1
PELUANG & ATURAN BAYES
MA 2181 ANALISIS DATA, 15 AGUSTUS 2011 UTRIWENI MUKHAIYAR
Eksperimen Eksperimen
2
Ciri-ciri eksperimen acak (Statistik):
Ciri-ciri eksperimen acak (Statistik):
Dapat dulangi baik oleh si pengamat sendiri maupun orang lain.
Dapat dulangi baik oleh si pengamat sendiri maupun orang lain.
Proporsi keberhasilan dapat diketahui dari hasil-hasil sebelumnya.
Proporsi keberhasilan dapat diketahui dari hasil-hasil sebelumnya.
Bisa diukur (diamati).
Hasilnya tidak bisa ditebak karena adanya
Bisa diukur (diamati).
Hasilnya tidak bisa ditebak karena adanya
Hasilnya tidak bisa ditebak karena adanya galat/error.
Hasilnya tidak bisa ditebak karena adanya galat/error.
Ruang Sampel Ruang Sampel
3
l h d
Ruang sampel S , yaitu himpunan dari semua kemungkinan hasil dari suatu
semua kemungkinan hasil dari suatu
percobaan acak (statistik).
Ruang Sampel Diskrit Ruang Sampel Diskrit
4
A. Diskrit: banyaknya (number) elemen d S t b d t dihit /di h
pada S tsb dapat dihitung/dicacah (countable). Hasil pencacahannya mungkin saja berhingga atau tidak mungkin saja berhingga atau tidak berhingga.
Contoh 1.S pada (percobaan) pengecekan sepatu hasil kiriman dari pabrik AAA sepatu hasil kiriman dari pabrik AAA.
Setiap pasang sepatu dipilih (acak), diperiksa, lalu digolongkan sebagai sepatu
t t tid k cacat atau tidak .
Ruang Sampel Kontinu Ruang Sampel Kontinu
5
B. Kontinu: elemen-elemen dari S tsb adalah bagian dari suatu interval adalah bagian dari suatu interval.
C h d b k
Contoh 2. S pada percobaan pengukuran tinggi mahasiswa Matematika ITB (satuan cm) misalnya S = {x: 100 < x <
(satuan cm), misalnya S = {x: 100 < x <
200}.
Jika kita pilih seorang siswa secara acak, J a ta p seo a g s swa seca a aca , maka dia mungkin memiliki tinggi 160,01 cm, atau 180,02, atau 199,99, atau nilai lainn a ang berkisar antara atau nilai lainnya yang berkisar antara 100< x <200.
Kejadian (Event) Kejadian (Event)
6
Himpunan bagian (subset) dari p g ( ) suatu ruang sampel S .
Notasi untuk even (kejadian)
Notasi untuk even (kejadian)
umumnya huruf kapital, misal A, B, d l i l i Jik k j di
dan lain-lain. Jika kejadiannya
banyak, bisa ditulis sebagai barisan,
misal E
1, E
2, ...dst.
R S l d K j di
Ruang Sampel dan Kejadian
Ruang sampel, dinotasikan
S
Ruang Sampel Diskrit
S = { }
R u
Ruang Sampel Kontinu
Event (kejadian)
S = { , , ... , }
Event (kejadian)
E { }
7 7
E = { , }
Populasi dan sampel Populasi dan sampel
8
Pada Contoh 1: Semua sepatu yang diproduksi AAA disebut populasi,
d k t t di b t l
sedangkan sepatu-sepatu disebut sampel.
Ruang sampel pada contoh ini adalah semua keadaan sepatu yang mungkin semua keadaan sepatu yang mungkin terpilih, yaitu {cacat, tidak cacat} dan
termasuk jenis diskrit, karena banyaknya j , y y
elemen pada S ini dapat dihitung, yaitu
ada 2 buah, n(S ) = 2.
Contoh 3 Contoh 3
9
D i dib i b k i
Dua pasien diberi obat untuk satu minggu.
Sukses atau tidaknya pengobatan untuk tiap pasien dicatat setelah 1 minggu Tentukan pasien dicatat setelah 1 minggu. Tentukan ruang sampelnya dan berilah contoh
kejadian/eventnya kejadian/eventnya.
Jawab: Ruang sampelnya adalah S =
{SS ST TS TT} dimana S = Sukses; T = Tidak {SS,ST,TS,TT}, dimana S = Sukses; T = Tidak sukses (nominal)
Contoh kejadian mis kejadian E dimana kedua
Contoh kejadian, mis kejadian E1 dimana kedua pasien pengobatannya sukses, maka E1 ={SS};
dan E2 dimana salah satu pasien tetap sakit dan E2 dimana salah satu pasien tetap sakit E2={ST,TS}
Contoh 4 Contoh 4
10
Dilakukan survey mencatat
Dilakukan survey mencatat
indeks prestasi mahasiswa yang ada di ITB Tentukan ruang
ada di ITB. Tentukan ruang sampelnya dan berilah contoh eventnya.y
Jawab: Misalkan S = {IP-nya lebih dari 0, tetapi kurang dari 4} dan E2 adalah kejadian indeks prestasi
h i di k
mahasiswa di atas 3, maka
E2 = {IP-nya antara 3 sampai 4}
Gabungan Gabungan
11
Union dua peristiwa E1 dan E2 ditulis E1E2 adalah himpunan semua elemen E1E2, adalah himpunan semua elemen yang ada di dalam E1 atau di dalam E2 (termasuk di dalam keduanya jika ada) (termasuk di dalam keduanya jika ada).
Contoh. Perhatikan Contoh 3.
Misal E1 adalah kejadian salah seorang
pasien sembuh, dan E2 adalah kejadian tidak
p , 2 j
ada pasien yang sembuh. Maka E1 E2 = {ST,TS,TT}.
Irisan Irisan
12
Irisan dua peristiwa E1 dan E2, ditulis E1∩E2 adalah himpunan semua elemen E1∩E2, adalah himpunan semua elemen yang ada di dalam E1 dan di dalam E2.
Contoh. Perhatikan Contoh 2.
Misalkan E1: himpunan mahasiswa dengan tinggi lebih dari 165 cm, dan E2: himpunan mahasiswa dengan tinggi kurang dari 170 cm. Maka E1 ∩ E2 = {x: 165 < x < 170}.
Komplemen Komplemen
13
Komplemen suatu peristiwa E1, ditulis E c adalah himpunan semua elemen E1 , adalah himpunan semua elemen yang tidak di dalam E1.
Contoh. Perhatikan Contoh 4.
E2c= {0 ≤ IP ≤ 3}, yaitu himpunan nilai IP dari 0 sampai dengan 3.
Peluang Suatu Kejadian Peluang Suatu Kejadian
14
Prinsip dasar : frekuensi relatif
Jika suatu ruang sampel mempunyai n(S )
Jika suatu ruang sampel mempunyai n(S ) elemen, dan suatu event E mempunyai
n(E) elemen maka probabilitas E adalah:
n(E) elemen, maka probabilitas E adalah:
( )E ( ) ( )
( ) P E n E
n S
Contoh 5 Contoh 5
15
Seorang pengusaha sukses merencanakan untuk berlibur
keliling Indonesia 1 bulan penuh (terhitung tanggal 1 sampai tanggal terakhir bulan ybs) tahun 2010. Perusahaannya
tanggal terakhir bulan ybs) tahun 2010. Perusahaannya
mewajibkan setiap anggotanya membuat surat izin tertulis dengan menyertakan lama waktu izin (dalam hari). Berapa
l b h h k t b t j k i i 31
peluang bahwa pengusaha sukses tersebut mengajukan izin 31 hari?
Jawab: n(S) = 12 (banyak bulan dalam 1 thn). Misal E : kejadian bulan dengan 31 hari, maka n(E) = 7
( ) 7 n E
yaitu E = {Jan, Mar, Mei, Jul, Agt, Okt, Des}
( ) 7 ( ) ( ) 12 P E n E
n S
Aksioma Peluang Aksioma Peluang
16
1. 0 ≤ P(E) ≤ 1.
2. P(S) = 1.( )
3. Jika E1 dan E2 adalah dua kejadian yang saling lepas maka berlaku:
saling lepas,maka berlaku:
P(E1E2 ) = P(E1) + P(E2)
4. Jika E1, E2,…,En adalah kejadian yang saling lepas mutual, maka berlaku :
saling lepas mutual, maka berlaku : P(E1E2…En) = P(E1) + P(E2) +…+
P(E ) P(En)
Peluang Bersyarat g y
17
Peluang bersyarat (conditional probability) dikatakan bersyarat karena eventnya sudah dibatasi.
Jika event pembatas itu A dan event yang
probabilitasnya ingin dihitung adalah B maka probabilitasnya ingin dihitung adalah B, maka peluang bersyaratnya adalah:
( )
( )
( ) P A B P B A
P A
( ) P A
Peluang Bersyarat Peluang Bersyarat
18
Dalam P ( B | A ), event A adalah
k j di t j di t l bih d h l kejadian yang terjadi terlebih dahulu atau yang diamati lebih dulu, baru
kemudian B.
Jik A d B d l h d k j di
Jika A dan B adalah dua kejadian yang saling bebas, maka
P ( B | A ) = P ( B )
Contoh 6
Contoh 6
19
Jenis Rambut Warna
Jenis Rambut Warna
Hitam Tidak Hitam
L 2 0
Lurus 2 0
Ikal 2 4
Keriting 1 2
P(L Hi ) 2 5 2
P(Lurus Hitam) 2 5 2
P(Lurus | Hitam) = :
P(Hitam) 11 11 5
Kejadian Saling Bebas dan Saling Lepas Kejadian Saling Bebas dan Saling Lepas
20
Dua kejadian E dan F dikatakan saling bebas (independent) jika berlaku:
Dua kejadian E dan F dikatakan saling bebas (independent) jika berlaku:
bebas (independent) jika berlaku:
bebas (independent) jika berlaku:
( ) ( ) ( ) P EF ( ) P E P F ( ). ( ) P EF P E P F
Dua kejadian E dan F dikatakan saling
Dua kejadian E dan F dikatakan saling
Dua kejadian E dan F dikatakan saling lepas jika berlaku:
Dua kejadian E dan F dikatakan saling lepas jika berlaku:
( ) 0
P EF
Contoh 7 Contoh 7--
21
Sebuah kartu dipilih secara acak dari
serangkai kartu bridge yang berjumlah 52 kartu Jika E adalah kejadian terpilih
kartu. Jika E adalah kejadian terpilih kartu As dan F adalah kejadian terpilih gambar hati. Tunjukkan bahwa E dan F
li b b A k h E d F li l ? saling bebas. Apakah E dan F saling lepas?
Contoh 7 --Contoh 7
22
( ) 1/ 52 P EF
Jawab: karena hanya terdapat P EF( ) 1/ 52
Jawab: , karena hanya terdapat satu As yang bergambar hati.
( ) 4 / 52 P E
, karena terdapat 4 As dalam
( ) 13 / 52 P F
kartu bridge
, karena terdapat 13 kartu
4 13 52 1
( ) 13 / 52 P F
, karena terdapat 13 kartu bergambar hati
4 13 52 1
( ). ( ) . ( )
52 52 52.52 52
P E P F P EF
J di E d F li b b t i tid k li Jadi E dan F saling bebas, tapi tidak saling lepas.
Peluang Bersyarat
B k k j di Banyak kejadian
23
B
A
B5 B1
A B5 A B1
A B
B B
B4
A B2 A B3
A B4
S B2 B3
Peluang Bersyarat
B k k j di Banyak kejadian
24
Aturan Bayes Aturan Bayes
25
Contoh 8 Contoh 8
26
Solusi Solusi
27
Referensi Referensi
28
D kki F M l A M d I d i P b bili d
Dekking F.M., et.al., A Modern Introduction to Probability and Statistics, London : Springer, 2005.
Devore J L and Peck R Statistics – The Exploration and
Devore, J.L. and Peck, R., Statistics – The Exploration and Analysis of Data, USA: Duxbury Press, 1997.
Walpole, Ronald E. dan Myers, Raymond H., Ilmu Peluang dan p y y g Statistika untuk Insinyur dan Ilmuwan, Edisi 4, Bandung:
Penerbit ITB, 1995.
W l l R ld E t l St ti titi f S i ti t d E i i
Walpole, Ronald E., et.al, Statistitic for Scientist and Engineering, 8th Ed., 2007.
Wild C J and Seber G A F Chance Encounters – A first Course
Wild, C.J. and Seber, G.A.F., Chance Encounters A first Course in Data Analysis and Inference, USA: John Wiley&Sons,Inc.,
2000.
Pasaribu, U.S., 2007, Catatan Kuliah Biostatistika.