftarkan diri perhari mengikuti
proses Poisson. Setiap langganan baru akan
menjadi langganan selama 1 tahun atau 2
tahun dengan probabilitas 2/3 dan1/3 . Jika
karyawan itu akan mendapatkan bonus a
rupiah untuk setiap langganan 1 tahun dan b
rupiah untuk langganan 2 tahun, maka
tentukan harapan besarnya bonus yang akan
diterima selama selang waktu t hari?
Penyelesaian :
• N(t) = banyak langganan yang mendaftar
selama selang waktu t
• N(t) berdistribusi poisson dengan E[N(t)]=t =
6t
• N1(t) = banyak langganan yang mendaftar
untuk 1 tahun dalam selang waktu t tahun
• N2(t) = banyak langganan yang mendaftar
untuk 2 tahun dalam selang waktu t tahun
• Sehingga terdapat hubungan N(t)=N1(t) +
N2(t)
• N1(t) mengikuti proses Poisson dengan parameter
6. 2/3 = 4.
Jadi N1(t) mempunyai mean = E(N1(t))= 4t
N2(t) mempunyai mean = E(N2(t))= 6 .1/3. t=2t.
Bila X(t) = besarnya bonus yang diterima
selama selang waktu t, ini berarti :
X(t) = a N1(t) + b N2(t)
E(X(t)) = E(a N1(t) + b N2(t))
= a E[N1(t)] + b E[N2=(t)]
= a (4t) + b (2t)