PELUANG BERSYARAT & KEBEBASAN Pertemuan 4

8 September 2020
 Peluang TEORI
Kebebasan
Bersyarat PELUANG
PELUANG BERSYARAT
Peluang bersyarat muncul jika ada informasi parsial.
Informasi ini menolong dalam menghitung peluang suatu kejadian.
Definisi:
Misalkan E dan F dua kejadian dalam S dan 𝑃 𝐸 ≠ 0, maka
𝑃(𝐸𝐹)
𝑃 𝐹|𝐸 =
𝑃(𝐸)
𝑃(𝐹|𝐸) berarti peluang F terjadi bila diketahui E telah terjadi.
𝑃(𝐸𝐹)
Analog untuk 𝑃 𝐸|𝐹 = dengan 𝑃 𝐹 ≠ 0
𝑃(𝐹)
CONTOH
Sepuluh kartu bernomor 1 sampai 10 dimasukkan ke dalam sebuah
kotak kemudian diambil sebuah kartu secara random. Jika
diberitahukan kepada anda bahwa diperoleh kartu bernomor paling
kecil 5, berapa peluang diperoleh kartu bernomor 10?
Jawab:
Misalkan F: diperoleh kartu bernomor paling kecil 5
E: diperoleh kartu bernomor paling kecil 10
1/10 1
Maka 𝑃 𝐸 𝐹 = =
6/10 6
CONTOH 2
Suatu kantong berisi 12 kelereng, 7 merah dan 5
putih. Dan kelereng diambil secara acak , berapa
peluang:
a. keduanya merah?
B. yang satu merah dan yang kedua putih?
JAWAB:
A . Misalkan 𝐸1 dan 𝐸2 masing-masing menyatakan
kejadian bahwa kelereng pertama dan kedua yang
terambil merah. Maka
7 6
𝑃 𝐸1 = ,𝑃 𝐸2 |𝐸1 =
12 11
7 6 7
𝑃 𝐸1 𝐸2 = 𝑃 𝐸1 . 𝑃 𝐸2 |𝐸1 = × =
12 11 22
B. Misalkan E dan F kejadian bahwa kelereng
pertama dan kedua yang terambil merah dan putih,
dalam urutan seperti itu.
7 5
Jadi 𝑃 𝐸 = ,𝑃 𝐹𝐸 =
12 11
7 5 35
𝑃 𝐸𝐹 = 𝑃 𝐸 . 𝑃 𝐹 𝐸 = × =
12 11 132
AKSIOMA PADA PELUANG BERSYARAT:
1. 0 ≤ 𝑃 𝐸 𝐹 ≤ 1
2. 𝑃 𝑆 𝐹 = 1
3. Bila 𝐸𝑖 , 𝑖 = 1,2, … barisan kejadian yang saling meniadakan
maka
∞ ∞
𝑃 𝑖=1 𝐸𝑖 = 𝑖=1 𝑃(𝐸𝑖 |𝐹)
Catatan:
𝑃(𝑆𝐹) 𝑃(𝐹)
𝑃 𝑆𝐹 = = =1
𝑃(𝐹) 𝑃(𝐹)
RUMUS BAYES
Misalkan E dan F dua kejadian, maka
𝐸 = 𝐸𝐹 ∪ 𝐸𝐹 𝑐
Kejadian 𝐸𝐹 dan 𝐸𝐹 𝑐 saling meniadakan, jadi hanya
salah satu yang dapat terjadi.
Sehingga menurut aksioma 3 diperoleh:
𝑃 𝐸 = 𝑃 𝐸𝐹 + 𝑃 𝐸𝐹 𝑐
= 𝑃 𝐸 𝐹 𝑃 𝐹 + 𝑃 𝐸 𝐹 𝑐 𝑃(𝐹 𝑐 )
CONTOH:
Suatu Perusahaan asuransi yakin bahwa orang dapat
dikelompokkan atas 2 bagian: mereka yang sering mengalami
kecelakaan (accident prone) dan yang bukan; sebut kelompok I
dan II. Statistik perusahaan menunjukkan bahwa mereka yang
masuk kelompok I akan mengalami kecelakaan dalam kurun waktu
setahun dengan peluang 0.4 sedangkan untuk kelompok II hanya
0.2. Bila dianggap bahwa 30 % dari penduduk masuk kelompok I.
A. Berapakan peluangnya bahwa seseorang yang baru
diasuransikan akan mengalami kecelakaan dalam setahun?
B. misalkan seseorang yang baru diasuransikan dan mengalami
kecelakaan dalam setahun. Berapa peluangnya dia berasal dari
kelompok I ?
JAWAB:
A. Misalkan E kejadian bahwa seseorang
pemegang polis mengalami kecelakaan dalam
setahun, dan F kejadian bahwa pemegang
polis dari kelompok I. Sehingga
𝑐 𝑐
𝑃 𝐸 =𝑃 𝐸 𝐹 𝑃 𝐹 +𝑃 𝐸 𝐹 𝑃 𝐹
= 0.4 0.3 + 0.2 (0.7)
= 0.26
JAWAB
𝑃(𝐸𝐹) (0.3)(0.4)
B. 𝑃 𝐹 𝐸 = = = 0.4615
𝑃(𝐸) 0.26
Perhatikan bahwa peluangnya lebih dari 0.4.
Sekarang misalkan 𝐹1 , 𝐹2 , … , 𝐹𝑛 kejadian yang saling
𝑛
meniadakan, jadi 𝐹𝑖 𝐹𝑗 = ∅ untuk 𝑖 ≠ 𝑗 dan 𝑖=1 𝐹𝑖 = 𝑆.
Misalkan E suatu kejadian sebarang dalam S, maka
𝑛

𝑃 𝐸 = 𝑃(𝐸𝐹𝑖 )
𝑖=1
𝑛

= 𝑃 𝐸 𝐹𝑖 𝑃( 𝐹𝑖 )
𝑖=1
sehingga
𝑃(𝐸𝐹𝑗 )
𝑃 𝐹𝑗 𝐸 =
𝑃(𝐸)
𝑃(𝐸𝐹𝑗 )
= 𝑛 𝑃
𝑖=1 𝐸 𝐹𝑖
𝑃(𝐹𝑖 )
𝑃(𝐸|𝐹𝑗 )𝑃(𝐹𝑗 )
= 𝑛
𝑖=1 𝑃 𝐸 𝐹𝑖 𝑃(𝐹𝑖 )

Rumus ini dikenal dengan Rumus Bayes

CONTOH
Misalkan suatu alat diagnostic kanker memberikan hasil 95% tepat , baik mengenai
apakah seseorang betul kena atau tidak kena kanker. Bila diketahui 0.4% dari
populasi terkena kanker, hitunglah peluangnya bahwa seseorang yang diperiksa
betul kena kanker bila alat tersebut menunjukkan bahwa orang itu kena kanker
(diagnosa positif).
Jawab:
Misalkan bahwa E kejadian seseorang diperiksa dan hasilnya positif. Misalkan pula
𝐴1 kejadian seseorang individu yang dipilih secara acak dari populasi dan kena
kanker, sedangkan 𝐴2 kejadian orang yang terpilih tidak kena kanker.
Maka
𝑃 𝐸 𝐴1 𝑃(𝐴1 ) (0.95)((0.004)
𝑃 𝐴1 𝐸 = = = 0.070895
𝑃 𝐸 𝐴1 𝑃 𝐴1 +𝑃 𝐸 𝐴2 𝑃(𝐴2 ) 0.95 0.004 +(0.05)(0.996)
Dengan jalan yang sama, diperoleh:
𝑃 𝐸 𝐴2 𝑃(𝐴2 )
𝑃 𝐴2 𝐸 =
𝑃 𝐸 𝐴1 𝑃 𝐴1 +𝑃 𝐸 𝐴2 𝑃(𝐴2 )
(0.05)((0.996)
= = 0.9291
0.95 0.004 +(0.05)(0.996)
Terlihat bahwa jika diagnose positif, jauh lebih
besar peluangnya orng tersebut sehat daripada
sakit.
Kesimpulan: alat tersebut rendah ketelitiannya,
tidak berguna.
KEJADIAN BEBAS
 Jika terjadinya F mempengaruhi terjadinya E
maka 𝑃(𝐸) ≠ 𝑃(𝐸|𝐹).
Dalam banyak hal terjadinya F sama sekali tidak
berpengaruh terhadap terjadinya E, artinya
𝑃 𝐸 = 𝑃(𝐸|𝐹).
sehingga
𝑃(𝐸𝐹)
𝑃 𝐸𝐹 = = 𝑃(𝐸)
𝑃(𝐹)
ini berarti 𝑃 𝐸𝐹 = 𝑃 𝐸 . 𝑃(𝐹)
DEFINISI

Dua kejadian E dan F dikatakan bebas

(independent) jika berlaku
𝑃 𝐸𝐹 = 𝑃 𝐸 . 𝑃(𝐹)
CONTOH
Satu uang logam setangkup dilantun dua kali. Misalkan 𝑀𝑖 dan 𝐵𝑖 , 𝑖 = 1,2 masing-
masing menyatakan muncul muka dan belakang pada lantunan ke-i.
𝑆= 𝑀1 , 𝑀2 , 𝑀1 , 𝐵2 , 𝐵1 , 𝑀2 , 𝐵1 , 𝐵2
1
Peluang tiap titik sampel , sehingga
4
𝑃 𝑀1 , 𝑀2 = 𝑃 𝑀1 . 𝑃(𝑀2 )
1 1 1
= .
4 2 2
Jadi munculnya muka dalam lantunan pertama dan kedua merupakan dua kejadian
bebas.
SIFAT KEJADIAN SALING BEBAS/INDEPENDEN
BUKTI:
LATIHAN SOAL
1. Bila R kejadian bahwa seseorang dihukum karena perampokan dan G kejadian bahwa si
terhukum mengedarkan ganja. Jelaskan dengan perkataan peluang yang dinyatakan oleh:
A. P(R|G)
B. 𝑃(𝐺 𝑐 |𝑅)
C. 𝑃(𝑅𝑐 |𝐺 𝑐 )
2. Peluang suatu penerbangan yang telah terjadwal teratur berangkat tepat waktu
P(B)=0.83; peluang sampai tepat waktu P(S)=0.82 dan peluang berangkat dan sampai
tepat waktu 𝑃 𝐵 ∩ 𝑆 = 0.78. Cari peluang bahwa pesawat:
A. sampai tepat waktu bila diketahui berangkat tepat waktu.
B. berangkat tepat waktu jika diketahui sampai tepat waktu.
3. Tiga kartu diambil satu demi satu tanpa pengembalian
dari sekotak kartu (berisi 52). Cari peluang bahwa
kejadian 𝐴1 ∩ 𝐴2 ∩ 𝐴3 terjadi, bila 𝐴1 kejadian bahwa
kartu pertama as berwarna merah, 𝐴2 kejadian kartu
kedua 10 atau jack, dan 𝐴3 kejadian kartu ketiga lebih
besar dari 3 tapi lebih kecil dari 7?
4. Suatu uang logam yang tak setangkup mempunyai
peluang muncul muka dua kali lebih besar dari peluang
muncul belakang. Bila uang itu dilantun 3 kali, berapa
peluangnya mendapat 2 belakang dan 1 muka?