And
(e1) + P (e2) + P(e3) + ... + P (eN ) = 1
(3.4)
Probabilitas memberikan dasar bagi sebagian besar kesimpulan statistik. Dikatakan
bahwa probabilitas adalah kendaraan statistik. Ini karena bukti sampel digunakan untuk
membuat pernyataan dan keputusan tentang lation. Probabilitas memberikan cara untuk
menentukan dan mengekspresikan ketidakpastian kami dalam membuat kesimpulan tentang
populasi dari informasi sampel. Kontribusi probabilitas dalam inferensi statistik dapat dihargai
ketika kita berurusan dengan aplikasi mereka di bab-bab selanjutnya. -ndod
3.2 RANDOM VARIABEL
Dalam statistik, kami menggunakan kata eksperimen untuk menggambarkan proses yang
menghasilkan data mentah. Contoh percobaan statistik mungkin adalah melempar koin,
melempar dadu, pendapatan rumah tangga untuk Taman Universiti, dan waktu perjalanan dari
Kelinik Puteri ke Rumah Sakit Sultanah Aminah. Hasil dari setiap percobaan akan tergantung
pada kesempatan dan tidak dapat diprediksi dengan pasti. Namun, kami tahu seluruh rangkaian
kemungkinan. Himpunan semua hasil yang mungkin dari percobaan statistik disebut ruang
sampel. Suatu peristiwa adalah bagian dari ruang sampel. Misalnya, ruang sampel untuk
menggulirkan dadu adalah 1, 2, 3, 4, 5, atau 6, ditulis sebagai: S = {1, 2, 3, 4, 5, 6}
Jika kita hanya tertarik pada angka genap, himpunan bagian dari ruang sampel ini
adalah peristiwa A, ditulis sebagai:
A = {2, 4, 6}
Dalam contoh lain, ruang sampel untuk memberi peringkat fasilitas adalah satu untuk
yang terburuk hingga 10 untuk yang terbaik. Jadi, kita memiliki:
S = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10}
dan subset dari peringkat yang tidak dapat diterima. A, adalah:
A = {1, 2, 3}
Peristiwa dalam percobaan probabilitas harus didefinisikan sedemikian rupa sehingga
setiap peristiwa dapat diberi nilai numerik. Nilai numerik ini akan menjadi nilai variabel acak.
Dengan kata lain, variabel acak digunakan untuk menunjukkan hasil percobaan probabilitas.
Itu disebut acak karena nilai yang diasumsikan adalah hasil dari suatu peluang. Itu disebut
variabel karena dapat mengambil nilai numerik apa pun yang termasuk dalam set semua hasil
yang mungkin dari percobaan (atau ruang sampel).
Jika ruang sampel berisi sejumlah kemungkinan, variabel acak yang didefinisikan di
atas ruang ini disebut variabel acak diskrit. Jika ruang sampel berisi jumlah kemungkinan yang
tak terbatas, maka variabel acak yang didefinisikan di atas ruang ini disebut variabel acak
kontinu. Dalam sebagian besar masalah praktis, variabel acak yang terpisah menghitung data
seperti jumlah kematian per tahun di jalan raya PLUS, jumlah spesies siput bersih di sungai,
atau jumlah properti hunian di otoritas lokal. Variabel acak kontinu, di sisi lain, jarak, atau
periode kehidupan.
Seorang GIScientist memeriksa penggunaan 20 properti yang ditunjuk dan menentukan
apakah setiap properti ditunjuk sebagai perumahan. Variabel acak x adalah jumlah properti
yang digunakan sebagai tempat tinggal. Ini dapat mengambil nilai integer dari 0 hingga 20.
Jumlah properti yang digunakan sebagai perumahan tentu saja merupakan variabel acak diskrit.
Ilmuwan GIS lainnya mengukur panjang batas banyak lot di depan jalan untuk menentukan
panjang batas. Lengrhof batas sebenarnya adalah variabel acak yang terus menerus karena
merupakan data yang diukur dan diambil dari sejumlah kemungkinan yang tak terbatas. 01 -
aidəı merepresentasikan data yang diukur seperti suhu, hcight,
Dalam contoh lain, perumahan Estate berisi 2000 unit teras berlantai tunggal dan 800
unit teras berlantai ganda. Seorang GIScientist ingin mencicipi dua rumah toko dari area
tersebut, tanpa penggantian. Kemungkinan mendapatkan rumah satu lantai di pilihan pertama
2000
adalah2800. Jika ia berhasil mendapatkan satu rumah berlantai satu pada seleksi pertama, maka
1999
probabilitas mendapatkan satu rumah berlantai satu pada seleksi kedua adalah Dengan
2800
demikian, probabilitas mendapatkan satu rumah berlantai satu pada seleksi pertama. (A) dan
pilihan kedua (B) adalah:
P (A dan B) = P (A) P (B)
2000 1999
× 2800
2800
3998000
7840000
= 0,51
karena independensi melemparkan dua koin. Perhitungan probabilitas lebih baik ditampilkan
sebagai:
1 1 1
P (H dan H) = P (H) P (H) = 2 × 2 = 4
1 1 1
P (H dan T) = P (H) P (T) = 2 × 2 = 4
Probabilitas ini dari variabel acak x dapat ditampilkan dalam jumlah cara tetapi mereka
ditampilkan terbaik dalam bentuk tabel, seperti yang ditunjukkan pada Tabel 3.1.
Tabel 3.1. Tabel distribusi probabilitas
ꭓ P(ꭓ )
0 1
4
1 1
2
2 1
4
1 1 1
P (T dan H) = P (T) P (H) = 2 × 2 = 4
1 1 1
P (T dan T) = P (T) P (T) = 2 × 2 = 4
Nilai-nilai x menghabiskan semua kasus yang mungkin dan karenanya probabilitas
berjumlah satu. Tabel seperti ini dikenal sebagai fungsi probabilitas atau distribusi probabilitas
variabel acak diskrit x.
Seringkali bermanfaat untuk melihat distribusi probabilitas secara grafis - dalam
bentuk histogram probabilitas. Gambar 3.2 menunjukkan histogram probabilitas dari distribusi
probabilitas Tabel 3.1. Histogram dibangun sedemikian rupa sehingga basisnya dengan lebar
yang sama dipusatkan pada nilai cach x, dan ketinggiannya sama dengan probabilitas yang
sesuai, P (x). Ketika basis adalah lebar unit, probabilitas P (x = 0), P (x = 1), dan P (x = 2)
sama dengan luas persegi panjang yang berpusat pada ar 0, 1, dan
2, masing-masing. Konsep ini menggunakan area untuk mewakili probabilitas adalah penting
ketika kita berurusan dengan distribusi probabilitas berkelanjutan di Bagian 3.5.
Demikian pula, dalam kasus pengambilan sampel properti hunian, kami mendefinisikan
variabel acak x menjadi jumlah kamar tidur sampel. Dengan demikian, x dapat mengambil nilai
2,3, 4, atau 5 (dengan asumsi bahwa ada properti, tidak ada properti dengan satu atau lebih
dari lima kamar tidur). Biarkan:
P (x = 2) = 0,2, P (x = 3) = 0,4, P (x = 4) = 0,3, P (x = 5) = 0,1
Probabilitas variabel acak x dapat diberikan dalam bentuk tabel, seperti yang
ditunjukkan pada Tabel 3.2, atau histogram, seperti yang ditunjukkan pada Gambar 3.3.
Tabel 3.2 Tabel distribusi probabilitas jumlah kamar tidur
ꭓ P(ꭓ )
2 0,2
3 0,4
4 0,3
5 0,1
Gambar 3.3. Histogram distribusi probabilitas jumlah kamar tidur
3.4.1. Mean dan Varian dari Distribusi Probabilitas Diskrit
Jika x adalah variabel acak diskrit dengan distribusi probabilitas P (x), nilai rata-rata atau yang
diharapkan dari x diberikan sebagai:
µ = ∑ 𝑥. 𝑃(𝑥)
dan varians diberikan sebagai:
Perhatikan bahwa kita menggunakan symbol µ dan 𝜎 2 bukan ͞x dan s² karena kita berurusan
dengan frekuensi relative yang diharapkan p(x) yang akan terjadi dalam jangka Panjang. Oleh
karena itu, kita berurusan dengan seluruh populasi hasil eksperimen
Contoh 3.1. Hitung mean dan varians dari variabel acak x di mana x merupakan distribusi
probabilitas melemparkan dua koin dan mengamati kepala.
Penyelesaian:
1 1 1
Setiap hasil dari 0, 1, dan 2 kepala terjadi dengan probabilitas , 3 dan 4, masing-masing
4
(Tabel 3.1). Perhitungan mean dan varians diilustrasikan pada Tabel 3.3.
Tabel 3.3. Perhitungan mean dan varians
Lembar 10
Distribusi probabilitas variabel acak adalah binomial (Tabel 3.4 dan Gambar 3.4).
Tabel 3.4. Tabel distribusi probabilitas pengamatan burung
x P(x)
0 1
8
1 3
8
2 3
8
3 1
8