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.

bila eksperimen itu dilakukan sebanyak kali. Sebagai contoh. kemudian ditos 10 kali.2 2.6 sedangkan peluang muka angka 0. Peluang yang diinterpretasikan sebagai frekuensi relative itu disebut a posteriori atau peluang empiric. tak dapat secara tepat akan muncul muka gambar 5 kali dan angka 5 kali juga. 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. maka munculnya muka gambar dan angka akan mendekati bilangan yang sangat besar. .4. Pendekatan frekuensi relative dari peluang itu tak dapat diterapkan secara langsung terhadap masalah penting lainnya dalam pengertian peluang. Peluang muka gambar dalam hal ini 0. Tetapi. mendekati tak hingga. Sebagai contoh. 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. bila sekeping uang logam rupiah yang masih baik atau uang logam tersebut masih bersifat equally likely. 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. maka bisa terjadi bahwa yang muncul 6 kali muka yang bergambarkan garuda dan 4 kali muka yang bertuliskan angka.1. Jadi bila n bertambah besar.5. masalah peluang sepasang kenalan baru muda-mudi akan melaksanakan perkawinan dalam tempo setahun yang akan dating. maka dapat diharapkan bahwa munculnya gambar dan angka akan dekat sekali ke 50%. Jika kita hanya mengetos uang logam sebanyak 10 kali. maka kita mendapatkan peluang gambar dan angka mendekati 0.

eksperimen pengetosan uang logam akan terdapat salah satu dari dua peristiwa yang bakal terjadi. masing-masing adalah muka 1. diambil sebutir secara acak . karena terdapat tiga yang mungkin muncul genap dari seluruh peristiwa yang ada. 3. Demikian pula pengetosan sebuah dadu yang berbentuk kubus akan terdapat enam kesempatan sama untuk muncul.2. 5. Interpretasi klasik dari peluang itu disebut juga pendekatan a priori. 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). Pendekatan demikian itu akan lebih jelas apabila kita menghadapi conoth persoalan berikut. masing-masing mempunyai kesempatan sama untuk muncul.3 2. 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 . 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). Contoh : Dari dalam sebuah kantong yang berisi 10 butir kelereng merah dan 20 butir kelereng putih. dan 6. ialah muka angka atau gambar. 4. 2. Sebagai contoh. . Besarnya peluang akan muncul muka dadu bernomor genap adalah sebesar .

sesuai dengan derajat kepercayaan akan terjadinya peristiwa itu. Akan tetapi. 2. Berapakah peluang kelereng yang terambil itu berwarna merah ? Penyelesaian : Banyaknya kelereng keseluruhan dalam kantong adalah 10 + 20 = 30. Sebagai contoh. peluang mendapatkan angka tujuh dalam hal lemparan sebuah dadu kubus adalah 0 yang merupakan kemustahilan. ia akan kehilangan arah dalam memberikan .3. pengalaman. Banyak hal dalam kehidupan sehari-hari peluang itu terletak di antara dua ekstrem 0 dan 1. misalnya percaya bahwa si X tetap akan menjadi pimpinan setahun mendatang. pendekatan subjektif atau perseorangan tetap bertahan. karena tergantung nilai. Pendekatan subjektif menitik beratkan peluangnya di antara 0 dan 1 terhadap suatu peristiwa. Para ahli personalistika memandang peluang sebagai ukuran percaya diri. Rentangan skala peluang suatu peristiwa bergerak dari 0 sampai 1.4 (random). dan lain-lain. kalau tidak. terutama untuk suatu kejadian khusus dan atau suatu proposisi (pernyataan). Setiap orang dapat berbeda derajat kepercayaannya terhadap suatu peristiwa. sikap. . seseorang harus benar-benar berhati-hati dan konsisten dalam memberikan besarnya nilai peluang terhadap suatu peristiwa. 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.

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

dan i. bahwa mata uang logam atau mata dadu itu wajar. 2. Eksperimen Konsep penting yang pertama adalah eksperimen statistic atau acak. 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. 4. dan pengambilan sebuah kartu dari tumpukan kartu merupakan contohcontoh eksperimen. atau salah satu dari angka-angka 1. pelemparan sekeping mata uang logam. 5. Dalam hal ini. A3. Tujuan dari eksperimen-eksperimen semacam itu barangkali adalah untuk menetapkan sebuah dalil (misalnya. Contoh. Konsep ruang sampel pertama kali . Hasil dari eksperimen semacam itu dapat berupa gambar atau angka jika mata uang logam dilemparkan. 2. berapa banyak gambar yang mungkin akan diperoleh dalam satu kali pelemparan. atau 6 jika mata dadu dilemparkan.6 adalah rincian (spesifikasi) bilangan-bilangan P(A) yang memenuhi aksioma 1. Sering pula secara matematik untuk barisan peristiwa disjoint yang infinit banyaknya ialah A1.j merupakan anggota himpunan bilangan bulat 4. 3. KONSEP PENTING DALAM PROBABILITAS 4. katakanlah. misalnya. A2. 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). … dan untuk positif. 1. Ruang Sampel Himpunan semua hasil yang mungkin diperoleh dari suatu eksperimen disebut populasi atau ruang sampel.pelemparan sepasang mata dadu. 4. dan 3.1. A2.000 mata uang logam?) atau untuk menguji dalil bahwa mata uang logam tersebut wajar (misalnya. Perhatikanlah bahwa hasil-hasil tersebut belum diketahui sebelum eksperimen dilakukan. Di dalam statistic. … didefinisikan sebagai peristiwa A1.2. ada asumsi yang tersirat bahwa dalam melakukan semua eksperimen tersebut telah dipenuhi beberapa syarat.

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

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

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

ditulis P(A/B) adalah : ( ) ( ( ) ) Definisi 1. peluang bersyarat dari sebuah peristiwa A bila ditentukan bahwa peristiwa B telah terjadi didefinisikan sebagai : ( | ) ( ( ) ) dengan ketentuan ( ) Contoh. Bila N(A) menunjukkan banyaknya unsur-unsur dalam peristiwa A. dan N(S) merupakan banyaknya titik sampel dalam ruang sampel S. dalam contoh ini diberikan B (seorang wanita). peluang bersyarat dari peristiwa A bila ditentukan peristiwa B. berapakah peluangnya bahwa yang terpilih itu adalah seorang wanita atau ( | ) ? Pada dewasa ini telah diketahui bahwa peluang terpilihnya seorang sarjana adalah 0. Dengan diketahuinya A. adalah ( | ) Perlu diperhatikan bahwa P(B/A) adalah tidak sama dengan P(A/B).115 = ( ).5.26 = P(A). dan peluang terpilihnya seorang wanita sarjana adalah 0. maka nilai ( ( | ) ( ) ( ) ( ) ) ( ( ) ) ( ( ) ) Pengertian peluang bersyarat itu dapat juga dijelaskan sebagai berikut : Misalkan B adalah sebuah peristiwa sebarang dalam ruang sampel S dengan ketentuan ( ) . peluang dari A(seorang sarjana) adalah : ( | ) ( ( ) ) . seorang wanita. Bila seorang sarjana dipilih secara acak. bahwasanya seorang sarjana dipilih. atau dengan kata lain. misalkan ruang sampel suatu eksperimen adalah orang-orang dewasa Indonesia dan B adalah “wanita” dan A adalah “sarjana”. P(B) = 0. Peluang bahwa sebuah peristiwa A terjadi sekaligus peristiwa B telah terjadi.10 Notasi ( | ) disebut peluang bersyarat dari peristiwa A bila ditentukan bahwa peristiwa B telah terjadi. peluang dari B.

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

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. Cara yang baik menggambarkan proses tersebut dan cara menghitung peluang untuk sebarang peristiwa adalah dengan jalan diagram pohon seperti contoh berikut.4). disebut proses stokastik (hingga). Contoh. Kotak 2 berisi 6 bola lampu yang mana 1 diantaranya putus. maka ( ) ( ) ( | ) ( | ) ( | ) 7. 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 : .…. Memilih satu dari 3 kotak yang ada b. Dalam persoalan itu terdapat dua urutan eksperimen : a. 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. Berapakah peluang p bahwa bola yang terambil itu putus. Kotak 3 berisi 8 bola lampu yang mana 3 diantaranya putus. Kita diminta memilih sebuah kotak secara acak dan mengambil sebuah lampu secara acak dari dalam kotak tersebut.3. misalkan terdapat tiga kotak sebagai berikut : Kotak 1 berisi 10 bola lampu yang mana 4 diantaranya putus.

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

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

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

GA} +) +) +) Karena syarat a pada definisi 2 dipenuhi. Hubungan dari tiga peristiwa Untuk tiga peristiwa sebarang A1. DALIL PELUANG TOTAL 10. 10. dan kemudian ditambah peluang irisan dari semua tiga peristiwa.16 C = {tepat ada satu muka angka} Maka P(A) = P(B) = P(C) = ( ( ( . B.1. maka peristiwa A. dikurangi jumlah peluang dari pasangan irisan yang mungkin terjadi dari tiga peristiwa. A2. dan ) ) ) (* (* (* = {AG. dan C adalah bebas sepasang-sepasang. dan A3 berlaku : ( ) ( . ( ( ) ( ) ) ( ) dapat ) ( ( ) ) ( )- Persamaan ini menunjukkan bahwa nilai dari diperoleh dengan jalan menjumlahkan peluang dari tiap peristiwa secara individual. . maka tiga premis itu tidak bebas bersama. Akan tetapi ( ) ( ) ( ) hingga mengakibatkan ( ) ( ) Karena syarat b pada definisi 2 tidak dipenuhi.

Ak membentuk sebuah partisi dari ruang sampel S sehingga P(Aj) > 0 untuk j = 1. B dan C yang berturut-turut sebanyak 50%. Jika sebuah barang terpilih itu adalah rusak berasal dari mesin A. 4% dan 5%. Peluang bahwa barang itu rusak dihasilkan oleh mesin A adalah ( | ). TEOREMA BAYES “Misalkan peristiwa-peristiwa A1. Persentase barang yang cacat (rusak) yang dihasilkan (output) tiga mesin tadi berturut-turut adalah 3%. Menurut teorema Bayes . Misalkan X adalah peristiwa bahwa sebuah barang rusak. suatu pabrik memproduksi semacam barang tertentu. Kemudian surat-surat tadi dimasukkan ke dalam amplop-amplop secara acak.3. dan misalkan B adalah sebarang peristiwa demikian sehingga P(B) > 0. 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. An. k. …. 2. 30% dan 0% dari seluruh barang yang diproduksi pabrik tadi. k” ( | ) ( ) ( | ) ∑ ( ) ( | ) Contoh. …. Gabungan peristiwa sebanyak hingga Untuk n peristiwa sebarang A1. A2.2. Maka untuk i = 1. ….2. (⋃ ) ∑ ( ) ∑ ( ) ∑ ( ) ∑ ( ) ( ) ( ) 10. Diminta menentukan peluang pn bahwa paling sedikit terdapat selembar surat yang dimasukkan ke dalam amplop itu cocok atau sesuai dengan alamatnya. A2. Masalah pencocokan Misalkan seseorang mengetik n macam surat berlainan dan mengetik alamat surat-surat itu pada amplop sebanyak n pula. 11.17 10. Barang itu dihasilkan oleh tiga mesin A. ….

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

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

Master your semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master your semester with Scribd & The New York Times

Cancel anytime.