P. 1
Peluang Dan Distribusi Peluang

Peluang Dan Distribusi Peluang

|Views: 16|Likes:
Dipublikasikan oleh Shinda Amilah

More info:

Published by: Shinda Amilah on May 20, 2012
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

08/31/2013

pdf

text

original

PELUANG DAN DISTRIBUSI PELUANG

Pokok Bahasan Peluang : 1. Definisi Peluang 2. Aturan Peluang 3. Permutasi dan Kombinasi 4. Teorema Bayes 5. Ekspektasi

PELUANG DAN DISTRIBUSI PELUANG 1. Peluang

Definisi Peluang Peluang berarti kemungkinan dan bagaimana kemungkinan itu terjadi dapat di definisikan sebagai berikut : Definisi secara klasik Misalkan sebuah peristiwa E dapat terjadi sebanyak n kali diantara N peristiwa yang saling ekslusif dan masing-masing terjadi dengan kesempatan yang sama, maka peluang peristiwa E terjadi adalah n/N dan ditulis dalam notasi Contoh : Dadu memiliki enam sisi sehingga, 1 sisi mata 1, 1sisi mata 2, 1 sisi mata 3, 1 sisi mata 4, 1 sisi mata 5 dan satu sisi mata 6 Peluang munculnya mata 1 adalah 1/6 Definisi secara empirik Jika diperhatikan frekuensi relatif tentang terjadinya sebuah peristiwa untuk sejumlah pengamatan, maka peluang peristiwa itu adalah limit dari frekuensi relatif apabila jumlah pengamatan di perbesar sampai tak hingga banyaknya dan ditulis dalam notasi Contoh : Coin mempunyai 2 sisi sehingga peluang muncul salah satu sisi jika di lempar sabanyak 1 kali adalah ½. Jika dilempar sebanyak 2 kali, belum tentu kedua sisi muncul bergantian, tetapi jika pelemparan dilakukan semakin banyak, maka peluanggnya akan semakin mendekati ½.

2. Aturan Peluang Ada beberapa aturan peluang : 1. Peluang sebuah kejadian E selalu berkisar antara 0 sampai 1. Tidak mungkin lebih kecil dari 0 dan tidak mungkin lebih besar dari 1 0 ≤ P(E) ≤ 1 Contoh : Peluang munculnya mata 1 pada pelemparan dadu = 1/6 2. Jumlah total peluang pada sebuah kejadian keseluruhan sama dengan 1

Contoh : Jika peluang munculnya mata 1 pada pelemparan dadu = P(1) = 1/6 Dan peluang munculnya mata bukan 1 (mata 2, mata 3, mata 4, mata 5 dan mata 6) adalah 5/6, maka total peluang pada pelemparan dadu adalah 1/6 + 5/6 = 1 3. Kejadian yang saling ekslusif, yaitu kondisi dimana jika kejadian yang satu sudah terjadi maka kejadian yang lain tidak mungkin terjadi P(E1 U E2) = P(E1) + P(E2) Contoh : Jika peluang terambil satu kartu ‘hati’ pada setumpuk kartu bridge adalah 13/52 dan peluang terambil kartu ‘wajik’ adalah 13/52. Maka peluang terambil kartu ‘hati’ atau ‘wajik’ adalah 13/52 + 13/52 = 26/52 atau sama dengan peluang terambil kartu yang merah, artinya kalau tidak ‘hati’ berarti ‘wajik’yang terambil. Jika yang satu sudah terambil maka yang lain tidak akan terambil. P(♥ U ♦) = P(♥) + P(♦) = 13/52 + 13/52 = ½ 4. Kejadian yang saling inklusif, yaitu kondisi dimana jika kejadian yang satu sudah terjadi maka kejadian yang lain masih mungkin terjadi P(E1 U E2) = P(E1) + P(E2) – P(E1 ∩ E2) Contoh : Jika peluang terambil satu kartu ‘hati’ pada setumpuk kartu bridge adalah 13/52 dan peluang terambil kartu ‘As’ adalah 4/52. Maka peluang terambil kartu ‘hati’ atau ‘As’ adalah 13/52 + 4/52 – 1/52 = 16/52. Disini perhitungan di kurangi 1/52 karena pada pengambilan kartu ‘hati’ atau ‘As’ ada kemungkinan terambil kartu ‘hati’ yang ‘As’ dengan peluang 1/52 P(♥ U As) = P(♥) + P(As) – P((♥ ∩ As) = 13/52 + 4/52 – 1/52 = 16/52 5. Kejadian yang saling independen, yaitu kondisi dimana jika kejadian yang satu tidak berhubungan dengan kejadian yang lain

P(E1 ∩ E2) = P(E1). P(E2) Contoh : Dilakukan pelemparan dua buah dadu. Jika peluang munculnya mata 1 pada dadu pertama = 1/6 dan peluang munculnya mata 1 pada dadu kedua = 1/6. Maka peluang dalam satu kali pelemparan 2 dadu akan muncul mata 1 pada dadu pertama dan mata 1 pada dadu kedua adalah 1/6 x 1/6 = 1/36 P(1│I ∩ 1│II) = P(1│I). P(1│II) = 1/6 x 1/6 = 1/36 6. Kejadian yang mempunyai hubungan bersyarat, yaitu sebuah kondisi dimana kejadian yang satu menjadi syarat untuk kejadian berikutnya. Jadi kejadian kedua terjadi setelah kejadian satu terjadi. P(E1 ∩ E2) = P(E1). P(E2|E1) Contoh :Sebuah kotak berisi 3 buah bola berwarna kuning, 4 buah bola berwarna merah dan 5 buah bola berwarna biru, yang sama ukurannya. 3K 4M 5B Peluang terambil bola K = P(K) = 3/12, peluang terambil bola M = P(M) = 4/12 dan peluang terambil bola B = P(B) = 5/12 Jika diambil dua buah bola berurutan, maka peluang terambil pertama bola merah dan ke dua bola biru adalah 4/12 x 5/11 = 0,79. Disini peluang terambil bola biru 5/11 karena bola pertama sudah terambil sehingga jumlah bola keseluruhan tinggal 11 P(M ∩ B) = P(M). P(B|M) = 4/12 x 4/11 = 0,79 4.1.3. Permutasi dan Kombinasi 1.3 Kombinasi Kombinasi dari sejumlah objek merupakan cara pemilihan objek tersebut tanpa menghiraukan urutan objek itu sendiri Definisi : Suatu himpunan yang terdiri dari r objek yang mungkin dipilih dari suatu himpunan yang terdiri dari n objek yang berbeda tanpa memperhatikan urutan pemilihannya dinamakan kombinasi secara sekaligus sebanyak r dari n objek yang berbeda dimana r ≤ n, dinyatakan

Contoh : Jika ada 5 huruf A B C D E, kemudian akan diambil 3 huruf untuk di susun dengan tidak memperhatikan urutan, maka kemungkinan susunannya : ABC ADE ABD BCD ABE BCE ACD BDE ACE CDE

Atau jika dihitung

Jadi ada 10 susunan yang mungkin. Permutasi Permutasi sejumlah objek ialah penyusunan objek tersebut dalam suatu urutan tertentu Definisi : Pengaturan atau penyusunan sebanyak r objek yang diambil dari suatu himpunan yang terdiri dari n objek yang berbeda secara matematis dinamakan permutasi secara sekaligus sebanyak r dari n objek yang berbeda dimana r ≤ n, dinyatakan Contoh : Jika ada 5 huruf A B C D E, kemudian akan diambil 3 huruf untuk di susun dengan memperhatikan urutan, maka jumlah sususnan yang mungkin ada

Jadi ada 60 susunan yang mungkin 1.4. Teorema Bayes Jika kita mengamati k buah kejadian B1, B2, …, Bk dengan peluang terjadinya kejadian itu masing-masing P(B1), P(B2), …, P(Bk) kemudian kita mengamati sebuah kejadian A dalam masing masing kejadian tadi dengan peluang P(A│B1), P(A│B2), …, P(A│Bk), B1 A B2 A Bk A

maka peluang terjadi kejadian A adalah : P(A) = P(B1) P(A|B1) + P(B2) P(A|B2) + … + P(Bk) P(A|Bk) Dan peluang kejadian A tersebut berasal dari kejadian Br adalah

Contoh : Tiga orang telah dicalonkan sebagai manajer sebuah perusahaan. Peluang A terpilih adalah 0,3, peluang B terpilih adalah 0,5, dan peluang C terpilih adalah 0,2. Jika A terpilih, peluang terjadinya kenaikan gaji karyawan adalah 0,8. Jika B atau C terpilih, peluang kenaikan gaji karyawan masing-masing adalah 0,1 dan 0,4. B1 = A terpilih, B2 = B terpilih, dan B3 = C terpilih G = kejadian gaji naik P(B1) = 0.3, P(B2) = 0.5, P(B3) = 0.2 P(G│B1) = 0.8, P(G│B2) = 0.1, P(G│B3) = 0.4 Peluang terjadi kenaikan gaji karyawan adalah P(G) = P(B1) P(G│B1) + P(B2) P(G│B2) + P(B3) P(G│B3) = (0.3)(0.8) + (0.5)(0.1) + (0.2)(0.4) = 0.37 Jadi peluang kenaikan gaji sebesar 0,37 Peluang kenaikan gaji terjadi jika terpilih C adalah

Jadi peluang kenaikan gaji jika C terpilih adalah sebesar 0,23 1.5. Ekspektasi Misalkan sebuah eksperimen yang menghasilkan k buah peristiwa dapat terjadi dimana peluang terjadinya tiap peristiwa masing-masing p1, p2, …, pk dan untuk tiap peristiwa dengan peluang tersebut terdapat satuan-satuan x1, x2, …,xk, maka ekspektasi eksperimen itu didefinisikan ξ = Σ pi xi = p1 x1 + p2 x2 + … + pk xk Contoh :

Sebuah undian berhadiah yang terdiri dari 1 hadiah pertama seniali 100.000, 2 hadiah kedua masing-masing 50.000 dan 3 hadiah ke tiga masing-masing 25.000. Jika jumlah kupon secara keseluruhan adalah 100, maka peluang mendapat hadiah pertama 1/100, peluang mendapat hadaiah ke dua 2/100 dan peluang mendapat hadiah ke tiga 3/100. Jika kopon di jual seharga 1000 perlembar, maka harapan untuk menang scara matematisnya adalah : p1 = peluang mendapat hadiah pertama = 1/100 x1 = peristiwa menang hadiah pertama = 100.000 p2 = peluang mendapat hadiah pertama = 2/100 x2 = peristiwa menang hadiah pertama = 50.000 p3 = peluang mendapat hadiah pertama = 3/100 x3 = peristiwa menang hadiah pertama = 25.000 p4 = peluang mendapat hadiah pertama = 94/100 x4 = peristiwa menang hadiah pertama = (- 1000) ξ = 1/100 x 100.000 + 2/100 x 50.000 + 3/100 x 25.000 + 94/100 x (-1000) = 100.000 + 100.000 + 75.000 – 282.000 = – 7.000 Karena nilai ekspektasi negatif, berarti secara matematika, kemungkinan akan kalah atau tidak ada harapan untuk mendapatkan hadiah. Harapan secara matematik itu ada ketika nilai ekspektasinya positif.

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->