SI 2102 ANALISIS STATISTIK

DAN PROBABILITAS
#3b Probabilitas

EDUNEX ITB
HISTORY
weather forecasting to games, insurance or
election polls.
 To distract from the difficult
mathematical theories they
were discussing, they often
played a simple game: they
repeatedly tossed a coin –
every heads was a point for
Pascal and every tails was a
Blaise Pascal Pierre de Fermat
point for Fermat. Whoever
had more points after three
coin tosses had to pay the
bill.
DEFINISI
Pengukuran Kemungkinan/Probabilitas
• Definisi aksiomatik klasik dari probabilitas mensyaratkan konsep suatu fungsi,
sebut f(.).
• Seperti ditentukan sebelumnya, misal Ω merupakan ruang sampel dari
percobaan/pengamatan acak dan Ã, kumpulan kejadian A diasumsikan menjadi
ruang kejadian untuk percobaan.
• Fungsi probabilitas Pr[.] atau P [.] adalah sebuah fungsi dengan domain à dan
counterdomain dalam interval [0,1] yang mengikuti 3 aksioma berikut:
(i) Pr[A] ≥ 0 , untuk setiap A Є Ã
Aksioma/postulat adalah suatu
(ii) Pr[Ω] = 1 pernyataan yang bisa dilihat
(iii) Jika A1 Є Ã , A2 Є Ã , dan A1A2 = Ø , jadi kebenarannya tanpa perlu adanya bukti.

Pr[A1 + A2] = Pr[A1] + Pr[A2] ,

dimana Ω Є Ã merupakan ruang sampel percobaan dan A, A1 , dan A2
merupakan kejadian-kejadian yang dimiliki ruang sampel.
• Ketidakpastian berkaitan dengan ruang sampel diukur dengan memetakan suatu
kejadian, A, ke dalam interval [0,1].
• Disini, Pr[A] ditentukan sebagai peluang atau kemungkinan bahwa kejadian A terjadi
atau kemungkinan kejadian A.
• Dengan referensi pada Ω, Pr[A] adalah penjumlahan kemungkinan titik-titik sampel
yang menggantikan A.

Nilai Probabilitas 0 (Nol): Nilai Probabilitas 1 (Satu):

jika suatu peristiwa atau kejadian tidak jika suatu peristiwa atau kejadian tersebut
memiliki peluang sama sekali untuk pasti terjadi, dan tidak ada kemungkinan
terjadi (tidak akan terjadi). selain itu.
 ω4
S
C Ω A B Bc E
A4
ω3
A3
ω2
A2
ω1
A1
0
(a)
(b) (c)
Dead Storage
• Kemungkinan-kemungkinan diberikan pada basis frekuensi relatif, adalah:
Pr[A1] = 5/36 , Pr[A2] = 15/36 , Pr[A3] = 10/36 , Pr[A3] = 6/36

→ aksioma (i)
5/36 + 15/36 + 10/36 + 6/36 = (5 + 15 + 10 +6)/36 = 1,

Pr[Ω] = Pr[A1 + A2 + A3 + A4] = 1 → aksioma (ii)

• Tinjau dua kejadian mutually exclusive, sebut C = A2 Ξ {S : c/4≤S<c/2}

dan D = A3 + A4 Ξ {S : c/2≤S<c}. (Peristiwa satu kejadian di luar peristiwa kejadian lain)
Dengan menggabungkan frekuensi yang terjadi, dapat dilihat bahwa kejadian C terjadi 15 kali dalam 36
tahun, dimana kejadian D terjadi 10 + 6 = 16 kali selama periode tersebut.
Probabilitas terkait adalah Pr[C] = 15/36 dan Pr[D] = 16/36.
Karena C + D = A2 + A3 + A4,
Pr[C+D] = Pr[A2+A3+A4] = (15+10+6)/36 = 15/36 + 16/36 =

Pr[C]+Pr[D] → aksioma (iii)

Aturan tambahan….

mutually exclusive

union intersection
 mutually exclusive

mutually exclusive
A

Ac B

(A+B)c
Pr[A+B] = Pr[A+AcB] = Pr[A] + Pr[AcB] (f)

Pr[A U B] Ξ Pr[A + B] = Pr[A] + Pr[B] – Pr[AB]

 penjumlahan probabilitas
individunya probabilitas peristiwa gabungan A
dan B.

mutually exclusive

Union: A+B Intersection: A B

A
B
(A+B)c (A B)c

(d) (e)
 ω4
S
C Ω A B Bc E
A4
ω3
A3
ω2
A2
ω1
A1
0
(a)
(b) (c)
Dead Storage

A4 A1

A3 A2

Pr[Dc] = Pr[A1+A2] = (5+15)/36 = 20/36 D=Bc

Pr[Dc] = 1 – Pr[D] = 1 – 16/36 = 20/36.

 ω4
S D=
C Ω A B Bc E
A4
ω3
A3
ω2
A2
ω1
A1
0
(a)
(b) (c)
Dead Storage

tidak mutually exclusive

(Lihat aturan tambahan umum teori probabilitas)

A4 A1 A4 A1 A4 A1

A3 A2 A3 A2 A3 A2

E C D=Bc
konteks probabilitas bersyarat.

A AB B

u b c x 0

a w y

v d e f
Catat bahwa ruang sampel berkurang dari Ω km
menjadi B, dan diperlukan normalisasi
menggunakan pembagi Pr[B]. Juga, Pr[B]
disebut probabilitas marjinal dari kejadian B. 10

0 km 20
 A AB B
6,0
0,0 0
u b c x
4,2 12,2 a w y
Asumsikan bahwa probabilitas dari kehilangan dalam 0,3 6,3
subarea yang ada: proporsional terhadap area. v d e f
Selanjutnya, jika suatu kehilangan terjadi dalam 4,6 12,6 km
jaringan,
Pr[A] = (6 x 3)/200 = 0.09,
Pr[B] = (12 – 4) x (6 – 2) /200 = (8 x 4)/200 = 0.16
Jika suatu kehilangan terjadi di area yang 10
dipengaruhi oleh kejadian B, bagaimanakah
0 km 20
probabilitas dari kejadian A?
 Luas daerah B

32

aturan tambahan

ruang sampel yang dikurangi

aplikasi probabilitas bersyarat.
• Definisi probabilitas bersyarat adalah compatible dengan pendekatan
frekuensi.
• Hasil ini terjadi karena:
Pr[AB] = nAB/nB dan
Pr[A | B] = Pr[AB]/Pr[B] = (nAB/N) / (nB/N) = nAB / nB
dimana nB dan nAB merupakan jumlah peristiwa kejadian B dan AB, dan N
adalah jumlah total kejadian
• Pr[A] dan Pr[A | B] dapat ditentukan secara langsung,
• Probabilitas gabungan Pr[AB] dapat diketahui dengan
Pr[AB] = Pr[A | B] Pr[B] = Pr[B | A] Pr[A]
• Persamaan diatas dapat juga digunakan untuk menentukan probabilitas
bersyarat Pr[A | B] dari Pr[B | A] jika probabilitas tak bersyarat (marjinal)
dari kejadian A dan B diketahui, dan sebaliknya.
• Dari aksioma (ii) Pr[A | B] ≤ 1 dan Pr[B | A] ≤ 1, maka:
Pr[A | B] ≤ Pr[A]/Pr[B] , Pr[B | A] ≤ Pr[B]/Pr[A]
• peristiwa banjir yang melebihi
kapasitas desain spillway (kejadian
A)
Jika dua kejadian adalah
• gempa menghasilkan keruntuhan
ketidaktergantungan statistik,
struktur dari dam (kejadian B).
probabilitas gabungannya sama
dengan produk dari probabilitas
marjinalnya:
Pr[AB] = Pr[A] Pr[B] = ab
 A Bc AB

Ac B
Ac Bc

(g)

peluang lebih dari 97 % bahwa dam akan bertahan dalam

setahun.
 m tahun

setelah tahun pertama adalah Pr[AcBc].

Pr[(AcBc)1
∩ (AcBc)2 ]
Pr[(AcBc)1 (AcBc)2] = Pr[(AcBc)1] Pr[(AcBc)2 | (AcBc)1]

Pr[(AcBc)2 | (AcBc)1] = Pr[(AcBc)2].

(Lihat definisi probabilitas bersyarat)

• Asumsi:
• Probabilitas ketahanan setelah tahun kedua:
Pr[(AcBc)1 (AcBc)2] = Pr[(AcBc)1] Pr[(AcBc)2]
= Pr[AcBc]2
= [1 – (a + b – ab)]2

Pr[(AcBc)1 (AcBc)2 … (AcBc)m] = {Pr[AcBc]}m = [1 – (a + b – ab)]m ,

(probabilitas ketahanan dalam 50 tahun)

• Resiko desain akan diberikan dengan probabilitas komplemen

78 % (resiko kegagalan dam dlm 50 tahun adalah 78%)
Pr[(AcBc)1 (AcBc)2 … (AcBc)i-1(A + B)i] = (Pr[AcBc])i-1 Pr[(A+B)i | (AcBc)i-1]
= (Pr[AcBc])i-1 Pr[A+B]
= [1 – (a + b – ab)]i-1(a + b – ab)
 mutually exclusive - collectively exhaustive (MECE),

i=1
n n

teorema probabilitas
i=1 i=1
total
MECE : konsep yang menerangkan adanya kesempurnaan (mendekati) kerangka berpikir
 Contoh
• Timber strength. Tinjau data kekuatan timber dan distribusi frekuensi pada
tabel dibawah. Ruang sampel dapat diwakili dengan kejadian mutually
exclusive, collectively exhaustive seperti pada gambar:
A

Batas atas kelas Pusat kelas frekuensi relatif kumulatif

Frekuensi absolut frekuensi relatif
(N/mm2) (N/mm2) (%) B1 B2 B3 B4
5 2.5 1 0.006 0.61
10 7.5 0 0.000 0.61
0 25 45 65
15 12.5 0 0.000 0.61 40 50
20 17.5 1 0.006 1.21
25 22.5 9 0.055 6.67 Kejadian utk aplikasi teorema
30 27.5 18 0.109 17.58 probabilitas total
35 32.5 26 0.158 33.33
40 37.5 38 0.230 56.36
A B4
45 42.5 34 0.206 76.97
50 47.5 20 0.121 89.09
55 52.5 9 0.055 94.55
60 57.5 5 0.030 97.58
65 62.5 0 0.000 97.58 B1 B2 B3
70 67.5 3 0.018 99.39
75 72.5 1 0.006 100.00

Diagram Venn
• Kejadian: Batas atas kelas Pusat kelas
Frekuensi absolut frekuensi relatif
frekuensi relatif kumulatif
(N/mm2) (N/mm2) (%)
B1 Ξ {0 ≤ηt< 25 N/mm2} 5
10
2.5
7.5
1
0
0.006
0.000
0.61
0.61
B2 Ξ {25 ≤ηt< 45 N/mm2} 15
20
12.5
17.5
B1 0
1
0.000
0.006
0.61
1.21
25 22.5 9 0.055 6.67
B3 Ξ {45 ≤ηt< 65 N/mm2} 30 27.5 18 0.109 17.58
35 32.5 26 0.158 33.33
B2
B4 Ξ {ηt ≥ 45 N/mm2} 40
45
37.5
42.5
38
34
0.230
0.206
56.36
76.97
50 47.5 20 0.121 89.09
55 52.5 9 0.055 94.55
60 57.5 B3 5 0.030 97.58
65 62.5 0 0.000 97.58
70 67.5 3 0.018 99.39
75 72.5 B4 1 0.006 100.00

dengan ηt merupakan modulus rupture dalam N/mm2.

• Probabilitas kejadian ini dihitung dari frekuensi relatif sbb:
Pr[B1] = nB1/n = 11/165
Pr[B2] = nB2/n = 116/165
Pr[B3] = nB3/n = 34/165
Pr[B4] = nB4/n = 4/165
dimana Pr[B1+B2+B3+B4] = (11+116+34+4)/165 = 1
 modulus rupture

Pr[A] = 54/165.

54/165
 n

i=1

TEOREMA Bayes
sebelum ‘prior probability’
setelah ‘posterior probability’
 Fungsi Massa Probabilitas
• Variabel acak distribusinya atau hukum probabilitas.

berupa data pengkategorian, bilangan bulat diperoleh dari hasil perhitungan,

tipe diskrit kontinyu pengukuran; dapat berbentuk
PROBABILITY MASS FUNCTION (PMF). desimal

mutually exclusive,
 Contoh: Kejadian banjir. Jumlah banjir tercatat pertahun pada stasiun
pengukuran diberikan pada tabel dibawah:
px(0) = 0.00
PMF Kejadian Banjir, x per tahun pada stasiun
Calamaza, selama periode 1939 sampai 1972
px(1) = 2/34 = 0.06 0.30

px(2) = 6/34 = 0.18

0.25

Kejadian Banjir, x Jumlah kejadian px(x) 0.20

0 0 0.00
1 2 0.06

px(x)
2 6 0.18 0.15

3 7 0.21
4 9 0.26
0.10
5 4 0.12
6 1 0.03
7 4 0.12 0.05
8 1 0.03
9 0 0.00
Total 34 1 0.00
0 1 2 3 4 5 6 7 8 9
x
Untuk data tunggal!!
Untuk data berkelompok: f(Hj) = nj/(NxΔH) ; nj: jml kejadian, N: jumlah total data
→ ΔH: panjang interval tiap kelas (lebar selang)
CUMULATIVE DISTRIBUTION FUNCTION, CDF Fx(x)

monotonic

penjumlahan probabilitas

Xk ≤ x
• Contoh : Kejadian banjir diatas, CDF dihitung:
Fx(0) = 0.00 ; Fx(1) = 0.06 ; Fx(2) = 0.24 ; Fx(3) = 0.44 ;
Fx(4) = 0.70 ; Fx(5) = 0.82 ; Fx(6) = 0.85 ; Fx(7) = 0.97 ;
Fx(8) = 1.00 ; Fx(x) = 1.00 untuk x > 8

CDF Kejadian Banjir, x per tahun pada stasiun

Calamaza, selama periode 1939 sampai 1972
1.20

Kejadian Banjir, x Jumlah kejadian px(x)

0 0 0.00
1.00
1 2 0.06
2 6 0.18
3 7 0.21 0.80
4 9 0.26
5 4 0.12

Fx(x)
6 1 0.03 0.60

7 4 0.12
8 1 0.03
0.40
9 0 0.00
Total 34 1
0.20

0.00
0 1 2 3 4 5 6 7 8 9
x
 1 2 3 4
1.75 0.83 0.58 0.34
1.63 0.82 0.57 0.34
1.54 0.82 0.57 0.34
1.33 0.82 0.57 0.33
1.3 0.8 0.57 0.32
1.29 0.8 0.57 0.31
1.22 0.79 0.55 0.31
1.19 0.79 0.54 0.31
1.15 0.78 0.54 0.3
1.13 0.78 0.53 0.3
1.12 0.77 0.53 0.3
1.11 0.77 0.51 0.29
1.1
1.08
0.77
0.75
0.5
0.49
0.29
0.29
BUAT 4 KELOMPOK:
1.08
1.07
0.75
0.74
0.49
0.48
0.28
0.28
Kelompok 1: kolom 1
1.07
1.07
0.73
0.72
0.45
0.45
0.27
0.26
Kelompok 2: kolom 2
1.06 0.71 0.44 0.26 Kelompok 3: kolom 3
1.06 0.71 0.43 0.26
1.03 0.71 0.43 0.26 Kelompok 4: kolom 4
1.01 0.7 0.43 0.25
1.01 0.69 0.43 0.24
1 0.68 0.42 0.24 Tentukan:
1 0.68 0.42 0.24
1 0.66 0.41 0.23 1. Jumlah kelas
0.96 0.66 0.4 0.22
0.96 0.66 0.4 0.22
2. Lebar selang
0.95 0.66 0.4 0.21 3. Gambarkan histogram frekuensi dan histogram frekuensi
0.92 0.65 0.4 0.21
0.91 0.64 0.4 0.21 relatif
0.89 0.64 0.4 0.2
0.88 0.64 0.39 0.19 4. PMF dan CDF
0.87
0.87
0.63
0.63
0.38
0.38
0.17
0.16
5. Buat grafik PMF dan CDF
0.86 0.62 0.38 0.16
0.85 0.61 0.37 0.15
0.85 0.6 0.35 0.12
0.84 0.59 0.35 0.1
0.83 0.59 0.35 0.09
Break!