Resume Statistik - Rif'a
Resume Statistik - Rif'a
B. Model Probabilitas
Definisi formal probabilitas dimulai dengan ruang sampel, atau sering ditulis S.
Ruang sampel adalah himpunan dari semua hasil yang mungkin pada suatu
percobaan/ kejadian. Misalnya, saat memprediksi cuaca besok, mungkin
S = {Hujan, Salju, Cerah}
atau mungkin S adalah himpunan semua bilangan real positif, saat memprediksi harga
saham minggu depan. Pada intinya S dapat berupa himpunan apa saja, bahkan
himpunan tak hingga. Kami biasanya menulis S untuk elemen S, sehingga S∈S.
Yang terakhir dan yang paling penting, model probabilitas membutuhkan ukuran
probabilitas, biasanya ditulis P. Ukuran probabilitas ini harus menetapkan, untuk
setiap peristiwa A, probabilitas P(A) . Membutuhkan properti berikut:
1. P(A) selalu merupakan bilangan real non negatif, antara 0 dan 1 inklusif.
2. P(∅) = 0, yaitu jika A adalah himpunan kosong, maka p(A) = 0.
3. P(S) = 1, yaitu jika A adalah seluruh ruang sampel S, maka P(A) = 1.
4. P adalah (countably) additive, artinya A₁, A₂,.... adalah barisan berhingga atau
dapat dihitung dari kejadian kejadian yang saling lepas, maka
P (A₁ ∪ A₂ ∪…..) = P(A₁) + P(A₂) + …..
1
Sebagai contoh gambar B.1, kita memiliki diagram venn yang menunjukkan
himpunan bagian A⊂S dan komplemenya.
Aᶜ = {s : s ∉ A}
dari A. Persegi panjang menyatakan seluruh ruang sampel S. Lingkaran (dan bagian
dalamnya) menyatakan himpunan bagian A; daerah di luar lingkaran, tetapi di dalam
S, menunjukkan Aᶜ.
Ada satu wilayah lagi pada Gambar 1.B.2. Ini adalah komplemen dari A∪B,
yaitu, himpunan elemen yang bukan A atau B. Jadi kita langsung memiliki
(A ∪ B)ᶜ = Aᶜ ∩ Bᶜ
Demikian pula, kita dapat menunjukkan bahwa
(A ∩ B)ᶜ = Aᶜ ∪ Bᶜ,
yaitu, himpunan bagian dari elemen yang tidak berada di A dan B diberikan oleh
himpunan elemen yang tidak berada di A atau tidak di B.
2
Perhatikan bahwa jika A dan B adalah himpunan bagian yang lepas (disjoint), maka
masuk akal untuk menggambarkannya seperti pada Gambar B.3, yaitu, sebagai dua
lingkaran yang tidak tumpang tindih karena tidak ada elemen yang sama.
Gambar B.3: Diagram Venn dari himpunan bagian A dan B yang saling lepas.
3
hasil. Di sini |S| adalah jumlah elemen dalam ruang sampel S. Dengan aditif, maka
untuk setiap kejadian A yang kita miliki
P(A) = |A| / |S|
D.1. Prinsip Kombinasi
Komputasi P(A) dalam hal ini membutuhkan komputasi ukuran himpunan A dan S.
Ini mungkin memerlukan prinsip-prinsip kombinatorial seperti prinsip
perkalian,faktorial, dan koefisien binomial/multinomial.
● Menghitung barisan: Prinsip Perkalian
Misalkan kita memiliki k himpunan berhingga S₁,..., Sₖ dan kita ingin
menghitung jumlah barisan dengan panjang k di mana elemen ke-i berasal dari
Sᵢ,yaitu ,hitung jumlah elemen dalam
S = {(s₁,...,sₖ ) : sᵢ ∈ Sᵢ} = S₁×···×Sₖ
Prinsip perkalian mengatakan bahwa jumlah barisan tersebut diperoleh dengan
mengalikan jumlah elemen di setiap himpunan Sᵢ, yaitu,
|S| = |S₁| ··· |Sₖ |
● Menghitung Permutasi
Kita menghitung permutasi, atau urutan elemen dari himpunan di mana tidak
ada elemen yang muncul lebih dari sekali. Kita dapat menggunakan prinsip
perkalian untuk menghitung permutasi secara lebih umum. contoh, misalkan
|S|=n dan kita ingin menghitung jumlah permutasi dengan panjang k ≤ n yang
diperoleh dari S, yaitu, kita ingin menghitung jumlah elemen himpunan
{(s₁,...,sₖ ) : sᵢ ∈ S,sᵢ ≠ s ketika i ≠ j}
Kemudian kita memiliki n pilihan untuk elemen pertama s₁ , n -1 pilihan untuk
elemen kedua, dan terakhir n - (k - 1)= n - k + 1 pilihan untuk elemen
terakhir. Jadi ada n(n - 1).....(n - k + 1) permutasi dengan panjang k dari
himpunan n elemen. Ini bisa juga ditulis sebagai nᵢ /(n-k)!. Perhatikan bahwa
ketika k = n, ada
n! = n (n − 1)··· 2 · 1
Permutasi panjang n
● Menghitung Subset
Secara umum, jika kita memiliki himpunan S dari n elemen, maka banyaknya
himpunan bagian yang berbeda dari nilai k yang dapat kita bangun dengan memilih
elemen dari S adalah
yang disebut koefisien binomial. Ini mengikuti argumen yang sama, yaitu, ada
n!/(n-k)! permutasi panjang k yang diperoleh dari himpunan; setiap permutasi
tersebut, dan k! permutasi yang diperoleh dengan mengubahnya, tentukan subset unik
dari S.
● Menghitung Urutan Subset dan Partisi
Misalkan kita memiliki himpunan S dari n elemen dan kita ingin menghitung jumlah
elemen dari
{(S₁, S₂,..., Sι) : Sᵢ ⊂ S, |Sᵢ| = kᵢ, Sᵢ ∩ Sⱼ =∅ketika i ≠ j},
4
kita ingin menghitung banyaknya barisan himpunan bagian ι dari suatu himpunan di
mana tidak ada dua himpunan bagian memiliki elemen yang sama dan himpunan
bagian ke i memiliki elemen kᵢ. Oleh karena itu prinsip perkalian ini sama dengan
karena kita dapat memilih elemen S₁ dengan cara , pilih elemen S₂ dengan cara
dll.
Ketika kita memiliki S = S1 ∪ S2 ∪···∪ S, selain himpunan individu adalah saling
lepas, maka kita menghitung banyaknya partisi terurut dari suatu himpunan n elemen
dengan elemen k₁ di himpunan pertama, elemen k₂ di himpunan kedua, dll.
● Teorema E.1. (Hukum peluang total, versi terkondisi) Misalkan A₁, A₂…,
menjadi kejadian yang membentuk partisi dari ruang sampel S, masing-masing
probabilitas positif. Membiarkan B menjadi sembarang kejadian. Maka
P(B) = P(A₁)P(B | A₁) + P(A₂)P(B | A₂) +··· .
BUKTI Rumus perkalian (E.2.)memberikan bahwa P(Aᵢ∩B) = P(Aᵢ)P(Aᵢ | B).
Hasilnya kemudian langsung mengikuti Teorema C.1.
● Teorema E.2 (Teorema Bayes) Misalkan A dan B adalah dua kejadian,
masing-masing memiliki peluang positif. Maka
5
ini memberikan hasil.
Aplikasi standar dari rumus perkalian, hukum probabilitas total, dan
teorema Bayes terjadi dengan sistem dua tahap. Respon untuk sistem tersebut
dapat dianggap sebagai o ring dalam dua langkah atau tahap. Biasanya, kita
diberikan probabilitas untuk file dan probabilitas bersyarat untuk tahap kedua.
Rumus perkalian kemudian digunakan untuk menghitung probabilitas
gabungan untuk apa yang terjadi pada kedua tahap; hukum probabilitas total
digunakan untuk menghitung probabilitas untuk apa yang terjadi pada tahap
kedua; dan teorema Bayes digunakan untuk menghitung probabilitas bersyarat
untuk tahap pertama, mengingat apa yang telah terjadi pada tahap kedua.
Ringkasan materi E
● Probabilitas bersyarat mengukur probabilitas bahwa A terjadi jika B terjadi;
berdasarkan P(A | B) = P(A ∩ B) / P(B).
● Probabilitas bersyarat memenuhi hukum probabilitas totalnya sendiri.
● Kejadian independen jika tidak berpengaruh pada probabilitas satu sama lain.
Secara formal, ini berarti bahwa P(A ∩ B) = P(A)P(B).
● Jika A dan B saling bebas, dan P(A) > 0 dan P(B) > 0, maka P(A | B) =
P(A) dan P(B | A) = P(B).
F. Kontinuitas P
Misalkan A₁, A₂,... adalah urutan kejadian yang semakin “mendekati” (dalam arti
tertentu) ke kejadian lain, A. Maka kita dapat memperkirakan bahwa probabilitas
P(A₁), P(A₂), . . . adalah mendekati P(A), yaitu lim ₙ→∞ P(Aₙ) = P(A). Tapi bisakah
kita yakin tentang ini?
6
Sifat seperti ini, yang mengatakan bahwa P(A) mendekati dengan P(A) setiap kali
A,, "mendekati" dengan A, disebut sifat kontinuitas. Pertanyaan di atas dengan
demikian dapat diterjemahkan. kira-kira, seperti menanyakan apakah ukuran
probabilitas P "kontinu." Ternyata P memang kontinu dalam beberapa hal.
Secara khusus, kita tulis {Aₙ} Adan katakan bahwa barisan (Aₙ) meningkat
menjadi A. jika A₁ ⊆ A₂ ⊆ A₃ ⊆ ···dan juga = A yaitu barisan dari kejadian
adalah urutan yang meningkat, dan selanjutnya gabunganya sama dengan A.
Mislanya, jika Aₙ = (1/n, n], maka A₁ ⊆ A₂ ⊆ ···dan = (0,∞). Gambar 1.6.1
menggambarkan urutan subset yang meningkat. Maka {(1/n,n]} = (0,∞).
Gambar F.1. menggambarkan urutan himpunan bagian yang meningkat.
Demikian pula, kita tulis {Aₙ} A dan katakan bahwa barisan (Aₙ) berkurang
menjadi A, jika A₁⊇ A₂ ⊇ A₃ ⊇ ···, dan juga Aₙ = A. Artinya, barisan kejadian
adalah barisan menurun, dan selanjutnya perpotongannya sama dengan A. Misalnya,
jika A,= {(-1/n, 1/n]}, maka A₁ ⊇ A₂ ⊇ ··· dan = Aₙ = {0}, maka {(-1/n. 1/n]}
(0). Gambar F.2. menggambarkan urutan himpunan bagian yang menurun.
Teorema F.1 Misalkan A, A₁, A₂.... menjadi kejadian, dan misalkan {Aₙ} A atau
{Aₙ}, Maka:
lim
n→∞ P(Aₙ) = P(A)
7
Selanjutnya Aₙ ⊇ Bₙ, jadi dengan monotonisitas, kita memiliki P(Aₙ) ≥ P(Bₙ). Ini
mengikuti dari 1.G.1. bahwa:
P(A₁ ∪ A₂ ∪···) = P(B₁) + P(B₂) +···≤ P(A₁) + P(A₂) +···
seperti yang diklaim.