Diagram Venn.
EKO EFENDI
3/28/2012
Diagram Venn
mempermudah memahami himpunan
Diagram Venn digunakan untuk menggambarkan himpunan-himpunan dan bag
aimana hubungan antar himpunan-himpunan tersebut.
Gabungan dari dua himpunan adalah himpunan yang mengandung semua angg
ota yang dimiliki oleh himpunan pertama atau himpunan kedua. Misalkan A = {1,
2,3,4,5} dan B = {1,3,5,7}, maka gabungan dari A dan B dinotasikan dengan A B
= {1,2,3,4,5,7}
Irisan dari dua himpunan adalah himpunan yang mengandung anggota yang ad
a pada himpunan pertama dan juga sebagai anggota pada himpunan kedua. Mi
salkan A = {1,2,3,4,5} dan B = {1,3,5,7}, maka irisan dari A dan B dinotasikan denga
n A B = {1,3,5}.
Komplemen atau pelengkap dari suatu himpunan adalah himpunan yang memili
ki anggota, dimana gabungan dari himpunan dan komplemennya adalah himpu
nan semesta dan irisan himpunan dengan komplemennya adalah himpunan kos
ong. Misalkan A adalah munculnya mata dadu ganjil dari sebuah dadu standar,
maka A = {1,3,5}. Karena S = {1,2,3,4,5,6}, maka komplemen dari A, dituliskan den
gan notasi Ac = munculnya mata dadu genap dari dadu standar, atau Ac = {2,4,6}.
EKO EFENDI
3/28/2012
3/28/2012
Pengolahan kejadian
Pengolahan kejadian itu dapat berbentuk
irisan kejadian, kejadian saling bebas,
gabungan kejadian, dan komplemen
kejadian
EKO EFENDI
3/28/2012
Irisan
Irisan dua kejadian A dan B dilambangkan dengan A
B, adalah kejadian yang mengandung semua unsur
persekutuan kejadian A dan B.
EKO EFENDI
3/28/2012
3/28/2012
EKO EFENDI
3/28/2012
EKO EFENDI
3/28/2012
3/28/2012
EKO EFENDI
3/28/2012
EKO EFENDI
3/28/2012
3/28/2012
EKO EFENDI
3/28/2012
Aksioma Peluang
Aksioma merupakan bukti diri yang secara umum telah diterima
kebenarannya. Terdapat tiga aksioma dasar dalam semua
penghitungan peluang yang akan disarikan disini yang berhubungan
dengan ruang contoh S dan kejadian A dan B. Notasi untuk
menyatakan peluang digunakan P( ).
1.
2.
3.
EKO EFENDI
10
3/28/2012
3/28/2012
Penentuan Peluang:
Metode Klasik / a priori
banyaknya cara A m
EKO EFENDI
11
3/28/2012
Penentuan Peluang:
Metode Frekuensi / a posteriori
Metode Frekuensi atau A Posteriori. Jika kejadian serupa A mun
cul m kali dalam total percobaan n, maka peluang pengamata
n A dapat dinyatakan dengan
P( A)
banyaknya A muncul m
total percobaan
n
12
3/28/2012
3/28/2012
P(X=x) dan x
dimana P(X=x)
terdefinisi
2X
Seragam
X ~ SD(N)
1/N
x=1,2,3,,N
(N+1)/2
(N2-1)/ 12
Bernouli
X ~ Bin(1,p)
0<p<1 q=1-p
pxq1-x
x=0,1
Pq
Binomial
X ~ Bin(n,p)
0<p<1 q=1-p
x=0,1,2,,n
Np
Npq
Geometrik
X ~ Geo(p)
0<p<1 q=1-p
pqx-1
x=1,2,
1/p
q/p2
Negatif
Binomial
X ~ NB(r,p)
0<p<1 q=1-p
r=1,2,3,
x=r,r+1,r+2,
r/p
rq/p2
Hipergeometrik
X ~ Hyp(n,M,N)
n=1,2,,N
M=0,1,2,,N
x=0,1,2,,n
NM/N
n(M/N)(1-M/N)
*((N-n)/(N-1))
Poisson
X ~ Poi()
>0
x=0,1,2,
EKO EFENDI
13
3/28/2012
Notasi dan
Parameter
Seragam
X ~ SK(a,b)
a<b
Normal
X ~ N(,2)
2 > 0
Gamma
X ~ Gam(,)
0< 0<
Eksponensial
(a+b)/2
(b-a)2/12
0<x
X ~ Exp()
0<
0<x
Eksponensial
2-Parameter
X ~ Exp(,)
< x
Eksponensial
Ganda
X ~ EG(,)
22
Weibul
X ~ Wei(,)
0<x
(1+1/
)
2[(1+2/)2(1+1/)]
Pareto
X ~ Par(,)
0<x
/(-1)
>1
(2) /
((-2)(-1)2)
>2
Beta
X ~ Beta(a,b)
0<a 0<b
0<x<1
EKO EFENDI
1/(b-a)
a<x<b
2X
14
3/28/2012
3/28/2012
EKO EFENDI
15
3/28/2012
EKO EFENDI
16
3/28/2012
3/28/2012
17
3/28/2012
18
3/28/2012
3/28/2012
Dalil 2 :
Bila A dan A adalah dua kejadian yang satu merupakan
komplemen lainnya maka
P(A) + P(A) = 1
EKO EFENDI
19
3/28/2012
Contoh :
1. Peluang seorang mahasiswa lulus matematika adalah 2/3 dan
peluang ia lulus statistik dasar adalah 4/9. Bila peluang lulus
sekurang-kurangnya satu mata kuliah adalah 4/5, berapa peluang
ia lulus kedua mata kuliah tersebut ?
Jawab :
M = lulus matematika
D = lulus statistik dasar
M U D = lulus matematika atau statistik dasar (minimal satu)
M D = lulus kedua mata kuliah
Jadi berdasarkan dalil 1 :
P(M D ) = P(M) + P(D) P(M U D)
EKO EFENDI
20
3/28/2012
10
3/28/2012
PELUANG BERSYARAT
Contoh :
Perhatikan eksperimen pelemparan dadu
B = kejadian munculnya bilangan kuadrat murni
A = bilangan yang muncul lebih dari 3
EKO EFENDI
21
3/28/2012
S = {1, 2, 3, 4, 5, 6}
Jika dadu dibuat sedemikian hingga peluang
muncul bilangan genap dua kali lebih besar dari
bilangan ganjil
P(1) = 1/9 P(2) = 2/9
P(3) = 1/9 P(4) = 2/9
P(5) = 1/9 P(6) = 2/9
P(A) = 5/9
P(A B) = 2/9
EKO EFENDI
22
3/28/2012
11
3/28/2012
EKO EFENDI
23
3/28/2012
Kejadian Bebas
Jika A adalah suatu kejadian, maka adanya keterangan
tentang suatu kejadian lain, misal kejadian B, dapat
memperkecil atau memperbesar atau tidak mengubah
besarnya peluang kejadian A.
Jika besarnya peluang kejadian A tidak berubah karena
adanya keterangan bahwa kejadian B telah terjadi, maka A
dan B adalah dua kejadian yang saling bebas
EKO EFENDI
24
3/28/2012
12
3/28/2012
EKO EFENDI
25
3/28/2012
EKO EFENDI
26
3/28/2012
13
3/28/2012
EKO EFENDI
27
3/28/2012
EKO EFENDI
28
3/28/2012
14
3/28/2012
KAIDAH PENGGANDAAN
a). Bila dalam suatu percobaan kejadian A dan B
keduanya dapat terjadi sekaligus maka
P(A I B) = P(A) . P(BA)
EKO EFENDI
29
3/28/2012
Contoh :
Sebuah uang logam tak seimbang sehingga
peluang
muncul sisi gambar dua kali lebih besar dari sisi angka. Bila
uang itu dilemparkan 3 kali, berapa peluang
mendapatkan dua sisi angka dan satu sisi gambar ?
B = kejadian mendapat dua sisi angka & satu sisi gambar.
= {AAG, AGA, GAA}
EKO EFENDI
30
3/28/2012
15
3/28/2012
Latihan :
1. Populasi sarjana dalam suatu kota dikategorikan menurut jenis kelamin dan
status pekerjaan.
Berapa peluang seorang laki-laki yang telah bekerja untuk menjadi duta
dalam pertemuan nasional ?
2. Peluang seorang dokter mendiagnosis penyakit secara benar adalah 0,7.
Bila diketahui dokter tersebut salah mendiagnosis, pasien akan menuntut ke
pengadilan adalah 0,9. Berapa peluang dokter salah mendiagnosis dan pasien
menuntut ke pengadilan ?
EKO EFENDI
31
3/28/2012
Jawaban
1. M = yang terpilih laki-laki
E = yang terpilih telah bekerja
EKO EFENDI
32
3/28/2012
16
3/28/2012
2. A = Diagnosis benar
B = Diagnosis salah
C = Pasien menuntut kepengadilan
Maka
EKO EFENDI
33
3/28/2012
KAIDAH BAYES
Lihat kembali soal latihan no 1.
Jika ada tambahan informasi bahwa 36 orang yang
bekerja menjadi anggota Rotary Club dan 12 orang
yang menganggur menjadi anggota Rotary Club.
Berapa peluang kejadian A = yang terpilih menjadi
duta adalah anggota Rotary Club.
EKO EFENDI
34
3/28/2012
17
3/28/2012
EKO EFENDI
35
3/28/2012
36
3/28/2012
Jadi
EKO EFENDI
18
3/28/2012
EKO EFENDI
37
3/28/2012
Contoh :
Tiga mahasiswa telah dicalonkan menjadi ketua HMJ. Peluang Adam, Brown dan
Cony terpilih masing-masing 0,3; 0,5 ; 0,2. Seandainya Adam terpilih peluang kas
himpunan bertambah adalah 0,8. Jika Brown atau Cony terpilih, peluang
tambahnya kas adalah 0,1 dan 0,4. Berapa peluang kas HMJ bertambah ?
Jawab :
A = kas HMJ bertambah
B1 = Adam terpilih
B2 = Brown terpilih
B3 = Cony terpilih
EKO EFENDI
38
3/28/2012
19
3/28/2012
Kaidah Bayes
Jika kejadian-kejadian B1, B2, B3, Bk merupakan sekatan dari ruang contoh S
dengan P(Bi) 0 untuk i = 1, 2, 3, ,k maka untuk sembarang kejadian A yang
bersifat P(A) 0
EKO EFENDI
39
3/28/2012
Contoh :
Dari contoh kaidah eliminasi, jika ternyata sebelum pemilikan kas HMJ sudah
bertambah, berapa peluang Cony terpilih menjadi ketua HMJ ?
Jawab :
Dengan menggunakan kaidah Bayes
EKO EFENDI
40
3/28/2012
20