Pengenalan
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.
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
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.
Peristiwa
Peristiwa dalam penyelidikan tentang probabilitas, kita akan tertarik tidak hanya
dalam individu keluar datang s tetapi juga dalam setiap pengumpulan hasil dari S.
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.
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
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.
Contoh 2.8.
Contoh 2.9
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.
PROPOSISI : P(∅) = 0 mana ∅ adalah acara null. Ini pada gilirannya berarti
bahwa properti yang terkandung dalam aksioma 3 berlaku untuk koleksi afinite
acara.
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.
Contoh 2.13
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.
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.
P (tepat satu) =
Probabilitas gabungan dari lebih dari dua peristiwa bisa dihitung analog.
Untuk tiga peristiwa A, B, dan C, hasilnya adalah
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.
Diagram pohon.
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.
Kombinasi
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.
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
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