STATISTIKA MATEMATIKA

Probabilitas, Distribusi, dan Asimtosis dalam Statistika

Penulis: Prof. Drs. Subanar, Ph.D



Edisi Pertama
Cetakan Pertama, 2013

Hak Cipta  2013 pada penulis,

Hak Cipta dilindungi undang-undang. Dilarang memperbanyak atau memindahkan sebagian atau seluruh isi buku
ini dalam bentuk apa pun, secara elektronis maupun mekanis, termasuk memfotokopi, merekam, atau dengan teknik
perekaman lainnya, tanpa izin tertulis dari penerbit.

Ruko Jambusari No. 7A

Yogyakarta 55283
Telp. : 0274-889836; 0274-889398
Fax. : 0274-889057
E-mail : info@grahailmu.co.id

Subanar, Prof., Drs., Ph.D

STATISTIKA MATEMATIKA: Probabilitas, Distribusi, dan Asimtotis dalam Statistika
/Prof. Drs. Subanar, Ph.D
- Edisi Pertama – Yogyakarta; Graha Ilmu, 2013
viii + 180 hlm, 1 Jil.: 26 cm.

ISBN: 978-979-756-955-6

1. Statistika 2. Matematika I. Judul

 KATA PENGANTAR
KATA PENGANTAR
Penulis memanjatkan rasa syukur kepada Allah SWT atas limpahan rahmat-Nya sehingga
buku Statistika Matematika: Probabilitas, Distribusi, dan Asimtotis dalam Statistika dapat di-
Penulis
terbitkan. Bukumemanjatkan rasa mahasiswa
ini disusun untuk syukur kepada Allah
FMIPA SWT
atau atas limpahan
FPMIPA rahmat-Nya
dan Pascasarjana sehingga
Matematika
buku
dalamStatistika Matematika:
mempelajari Probabilitas,yang
statistika matematika Distribusi, dan Asimtotis
menekankan pada teoridalam Statistika
probabilitas dapat
sebagai di-
dasar
terbitkan.
inferensi. Buku ini disusun untuk mahasiswa FMIPA atau FPMIPA dan Pascasarjana Matematika
dalam mempelajari statistika matematika yang menekankan pada teori probabilitas sebagai dasar
Buku ini diharapkan mampu memberikan pemahaman pada mahasiswa bahwa statistika
inferensi.
matematika mempunyai akar yang kuat dalam matematika karena matematika merupakan bahasa
Buku ini diharapkan
untuk pemodelan mampu
statistika yang memberikan
dirumuskan. pemahaman
Penjelasan padakonsep
tentang mahasiswa
dasar bahwa statistika
teori himpunan
matematika mempunyai dalam
mengawali pembahasan akar yang
bukukuat
ini, dalam matematika
dan diakhiri karena
dengan teori matematika merupakan
asimtotis dalam bahasa
statistika.
untuk pemodelan statistika yang dirumuskan. Penjelasan tentang konsep dasar teori himpunan
Introduction to Mathematical Statistics karangan Hogg, Mc. Kean dan Craig dan An In-
mengawali pembahasan dalam buku ini, dan diakhiri dengan teori asimtotis dalam statistika.
troduction to Probability Theory and Mathematical Statistics dari V.R. Rohatgi, ditambah delapan
Introduction
belas referensi to Mathematical
yang tertulis Statistics
dalam daftar karangan
pustaka Hogg,bahan
merupakan Mc. Kean
utamadan Craig dan An
penyusunan. In-
Semua
troduction to Probability
referensi diramu Theorypengalaman
sesuai dengan and Mathematical
penulis Statistics
mengampu dari V.R.kuliah
mata Rohatgi, ditambah
Statistika delapan
Matematika
belas referensi
baik pada yangS1
program tertulis
dan S2dalam daftarUGM
di FMIPA pustaka
sejakmerupakan
tahun 1990.bahan utamateorema-teorema
Meskipun penyusunan. Semua
yang
referensi diramubuku
tertulis dalam sesuai
inidengan
sudah pengalaman
familiar bagipenulis mengampu mata
para statistikawan, kuliah
tetapi Statistika
dalam beberapaMatematika
hal yang
baik pada program S1 dan S2 di FMIPA UGM sejak tahun 1990. Meskipun teorema-teorema
sangat spesifik sumber acuan tetap ditulis untuk memudahkan pencarian acuan utama. yang
tertulis dalam buku ini sudah familiar bagi para statistikawan, tetapi dalam beberapa hal yang
Dengan terbitnya buku ini, tak lupa penulis mengucapkan terima kasih kepada Jurusan
sangat spesifik sumber acuan tetap ditulis untuk memudahkan pencarian acuan utama.
Matematika FMIPA UGM dan MGB (Majelis Guru Besar) UGM atas kerjasamanya. Ucapan
Dengan
terima kasih terbitnya
penulis bukujuga
haturkan ini, tak lupaketua
kepada penulis
danmengucapkan terima
sekretaris MGB kasih
UGM kepada buku
sehingga Jurusan
ini
Matematika
mendapat FMIPA dari
dukungan UGM dan UGM.
MGB MGB (Majelis Guru Besar) UGM atas kerjasamanya. Ucapan
terima kasih penulis haturkan juga kepada ketua dan sekretaris MGB UGM sehingga buku ini
Akhirnya, penulis berharap semoga buku ini dapat memberikan kontribusi yang berarti,
mendapat dukungan dari MGB UGM.
terutama dalam mempelajari statistika matematika. Oleh karena itu, saran dan kritik demi per-
Akhirnya,
baikan buku penulis
ini sangat berharap semoga buku ini dapat memberikan kontribusi yang berarti,
diharapkan.
terutama dalam mempelajari statistika matematika. Oleh karena itu, saran dan kritik demi per-
baikan buku ini sangat diharapkan.
Yogyakarta, September 2012

Yogyakarta,
Prof. Subanar, September
Ph.D. 2012
troduction to Probability Theory and Mathematical Statistics dari V.R. Rohatgi,
troduction to ditambah
Probabilitydelapan
Theory and Mathem
belas referensi yang tertulis dalam daftar pustaka merupakan bahan utama
belas penyusunan.
referensi Semua
yang tertulis dalam daftar p
referensi diramu sesuai dengan pengalaman penulis mengampu mata kuliah diramu
referensi Statistika Matematika
sesuai dengan pengalaman
baik pada program S1 dan S2 di FMIPA UGM sejak tahun 1990. Meskipun
baik pada program S1 dan yang
teorema-teorema S2 di FMIPA UG
tertulis dalam buku ini sudah familiar bagi para statistikawan, tetapi dalam
tertulis beberapa
dalam buku inihalsudah
yang familiar bag
sangat spesifik sumber acuan tetap ditulis untuk memudahkan pencarian acuan utama.
sangat spesifik sumber acuan tetap ditulis u
Dengan terbitnya buku ini, tak lupa penulis mengucapkan terimaDengan
kasih kepada Jurusan
terbitnya buku ini, tak lup
Matematika FMIPA UGM dan MGB (Majelis Guru Besar) UGM atas kerjasamanya.
Matematika FMIPA UGM Ucapan
dan MGB (Ma
vi
2 STATISTIKA MATEMATIKA: Probabilitas, Distribusi, dan Asimtotis dalam Statistika
terima kasih penulis haturkan juga kepada ketua dan sekretaris terima
MGB UGM sehingga buku
kasih penulis haturkanini juga kepada
mendapat dukungan dari MGB UGM. mendapat dukungan dari MGB UGM.
muka dan B belakang,
Akhirnya, maka
penulis berharap semoga buku ini dapat memberikan kontribusi
Akhirnya, yang berarti,
penulis berharap semoga
terutama dalam mempelajari statistika
Ω = {(Mmatematika. Oleh),karena
M ), (M B), (BM itu, saran dalam
(BB)}terutama dan kritik demi per-statistika mat
mempelajari
baikan buku ini sangat diharapkan. baikan buku ini sangat diharapkan.
Contoh 1.2.2
Bila eksperimen adalah pencatatan nilai mata kuliah Statistik Dasar pada suatu kelas, maka
Yogyakarta, September 2012 Ω = [0, 100] Yogyakarta, September 2012

Prof.
ContohSubanar,
1.2.3 Ph.D. Prof. Subanar, Ph.D.
Dalam eksperimen pelemparan sebuah dadu seimbang
Ω = {1, 2, 3, 4, 5, 6}

Contoh 1.2.4 v
Untuk eksperimen dengan pelemparan sebuah mata uang sampai mendapat M atau muka,
Ω = {1, 2, 3, 4, ...}
Ruang sampel kita klasifikasikan menjadi dua jenis berdasarkan jumlah elemen yang dimilikinya.
Bila terdapat korespondensi 1-1 antara Ω dan himpunan bagian dari N = {1, 2, 3, ...}, maka ruang
sampelnya disebut terhitung atau countable. Dengan sendirinya ruang sampel yang terdiri dari
sejumlah berhingga elemen termasuk himpunan terhitung. Bila Ω takhingga dan Ω tidak berko-
respodensi 1-1 dengan N , maka Ω disebut tak terhitung atau uncountable. Ruang sampel pada
contoh 1.2.1 dan 1.2.3 disebut terhitung karena berhingga. Ruang sampel pada contoh 1.2.4 juga
disebut terhitung karena Ω = N . Karena Ω dalam contoh 1.2.2 tidak berkorespondensi 1-1 dengan
N , maka Ω disebut tak terhitung.
Begitu ruang sampel terdefinisikan, kita bisa memperlihatkan himpunan bagian ”yang lebih
kecil” dari Ω.
Definisi 1.2.2. Suatu kejadian adalah himpunan bagian dari Ω termasuk φ dan Ω sendiri.
Definisi 1.2.3. ∅ disebut kejadian mustahil atau impossible event sedangkan Ω disebut kejadian
pasti atau sure event.

Contoh 1.2.5
Dalam contoh 1.2.1 bila A menyatakan kejadian lemparan yang menghasilkan hasil yang sama,
maka A = {(M M ), (BB)}.

Contoh 1.2.6
Untuk contoh 1.2.3 bila B adalah kejadian muka yang tampak bilangan genap, maka
B = {2, 4, 6}
Hubungan antara ruang sampel dan kejadian bisa ditunjukkan dalam bentuk diagram Venn seperti
terlihat pada gambar 1.2.1.
DAFTAR
DAFTAR
ISI ISI

DAFTARDAFTAR
ISI ISI
KATA PENGANTAR
KATA PENGANTAR v v
DAFTAR ISI DAFTAR ISI vii vii
BAB I KONSEP
BAB I DASAR
KONSEPTEORIDASAR HIMPUNAN
TEORI HIMPUNAN 1 1
1.1 Pendahuluan
1.1 Pendahuluan 1 1
KATA PENGANTAR
1.2KATA
RuangPENGANTAR
1.2
Sampel
RuangdanSampel
Kejadian
dan Kejadian v
1 v
1
DAFTAR ISI
DAFTAR
1.3 Operasi1.3 ISI
Kejadian
Operasi Kejadian vii
3 vii
3
BAB I KONSEP
1.4BAB I DASAR
Fields KONSEP
dan TEORI
1.4 FieldsDASAR
σ−fields HIMPUNAN
TEORI HIMPUNAN
dan σ−fields 19 19
1.1 Limit
1.5 Pendahuluan
1.1 Limit
Pendahuluan
Himpunan
1.5 Himpunan 131 131
1.2 Ruang 1.2
Sampel
Ruang
1.6 Latihan1.6 LatihandanSampel
Kejadian
dan Kejadian 1
18 1
18
1.3BAB
Operasi
BAB II PROBABILITAS 1.3
Kejadian
Operasi Kejadian
II PROBABILITAS 193 193
1.4 Fields dan
1.4
2.1 Pendahuluan Fields
σ−fields
dan σ−fields
2.1 Pendahuluan 199 199
1.5 Limit Himpunan
1.5
2.2 Probabilitas Limit Himpunan
2.2 Probabilitas
Klasik danKlasik
Frekuensi
dan Relatif
Frekuensi Relatif 13
19 13
19
1.6 Latihan 1.6
2.3 Probabilitas Latihan
2.3 Probabilitas
AksiomatikAksiomatik 18
21 18
21
BAB II PROBABILITAS
2.4BAB II PROBABILITAS
Probabilitas
2.4 Probabilitas
Bersyarat Bersyarat 19
29 19
29
2.1
2.5 Pendahuluan
2.1
Kejadian Pendahuluan
2.5Bebas
Kejadian
atauBebas
Independen
atau Independen 19
32 19
32
2.2 Probabilitas
2.2
2.6 Rumus2.6 Probabilitas
Bayes KlasikBayes
Rumus danKlasik
Frekuensi
dan Relatif
Frekuensi Relatif 19
34 19
34
2.3 Probabilitas
2.3 Probabilitas
Aksiomatik
2.7 Latihan2.7 Latihan Aksiomatik 21
38 21
38
BAB 2.4 Probabilitas
III2.4
III VARIABEL
BAB Probabilitas
Bersyarat
VARIABEL
RANDOM Bersyarat
RANDOM
DAN DISTRIBUSINYA
DAN DISTRIBUSINYA 29
41 29
41
2.5 Kejadian
2.5
3.1 Pendahuluan atau Independen
Bebas
3.1 Pendahuluan Kejadian
atauBebas
Independen 32
41 32
41
2.6
3.2 Rumus 2.6
VariabelBayes
3.2 Rumus
VariabelBayes
Random Random 34
41 34
41
2.7 Latihan2.7
3.3 Variabel Latihan
3.3Random
VariabelDiskret
Random Diskret 38
46 38
46
BAB III3.4
VARIABEL
BAB III3.4
VariabelVARIABEL
RANDOM
Random RANDOM
DAN DISTRIBUSINYA
VariabelKontinu
Random DAN DISTRIBUSINYA
Kontinu 41
50 41
50
3.1
3.5 Pendahuluan
3.1
3.5 Pendahuluan
Harga Harapan
Harga Harapan 41
61 41
61
3.2 Variabel
3.2
3.6Random
Variabel
3.6 Harga Harapan Random
HargaKhusus
Harapan Khusus 41
65 41
65
3.3 Variabel
3.3
3.7 Beberapa Random
VariabelDiskret
3.7 KetaksamaanRandom
Beberapa Ketaksamaan
dalamDiskret
Statistika
dalam Statistika 46
71 46
71
3.4
3.8 Variabel
Latihan3.4
3.8Random
Variabel
LatihanKontinu
Random Kontinu 50
73 50
73
BAB IV 3.5 Harga
IVHarapan
DISTRIBUSI
BAB 3.5 Harga
DISTRIBUSI Harapan
MULTIVARIAT MULTIVARIAT 61
77 61
77
3.6 Harga Harapan
4.1 Pendahuluan Khusus
3.6
4.1 Pendahuluan Harga Khusus
Harapan 65
77 65
77
3.7 Beberapa
3.7 Ketaksamaan
4.2 Distribusi
4.2 Beberapa
Dua
Distribusi Ketaksamaan
Duadalam
Variabel Random Statistika
Variabel dalam
Random Statistika 71
77 71
77
3.8 Latihan3.8 Latihan
4.3 Harga Harapan
4.3 Harga Harapan 73
86 73
86
BAB IV 4.4BAB IV
DISTRIBUSI DISTRIBUSI
Transformasi
4.4 VariabelMULTIVARIAT
MULTIVARIAT
Transformasi Random
VariabelBivariat
Random Bivariat 77
91 77
91
4.1 4.1
Pendahuluan
4.5 Distribusi Pendahuluan
4.5 dan
Distribusi
Harga dan
Harapan
HargaBersyarat
Harapan Bersyarat 77
99 77
99
4.6 4.2Random
4.2 Variabel
Distribusi
4.6 Distribusi
Dua
Variabel DuaRandom
Variabel Variabel
Independen
Random Random
Independen 77
106 77
106
4.3 Harga 4.3
4.7 Vektor 4.7 Harga
Harapan
Random Harapan
Vektoruntuk
Randomn ≥ untuk
3 n≥3 86
111 86
111
4.8 4.4 Transformasi
4.4 Transformasi
Transformasi
4.8 Transformasi
Vektor VariabelRandom
VariabelRandom
Random
Vektor Random Bivariat
Bivariat 91
116 91
116
4.5 Latihan
4.9 4.5 dan
Distribusi
4.9 Distribusi
Harga dan
Latihan HargaBersyarat
Harapan Harapan Bersyarat 99
120 99
120
 2.4 Probabilitas
2.4 Probabilitas
Bersyarat Bersyarat 29 29
2.5 Kejadian2.5Bebas
Kejadian
atau Bebas
Independen
atau Independen 32 32
2.6 Rumus Bayes
2.6 Rumus Bayes 34 34
2.7 Latihan 2.7 Latihan 38 38
BAB III VARIABEL
BAB III VARIABEL
RANDOM DAN RANDOM DISTRIBUSINYA
DAN DISTRIBUSINYA 41 41
3.1 Pendahuluan
3.1 Pendahuluan 41 41
3.2 Variabel3.2
Random
Variabel Random 41 41
3.3 Variabel3.3
Random
VariabelDiskret
Random Diskret 46 46
3.4 Variabel3.4
Random
VariabelKontinu
Random Kontinu 50 50
3.5 Harga Harapan
3.5 Harga Harapan 61 61
viii
2 STATISTIKA
3.6 Harga HarapanMATEMATIKA:
3.6 Harga Khusus Probabilitas, Distribusi, dan Asimtotis dalam
Harapan Khusus 65 Statistika
65
3.7 Beberapa 3.7Ketaksamaan
Beberapa Ketaksamaan
dalam Statistika
dalam Statistika 71 71
3.8 Latihan 3.8 Latihan 73 73
mukaIV
BAB dan BBAB
belakang,
DISTRIBUSI maka
MULTIVARIAT
IV DISTRIBUSI MULTIVARIAT 77 77
4.1 Pendahuluan
4.1 Pendahuluan
Ω = {(M M ), (M B), (BM ), (BB)} 77 77
4.2 Distribusi
4.2Dua
Distribusi
Variabel
Dua
Random
Variabel Random 77 77
4.3 Harga Harapan
4.3 Harga Harapan 86 86
Contoh4.4 1.2.2
Transformasi
4.4 Transformasi
Variabel Random
VariabelBivariat
Random Bivariat 91 91
Bila eksperimen adalah
4.5 Distribusi pencatatan
4.5dan
Distribusi nilai
Harga Harapan
dan mata
Harga kuliah Statistik
Bersyarat
Harapan BersyaratDasar pada suatu kelas,
99 maka 99
4.6 Variabel4.6
Random
VariabelIndependen
Random Independen
Ω = [0, 100] 106 106
4.7 Vektor Random
4.7 Vektoruntuk n ≥ 3untuk n ≥ 3
Random 111 111
4.8 Transformasi
4.8 Transformasi
Vektor Random
Vektor Random 116 116
Contoh 1.2.3
4.9 Latihan 4.9 Latihan 120 120
Dalam eksperimen pelemparan sebuah dadu seimbang
BAB V DISTRIBUSI
BAB V DISTRIBUSI
KHUSUS KHUSUS 123 123
5.1 Pendahuluan Ω = {1, 2, 3, 4, 5, 6}
5.1 Pendahuluan 123 123
5.2 Beberapa 5.2Distribusi
BeberapaDiskret
Distribusi Diskret 123 123
5.3
Contoh 1.2.4 Beberapa5.3 Beberapa
Distribusi Distribusi
Kontinu Kontinu 134 134
5.4 Latihan
5.4 Latihandengan vii vii 145muka, 145
Untuk eksperimen pelemparan sebuah mata uang sampai mendapat M atau
BAB VI ASIMTOTIS
BAB VI ASIMTOTIS DALAM STATISTIKA
DALAM STATISTIKA 147 147
6.1 Pendahuluan
6.1 Pendahuluan Ω = {1, 2, 3, 4, ...} 147 147
6.2sampel
Ruang 6.2klasifikasikan
Macam-macam
kita Macam-macam
Konvergensi Konvergensi
menjadi dua jenis berdasarkan jumlah elemen yang 147
147 dimilikinya.
6.3 Hukum Bilangan
Hubungan6.3 Besar
Hubungan
Bilangan Lemah dan
Bilangan
Besar Lemah Kuat
Besar
dan Lemah
Kuat dan Kuat 160
Bila terdapat korespondensi 1-1 antara Ω dan himpunan bagian dari N = {1, 2, 3, ...}, maka ruang 160
6.4 disebut
sampelnya 6.4 Limit
Limit Fungsi
terhitung Fungsi
Pembangkit Pembangkit
Momen Dengan
atau countable. Momen 164 terdiri 164
sendirinya ruang sampel yang dari
6.5 Teorema 6.5 Teorema
Limit Pusat Limit
dan Pusat dan
Terapannya Terapannya 167
sejumlah berhingga elemen termasuk himpunan terhitung. Bila Ω takhingga dan Ω tidak berko- 167
6.6 1-1
respodensi Latihan 6.6 Latihan
dengan N , maka Ω disebut tak terhitung atau uncountable. Ruang 173
173 sampel pada
DAFTAR
contoh 1.2.1 DAFTAR
dan 1.2.3PUSTAKA
PUSTAKA disebut terhitung karena berhingga. Ruang sampel pada contoh 175
175 1.2.4 juga
DAFTAR DAFTAR
INDEKS INDEKS 177
disebut terhitung karena Ω = N . Karena Ω dalam contoh 1.2.2 tidak berkorespondensi 1-1 dengan 177
TENTANG PENULIS
N , maka Ω disebut tak terhitung. 179
Begitu ruang sampel terdefinisikan, kita bisa memperlihatkan himpunan bagian ”yang lebih
kecil” dari Ω.
Definisi 1.2.2. Suatu kejadian adalah himpunan bagian dari Ω termasuk φ dan Ω sendiri.
Definisi 1.2.3. ∅ disebut kejadian mustahil atau impossible event sedangkan Ω disebut kejadian
pasti atau sure event.

Contoh 1.2.5
Dalam contoh 1.2.1 bila A menyatakan kejadian lemparan yang menghasilkan hasil yang sama,
maka A = {(M M ), (BB)}.

Contoh 1.2.6
Untuk contoh 1.2.3 bila B adalah kejadian muka yang tampak bilangan genap, maka
B = {2, 4, 6}
Hubungan antara ruang sampel dan kejadian bisa ditunjukkan dalam bentuk diagram Venn seperti
terlihat pada gambar 1.2.1.
BAB 1

KONSEP DASAR TEORI

HIMPUNAN

1.1 PENDAHULUAN
Teori probabilitas adalah dasar Statistika Matematika. Dalam pemodelan fenomena random
seperti pemodelan populasi atau eksperimen alat yang paling berperan adalah probabilitas. Melalui
model-model tersebut, statistikawan bisa melakukan inferensi atau mengambil kesimpulan tentang
populasi berdasarkan informasi sampel yang merupakan bagian dari populasi. Teori probabilitas
mempunyai catatan sejarah yang kaya dan panjang, dimulai sekitar abad ke-17, saat the Chevolier
de Mere, Pascal, dan Fermat membangun formula matematika dalam perjudian.
Dalam buku ini, pembahasan probabilitas tidaklah murni teoritis, tetapi lebih pada ide-ide
dasar teori probabilitas yang merupakan dasar dalam mempelajari statistik.
Sebelum membicarakan ide dasar teori probabilitas pada bab II, kita akan membicarakan teori
himpunan yang merupakan akar probabilitas.

1.2 RUANG SAMPEL DAN KEJADIAN

Tujuan utama statistika adalah mengambil kesimpulan tentang populasi berdasarkan informasi
yang didapat melalui eksperimen. Langkah pertama dalam usaha ini adalah mengidentifikasi semua
hasil (outcome).

Definisi 1.2.1. Himpunan semua hasil atau outcome disebut ruang sampel dari suatu eksperimen.

Himpunan semua hasil biasanya dinotasikan dengan Ω atau dalam terminologi statistik disebut
ruang sampel .

Contoh 1.2.1
Sebuah eksperimen adalah pelemparan sebuah mata uang seimbang dua kali. Bila M menyatakan
2 STATISTIKA MATEMATIKA: Probabilitas, Distribusi, dan Asimtotis dalam Statistika

muka dan B belakang, maka

Ω = {(M M ), (M B), (BM ), (BB)}

Contoh 1.2.2
Bila eksperimen adalah pencatatan nilai mata kuliah Statistik Dasar pada suatu kelas, maka
Ω = [0, 100]

Contoh 1.2.3
Dalam eksperimen pelemparan sebuah dadu seimbang
Ω = {1, 2, 3, 4, 5, 6}

Contoh 1.2.4
Untuk eksperimen dengan pelemparan sebuah mata uang sampai mendapat M atau muka,
Ω = {1, 2, 3, 4, ...}
Ruang sampel kita klasifikasikan menjadi dua jenis berdasarkan jumlah elemen yang dimilikinya.
Bila terdapat korespondensi 1-1 antara Ω dan himpunan bagian dari N = {1, 2, 3, ...}, maka ruang
sampelnya disebut terhitung atau countable. Dengan sendirinya ruang sampel yang terdiri dari
sejumlah berhingga elemen termasuk himpunan terhitung. Bila Ω takhingga dan Ω tidak berko-
respodensi 1-1 dengan N , maka Ω disebut tak terhitung atau uncountable. Ruang sampel pada
contoh 1.2.1 dan 1.2.3 disebut terhitung karena berhingga. Ruang sampel pada contoh 1.2.4 juga
disebut terhitung karena Ω = N . Karena Ω dalam contoh 1.2.2 tidak berkorespondensi 1-1 dengan
N , maka Ω disebut tak terhitung.
Begitu ruang sampel terdefinisikan, kita bisa memperlihatkan himpunan bagian ”yang lebih
kecil” dari Ω.
Definisi 1.2.2. Suatu kejadian adalah himpunan bagian dari Ω termasuk φ dan Ω sendiri.
Definisi 1.2.3. ∅ disebut kejadian mustahil atau impossible event sedangkan Ω disebut kejadian
pasti atau sure event.

Contoh 1.2.5
Dalam contoh 1.2.1 bila A menyatakan kejadian lemparan yang menghasilkan hasil yang sama,
maka A = {(M M ), (BB)}.

Contoh 1.2.6
Untuk contoh 1.2.3 bila B adalah kejadian muka yang tampak bilangan genap, maka
B = {2, 4, 6}
Hubungan antara ruang sampel dan kejadian bisa ditunjukkan dalam bentuk diagram Venn seperti
terlihat pada gambar 1.2.1.