Introduction deep learning
Pendukung sebuah klub juara bertahan memperkirakan bahwa klub mereka akan menjadi juara tahun ini Disebut probabilitas awal “prior probability” Setelah kompetisi berlangsung selama 6 bulan, ternyata klub mereka menderita banyak kekalahan. Kini, mereka harus merevisi probabilitas yang sudah ada, dengan membuat probabilitas yang lebih baik menggunakan informasi tambahan yang dimiliki Disebut probabilitas revisi “posterior probability”
CONTOH KASUS
PELUANG BERSYARAT
•
Peluang terjadinya kejadian B jika diketahui suatu
kejadian lain A telah terjadi
Sebuah penerbangan reguler berangkat tepat pada waktunya adalah P(B) = 0,83. Peluang penerbangan itu mendarat tepat pada waktunya adalah P (A) = 0,92 dan peluang penerbangan itu berangkat dan mendarat tepat pada waktunya adalah
P(AÇB) = 0,78.
Hitung peluang suatu pesawat pada penerbangan tersebut : mendarat pada waktunya jika diketahui bahwa pesawat itu berangkat tepat pada waktunya
berangkat pada waktunya jika diketahui bahwa pesawat tersebut mendarat tepat waktu.
CONTOH:
Jawab:
Peluang pesawat mendarat tepat waktu bila diketahui pesawat tersebut berangkat tepat waktu adalah :
P (AÇB) P(A/B) = P (A) 0.78 P(B/A) = 0.83 = 0.94
(B)
5Peluang pesawat berangkat tepat waktu bila diketahui pesawat tersebut mendarat tepat waktu adalah :
P (AÇB)
P(B/A) =
P (A)
0.78
P(B/A) =
0.92
= 0,85
67
Ruang sampel menyatakan populasi orang dewasa yang telah tamat SMU di suatu kota tertentu dikelompokan menurut jenis kelamin dan status bekerja seperti dalam tabel berikut:
Bekerja Tdk bekerja Jumlah
Laki-laki
Wanita 460140 26040 500400
Jumlah 600 300 900
Populasi Orang Dewasa Telah Tamat SMU
Daerah tersebut akan dijadikan daerah pariwisata dan seseorang akan dipilih secara acak dalam usaha penggalakan kota tersebut sebagai obyek wisata keseluruh negeri. Berapa probabilitas lelaki yang terpilih ternyata berstatus bekerja
?
Jawab:
Misalkan ;
- E = orang yang terpilih berstatus bekeja - M = Lelaki yang terpilih
Probabilitas lelaki yang terpilih ternyata berstatus bekerja adalah
Dari tabel diperoleh: &
Jadi: P(M E) P(M/E) P(E) Ç =
600
2
900
3
P(E)
=
=
460
23
900
45
P(M E)
Ç
=
=
23
30
23 45
2 3
/
P(M/E)
/
=
=
9
Apabila terdapat suatu kondisi dimana probabilitas P(A/B)
menjadi bernilai sama dengan P(A), maka dalam hal ini
peristiwa B tidak mempunyai pengaruh terhadap terjadinya
peristiwa A, sehingga :
P(A/B)=P(A)
Atau
P(B/A)=P(B)
dinamakan sebagai peristiwa yang
saling bebas (independent)
Dengan demikian, bila terdapat peristiwa A1, A2,...,Ak
yang saling bebas
maka:
)
(
)...
(
).
(
)
....
(
A
1A
2A
3A
kP
A
1P
A
2P
A
kP
Ç
Ç
Ç
=
)
(
)
(
)
(
A
B
P
A
P
B
p
Ç
=
antara A dan B, sesuai dengan aturan perkalian maka kondisi
saling bebas tersebut :
Kaidah penggandaan
• Bila suatu percobaan kejadian A dan B keduanya dapat terjadi sekaligus, maka P(AÇB) = P(A)P(B|A) • Karena kejadian AÇB dan BÇA setara, dapat ditulis juga: P(AÇB) = P(BÇA) = P(B)P(A|B)•
Jika A adalah kejadian bahwa sekering pertama rusak,
dan B kejadian sekering kedua rusak, maka P(AÇB)
dapat ditafsirkan sebagai A terjadi, dan kemudian B
terjadi setelah A terjadi. Peluang mendapatkan
sekering rusak pada pengambilan pertama adalah ¼,
dan peluang mendapatkan sekering rusak pada
pengambilan kedua adalah 4/19, sehingga:
•
Jika SEKERING A dimasukkan kembali ke dalam
kotak, maka peluang mendapatkan sekering
rusak pada pengambilan kedua adalah TETAP
sebesar ¼, sehingga P(B|A) = P(B) dan kedua
kejadian A dan B dikatakan BEBAS.
•
Sehingga diperoleh penggandaan khusus:
•
P(AÇB) = P(A)P(B)
2. Dalam sebuah kotak terdapat 10 gulungan film,
dan diketahui bahwa 3 diantaranya rusak.
Hitung peluang bila 2 buah gulungan film rusak
diambil acak satu persatu secara berurutan.
Jawab:
Misal A: peristiwa terambil gulungan pertama rusak
B: peristiwa terambil gulungan kedua rusak
Maka peluang kedua gulungan rusak adalah :
= 1/15
14Teorema Bayes
A= (B ∩A) ∪ (B’ ∩ A) P(A) = P(B∩A) + P(B’∩A)
= P(B).P(A│B) + P(B’).P(A│B’)
S
A
B’ B
Aturan Bayes
Pandang diagram venn berikut:
saling terpisah, jadi
Diperoleh rumus E Ç A Ec Ç A c E E A
c
A (E
=
Ç
A)
È
(E
Ç
A)
Diagram Venn untuk kejadian A,E dan Ec
c
(E
Ç
A)dan(E
Ç
A)
c c c cP(A) P (E
A) (E
A)
P(E
A)
P(E
A)
P(E)P(A E) P(E )P(A E )
é
ù
=
ê
Ç
È
Ç
ú
ë
û
=
Ç
+
Ç
Contoh
Ruang sampel menyatakan populasi orang dewasa yang telah tamat SMU di suatu kota tertentu dikelompokan menurut jenis kelamin dan status bekerja seperti pada tabel sbb:
Daerah ini akan dijadikan daerah pariwisata dan seseorang akan dipilih secara acak dalam usaha penggalakan kota tersebut sebagai obyek wisata keseluruh negeri. Dan diketahui bahwa ada 36 orang yang berstatus bekerja dan 12 orang berstatus menganggur adalah anggota koperasi.
Berapa peluang orang yang terpilih ternyata anggota koperasi? Bekerja Tdk bekerja Jumlah
Laki-laki
Wanita 460140 26040 500400
Jawab: Misal: E = orang yang terpilih berstatus bekeja
A = orang yang terpilih anggota koperasi
Dari tabel diperoleh: 600 2 900 3 P(E) = = 1 3 1 c P(E ) = -P(E) = 36 3 600 50 P(A E) = = 12 1 300 25 c P(A E ) = =
Jadi peluang orang yang terpilih anggota koperasi adalah
3 2 1 1 3 50 3 25 4 75 c c
P(A) P(E)P(A E) P(E )P(A E ) ( ) ( ) ( ) ( )
= +
= +
3 2 3 50 P(E)P(A /E) ( )( )= 2 1 3 25 c c P(E )P(A /E ) ( )( )= 1 25 c P(A /E ) = 2 3 P(E) = 3 50 P(A /E) = A E c E A
Diagram pohon untuk data
Jika dalam ruang sampel (S) terdapat kejadian-kejadian saling lepas
dengan probabilitas ≠ 0, dan bila ada kejadian A yang mungkin dapat terjadi pada kejadian , maka probabilitas kejadian A adalah:
dengan:
dan saling terpisah
1 2 k B ,B ,...,B 1 1 1 1 2 2 k k i i i i i k k P(A) P(B A) P(B )P(A B )
P(B )P(A B ) P(B )P(A B ) ... P(B )P(A B )
= -= Ç = = + + +
å
å
1 2 k A (B= Ç A) (BÈ ÇA) ... (BÈ È Ç A) 1 2 k B Ç A , B ÇA, ... ,B ÇA𝑃(𝐸
𝐶) =
1
3
1 2 k B ,B ,...,BDiagram Venn:
Penyekatan ruang sampel S
A 1 B 2 B B3 4 B 5 B 6 B 7 B k B
Jika kejadian-kejadian merupakan sekatan dari ruang sampel S dengan , maka utk sembarang kejadian A ,
berlaku untuk r = 1,2, …. , k 1 2 k B ,B ,...,B ( ) 0 ;i 1,2,...., P B ¹ i = k 0 P(A) ¹ 1 1 r r r r k k i i i i i P(B A) P(B )P(A B ) P(B A) P(B A) P(B )P(A B ) = = Ç = = Ç
å
å
Contoh:
Tiga anggota dari sebuah organisasi dicalonkan sebagai ketua. Telah diketahui peluang bpk Ali (A) terpilih 0,3 ; peluang bpk Basuki (B) terpilih 0,5 dan peluang bpk Catur (C) terpilih 0,2. Juga telah diketahui peluang kenaikan iuran anggota jika A terpilih 0,8 ; jika B terpilih 0,1 dan jika C terpilih 0,4.
a). Berapa peluang iuran anggota akan naik ?
b). Berapa peluang bpk C terpilih sbg ketua jika terjadi kenaikan iuran??
Jawab:
Misal: I : iuran anggota dinaikan A : pak Ali terpilih
B : pak Basuki terpilih C : pak Catur terpilih
0 3 P(A) , ® = 0 5 P(B) , ® = 0 2 P(C) , ® =
Diketahui dari soal: ; ;
a). Peluang iuran anggota akan naik adalah
b). Peluang bapak C terpilih sebagai ketua jika terjadi kenaikan iuran adalah
0 8
P(I A) = . P(I B) = 0 1. P(I C) = 0 4.
0 3 0 8 0 5 0 1 0 2 0 4 0 24 0 05 0 08
0 37
P(I) P(A)P(I A) P(B)P(I B) P(C)P(I C) ( . )( . ) ( . )( . ) ( . )( . ) . . . . = + + = + + = + + = 0 2 0 4 0 3 0 8 0 5 0 1 0 2 0 8 0 08 8 0 37 37 P(C)P(I C) P(C I)
P(A)P(I A) P(B)P(I B) P(C)P(I C) ( . )( . ) ( . )( . ) ( . )( . ) ( . )( . ) . . = + + = + + = =
Teorema Bayes
dan Kasus Salah deteksi (false positive)
• Pada suatu daerah, terdapat penyakit langka yang menyerang 1 dari 1000 orang di dalam populasi tsb. Terdapat suatu tes yang bagus untuk suatu jenis penyakit, tapi tes tersebut belum sempurna. Jika seseorang terjangkit penyakit itu, tes menunjukkan hasil positif 99% benar. Di sisi lain, tes ini juga salah deteksi. Sekitar 2% pasien yang tidak terinfeksi juga positif.
• Kamu baru saja dites dan hasilnya positif. Berapa peluangmu sungguh2 terinfeksi??
Jawab:
• Terdapat 2 keadaan untuk dianalisa: A: pasien mengidap penyakit/terinfeksi B: hasil tes pasien positif Informasi keefektifan tes dapat ditulis: P(A) = 0,001 (1 dari 1000 orang terinfeksi) P (B|A) = 0,99 (probabilitas tes positif, dengan infeksi sebesar 0,99) P((B|tidak A) = 0,02 (probabilitas tes positif, tapi tidak terinfeksi) Masalahya adalah:Jawab (lanjutan)
• Buat tabel 2 x 2 yang membagi ruang sampel menjadi 4 peristiwa yang saling meniadakan. • Tabel ini menyajikan semua kombinasi yang mungkin dari kondisi penyakit dan hasil tes. A TIDAK A B A DAN B TIDAK A DAN BJawab (lanjutan)
• Probabilitas masing-masing peristiwa:
A TIDAK A jumlah
B P(A DAN B) P(TIDAK A DAN B) P(B)
TIDAK B P(A DAN TIDAK B) P(TIDAK A DAN TIDAK B) P(TIDAK B)
P(A) P(TIDAK A) 1
Sekarang kita hitung:
•
P(A dan B) = P(A)P(B|A) = (0,001)(0,99) = 0,00099
•
P(Tidak A dan B) = P(tidak A) P(B| tidak A)
Jawab (lanjutan)
•
Sehingga diperoleh:
A TIDAK A jumlah
B 0,00099 0,01998 0,02097
TIDAK B A DAN TIDAK B P(TIDAK A DAN TIDAK B) P(TIDAK B) 0,001 0,999 = 1 – 0,001 1
A TIDAK A jumlah
B 0,00099 0,01998 0,02097
TIDAK B 0,00001 0,97902 0,97903