STATISTIKA MATEMATIKA

Probabilitas, Distribusi, dan Asimtosis dalam Statistika

Penulis: Prof. Drs. Subanar, Ph.D



Edisi Pertama

Cetakan Pertama, 2013
Hak Cipta 2013 pada penulis,
Hak Cipta dilindungi undang-undang. Dilarang memperbanyak atau memindahkan sebagian atau seluruh isi buku
ini dalam bentuk apa pun, secara elektronis maupun mekanis, termasuk memfotokopi, merekam, atau dengan teknik
perekaman lainnya, tanpa izin tertulis dari penerbit.

Ruko Jambusari No. 7A

Yogyakarta 55283
Telp.
: 0274-889836; 0274-889398
Fax.
: 0274-889057
E-mail : info@grahailmu.co.id

Subanar, Prof., Drs., Ph.D

STATISTIKA MATEMATIKA: Probabilitas, Distribusi, dan Asimtotis dalam Statistika
/Prof. Drs. Subanar, Ph.D
- Edisi Pertama Yogyakarta; Graha Ilmu, 2013
viii + 180 hlm, 1 Jil.: 26 cm.
ISBN:

978-979-756-955-6

1. Statistika

2. Matematika

I. Judul

KATA PENGANTAR
KATA PENGANTAR
Penulis memanjatkan rasa syukur kepada Allah SWT atas limpahan rahmat-Nya sehingga
buku Statistika Matematika: Probabilitas, Distribusi, dan Asimtotis dalam Statistika dapat diPenulis
rasa mahasiswa
syukur kepada
Allah
SWT
atas limpahan
rahmat-Nya
sehingga
terbitkan.
Bukumemanjatkan
ini disusun untuk
FMIPA
atau
FPMIPA
dan Pascasarjana
Matematika
buku
Matematika:
Probabilitas,yang
Distribusi,
dan Asimtotis
Statistika
dapat
didalamStatistika
mempelajari
statistika matematika
menekankan
pada teoridalam
probabilitas
sebagai
dasar
terbitkan.
inferensi. Buku ini disusun untuk mahasiswa FMIPA atau FPMIPA dan Pascasarjana Matematika
dalam mempelajari statistika matematika yang menekankan pada teori probabilitas sebagai dasar
Buku ini diharapkan mampu memberikan pemahaman pada mahasiswa bahwa statistika
inferensi.
matematika mempunyai akar yang kuat dalam matematika karena matematika merupakan bahasa
Buku ini diharapkan
mampu
memberikan
pemahaman
padakonsep
mahasiswa
statistika
untuk pemodelan
statistika yang
dirumuskan.
Penjelasan
tentang
dasar bahwa
teori himpunan
matematika
mempunyai dalam
akar yang
matematika
karena
merupakan
bahasa
mengawali pembahasan
bukukuat
ini, dalam
dan diakhiri
dengan
teori matematika
asimtotis dalam
statistika.
untuk pemodelan statistika yang dirumuskan. Penjelasan tentang konsep dasar teori himpunan
Introduction to Mathematical Statistics karangan Hogg, Mc. Kean dan Craig dan An Inmengawali pembahasan dalam buku ini, dan diakhiri dengan teori asimtotis dalam statistika.
troduction to Probability Theory and Mathematical Statistics dari V.R. Rohatgi, ditambah delapan
Introduction
to Mathematical
Statistics
karangan
Hogg,bahan
Mc. Kean
Craig dan An
Inbelas referensi
yang tertulis
dalam daftar
pustaka
merupakan
utamadan
penyusunan.
Semua
troduction
to Probability
Theorypengalaman
and Mathematical
dari
V.R.kuliah
Rohatgi,
ditambah
delapan
referensi diramu
sesuai dengan
penulis Statistics
mengampu
mata
Statistika
Matematika
belas
referensi
yangS1
tertulis
daftarUGM
pustaka
bahan
utamateorema-teorema
penyusunan. Semua
baik pada
program
dan S2dalam
di FMIPA
sejakmerupakan
tahun 1990.
Meskipun
yang
referensi
diramubuku
sesuai
mengampu mata
kuliah
Statistika
Matematika
tertulis dalam
inidengan
sudah pengalaman
familiar bagipenulis
para statistikawan,
tetapi
dalam
beberapa
hal yang
baik
pada
program
S1
dan
S2
di
FMIPA
UGM
sejak
tahun
1990.
Meskipun
teorema-teorema
yang
sangat spesifik sumber acuan tetap ditulis untuk memudahkan pencarian acuan utama.
tertulis dalam buku ini sudah familiar bagi para statistikawan, tetapi dalam beberapa hal yang
Dengan terbitnya buku ini, tak lupa penulis mengucapkan terima kasih kepada Jurusan
sangat spesifik sumber acuan tetap ditulis untuk memudahkan pencarian acuan utama.
Matematika FMIPA UGM dan MGB (Majelis Guru Besar) UGM atas kerjasamanya. Ucapan
Dengan
terbitnya
bukujuga
ini, tak
lupaketua
penulis
terima
kasih
kepada buku
Jurusan
terima kasih
penulis
haturkan
kepada
danmengucapkan
sekretaris MGB
UGM
sehingga
ini
Matematika
FMIPA dari
UGM
dan UGM.
MGB (Majelis Guru Besar) UGM atas kerjasamanya. Ucapan
mendapat
dukungan
MGB
terima kasih penulis haturkan juga kepada ketua dan sekretaris MGB UGM sehingga buku ini
Akhirnya, penulis berharap semoga buku ini dapat memberikan kontribusi yang berarti,
mendapat dukungan dari MGB UGM.
terutama dalam mempelajari statistika matematika. Oleh karena itu, saran dan kritik demi perAkhirnya,
penulis
berharap semoga buku ini dapat memberikan kontribusi yang berarti,
baikan buku
ini sangat
diharapkan.
terutama dalam mempelajari statistika matematika. Oleh karena itu, saran dan kritik demi perbaikan buku ini sangat diharapkan.
Yogyakarta,

September 2012

Yogyakarta,
2012
Prof. Subanar, September
Ph.D.

troduction to Probability Theory and Mathematical Statistics dari V.R.

Rohatgi,
troduction
to ditambah
Probabilitydelapan
Theory and Mathem
belas referensi yang tertulis dalam daftar pustaka merupakan bahan
utama
penyusunan.
Semua
belas
referensi
yang tertulis
dalam daftar p

referensi diramu sesuai dengan pengalaman penulis mengampu mata

kuliah diramu
Statistika
Matematika
referensi
sesuai
dengan pengalaman
baik pada program S1 dan S2 di FMIPA UGM sejak tahun 1990. Meskipun
teorema-teorema
baik pada program S1 dan yang
S2 di FMIPA UG

tertulis dalam buku ini sudah familiar bagi para statistikawan, tetapi
dalam
beberapa
yang familiar bag
tertulis
dalam
buku inihalsudah
sangat spesifik sumber acuan tetap ditulis untuk memudahkan pencarian
acuan utama.
sangat spesifik
sumber acuan tetap ditulis u

Dengan terbitnya buku ini, tak lupa penulis mengucapkan terimaDengan

kasih kepada
Jurusan
terbitnya
buku ini, tak lup
Matematika FMIPA UGM dan MGB (Majelis Guru Besar) UGM
atas kerjasamanya.
Ucapan
Matematika
FMIPA UGM
dan MGB (Ma
vi

2
STATISTIKA
MATEMATIKA:
Probabilitas,
Distribusi,
dan
Asimtotis
dalam
Statistika
terima kasih penulis haturkan juga kepada ketua dan sekretaris terima
MGB UGM
sehingga
buku
ini juga kepada
kasih penulis haturkan
mendapat dukungan dari MGB UGM.
mendapat dukungan dari MGB UGM.

muka dan
B belakang,
maka
Akhirnya,
penulis
berharap semoga buku ini dapat memberikan kontribusi
berarti,
Akhirnya, yang
penulis
berharap semoga
terutama dalam mempelajari statistika
Oleh),karena
itu, saran dalam
dan kritik
demi per-statistika mat
= {(Mmatematika.
M ), (M B), (BM
(BB)}terutama
mempelajari

baikan buku ini sangat diharapkan.

baikan buku ini sangat diharapkan.

Contoh 1.2.2
Bila eksperimen adalah pencatatan nilai mata kuliah Statistik Dasar pada suatu kelas, maka
Yogyakarta,

September 2012

= [0, 100]

Prof.
Subanar,
Contoh
1.2.3 Ph.D.
Dalam eksperimen pelemparan sebuah dadu seimbang

Yogyakarta,

September 2012

Prof. Subanar, Ph.D.

= {1, 2, 3, 4, 5, 6}
v
Contoh 1.2.4
Untuk eksperimen dengan pelemparan sebuah mata uang sampai mendapat M atau muka,
= {1, 2, 3, 4, ...}
Ruang sampel kita klasifikasikan menjadi dua jenis berdasarkan jumlah elemen yang dimilikinya.
Bila terdapat korespondensi 1-1 antara dan himpunan bagian dari N = {1, 2, 3, ...}, maka ruang
sampelnya disebut terhitung atau countable. Dengan sendirinya ruang sampel yang terdiri dari
sejumlah berhingga elemen termasuk himpunan terhitung. Bila takhingga dan tidak berkorespodensi 1-1 dengan N , maka disebut tak terhitung atau uncountable. Ruang sampel pada
contoh 1.2.1 dan 1.2.3 disebut terhitung karena berhingga. Ruang sampel pada contoh 1.2.4 juga
disebut terhitung karena = N . Karena dalam contoh 1.2.2 tidak berkorespondensi 1-1 dengan
N , maka disebut tak terhitung.
Begitu ruang sampel terdefinisikan, kita bisa memperlihatkan himpunan bagian yang lebih
kecil dari .
Definisi 1.2.2. Suatu kejadian adalah himpunan bagian dari termasuk dan sendiri.
Definisi 1.2.3. disebut kejadian mustahil atau impossible event sedangkan disebut kejadian
pasti atau sure event.
Contoh 1.2.5
Dalam contoh 1.2.1 bila A menyatakan kejadian lemparan yang menghasilkan hasil yang sama,
maka A = {(M M ), (BB)}.
Contoh 1.2.6
Untuk contoh 1.2.3 bila B adalah kejadian muka yang tampak bilangan genap, maka
B = {2, 4, 6}
Hubungan antara ruang sampel dan kejadian bisa ditunjukkan dalam bentuk diagram Venn seperti
terlihat pada gambar 1.2.1.

DAFTAR
DAFTAR
ISI ISI
DAFTAR
DAFTAR
ISI ISI
KATA PENGANTAR
KATA PENGANTAR
DAFTAR ISI
DAFTAR ISI
BAB I KONSEP
BAB I DASAR
KONSEPTEORI
DASAR
HIMPUNAN
TEORI HIMPUNAN
1.1 Pendahuluan
1.1 Pendahuluan
KATA PENGANTAR
1.2KATA
RuangPENGANTAR
1.2
Sampel
Ruang
danSampel
Kejadian
dan Kejadian
DAFTAR
ISI
DAFTAR
ISI
1.3 Operasi1.3
Kejadian
Operasi Kejadian
BAB I KONSEP
I DASAR
KONSEP
TEORI
DASAR
HIMPUNAN
TEORI HIMPUNAN
1.4BAB
Fields
dan
1.4 Fields
fields
dan fields
1.1 Limit
Pendahuluan
1.1 Limit
Pendahuluan
1.5
Himpunan
1.5
Himpunan
1.2
Ruang
1.2
Sampel
Ruang
danSampel
Kejadian
dan Kejadian
1.6 Latihan1.6 Latihan
1.3BAB
Operasi
1.3
Kejadian
Operasi Kejadian
BAB II PROBABILITAS
II PROBABILITAS
1.4
Fields
dan
1.4
Fields
fields
dan fields
2.1 Pendahuluan
2.1 Pendahuluan
1.5
Limit
Himpunan
1.5
Limit
Himpunan
2.2 Probabilitas
2.2 Probabilitas
Klasik danKlasik
Frekuensi
dan Relatif
Frekuensi Relatif
1.6
Latihan
1.6
Latihan
2.3 Probabilitas
2.3 Probabilitas
AksiomatikAksiomatik
BAB II PROBABILITAS
II PROBABILITAS
2.4BAB
Probabilitas
2.4 Probabilitas
Bersyarat Bersyarat

BAB

BAB

BAB

BAB

2.1
2.1
Pendahuluan
2.5 Pendahuluan
Kejadian
2.5Bebas
Kejadian
atauBebas
Independen
atau Independen
2.2
Probabilitas
2.2
Probabilitas
KlasikBayes
danKlasik
Frekuensi
dan Relatif
Frekuensi Relatif
2.6 Rumus2.6
Bayes
Rumus
2.3
Probabilitas
2.3
Probabilitas
Aksiomatik
Aksiomatik
2.7 Latihan2.7 Latihan
2.4
Probabilitas
Probabilitas
Bersyarat
Bersyarat
III VARIABEL
BAB
III2.4
VARIABEL
RANDOM
RANDOM
DAN
DISTRIBUSINYA
DAN DISTRIBUSINYA
2.5
Kejadian
2.5
Bebas
Kejadian
atau
Bebas
Independen
3.1 Pendahuluan
3.1 Pendahuluan atau Independen
2.6
2.6
Bayes
Rumus
3.2 Rumus
Variabel
3.2
Random
VariabelBayes
Random
2.7
Latihan
2.7
Latihan
3.3 Variabel
3.3Random
VariabelDiskret
Random Diskret
III3.4
VARIABEL
BAB
III3.4
VARIABEL
RANDOM
RANDOM
DAN DISTRIBUSINYA
DAN DISTRIBUSINYA
Variabel
Random
VariabelKontinu
Random
Kontinu
3.1
3.1
3.5 Pendahuluan
Harga Harapan
3.5 Pendahuluan
Harga Harapan
3.2
Variabel
3.2
Variabel
Random
3.6 Harga Harapan
3.6Random
HargaKhusus
Harapan
Khusus
3.3
Variabel
3.3
Random
Variabel
Diskret
Random
Diskret
3.7 Beberapa
3.7 Ketaksamaan
Beberapa Ketaksamaan
dalam
Statistika
dalam Statistika
3.4
Variabel
Random Kontinu
3.8 Variabel
Latihan3.4
3.8Random
LatihanKontinu
Harga
3.5
Harga
Harapan
IV 3.5
DISTRIBUSI
BAB
IVHarapan
DISTRIBUSI
MULTIVARIAT
MULTIVARIAT
3.6
Harga
Harapan
3.6
Harga
Khusus
Harapan
4.1 Pendahuluan
4.1 Pendahuluan Khusus
3.7
Beberapa
3.7 Ketaksamaan
Beberapa
Ketaksamaan
Statistika
dalam
Statistika
4.2 Distribusi
4.2
Dua
Distribusi
Variabel
Duadalam
Random
Variabel
Random
3.8
Latihan
3.8
Latihan
4.3 Harga Harapan
4.3 Harga Harapan
BAB
IV
DISTRIBUSI
IV 4.4
DISTRIBUSI
MULTIVARIAT
Transformasi
4.4
Transformasi
VariabelMULTIVARIAT
Random
VariabelBivariat
Random Bivariat
4.1
Pendahuluan
4.1
Pendahuluan
4.5 Distribusi
4.5 dan
Distribusi
Harga dan
Harapan
HargaBersyarat
Harapan Bersyarat
4.2Random
Distribusi
DuaRandom
Variabel
Random
4.2 Variabel
Distribusi
Dua
Variabel
4.6
4.6
Variabel
Independen
Random
Independen
4.3
Harga
Harapan
4.3
Harga
Harapan
4.7 Vektor 4.7
Random
Vektoruntuk
Random
n untuk
3
n3
4.4 Transformasi
Transformasi
VariabelRandom
Random Bivariat
4.4 Transformasi
Transformasi
VariabelRandom
Random
Bivariat
4.8
4.8
Vektor
Vektor
4.5 dan
Distribusi
HargaBersyarat
Harapan Bersyarat
4.5 Latihan
Distribusi
Harga dan
Harapan
4.9
4.9
Latihan

v
vii
1
1
v
1
vii
3
19
131
1
18
193
199
13
19
18
21
19
29
19
32
19
34
21
38
29
41
32
41
34
41
38
46
41
50
41
61
41
65
46
71
50
73
61
77
65
77
71
77
73
86
77
91
77
99
77
106
86
111
91
116
99
120

v
vii
1
1
v
1
vii
3
19
131
1
18
193
199
13
19
18
21
19
29
19
32
19
34
21
38
29
41
32
41
34
41
38
46
41
50
41
61
41
65
46
71
50
73
61
77
65
77
71
77
73
86
77
91
77
99
77
106
86
111
91
116
99
120

2.4 Probabilitas
2.4 Probabilitas
Bersyarat Bersyarat
29
29
2.5 Kejadian2.5
Bebas
Kejadian
atau Bebas
Independen
atau Independen
32
32
2.6 Rumus Bayes
2.6 Rumus Bayes
34
34
2.7 Latihan 2.7 Latihan
38
38
BAB III VARIABEL
BAB III VARIABEL
RANDOM DAN
RANDOM
DISTRIBUSINYA
DAN DISTRIBUSINYA
41
41
3.1 Pendahuluan
3.1 Pendahuluan
41
41
3.2 Variabel3.2
Random
Variabel Random
41
41
3.3 Variabel3.3
Random
Variabel
Diskret
Random Diskret
46
46
3.4 Variabel3.4
Random
Variabel
Kontinu
Random Kontinu
50
50
3.5 Harga Harapan
3.5 Harga Harapan
61
61
viii
2
STATISTIKA
MATEMATIKA:
Probabilitas, Distribusi, dan Asimtotis dalam
3.6
Harga Harapan
3.6 Harga
Khusus
Harapan Khusus
65 Statistika
65
3.7 Beberapa
3.7Ketaksamaan
Beberapa Ketaksamaan
dalam Statistika
dalam Statistika
71
71
3.8 Latihan 3.8 Latihan
73
73
mukaIV
dan
BBAB
belakang,
maka
BAB
DISTRIBUSI
MULTIVARIAT
77
77
IV DISTRIBUSI
MULTIVARIAT
4.1 Pendahuluan
4.1 Pendahuluan
77
77
= {(M M ), (M B), (BM ), (BB)}
4.2 Distribusi
4.2Dua
Distribusi
Variabel
Dua
Random
Variabel Random
77
77
4.3 Harga Harapan
4.3 Harga Harapan
86
86
Contoh4.4
1.2.2
Transformasi
4.4 Transformasi
Variabel Random
Variabel
Bivariat
Random Bivariat
91
91
Bila eksperimen
adalah
pencatatan
nilai
mata
kuliah Statistik
4.5 Distribusi
4.5dan
Distribusi
Harga Harapan
dan
Harga
Bersyarat
Harapan
BersyaratDasar pada suatu kelas,
99 maka 99
4.6 Variabel4.6
Random
Variabel
Independen
Random Independen
106
106
= [0, 100]
4.7 Vektor Random
4.7 Vektor
untuk
Random
n 3untuk n 3
111
111
4.8 Transformasi
4.8 Transformasi
Vektor Random
Vektor Random
116
116
Contoh 1.2.3
4.9 Latihan 4.9 Latihan
120
120
Dalam eksperimen pelemparan sebuah dadu seimbang
BAB V DISTRIBUSI
BAB V DISTRIBUSI
KHUSUS KHUSUS
123
123
5.1 Pendahuluan = {1, 2, 3, 4, 5, 6}
123
5.1 Pendahuluan
123
5.2Distribusi
BeberapaDiskret
Distribusi Diskret
123
5.2 Beberapa
123
5.3
Beberapa
Distribusi
Kontinu
134
5.3
Beberapa
Distribusi
Kontinu
134
Contoh 1.2.4
vii
vii
5.4 Latihan
5.4 Latihandengan
145muka, 145
Untuk eksperimen
pelemparan sebuah mata uang sampai mendapat M atau
BAB VI ASIMTOTIS
DALAM STATISTIKA
147
BAB VI ASIMTOTIS
DALAM STATISTIKA
147
= {1, 2, 3, 4, ...}
6.1 Pendahuluan
147
6.1 Pendahuluan
147
6.2klasifikasikan
Macam-macam
Konvergensi
147
6.2sampel
Macam-macam
Konvergensi
147 dimilikinya.
Ruang
kita
menjadi
dua jenis berdasarkan jumlah elemen yang
6.3
Hubungan
Bilangan
Besar
Lemah
dan
Kuat
160
6.3
Hubungan
Bilangan
Besar
Lemah
dan
Kuat
160
Hukum
Bilangan
Besar
Lemah
dan
Kuat
Bila terdapat korespondensi 1-1 antara dan himpunan bagian dari N = {1, 2, 3, ...}, maka ruang
6.4 Limit
Fungsi
Pembangkit
Momen
6.4 disebut
Limit Fungsi
Pembangkit
Momen Dengan
164 terdiri 164
sampelnya
terhitung
atau countable.
sendirinya ruang sampel yang
dari
6.5
Teorema
Limit
Pusat
dan
Terapannya
167
6.5
Teorema
Limit
Pusat
dan
Terapannya
167
sejumlah berhingga elemen termasuk himpunan terhitung. Bila takhingga dan tidak berko6.6 Latihan
173
6.6 1-1
Latihan
173 sampel pada
respodensi
dengan
N , maka disebut tak terhitung atau uncountable. Ruang
DAFTAR
175
DAFTAR
PUSTAKA
175 1.2.4 juga
contoh 1.2.1
dan 1.2.3PUSTAKA
disebut terhitung karena berhingga. Ruang sampel pada contoh
DAFTAR
INDEKS
177
DAFTAR
INDEKS
177
disebut terhitung karena = N . Karena dalam contoh 1.2.2 tidak berkorespondensi 1-1 dengan
TENTANG
PENULIS
179
N , maka disebut tak terhitung.
Begitu ruang sampel terdefinisikan, kita bisa memperlihatkan himpunan bagian yang lebih
kecil dari .
Definisi 1.2.2. Suatu kejadian adalah himpunan bagian dari termasuk dan sendiri.
Definisi 1.2.3. disebut kejadian mustahil atau impossible event sedangkan disebut kejadian
pasti atau sure event.
Contoh 1.2.5
Dalam contoh 1.2.1 bila A menyatakan kejadian lemparan yang menghasilkan hasil yang sama,
maka A = {(M M ), (BB)}.
Contoh 1.2.6
Untuk contoh 1.2.3 bila B adalah kejadian muka yang tampak bilangan genap, maka
B = {2, 4, 6}
Hubungan antara ruang sampel dan kejadian bisa ditunjukkan dalam bentuk diagram Venn seperti
terlihat pada gambar 1.2.1.

BAB 1

KONSEP DASAR TEORI

HIMPUNAN

1.1

PENDAHULUAN

Teori probabilitas adalah dasar Statistika Matematika. Dalam pemodelan fenomena random
seperti pemodelan populasi atau eksperimen alat yang paling berperan adalah probabilitas. Melalui
model-model tersebut, statistikawan bisa melakukan inferensi atau mengambil kesimpulan tentang
populasi berdasarkan informasi sampel yang merupakan bagian dari populasi. Teori probabilitas
mempunyai catatan sejarah yang kaya dan panjang, dimulai sekitar abad ke-17, saat the Chevolier
de Mere, Pascal, dan Fermat membangun formula matematika dalam perjudian.
Dalam buku ini, pembahasan probabilitas tidaklah murni teoritis, tetapi lebih pada ide-ide
dasar teori probabilitas yang merupakan dasar dalam mempelajari statistik.
Sebelum membicarakan ide dasar teori probabilitas pada bab II, kita akan membicarakan teori
himpunan yang merupakan akar probabilitas.

1.2

RUANG SAMPEL DAN KEJADIAN

Tujuan utama statistika adalah mengambil kesimpulan tentang populasi berdasarkan informasi
yang didapat melalui eksperimen. Langkah pertama dalam usaha ini adalah mengidentifikasi semua
hasil (outcome).
Definisi 1.2.1. Himpunan semua hasil atau outcome disebut ruang sampel dari suatu eksperimen.
Himpunan semua hasil biasanya dinotasikan dengan atau dalam terminologi statistik disebut
ruang sampel .
Contoh 1.2.1
Sebuah eksperimen adalah pelemparan sebuah mata uang seimbang dua kali. Bila M menyatakan

STATISTIKA MATEMATIKA: Probabilitas, Distribusi, dan Asimtotis dalam Statistika

muka dan B belakang, maka

= {(M M ), (M B), (BM ), (BB)}
Contoh 1.2.2
Bila eksperimen adalah pencatatan nilai mata kuliah Statistik Dasar pada suatu kelas, maka
= [0, 100]
Contoh 1.2.3
Dalam eksperimen pelemparan sebuah dadu seimbang
= {1, 2, 3, 4, 5, 6}
Contoh 1.2.4
Untuk eksperimen dengan pelemparan sebuah mata uang sampai mendapat M atau muka,
= {1, 2, 3, 4, ...}
Ruang sampel kita klasifikasikan menjadi dua jenis berdasarkan jumlah elemen yang dimilikinya.
Bila terdapat korespondensi 1-1 antara dan himpunan bagian dari N = {1, 2, 3, ...}, maka ruang
sampelnya disebut terhitung atau countable. Dengan sendirinya ruang sampel yang terdiri dari
sejumlah berhingga elemen termasuk himpunan terhitung. Bila takhingga dan tidak berkorespodensi 1-1 dengan N , maka disebut tak terhitung atau uncountable. Ruang sampel pada
contoh 1.2.1 dan 1.2.3 disebut terhitung karena berhingga. Ruang sampel pada contoh 1.2.4 juga
disebut terhitung karena = N . Karena dalam contoh 1.2.2 tidak berkorespondensi 1-1 dengan
N , maka disebut tak terhitung.
Begitu ruang sampel terdefinisikan, kita bisa memperlihatkan himpunan bagian yang lebih
kecil dari .
Definisi 1.2.2. Suatu kejadian adalah himpunan bagian dari termasuk dan sendiri.
Definisi 1.2.3. disebut kejadian mustahil atau impossible event sedangkan disebut kejadian
pasti atau sure event.
Contoh 1.2.5
Dalam contoh 1.2.1 bila A menyatakan kejadian lemparan yang menghasilkan hasil yang sama,
maka A = {(M M ), (BB)}.
Contoh 1.2.6
Untuk contoh 1.2.3 bila B adalah kejadian muka yang tampak bilangan genap, maka
B = {2, 4, 6}
Hubungan antara ruang sampel dan kejadian bisa ditunjukkan dalam bentuk diagram Venn seperti
terlihat pada gambar 1.2.1.