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

Sebagai contoh.3 2. eksperimen pengetosan uang logam akan terdapat salah satu dari dua peristiwa yang bakal terjadi. 5. 3. Besarnya peluang akan muncul muka dadu bernomor genap adalah sebesar . Contoh : Dari dalam sebuah kantong yang berisi 10 butir kelereng merah dan 20 butir kelereng putih. karena terdapat tiga yang mungkin muncul genap dari seluruh peristiwa yang ada. masing-masing adalah muka 1. dan 6. Demikian pula pengetosan sebuah dadu yang berbentuk kubus akan terdapat enam kesempatan sama untuk muncul. . diambil sebutir secara acak . 2.2. 4. 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). masing-masing mempunyai kesempatan sama untuk muncul. ialah muka angka atau gambar. 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). 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 . Interpretasi klasik dari peluang itu disebut juga pendekatan a priori. Pendekatan demikian itu akan lebih jelas apabila kita menghadapi conoth persoalan berikut.

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

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

Dalam hal ini.1. A3. KONSEP PENTING DALAM PROBABILITAS 4. Contoh. Sering pula secara matematik untuk barisan peristiwa disjoint yang infinit banyaknya ialah A1. 2.000 mata uang logam?) atau untuk menguji dalil bahwa mata uang logam tersebut wajar (misalnya. A2. 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. … didefinisikan sebagai peristiwa A1.6 adalah rincian (spesifikasi) bilangan-bilangan P(A) yang memenuhi aksioma 1. dan 3. Ruang Sampel Himpunan semua hasil yang mungkin diperoleh dari suatu eksperimen disebut populasi atau ruang sampel.pelemparan sepasang mata dadu. pelemparan sekeping mata uang logam. berapa banyak gambar yang mungkin akan diperoleh dalam satu kali pelemparan. Di dalam statistic. Tujuan dari eksperimen-eksperimen semacam itu barangkali adalah untuk menetapkan sebuah dalil (misalnya. 3. dan pengambilan sebuah kartu dari tumpukan kartu merupakan contohcontoh eksperimen. atau salah satu dari angka-angka 1. atau 6 jika mata dadu dilemparkan. Konsep ruang sampel pertama kali . misalnya.j merupakan anggota himpunan bilangan bulat 4. Perhatikanlah bahwa hasil-hasil tersebut belum diketahui sebelum eksperimen dilakukan. bahwa mata uang logam atau mata dadu itu wajar. Hasil dari eksperimen semacam itu dapat berupa gambar atau angka jika mata uang logam dilemparkan. 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). A3. … dan untuk positif. Eksperimen Konsep penting yang pertama adalah eksperimen statistic atau acak. ada asumsi yang tersirat bahwa dalam melakukan semua eksperimen tersebut telah dipenuhi beberapa syarat. A2. 2. 1. 5.2. katakanlah. dan i. 4.

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

jika peristiwa-peristiwa A dan B sedemikian hingga ( ) ( ) . ( ) Teorema 2. maka 6.8 Berikut ini beberapa aturan penghitungan yang memberikan sifat-sifat penting lainnya terhadap fungsi himpunan peluang. Teorema 5. jika A dan B merupakan dua peristiwa sebarang. . Misalnya dalam pengambilan satu kartu jack pada tumpukan kartu. maka Teorema 6. ( ) ( ( ) ) ( ) ( ) Teorema 4. B. Kejadian yang tidak saling eksklusif Suatu kejadian dikatakan tidak saling eksklusif bila dalam satu kali percobaan. BERBAGAI HUBUNGAN DALAM PROBABILITAS Peluang terjadinya event sebagai hasil dari satu atau beberapa percobaan mempunyai hubungan sebagai berikut : a. Kejadian yang saling eksklusif Suatu event dikatakan mempunyai hubungan saling eksklusif bila peluang terjadinya suatu event hanya satu dari semua event yang dapat dihasilkan. Namun akan terjadi saling eksklusif bila yang diharapkan kartu jack dan queen secara bersamaan dalam satu kartu. untuk setiap peristiwa A. ( ) ( ( ) ( ) ( ) ( ) ) ( ) ( ) . pada suatu kelahiran hanya dilahirkan bayi laki-laki atau perempuan dan bila kelahiran bayi laki-laki telah terjadi maka tidak mungkin dilahirkan bayi wanita. untuk setiap peristiwa A. Teorema 1. jika A. terdapat adanya dua atau lebih kejadian bersamaan. ( ) Teorema 3. Kejadian demikian juga disebut kejadian marjinal atau tanpa syarat. maka ( ). b. dalam satu kartu jack tersebut akan terjadi tidak saling eksklusif bila yang diharapkan adalah jack hati. Misalnya. dan C adalah tiga peristiwa sebarang.

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

dan N(S) merupakan banyaknya titik sampel dalam ruang sampel S. dalam contoh ini diberikan B (seorang wanita). P(B) = 0. atau dengan kata lain. Peluang bahwa sebuah peristiwa A terjadi sekaligus peristiwa B telah terjadi. ditulis P(A/B) adalah : ( ) ( ( ) ) Definisi 1.5. Bila N(A) menunjukkan banyaknya unsur-unsur dalam peristiwa A. Dengan diketahuinya A. bahwasanya seorang sarjana dipilih. misalkan ruang sampel suatu eksperimen adalah orang-orang dewasa Indonesia dan B adalah “wanita” dan A adalah “sarjana”. berapakah peluangnya bahwa yang terpilih itu adalah seorang wanita atau ( | ) ? Pada dewasa ini telah diketahui bahwa peluang terpilihnya seorang sarjana adalah 0. seorang wanita.10 Notasi ( | ) disebut peluang bersyarat dari peristiwa A bila ditentukan bahwa peristiwa B telah terjadi.115 = ( ). dan peluang terpilihnya seorang wanita sarjana adalah 0. 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. 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 B. adalah ( | ) Perlu diperhatikan bahwa P(B/A) adalah tidak sama dengan P(A/B).26 = P(A). peluang dari A(seorang sarjana) adalah : ( | ) ( ( ) ) . Bila seorang sarjana dipilih secara acak.

merah. konversinya jika P(B|A) = P(B). Jika P(A|B) = P(A). tanpa pengembalian. jika P(B)>0.P(B). Misalkan empat bola dipilih satu per satu. maka peristiwa-peristiwa A dan B adalah bebas. Kita akan menentukan peluang untuk mendapatkan hasil urutan yang mungkin terjadi adalah merah. maka alat baik yang sering digunakan untuk menghitung peluang P(AB) bahwa kedua peristiwa itu akan terjadi. Demikian pula halnya. 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(AB) = P(A). dari sini. sesuai dengan definisi peluang bersyarat maka ( | ) ( ) ( ) ( ) ( ) Dalam kata lain. Sifat-sifat peluang bersyarat ini untuk peristiwa-peristiwa yang bebas menguatkan interpretasi dari konsep kebebasan. Peluang bersyarat untuk peristiwa bebas Jika dua peristiwa A dan B saling bebas.1. Konversi dari pernyataan ini adalah juga benar. maka P(B|A) = P(B). 7. memilih empat bola.11 7.2. biru. jika A dan B merupakan dua peristiwa yang saling bebas dan jika P(A) > 0. Aturan penggandaan untuk peluang bersyarat Dalam sebuah eksperimen yang melibatkan dua peristiwa A dan B yang tidak saling bebas. jika peristiwa-peristiwa A dan B adalah bebas. biru. dari dalam sebuah kotak yang berisi bola merah sebanyak m dan bola biru sebanyak b ( ). maka peristiwa-peristiwa A dan B harus bebas. . adalah dengan cara mengaplikasikan satu dari dua persamaan berikut : ( ( ) ) ( ) Atau ( ) ( | ) ( | ) Contoh.

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

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

n2.P(B). 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. Di bawah kondisi seperti itu layaklah apabila kita mengasumsikan bahwasanya P(AB) = P(A). 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. Secara umum aturan pergandaan itu dinyatakan sebagai berikut : “Jika suatu prosedur dapat dibentuk dalam n1 cara yang berlainan. dan jika prosedur berikutnya sebagai prosedur ketiga dapat dibentuk dalam n3 cara yang berlainan. maka komposisi perjalanan dari kota A ke kota D menjadi 2 x 3 x 5 = 30 lintasan yang berlainan. 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. Sebagai contoh. misalkan secara bersamaan sekeping uang logam dittos dan sebutir dadu sisi enam digulingkan. ialah peluang munculnya muka angka pada uang adalah ½. Dengan kata-kata dan asumsi itu menyebutkan bahwa peluang kedua peristiwa A dan B terjadi adalah sama dengan perkalian (produk) masing-masing peluang. maka peluang terjadinya peristiwa A. DUA KEJADIAN BEBAS Dua peristiwa A dan B terjadi secara bebas (independen) satu sama lain.” 9. dan seterusnya. 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 terjadinya peristiwa B.n3….

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

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

Jika sebuah barang terpilih itu adalah rusak berasal dari mesin A. 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. Persentase barang yang cacat (rusak) yang dihasilkan (output) tiga mesin tadi berturut-turut adalah 3%. A2.17 10. Ak membentuk sebuah partisi dari ruang sampel S sehingga P(Aj) > 0 untuk j = 1. 30% dan 0% dari seluruh barang yang diproduksi pabrik tadi. …. Maka untuk i = 1. suatu pabrik memproduksi semacam barang tertentu. An.2. (⋃ ) ∑ ( ) ∑ ( ) ∑ ( ) ∑ ( ) ( ) ( ) 10. …. 2. …. k. k” ( | ) ( ) ( | ) ∑ ( ) ( | ) Contoh.3. Kemudian surat-surat tadi dimasukkan ke dalam amplop-amplop secara acak.2. TEOREMA BAYES “Misalkan peristiwa-peristiwa A1. …. 4% dan 5%. Masalah pencocokan Misalkan seseorang mengetik n macam surat berlainan dan mengetik alamat surat-surat itu pada amplop sebanyak n pula. Menurut teorema Bayes . A2. Misalkan X adalah peristiwa bahwa sebuah barang rusak. Diminta menentukan peluang pn bahwa paling sedikit terdapat selembar surat yang dimasukkan ke dalam amplop itu cocok atau sesuai dengan alamatnya. dan misalkan B adalah sebarang peristiwa demikian sehingga P(B) > 0. 11. Gabungan peristiwa sebanyak hingga Untuk n peristiwa sebarang A1. B dan C yang berturut-turut sebanyak 50%. Peluang bahwa barang itu rusak dihasilkan oleh mesin A adalah ( | ). Barang itu dihasilkan oleh tiga mesin A.

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

1989.19 DAFTAR PUSTAKA Budiarto. Jakarta : Departemen Pendidikan dan Kebudayaan . Jakarta : Erlangga Salam. Damodar. 2002. Dasar-dasar Ekonometrika Jilid 1 (Edisi 3). Robert D. 2007. Jakarta : Erlangga Mason. Jakarta : EGC Gujarati. Teknik Statistika Untuk Bisnis dan Ekonomi. 2006. Abdus. Biostatistika Untuk Kedokteran dan Kesehatan Masyarakat. Eko. Pengantar Teori Peluang dan Statistika.

Sign up to vote on this title
UsefulNot useful