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.

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. Tetapi. maka kita mendapatkan peluang gambar dan angka mendekati 0. Peluang yang diinterpretasikan sebagai frekuensi relative itu disebut a posteriori atau peluang empiric. maka dapat diharapkan bahwa munculnya gambar dan angka akan dekat sekali ke 50%. . maka munculnya muka gambar dan angka akan mendekati bilangan yang sangat besar. Tetapi. Peluang muka gambar dalam hal ini 0.6 sedangkan peluang muka angka 0. tak dapat secara tepat akan muncul muka gambar 5 kali dan angka 5 kali juga.1. maka bisa terjadi bahwa yang muncul 6 kali muka yang bergambarkan garuda dan 4 kali muka yang bertuliskan angka. masalah peluang sepasang kenalan baru muda-mudi akan melaksanakan perkawinan dalam tempo setahun yang akan dating. bila eksperimen itu dilakukan sebanyak kali. Sebagai contoh. Pendekatan frekuensi relative dari peluang itu tak dapat diterapkan secara langsung terhadap masalah penting lainnya dalam pengertian peluang.4. Peluang atau frekuensi relative suatu kejadian yang muncul a kali dalam suatu eksperimen yang dilakukan sebanyak n kali adalah . Jadi bila n bertambah besar. bila eksperimen itu dilakukan n kali dalam jumlah besar dengan syarat tersebut di atas.5. mendekati tak hingga.2 2. kemudian ditos 10 kali. 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. Jika kita hanya mengetos uang logam sebanyak 10 kali. Sebagai contoh.

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

Banyak hal dalam kehidupan sehari-hari peluang itu terletak di antara dua ekstrem 0 dan 1. sesuai dengan derajat kepercayaan akan terjadinya peristiwa itu. ia akan kehilangan arah dalam memberikan .3. dan lain-lain. Para ahli personalistika memandang peluang sebagai ukuran percaya diri. Berapakah peluang kelereng yang terambil itu berwarna merah ? Penyelesaian : Banyaknya kelereng keseluruhan dalam kantong adalah 10 + 20 = 30. kalau tidak.4 (random). pendekatan subjektif atau perseorangan tetap bertahan. Banyaknya kelereng merah = 10 Peluang mendapatkan sebutir kelereng merah adalah Peluang mendapatkan sebutir kelereng bukan merah adalah Jadi. peluang mendapatkan angka tujuh dalam hal lemparan sebuah dadu kubus adalah 0 yang merupakan kemustahilan. . pengalaman. misalnya percaya bahwa si X tetap akan menjadi pimpinan setahun mendatang. Setiap orang dapat berbeda derajat kepercayaannya terhadap suatu peristiwa. Pendekatan subjektif menitik beratkan peluangnya di antara 0 dan 1 terhadap suatu peristiwa. Rentangan skala peluang suatu peristiwa bergerak dari 0 sampai 1. seseorang harus benar-benar berhati-hati dan konsisten dalam memberikan besarnya nilai peluang terhadap suatu peristiwa. Akan tetapi. Sebagai contoh. sikap. Pendekatan subjektif Walaupun pendekatan frekuensi relative tentang peluang sangat terkenal. 2. karena tergantung nilai. sesuai dengan apa yang ia miliki baik berbentuk data kualitatif maupun kuantitatif. terutama untuk suatu kejadian khusus dan atau suatu proposisi (pernyataan).

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

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

disingkat menjadi fhp. misalkan kejadian A adalah peristiwa munculnya satu gambar dan satu angka dalam eksperimen pelemparan mata uang logam. ATURAN PENGHITUNGAN Apabila kita ingin mengaitkan peristiwa A dalam ruang sampel S dengan bilangan real P(A). 4. Contoh. TH. Contoh. dimana HH berarti gambar pada pelemparan pertama dan gambar pada pelemparan kedua. yaitu HH. Aturan demikian disebut fungsi himpunan peluang. 5. pertimbangkanlah sebuah eksperimen pelemparan dua mata uang logam yang wajar.7 diperkenalkan oleh Von Mises. adalah 4. 4. TT merupakan titik sampel.4. HT. HT berarti gambar pada pelemparan pertama dan angka pada pelemparan kedua. Misalkan H menyatakan gambar dan T menyatakan angka. pada tahun 1931.2. Jadi. TT. atau hasil. Jadi. kita akan mendapatkan hasil-hasil sebagai berikut : HH. Dalam contoh 4. dan sebagainya. Tidak ada lagi hasil yang secara logika mungkin diperoleh. maka yang dimaksud bilangan P(A) itu adalah sesuai dengan interpretasi frekuensi relative dengan n cukup besar. .3. masing-masing hasil. Titik Sampel Setiap anggota. HT. atau ruang sampelatau populasi. seorang pakar matematika dan sekaligus insinyur berkebangsaan Austria. Misalkan B adalah kejadian bahwa dua gambar muncul dalam pelemparan dua buah mata uang logam. Kejadian Kejadian merupakan kumpulan hasil tertentu dan karenanya merupakan himpunan bagian dari ruang sampel. di dalam ruang sampel atau populasi disebut titik sampel. TH. Kita ketahui bahwa hanya hasil HT dan TH saja yang termasuk dalam kejadian A. Dalam contoh ini. jelas bahwa hanya hasil HH saja yang termasuk kejadian B. keseluruhan hasil.

jika peristiwa-peristiwa A dan B sedemikian hingga ( ) ( ) . pada suatu kelahiran hanya dilahirkan bayi laki-laki atau perempuan dan bila kelahiran bayi laki-laki telah terjadi maka tidak mungkin dilahirkan bayi wanita. ( ) ( ( ) ( ) ( ) ( ) ) ( ) ( ) . . dan C adalah tiga peristiwa sebarang. BERBAGAI HUBUNGAN DALAM PROBABILITAS Peluang terjadinya event sebagai hasil dari satu atau beberapa percobaan mempunyai hubungan sebagai berikut : a. maka 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. terdapat adanya dua atau lebih kejadian bersamaan. ( ) ( ( ) ) ( ) ( ) Teorema 4. jika A dan B merupakan dua peristiwa sebarang. B. untuk setiap peristiwa A. Namun akan terjadi saling eksklusif bila yang diharapkan kartu jack dan queen secara bersamaan dalam satu kartu. ( ) Teorema 2. dalam satu kartu jack tersebut akan terjadi tidak saling eksklusif bila yang diharapkan adalah jack hati. b. Kejadian yang tidak saling eksklusif Suatu kejadian dikatakan tidak saling eksklusif bila dalam satu kali percobaan. maka ( ). Misalnya dalam pengambilan satu kartu jack pada tumpukan kartu. ( ) Teorema 3. jika A. Teorema 5.8 Berikut ini beberapa aturan penghitungan yang memberikan sifat-sifat penting lainnya terhadap fungsi himpunan peluang. Teorema 1. Misalnya. maka Teorema 6. Kejadian demikian juga disebut kejadian marjinal atau tanpa syarat. untuk setiap peristiwa A.

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

peluang dari B. 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.26 = P(A). adalah ( | ) Perlu diperhatikan bahwa P(B/A) adalah tidak sama dengan P(A/B).115 = ( ). dalam contoh ini diberikan B (seorang wanita). dan peluang terpilihnya seorang wanita sarjana adalah 0. Peluang bahwa sebuah peristiwa A terjadi sekaligus peristiwa B telah terjadi. seorang wanita. berapakah peluangnya bahwa yang terpilih itu adalah seorang wanita atau ( | ) ? Pada dewasa ini telah diketahui bahwa peluang terpilihnya seorang sarjana adalah 0.5. misalkan ruang sampel suatu eksperimen adalah orang-orang dewasa Indonesia dan B adalah “wanita” dan A adalah “sarjana”. Bila N(A) menunjukkan banyaknya unsur-unsur dalam peristiwa A. peluang dari A(seorang sarjana) adalah : ( | ) ( ( ) ) . P(B) = 0. dan N(S) merupakan banyaknya titik sampel dalam ruang sampel S. maka nilai ( ( | ) ( ) ( ) ( ) ) ( ( ) ) ( ( ) ) Pengertian peluang bersyarat itu dapat juga dijelaskan sebagai berikut : Misalkan B adalah sebuah peristiwa sebarang dalam ruang sampel S dengan ketentuan ( ) . bahwasanya seorang sarjana dipilih. Bila seorang sarjana dipilih secara acak. peluang bersyarat dari peristiwa A bila ditentukan peristiwa B. atau dengan kata lain.10 Notasi ( | ) disebut peluang bersyarat dari peristiwa A bila ditentukan bahwa peristiwa B telah terjadi. Dengan diketahuinya A.

tanpa pengembalian. dari dalam sebuah kotak yang berisi bola merah sebanyak m dan bola biru sebanyak b ( ). memilih empat bola. Sifat-sifat peluang bersyarat ini untuk peristiwa-peristiwa yang bebas menguatkan interpretasi dari konsep kebebasan. konversinya jika P(B|A) = P(B). Misalkan empat bola dipilih satu per satu. maka P(B|A) = P(B). Demikian pula halnya. Aturan penggandaan untuk peluang bersyarat Dalam sebuah eksperimen yang melibatkan dua peristiwa A dan B yang tidak saling bebas. .11 7. biru. adalah dengan cara mengaplikasikan satu dari dua persamaan berikut : ( ( ) ) ( ) Atau ( ) ( | ) ( | ) Contoh. dari sini. maka alat baik yang sering digunakan untuk menghitung peluang P(AB) bahwa kedua peristiwa itu akan terjadi. maka P(AB) = P(A).1.2. biru. sesuai dengan definisi peluang bersyarat maka ( | ) ( ) ( ) ( ) ( ) Dalam kata lain. jika peristiwa-peristiwa A dan B adalah bebas. merah. Konversi dari pernyataan ini adalah juga benar. maka peristiwa-peristiwa A dan B adalah bebas. Kita akan menentukan peluang untuk mendapatkan hasil urutan yang mungkin terjadi adalah merah. 7. 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.P(B). jika P(B)>0. Jika P(A|B) = P(A). jika A dan B merupakan dua peristiwa yang saling bebas dan jika P(A) > 0. Peluang bersyarat untuk peristiwa bebas Jika dua peristiwa A dan B saling bebas. maka peristiwa-peristiwa A dan B harus bebas.

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

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

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

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

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

Persentase barang yang cacat (rusak) yang dihasilkan (output) tiga mesin tadi berturut-turut adalah 3%. 2. B dan C yang berturut-turut sebanyak 50%. A2. k. k” ( | ) ( ) ( | ) ∑ ( ) ( | ) Contoh. 4% dan 5%. Jika sebuah barang terpilih itu adalah rusak berasal dari mesin A. Misalkan X adalah peristiwa bahwa sebuah barang rusak. Kemudian surat-surat tadi dimasukkan ke dalam amplop-amplop secara acak. Peluang bahwa barang itu rusak dihasilkan oleh mesin A adalah ( | ). 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. suatu pabrik memproduksi semacam barang tertentu. Menurut teorema Bayes .2.17 10. (⋃ ) ∑ ( ) ∑ ( ) ∑ ( ) ∑ ( ) ( ) ( ) 10.3. …. Ak membentuk sebuah partisi dari ruang sampel S sehingga P(Aj) > 0 untuk j = 1. Barang itu dihasilkan oleh tiga mesin A. An. Gabungan peristiwa sebanyak hingga Untuk n peristiwa sebarang A1. TEOREMA BAYES “Misalkan peristiwa-peristiwa A1.2. dan misalkan B adalah sebarang peristiwa demikian sehingga P(B) > 0. A2. 11. …. Maka untuk i = 1. …. …. Diminta menentukan peluang pn bahwa paling sedikit terdapat selembar surat yang dimasukkan ke dalam amplop itu cocok atau sesuai dengan alamatnya. Masalah pencocokan Misalkan seseorang mengetik n macam surat berlainan dan mengetik alamat surat-surat itu pada amplop sebanyak n pula. 30% dan 0% dari seluruh barang yang diproduksi pabrik tadi.

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

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

Sign up to vote on this title
UsefulNot useful