PROBABILITAS
Pengertian
Pada awal perkuliahan, sebelum menjelaskan probabilitas, dibahas sepintas
sebagai pengantar tentang eksperimen, titik sampel, ruang sampel, dan
peristiwa, serta variabel random secara umum. Dasar semua ini, perlu pula
diingat kembali teori himpunan. Selanjutnya, dijelaskan materi probabilitas.
Definisi 1.1: Jika A suatu peristiwa yang bersesuain dengan suatu eksperimen X
dan ruang sample berhingga S yang setiap titik sampelnya berpeluang sama
terjadi, maka probabilitas peristiwa A, ditulis P(A), didefinisikan:
n(A )
P(A) =
n (S )
Contoh 1.1: Pada pelantunan sebuah dadu, tentukan probabilitas dari peristiwa
A : memuat semua titik sampel gasal
B : memuat semua titik sampel prima
C : memuat semua titik sampel yang tak kurang dari 3.
Jawab: P(A) = , P(B) = 2/3, dan P(C) = .
Contoh 1.2: Pada pelantunan tiga buah mata uang logam, ditentukan variabel
random X : banyaknya G yang nampak. Tentukan:
Definisi 1.9: Dua peristiwa A dan B disebut saling bebas jika dan hanya jika
P(AB) = P(A)P(B).
Definisi 1.10: Tiga peristiwa A, B, dan C disebut saling bebas, jika dan hanya jika
keempat syarat berikut dipenuhi:
P(A B) = P(A)P(B)
P(A C) = P(A)P(C)
P(B C) = P(B)P(C)
P(A B C) = P(A)P(B)P(C)
Teorema 1.11: Jika A dan B bebas, maka Ac dan Bc bebas, A dan Bc bebas, serta
Ac dan B bebas.
Teorema 1.14: Jika A,B, dan C merupakan tiga peristiwa di dalam ruang sampel S
sedemikian hingga P(A) 0 dan P(A B) 0, maka
P(A B C) = P(A)P(B | A)P(C | A B)
Teorema 1.15: Jika A dan B dua peristiwa saling bebas, maka P(B|A) = P(B)
Bukti: Untuk Teorema 1.13, 1.14, dan 1.15 dibiarkan sebagai latihan
Contoh 1.4: Suatu industri suku cadang pesawat terbang mengetahui dari
pengalaman sebelumnya bahwa probabilitas suatu pesanan siap dikapalkan pada
waktunya adalah 0.80, dan probabilitas pesanan akan siap dikapalkan dan juga
diantarkan pada saatnya adalah 0.72. Carilah probabilitas, bahwa pesanan tersebut
akan diantarkan pada saatnya jika diketahui telah dikapalkan pada saatnya.
Jawab: Probabilitas yang dicari adalah 0.90.
Definisi 2.2: Jika X suatu variabel random diskrit dengan harga-harga x1, x2, ,
maka suatu fungsi f(x) = P(X = x) disebut suatu fungsi probabilitas atau fungsi
densitas probabilitas (probability density function), disingkat pdf, dari X, apabila
memenuhi syarat-syarat:
n
(i) f(x) 0 untuk semua x (ii) f (x
i =1
i )= 1
Fungsi Distribusi
Definisi 2.4: Jika X suatu variable random, diskrit atau kontinu, maka fungsi
distribusi kumulatif (cummulative distribution function, CDF), ditulis F(x),
didefinisikan sebagai F(x) = P(X x).
Teorema 2.5:
(a) Jika X suatu variabel random diskrit dengan fungsi probabilitas f(x), maka:
n
F(x) = f (x
i =1
i ) di mana xi x
(b) Jika X suatu variabel random kontinu dengan fungsi densitas f(x), maka:
x
F(x) =
-
f (t )dt
0 1 2 3 X
Contoh 2.6: Sasaran tembak pada suatu latihan menembak, membentuk lingkaran
dengan jari-jari R dan berpusat di titik O(0,0). Fungsi distribusi F(x) untuk
variabel random X dapat dicari sebagai latihan.
Contoh 3.1: Tentukan harga c sedemikian hingga fungsi f(x1, x2) = cx1x2 untuk x1,
x2 = 1, 2, 3 merupakan distribusi probabilitas bersama.
Jawab: Diselesaikan sendiri, sehingga memperoleh c = 1/36.
Definisi 3.3: Jika X1 dan X2 merupakan variabel random diskrit, maka fungsi:
F(x1, x2) = P(X1 x1, X x2) = f (s , t ) untuk - < x1 , - < x2 ;
s x1 t x 2
Contoh 3.2: Apabila F(x1, x2) distribusi bersama dari variabel random diskrit X1
dan X2 tersebut dalam Contoh 3.1, maka diperoleh F(2, 3) = P(X1 2, X2 3) = .
Teorema 3.5: Suatu fungai bivariat merupakan suatu fungsi densitas probabilitas
bersama dari sepasang variabel random kontinu X1 dan X2, jika harga-harganya
f(x1, x2) memenuhi syarat
(i) f(x1, x2) 0 untuk - < x1 < , - < x2 <
(ii)
- -
f ( x 1 , x 2 )dx 2 dx 1 = 1
Definisi 3.6: Jika X1 dan X2 merupakan variabel random diskrit dan f(x1, x2)
adalah harga dari distribusi probabilitas bersama di (x1, x2), maka fungsi yang
diberikan oleh
g(x1) = f (x
x2
1 ,x 2)
untuk setiap x1 di dalam range dari X1 disebut densitas marginal dari X1.
Demikian pula, fungsi yang dtberikan oleh
h(x2) = f (x
x1
1 ,x 2)
untuk setiap x2 di dalam range dari X2 disebut densitas marginal dari X2.
Definisi 3.7: Jika X1 dan X2 merupakan variabel random kontinu dan f(x1, x2)
adalah harga dari distribusi probabilitas bersama di (x1, x2), maka fungsi yang
diberikan oleh
g(x1) = -
f ( x 1 , x 2 )dx 2 untuk - < x1 < , - < x2 <
maka densitas marginal dari X1 adalah g(x1) = 2/3(x1 + 1), untuk 0 < x1 < 1, dan
densitas marginal dari X2 adalah h(x2) = 1/3(1 + 4x2), untuk 0 < x1 < 1.
Definisi 3.8: Jika F(x1, x2) adalah harga dari fungsi distribusi bersama dari
variabel random X1 dan X2 di titik (x1, x2), maka fungsi G dengan
G(x1) = P(X1 x1, X2 = 1) untuk - < x1 <
disebut fungsi distribusi marginal dari X1. Demikian pula fungsi H dengan
H(x 2 ) = P(X 1 = 1, X 2 x 2) untuk - < x2 <
disebut fungsi distribusi Marginal dari X2.
Definisi 3.9: Jika F(x1, x2, x3) merupakan harga dari fungsi distribusi bersama
variabel random X1 , X2, dan X3 di titik (x1, x2, x3), maka fungsi G dengan
G(x1, x2) = P(X1 x1, X2 x2, X3 = 1), untuk - < x1 < , - < x2 < .
disebut fungsi distribusi marginal bersama dari X 1 dan X 2 .
Contoh 3.5: Jika diketahui densitas dari variabel random X1 , X2, dan X3 berikut
( x 1 + x 2 )e - x 3 ; 0 < x 1 < 1, 0 < x 2 < 1, x 3 > 0
f(x1, x2, x3 ) =
0; x yang lain
maka fungsi distribusi marginal bersama dari X 1 dan X3 dengan
1 -x 3
2 x 1 x 2 ( x 1 + x 2 )(1 - e ); 0 < x 1 < 1, 0 < x 2 < 1, x 3 > 0
F(x1, x2, x3) =
0; x 1 , x 2 , x 3 yang lain
adalah
0, ; x1 0
1
G(x1, x3) x 1 x 2 ( x 1 + x 2 )(1 - e - x 3 ); 0 < x 1 < 1, x 3 > 0
2
1 - e - x 3 ; x 1 1, x 3 > 0
dan fungsi distribusi marginal dari X1 adalah
0, ; x1 0
1
H(x1) = x 1 ( x 1 + 1); 0 < x 1 < 1
2
1 ; x1 1
Definisi 3.10: Jika f(x1, x2) adalah harga dari distribusi variabel random diskrit X1
dan X2 di (x1, x2) dan h(x2) adalah harga dari distribusi marginal X2 di x2, maka
f (x 1, x 2 )
fungsi f(x1| x2) = , h(x2) 0 untuk setiap range dari X1 (untuk kasus
h (x 2 )
variabel random kontinu, - < x1 < ), disebut distribusi bersyarat dari X1 jika
f (x 1, x 2 )
diketahui X2 = x2. Demikian pula fungsi W(x2| x1) = , g(x1) 0, untuk
g (x 1 )
setiap range dari X2 (untuk kasus variabel random kontinu, - < x1 < ), disebut
distribusi bersyarat dari X2 jika diketahui X1 = x1, dan g(x1) adalah harga dari
distribusi marginal X1 di x1.