PROBABILITAS

Pengenalan

Istilah probabilitas merujuk untuk mempelajari kaedah rambang dan

ketidakpastian. Di situasi apapun di mana salah satu dari sejumlah hasil mungkin
mungkin terjadi, probabilitas ialah teori yang menyediakan metode untuk
kuantifikasi kemungkinan, atau likelihoods, asso-ciated dengan berbagai hasil.
Bahasa probabilitas adalah cara informal inan terus-menerus digunakan dalam
konteks lisan dan tertulis. Contoh termasuk suchstatements sebagai "Tidak
mungkin bahwa Dow Jones Rata-rata industri akan meningkat di akhir tahun,"
"ada kesempatan 50-50 bahwa incumbent akan mencari terpilihnya kembali,"
"mungkin akan ada setidaknya satu bagian dari kursus yang ditawarkan tahun
depan ""Peluang mendukung penyelesaian cepat pemogokan", dan "Diharapkan
bahwa di least 20,000 Tiket konser akan dijual." Dalam bab ini, kami
memperkenalkan beberapa konsep dasar probabilitas, menunjukkan bagaimana
probabilitas dapat diinterpretasikan, dan menunjukkan bagaimana aturan
probabilitas dapat diterapkan untuk menghitung probabilitas many interesting
acara. Metodologi probabilitas kemudian akan memperbolehkan kita untuk
expressin tepat bahasa pernyataan seperti informal yang diberikan di atas.

Studi probabilitas sebagai cabang dari matematika kembali atas 300 tahun,
dimana itu kejadian sehubungan dengan pertanyaan-pertanyaan yang melibatkan
permainan kesempatan. Banyak buku mengabdikan diri secara eksklusif untuk
probabilitas dan jelajahi di greatdetail banyak aspek menarik dan aplikasi dari
matematika cabang yang indah ini. Tujuan kami di sini lebih terbatas dalam
lingkup: kami akan berfokus pada thosetopics yang penting kepada pemahaman
dasar dan juga memiliki yang paling bantalan langsung pada masalah inferensi
statistik.

2.1. ruang sampel dan peristiwa

Percobaan adalah setiap tindakan atau proses yang hasilnya diatur
ketidakpastian. Meskipun percobaan kata umumnya menunjukkan direncanakan
atau hati-hati dikendalikan laboratorium pengujian situasi, kita menggunakan di
sini dalam pengertian yang lebih luas. Dengan demikian percobaan yang mungkin
akan menarik termasuk melempar koin sekali atau beberapa kali, memilih sebuah
cardor kartu dari dek, berat sepotong roti, memastikan waktu dari komuter rumah
untuk bekerja pada pagi tertentu, mendapatkan jenis darah dari kelompok individu
atau menelepon orang untuk melakukan survei.
 Ruang sampel percobaan

Defenisi : Ruang sampel percobaan, dilambangkan oleh S, adalah himpunan

semua kemungkinan hasil dari percobaan.

Contoh 2.1. : Percobaan sederhana yang probabilitas berlaku adalah salah satu
dengan dua hasil yang mungkin. Satu percobaan tersebut terdiri dari memeriksa
sekering tunggal untuk melihat whetherit rusak. Ruang sampel untuk percobaan
ini dapat disingkat S=N; Dfg, mana N mewakili tidak rusak, rusak Drepresents,
dan kawat gigi digunakan untuk menyertakan elemen set. Lain percobaan tersebut
akan melibatkan melemparkan paku payung dan mencatat apakah mendarat titik
atas atau mengarah ke bawah, dengan ruang sampel S=U; Dfg, dan belum lain
akan terdiri dari mengamati jenis kelamin anak berikutnya lahir di rumah sakit
lokal, dengan S = M; Ffg.

Contoh 2.2 Jika kita meneliti sekering tiga dalam urutan dan hasil dari setiap
pemeriksaan dicatat, maka hasil bagi seluruh percobaan adalah berurutan N's dan
D panjang 3, jadi

𝑆 = {𝑁𝑁𝑁, 𝑁𝑁𝐷, 𝑁𝐷𝑁, 𝑁𝐷𝐷, 𝐷𝑁𝑁, 𝐷𝑁𝐷, 𝐷𝐷𝑁, 𝐷𝐷𝐷}

Jika kita telah melemparkan paku payung tiga kali, Ruang sampel akan
diperoleh dengan mengganti N oleh U di S di atas. Perubahan notational serupa
akan menghasilkan ruang sampel untuk percobaan yang jenis kelamin dari tiga
anak yang baru lahir yang diamati.

Contoh 2.3 Dua stasiun gas terletak di persimpangan tertentu. Masing-masing

memiliki enam pom bensin. Pertimbangkan percobaan di mana jumlah pompa
digunakan pada waktu tertentu hari ditentukan untuk masing-masing Stasiun.
Hasil percobaan menentukan berapa banyak pompa yang digunakan di Stasiun
pertama dan berapa banyak di gunakan di yang kedua. Salah satu hasil yang
mungkin adalah (2, 2), lain (4, 1), dan belum lain (1, 4). Hasil 49 di S yang
ditampilkan dalam tabel yang menyertainya. Ruang sampel percobaan yang mati
bersisi enam dilemparkan dua kali hasil dari menghapus baris 0 dan kolom 0 dari
tabel, memberikan hasil 36.
Contoh 2.4 : Jika jenis-D flash cahaya baterai baru memiliki tegangan yang
berada di luar batas-batas tertentu, baterai yang ditandai sebagai kegagalan (F);
Jika baterai tegangan dalam batas yang ditentukan, sangat sukses (S). Misalnya,
percobaan terdiri dari pengujian baterai masing-masing seperti itu datang dari
jalur perakitan sampai kita pertama mengamati sukses. Meskipun tidak mungkin
sangat mungkin, mungkin hasil dari percobaan ini adalah yang pertama 10 (atau
100 atau 1000 atau...) F dan yang berikutnya adalah jawab Yaitu setiap n bilangan
bulat positif, kami mungkin harus memeriksa baterai n sebelum melihat
pengalaman pertama. Ruang sampel adalah S=S; FS; FFS; FFFS;... FG, yang
berisi jumlah tak terbatas kemungkinan hasil. Bentuk singkatan yang sama dari
ruang sampel tepat untuk percobaan di mana, dimulai pada waktu tertentu, jenis
kelamin bayi setiap dicatatkan sampai kelahiran seorang laki-laki yang diamati.

Peristiwa
Peristiwa dalam penyelidikan tentang probabilitas, kita akan tertarik tidak hanya
dalam individu keluar datang s tetapi juga dalam setiap pengumpulan hasil dari S.

DEFINISI : yang eventis pengumpulan (subset) hasil terkandung dalam ruang

sampel S. Acara ini dikatakan sederhana jika terdiri dari satu hasil dan senyawa
jika terdiri dari lebih dari satu hasil.

Saat percobaan dilakukan, event tertentu A dikatakan terjadi jika hasil percobaan
dihasilkan terkandung dalam A. Secara umum, tepat satu acara sederhana akan
terjadi, tetapi banyak senyawa peristiwa akan terjadi secara bersamaan.

Contoh 2.5 : Pertimbangkan percobaan di mana masing-masing dari tiga

kendaraan mengambil keluar jalan Raya tertentu berubah kiri (L) atau (R) kanan
di ujung jalan keluar. Delapan keluar mungkin datang yang terdiri dari sampel
ruang yang Deluxe, RLL, LRL, LLR, LRR, RLR, RRL, dan RRR. Justru itu,
terdapat delapan acara yang sederhana, antara lain E1¼ {BMPK} dan E 5 ¼
{LRR}. Beberapa kegiatan yang kompleks meliputi.
𝐴 = {RLL, LRL, LLR} = acara dia yang benar-benar salah satu dari tiga kendaraan
ternyata tepat

𝐵 = {LLL, RLL, LRL, LLR} = acara yang paling satu kendaraan ternyata tepat

𝐶 = {LLL, RRR} = acara yang semua tiga kendaraan berubah dalam arah yang
sama 52 Bab 2 probabilitas kira bahwa saat percobaan dilakukan, hasilnya
adalah Deluxe. Kemudian acara sederhana E 1 telah terjadi dan begitu juga
memiliki acara B dan C (tapi tidak A)

Contoh 2.6 : acara yang semua tiga kendaraan berubah dalam arah yang sama 52
Bab 2 probabilitas kira bahwa saat percobaan dilakukan, hasilnya adalah Deluxe.
Kemudian acara sederhana E 1 telah terjadi dan begitu juga memiliki acara B dan
C (tapi tidak A)

A = {(0, 0), (1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)} = the acara bahwa jumlah
pompa digunakan adalah sama untuk kedua stasiun

B = {(0, 4), (1, 3), (2, 2), (3, 1), (4, 0)} = acara bahwa jumlah pompa digunakan
adalah empat

C = {(0 , 0), (0, 1), (1, 0), (1, 1)} = acara yang di kebanyakan satu pompa yang
digunakan di setiap stasiun

Contoh 2.7 : Ruang sampel percobaan pemeriksaan baterai berisi jumlah tak
terbatas hasil, sehingga ada jumlah tak terbatas acara yang sederhana. Senyawa
acara termasuk

A= {S, FS, FFS} = acara paling tiga baterai akan diteliti

E = {FS, FFFS, FFFFFS,...} = acara bahwa bahkan jumlah baterai Diperiksa

Beberapa hubungan dari teori himpunan

peristiwa tidak tetapi satu set, begitu hubungan dan hasil dari dasar teori
himpunan dapat digunakan untuk belajar peristiwa. Operasi berikut akan
digunakan untuk membangun peristiwa baru dari diberikan peristiwa.

DEFINISI 1.

1. Dari dua peristiwa A dan B, dilambangkan oleh A [Band membaca "A atau B,"
adalah acara terdiri dari semua hasil bahwa ada areei a atau b atau di bot hevents
(sehingga Uni termasuk hasil yang baik A dan Boccuras serta hasil untuk yang
tepat satu terjadi) — maksudnya, semua hasil dalam setidaknya satu events.

2. The persimpangan dua peristiwa A dan B, dilambangkan b y AB dan membaca

"A dan B," adalah acara terdiri dari semua hasil yang baik a dan B.

3.The melengkapi acara A , dilambangkan oleh 0, adalah himpunan semua hasil S

yang tidak terkandung dalam A

Contoh 2.8.

Untuk percobaan di mana jumlah pompa digunakan di sebuah stasiun enam-

pumpgas tunggal diamati, biarkan = {0, 1, 2, 3, 4}, B = {3, 4, 5, 6}, dan C = {1, 3,
5}. Kemudian

Contoh 2.9

percobaan baterai, mendefinisikan A, B, dan C oleh

Kadang-kadang A dan B memiliki hasil yang tidak sama, sehingga persimpangan

a dan B berisi hasil tidak.

Defenisi : ketika A dan B memiliki hasil ada kesamaan, mereka dikatakan

disjointor saling eksklusif peristiwa. Matematikawan menulis ini kompak sebagai
AB = ∅ mana ∅ menunjukkan acara terdiri dari tidak ada hasil whats oever ("nol"
atau "kosong" acara).
 Sebuah kota kecil memiliki tiga auto mobile dealer kapal: dealer GM
menjual Chevrolets dan Buick; dealer Ford menjual Ford dan Lincolns; dan dealer
Chrysler Jeep dan Chryslers. Jika percobaan terdiri dari memperhatikan merek
carsold berikutnya, kemudian acara A = {Chevrolet, Buick} dan B = {Ford,
Lincoln} adalah saling eksklusif karena mobil berikutnya dijual tidak dapat GM
produk dan mengurangi produk

Operasi Uni dan persimpangan dapat diperpanjang untuk lebih dari dua
peristiwa. Untuk setiap tiga peristiwa A, B, dan C, acara [B [Cis set hasil yang
terkandung dalam setidaknya satu dari tiga peristiwa, sedangkan ABC adalah
serangkaian hasil yang terkandung dalam semua tiga peristiwa. Mengingat
peristiwa A1, A2, A3,..., sare acara ini dikatakan saling eksklusif (atau pasangan
bijaksana disjoint) jika dua peristiwa memiliki apapun hasil yang sama.

Representasi bergambar peristiwa dan manipulasi dengan peristiwa

isobtained dengan menggunakan diagram Venn. Untuk membangun sebuah
diagram Venn, menggambar persegi panjang interior yang akan mewakili ruang
sampel. Kemudian acara A diwakili sebagai interior kurva tertutup (sering
lingkaran) terdapat inS. Figure 2.1 menunjukkan contoh diagram Venn.

2.2 Aksioma, interpretasi, dan probabilitas Propertiesof

Mengingat percobaan dan ruang sampel S, tujuan probabilitas adalah
untuk menetapkan ke setiap event A nomor P(A), disebut probabilitas acara A,
yang akan givea tepat mengukur kesempatan A itu akan terjadi. Untuk
memastikan bahwa tugas probabilitas akan konsisten dengan pengertian kita
intuitif probabilitas, semua yang nyata menetapkan harus memenuhi aksioma
berikut (dasar properti) probabilitas.

Anda mungkin bertanya-tanya mengapa aksioma ketiga berisi tidak ada

referensi untuk afinite koleksi utma peristiwa. Hal ini karena properti terkait
untuk koleksi terbatas bisa berasal dari aksioma kami tiga. Kami ingin kami
aksioma daftar harus sesingkat mungkin dan tidak mengandung properti yang bisa
berasal dari orang lain pada daftar. Aksioma 1 mencerminkan gagasan intuitif
bahwa kemungkinan terjadi harus benon negatif. Ruang sampel adalah dengan
definisi peristiwa yang harus terjadi ketika percobaan dilakukan (Scontains semua
kemungkinan hasil), sehingga aksioma 2 mengatakan bahwa kemungkinan
mungkin maksimum 1 ditetapkan KL. Aksioma ketiga formalizes gagasan bahwa
jika kita ingin probabilitas bahwa setidaknya salah satu dari sejumlah acara akan
terjadi dan tidak ada dua peristiwa dapat terjadi secara bersamaan, maka
kemungkinan terjadi setidaknya satu jumlah kemungkinan peristiwa individu

PROPOSISI : P(∅) = 0 mana ∅ adalah acara null. Ini pada gilirannya berarti
bahwa properti yang terkandung dalam aksioma 3 berlaku untuk koleksi afinite
acara.

Pertama-tama mempertimbangkan koleksi terbatas

A1 = sejak peristiwa-peristiwa dia

dalam koleksi ini utma dan Aksioma ketiga kemudian memberikan.

Ini bisa terjadi hanya jika P

Sekarang Anggaplah bahwa A1; A2;...; Ak utma peristiwa, dan menambahkan ini
tak terbatas koleksi A k +1 Lagi
menerapkan aksioma ketiga,

Menafsirkan probabilitas
contoh 2.11 dan 2.12 menunjukkan bahwa semua aksioma itu tidak benar-
benar menentukan anassign ment probabilitas untuk acara. Aksioma melayani
hanya untuk menyingkirkan menetapkan nyata di konsisten dengan pengertian
tuitive kami di probabilitas. Dalam percobaan melemparkan taktik 2.11 contoh,
dua tugas tertentu diusulkan. Ment sesuai atau benar menetapkan tergantung pada
sifat ibu jari paku dan juga penafsiran salah satu kemungkinan. Penafsiran yang
paling fre quently digunakan dan paling mudah under tood didasarkan pada
gagasan tentang frekuensi relatif.

Pertimbangkan sebuah eksperimen yang dapat dilakukan berulang kali

dalam mode identik dan independen, dan membiarkan A menjadi suatu peristiwa
yang terdiri dari serangkaian tetap hasil percobaan. Contoh sederhana dari
eksperimen berulang termasuk melemparkan taktik dan melemparkan mati
percobaan sebelumnya dibahas. Jika percobaan performedn kali, pada beberapa
replications acara A akan terjadi (hasil akan di set A), dan pada orang lain, wil l
tidak terjadi. Letn(A) menunjukkan ofreplications nomor yang di mana A terjadi.
Jatah /n () kemudian disebut requency relativef terjadinya peristiwa A dalam
urutan n replications. Bukti-bukti empiris, berdasarkan hasil dari banyak urutan-
urutan berulang experi yang nyata, menunjukkan bahwa sebagai n tumbuh besar,
/n n (A) frekuensi relatif stabil, aspictured pada sosok 2,2. Yaitu, sebagai n
mendapat sewenang-wenang besar, frekuensi relatif pendekatan nilai membatasi
kita sebut sebagai membatasi frekuensi relatif acara A. Interpretasi objektif
probabilitas mengidentifikasi frekuensi relatif ini membatasi dengan P(A)

Sifat probabilitas yang lebih

PROPOSISI: untuk setiap peristiwa A, P (A) = 1 P – A

Contoh 2.13

Pertimbangkan sebuah sistem lima komponen identik yang dihubungkan secara

seri, seperti digambarkan dalam gambar 2.3.

Menunjukkan komponen yang gagal oleh Fand satu yang tidak gagal oleh
S(for success). Biarkan A menjadi acara yang sistem gagal. A terjadi, setidaknya
salah satu komponen individu harus gagal. Hasil a termasuk SSFSS (1, 2, 4 dan 5
semua bekerja, tetapi tidak 3 tidak), FFSSS, dan seterusnya. Ada sebenarnya 31
hasil yang berbeda dalam A. Bagaimana pun, A0, acara yang sistem bekerja,
terdiri dari hasil tunggal SSSSS. Kita akan melihat di bagian 2,5 bahwa jika 90%
dari semua komponen ini tidak gagal dan berbagai komponen gagal secara
independen satu sama lain, maka P (A0) = P (SSSSS) =. 95 =.59.Thus P ð A Þ =
1:59 =: 41; Jadi di antara sejumlah besar sistem seperti itu, kira-kira 41% akan
gagal.

Secara umum, proposisi terdahulu berguna ketika acara menarik dapat

dinyatakan sebagai "setidaknya...," karena pelengkap "kurang dari..." mungkin
lebih mudah untuk bekerja dengan. (Dalam beberapa masalah, "lebih dari..." lebih
mudah untuk berurusan dengan daripada "di paling...") ketika Anda mengalami
kesulitan untuk menghitung P(A) langsung, berpikir tentang menentukan P (0).

PROPOSISI ;untuk setiap acara A dan B

Perhatikan bahwa proposisi ini berlaku bahkan jika A dan B adalah utma, sejak
kemudian P(AB) = 0. Ide utama adalah bahwa, dalam menambahkan P(A) dan
P(B), kemungkinan persimpangan AB benar-benar dihitung dua kali, jadi P(AB)
harus dipotong keluar.

Bukti ; pertama dicatat bahwa; s diilustrasikan pada

gambar

Contoh : Di pinggiran perumahan tertentu, 60% dari semua rumah mengadakan

mendapatkan layanan internet dari perusahaan kabel lokal, 80% mendapatkan
layanan televisi dari perusahaan, dan 50% mendapatkan kedua layanan dari
perusahaan. Jika rumah tangga secara acak dipilih, apa itu kemungkinan bahwa
hal itu akan setidaknya salah satu layanan ini dua dari perusahaan, dan apa
kemungkinan bahwa hal itu akan benar-benar salah satu layanan dari perusahaan?
Dengan = {mendapat layanan internet dari perusahaan TV kabel} dan B =
{mendapat Layanan tele-visi dari perusahaan TV kabel}, informasi yang
diberikan menyiratkan bahwa P ð Þ =: 6;

Proposisi sebelumnya kemudian berlaku untuk

memberikan P (mendapatkan setidaknya salah satu dari dua layanan dari
perusahaan). Acara bahwa rumah tangga mendapat hanya layanan televisi dari
perusahaan dapat ditulis sebagai [(not internet) dan televisi]. Sekarang
gambar 2.4 menyiratkan bahwa;

dari mana demikian pula

ini semua diilustrasikan pada gambar dari
mana kita melihat bahwa.

P (tepat satu) =

Probabilitas gabungan dari lebih dari dua peristiwa bisa dihitung analog.
Untuk tiga peristiwa A, B, dan C, hasilnya adalah

Ini bisa dilihat dengan memeriksa diagram Venn yang ditampilkan

dalam gambar 2.6. Ketika P(A),P(B), dan P(C) ditambahkan, hasil di
persimpangan tertentu ganda dihitung dan probabilitas sesuai harus dikurangi.
Tapi hal ini menghasilkan yang dikurangi setelah terlalu sepuluh,
jadi itu mesti ditambahkan kembali. Salah satu bukti formal melibatkan
menerapkan proposisi sebelumnya kemungkinan Uni dari dua
peristiwa dan C. Lebih umum, hasil mengenai dapat
dibuktikan oleh induksi atau metode lainnya.
 Menentukan probabilitas secara sistematis, ketika jumlah hasil mungkin
(sederhana peristiwa) besar, akan ada banyak senyawa peristiwa. Cara sederhana
untuk menentukan probabilitas untuk peristiwa yang menghindari melanggar
semua aksioma itu dan berasal properti adalah untuk pertama-tama menentukan
probabilitas P(Ei) untuk semua acara yang sederhana. Ini harus memenuhi
dan kemungkinan acara senyawa A dihitung dengan
menambahkan bersama P (Ei) untuk semua E i di A.

2.3 Menghitung teknik,

ketika hasil berbagai percobaan sama mungkin (sama dengan-
meningkatkan kemampuan sumber ditugaskan untuk setiap acara sederhana),
tugas komputasi probabilitas mengurangi untuk menghitung. Secara khusus, jika
N adalah jumlah hasil dalam ruang sampel dan N(A) adalah jumlah hasil yang
terkandung dalam acara A, kemudian

Jika daftar hasil tersedia atau mudah untuk membangun dan N kecil,
kemudian pembilang dan penyebut persamaan (2.1) dapat diperoleh tanpa
manfaat diunduh menghitung prinsip-prinsip umum. Namun, ada banyak
percobaan yang upaya yang terlibat dalam con - structing seperti daftar mahal
karena N cukup besar. Dengan memanfaatkan beberapa peraturan penghitungan
umum, dimungkinkan untuk menghitung probabilitas bentuk (2.1) tanpa daftar
hasil. Aturan ini juga berguna dalam banyak masalah yang melibatkan hasil yang
tidak sama-sama mungkin. Beberapa aturan-aturan yang dikembangkan di sini
akan digunakan dalam mempelajari distribusi probabilitas di bab berikutnya.

Aturan produk untuk memerintahkan pasang.

 Aturan penghitungan pertama kami berlaku untuk situasi di mana set
(peristiwa) terdiri dari memerintahkan pasang benda dan kami berharap untuk
menghitung jumlah pasangan tersebut. Oleh pasangan memerintahkan, kita berarti
bahwa, jika O 1 dan O 2 objek, kemudian pasangan (O1, O2) berbeda dari
pasangan (O2, O1). Sebagai contoh, jika seseorang memilih salah satu maskapai
penerbangan untuk perjalanan dari Los Angeles ke Chicago dan (setelah
bertransaksi bisnis di Chicago) yang kedua untuk melanjutkan ke New York, satu
kemungkinan adalah (American, Inggris), lain adalah (Inggris, Amerika), dan
masih lain adalah () Inggris, Inggris).

Diagram pohon.

Dalam banyak masalah menghitung dan probabilitas, konfigurasi yang

disebut diagram pohon yang dapat digunakan untuk mewakili pictorially semua
kemungkinan. Diagram pohon yang terkait dengan contoh 2.18 muncul dalam
gambar 2.7. Mulai dari titik di sisi kiri dari diagram, untuk setiap elemen pertama
mungkin sepasang segmen tanyakan muncul tepat ward. Setiap baris ini dirujuk
sebagai cabang generasi pertama. Sekarang penarikan forany diberikan cabang
generasi pertama yang kita membangun lain segmen garis yang berasal dari ujung
cabang untuk setiap pilihan yang tersedia dari elemen kedua pasangan. Masing-
masing segmen garis seperti itu adalah kedua - generasi cabang. Karena ada
empat obstetricians, ada empat pertama - generasi cabang, dan tiga dokter anak
untuk setiap dokter kandungan menghasilkan tiga cabang generasi kedua yang
berasal dari masing-masing cabang generasi pertama.
Lebih umum produk aturan

jika mati bersisi enam adalah melemparkan lima kali berturut-turut

daripada hanya dua kali, maka setiap hasil yang mungkin adalah koleksi
memerintahkan lima nomor (1, 3, 1, 2, 4) atau (6, 5, 2, 2, 2). Kita akan memanggil
koleksi yang memerintahkan k objek ak-tupel (sehingga sepasang tupel 2 - dan
triple 3-tupel). Setiap hasil percobaan melemparkan mati ini kemudian 5-tupel.

Permutasi.

Sejauh elemen berturut-turut ak-tupel dipilih dari s set yang berbeda (misalnya,
dealer alat, maka tukang pipa dan akhirnya listrik). Dalam beberapa lemparan
Die, set yang berturut-turut elemen yang dipilih adalah selalu {1, 2, 3, 4, 5, 6}, 68
Bab 2 probabilitas tapi pilihan dibuat "dengan penggantian" sehingga satu unsur
yang sama dapat ditampilkan lebih dari sekali. Kita sekarang mempertimbangkan
satu set tetap yang terdiri dari n unsur yang berbeda dan rasa yang ak-tupel
dibentuk oleh memilih ly berturut-turut dari himpunan ini tanpa penggantian
sehingga elemen dapat muncul di paling salah satu posisi k.

DEFINISI : apapun memerintahkan urutan benda k diambil dari serangkaian n

obyek yang berbeda disebut permutasi dari ukuran k objek. Jumlah permutasi k
ukuran yang dapat dibangun dari maka objek dilambangkan oleh P k, n.

jumlah permutasi ukuran k diperoleh langsung dari aturan umum produk.

Elemen pertama dapat dipilih dalam cara, untuk setiap sen cara elemen
kedua dapat dipilih di cara, dan seterusnya; Akhirnya, untuk setiap cara
memilih k pertama 1 elemen, elemen kth dapat dipilih di
cara, jadi

Kombinasi

Dari sepuluh tujuan adalah untuk menghitung jumlah PBB

memerintahkan subkumpulan k ukuran yang dapat dibentuk dari satu set terdiri
dari n objek yang berbeda. Sebagai contoh, di jembatan itu adalah hanya 13 kartu
di tangan dan tidak urutan di mana mereka berhadapan yang penting; dalam
pembentukan sebuah Komite, urutan dalam komite yang anggota terdaftar tidak
sering penting..
 Jumlah kombinasi k ukuran dari set tertentu lebih kecil daripada jumlah
permutasi karena, ketika urutan diabaikan, beberapa permutasi sesuai dengan
kombinasi yang sama. Mempertimbangkan, misalnya, set {A, B, C, D, E} terdiri
dari lima elemen. Ada permutasi dari ukuran 3. Ada enam
permutasi dari ukuran 3 terdiri dari unsur-unsur A, B, dan C karena tiga dapat
dipesan cara: (A, B, C), (A, C, B), (B, sebuah, C), (B, C, A), (C,
A, B), dan (C, B, A). Permutasi enam ini setara dengan satu kombinasi {A, B, C}.
Demikian pula, untuk kombinasi lainnya ukuran 3, reare 3! permutasi, masing-
masing diperoleh dengan memesan tiga obyek. Dengan demikian,

Kombinasi ini sepuluh

Ketika ada n objek yang berbeda, setiap permutasi dari ukuran k diperoleh
dengan memesan k PBB diperintahkan objek kombinasi dalam salah satu k! cara,
sehingga jumlah permutasi adalah produk dari k! dan jumlah kombinasi. Ini
memberikan.

2.4 Bersyarat probabilitas.

Probabilitas yang ditugaskan ke berbagai acara tergantung pada apa yang
diketahui tentang situasi eksperimental ketika penugasan dibuat. Setelah tugas
awal, sebagian informasi tentang atau relevan hasil percobaan dapat menjadi
tersedia. Informasi tersebut dapat menyebabkan kita untuk merevisi beberapa
tugas probabilitas kami. Untuk acara tertentu A, kami telah menggunakan P(A)
untuk mewakili probabilitas yang ditugaskan ke A; kita sekarang menganggap
P(A) sebagai probabilitas asli atau tanpa syarat acara A.
 In bagian ini, kita meneliti bagaimana informasi "acara B telah
terjadi"mempengaruhi probabilitas yang ditugaskan ke A. Sebagai contoh, A
mungkin merujuk kepada seorang individu yang memiliki penyakit tertentu
hadapan gejala-gejala tertentu. Jika tes darah dilakukan pada individu dan
hasilnya negatif (B = negatif tes darah), maka kemungkinan memiliki penyakit
akan berubah (ini harus menurunkan, tetapi biasanya tidak ke nol, sejak darah tes
tidak sempurna).

Perkalian aturan untuk

Definisi bersyarat probabilitas menghasilkan hasil sebagai berikut

diperoleh dengan mengalikan kedua sisi persamaan (2.3) oleh P(B).

Contoh : Empat individu telah menanggapi permintaan oleh sebuah bank darah
untuk sumbangan darah. Tidak satupun dari mereka telah
menyumbangkan sebelumnya, sehingga jenis darah mereka tidak
diketahui. Misalkan hanya jenis O yang diinginkan dan hanya salah
satu dari empat sebenarnya memiliki jenis ini. Jika donor potensial
yang dipilih secara acak untuk mengetik, Apakah probabilitas bahwa
setidaknya tiga individu harus diketik untuk mendapatkan jenis yang
diinginkan?

Membuat identifikasi B = {tipe pertama tidak O+} dan A = { kedua jenis bukan
O+}, P(B) = 3/4. Mengingat bahwa jenis pertama ini tidak O, dua dari
tiga individu kiri tidak O, jadi P(A| B) = 2/3. Aturan perkalian
sekarang member

{Tepuk setidaknya tiga individu yang diketik}

Diagram pohon mewakili situasi eksperimental ini ditunjukkan dalam

gambar 2.10. Cabang-cabang awal sesuai dengan merek yang berbeda dari
pemutar DVD; ada dua cabang generasi kedua yang berasal dari ujung setiap
cabang awal, satu untuk "kebutuhan perbaikan" dan yang lain untuk "tidak perlu
perbaikan."

Teorema Bayes'.
Perhitungan probabilitas posterior P(Aj| B) dari diberikan sebelumnya
probabilitas P(Ai) dan bersyarat probabilitas P(B| AI) menempati posisi sentral di
probabilitas elemen-militer. Aturan umum untuk perhitungan tersebut, yang
benar-benar justa aplikasi sederhana aturan perkalian, kembali ke pendeta Thomas
Bayes, yang tinggal di abad ke-18. Untuk menyatakan itu kita perlu terlebih dulu
hasil lain. Ingat bahwa peristiwa A 1,..., k saling eksklusif jika tidak ada dua
memiliki apapun hasil yang umum. Peristiwa lengkap jika satu Ai harus terjadi,
jadi itu

Hukum Probabilitas Total membiarkan A1… Ak menjadi acara saling eksklusif

dan lengkap. Kemudian untuk acara lainnya B,

2.5. Definisi Kemerdekaan

bersyarat probabilitas memungkinkan kita untuk merevisi probabilitas P
(A) awalnya ditugaskan ke A ketika kita kemudian diberitahu peristiwa lain B
telah terjadi; probabilitas baru a adalah P(A| B). di contoh kami, itu sering terjadi
bahwa P(A| B) adalah tidak seimbang dengan probabilitas tanpa syarat P(A),
menunjukkan bahwa "Terjadi Bhas" informasi yang mengakibatkan perubahan
dalam kesempatan yang terjadi. Ada situasi yang lain, meskipun, di mana
kesempatan A itu atau telah terjadi adalah tidak terpengaruh oleh pengetahuan
bahwa B telah terjadi, jadi itu P(A| B)=P(A). Hal ini kemudian alami untuk
berpikir a dan B sebagai peristiwa yang merdeka, yang berarti bahwa terjadinya
atau salah satu acara tidak memiliki bantalan pada kesempatan yang lain akan
terjadi.

Defenisi Dua peristiwa A dan B merdeka jika dan dependen

adalah ke bijaksanaan.

Definisi kemerdekaan mungkin tampak "contoh" karena kita tidak

menuntut itu juga. Bagaimana pun, menggunakan definisi
probabilitas bersyarat dan aturan perkalian,

P(AB) ketika acara yang independen sering sifat percobaan menunjukkan

bahwa dua peristiwa A dan B harus diasumsikan independen. Hal ini terjadi,
sebagai contoh, jika produsen menerima sebuah papan sirkuit dari masing-masing
dua pemasok yang berbeda, setiap papan diuji pada saat kedatangan, dan =
{pertama cacat} dan B = {kedua rusak}. Jika P (A) =. 1, 2,5 kemerdekaan 85
seharusnya juga menjadi kasus bahwa P(A| B) =. 1; mengetahui kondisi Dewan
kedua tidak boleh memberikan informasi tentang kondisi pertama. Hasil
berikutnya kami menunjukkan bagaimana untuk menghitung P(AB) ketika
peristiwa independen.

Kemerdekaan lebih dari dua peristiwa gagasan

kemerdekaan dua peristiwa dapat diperpanjang untuk koleksi lebih dari

dua peristiwa. Meskipun dimungkinkan untuk memperluas definisi untuk dua
peristiwa independen dengan bekerja dalam hal bersyarat dan tanpa syarat prob-
kemampuan, itu lebih langsung dan kurang rumit untuk melanjutkan sepanjang
baris terakhir proposisi.

Definisi : Peristiwa A1,..., n yang saling independentif untuk setiap k (k = 2, 3,...,

n) dan setiap subset dari indeks
 Untuk parafrase definisi, peristiwa-peristiwa saling mandiri jika
probabilitas persimpangan subset dari setiap kemudian peristiwa setara dengan
produk dari probabilitas individu. Seperti halnya dengan dua peristiwa, kita sering
menentukan pada awal masalah kemerdekaan peristiwa-peristiwa tertentu.
Definisi kemudian dapat digunakan untuk menghitung probabilitas persimpangan.

Artikel "Kehandalan evaluasi dari matahari array fotovoltaik" (energi

surya, 2002: 129-141) menyajikan berbagai konfigurasi array fotovoltaik surya
con-sisting garis kristal silikon sel surya. Pertimbangkan pertama sistem yang
diilustrasikan pada gambar 2.14. Ada dua subsistem, terhubung secara paralel,
masing-masing mengandung sel-sel
tiga. Dalam rangka untuk sistem
untuk fungsi, setidaknya salah satu
dari dua subsistem paralel harus
bekerja. Dalam masing-masing
subsistem, tiga sel yang terhubung
inseries, sehingga subsistem akan
bekerja hanya jika semua sel dalam subsistem bekerja. Mempertimbangkan
aparticular seumur hidup nilai t 0, dan Misalkan kita ingin menentukan
probabilitas bahwa sistem waktu hidup melampaui t 0. Biarkan idenote acara yang
lama celliexceeds t 0 (i = 1, 2,..., 6). Kita berasumsi bahwa i adalah peristiwa-
peristiwa yang independen (Apakah setiap sel tertentu berlangsung lebih thant 0
jam tidak memiliki bantalan pada whetherany sel lain Apakah) dan bahwa P (Ai)
=. 9 untuk everyi karena sel-sel identik. .

P (sistem seumur hidup melebihi t0)

 Bibliografi
Durrett, Richard, SD probabilitas Olkin, Ingram, Cyrus Derman, dan Leon
untuk Applica-tions, Gleser, probabilitas model dan
Cambridge Univ. Press, Application(2nd ed.), Macmillan, New
London, England,2009.A York, 1994. Pengenalan komprehensif
presentasi singkat pada tingkat probabilitas, ditulis pada tingkat
yang sedikit lebih tinggi matematika yang sedikit lebih tinggi
daripada teks ini. daripada teks ini tetapi con-taining
banyak contoh yang baik.
Mosteller, Frederick, Robert Rourke,
dan George Thomas, Ross, Sheldon, pertama kursus di
probabilitas dengan Probability(8th ed.), Prentice Hall,
Applications(2nd ed.) statistik, Upper Saddle River, NJ, 2010.Rather
Addison-Wesley, membaca, erat ditulis dan lebih matematis
MA, 1970.A sangat baik canggih dari teks ini tetapi berisi
precalculus pengantar wealthof contoh menarik dan latihan.
probabil-ity, dengan banyak
contoh menghibur; terutama Winkler, Robert, pengantar Bayesian
baik pada aturan-aturan yang kesimpulan dan Decision(2nd ed.),
menghitung dan aplikasi probabilistik Publishing, Sugar Land,
mereka. Texas, 2003. Pengenalan yang sangat
baik untuk subjektif probabilitas