Anda di halaman 1dari 5

Probabilitas

Karena interpretasi statistik, probabilitas memainkan aturan penting dalam mekanika kuantum, maka disini akan dibahas materi yang sedikit menyimpang dari topik utama, yaitu diskusi singkat mengenai teori probabilitas. Hal ini terutama soal memperkenalkan beberapa notasi dan terminologi, dan kita akan melakukannya dalam konteks contoh sederhana.

Bayangkan sebuah ruangan yang berisi 14 orang yang masing-masing berumur seperti yang disebutkan

di bawah:

satu orang berumur 14 tahun

satu orang berumur 15 tahun

tiga orang berumur 16 tahun

dua orang berumur 22 tahun

dua orang berumur 24 tahun

lima orang berumur 25 tahun.

Jika N(j) menggambarkan jumlah orang pada umur j, maka

N(14) = 1

N(15) = 1

N(16) = 3

N(22) = 2

N(24) = 2

N(25) = 5

 N(16) = 3  N(22) = 2  N(24) = 2  N(25) = 5

Gambar 1.4: Histogram menunujukkan jumlah orang

dengan umur

, untuk contoh pada sesi 1.3.

Di mana N(17), adalah nol. Jumlah total orang yang ada dalam ruangan adalah:

[1.4]

(tentunya, N=14) Gambar 1.4 adalah histogram dari data. Di bawah ini adalah beberapa pertanyaan yang akan mempertanyakan seputar distribusi.

Pertanyaan pertama. Jika kita mengambil secara acak satu individu dalam kelompok ini, berapakah probabilitas bahwa orang yang kita pilih berumur 15 tahun? Jawaban: satu peluang dalam 14, jadi

terdapat 14 kemungkinan pilihan. Jika

, maka

adalah probabilitas untuk mendapatkan umur , dan seterusnya. Dapat ditulis,

[1.5]

Ingat bahwa probabilitas untuk mendapatkan 14 dan 15 adalah jumlah dari probabilitas masing-masing (yaitu, 1/7). Dengan kata lain, jumlah total dari probabilitas masing-masing umur adalah 1:

[1.6]

Pertanyaan kedua. Berapakah probabilitas umur yang paling besar? Jawab: 25, karena terdapat 5 orang dalam kelompok umur ini, sedangkan pada umur yang lain tidak lebih besar dari 3 orang. Dengan kata lain, probabilitas paling besar adalah yang memiliki maksimum.

Pertanyaan ketiga. Berapakah mediannya? Jawab: 23, di mana 7 orang berumur lebih muda, dan 7 orang lainnya lebih tua. (dengan kata lain, median adalah nilai dari j yang probabilitas mendapatkan umur yang lebih besar sama dengan probabilitas mendapatkan umur yang lebih kecil.)

Pertanyaan keempat. Berapakah rata-ratanya (mean)? Jawab:

Dengan kata lain, nilai rata-rata dari j (yang lebih sering ditulis dengan :

) diberikan oleh

[1.7]

Ingat bahwa tidak ada seorangpun yang memiliki umur pada mean atau median, pada contoh ini, tak ada seorangpun yang berumur 21 atau 23. Pada mekanika kuantum, rata-rata biasanya adalah kuantitas penting, dalam konteks dapat dinamakan dengan nilai ekspektasi. Ini adalah bentuk yang dapat menyesatkan kita, yang dapat diartikan bahwa ini adalah hasil yang paling mungkin didapatkan dalam pengukuran tunggal (bahwa probabilitas terbesar bukan berarti nilai rata-rata)-tetapi saya kuatir kita akan terjebak dengan istilah ini.

Pertanyaan kelima. Berapakah rata-rata kuadaratnya? Jawab: kita mendapatkan 14 2 = 196, dengan probabilitas 1/14, atau 15 2 =225 dengan probabilitas 1/14, atau 16 2 = 256 dengan parobabilitas 3/14, dan seterusnya. Rata-ratanya, kemudian adalah

[1.8]

Dengan kata lain, nilai rata-rata dari beberapa fungsi j adalah diberikan oleh

[1.9]

(Persamaan 1.6, 1.7, dan 1.8 adalah, jika kamu perhatikan merupakan kasus khusus dari formula ini). Hati-hati: rata-rata dari kuadrat ( ) adalah tidak sama dengan kuadrat dari rata-rata ( ). sederhanya, jika sebuah ruangan hanya berisi dua bayi, yang berumur, 1 dan 3 tahun, maka

tetapi

.

Sekarang, terdapat perbedaan yang sangat mencolok dari du buah histogram dalam gambar 1.5, walaupun keduanya memiliki median sama, mean yang sama, probabilitas yang sama, dan elemen angka yang sama pula: yang pertama menyempit tajam pada rata-rata, dan yang kedua menyebar dan cenderung datar. (yang pertama mungkin merepresentaskan profil umur siswa di kelas-kelas perkotaan besar, dan kedua pada sekolah-sekolah yang ada di pedesaan.) kita membutukan ukuran jumlahan numerik mengenai “sebaran” distribusi, yang berkaitan dengan rata-rata. Cara yang paling jelas untuk melakukan ini adalah menemukan seberapa jauh seorang individu menyimpang dari rata-rata.

seberapa jauh seorang individu menyimpang dari rata-rata. Gambar 1.5 : Dua buah histogram dengan rata-rata, median,

Gambar 1.5: Dua buah histogram dengan rata-rata, median, nilai paling mungkin yang sama, tetapi memiliki standar deviasi yang berbeda.

[1.10]

Dan menghitung rata-rata dari

karena pengurangan denganrata rata, dengan sendirinya,

. Permasalahannya adalah, tentunya kita akan mendapatkan hasil nol,

bisa positif dan negatif:

(Ingat, bahwa adalah konstanta, dan itu tidak akan berubah dari satu bentuk jumlahan ke bentuk yang lain.) Untuk menghindari permasalahan yang menjengkelkan ini, kita sebaiknya menghitung rata- rata dari nilai absolut dari . Tetapi nilai absolut adalaj suatu pekerjaan yang tidak menyenangkan, dari pada itu, kita dapat menyelesaikan masalah ini dengan mengkuadratkan dulu sebelum menhitung rata- ratanya:

[1.11]

Kuantitas ini dikenal dengan variansi dari distribusi,

dari rata-rata wow!) dinamakan standar deviasi. Yang terakhir adalah pengukuran dari penyebaran

sendiri (akar dari rata-rata kuadrat dari deviasi

.

Terdapat teori sederhana yang memasukkan standar deviasi:

Atau,

[1.12]

Persamaan 1.12 membuktikan metode perhitungan yang lebih cepat: hanya dengan menghitung dan , dan mengurangkannya. Secara kebetulan, saya ingatkan beberapa saat yang lalu bahwa tdak sama dengan . Selama tidak negatif (dari definisi pada persamaa 1.11), persamaan 1.12 secara tidak langsung juga berarti bahwa

[1.13]

Dan keduanya akan sama hanya jika

(setiap pengukuran menghasilkan nilai yang sama).

, yang dapat dikatakan untuk distribusi dengan tanpa sebaran

Sejauh ini, diasumsikan jika kita hanya berhubungan dengan variabel diskret, yang mamberikan nilai yang pasti (pada contoh ini, j memiliki nilai yang bulat selama hanya menggunakan tahun saja). Tetapi cukup sderhana jika diperluas menjadi distribusi kontinyu. Jika saya mengambil orang secara random di jalan, probabilitas bahwa umurnya adalah 16 tahun, 4 jam, 27 menit, dan 3,3333 detik adalah nol. Satu- satunya hal yang paling mungkin adalah mengatakan probabilitas bahwa usianya terletak dalam interval tertentu, katakanlah diantara 16 tahun, dan 16 tahun lebih satu hari. Jika intervalnya cukup pendek, probabbilitasnya akan proporsonal dengan panjang intervalnya. Misalnya, kemungkinan bahwa umunya diantara 16 dan 16 lebih 2 hari adalah kira-kira 2 kali dari probabilitas umurnya berada diantara 16 dan 16 lebih 1 hari.(kecuali, kalau terjadi kejadian luar biasa, misalkan ledakan kelahiran bayi pada 16 tahun yang lalu pada hari itu, pada kasus ini, kita telah mengambil interval terlalu panjang untuk digunakan. Jika ledakan kelahiran bayi terjadi 6 jam terakhir, sebaiknya kita mengambil interval pada skala detik atau kurang, untuk lebih amanya.Secara teknis, kita berbicara mengenai interval yang sangat kecil.) Dengan demikian

[1.14]

Faktor proporsionalitas, , sering dinamakan dengan “probabilitas untuk mendapatkan x , ” tetapi ini adalah bahasa yang tidak bagus, bentuk yang lebih baik adalah “ rapat probabilitas.” Probablilitas bahwa x berada diantara a dan b (pada interval terbatas) diberikan oleh integral dari :

[1.15]

Dan aturan yang telah dideduksi dari distribusi diskret di wujudkan dalam cara di bawah:

[1.16]

[1.17]

[1.18]

[1.19]