3/28/2012
EKO EFENDI 1
Diagram Venn.
Hubungan antara kejadian dengan ruang contohnya
Representasi secara grafis untuk mengilustrasikan logical relations di antara kejadian – kejadian
S = Himpunan bilangan asli A = Himpunan bilangan ganjil A’= Himpunan bilangan genap
Diagram Venn
mempermudah memahami himpunan
• Diagram Venn digunakan untuk menggambarkan himpunan-himpunan dan bag aimana hubungan antar himpunan-himpunan tersebut.
• Gabungan dari dua himpunan adalah himpunan yang mengandung semua angg ota yang dimiliki oleh himpunan pertama atau himpunan kedua. Misalkan A = {1, 2,3,4,5} dan B = {1,3,5,7}, maka gabungan dari A dan B dinotasikan dengan A B
= {1,2,3,4,5,7}
• Irisan dari dua himpunan adalah himpunan yang mengandung anggota yang ad a pada himpunan pertama dan juga sebagai anggota pada himpunan kedua. Mi salkan A = {1,2,3,4,5} dan B = {1,3,5,7}, maka irisan dari A dan B dinotasikan denga n A B = {1,3,5}.
• Komplemen atau pelengkap dari suatu himpunan adalah himpunan yang memili ki anggota, dimana gabungan dari himpunan dan komplemennya adalah himpu nan semesta dan irisan himpunan dengan komplemennya adalah himpunan kos ong. Misalkan A adalah munculnya mata dadu ganjil dari sebuah dadu standar, maka A = {1,3,5}. Karena S = {1,2,3,4,5,6}, maka komplemen dari A, dituliskan den gan notasi Ac = munculnya mata dadu genap dari dadu standar, atau Ac = {2,4,6}.
3/28/2012
EKO EFENDI 3
Pengolahan kejadian
Pengolahan kejadian itu dapat berbentuk irisan kejadian, kejadian saling bebas, gabungan kejadian, dan komplemen kejadian
Irisan
Irisan dua kejadian A dan B dilambangkan dengan A Π B, adalah kejadian yang mengandung semua unsur persekutuan kejadian A dan B.
A Π B = daerah arsir hitam
3/28/2012
EKO EFENDI 5
Saling bebas (terpisah)
Dua kejadian C dan D dikatakan saling bebas (terpisah) bila CΠD = φ , artinya kejadian C dan kejadian D tidak memiliki unsur persekutuan.
A U B = daerah arsiran hitam
Paduan (union) dua kejadian A dan B dilambangkan dengan A U B adalah kejadian yang mencakup semua unsur atau anggota A dan b atau keduanya.
3/28/2012
EKO EFENDI 7
Komplemen suatu kejadian
Komplemen suatu kejadian A relatif terhadap S adalah himpunan semua anggota S yang bukan anggota A. Kita lambangkan komplemen A dengan A’
A’ = daerah yang diarsir hitam
Beberapa persamaan dalam diagram venn akibat definisi-definisi di atas adalah.
A Πφ = φ S’ = φ A U A’ = S A U φ = A φ’ = S
A Π A’ = φ (A’) = A
Mencacah titik contoh
Prinsip dasar mencacah = kaidah penggandaan Kaidah penggandaan :
Bila suatu operasi dapat dilakukan dalam n1cara dan setiap cara tersebut dapat dilakukan dengan n2maka kedua operasi tersebut dapat dilakukan dalam n1n2cara.
3/28/2012
EKO EFENDI 9
Peluang suatu Peristiwa
Peluang adalah suatu nilai diantara 0 dan 1 (inklusif) yang menggambarkan besarnya kesempatan akan munculnya suatu kejadian tertentu pada kondisi tertentu. Istilah lain dari peluang adalah probabilitas.
Metode Klasik / a priori
Metode Frekuensi / a posteriori
Subyektif (hanya boleh digunakan apabila kedua cara diatas tak dapat dihitung)
Aksioma Peluang
Aksioma merupakan bukti diri yang secara umum telah diterima kebenarannya. Terdapat tiga aksioma dasar dalam semua
penghitungan peluang yang akan disarikan disini yang berhubungan dengan ruang contoh S dan kejadian A dan B. Notasi untuk
menyatakan peluang digunakan P( ).
1. Ketidaknegatifan. Setiap kejadian memiliki peluang yang tidak negatif.
P(A) 0.
2. Kepastian. Peluang ruang contoh adalah 1. P(S) = 1.
3. Gabungan. Peluang gabungan dari dua kejadian yang saling lepas adalah jumlah peluang dari tiap kejadian. P(AB) = P(A)+P(B) jika AB=.
3/28/2012
EKO EFENDI 11
Penentuan Peluang:
Metode Klasik / a priori
Metode Klasik atau A Priori. Jika diketahui bahwa kejadian A dapat muncul dalam m cara dan total seluruh kemungkinan kejadian adalah n, maka peluang sebenarnya kejadian A dinotasikan dengan
n m cara semua total
A cara banyaknya A
P( )
Bisa ditentukan tanpa harus melakukan percobaan atau menggunakan catatan masa lalu
Penentuan Peluang:
Metode Frekuensi / a posteriori
• Metode Frekuensi atau A Posteriori. Jika kejadian serupa A mun cul m kali dalam total percobaan n, maka peluang pengamata n A dapat dinyatakan dengan
n m percobaan
total
muncul A
banyaknya A
P( )
Ditentukan dengan melakukan percobaan atau menggunakan catatan masa lalu
3/28/2012
EKO EFENDI 13
Beberapa Peluang Peubah Diskrit
Nama Peubah
Diskrit Notasi dan Parameter P(X=x) dan x dimana P(X=x)
terdefinisi
X 2X
Seragam X ~ SD(N) 1/N
x=1,2,3,…,N (N+1)/2 (N2-1)/ 12
Bernouli X ~ Bin(1,p)
0<p<1 q=1-p pxq1-x
x=0,1 P Pq
Binomial X ~ Bin(n,p)
0<p<1 q=1-p x=0,1,2,…,n Np Npq
Geometrik X ~ Geo(p)
0<p<1 q=1-p pqx-1
x=1,2,… 1/p q/p2
Negatif
Binomial X ~ NB(r,p)
0<p<1 q=1-p r=1,2,3,…
x=r,r+1,r+2,… r/p rq/p2
Hipergeometrik X ~ Hyp(n,M,N) n=1,2,…,N M=0,1,2,…,N
x=0,1,2,…,n NM/N n(M/N)(1-M/N)
*((N-n)/(N-1))
Poisson X ~ Poi()
> 0 x=0,1,2,…
Beberapa Peluang Peubah Kontinu
Nama Peubah
Kontinu Notasi dan
Parameter fX(x) dan x dimana fungsi
terdefinisi* X 2X
Seragam X ~ SK(a,b)
a < b 1/(b-a)
a < x < b (a+b)/2 (b-a)2/12
Normal X ~ N(,2)
2 > 0
Gamma X ~ Gam(,)
0 < 0 < 0 < x 2
Eksponensial X ~ Exp()
0 < 0 < x 2
Eksponensial
2-Parameter X ~ Exp(,) < x + 2
Eksponensial
Ganda X ~ EG(,) 22
Weibul X ~ Wei(,) 0 < x (1+1/
) 2[(1+2/)-
2(1+1/)]
Pareto X ~ Par(,) 0 < x /(-1)
> 1 (2) / ((-2)(-1)2)
> 2
Beta X ~ Beta(a,b)
0 < a 0 < b 0 < x < 1
3/28/2012
EKO EFENDI 15
Beberapa aturan peluang
Nilai peluang adalah antara 0 dan 1
0 ≤ P ≤ 1
P(E) = 0 → peristiwa E pasti tidak terjadi
P(E) = 1 → peristiwa E pasti terjadi
Jika E’ menyatakan bukan peristiwa E
P(E’) = 1 – P(E)
P(E) + P(E’) = 1
Beberapa hubungan dalam peluang.
1.Jika K buah peristiwa saling eksklusif (E1, E2, … Ek) Peluang terjadinya E1atau E2atau …. Ek adalah jumlah peluang masing-masing peristiwa.
P(Etot) = P(E1) + P(E2) …… + P(Ek) 2. Peluang terjadinya E1dan E2dan … Ekadalah P(Etot) = P(E1) - P(E2) …… P(Ek)
3/28/2012
EKO EFENDI 17
3. Dua peristiwa dikatakan mempunyai hubungan bersyarat jika peristiwa yang satu menjadi syarat peristiwa yang lain.
4. Hubungan inklusif dua peristiwa (A,B) berlaku hubungan atau A atau B atau keduanya terjadi.
P(A dan atau B) = P(A) + P(B) – P (A dan B)
Kaidah Penjumlahan dalam peluang
Dalil 1 :
Bila A dan B adalah dua kejadian sembarang maka :
P (A U B) = P(A) + P(B) – P(A Π B).
Bila A dan B saling eksklusif
P (A U B) = P(A) + P(B) Umumnya
Bila A
1, A
2, A
3, …. Saling eksklusif maka
P(A
1U A
2U A
3U … U A
k) = P(A
1) + P(A
2) +
… + P(A
k).
3/28/2012
EKO EFENDI 19
Dalil 2 :
Bila A dan A’ adalah dua kejadian yang satu merupakan komplemen lainnya maka
P(A) + P(A’) = 1
Contoh :
1. Peluang seorang mahasiswa lulus matematika adalah 2/3 dan peluang ia lulus statistik dasar adalah 4/9. Bila peluang lulus sekurang-kurangnya satu mata kuliah adalah 4/5, berapa peluang ia lulus kedua mata kuliah tersebut ?
Jawab :
M = lulus matematika
D = lulus statistik dasar
M U D = lulus matematika atau statistik dasar (minimal satu)
M Π D = lulus kedua mata kuliah
Jadi berdasarkan dalil 1 :
P(MΠ D ) = P(M) + P(D) – P(M U D)
3/28/2012
EKO EFENDI 21
PELUANG BERSYARAT
Contoh :
Perhatikan eksperimen pelemparan dadu
B = kejadian munculnya bilangan kuadrat murni A = bilangan yang muncul lebih dari 3
S = {1, 2, 3, 4, 5, 6}
Jika dadu dibuat sedemikian hingga peluang muncul bilangan genap dua kali lebih besar dari bilangan ganjil
P(1) = 1/9 P(2) = 2/9
P(3) = 1/9 P(4) = 2/9
P(5) = 1/9 P(6) = 2/9
P(A) = 5/9
P(A Π B) = 2/9
3/28/2012
EKO EFENDI 23
Kejadian Bebas
Jika A adalah suatu kejadian, maka adanya keterangan tentang suatu kejadian lain, misal kejadian B, dapat memperkecil atau memperbesar atau tidak mengubah besarnya peluang kejadian A.
Jika besarnya peluang kejadian A tidak berubah karena adanya keterangan bahwa kejadian B telah terjadi, maka A dan B adalah dua kejadian yang saling bebas
Definisi Kejadian Saling Bebas :
Kejadian A dan B disebut dua kejadian yang saling bebas jika dan hanya jika P(A ∩ B) = P(A) P(B)
Example:
A ball is drawn at random from a box containing 6 red balls, 4 white balls, and 5 blue balls.
Determine the probability that the ball drawn is (a) red, (b) white, (c) blue, (d) not red, and
(e) red or white.
3/28/2012
EKO EFENDI 25
3/28/2012
EKO EFENDI 27
Three balls are drawn successively from the box of above. Find the probability that they are drawn in the order red, white, and blue if each ball is (a) replaced and (b)not replaced.
Jika kejadian A dan B bebas, maka kejadian bersyaratnya tidak merubah nilai peluang
3/28/2012
EKO EFENDI 29
KAIDAH PENGGANDAAN
a). Bila dalam suatu percobaan kejadian A dan B keduanya dapat terjadi sekaligus maka
P(A I B) = P(A) . P(BΠA)
b). Bila dua kejadian saling bebas maka P(A I B) = P(A) . P(B) secara umum;
Contoh :
Sebuah uang logam tak seimbang sehingga peluang muncul sisi gambar dua kali lebih besar dari sisi angka. Bila uang itu dilemparkan 3 kali, berapa peluang
mendapatkan dua sisi angka dan satu sisi gambar ? B = kejadian mendapat dua sisi angka & satu sisi gambar.
= {AAG, AGA, GAA}
3/28/2012
EKO EFENDI 31
Latihan :
1. Populasi sarjana dalam suatu kota dikategorikan menurut jenis kelamin dan status pekerjaan.
Berapa peluang seorang laki-laki yang telah bekerja untuk menjadi duta dalam pertemuan nasional ?
2. Peluang seorang dokter mendiagnosis penyakit secara benar adalah 0,7.
Bila diketahui dokter tersebut salah mendiagnosis, pasien akan menuntut ke pengadilan adalah 0,9. Berapa peluang dokter salah mendiagnosis dan pasien menuntut ke pengadilan ?
Jawaban
1. M = yang terpilih laki-laki E = yang terpilih telah bekerja
3/28/2012
EKO EFENDI 33
2. A = Diagnosis benar B = Diagnosis salah
C = Pasien menuntut kepengadilan
Maka
KAIDAH BAYES
Lihat kembali soal latihan no 1.
Jika ada tambahan informasi bahwa 36 orang yang bekerja menjadi anggota Rotary Club dan 12 orang yang menganggur menjadi anggota Rotary Club.
Berapa peluang kejadian A = yang terpilih menjadi duta adalah anggota Rotary Club.
3/28/2012
EKO EFENDI 35
Jadi
Dalam diagram pohon dapat digambarkan sebagai berikut :
Generalisasi dari kasus diatas dinyatakan dalam kaidah eliminasi atau dalil peluang total berikut :
“ Bila kejadian-kejadian B1, B2, … ≠ 0 untuk I = 1, 2, … k, maka untuk sembarang kejadian A yang merupakan himpunan bagian S berlaku :
3/28/2012
EKO EFENDI 37
Contoh :
Tiga mahasiswa telah dicalonkan menjadi ketua HMJ. Peluang Adam, Brown dan Cony terpilih masing-masing 0,3; 0,5 ; 0,2. Seandainya Adam terpilih peluang kas himpunan bertambah adalah 0,8. Jika Brown atau Cony terpilih, peluang tambahnya kas adalah 0,1 dan 0,4. Berapa peluang kas HMJ bertambah ? Jawab :
A = kas HMJ bertambah B1= Adam terpilih B2= Brown terpilih B3= Cony terpilih
Dengan menerapkan kaidah eliminasi
Kaidah Bayes
“ Jika kejadian-kejadian B1, B2, B3, … Bkmerupakan sekatan dari ruang contoh S dengan P(Bi) ≠ 0 untuk i = 1, 2, 3,… ,k maka untuk sembarang kejadian A yang bersifat P(A) ≠ 0
3/28/2012
EKO EFENDI 39
Contoh :
Dari contoh kaidah eliminasi, jika ternyata sebelum pemilikan kas HMJ sudah bertambah, berapa peluang Cony terpilih menjadi ketua HMJ ?
Jawab :
Dengan menggunakan kaidah Bayes