Apa itu distribusi Poisson
Distribusi Poisson adalah distribusi probabilitas yang diikuti oleh probabilitas suatu peristiwa yang terjadi sebanyak
- Probabilitas 10 orang per jam mengunjungi restoran yang melayani 1 orang per jam
- Probabilitas bahwa persimpangan dengan rata-rata 3 kecelakaan lalu lintas per hari tidak akan mengalami kecelakaan lalu lintas hari ini
Ketika variabel acak
Dari persamaan di atas, kita melihat bahwa distribusi Poisson hanya bergantung pada
Semakin besar
Sebagai contoh perhitungan probabilitas untuk distribusi Poisson, mari kita cari probabilitas 10 pelanggan per jam di sebuah restoran yang melayani rata-rata 5 pelanggan per jam. Dalam kasus ini,
Probabilitas 10 pengunjung per jam adalah 1,8%.
Hubungan dengan distribusi binomial
Distribusi binomial adalah distribusi probabilitas bahwa berapa kali
Dari persamaan di atas, untuk mengasumsikan bahwa suatu peristiwa mengikuti distribusi Poisson, kita perlu berurusan dengan nilai probabilitas
Probabilitas kecelakaan lalu lintas yang terjadi dalam satu detik sangat kecil. Dengan cara ini, waktu bisa sangat kecil dan probabilitas
Nilai yang diharapkan dan varians dari distribusi Poisson
Ekspektasi dan varians dari distribusi Poisson keduanya adalah
Sifat reproduksi dari distribusi Poisson
Misalkan variabel acak
Dalam hal ini, dari reprodusibilitas distribusi Poisson,
Kode Python
Kode Python berikut dapat digunakan untuk menggambar distribusi Poisson.
import numpy as np
from scipy.stats import poisson
import matplotlib.pyplot as plt
x = np.arange(1, 80, 1)
# probability of the poisson distribution
y1= [poisson.pmf(i, 1) for i in x]
y10= [poisson.pmf(i, 10) for i in x]
y20= [poisson.pmf(i, 20) for i in x]
y50= [poisson.pmf(i, 50) for i in x]
# draw graph
plt.style.use('ggplot')
fig, ax = plt.subplots(facecolor="w", figsize=(10, 5))
# plt.grid()
ax.bar(x,y1,alpha=0.5, label="Poisson λ=1")
ax.bar(x,y10,alpha=0.5, label="Poisson λ=10")
ax.bar(x,y20,alpha=0.5, label="Poisson λ=20")
ax.bar(x,y50,alpha=0.5, label="Poisson λ=50")
ax.legend()
ax.set_xlabel("k")
ax.set_ylabel("Probability")
plt.show()