Week I sesi 1
Peluang
RUANG SAMPEL
KEJADIAN
MENGHITUNG
TITIK SAMPEL
PELUANG
Peluang Bersyarat,
Kejadian Bebas,
Aturan Perkalian,
Aturan Bayes
RUANG SAMPEL
Definisi
Himpunan semua hasil (outcomes) yang mungkin dari suatu
percobaan statistika disebut ruang sampel (sample space)
( Ruang sampel kita lambangkan dengan 𝑆)
Dilantunkan
Definisi
Suatu kejadian adalah himpunan bagian dari ruang sampel.
Dengan
pengembalian 𝑛 × 𝑛 × ⋯ × 𝑛 = 𝑛𝑘
Permutasi
Tanpa 𝑛!
Urutan diperhatikan pengembalian 𝑃𝑟𝑛 =
(𝑛 − 𝑟)!
Banyak titik Contoh: AA, AG, GA, GG
sampel n= 4
Dengan 𝑘+𝑛−1 (𝑘 + 𝑛 − 1)!
pengembalian =
𝑘 𝑘! 𝑛 − 1 !
Kombinasi
Tanpa 𝑛 𝑛!
Urutan tidak diperhatikan pengembalian =
𝑟 𝑟! 𝑛 − 𝑟 !
Contoh: AA, AG, GG
n=3
MENGHITUNG TITIK SAMPEL
Teorema
Bila suatu operasi dapat dilakukan dengan 𝑛1 cara, dan bila
untuk tiap cara ini operasi kedua dapat dikerjakan dengan 𝑛2
cara, maka kedua operasi itu dapat dikerjakan bersama-sama
dengan 𝑛1 𝑛2 cara.
Teorema
Bila suatu operasi dapat dikerjakan dengan 𝑛1 cara, dan bila
untuk setiap cara ini operasi kedua dapat dikerjakan dengan 𝑛2
cara, dan bila untuk setiap kedua cara operasi tersebut operasi
ketiga dapat dikerjakan dengan 𝑛3 cara, dan seterusnya, maka
deretan 𝑘 operasi dapat dikerjakan dengan 𝑛1 𝑛2 , … , 𝑛𝑘 cara.
Definisi
Suatu permutasi adalah suatu susunan yang dapat dibentuk dari
satu kumpulan benda yang diambil sebagian atau seluruhnya.
Permutasi yang dapat dibuat dari angka 1,2, dan 3 adalah ...
Teorema
Banyaknya permutasi 𝑛 benda yang berlainan adalah 𝑛!
Teorema
Banyaknya permutasi 𝑛 benda berlainan bila diambil 𝑟 sekaligus
adalah
𝑛
𝑛!
𝑃𝑟 =
(𝑛 − 𝑟)!
Teorema
Banyaknya permutasi n benda berlainan yang disusun melingkar
adalah (𝑛 − 1)!
MENGHITUNG TITIK SAMPEL
Teorema
Banyaknya permutasi yang berlainan dari 𝑛 benda bila 𝑛1
diantaranya berjenis pertama, 𝑛2 berjenis kedua, ...., 𝑛𝑘
berjenis ke 𝑘 adalah
𝑛!
𝑛1 ! 𝑛2 ! … 𝑛𝑘 !
Teorema
Banyaknya cara menyekat suatu himpunan 𝑛 benda dalam 𝑟 sel,
masing-masing berisi 𝑛1 unsur dalam sel pertama, 𝑛2 dalam sel
kedua, dst, adalah
𝑛 𝑛!
𝑛1 , 𝑛2 , … , 𝑛𝑟 = 𝑛1 ! 𝑛2 ! … 𝑛𝑟 !
dengan 𝑛1 + 𝑛2 + ⋯ + 𝑛𝑟 = 𝑛
Teorema
Banyaknya kombinasi dari n benda yang berlainan bila diambil
sebanyak 𝑟 sekaligus adalah
𝑛 𝑛!
𝑛 𝐶𝑟 = 𝑟 =
𝑟! 𝑛 − 𝑟 !
Definisi
Peluang suatu kejadian A adalah jumlah bobot semua titik
sampel yang termasuk A.
0 ≤ 𝑃 𝐴 ≤ 1, 𝑃 𝜙 = 0, 𝑃 𝑆 = 1
Teorema
Bila suatu percobaan dapat menghasilkan N macam hasil yang
berkemungkinan sama, dan bila tepat sebanyak n dari hasil
berkaitan dengan kejadian A, maka peluang kejadian A adalah
𝑛(𝐴)
𝑃 𝐴 =
𝑁
Teorema
Jika A dan B dua kejadian sembarang maka
𝑃 𝐴 ∪ 𝐵 = 𝑃 𝐴 + 𝑃 𝐵 − 𝑃(𝐴 ∩ 𝐵)
Akibat
Jika A dan B kejadian yang terpisah maka
𝑃 𝐴∪𝐵 =𝑃 𝐴 +𝑃 𝐵
Akibat
Jika 𝐴1 , 𝐴2 , 𝐴3 , … , 𝐴𝑛 saling terpisah maka
𝑃 𝐴1 ∪ 𝐴2 ∪ 𝐴3 ∪ ⋯ ∪ 𝐴𝑛 = 𝑃 𝐴1 + 𝑃 𝐴2 + 𝑃 𝐴3 + ⋯ + 𝑃(𝐴𝑛 )
Akibat
Jika 𝐴1 , 𝐴2 , 𝐴3 , … , 𝐴𝑛 merupakan suatu sekatan ruang sampel S maka
𝑃 𝐴1 ∪ 𝐴2 ∪ 𝐴3 ∪ ⋯ ∪ 𝐴𝑛 = 𝑃 𝐴1 + 𝑃 𝐴2 + 𝑃 𝐴3 + ⋯ + 𝑃 𝐴𝑛
=𝑃 𝑆 =1
ATURAN PENJUMLAHAN
Teorema
Untuk tiga kejadian A, B dan C
𝑃 𝐴∪𝐵∪𝐶
= 𝑃 𝐴 + 𝑃 𝐵 + 𝑃 𝐶 − 𝑃 𝐴 ∩ 𝐵 − 𝑃 𝐴 ∩ 𝐶 − 𝑃 𝐵 ∩ 𝐶 + 𝑃(𝐴 ∩ 𝐵 ∩ 𝐶)
Latihan:
Peluang seorang yang memebeli mobil akan memilih warna hijau,
putih, merah, atau biru, masing-masing 0,09; 0,15; 0,21 dan 0,23.
Berapakah peluang seorang pembeli tertentu akan membeli mobil
baru berwarna seperti salah satu dari warna tersebut jika
kecenderungan memilih warna mobil merupakan kejadian yang
saling bebas?
ATURAN PENJUMLAHAN
Teorema
Jika 𝐴 dan 𝐴’ kejadian yang berkomplementer maka
𝑃 𝐴 + 𝑃 𝐴’ = 1
• Peluang
Teorema partisi
kejadian
Bayes B dengan
syarat A
1.6 Peluang Bersyarat
“Peluang terjadinya suatu kejadian 𝐵 bila
diketahui bahwa kejadian 𝐴 telah terjadi”
• Definisi:
Peluang 𝐵 bila 𝐴 diketahui (notasi:P 𝐵 𝐴 ),
maka
P 𝐵∩𝐴
P 𝐵𝐴 =
P(𝐴)
Dan bila P 𝐴 > 0
• Definisi: Kejadian bebas
Contoh Peluang Bersyarat
1. Peluang sebuah kendaraan berplat L lewat
Jagorawi 0.12, peluang truk lewat Jagorawi
0.28. berapa peluang:
a.Truk yang lewat Jagorawi berplat L
#b.Kendaraan
Cuaca berplat L yang
Temperatur lewat
Kecepatan Anginjagorawi
Berolah-raga
1 Cerah Normal Pelan Ya
adalah sebuah truk
2 Cerah Normal Pelan Ya
3c. Kendaraan
Hujan yang
Tinggi lewat jagorawi
Pelan tidak berplat
Tidak
4
L atau
Cerah
bukanNormal
truk Kencang Ya
5 Hujan Tinggi Kencang Tidak
2.6 Cerah Normal Pelan Ya
4/6
P(cuaca cerah | olahraga ya) 1
4/6
ATURAN PERKALIAN
• Teorema:
Bila 𝐴 dan 𝐵 dapat terjadi dalam percobaan maka 𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴 𝑃 𝐵 𝐴
• Teorema:
𝐴 dan 𝐵 bebas jika dan hanya jika (jhj), 𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴 𝑃(𝐵)
• Teorema:
Bila kejadian 𝐴1 , 𝐴2 , 𝐴3 ,…, 𝐴𝑘 dapat terjadi maka
P ሩ 𝐴𝑖 = ෑ 𝐴𝑖
𝑖=1 𝑖=1
ATURAN PERKALIAN
Sebuah kotak berisi 20 sekering, lima diantaranya
cacat. Bila dua sekering dikeluarkan dari kotak satu
demi satu secara acak (tanpa mengembalikan yang
pertama ke dalam kotak), berapakah peluang
kedua sekering itu cacat?
𝑃 𝐴∩𝐵 =𝑃 𝐴 𝑃 𝐵 𝐴
1 4
𝑃 𝐴∩𝐵 =4 9
1
𝑃 𝐴∩𝐵 = 9
ATURAN PENGHAPUSAN
(TEORI JUMLAH PELUANG)
• Teorema:
Misal 𝐵1 , 𝐵2 , 𝐵3 ,…, 𝐵𝑘 (partisi) ruang sampel 𝑇
dengan 𝑃(𝐵𝑖 ) ≠ 0 untuk 𝑖 = 1, 2, 3, … , 𝑘,
maka untuk setiap 𝐴 anggota 𝑇
𝑘 𝑘
𝑃 𝐴 = 𝑃(𝐵𝑖 ∩ 𝐴) = 𝑃(𝐵𝑖 )𝑃 𝐴 𝐵𝑖
𝑖=1 𝑖=1
ATURAN PENGHAPUSAN
(TEORI JUMLAH PELUANG)
Sebuah kantong berisi 4 bola Putih (W1), 3 bola
Hitam (B1).
Kantong ke dua berisi 3 bola Putih (W2) dan 5
bola Hitam (B2).
Satu bola diambil dari kantong pertama dan
dimasukkan ke kantong ke dua tanpa
melihatnya.
Berapa peluangnya sekarang menggambil bola
hitam dari kantong
𝑘
kedua?
𝑃 𝐵2 = 𝑃(𝑖1 ∩ 𝐵2) = 𝑃(𝑖1)𝑃 𝐵2 𝑖1
𝑖=𝐵,𝑊 𝑖=1
Teorema Bayes
• Teorema Bayes
Kejadian untuk setiap 𝐵𝑖 sekatan, 𝑖 = 1, 2, … , 𝑘
dengan 𝑃(𝐵𝑖 ) ≠ 0. Misal 𝐴 kejadian sembarang
dengan 𝑃(𝐴) ≠ 0, maka
𝑃(𝐵𝑟 ∩ 𝐴)
𝑃 𝐵𝑟 𝐴 = 𝑘
σ𝑖=1 𝑃(𝐵𝑖 ∩ 𝐴)
𝑃 𝐴 𝐵𝑟 . 𝑃(𝐵𝑟 )
= 𝑘 ,
σ𝑖=1 𝑃 𝐴 𝐵𝑖 𝑃(𝐵𝑖 )
ATURAN BAYES
M: a man is chosen,
E: the one chosen is employed
Penggunaan Teorema Bayes
1. Untuk analisis keputusan investasi
2. Untuk analisis keputusan pergantian
mesin
3. Untuk klasifikasi (Naïve Bayes)