P. 1
Peluang.ppt

Peluang.ppt

|Views: 130|Likes:
Dipublikasikan oleh Umi Mahdiyah

More info:

Published by: Umi Mahdiyah on Apr 13, 2013
Hak Cipta:Attribution Non-commercial

Availability:

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

11/10/2013

pdf

text

original

I.

Peluang (Probability)
1.1 Pendahuluan
Model Deterministik


Model Probabilitas
1.2. Notasi dan Terminologi
• Eksperimen : Proses utk mendapatkan
suatu hasil pengamatan dari bbrp
phenomena

• Trial : a performance of an eksperiment

• Hasil (outcome) : hasil pengamatan dari
trial


3
PENGERTIAN PROBABILITAS
Percobaan/
Kegiatan

Pertandingan sepak bola Persita VS PSIS di
Stadion Tangerang, tgl 3 Pebruari 2013

Hasil

Persita menang
Persita kalah
Seri -- Persita tidak kalah dan tidak
menang

Peristiwa

Persita Menang

Contoh:
Konsep Dasar Probabilitas
Definisi 1.1:Ruang sampel

Himpunan dari semua hasil (outcome) yang mungkin dari
suatu eksperimen disebut Ruang Sampel.

Notasi : S atau

Ruang sampel dibagi dua :
1.Ruang sampel diskrit : berhingga/ tak berhingga
terbilang .
2. Ruang sampel kontinu:berhingga/ tak berhingga
tak terbilang.


O
Definisi 1.3: Event (kejadian)
• Suatu event / kejadian adalah suatu
himpunan bagian dari dari ruang sampel S
• Jika A adalah suatu kejadian, maka A
terjadi jika memuat hasil yang terjadi

Definisi 1.4 :Elementary event
Suatu kejadian dikatakan kejadian dasar
(elementary event) jika memuat secara pasti
satu outcome/hasil dari eksperiment

Contoh :

{ } HH A=
Definisi 1.5: Mutually ekslusif
• Dua kejadian A dan B dikatakan mutually
eksklusif jika
• Secara umum :

Kejadian dikatakan mutually eksklusif
jika setiap pasangan dari kejadian kejadian
tersebut mutually eksklusif yaitu
A
| = ·B A
,... ,
2 1
A A
j i A A
j i
, , ¬ = · |
Definisi aljabar
Suatu kumpulan F himpunan bagian dari
ruang sampel S, disebut -aljabar, jika
memenuhi sifat sifat berikut :
a) F
b) jika F , maka F
c) jika F maka F
o
o
e |
,... ,
2 1
A A
e
e
·
=
i
i
A

1
e A
e
C
A
Contoh σ-field
• Pelemparan 1 mata uang
• S= { M, B} M: Muka , B: Belakang
• σ-Field yangdapat dibentuk dari S
adalah
F ={ S, , {M}, {B}}
Definisi Peluang/ Probabilitas
Suatu ukuran peluang P pada (S,P,F)adalah
Suatu fungsi P : F [0,1]
Yang memenuhi :
1. , , kejadian F
2.
3.Jika adalah kejadian2 anggota dari
F ,dengan maka


0 ) ( = | P
0 ) ( > A P
e A
¬
1 ) ( = S P
,... ,
2 1
A A
j i A A
j i
, , ¬ = · |
¿

·
=
·
=
=
|
|
.
|

\
|
1
1
) (
i
i
i
A P
i
P
A
Pemilihan Random/ Acak
Penerapan utama dari probabilitas klasik adalah
munculnya suatu hubungan dalam pemilihan
secara random suatu objek atau himpunan dari
obyek2 dari kumpulan/ koleksi obyek
Definisi 1.3.2 :
Jika suatu obyek dipilih dari suatu koleksi
obyek dg obyek yang berbeda dalam suatu
cara dimana tiap2 obyek mempunyai peluang yg
sama untuk dipilih, maka dikatakan bahwa
obyek dipilih secara random/acak
Sifat-sifat Peluang (bukti dikelas)
1. Jika A adalah suatu kejadian sebarang dan adalah
komplemennya maka

2.Untuk sebarang kejadian A, maka


3.Untuk sebarang kejadian A dan B, maka



4. Untuk tiga kejadian A, B,dan C, maka


C
A
) ( 1 ) (
C
A P A P ÷ =
1 ) ( s A P
) ( ) ( ) ( ) ( B A P B P A P B A P · ÷ + =
) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( C B A P C B P C A P B A P C P B P A P C B A P · · + · ÷ · ÷ · ÷ + + =
SIFAT-SIFAT PROBABILITAS
5. Jika , maka

6. Jika adalah barisan kejadian-
kejadian, maka

B Ac ) ( ) ( B P A P s
,... ,
2 1
A A
¿
·
=
·
=
s
|
|
.
|

\
|

1
1
) (
i
i i
i
A P A P
Ketidaksamaan Bonferroni
Jika adalah kejadian2, maka



Bukti : Gunakan sifat 1 dan 6 dari Sifat2
Probabilitas
k
A A A ,... ,
2 1
) ( 1
1
1
¿
=
=
÷ >
|
|
.
|

\
|
·
k
i
c
i i
k
i
A P A P
Ketidaksamaan Boole
Jika ,
adalah suatu barisan
ke-jadian kejadian,
maka

,.... ,
2 1
A A
¿
·
=
·
=
s
|
|
.
|

\
|

1
1
) (
i
i i
i
A P A P
Peluang Bersyarat (Conditional
Probability)
Definisi 1.5.1 :
Peluang bersyarat dari kejadian A, jika
diberikan kejadian B, didifinisikan :


Jika

( )
( )
) (B P
B A P
B A P
·
=
0 ) ( = B P
Theorema 1.5.1
Untuk sebarang kejadian A dan B,


BUKTI :

) ( ) ( ) ( ) ( ) ( A B P A P B A P B P B A P = = ·
( )
) (
) (
B P
B A P
B A P
·
=
) ( ) ( ) ( B A P B P B A P · = ·
LAWS OF TOTAL
PROBABILITY
Jika adalah suatu kumpulan
dari kejadian yang mutually exclusive
dan merupakan partisi dari S, maka untuk
sebarang kejadian A
k
B B B ,
, 2 , 1 · · ·
) ( ) ( ) (
1
i
k
i
i
B A P B P A P
¿
=
=
Diagram pohonLaw Of Total Probability
• Barang dibuat di Pabrik A dan B,
Aturan Bayes (Bayes ‘ Rule)
Jika adalah kumpulan kejadian
yang mutually eksklusif dan merupakan
partisi dari S maka untuk tiap
k
B B B ,
, 2 , 1 · · ·
k j ,..., 2 , 1 =
( )
( ) ( )
( ) ( )
i
k
i
i
j j
j
B A P B P
B A P B P
A B P
¿
=
=
1
Kejadian Independen( kejadian
saling bebas)
Definisi 1.5.1:
Dua kejadian A dan B dikatakan kejadian
independen jika


Kebalikan dari kejadian independen
adalah kejadian dependen
) ( ) ( ) ( A P B P B A P · = ·
Teorema 1.5.1 :Pengembangan Kej. Bebas.
Jika A dan B kejadian-kejadian sedemi-
kian hingga dan maka A
dan B adalah kejadian independen jika
dan hanya jika

dan
0 ) ( > A P
0 ) ( > B P
( ) ) (A P B A P =
( ) ) (B P A B P =

BEBERAPA PRINSIP MENGHITUNG
Konsep Dasar Probabilitas
n1.n2
Permutasi nPr = n!/ (n-r)!
Kombinasi nCr = n!/r! (n-r)!
• Kaidah Penggandaan. Bila suatu operasi dapat
dilakukan dalan n1 caradan bila setiap cara tsb operasi
kedua dapat dilakukan dalam n2 cara, maka kedua oprasi
ini secara bersama dapat dilakukan
• Permutasi (sejumlah kemungkinan susunan jika
terdapat satu kelompok objek/ urutan
diperhatikan).
• Kombinasi (berapa cara sesuatu diambil dari
keseluruhan objek tanpa memperhatikan urutannya.

You're Reading a Free Preview

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