Tujuan
Setelah mempelajari bab ini diharapkan mahasiswa mampu menjelaskan dasar dari teori probabilitas Mampu menjelaskan macam-macam pendekatan dalam teori probabilitas Mampu menghitung probabilitas dari peristiwa yang terjadi
Probabilitas biasanya diberi simbol P, dan dinyatakan dalam angka positif, dengan minimum 0 dan maksimum 1. simbol untuk kemungkinan tidak terjadi biasanya dinyatakan dengan Q yaitu : 1 P Kalau P=0 Peristiwa itu tidak mungkin terjadi, mustahil. Ex: munculnya matahari di malam hari = 0 Kalau P =1 Peristiwa itu pasti terjadi, tidak mungkin tidak terjadi Ex: probabilitas darah mengalir dalam badan orang yang masih hidup = 1
TITIK SAMPEL DAN RUANG SAMPEL Suatu hasil dari percobaan disebut titik sampel atau kejadian dasar. Ruang sampel adalah hasil yang dibentuk oleh himpunan hasil percobaan yang mewakili semua kemungkinan hasil dari percobaan tersebut.
Jika kita melempar uang logam ke atas misalnya, kemungkinan hasilnya ialah gambar kepala raja H atau ekornya T Jika terdapat 2 titik sampel, kedua titik sampel tadi membentuk ruang sampel. Misalkan kita tentukan bahwa S merupakan ruang sampel, atau himpunan dari titik sampel, maka : S=(H,T) Jika dua macam uang logam misalnya Rp. 100,- dan Rp. 50,- dilemparkan ke atas secara bersamaan, maka kemungkinan dari hasil lemparan dapat kita peroleh ruang sampel (hasil himpunan percobaan) terdiri dari 4 macam titik sampel yaitu : S = ( HH, HT, TH, TT )
Sri Wahyu Lelly Hana Setyanti 7
2. PENDEKATAN EMPIRIS Berdasarkan observasi, pengalaman atau peristiwa yang telah terjadi.
Ex : Seseorang dari jarak 5 meter melempar sebuah benda 100 kali hanya kena 65 kali maka berdasar (pengalaman) pendekatan ini probabilitasnya adalah 65/100 atau 0,65
MENGHITUNG PROBABILITAS
1. MUTUALLY EXCLUSIVE Dua kejadian disebut eksklusif secara bersama, bila dengan terjadinya A, maka B tidak terjadi dan terjadinya B, maka A tidak terjadi. Contoh : Bila sekeping uang dilempar akan ada 2 kemungkinan yaitu: A = Kejadian muncul M B = Kejadian muncul B Teorema : Jika A dan B mutually exclusive maka : P ( A atau B ) = P (A) + P (B)
Sri Wahyu Lelly Hana Setyanti 10
11
3. CONDITIONAL PROBABILITY Probabilitas akan terjadinya A, jika diketahui B telah terjadi, ialah : P(A/B) = P(A n B) P (B) atau, P(A/B) = P(A n B) P (A) Contoh : Probabilitas calon mahasiswa diterima di FE UNEJ sebesar 0,40 dan kalau sudah menjadi mahasiswa, kemungkinan untuk lulus sarjana =0,80. Berapa kemungkinan calon itu akan lulus sarjana ? P(B) = PA . P(B/A) = 0,40 . 0,80 = 0,32
Sri Wahyu Lelly Hana Setyanti 12
TUGAS
1. Dari setumpuk kartu bridge diambil 2 kartu berturut-turut tanpa pengembalian (kartu kedua diambil sebelum kartu pertama dikembalikan). Berapakah probabilitas pengambilan pertama As dan kedua King ? Dalam sebuah kotak tercampur 10 bola dengan jenis dan ukuran yang sama, terdiri dari 3 bola merah, 2 bola putih, 5 bola biru. Kemudian diambil sembarang sebuah bola. Berapakah probabilitas yang akan terambil bila : a. bola merah atau putih b. bola merah atau putih atau biru c. bola hijau
Sri Wahyu Lelly Hana Setyanti 13
2.
14
Disamping percobaan tunggal, suatu percobaan mungkin dilakukan secara berkali-kali. Tiap ulangan dalam percobaan dilakukan secara terpisah yakni peristiwa dalam suatu percobaan tidak akan mempengaruhi percobaan berikutnya. Apabila masing-masing percobaan hanya mempunyai dua kemungkinan peritiwa, misalnya seperti sukses dan gagal, ya dan tidak, diterima atau ditolak, dan probabilitas peristiwa tetap sama selama percobaan, percobaan yang diulang tersebut adalah Proses Bernoulli
Sri Wahyu Lelly Hana Setyanti 15
Contohnya hasil pertandingan sepak bola tidak selalu menang dan kalah, tetapi mungkin seri. Tiaptiap percobaan harus memiliki probabilitas sukses yang identik. Pada pelemparan sebuah dadu sebanyak sekali, probabilitas timbulnya mata dadu 6 ialah 1/6. bila dadu di atas dilempar sebanyak n kali (n percobaan) maka pada tiap pelemparan, probabilita timbulnya mata dadu 6 harus tetap 1/6. hal itu berarti p harus konstan. Bila ,sekeping uang logam dilempar 100 kali, maka pelemparan tersebut merupakan 100 percobaan Bernoulli dimana setiap percobaan selalu menghasilkan sukses (misalnya sisi 0) atau gagal (misalnya sisi 1) dan probabilitas bagi sisi 0 adalah sama untuk tiap-tiap pelemparan dalam 100 lemparan. Bila uang logam di atas setimbang, maka p=1/2 dan 1-p=q=1/2. Tetapi bila uang logam di atas tidak setimbang, maka p tidak perlu harus sama dengan .
Sri Wahyu Lelly Hana Setyanti 16
p( x , n ) = ( n ) p x (1 p ) n x )
x
17
Disebut Binomial coefficient, menunjukkan x kali sukses dari n kali kejadian. Koefisien tersebut dapat dihitung dengan menggunakan segitiga pascal dengan rumus
(
n x
) =
Jadi
P ( x ,n ) =
n! X ! ( n X )!
18
Contoh Soal : Bila sekeping uang logam yang setimbang dilempar sebanyak 6 kali, (a) berapakah probabilitas memperoleh 5 sisi 0 dan (b) berapakah probabilitas memperoleh paling sedikit 5 sisi 0. Jawab : n = 6, x = 5, p = 6 (5, 6) =( 5 )(1 / 25 )(1 / 2)1 =0, 09375
19
n = 6, x = 6, p =
20
Rata-Rata (Mean) Distribusi Binomial Jika nilai parameter n dan p telah diketahui maka dari distribusi binomial tersebut kita juga dapat menghitung rata-ratanya. Di dalam distribusi binomial, Xi menunjukkan jumlah sukses 0,1,2,3,....dan n, dan P(xi) adalah probabilitas untuk mendapatkan Xi sukses dari n percobaan. Dengan demikian secara sederhana mean dari distribusi binomial dihitung dengan rumus : = n.p
21
Contoh Soal :
Dari distribusi timbulnya permukaan A dari 300 lemparan coin, kita akan memperoleh :
Jawab :
22
23
Contoh Soal :
Hitunglah varians dan deviasi standar jika diketahui n = 4, p = 1/6 dan q = 5/6 Jawab : Variansnya = 4 (1/6) (5/6) = 4 (5/36) = 20/36 = 5/9 Deviasi standarnya menjadi : =
n. p.q
= 5/9
Sri Wahyu Lelly Hana Setyanti 24
TUGAS
1. Setelah dilakukan penelitian terhadap hasil produksi mesin X, maka diketahui bahwa setiap produksi sebanyak 1450 unit akan terjadi kerusakan sebanyak 145 unit. Dalam memproduksi 5 unit produk, berapakah probabilitas untuk menemukan 0, 1, ....5 unit kerusakan produk?
25
2. Bila peluang untuk melahirkan anak laki-laki dan anak perempuan adalah sama, berapakah probabilitas suatu keluarga dengan 6 anak akan terdiri dari 0, 1, ....., 6 anak laki-laki ? 3. 5/100 dari barang X yang diproduksi dengan menggunakan mesin A ternyata rusak sedangkan 95/100 ternyata dapat memenuhi kualitas standar. Berapa banyak barang X yang harus diproduksi agar probabilitas barang X yang rusak sebanyak 1 ialah (50 persen). Bila produksi di atas merupakan sebuah proses Bernoulli di mana tiap-tiap percobaan selalu menghasilkan sukses (rusak) atau gagal (baik), dan bila probabilitas p bagi sukses dinyatakan sebagai p = 0,05, maka kita harus mencari bilangan untuk n yang terkecil sedemikian rupa agar p (X 1)
Sri Wahyu Lelly Hana Setyanti 26
Distribusi Poisson
Distribusi Poisson dapat digunakan untuk menentukan probabilitas dari sejumlah sukses yang ditentukan, jika kejadiankejadian terjadi dalam kurun waktu atau ruang kontinyu tertentu. Proses Poisson seperti proses Bernoulli, hanya berbeda pada sifat kontinyuitasnya saja. Distribusi ini dianggap sebagai pendekatan pada distribusi Binomial apabila n (banyaknya percobaan) adalah besar, sedangkan P (probabilitas sukses sangat kecil).
Sri Wahyu Lelly Hana Setyanti 27
p ( x ) =
x!
n . p
28
Contoh Soal : Misalkan sebuah mobil diiklankan di surat kabar untuk dijual. Surat kabar yang memuat iklan tersebut kita misalkan mempunyai 100.000 orang pembaca. Jika kemungkinan seseorang akan membalas iklan tersebut 0,00002 ditanyakan : a. berapa orang diharapkan akan membalas iklan tersebut ? b. berapa kemungkinan bahwa yang membalas iklan tersebut hanya seorang ? c. berapa kemungkinan tidak ada yang membalas ?
Sri Wahyu Lelly Hana Setyanti 29
Jawab : n = 100.000 p= 0,00002 = n. p = 100.000 . 0,00002 =2 Rata rata ada 2 orang yang membalas iklan tersebut X=1
Sri Wahyu Lelly Hana Setyanti 30
Maka
p (1 ) = 2 1! =
a.X = 0
1
e )
2 ( 0 ,13534 1
= 0 , 27068
p (0 ) =
20e 1! 1 ( 0 ,13534 = 1 )
= 0 ,13534
31
32
Distribusi Normal
Distribusi normal adalah distribusi yang kontinyu. Angka pada distribusi ini besarnya tak terhingga. Probabilitas atau frekuensi relatif pada kejadian tertentu diukur menurut ukuran luas pada daerah yang menggambarkan kejadian di bawah kurva normal. Ada berbagai macam bentuk kurva normal. Meskipun demikian, semua bentuk dapat diubah menjadi kurva normal standar.
Sri Wahyu Lelly Hana Setyanti 33
Untuk membuat kurva normal kita harus mengetahui besarnya (mean) dan (deviasi standar) :
Y= 1
.e
1/ 2
)2
Y = ordinat kurva normal untuk setiap nilai x = mean = deviasi standar = konstante = 3,14159 e = konstante = 2,71828
Sri Wahyu Lelly Hana Setyanti 34
35
36
37
Z =
f(Z) f(X)
Z =1
X
Z = 0
Sri Wahyu Lelly Hana Setyanti
38
Infinitely Many Normal Distributions Means Infinitely Many Tables to Look Up!
Sri Wahyu Lelly Hana Setyanti 39
Z = 0
Z =1
.0478
.00
.01
.02
0
Z = 0.12
40
Standardizing Example
Z= X
6.2 5 = = 0.12 10
Standardized Normal Distribution
Normal Distribution
= 10
Z =1
6.2
=5
X
Sri Wahyu Lelly Hana Setyanti
Z = 0
0.12
Z
41
2.9 5 = = .21 10
Z=
7.1 5 = = .21 10
Normal Distribution
= 10
.0832
Z =1
.0832
7.1 =5
2.9
X
Sri Wahyu Lelly Hana Setyanti
0.21 0.21 Z = 0
Z
42
Z = 0
Z =1
.0832
.00
.01
.02
0
Z = 0.21
43
Z = 0
.4168
Z =1
.00
.01
.02
0
Z = -0.21
44
Example: P ( X 8 ) = .3821
Z=
Normal Distribution
85 = = .30 10
Standardized Normal Distribution
= 10
Z =1
.3821
8
=5
X
Sri Wahyu Lelly Hana Setyanti
Z = 0
0.30
Z
45
Example: P ( X 8 ) = .3821
Cumulative Standardized Normal Distribution Table (Portion)
(continued)
Z = 0
Z =1
.1179
.00
.01
.02
0
Z = 0.30
46
Z = 0
.1217
Z =1
.00
.01
0.2
0.0 .0000 .0040 .0080 0.1 .0398 .0438 .0478 0.2 .0793 .0832 .0871
Z = .31
= 10
.1179
Z =1
.3821
=5
Z = 0
0.30
48
N ( 73,8
P ( X 91) = ?
73 8
=8
Probability for X <= X Value 91 Z Value 2.25 P(X<=91) 0.9877756 Lelly Hana Setyanti Sri Wahyu
X
= 73 91
2.25
49
N ( 73,82 )
P ( 65 X 89 ) = ?
Probability for a Range From X Value 65 To X Value 89 Z Value for 65 -1 Z Value for 89 2 P(X<=65) 0.1587 P(X<=89) 0.9772 P(65<=X<=89) 0.8186
Sri Wahyu Lelly Hana Setyanti
X
65
= 73 89
-1 0
Z
50
N ( 73,8
P ( ? X ) = .05
Find X and Z Given Cum. Pctage. Cumulative Percentage 95.00% Z Value 1.644853 X Value 86.15882
X
= 73 ? =86.16
1.645
51
Assessing Normality
(continued)
X 60
30 -2 -1 0 1 2
52
Right-Skewed
90
X 60
30 -2 -1 0 1 2
X 60 Z
30 -2 -1 0 1 2
Rectangular
90
U-Shaped
90
X 60
30 -2 -1 0 1 2
X 60 Z
30 -2 -1 0 1 2
Z
53
54
What is a Hypothesis?
A hypothesis is a claim (assumption) about the population parameter
Examples of parameters are population mean or proportion The parameter must be identified before analysis
I claim the mean GPA of this class is = 3.5!
55
56
Refers to the status quo Always contains the = sign May or may not be rejected
Sri Wahyu Lelly Hana Setyanti 57
Challenges the status quo Never contains the = sign May or may not be accepted Is generally the hypothesis that is believed (or needed to be proven) to be true by the researcher
Sri Wahyu Lelly Hana Setyanti 58
Is X = 20 likely if = 50 ?
No, not likely! REJECT Null Hypothesis
Take a Sample
( X = 20 )
59
= 50
Sri Wahyu Lelly Hana Setyanti
X
60
If H0 is true
Level of Significance,
Defines unlikely values of sample statistic if null hypothesis is true Is designated by , (level of significance)
Typical values are .01, .05, .10 Called rejection region of the sampling distribution
Is selected by the researcher at the beginning Provides the critical value(s) of the test
Sri Wahyu Lelly Hana Setyanti
61
Critical Value(s)
/2
0
Sri Wahyu Lelly Hana Setyanti 62
Type II Error
Fails to reject a false null hypothesis The probability of Type II Error is The power of the test is 1
63
64
Result Probabilities
H0: Innocent Jury Trial The Truth Verdict Innocent Innocent Guilty Correct Error Error Do Not Reject H0 Hypothesis Test The Truth Decision H0 True H0 False 1- Type I Error ( ) Type II Error ( ) Power (1 - )
65
Guilty
Correct Reject H0
Sri Wahyu Lelly Hana Setyanti
66
67
69
70
H0 : 3 H1 : < 3
=.05
n = 100 Z test
71
(continued)
7. Collect data 8. Compute test statistic and p-value 10. Express conclusion
-1.645 100 households surveyed Computed test stat =-2, p-value = .0228
Z test statistic
Z=
X X
X = / n
73
Rejection Region
H0: 0 H1: < 0 H0: 0 H1: > 0
Reject H0
Reject H0
0
Z Must Be Significantly Below 0 to reject H0
Z 0 Z
Small values of Z dont contradict H0 Sri Wahyu Lelly Hana SetyantiDont Reject H0 !
74
368 gm.
Z =1
.95
.04
.05
.06
= .05
1.6 .4495 .4505 .4515 1.7 .4591 .4599 .4608 1.8 .4671 .4678 .4686
1.9 .4738 .4744 .4750
76
0 1.645 Z
p -Value Solution
p-Value is P(Z 1.50) = 0.0668
Use the alternative hypothesis to find the direction of the rejection region. P-Value =.5668 1.0000 - .4332 .5668
1.50
Z
Z Value of Sample Statistic 77
From Z Table: Lookup 1.50 to Sri Wahyu Lelly Hana Setyanti Obtain .4332
Test Statistic:
Z=
Reject .05
= 0.5
n = 25 Critical Value: 1.645
=1.50
Decision:
Conclusion:
0 1.645 Z
1.50
No evidence that true Sri Wahyu Lelly Hana Setyanti is more than 368 78 mean