Konsep Peluang

(Probability Concept)
Permutasi dan Kombinasi

MUHAMMAD SUBIANTO
 Permutasi
 Permutasi merupakan kejadian dimana susunan objek yang terpilih
diperhatikan.
 Misalkan memilih orang untuk membentuk kepengurusan suatu
organisasi, dimana jika Si A terpilih menempati posisi ketua berbeda

@{Matematika, Statistika, Informatika}

maknanya dengan Si A terpilih menempati posisi wakil ketua.
 Permutasi tingkat r dari n unsur/objek dapat dirumuskan sebagai
berikut:
n! n(n  1)(n  2) 0!
Prn  
(n  r )! (n  r )(n  r  1) 0!
0!  1
 Contoh:
Dari 5 orang kandidat akan dibentuk susunan pengurus (Ketua, Wakil,
Bendahara)
5!
N (S )  P 
5
 60
(5  3)!
3
Permutasi dan Kombinasi

MUHAMMAD SUBIANTO
 Kombinasi
 Kombinasi merupakan kejadian dimana susunan objek yang terpilih
tidak diperhatikan.
 Misalkan memilih sejumlah orang untuk menempati suatu sejumlah
kursi tempat duduk, dimana susunan tempat duduk tidak menjadi

@{Matematika, Statistika, Informatika}

perhatian.
 Kombinasi tingkat r dari n unsur/objek dapat dirumuskan sebagai
berikut:
n! n(n  1)(n  2) 0!
C 
n

(n  r )!r ! (n  r )(n  r  1)
r
0!r !

 Contoh
Dari 5 orang akan dibentuk tim cepat tepat yang beranggotakan 3 orang.

5!
N (S )  C 
5
 10
(5  3)!3!
3
Sample space, sample points, events

MUHAMMAD SUBIANTO
 Ruang Sample (Sample space), , adalah sekumpulan semua sample
points,, yang mungkin; dimana 
 Contoh 1. Melemparkan satu buah koin : = {Gambar, Angka}
 Contoh 2. Menggelindingkan dadu:  = {1, 2, 3, 4, 5, 6}
 Contoh 3. Jumlah pelanggan dalam antrian:  = {0, 1, 2, …}

@{Matematika, Statistika, Informatika}

 Contoh 4. Waktu pendudukan panggilan (call holding time):  = {xx>0}
 Kejadian (Events) A,B,C,…   adalah himpunan bagian (yang dapat diukur)
dari sample space
 Contoh 1. Angka genap pada sebuah dadu : A = {2, 4, 6}
 Contoh 2. Tidak ada pelanggan yang mengantri : A = {0}
 Contoh 3. Call holding time lebih dari 3 menit. A = {xx>3}
  adalah kumpulan semua events
 Event yang pasti : sample space  merupakan elemen dari 
 Event yang tidak mungkin : himpunan kosong  yang juga merupakan
anggota 

4
Ruang Contoh

MUHAMMAD SUBIANTO
 Ruang Contoh : Himpunan semua kemungkinan hasil suatu
percobaan, yang memuat semuahasil yang berbeda dan
dilambangkan dengan huruf S

@{Matematika, Statistika, Informatika}

 Notasi dari ruang contoh adalah sebagai berikut:
 S = {x1, x2, …, xn}
 n bisa terhingga atau tak terhingga
 Contoh:
 Perhatikan percobaan pelemparan sebuah dadu bersisi enam. Bila
kita tertarik pada bilangan yang muncul, ruang contohnya adalah S1
= 1,2,3,4,5,6}. Bila kita tertarik pada apakah bilangan yang muncul
genap atau ganjil ruang contohnya adalah S2 = genap, ganjil.
 Sebuah percobaan pelemparan dua koin dan pengamatan pada sisi
mana yang muncul, ruang contohnya adalah S ={GG, GA, AG,
AA}. Dimana G melambangkan yang muncul adalah Gambar
sedangkan A melambangkan yang muncul adalah Angka.
Kejadian

MUHAMMAD SUBIANTO
 Kejadian : Himpunan bagian dari ruang contoh, yang memiliki
karakteristik tertentu.
 Ruang kejadian biasanya dinotasikan dengan huruf kapital
(A, B, …).

@{Matematika, Statistika, Informatika}

 Contoh:
 Sisi muka muncul dari pelemparan dua buah mata uang: A = {MM,
MB, BM}
 Kejadian terambilnya kartu hati dari seperangkat (52 helai) kartu
bridge dapat dinyatakan sebagai A = hati yang merupakan
himpunan bagian dari ruang contoh S = hati, sekop, klaver,
wajik. Kejadian B yaitu terambilnya kartu merah, B = hati,
wajik.
 Pada percobaan pelemparan 2 koin, E = {GG, GA} adalah kejadian
bahwa pada koin pertama muncul Gambar. Sedangkan kejadian F =
{GA, AA} adalah kejadian pada koin kedua muncul Angka.
Kejadian

MUHAMMAD SUBIANTO
 Kejadian : Himpunan bagian dari ruang contoh, yang memiliki
karakteristik tertentu.
 Kejadian Sederhana : suatu kejadian yang dapat dinyatakan
sebagai suatu himpunan yang hanya terdiri dari satu titik

@{Matematika, Statistika, Informatika}

contoh.
 Kejadian majemuk : suatu kejadian yang dapat dinyatakan
sebagai gabungan dari beberapa kejadian sederhana.
 Contoh:
 Pada contoh pelemparan dua koin dengan S ={GG, GA, AG, AA},
kejadian munculnya Gambar pada koin pertama dan Gambar pada koin
kedua adalah kejadian sederhana yang dapat dilambangkan dengan A =
{GG}. Kejadian munculnya Gambar pada koin pertama adalah kejadian
majemuk yang dapat dilambangkan dengan B = {GG, GA}
Kejadian

MUHAMMAD SUBIANTO
 Kejadian lepas
A dan B kejadian lepas jika
A  B=Ø = { }

@{Matematika, Statistika, Informatika}

 Kejadian Mustahil
A kejadian mustahil jika P(A)=0
 Kejadian Pasti
A kejadian pasti jika P(A)=1
Pengolahan Kejadian

MUHAMMAD SUBIANTO
 Irisan dua kejadian (AB) : adalah kejadian yang
mengandung semua unsur persekutuan kejadian A dan kejadian
B.
 Gabungan dua kejadian (AB) : adalah kejadian yang

@{Matematika, Statistika, Informatika}

mencakup semua unsur atau anggota A atau B atau keduanya.
 Komplemen suatu kejadian (Ac) : adalah himpunan semua
anggota S yang bukan anggota A
 Contoh:
 Misalkan A = 1,2,3,4,5 dan B = 2,4,6,8; maka AB = 2,4
 Bila R adalah himpunan semua pembayar pajak dan S adalah
himpunan semua orang yang berusia di atas 65 tahun, maka RS
adalah himpunan semua pembayar pajak yang berusia di atas 65
tahun.
 Jika A = 2,3,5,8 dan B = 3,6,8, maka AB = 2,3,5,6,8
Pengolahan Kejadian

MUHAMMAD SUBIANTO
 Contoh (lanjutan):
 Jika M = x|3<x<9 dan N = y|5<y<12, maka MN =
z|3<z<12
 Misalkan S = buku, anjing, rokok, uang logam, peta, perang. Jika

@{Matematika, Statistika, Informatika}

A = anjing, perang, buku, rokok maka Ac = uang logam, peta
 Misalkan K adalah kejadian terambilnya kartu merah dari
seperangkat kartu bridge dan S adalah ruang contohnya yang berupa
seluruh kartu tersebut. Maka Kc adalah kejadian terambilnya kartu
bukan merah, yang berarti juga terambilnya kartu hitam.

 Dua kejadian A dan B dikatakan saling terpisah atau mutually

exclusive bila AB = , artinya A dan B tidak mempunyai
unsur persekutuan
Peluang Kejadian

MUHAMMAD SUBIANTO
 Peluang adalah rasio antara banyaknya kejadian yang
diharapkan dari suatu percobaan jika percobaan tersebut pada
kondisi yang sama. Peluang biasanya dinotasikan dengan P,
misal P(A) peluang kejadian A.

@{Matematika, Statistika, Informatika}

 Beberapa kaidah sebaran peluang, yaitu:
1. 0  p(Ai)  1, untuk i=1, 2, …, n
2. Jumlah peluang seluruh kejadian dalam ruang contoh
adalah 1,
n

 p( x )  1
i 1
i

3. p(A1  A 2   A m )  p(A1 )  p(A 2 )  p(A m ) jika A1,

A2, …, Am merupakan kejadian-kejadian yang terpisah.
Peluang Kejadian

MUHAMMAD SUBIANTO
Contoh:
1. Sebuah dadu dilempar, maka ruang contohnya:
S = {1, 2, 3, 4, 5, 6}, n(S)=6
jika setiap sisi seimbang maka peluangnya

@{Matematika, Statistika, Informatika}

p(1)=p(2)=….=p(6)=1/6

2. Sebuah kejadian yang diharapkan adalah sisi yang muncul

kurang atau sama dengan empat maka ruang kejadiannya:
A = {1, 2, 3, 4}, n(A) = 4
Maka peluang kejadian A adalah:
P(A) = 4/6 = 2/3
Kejadian Saling Bebas

MUHAMMAD SUBIANTO
 Kejadian saling bebas adalah kejadian-kejadian yang tidak
saling mempengaruhi.
 Peluang dari dua buah kejadian yang saling bebas adalah:

@{Matematika, Statistika, Informatika}

P(A B)  P(A) P(B)

Contoh:
Peluang bayi berjenis kelamin laki-laki diketahui 0,6. Jika
jenis kelamin anak pertama (A) dan kedua (B) saling bebas,
berapa peluang jenis kelamin anak pertama dan anak kedua
laki-laki?
P(A B)  P(A) P(B)
 0, 6  0, 6
 0,36
Kombinasi Kejadian

MUHAMMAD SUBIANTO
 Union (gabungan) : “A atau B” : AB={A atau B}
 Irisan: “A dan B” : AB={A dan B}
 Komplemen : “bukan A” : Ac={A}

@{Matematika, Statistika, Informatika}

 Kejadian A dan B disebut tidak beririsan (disjoint) bila : AB=
 Sekumpulan kejadian {B1, B2, …} merupakan partisi dari
kejadian A jika
 Bi  Bj= untuk semua ij
 iBi =A

14
Kesalingbebasan statistik dari kejadian

MUHAMMAD SUBIANTO
(Statistical independence of event)
 Definisi : Kejadian A dan B saling bebas (independent)
jika
P(A B) = P(A) P(B)

@{Matematika, Statistika, Informatika}

 Dengan demikian
P(A B) P(A) P(B)
P(A | B) = =  P(A)
P(B) P(B)

 Demikian pula
P(A B) P(A) P(B)
P(B | A) = =  P(B)
P(A) P(A)
Probabilitas (Peluang)

MUHAMMAD SUBIANTO
 Probabilitas suatu kejadian dinyatakan oleh P(A)
 P(A)[0,1]
 Sifat-sifat peluang

@{Matematika, Statistika, Informatika}

16
Diagram Venn

MUHAMMAD SUBIANTO
 Diagram Venn : Representasi secara grafis untuk
mengilustrasikan logical relations di antara kejadian –
kejadian.

@{Matematika, Statistika, Informatika}

 Bagian yang diarsir : EF

 Bagian yang diarsir EF

 MUHAMMAD SUBIANTO @{Matematika, Statistika, Informatika}
Diagram Venn

Bagian yang diarsir Ec

EF



Hukum – hukum operasi dari gabungan, irisan dan

MUHAMMAD SUBIANTO
komplemen

 Hukum komutatif :
AB = BA
AB = BA

@{Matematika, Statistika, Informatika}

 Hukum Asosiatif :
(AB) C = A(B C)
(AB)C=A(BC)
 Hukum Distributif :
(AB) C = (AC)  (BC)
(AB) C = (AC)  (BC)
 Hukum De Morgan
c c
 n
 n
 n
 n
  Ei    Ei c

 Ei    i
E c

 i 1  i 1  i 1  i 1
Definisi Peluang dan Sifat – sifatnya

MUHAMMAD SUBIANTO
 Definisi dalam term frekuensi relatif

n( E )
P( E )  lim
n n

@{Matematika, Statistika, Informatika}

dengan P(E) = peluang kejadian E
n(E) = banyaknya kejadian E
n = banyak percobaan
Definisi Peluang dan Sifat – sifatnya

MUHAMMAD SUBIANTO
 Definisi berdasar pendekatan aksiomatik modern

Misalkan sebuah percobaan dengan ruang contoh S. Untuk

setiap kejadian E dari ruang contoh S diasumsikan P(E)

@{Matematika, Statistika, Informatika}

terdefinisi dan memenuhi tiga aksioma berikut :
 Aksioma 1 : 0  P(E)  1
 Aksioma 2 : P(S) = 1
 Aksioma 3 : Untuk barisan kejadian yang saling lepas
(mutually eksklusive) E1, E2, …( yaitu kejadian kejadian
dimana EiEj =  di mana i  j),
   
P Ei    P ( Ei )
 i 1  i 1

dimana P(E) adalah peluang kejadian E

 MUHAMMAD SUBIANTO
Contoh

 Dalam percobaan pelemparan koin, jika kita mengasumsikan

bahwa peluang munculnya Gambar dan Angka sama besar,

@{Matematika, Statistika, Informatika}

maka P({G}) = P({A}) = ½. Tetapi jika kita mengasumsikan
bahwa koin tersebut tidak setimbang sehingga peluang
munculnya Gambar adalah dua kali peluang muncul Angka,
maka P({G}) = 2/3 dan P({A}) = 1/3

 Jika sebuah dadu bermata 6 dilemparkan dan misalkan peluang

munculnya tiap sisi adalah sama, maka P({1}) = P({2}) =
P({3}) = P({4}) = P({5}) = P({6}) = 1/6. Dari aksioma 3, kita
akan dapat mengetahui peluang kejadian munculnya mata dadu
genap adalah
P({2,4,6}) = P({2}) + P({4}) + P({6})
= 1/6 + 1/6 + 1/6 = 3/6 = 1/2
Proposisi yang berkaian dengan peluang

MUHAMMAD SUBIANTO
 Proposisi 1 :
P(Ec) = 1 – P(E)
 Proposisi 2

@{Matematika, Statistika, Informatika}

Jika E  F, maka P(E)  P(F)
 Proposisi 3 :
P(EF)= P(E) + P(F) – P(EF)
 MUHAMMAD SUBIANTO
Contoh
 Misalkan P = {a, i, u ,e ,o} dan R adalah {b, c, d, f, g}, maka
PR = . P dan R adalah dua kejadian yang saling terpisah
atau mutually exlusive.

@{Matematika, Statistika, Informatika}

 Pada percobaan pelemparan dadu bermata 6, A adalah kejadian
munculnya mata dadu genap dan B adalah kejadian munculnya
mata dadu 3.
A dan B adalah dua kejadian yang mutually exclusive.
 MUHAMMAD SUBIANTO
 Proposisi 4 :
n
P  E1  E2   En    P ( Ei )   P ( Ei1  Ei 2 )  ... 

@{Matematika, Statistika, Informatika}

i 1 i1 i2

(1) r 1 
i1 i2  ir

P Ei1  Ei2  
 Ein  

(1) n 1 P  E1  E2   En 

Penjumlahan P  Ei  Ei   Ei  diambil dari semua

1 2 n

himpunan bagian berukuran r yang mungkin dari himpunan

1, 2, …, n.
 MUHAMMAD SUBIANTO
Contoh
 Dalam pelemparan dua koin, ruang contohnya adalah {GG,
GA, AG, AA}. Sehingga masing – masing titik contoh
memiliki peluang ¼ untuk terjadi. Peluang terjadinya kejadian

@{Matematika, Statistika, Informatika}

A yaitu munculnya Gambar pada koin pertama 2/4 karena
kejadian A mengandung dua titik contoh.

 Dalam kejadian pelemparan dua dadu, terdapat 36 titik contoh

dalam ruung contohnya sehingga masing – masing titik contoh
mempunyai peluang 1/36 untuk terjadi. Kejadian C yaitu
kejadian penjumlahan mata dadu yang keluar adalah tujuh
mengandung 6 titik contoh yaitu (1,6), (2,5), (3,4), (4,3), (5,2)
dan (6,1). Sehingga peluang kejadian C adalah 6/36 = 1/6.
Soal - soal

MUHAMMAD SUBIANTO
1. Sebuah koin dilempar tiga kali dan sisi apa yang muncul
diamati (Gambar atau Angka)
 Daftarkan ruang contohnya.
 Daftarkan unsur yang menyusun kejadian A = kejadian

@{Matematika, Statistika, Informatika}

muncul sedikitnya dua Gambar, kejadian B = kejadian
muncul Gambar pada dua koin pertama dan C = kejadian
muncul Angka pada pelemparan terakhir
2. Dari 5 orang laki – laki dan 4 orang perempuan akan dipilih 3
orang sebagai wakil dari suatu partai yang akan dikirim untuk
menghadiri suatu konferensi. Berapa peluang yang terpilih
adalah
a) ketiganya laki – laki
b) ketiganya perempuan dan
c) 1 laki – laki dan 2 perempuan
Peluang Bersyarat (Conditional Probability )

MUHAMMAD SUBIANTO
 Peluang bersyarat adalah peluang suatu kejadian (A) jika
kejadian lain (B) diketahui telah terjadi.
 Peluang A bersyarat B dinotasikan P(A|B) dan didefinisikan
sebagai:

@{Matematika, Statistika, Informatika}

P(A B)
P(A | B) =
P(B)
jika P(B) > 0
 Jika kejadian A dengan B saling bebas maka,
P(A | B) = P(A)
Peluang Bersyarat (Conditional Probability )

MUHAMMAD SUBIANTO
 Asumsikan bahwa P(B)>0
 Definisi : Conditional probability dari suatu kejadian (event) A
bila diketahui kejadian B terjadi didefinisikan sebagai berikut

@{Matematika, Statistika, Informatika}

P(A B)
P(A | B) =
P(B)
 Dengan demikian
P(A B) = P(B) P(A | B) = P(A) P(B | A)
Teorema Probabilitas Total (Kaidah Total Peluang)

MUHAMMAD SUBIANTO
 Bila {Bi} merupakan partisi dari sample space 

@{Matematika, Statistika, Informatika}

 Lalu {ABi} merupakan partisi dari event A, maka
berdasarkan sifat probabilitas

P(A) = i P(A Bi )

 Kemudian asumsikan bahwa P(Bi)>0 untuk semua i,

maka dapat didefinisikan teorema probabilitas total
sebagai berikut

P(A) = i P(Bi ) P(A | Bi )

Kaidah Total Peluang

MUHAMMAD SUBIANTO
Bila kejadian – kejadian Bi  untuk i = 1, 2, …,k, maka
untuk sembarang kejadian A yang merupakan himpunan

@{Matematika, Statistika, Informatika}

bagian S berlaku

P(A) = P(B1) P(A|B1) + P(B2) P(A|B2)

+ … + P(Bk) P(A|Bk).
Contoh:

MUHAMMAD SUBIANTO
 Suatu berkas saluran terdiri dari 2 saluran :
P(k) = Peluang bahwa saluran baik :
P(0)=0,2; P(1)=0,3 ; P(2)=0,5
E(k) = Peluang bahwa suatu panggilan diblok, bila diketahui k saluran baik.

@{Matematika, Statistika, Informatika}

E(0)=1; E(1)=2/3 dan E(2)=2/5
Berapa besar peluang suatu panggilan diblok?
Berapa besar peluang suatu panggilan tidak di blok? Di blok
1

P(A) = i P(Bi ) P(A | Bi )

0 proposal baik

0
Tidak di blok
0,2

 Peluang suatu panggilan di blok: 0,3 2/3 Di blok

P(0).E(0)+P(1).E(1) +P(2).E(2)= 1/3

1 proposal baik
0,2.1 +0,3.(1/3) +0,5.(2/5)=0,6 Tidak di blok
0,5
2/5
Di blok
 Peluang suatu panggilan tidak di blok:
3/5
2 proposal baik
0,2.0 +0,3.(2/3)+0,5.(3/5) =0,4 Tidak di blok
Peluang Bersyarat

MUHAMMAD SUBIANTO
Contoh:
Dalam sebuah kotak berisi 2 bola merah dan 3 bola biru. Jika
diambil dua buah bola tanpa pemulihan. Berapakah peluang

@{Matematika, Statistika, Informatika}

bola kedua berwarna merah (A) jika pada pengambilan pertama
diketahui berwarna biru (B).
 3  2 
P(A B)  5 


4 2
P(A | B) =  
P(B) 3 4
 
5
Peluang Bersyarat

MUHAMMAD SUBIANTO
Pertama
Total
 Untuk mengerjakan kasus Merah Biru

@{Matematika, Statistika, Informatika}

diatas, dapat juga dilakukan

Merah
(2/5)(1/4) (3/5)(2/4)
8/20
sebagai berikut: =(2/20) =(6/20)

Kedua
 Perhatikan tabel (2/5)(3/4) (3/5)(2/4)=

Biru
12/20
kemungkinan disamping =(6/20) (6/20)

P(A B) Total 8/20 12/20 20/20

P(A | B) =
P(B)
 6 
  1
  20 

 12  2
 
 20 
 MUHAMMAD SUBIANTO
Contoh:

Tidak
Melanjutkan
melanjutkan
ke perguruan tinggi
ke perguruan tinggi
Laki – laki 450 50

@{Matematika, Statistika, Informatika}

Perempuan 150 250

Perhatikan kejadian – kejadian berikut :

L : kejadian yang terpilih laki - laki
K : kejadian yang terpilih adalah orang yang melanjutkan ke perguruan tinggi

Dengan menggunakan ruang contoh yang dipersempit K, maka akan didapatkan

P(L|K) = 450/600 = ¾
Peluang Bersyarat

MUHAMMAD SUBIANTO
 Misalkan n(A) melambangkan banyaknya unsur dalam
himpunan A
n  K L  n(K L) / n(S) P(K L)
P(L | K) = = = ,

@{Matematika, Statistika, Informatika}

n(K) n(K) / n(S) P(K)
450 1
P ( K  L)  
900 2

600 2
P( K )  
900 3

1/ 2 3
P( L | K )  
2/3 4
Teorema Bayes

MUHAMMAD SUBIANTO
 Suatu himpunan universum disekat menjadi beberapa
himpunan bagian B1, B2, …, Bn dan A suatu kejadian pada U
dengan p(B)0 maka,

@{Matematika, Statistika, Informatika}

P(A) =  P(Bi ) P  A | Bi 

 Peluang Bk bersyarat A, dapat dihitung sebagai berikut:

P(Bk  A)
P  Bk | A  =
P(A)
 B1 ………. Bn

Teorema Bayes

MUHAMMAD SUBIANTO
Kejadian A

@{Matematika, Statistika, Informatika}

 Perhatikan diagram berikut:
 Ruang contoh dipecah menjadi kejadian B1, B2,…,Bn saling terpisah
 Disamping itu ada kejadian A, yang dapat terjadi pada kejadian B1,
B2,…,Bn. Dengan demikian, A=(AB1) + (AB2) + …. + (ABn)
 Peluang kejadian A adalah: P(A)=P(AB1) + P(AB2) + …. +
P(ABn)
 Dengan memanfaatkan sifat peluang bersyarat, diperoleh peluang Bk
bersyarat A adalah:

P(Bk ) P  A | Bk 
P  Bk | A  =
 P(B ) P  A | B 
i i
Teorema Bayes

MUHAMMAD SUBIANTO
 Bila {Bi} merupakan partisi dari sample space 
 Asumsikan bahwa P(A)>0 dan P(Bi)>0 untuk semua i, maka
P(A Bi ) P(Bi ) P(A | Bi )
P(Bi | A) = =

@{Matematika, Statistika, Informatika}

P(A) P(A)
 Kemudian, berdasarkan teorema probabilitas total, diperoleh
P(Bi ) P  A | Bi 
P  Bi | A  =
 j
P(B j ) P  A | B j 
 Ini merupakan teorema Bayes
 Peluang P(Bi) disebut peluang a priori dari event Bi
 Peluang P(BiA) disebut peluang a posteriori dari event Bi (bila
diketahui event A terjadi)
Teorema Bayes

MUHAMMAD SUBIANTO
 Contoh:
Kota Bogor disebut kota hujan karena peluang terjadinya
hujan (H) cukup besar yaitu sebesar 0,6. Hal ini menyebabkan
para mahasiswa harus siap-siap dengan membawa payung (P).

@{Matematika, Statistika, Informatika}

Peluang seorang mahasiswa membawa payung jika hari hujan
0,8, sedangkan jika tidak hujan 0,4. Maka peluang hari akan
hujan jika diketahui mahasiswa membawa payung adalah:
P  H  = 0,6 P  P | H  = 0,8
P  TH  = 1- 0,6 = 0, 4 P  P | TH  = 0, 4
P H P P | H
Jadi, P H | P =
P  H  P  P | H  + P  TH  P  P | TH 
0.6  0.8 0.48 0.48
P H | P = = =
0.6  0.8 + 0.4  0.4 0.48 + 0.16 0.64
Kaidah Bayes

MUHAMMAD SUBIANTO
A
Bc
A = (BA)  (BcA)
P(A) = P [(BA)  (BcA)]
B
= P(BA) + P(BcA)]
= P(B)P(A|B) + P(Bc)P(A|Bc)

@{Matematika, Statistika, Informatika}

Jika kejadian – kejadian B1, B2, …, Bk merupakan sekatan
dari ruang contoh S dengan P(Bi)  0 untuk i = 1, 2, …, k,
maka untuk sembarang kejadian A yang bersifat P(A)  0,

P  Br  P  A | B r 
P  Br | A  =
P  B1  P  A | B1  + P  B2  P  A | B2  +...+ P  Bk  P  A | Bk 