19MTK19 – TEORI STATISTIKA

PERTEMUAN 4

Oleh : Salsabila, S.Stat., M.Si.

Misalkan terdapat beberapa bagian kejadian (titik sampel) 𝑾𝟏 , 𝑾𝟐 , … . . 𝑾𝒌 saling
terpisah/mutually exclusive dan merupakan kejadian lengkap (semua hasil percobaan ada dalam
ruang sampel).
Kejadian 𝑊1 , 𝑊2 , … , 𝑊𝑘
A
membentuk partisi suatu
ruang contoh S.
𝑾𝟏
𝑾𝒌

𝑾𝟐….
A ∩ 𝑾𝟏

Maka, peluang kejadian A dapat ditulis dengan :

𝑷 𝑨 = 𝑷(A∩ 𝑾𝟏 )+𝐏 𝑨 ∩ 𝑾𝟐 + ⋯ + 𝑷 𝑨 ∩ 𝑾𝒌
= 𝑷 𝑾𝟏 𝑷 𝑨 𝑾𝟏 + 𝑷 𝑾𝟐 𝑷 𝑨 𝑾𝟐 + ⋯ + 𝑷 𝑾𝒌 𝑷(𝑨|𝑾𝒌 )
 CONTOH
Ruang sampel :
S = { 1,2,3,4,5,6,7}

Partisi : 𝑾𝟏 = 𝟏, 𝟓 𝑾𝟐 = 𝟐, 𝟑, 𝟔 𝑾𝟑 = {𝟒, 𝟕}

Kemudian, diketahui kejadian A = {3}

Menggunakan hukum peluang total , peluang untuk kejadian A yaitu :

𝑷 𝑨 = 𝑷(A ∩ 𝑾𝟏 ) + 𝐏 𝑨 ∩ 𝑾𝟐 + 𝐏 𝑨 ∩ 𝑾𝟑
𝟏
=𝟎+ +𝟎
𝟕
 CONTOH
KELOMPOK UMUR
G1 G2 G3 G4 G5
20-24 25-34 35-49 50-64 ≥ 65
Peluang memiliki ≥
5 pasang 0.26 0.20 0.13 0.18 0.14

Peluang setiap
kelompok usia 0.09 0.20 0.31 0.23 0.17

Jika A adalah kejadian seorang dipilih secara acak dari populasi berusia 18 tahun keatas yang memiliki 5
atau lebih pasang sepatu. Berapa peluang kejadian A terjadi?
𝑃 𝐴 = 𝑃(A ∩ 𝐺1 ) + P 𝐴 ∩ 𝐺2 + P 𝐴 ∩ 𝐺3 + P 𝐴 ∩ 𝐺4 + P 𝐴 ∩ 𝐺5
= 𝑃 𝐺1 𝑃 𝐴 𝐺1 + 𝑃 𝐺2 𝑃 𝐴 𝐺2 + 𝑃 𝐺3 𝑃 𝐴 𝐺3 + 𝑃 𝐺4 𝑃 𝐴 𝐺4 + 𝑃 𝐺5 𝑃 𝐴 𝐺5
= (0.09)(0.26)+(0.20)(0.20)+(0.31)(0.13)+(0.23)(0.18)+(0.17)(0.14)
= 0.1689
 Misalkan terdapat beberapa bagian kejadian (titik sampel) 𝑾𝟏 , 𝑾𝟐 , … . . 𝑾𝒌 saling
terpisah/mutually exclusive dengan peluang prior masing-masing
𝑷(𝑾𝟏 ), 𝑷(𝑾𝟐 ), … , 𝑷(𝑾𝒌 ). Jika kejadian A terjadi, peluang posterior dari 𝑾𝒊 , jika
bersyarat kejadian A yaitu :

𝑷 𝑾𝒊 𝑷(𝑨|𝑾𝒊 )
𝑷 𝑾𝒊 𝑨 = 𝒖𝒏𝒕𝒖𝒌 𝒊 = 𝟏, 𝟐, … 𝒌
𝑷 𝑾𝒊 𝑷(𝑨|𝑾𝒊 )
Peluang posterior ini adalah peluang terjadinya peristiwa 𝑾𝒊 , setelah atau ketika peristiwa A terjadi.

𝑷(𝑾 ∩ 𝑨) Peluang bersyarat

𝑷 𝑾𝑨 =
𝑷(𝑨)
Peluang total
CONTOH
Dalam suatu penelitian terhadap pasien di rumah sakit, 52% diantaranya adalah
perempuan. Dari pasien perempuan tersebut, 11% memiliki risiko tinggi terkena
serangan jantung, sedangkan 10% pasien laki-laki juga berisiko tinggi serangan jantung.
Seorang pasien dipilih secara acak dan diketahui berisiko tinggi terkena serangan
jantung. Berapa peluang orang tersebut adalah laki-laki ?

Diketahui : T = risiko tinggi Pr = perempuan L = laki-laki

P(Pr) = 0.52
P(T|Pr) = 0.11 𝑃 𝐿 𝑃(𝑇|𝐿)
𝑃 𝐿|𝑇 =
P(T|L) = 0.10 𝑃 𝐿 𝑃 𝑇 𝐿 + 𝑃(𝑃𝑟)𝑃(𝑇|𝑃𝑟)
𝑃 𝐿 𝑃(𝑇|𝐿)
P(L|T) = ??? =
𝑃 𝐿 𝑃 𝑇𝐿 + 𝑃 𝑃𝑟 𝑃(𝑇|𝑃𝑟)
P(L) = 0.48
0.48 (0.10)
= = 0.46
0.48 0.10 + 0.52 (0.11)
LATIHAN

1. Diprediksi terjadinya banjir (B) sebesar 0.7. hal tersebut mengharuskan warga
mempersiapkan tempat mengungsi (M) untuk mengantisipasi banjir datang
mendadak. Peluang seorang warga memperoleh tempat mengungsi jika ada banjir
0.75, sedangkan jika tidak banjir 0.5. berapa peluang terjadi banjir jika diketahui
warga memperoleh tempat mengungsi ?

2. Di suatu kotam bandara A mengatur 50 % dari semua lalu lintas udara, bandara B
dan C masing-masing mengatur 30 % dan 20 %. Tingkat deteksi pembawaan senjata
dari ketiga bandara tersebut adalah 0.9, 0.8 dan 0.85. jika seorang pengunjung
ditemukan membawa senjata pada pintu boarding, berapa peluang pengunjung
tersebut berada pada bandara A ?
1 Peubah Acak
• Peubah acak  deskripsi numerik dari hasil percobaan
• Peubah acak biasanya dinyatakan dengan huruf besar, misalnya 𝑋, sedangkan nilainya
dinyatakan dengan huruf kecil padanannya, misalnya 𝑥

Percobaan Peubah Acak (X) Kemungkinan hasil (x)

200 panggilan pembuatan rekening Rekening 0, 1, 2, ..., 200

Kontrol kualitas 50 kain Rusak 0, 1, 2, ..., 50

Menjawab 40 soal ganda Jawaban yang 0, 1, 2, ..., 40

Benar
Tinggi badan 50 orang Tinggi badan 157, 160.5, 170.2,....

Lama menyewa rumah Bulan 12, 10.5, 20,...

Pengukuran waktu antrian pasien Waktu antrian 30, 25.5, 10,...

9
 Diskrit Kontinu
• Peubah acak diskrit mengasumsikan untuk nilai yang terbatas ataupun sebuah urutan tak terbatas dari hasil, tapi
dapat dihitung.

• Peubah acak kontinu mengasumsikan semua hasil numerik yang berada dalam interval

Contoh :
• Peubah acak diskrit dengan nilai terbatas
Misal X = jumlah kue yang terjual per hari  maka x bisa saja memiliki 5 nilai (1,2,3,4,5)
• Peubah acak diskrit dengan urutan tak terbatas
Misal X = Jumlah pelanggan yang datang dalam suatu hari maka x bisa saja memiliki nilai 0,1,2,3,....
Kita dapat menghitung berapa pelanggan yang datang, namun tidak ada batas maksimum berapa pelanggan
yang mungkin akan datang
• Peubah acak kontinu
Misal X = Waktu tunggu pelanggan dalam antrian  maka x bisa saja memiliki nilai 2.5, 3.0, 1.8, 1.0
10
 P. A Diskrit
P. A Kontinu
 Jumlah penjualan
 Tinggi
 Jumlah panggilan
 Lebar
 Banyak
 Kedalaman
pengunjung
 Waktu
 Jumlah antrean
 dll
 dll

 Misalkan X merupakan jumlah layanan call center di bank swasta pada suatu daerah.
- Apakah X merupakan peubah acak diskrit atau kontinu?

 Misalkan Y merupakan jarak yang ditempuh pada pemberhentian kedua sebuah KRL dari
stasiun bogor menuju stasiun cilebut. - Y diskrit atau kontinu?

P(X=3 cs) = ?

P(Y=2 kms) = ?
11
2 Distribusi Peluang
 Jika diketahui seluruh hasil dari peubah acak, X, memuat hasil yang dapat dihitung,
𝑥1 , 𝑥2 , … , 𝑥𝑛 atau 𝑥1 , 𝑥2 , … . , maka X disebut peubah acak diskrit.
sehingga, peluang untuk setiap nilai x yang mungkin tersebut 𝑝 𝑥 disebut distribusi
peluang.

Dimana :
• 0 ≤𝑝 𝑥 ≤1
• 𝑝 𝑥 =1

13
Contoh 1 :

2 uang logam dilempar dan misalkan 𝑥 adalah jumlah sisi angka (A) yang muncul. Tentukan distribusi
peluang untuk 𝑥.

S = {𝑆1 , 𝑆2 , 𝑆3 , 𝑆4 }
S = {AA, AG, GA, GG}  peluang masing-masing ¼
𝑥 = {2,1,1,0}

Untuk setiap nilai x, nilai 𝑝 𝑥 dihitung dari peluang dari tiap titik 𝑥 𝒑(𝑥)
sampel dalam kejadian tersebut. Misal, ketika 𝑥 = 0,
1 0 ¼
𝑝 0 = 𝑃 𝑆1 =
4 1 ½
Ketika 𝑥 = 1,
1 2 ¼
𝑝 1 = 𝑃 𝑆2 + 𝑃 𝑆3 =
2
𝑝 𝑥 =1
Sehingga, nilai dari 𝑥 dan setiap peluangnya 𝑝(𝑥) diringkas seperti :

14
Contoh 2 :
Peubah acak X merupakan tingkatan kelas dari beberapa siswa.
ID Siswa Tingkatan Fungsi massa peluang (FMP)
1 3 𝒇 𝟏 = 𝑷 𝑿 = 𝟏 = 𝟏/𝟖 = 0.125
2 2 𝒇 𝟐 = 𝑷 𝑿 = 𝟐 = 𝟒/𝟖 = 0.5
3 3 𝒇 𝟑 = 𝑷 𝑿 = 𝟑 = 𝟑/𝟖= 0.375
4 2 Fungsi massa peluang dapat digambarkan dalam bentuk grafik batang/histogram
5 2 Diagram fungsi massa peluang
6 1 1.2 1
1
7 3 0.8 0.625

f(x)
0.6
8 2 0.4
0.2 0.125
0
1 2 3
X

15
 Contoh 3 :
1 𝑥
Diketahui fmp dari peubah acak X adalah 𝑓 𝑥 = 𝑐 untuk x=1,2,.., dimana x adalah bilangan positif. Tentukan :
3
1. Nilai c
2. Hitung peluang P(X≥ 𝟑) 𝐼𝑛𝑔𝑎𝑡! 𝒇 𝒙 =1
∀𝑥

1. Nilai c ∞ 𝑥 2. 𝑷 𝑿 ≥ 𝟑
1
𝑐 =1
3 𝑃 𝑋 ≥3 =1-𝑃 𝑋 <3
𝑥=0
1 1 1
𝑐 1+ + + +⋯ =1 𝑃 𝑋 ≥ 3 = 1 - (𝑓 0 + 𝑓 1 + 𝑓 2 )
3 9 27
𝑎 2 2 2 1
𝑐 =1 𝑃 𝑋 ≥ 3 =1− + + =
1−𝑟 3 9 27 27
1
Membentuk deret geometri 𝑐 =1
1 − 1/3 atau
dengan a=1 dan r=1/3
1 2 𝑃 𝑋 ≥3 =𝑃 𝑋 =3 +𝑃 𝑥 =4 +𝑃 𝑥 =5 +⋯
𝑐= =
3/2 3 ∞ 𝑥 ∞ 𝑥 1
2 1 2 1 2 27
𝑃 𝑋≥3 = = = = 1/27
Membentuk deret geometri 3 3 3 3 3 1−1
𝑥=3 𝑥=3 3
dengan a=1/27 dan r=1/3

16
 Peluang peubah acak kontinu f(x) disebut dengan Fungsi densitas/Fungsi Kepadatan
Peluang (FKP)/Probability Density Function (PDF).

Dimana :
• 0 ≤𝑓 𝑥 ≤1
∞
• −∞
𝑓 𝑥 𝑑𝑥 = 1
𝑏
• 𝑃 𝑎≤𝑥≤𝑏 = 𝑎
𝑓 𝑥 𝑑𝑥

17
CONTOH 4

Jawab Grafik fkp f(x)

18
CONTOH 5
• Misalkan X merupakan peubah acak yang menyatakan waktu tunggu pelanggan di sebuah
bank dengan fkp:
1 𝑥
𝑓 𝑦 = 𝑒− 2 , 𝑥≥0
2
• Berapa peluang jika:
- pelanggan menunggu tepat 3 menit
1 3 −𝑥
𝑃 𝑥=3 =𝑃 3≤𝑥≤3 = 𝑒 2 𝑑𝑥 = 0
2 3
- pelanggan menunggu antara 2 sampai 3 menit
1 3 −𝑥
𝑃 2≤𝑥≤3 = 𝑒 2 𝑑𝑥 = 0.145
2 2
- pelanggan menunggu kurang dari 2 menit
1 2 −𝑥
𝑃 0≤𝑥≤2 = 𝑒 2 𝑑𝑥 = 0.632
2 0

19
2 Fungsi Distribusi
Misalnya 𝑋 adalah, peubah acak baik diskrit maupun kontinu. Kita dapat mendefinisikan 𝐹 sebagai
fungsi distributif kumulatif dari peubah acak dengan

𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥)

Sifat –sifat:
• 𝑭 𝒙 = 𝑷(𝑿 ≤ 𝒙)
𝒃
• 𝑭 𝒃 =𝑷 𝑿≤𝒃 = 𝒙=−∞ 𝒇(𝒙)

• 𝑭 −∞ = 𝟎 𝒅𝒂𝒏 𝑭 ∞ = 𝟏
CONTOH 6
Tiga buah uang koin dilempar satu kali. X menyatakan banyaknya angka yang keluar, tentukan fungsi
massa peluangnya !
1
Maka: 𝑢𝑛𝑡𝑢𝑘 𝑥 = 0,3
8
𝑷 𝑿 = 𝟎 = 𝟏/𝟖 𝑓 𝑥 = 3 Fungsi massa peluang (FMP)
𝑢𝑛𝑡𝑢𝑘 𝑥 = 1,2
𝑷 𝑿 = 𝟏 = 𝟑/𝟖 8
0 𝑢𝑛𝑡𝑢𝑘 𝑥 = 𝑠𝑒𝑙𝑎𝑖𝑛𝑛𝑦𝑎
𝑷 𝑿 = 𝟐 = 𝟑/𝟖
𝑷 𝑿 = 𝟑 = 𝟏/𝟖 0, 𝑥<0
1
, 0≤𝑥<1
8
4 Fungsi sebaran kumulatif (FSK)
𝐹 𝑥 = , 1≤ 𝑥<2
8
7
, 2≤𝑥<3
8
1, 𝑥≥3
CONTOH 7
Berdasarkan contoh 2, kita hitung fungsi sebarannya
𝟏

𝑭 𝟏 =𝑷 𝑿≤𝟏 = 𝒇(𝒙) Diagram fungsi sebaran kumulatif

𝒙=𝟎
1.2
1
= 𝒇 𝟎 + 𝒇 𝟏 = 𝟎 + 𝟎. 𝟏𝟐𝟓 = 𝟎. 𝟏𝟐𝟓 1
𝟐 0.8 0.625

F(X)
𝑭 𝟐 =𝑷 𝑿≤𝟐 = 𝒇(𝒙) 0.6
𝒙=𝟏 0.4
= 𝒇 𝟏 + 𝒇 𝟐 = 𝟎. 𝟏𝟐𝟓 + 𝟎. 𝟓 = 𝟎. 𝟔𝟐𝟓 0.2 0.125
𝟑
0
𝑭 𝟑 =𝑷 𝑿≤𝟑 = 𝒇(𝒙) 1 2 3
𝒙=𝟏
X
= 𝒇 𝟏 + 𝒇 𝟐 + 𝒇 𝟑 = 𝟎. 𝟏𝟐𝟓 + 𝟎. 𝟓 + 𝟎. 𝟑𝟕𝟓 = 𝟏
 CONTOH 8

Diketahui peubah acak X dengan fmp sebagai berikut.

𝟏
, 𝒙=𝟏
𝒌
𝟒
, 𝒙=𝟐
𝒇 𝒙 = 𝒌
𝟑
, 𝒙=𝟑
𝒌
𝟎, 𝒙 𝒍𝒂𝒊𝒏𝒏𝒚𝒂
a.Tentukan nilai k!
b.Fungsi sebarannya?
c.Tentukan 𝑃 𝑋 ≥ 3
Fungsi Sebaran Kumulatif(FSK)/Cumulative Density Function (CDF) P.A Kontinu:
∞
• 𝐹 𝑥 =𝑃 𝑋≤𝑥 = −∞
𝑓 𝑥 𝑑𝑥
𝑏
• 𝑃 𝑎≤𝑥≤𝑏 = 𝑎
𝑓 𝑥 𝑑𝑥
= 𝐹 𝑏 − 𝐹(𝑎)
CONTOH 9
CONTOH 10

Jika fungsi densitas dari peubah acak X berbentuk:

𝑓 𝑥 = 3 𝑒 −3𝑥 ; 𝑥 > 0
= 0 ; 𝑥 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
Tentukan:
a. Fungsi sebarannya
b. 𝑃 0.5 < 𝑋 ≤ 1
c. 𝑃 𝑋 ≤ 0.5
To be continued..

28