P. 1
TEORI PROBABILITAS

TEORI PROBABILITAS

|Views: 2,530|Likes:
Published by Sofyan Agus

More info:

Published by: Sofyan Agus on Mar 30, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

07/06/2013

pdf

text

original

1

TEORI PROBABILITAS
1. DEFINISI PROBABILITAS Perkembangan teori probability atau peluang dimulai sejak abad ketujuh belas yang lalu. Orang-orang yang mempunyai andil dalam perkembangan teori peluang antara lain adalah para matematikawan Perancis bernama Blaise Pascal (1623-1662) dan Pierre Fermat (1601-1665). Mereka menjabarkan peluang secara tepat mengenai permainan judi yang bersangkutan dengan dadu. Selanjutnya berturut-turut muncul berbagai karya ilmiah dari Huygens (1657), J. Bernoulli (1713), De Moivre (1718), serta Bayes (1764). Karya mereka dalam perhitungan peluang berhubungan dengan teori permutasi dan kombinasi dari berbagai macam permainan dadu dan permainan kartu. Perlu diketahui pula bahwasanya perhitungan peluang secara numeric mengenai berbagai macam dadu itu sebelumnya telah dihitung pula oleh Girolamo Cardono (1501-1576) dan Galileo Galilei (1564-1642). Dewasa ini, teori peluang menjadi salah satu alat utama dari statistika dan teori peluang berkait erat, sehingga sulit kalau membicarakan statistic tanpa memahami arti peluang. Pengetahuan mengenai teori peluang dapat memberikan interpretasi terhadap hasil yang diperoleh dalam statistika, karena banyak prosedur statistika menghasilkan kesimpulan-kesimpulan yang diambil dari sampel-sampel yang selalu dipengaruhi oleh variasi acak (variasi random). Dengan bantuan teori peluang variasi acak tersebut dapat ditentukan secara numeric dalam menghasilkan kesimpulan-kesimpulan statistika. Teori peluang itu juga merupakan alat penting dalam bidang rekayasa, sains, obat-obatan, meteorology, fotografi yang berasal dari kapal ruang angkasa, marketing, ramalan gempa bumi, dan tingkah laku manusia.

2. PENDEKATAN PROBABILITAS Tiga macam pendekatan berbeda satu sama lain akan dibicarakan dalam makalah ini. Tiap pendekatan kiranya akan berguna dalam mengaplikasikan teori peluang terhadap persoalan-persoalan praktis.

Peluang yang diinterpretasikan sebagai frekuensi relative itu disebut a posteriori atau peluang empiric. Jadi bila n bertambah besar. bila eksperimen itu dilakukan sebanyak kali. masalah peluang sepasang kenalan baru muda-mudi akan melaksanakan perkawinan dalam tempo setahun yang akan dating. Peluang atau frekuensi relative suatu kejadian yang muncul a kali dalam suatu eksperimen yang dilakukan sebanyak n kali adalah . bila eksperimen itu dilakukan n kali dalam jumlah besar dengan syarat tersebut di atas. Tetapi. Pendekatan frekuensi Pendekatan frekuensi mengenai peluang itu sering pula diinterpretasikan sebagai frekuensi relative terhadap banyaknya proses yang dilakukan berulangulang dalam jumlah besar di bawah kondisi yang sama.6 sedangkan peluang muka angka 0. maka dapat diharapkan bahwa munculnya gambar dan angka akan dekat sekali ke 50%. Jika kita hanya mengetos uang logam sebanyak 10 kali. mendekati tak hingga. Tetapi. maka munculnya muka gambar dan angka akan mendekati bilangan yang sangat besar. bila sekeping uang logam rupiah yang masih baik atau uang logam tersebut masih bersifat equally likely. maka kita mendapatkan peluang gambar dan angka mendekati 0. Peluang muka gambar dalam hal ini 0. tak dapat secara tepat akan muncul muka gambar 5 kali dan angka 5 kali juga.5. Sebagai contoh. nilai yang didekati oleh bila n menjadi tak hingga disebut limit frekuensi relative dan ditulis dengan lambing : ( ) Perlu ditekankan di sini bahwa pendekatan tersebut hanya berlaku apabila dalam hal n cukup besar. Sebagai contoh. .4. maka bisa terjadi bahwa yang muncul 6 kali muka yang bergambarkan garuda dan 4 kali muka yang bertuliskan angka.1.2 2. Pendekatan frekuensi relative dari peluang itu tak dapat diterapkan secara langsung terhadap masalah penting lainnya dalam pengertian peluang. kemudian ditos 10 kali.

ialah muka angka atau gambar. Interpretasi klasik dari peluang itu disebut juga pendekatan a priori. 4. . masing-masing mempunyai kesempatan sama untuk muncul. Pendekatan klasik Konsep dasar pendekatan klasik dari peluang adalah setiap peristiwa yang bakal terjadi dari suatu eksperimen mempunyai kesempatan sama untuk terjadi (equally likely outcomes). karena terdapat tiga yang mungkin muncul genap dari seluruh peristiwa yang ada.3 2. Demikian pula pengetosan sebuah dadu yang berbentuk kubus akan terdapat enam kesempatan sama untuk muncul. Sebagai contoh. Contoh : Dari dalam sebuah kantong yang berisi 10 butir kelereng merah dan 20 butir kelereng putih.2. 3. diambil sebutir secara acak . Besarnya peluang akan muncul muka dadu bernomor genap adalah sebesar . maka peluang peristiwa A akan terjadi ditulis dengan lambing : ( ) serta peluang peristiwa yang bukan A akan terjadi adalah ( ) ( ) Hubungan antara peluang terjadinya peristiwa A (disebut sukses) dan peluang terjadinya peristiwa yang bukan A (disebut gagal) adalah secara singkat dapat ditulis ( ) ( ) atau . dan 6. Pendekatan demikian itu akan lebih jelas apabila kita menghadapi conoth persoalan berikut. eksperimen pengetosan uang logam akan terdapat salah satu dari dua peristiwa yang bakal terjadi. 2. masing-masing adalah muka 1. 5. Secara umum dinyatakan sebagai berikut : apabila peristiwa A dapat terjadi dalam „a‟ cara dari seluruh „n‟ cara yang berkesempatan sama serta bersifat saling lepas (mutually exclusive).

terutama untuk suatu kejadian khusus dan atau suatu proposisi (pernyataan). dan lain-lain. peluang mendapatkan angka tujuh dalam hal lemparan sebuah dadu kubus adalah 0 yang merupakan kemustahilan. Setiap orang dapat berbeda derajat kepercayaannya terhadap suatu peristiwa. misalnya percaya bahwa si X tetap akan menjadi pimpinan setahun mendatang. karena tergantung nilai. sesuai dengan derajat kepercayaan akan terjadinya peristiwa itu. sesuai dengan apa yang ia miliki baik berbentuk data kualitatif maupun kuantitatif. Banyaknya kelereng merah = 10 Peluang mendapatkan sebutir kelereng merah adalah Peluang mendapatkan sebutir kelereng bukan merah adalah Jadi. Pendekatan subjektif Walaupun pendekatan frekuensi relative tentang peluang sangat terkenal. kalau tidak. Banyak hal dalam kehidupan sehari-hari peluang itu terletak di antara dua ekstrem 0 dan 1. Pendekatan subjektif menitik beratkan peluangnya di antara 0 dan 1 terhadap suatu peristiwa. pendekatan subjektif atau perseorangan tetap bertahan. 2. Sebagai contoh. Berapakah peluang kelereng yang terambil itu berwarna merah ? Penyelesaian : Banyaknya kelereng keseluruhan dalam kantong adalah 10 + 20 = 30. pengalaman. Akan tetapi. seseorang harus benar-benar berhati-hati dan konsisten dalam memberikan besarnya nilai peluang terhadap suatu peristiwa. Rentangan skala peluang suatu peristiwa bergerak dari 0 sampai 1. ia akan kehilangan arah dalam memberikan . Para ahli personalistika memandang peluang sebagai ukuran percaya diri. . sikap.3.4 (random).

5 kesimpulan. Contoh : untuk sebarang peristiwa A. ( ) Aksioma kedua menyatakan bahwa jika suatu peristiwa pasti terjadi.. akan dibicarakan lebih dulu peluang untuk peristiwa-peristiwa yang saling lepas (disjoint). Jika dua peristiwa A dan B saling lepas. Di dalam statistika derajat keyakinan (level of confidence) itu merupakan hal penting dalam memberikan keputusan secara statistika. maka bilangan P(A) yang terkait itu harus memenuhi tiga aksioma tertentu. Aksioma 3 menyatakan untuk sebarang barisan peristiwa-peristiwa disjoint yang infinite banyaknya seperti A1. tentu berlaku pula untuk peristiwa-peristiwa disjoint sebanyak hingga (finite). maka : (⋃ ) ∑ ( ) ( ) ( ) Definisi peluang secara matematik sekarang dapat diberikan sebagai berikut : Distribusi peluang. Contoh : ( ) Sebelum menyatakan Aksioma 3. atau dengan singkat peluang. Pertimbangan-pertimbangan tersebut mengarahkan ke aksioma ketiga. …. AKSIOMA PROBABILITAS Dalam suatu eksperimen tertentu. ditulis ( sebagai berikut : ( ) ( ) ( ) ) diasumsikan Sifat penjumlahan (additive) dari dua peristiwa yang saling lepas itu juga berlaku terhadap peristiwa-peristiwa disjoint yang tak hingga (infinite) banyaknya. Agar supaya peluang itu memenuhi definisi secara matematik. 3. pada suatu ruang sampel S . Apabila sifat penjumlahan itu berlaku untuk peristiwa disjoint yang tak hingga banyaknya. A2. maka peluang terjadinya peristiwa A atau B. maka peluang peristiwa itu adalah 1. adalah perlu mengaitkan tiap peristiwa A di dalam ruang sampel S dengan sebuah bilangan P(A) yang menunjukkan peluang bahwa A akan terjadi. Aksioma pertama menyatakan bahwa peluang setiap peristiwa harus merupakan bilangan nonnegative.

Eksperimen Konsep penting yang pertama adalah eksperimen statistic atau acak. misalnya. Tujuan dari eksperimen-eksperimen semacam itu barangkali adalah untuk menetapkan sebuah dalil (misalnya. … didefinisikan sebagai peristiwa A1. dan 3. 2. dan pengambilan sebuah kartu dari tumpukan kartu merupakan contohcontoh eksperimen. Hasil dari eksperimen semacam itu dapat berupa gambar atau angka jika mata uang logam dilemparkan. berapa banyak gambar yang mungkin akan diperoleh dalam satu kali pelemparan. katakanlah. 5. … dan untuk positif. KONSEP PENTING DALAM PROBABILITAS 4.000 mata uang logam?) atau untuk menguji dalil bahwa mata uang logam tersebut wajar (misalnya. 4. atau salah satu dari angka-angka 1.1. A3. A2. 1. Dalam hal ini. A3. apakah anda akan menganggap sebuah mata uang logam itu tidak wajar apabila anda memperoleh hasil 70 gambar dalam pelemparan sebuah mata uang logam sebanyak 100 kali).pelemparan sepasang mata dadu. dan i.j merupakan anggota himpunan bilangan bulat 4. Sering pula secara matematik untuk barisan peristiwa disjoint yang infinit banyaknya ialah A1. ada asumsi yang tersirat bahwa dalam melakukan semua eksperimen tersebut telah dipenuhi beberapa syarat. bahwa mata uang logam atau mata dadu itu wajar. A2. Ruang Sampel Himpunan semua hasil yang mungkin diperoleh dari suatu eksperimen disebut populasi atau ruang sampel. 2. Contoh. Konsep ruang sampel pertama kali . Di dalam statistic. 4. Perhatikanlah bahwa hasil-hasil tersebut belum diketahui sebelum eksperimen dilakukan.2. 3. atau 6 jika mata dadu dilemparkan.6 adalah rincian (spesifikasi) bilangan-bilangan P(A) yang memenuhi aksioma 1. pelemparan sekeping mata uang logam. istilah ini umumnya mengacu pada setiap proses observasi atau pengukuran yang mempunyai lebih dari satu hasil yang mungkin dan di mana ada ketidakpastian tentang hasil mana yang benar-benar akan terwujud.

maka yang dimaksud bilangan P(A) itu adalah sesuai dengan interpretasi frekuensi relative dengan n cukup besar. keseluruhan hasil. HT. pertimbangkanlah sebuah eksperimen pelemparan dua mata uang logam yang wajar. 4.4. disingkat menjadi fhp. TT. TH. ATURAN PENGHITUNGAN Apabila kita ingin mengaitkan peristiwa A dalam ruang sampel S dengan bilangan real P(A). Aturan demikian disebut fungsi himpunan peluang. Tidak ada lagi hasil yang secara logika mungkin diperoleh. Contoh. dimana HH berarti gambar pada pelemparan pertama dan gambar pada pelemparan kedua. HT. seorang pakar matematika dan sekaligus insinyur berkebangsaan Austria. Misalkan B adalah kejadian bahwa dua gambar muncul dalam pelemparan dua buah mata uang logam. 4. dan sebagainya. yaitu HH. 5. TH. TT merupakan titik sampel. kita akan mendapatkan hasil-hasil sebagai berikut : HH. atau ruang sampelatau populasi. HT berarti gambar pada pelemparan pertama dan angka pada pelemparan kedua. adalah 4. . Kejadian Kejadian merupakan kumpulan hasil tertentu dan karenanya merupakan himpunan bagian dari ruang sampel. jelas bahwa hanya hasil HH saja yang termasuk kejadian B. pada tahun 1931. atau hasil. Dalam contoh ini. Kita ketahui bahwa hanya hasil HT dan TH saja yang termasuk dalam kejadian A. Jadi. misalkan kejadian A adalah peristiwa munculnya satu gambar dan satu angka dalam eksperimen pelemparan mata uang logam. masing-masing hasil. Misalkan H menyatakan gambar dan T menyatakan angka. Dalam contoh 4. Contoh.3. Jadi.2. Titik Sampel Setiap anggota.7 diperkenalkan oleh Von Mises. di dalam ruang sampel atau populasi disebut titik sampel.

terdapat adanya dua atau lebih kejadian bersamaan. jika peristiwa-peristiwa A dan B sedemikian hingga ( ) ( ) . Kejadian demikian juga disebut kejadian marjinal atau tanpa syarat. Kejadian yang saling eksklusif Suatu event dikatakan mempunyai hubungan saling eksklusif bila peluang terjadinya suatu event hanya satu dari semua event yang dapat dihasilkan. ( ) Teorema 2. dalam satu kartu jack tersebut akan terjadi tidak saling eksklusif bila yang diharapkan adalah jack hati. untuk setiap peristiwa A. Teorema 5. b. Kejadian yang tidak saling eksklusif Suatu kejadian dikatakan tidak saling eksklusif bila dalam satu kali percobaan. ( ) ( ( ) ) ( ) ( ) Teorema 4. . Namun akan terjadi saling eksklusif bila yang diharapkan kartu jack dan queen secara bersamaan dalam satu kartu. BERBAGAI HUBUNGAN DALAM PROBABILITAS Peluang terjadinya event sebagai hasil dari satu atau beberapa percobaan mempunyai hubungan sebagai berikut : a. Misalnya. jika A dan B merupakan dua peristiwa sebarang. maka 6. jika A. maka Teorema 6. pada suatu kelahiran hanya dilahirkan bayi laki-laki atau perempuan dan bila kelahiran bayi laki-laki telah terjadi maka tidak mungkin dilahirkan bayi wanita. Teorema 1. B.8 Berikut ini beberapa aturan penghitungan yang memberikan sifat-sifat penting lainnya terhadap fungsi himpunan peluang. dan C adalah tiga peristiwa sebarang. maka ( ). untuk setiap peristiwa A. ( ) ( ( ) ( ) ( ) ( ) ) ( ) ( ) . Misalnya dalam pengambilan satu kartu jack pada tumpukan kartu. ( ) Teorema 3.

Kemudian gulungan kedua diambil dari kotak tersebut tanpa mengembalikan gulungan pertama yang diambil. jika gulungan pertama yang diambil adalah baik. persoalan berikut ini perlu dipahami terlebih dahulu. Probabilitas pengambilan berikutnya adalah gulungan rusak tergantung dari apakah gulungan pertama yang dipilih rusak atau tidak. dan peluang memilih gulungan yang baik adalah 7/10. dan diketahui bahwa 3 diantaranya rusak. Jadi jika peristiwa A dan B bersifat independen. 7. terjadinya A tidak menghalangi probabilitas terjadinya B. maka AB adalah peristiwa dengan T sebesar 3. d. Probabilitas gulungan kedua yang diambil rusak. Jika kita memisalkan A adalah peristiwa dan B adalah peristiwa bahwa T adalah ganjil. Jelas bahwa peluang memilih gulungan yang rusak adalah 3/10. Kejadian dependen Untuk menggambarkan keterikatan (dependent). misalkan dua buah dadu bersisi enam digulingkan dan diperhatikan bahwa T adalah muka dadu-dadu yang muncul berjumlah ganjil. 5. yaitu 2/9. atau 7. Kita akan menentukan peluang T yang lebih kecil dari 8. jika gulungan pertama yang diambil rusak. Seperti dalam hal mengetos dua dadu. Contoh.misalkan dalam sebuah kotak terdapat 10 gulungan film. Dan sebesar 3/9.9 c. Kejadian independen Dua peristiwa bersifat independen jika terjadinya peristiwa yang satu tidak menghalangi probabilitas terjadinya peristiwa yang lain. Sebuah gulungan film dipilih dari kotak tersebut. kita dapat menghitung P(AB) dan P(B) sebagai berikut : ( ( ) ) . PROBABILITAS BERSYARAT Sebelum menuju ke definisi peluang bersyarat (conditional probability).

26 = P(A).10 Notasi ( | ) disebut peluang bersyarat dari peristiwa A bila ditentukan bahwa peristiwa B telah terjadi. adalah ( | ) Perlu diperhatikan bahwa P(B/A) adalah tidak sama dengan P(A/B). peluang dari B. dan N(S) merupakan banyaknya titik sampel dalam ruang sampel S. misalkan ruang sampel suatu eksperimen adalah orang-orang dewasa Indonesia dan B adalah “wanita” dan A adalah “sarjana”. Dengan diketahuinya A.115 = ( ). dalam contoh ini diberikan B (seorang wanita). peluang dari A(seorang sarjana) adalah : ( | ) ( ( ) ) . P(B) = 0. Peluang bahwa sebuah peristiwa A terjadi sekaligus peristiwa B telah terjadi. berapakah peluangnya bahwa yang terpilih itu adalah seorang wanita atau ( | ) ? Pada dewasa ini telah diketahui bahwa peluang terpilihnya seorang sarjana adalah 0. seorang wanita. atau dengan kata lain. Bila N(A) menunjukkan banyaknya unsur-unsur dalam peristiwa A. peluang bersyarat dari sebuah peristiwa A bila ditentukan bahwa peristiwa B telah terjadi didefinisikan sebagai : ( | ) ( ( ) ) dengan ketentuan ( ) Contoh. peluang bersyarat dari peristiwa A bila ditentukan peristiwa B. dan peluang terpilihnya seorang wanita sarjana adalah 0. ditulis P(A/B) adalah : ( ) ( ( ) ) Definisi 1. bahwasanya seorang sarjana dipilih.5. maka nilai ( ( | ) ( ) ( ) ( ) ) ( ( ) ) ( ( ) ) Pengertian peluang bersyarat itu dapat juga dijelaskan sebagai berikut : Misalkan B adalah sebuah peristiwa sebarang dalam ruang sampel S dengan ketentuan ( ) . Bila seorang sarjana dipilih secara acak.

tanpa pengembalian.11 7. adalah dengan cara mengaplikasikan satu dari dua persamaan berikut : ( ( ) ) ( ) Atau ( ) ( | ) ( | ) Contoh. Misalkan empat bola dipilih satu per satu. merah. jika P(B)>0. maka P(AB) = P(A). maka peluang bersyarat dari A bila diketahui bahwa B telah terjadi adalah sama seperti peluang tak bersyarat dari A bila tak terdapat informasi mengenai B. maka P(B|A) = P(B). jika peristiwa-peristiwa A dan B adalah bebas. memilih empat bola. biru. maka peristiwa-peristiwa A dan B harus bebas. Demikian pula halnya. biru. Jika P(A|B) = P(A). Peluang bersyarat untuk peristiwa bebas Jika dua peristiwa A dan B saling bebas.2. maka peristiwa-peristiwa A dan B adalah bebas. .1. Kita akan menentukan peluang untuk mendapatkan hasil urutan yang mungkin terjadi adalah merah. dari sini. jika A dan B merupakan dua peristiwa yang saling bebas dan jika P(A) > 0.P(B). Sifat-sifat peluang bersyarat ini untuk peristiwa-peristiwa yang bebas menguatkan interpretasi dari konsep kebebasan. 7. konversinya jika P(B|A) = P(B). Konversi dari pernyataan ini adalah juga benar. dari dalam sebuah kotak yang berisi bola merah sebanyak m dan bola biru sebanyak b ( ). Aturan penggandaan untuk peluang bersyarat Dalam sebuah eksperimen yang melibatkan dua peristiwa A dan B yang tidak saling bebas. maka alat baik yang sering digunakan untuk menghitung peluang P(AB) bahwa kedua peristiwa itu akan terjadi. sesuai dengan definisi peluang bersyarat maka ( | ) ( ) ( ) ( ) ( ) Dalam kata lain.

Cara yang baik menggambarkan proses tersebut dan cara menghitung peluang untuk sebarang peristiwa adalah dengan jalan diagram pohon seperti contoh berikut. disebut proses stokastik (hingga). Kita diminta memilih sebuah kotak secara acak dan mengambil sebuah lampu secara acak dari dalam kotak tersebut.….12 Jika kita memisalkan M1 menunjukkan peristiwa bahwa sebuah bola merah akan diperoleh pada penarikan yang ke-j dan misalkan Bj menunjukkan peristiwa bahwa sebuah bola akan diperoleh pada penarikan yang ke-j (j=1. misalkan terdapat tiga kotak sebagai berikut : Kotak 1 berisi 10 bola lampu yang mana 4 diantaranya putus. maka ( ) ( ) ( | ) ( | ) ( | ) 7. Kotak 2 berisi 6 bola lampu yang mana 1 diantaranya putus. Memilih sebuah lampu yang bisa terjadi putus (P) atau tidak putus (T) Diagram pohon berikut ini menggambarkan proses ini dan memberikan peluang tiap cabang dari pohon itu : .3. Dalam persoalan itu terdapat dua urutan eksperimen : a. Kotak 3 berisi 8 bola lampu yang mana 3 diantaranya putus. Berapakah peluang p bahwa bola yang terambil itu putus. Memilih satu dari 3 kotak yang ada b.4). Proses stokastik hingga dan diagram pohon Sebuah barisan hingga dari eksperimen-eksperimen dalam hal mana tiap eksperimen mempunyai sebanyak hingga peristiwa yang mungkin terjadi dengan peluang tertentu. Contoh.

sebagai contoh peluang memilih kotak I dan kemudian bola lampu putus adalah . Karena tiap dadu terdapat enam peristiwa yang mungkin terjadi. maka banyaknya pasangan peristiwa yang mungkin terjadi adalah 6 x 6 = 36 dari eksperimen tersebut. Persoalan tersebut akan menjadi lebih jelas melalui gambar berikut : Jika dua rute yang pertama dinamakan X1 dan X2. Aturan pergandaan itu dapat dikembangkan lebih dari dua bagian. Dari kota A ke kota B hanya terdapat dua rute yang berlainan. misalkan dua buah dadu digulingkan.13 Peluang bahwa sebarang lintasan yang terjadi dari pohon itu diperoleh dengan jalan mengalikan peluang tiap cabang dari lintasan itu. Banyaknya rute yang berlainan yang dapat dilalui orang itu dari kota A ke kota C lewat kota B adalah 2 x 3 = 6 lintasan berlainan. . KAIDAH PENGGANDAAN Misalkan seseorang hendak bepergian dari kota A ke kota C dan harus lewat kota B. jumlah peluang-peluang dari lintasan tersebut merupakan peluang yang ditanyakan : 8. Sekarang karena terdapat tiga lintasan yang berlainan yang mengarah ke sebuah bola lampu putus. Seandainya dari kota C masih mau dilanjutkan ke kota D dalam eksperimen bepergian di atas. maka ruang sampel S dari eksperimen itu menjadi pasangan berurutan sebagai berikut : ( ( ) ( ) ( ) ( ) ( ) ) Sebagai contoh lain. sedangkan dari kota B ke kota C hanya terdapat tiga rute jalan yang berbeda pula. sedangkan untuk tiga rute yang kedua dinamakan y1. y2 dan y3.

dan jika prosedur berikutnya sebagai prosedur ketiga dapat dibentuk dalam n3 cara yang berlainan. Peristiwa A dan B adalah bebas jika dan hanya jika ( ) ( ) ( ) Jika tidak demikian halnya A dan B dinamakan peristiwa tidak bebas atau dependen.n3…. dan jika prosedur berikutnya sebagai prosedur kedua dapat di bentuk dalam n2 cara yang berlainan. ialah peluang munculnya angka 5 pada sisi dadu adalah 1/6. Definisi 1. bila terjadi atau tidak terjadinya salah satu peristiwa tidak berhubungan dan tidak dipengaruhi oleh terjadi atau tidak terjadinya peristiwa yang lain. Peluang simultan terjadinya dua peristiwa A dan B adalah ( ) ( ) ( ) Akan lebih matematis pengertian peristiwa-peristiwa bebas itu bila dinyatakan secara definitive. . ialah peluang munculnya muka angka pada uang adalah ½. maka peluang terjadinya peristiwa A. Dalam eksperimen itu terjadinya peristiwa A tidak terkait atau bebas dengan terjadinya peristiwa B.” 9.P(B). Sebagai contoh.n2. Dengan kata-kata dan asumsi itu menyebutkan bahwa peluang kedua peristiwa A dan B terjadi adalah sama dengan perkalian (produk) masing-masing peluang. dan seterusnya. maka banyaknya cara dengan urutan prosedur seperti tersebut adalah pergandaan n1. maka komposisi perjalanan dari kota A ke kota D menjadi 2 x 3 x 5 = 30 lintasan yang berlainan. peluang terjadinya peristiwa B.14 sedangkan dari kota C terdapat lima rute yang berlainan ke kota D itu. Di bawah kondisi seperti itu layaklah apabila kita mengasumsikan bahwasanya P(AB) = P(A). DUA KEJADIAN BEBAS Dua peristiwa A dan B terjadi secara bebas (independen) satu sama lain. misalkan secara bersamaan sekeping uang logam dittos dan sebutir dadu sisi enam digulingkan. Secara umum aturan pergandaan itu dinyatakan sebagai berikut : “Jika suatu prosedur dapat dibentuk dalam n1 cara yang berlainan.

Dalam hal ini ruang sampel S beranggotakan titik sampel sebanyak 36. dan seterusnya.15 Peristiwa-peristiwa yang bebas sering disebut bebas statistic. tripel. AG. sedangkan peristiwa ( ) ( ) beranggotakan 3. GA. karena ( ( ) ) ( ) dan ( ) . harus memenuhi aturan pergandaan. kwartet. GA} . Jadi ( ) Dalam hal ini A dan B menurut definisi 1 adalah bebas Definisi 2. Contoh. sebuah dadu merah bermuka enam dan sebuah dadu putih bermuka enam digulingkan. tiap pasang. AG} B = {muka angka pada uang kedua} = {AA. Tetapi yang banyak dipakai adalah bebas tanpa suatu keterangan bila tak terdapat salah pengertian. Dalam perluasan ini. Contoh 1. Suatu hal yang perlu dicatat bahwa pengertian itu selalu berlaku jika P(A) = 0 atau P(B) = 0 yang menyebabkan ( ) . GG}. Definisi 2 dapat diperluas terhadap kebebasan sepasang-sepasang dari empat peristiwa atau lebih. sehingga ( ( ( ( ) ( ) ( ) ) ) ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) b. bebas stokastik. peristiwa A. Jadi anggota ( ) keduanya adalah sama ruas kiri dan ruas kanan dari dengan nol dan berakibat satu sama lain adalah sama. Mereka bebas dalam sepasang-sepasang. dan C disebut bebas bersama (mutually independent) jika dan hanya jika memenuhi dua syarat berikut : a. dalam hal ini semua peristiwa yang mungkin terjadi S = {AA. Perhatikanlah peristiwa-peristiwa berikut : A = {muka angka pada uang pertama} = {AA. Peristiwa A dan B berturut-turut beranggotakan 6 dan 18. Misalkan peristiwa A = {4 pada dadu merah} dan peristiwa B = {jumlah kedua muka dadu adalah ganjil}. B. misalkan sepasang uang logam ditos. atau bebas dalam pengertian peluang.

1. maka peristiwa A. B. Hubungan dari tiga peristiwa Untuk tiga peristiwa sebarang A1. DALIL PELUANG TOTAL 10. maka tiga premis itu tidak bebas bersama. dikurangi jumlah peluang dari pasangan irisan yang mungkin terjadi dari tiga peristiwa. Akan tetapi ( ) ( ) ( ) hingga mengakibatkan ( ) ( ) Karena syarat b pada definisi 2 tidak dipenuhi. 10.16 C = {tepat ada satu muka angka} Maka P(A) = P(B) = P(C) = ( ( ( . dan A3 berlaku : ( ) ( . dan ) ) ) (* (* (* = {AG. ( ( ) ( ) ) ( ) dapat ) ( ( ) ) ( )- Persamaan ini menunjukkan bahwa nilai dari diperoleh dengan jalan menjumlahkan peluang dari tiap peristiwa secara individual. GA} +) +) +) Karena syarat a pada definisi 2 dipenuhi. . A2. dan kemudian ditambah peluang irisan dari semua tiga peristiwa. dan C adalah bebas sepasang-sepasang.

…. A2. Misalkan X adalah peristiwa bahwa sebuah barang rusak. Jika sebuah barang terpilih itu adalah rusak berasal dari mesin A. Diminta menentukan peluang pn bahwa paling sedikit terdapat selembar surat yang dimasukkan ke dalam amplop itu cocok atau sesuai dengan alamatnya. 2. Maka untuk i = 1. k. Kemudian surat-surat tadi dimasukkan ke dalam amplop-amplop secara acak. dan misalkan B adalah sebarang peristiwa demikian sehingga P(B) > 0.2. B dan C yang berturut-turut sebanyak 50%. 30% dan 0% dari seluruh barang yang diproduksi pabrik tadi. (⋃ ) ∑ ( ) ∑ ( ) ∑ ( ) ∑ ( ) ( ) ( ) 10. Ak membentuk sebuah partisi dari ruang sampel S sehingga P(Aj) > 0 untuk j = 1. An. 11. Gabungan peristiwa sebanyak hingga Untuk n peristiwa sebarang A1. …. Masalah pencocokan Misalkan seseorang mengetik n macam surat berlainan dan mengetik alamat surat-surat itu pada amplop sebanyak n pula. Persentase barang yang cacat (rusak) yang dihasilkan (output) tiga mesin tadi berturut-turut adalah 3%. suatu pabrik memproduksi semacam barang tertentu. k” ( | ) ( ) ( | ) ∑ ( ) ( | ) Contoh.3.17 10. …. …. 4% dan 5%.2. Barang itu dihasilkan oleh tiga mesin A. Peluang bahwa barang itu rusak dihasilkan oleh mesin A adalah ( | ). Menurut teorema Bayes . TEOREMA BAYES “Misalkan peristiwa-peristiwa A1. Contoh lain masalah pencocokan ini misalnya terdapat n macam foto dari actor terkenal dicocokkan secara acak dengan foto actor-aktor itu pada waktu masih bayi. A2.

18 ( | ) ( ) ( | ) )( ) ( ( ( ) ( | ) ( ) ( | ) )( )( ) ) ( ( ) ( | ) )( ) ( .

2007. Pengantar Teori Peluang dan Statistika. Eko. 2006. Jakarta : Departemen Pendidikan dan Kebudayaan . Biostatistika Untuk Kedokteran dan Kesehatan Masyarakat.19 DAFTAR PUSTAKA Budiarto. Abdus. Jakarta : Erlangga Salam. Jakarta : Erlangga Mason. Robert D. Damodar. 2002. 1989. Jakarta : EGC Gujarati. Dasar-dasar Ekonometrika Jilid 1 (Edisi 3). Teknik Statistika Untuk Bisnis dan Ekonomi.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->