Anda di halaman 1dari 41

Dasar Teori Peluang

Ira Prasetyaningrum

Ruang sampel R l
Kumpulan dari semua hasil dari p percobaan statistik, dinyatakan dengan , y g notasi S Contoh : Percobaan pelemparan mata uang

Kejadian K j di
Dari setiap percobaan kita mungkin ingin mengetahui munculnya elemen-elemen g y dari ruang sampel yang mempunyai ciri tertentu. Sekelompok titik sampel itu p p membentuk himpunan bagian dari S Kejadian adalah suatu himpunan bagian dari ruang sampel

Kejadian K j di
Kejadian sederhana adalah bila suatu kejadian dapat dinyatakan sebagai sebuah j p y g himpunan yang hanya terdiri dari satu titik contoh. Kejadian majemuk adalah bila suatu kejadian dapat dinyatakan sebagai gabungan beberapa kejadian sederhana.

Operasi d O i dengan k j di kejadian

Operasi d O i dengan k j di kejadian

Operasi d O i dengan k j di kejadian

Operasi d O i dengan k j di kejadian

Menghitung Titik S M hit Sampel l

Menghitung Titik S M hit Sampel l

Permutasi P t i

Permutasi P t i

Permutasi P t i

Permutasi P t i

Permutasi P t i

Permutasi P t i

Kombinasi K bi i

What is Probabilitas Wh t i P b bilit ??


Konsep probabilitas menyajikan pengukuran dalam bentuk angka(numeric) untuk kemungkinan munculnya suatu event Peluang terjadinya sesuatu hal atau p g j y peristiwa Dinyatakan dalam bentuk pecahan antara 0 1 , 0 dapat diartikan bahwa peritiwa itu tidak akan terjadi 1 dapat diartikan bahwa peristiwa itu pasti akan terjadi Kegunaan u/simulasi : dalam simulasi, digunakan untuk membuat asumsi tentang ketidakpastian inputan

Contoh ketidakpastian i C t h k tid k ti input t


Nilai inputan yang nilainya belum pasti : - penjualan dimasa datang - faktor inflasi - rata-rata pertumbuhan - waktu job datang Untuk memilih jenis distribusi yang sesuai sesuai, digunakan analisa dan mencocokkan data dengan distribusi yang sesuai

Type-type Probabilitas T t P b bilit


Ada 3 cara untuk menggolongkan p probabilitas : 1. pendekatan klasik 2. 2 pendekatan frekuensi relatif 3. pendekatan subyektif

Probabilitas dengan Pendekatan Klasik


Dalam penentuan probabilitas yang terjadi menggunakan formula :
probabilitas peristiwa = jumlah kemungkinan terjadinya peristiwa total jumlah kemungkinan hasil

Example :
probabilitas munculnya gambar pada pelemparan mata uang = probabilitas munculnya mata dadu 5 pada pelemparan sebuah mata dadu = 1/6

Probabilitas ini dapat diketahui tanpa harus melakukan suatu percobaan

Probabilitas dengan pendekatan Frekuensi Relatif


Pendekatan ini mendefinisikan probabilitas sebagai: 1. proporsi terjadinya peristiwa dalam jangka panjang bila semua kondisi stabil 2. frekuensi relatif peristiwa yang diamati melalui sejumlah besar percobaan Example :
untuk mencari nilai probabilitas mahasiswa baru yang meninggalkan sekolah pada akhir semester pertama harus diketahui dulu data pertama, yang lampau (misal data lampau 50 dari 1000). probabilitas = 50/1000

Probabilitas dengan pendekatan subyektif


Bukan teoritis, didasarkan pada keyakinan pribadi atau perasaan dari orang yang membuat perkiraan probabilitas Tidak bergantung adanya eksperimen yang diulang2 Example : umumnya manager menentukan probabilitas secara subyektif. misal, dihadapkan pada permasalahan untuk memilih seorang asisten dari 3 orang yang sama-sama memiliki penampilan menarik, semangat tinggi, kepercayaan tinggi dan prestasi masa lalu yang baik. baik Bagaimana peluang tiap calon untuk menjadi asisten yang baik

Dasar-dasar P b bilit D d Probabilitas


Simbol Probabilitas terjadinya peristiwa A = P (A) Aturan yang digunakan dalam probabilitas :
1. aturan penjumlahan untuk peristiwa yang terpisah satu sama lain (mutually exclusive) : P (A atau B) = P(A) + P(B) 2. aturan penjumlahan untuk peristiwa yang tidak terpisah satu sama lain (non mutually exclusive) : P (A atau B) = P(A) + P(B) P(A dan B) 3. aturan perkalian : P (A dan B) = P(A) . P(B)

PELUANG BERSYARAT
1.

Peluang Kejadian dengan Adanya Kejadian lain y g terjadi j yang j

2. Merubah Ruang Sampel Asli dengan Informasi Baru


Mengeliminasi Hasil yang Pasti

3. P(A | D) = P(A D)
P(D)

Buka halaman 34

Numerical Data Properties & p Measures


Numerical Data Properties Central Tendency
Mean Median Mode

Variation
Range
Variance

Shape
Skew

Interquartile Range

Standard Deviation

Range
1. Measure of Dispersion 2. Difference Between Largest & Smallest Observations Range = X l arg est X smallest R

Disadvantages of the Range


Ignores the way in which data are distributed g y
7 8 9 10 11 12 7 8 9 10 11 12

Range = 12 - 7 = 5

Range = 12 - 7 = 5

Sensitive to outliers
1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,3,3,3,3,4,5
Range = 5 - 1 = 4

1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,3,3,3,3,4,120
Range = 120 - 1 = 119

Comparing Standard Deviations D i ti


Data D t A
11 12 13 14 15 16 17 18 19 20 21

Mean = 15.5 s = 3.338

Data B
11 12 13 14 15 16 17 18 19 20 21

Mean = 15 5 15.5 s = .9258 Mean = 15.5 s = 4.57

Data C
11 12 13 14 15 16 17 18 19 20 21

Summary of Variation M S f V i ti Measures


Measure Range Interquartile Range I t til R Standard Deviation (Sample) ( p ) Standard Deviation (Population) ( p ) Variance (Sample) Equation Q3 - Q 1 Description Spread of Middle 50% S d f Middl
2

Xlargest - Xsmallest Total Spread

(X (X i

X)

n 1 X ) N
2

Dispersion about Sample Mean p Dispersion about Population Mean p Squared Dispersion about Sample Mean

X (Xi - )2 n-1

Variance E V i Example l
Raw Data:10.3 4.9 8.9 11.7 6.3 7.7

S =
2

Xi X n 1

i =1

where X =
2 2

Xi
i =1

= 8.3
2

S =
2

(10.3 8.3) + (4 .9 8.3) + L + (7.7 8.3) 6 1

= 6.368

Thinking Challenge Thi ki Ch ll


Youre a financial analyst for PrudentialBache Securities. You have collected the following closing stock prices of new stock issues: 17, 16, 21, 18, 13, 16, 12, 11. What are the variance a d sta da d deviation and standard de at o of the stock prices?

Variation Solution* V i ti S l ti *
Sample Variance Raw Data: 17 16 21 18 13 16 12 11

S2 = S =
2

Xi X n 1

i =1

where X =
2 2

Xi
i =1

= 15.5
2

(17 15.5) + (16 15.5) + L + (11 15.5) 8 1

1114 = 11.14

Variation Solution* V i ti S l ti *
Sample Standard Deviation

S= S =
2

Xi X n 1

i =1

1114 = 11.14 = 3.34

Quartiles Q til
1. Measure of Noncentral Tendency 2. Split Ordered Data into 4 Q p Quarters
Q1 25% 25% Q2 25% Q3 25%

3. Position f i-th Quartile 3 P iti of i th Q til

i (n + 1) Positioning Positioning Point of Qi = 4

Quartile Q til (Q1) E Example l


Raw Data:10.3 4.9 8.9 Ordered: 4 9 6 3 7 7 4.9 6.3 7.7 Position: 1 2 3 1 ( + 1) 1 (n ) Q 1 Position = = 4 Q 1 = 6.3 11.7 6.3 7.7 8.9 10.3 11.7 8 9 10 3 11 7 4 5 6 (6 ) ( + 1) = 1.75 2 4

Quartile Q til (Q2) E Example l


Raw Data:10.34.9 8.9 11.7 6.3 7.7 Ordered: 4.9 6.3 7.7 8.9 10.3 11.7 Position: 1 2 3 4 5 6 2 (n+ 1) 2 (6+ 1) Q 2 Position = = = 3.5 4 4 7.7 + 8.9 Q2 = = 8.3 2

Quartile Q til (Q3) E Example l


Raw Data:10.34.9 8.9 11.7 6.3 7.7 Ordered: 4.9 6.3 7.7 8.9 10.3 11.7 Position: 1 2 3 4 5 6 3 (n+ 1) 3 (6+ 1) Q 3 Position = = = 5.25 5 4 4 Q 3 = 10.3

Percentiles P til
The pth percentile in an ordered array of n values is the value in ith position position, where
Example: The 60th percentile in an ordered array of 19 values is the value in 12th position: