S
P A
NI
PENGANTAR PROBABILITAS
U
GANGGA ANURAGA
K A
T I
I S
A T
ST
POKOK BAHASAN
Konsep dasar probabilitas
• Teori himpunan
• Permutasi
B Y
• Kombinasi S
• Koefisien binomial
P A
• Koefisien multinomial
N I
Probabilitas U
• Aksioma probabilitas
I KA UTS
• Probabilitas bersyarat
S T
• Teorema bayes
T I
• A
Kejadian-kejadian yang bebas
T
S
Variabel Random
• Variabel random diskrit dan fungsi distribusi variabel random diskrit
• Variabel random kontinu dan fungsi variabel random kontinu
POKOK BAHASAN
Distribusi bersama / joint probability
B Y
• Distribusi bersama variabel random diskrit S
• Distribusi bersama variabel random kontinu
P A
Ekspektasi
N I UAS
• Ekspektasi variabel random U
• Varians, kovarian, korelasi,
K A
Fungsi pembangkit moment T I
I S
A T
S T
REFERENSI
A First course in Probability: Sheldon Ross. 1997
B Y
S
Hogg, R.V. dan Craig, A.T. 1995. Introduction to Mathematical
Statistics, 5th ed. Mac Millon. New York.
P A
N I
Rohatgi, W.K., 1976., An Introduction to Probability Theory and
U New York.
Mathematical Statistics, John Wiley and Sons,
K A
I
Bartoszynski, R. and Bugaj, M.N.,, 1996, Probability and Statistical
TNew York.
S
Inference, John Wiley & Sons,
I
A T
S T
KONSEP DASAR PROBABILITAS
Teori Himpunan (SET THEORY)
: Kumpulan obyek-obyek yang keanggotaanya terdefinisikan secara jelas.
Definisi I :
B Y
S
Himpunan yang memuat semua elemen yang dibicarakan secara lenkap
P A
disebut sebagai himpunan semesta (space), yang biasanya dinotasikan
dengan huruf besar seperti S. N I
Definisi II :
U
K A
I
Jika S merupakan himpunan semesta dan A adalah himpunan bagian dari S
T
S
maka komplemen A ditulis A c adalah himpunan yang memuat anggota-anggota
I
A T
dari S tetapi tidak termuat dalam A.
contoh : S T
S = x ; x = 0, 1, 2, 3, 4 dan A = x ; x = 0, 1
maka komplemen A atau A c = x ; x = 2, 3, 4
Definisi III :
A1 merupakan himpunan bagian dari A 2 (ditulis A1 A 2 ) jika
dan hanya jika untuk setiap x anggota A1 maka x juga merupakan anggota
dari A 2 ditulis : A1 A 2 x A1 x A 2 B Y
S
contoh :
P A
I
A1 = x ; 0 x 1 , A 2 = x ; 0 x 2 , maka A1 A 2
N
Gambarkan diagram Venn-nya ?
U
K A
Definisi IV :
T I
I S
Himpunan A tidak mempunyai anggota, disebut himpunan kosong
A = A T
S T
contoh :
A = x ; 0 < x < 1 dan x bilangan bulat , maka A =
Definisi V :
Gabungan dua himpunan A1 dan A 2 ditulis A 1 A 2 yaitu
suatu himpunan yang anggotanya adalah semua anggota A1 dan A 2 ,
ditulis A1 A 2 = x | x A1 atau x A 2 .
B Y
Gabungan dari himpunan-himpunan A1 , A 2 , A 3 ,.....adalah
A1 A 2 A 3 ......
S
P A
contoh :
N I
A1 = x ; x = 0, 1, 2, 3, 4, 5 U
K A
A = x ; x = 2, 3, 4, 5 atau I
5 < x 10
2
S T
Maka A A = x ;I x = 0, 1, 2, 3, 4, 5 atau 5 < x 10
1 2
A T
S T
Definisi VI :
Irisan dari dua himpunan A1 dan A 2 ditulis A1 A 2 adalah
suatu himpunan yang anggota-anggotanya merupakan anggota dari
A1 dan juga dari A 2 ditulis : A1 A 2 = x | x A1 dan x A 2
Irisan dari beberapa himpunan A1 , A 2 , A3 ......adalah B Y
A1 A 2 A 3 .....
S
P A
Contoh :
N I
A1 = x, y ; x, y = 0,0 , 0,1A U
, 1,1
A = x, y ; x, y = 1,1 , I
K
1,2 , 2,1
2
S T
maka A A x, TyI ; x, y = 1,1
1 2
T A
Contoh : S
A1 = x,y ; 0 x+y 1 , A 2 = x,y ; 1 x+y
maka A1 A 2 ....
Definisi VII :
Selisih dua himpunan A1 dan A 2 ditulis A1 -A 2 adalah
Y
suatu himpunan yang anggota-anggotanya merupakan anggota dari A1
B
S
tetapi bukan anggota dari A 2 A1 -A 2 = x | x A1 dan x A 2
P A
Contoh : N I
A1 = x | x bilangan asli
U
K A
A = x | x bilangan bulat
T I
2
A -A = I S
1 2
A T
A -A = x |S
2 1 xT bilangan bulat tidak positif
Definisi VIII :
Jumlah dari dua himpunan A1 dan A 2 ditulis A1 A 2 adalah
suatu himpunan yang anggota-anggotanya adalah anggota A1 atau
anggota A 2 tetapi tidak termuat dalam A1 A 2 . B Y
S
A1 + A 2 = x | x A1 atau x A 2 dan x A1 A 2 .
P A
N I
Khusus untuk A1 dan A 2 yang saling lepas, maka A1 A 2 = A1 A 2 .
U
Contoh :
K A
A1 = x | x bilangan cacah
T I
I S
A 2 = x | x bilangan bulat negatif
T
T A
maka A1 + A 2 = x | x bilangan bulat
S
B Y
S
P A
N I
U
K A
TI
I S
A T
ST
SOAL LATIHAN :
Berikan bukti T A : A A A A ,
bahwa
c c c
S 1 2 1 2
A1 A 2 A1c A c2 ,
c
A1 A 2 A 3 A1c A c2 A 3c
c
Aplikasi hukum De Morgan’s
1 2 3 6 7
3 s6 , s7
c c c c
A A A s , s , A 1 A 2 A
A1 A2 s1 , s4 , s5 , s6 , s7 , s8 A1c A2c s1 , s4 , sB
5 , s6 , s7 , s8
Y
c
S
A1 A2 A3 s1 , s2 , s4 , s5 , s6 , s7 , s8 , PA
c
A1 A2 A3 s1 , s2 , s4 , s5 , s6 , s7 , s8 U
c c c
N I
maka : K A
T I
1 2 1 2,
I A A A
S A1c A2c A3c
c cc c
A A A A 1 2 3
AT
Hukum De
A1 A2 A A , A1 A2 A3 A1c A2c A3c
Morgan’s
c c
c
S
1 T c
2
SOAL LATIHAN
Carilah himpunan gabungan dari A1 A 2 dan interseksi A1 A 2
dimana A1 dan A 2 adalah :
B Y
a A1 x; x 0,1, 2 , A 2 x; x 2,3, 4 S
b A1 x;0 x 2 , A 2 x;1 x 3 IP
A
U N
Carilah A dari himpunan A dengan ruang sampel S sebagai berikut :
c
K A
a S x;0 x 1 , A = T
x;I x 1
5
I S 8
A T
S T
Barisan himpunan monoton :
Ai A n berarti limit A n A = Ai B Y
n S
i=1 i=1
A
Barisan himpunan A n disebut himpunan monoton turun A n
I P
U N
jika A i A i+1 , i = 1,2,3,... A
n
I K
A S T
A n berarti limit A n A = A i
i
In
AT
i=1 i=1
S T
SOAL LATIHAN
Jika A1 , A 2 , A 3 ,...adalah himpunan yang terdefinisikan bahwa A k A k+1 ,
k = 1, 2, 3,..., dan lim A k didefinisikan sebagai himpunan gabungan
k
A1 A 2 A 3 ....
B Y
Carilah lim A k jika :
k S
a) A k x;1/ k x 3 1/ k , k 1, 2,3...; P A
N I
b) A x, y ;1/ k x y 4 1/U
k , k 1, 2,3...;
2 2
k
K
Jika A , A , A ,...adalah himpunan
A yang terdefinisikan bahwa A A
1 2
T3I k k+1 ,
k = 1, 2, 3,..., dan limI S
A didefinisikan sebagai himpunan interseksi
A A AT..... A T k
k
1
S 2
k
a) A k x; 2 1/ k x 2 , k 1, 2,3...;
b) A k x, y ;0 x 2 y 2 1/ k , k 1, 2,3...;
Permutasi dan Kombinasi
Permutasi pengaturan elemen-elemen dari sebuah himpunan dimana urutan dari
elemen elemen tersebut diperhatikan.
Contoh : dari himpunan huruf-huruf {a,b,c}, permutasi-permutasi dengan ukuran
Y
2 (ambil 2 elemen dari himpunan tersebut) adalah {a,b}, {b,a}, {a,c}, {c,a},
B
S
{b,c}, dan {c,b}. Perhatikan bahwa urutan dari elemen-elemen itu adalah
A
penting, dengan kata lain {a,b} adalah berbeda dengan {b,a}.
P
Banyaknya permutasi adalah 6.
Pnk
n! N I
n k ! U
K A
0! 1 I T
k ! k x k 1 x k 2 I S
x x1
3! 3 x 2! 3 x 2 xA
T
1 6
T
S kotak berisi 3 bola masing-masing berwarna merah, hijau
Contoh: Ada sebuah
dan biru. Jika seorang anak ditugaskan untuk mengambil 2 bola secara acak dan
urutan pengambilan diperhatikan, ada berapa permutasi yang terjadi?
Banyaknya permutasi adalah 6 yaitu; M-H, M-B, H-M, H-B, B-M, B-H.
Kombinasi adalah pengaturan elemen-elemen dari sebuah himpunan dimana
urutan dari elemen elemen tersebut tidak diperhatikan.
Contoh, dari himpunan huruf-huruf {a,b,c} kombinasi-kombinasi yang
berukuran 2 (ambil 2 elemen dari himpunan tersebut) adalah {a,b}, {a,c}, and
{b,c}. Perhatikan bahwa urutan dari elemen-elemen itu tidak penting,
dengan kata lain {b,a} adalah dianggap sama dengan {a,b}. B Y
Banyaknya kombinasi adalah 3. S
P A
C P P
n! N I
n
k k
n k
k ! n k !
k U
K A
T I
S
Contoh: Seorang anak hanya diperbolehkan mengambil dua buah amplop dari
I
T
tiga buah amplop yang disediakan yaitu amplop A, amplop B dan amplop C.
A
ST
Tentukan ada berapa banyak kombinasi untuk mengambil dua buah amplop dari
tiga buah amplop yang disediakan? Banyaknya kombinasi adalah 3
SOAL LATIHAN
Tiga orang siswa bernama A, B, dan C hendak membentuk
B Y
kelompok belajar dan dua orang dipilih sebagai ketua dan bendahara.
S
Maka susunan ketua dan bendahara yang bisa terjadi adalah
A
PBerapa
I
Tiga orang bernama A, B, dan C berjabat tangan.
N
kemungkinan jabat tangan yang mungkin Uterjadi?
K A
T I
I S
A T
S T
B Y
S
P A
N I
TERIMA
U
KASIH
K A
T I
IS
A T
S T
B Y
S
P A
NI
EKSPEKTASI MATEMATIK
U
GANGGA ANURAGA
K A
TI
I S
A T
S T
Definisi :
Variabel random X dengan f.d.p f x dan u x adalah Y
S B
suatu fungsi dari variabel random X, sedemikian hingga :
A
I P
u x f x dx
U N untuk variabel random kontinu
E u x K A
T I
u x f x untuk variabel random diskrit
xI S
A T
Jika integral atau deret tersebut konvergen mutlak maka E u x
T
S
disebut ekspektasi dari u x .
Sifat - sifat dari ekspektasi matematik :
1. E (k) = k, k = konstanta B Y
S
2. E [k u(x)] = k E[u(x)]
P A
n n N I
3. E k i u i (x) k i E[u i (x)] , n hingga ekspektasi bersifat linier
i=1 i1
U
K A
T I
I S
A T
S T
Ekspektasi Fungsi U(x)
1. U(x) = X, maka mean dari variabel random X : B Y
S
P A
x f x dx I
untuk variabel random kontinu
E u x U N
x f x K A
untuk variabel random diskrit
x
T I
S
2. Var u x Var(x) = E(x - E(x)) 2
I
A T
S T
(x - E(x)) 2
f x dx untuk variabel random kontinu
2 =
(x - E(x)) 2 f x untuk variabel random diskrit
x
Misal X dengan f.d.p
2 1 x , 0 x 1 Y
f x S B
0 , untuk x yang lainnya
A
maka E 6x + 3x 2 ....? I P
U N
K A
Contoh 2. T I
I S
T
Misal X dengan f.d.p
A
S
x / 6
T , x 1, 2,3
f x
0 , untuk x yang lainnya
maka E (x 3 ) ...?
Misalkan X merupakan variabel random dengan f.d.p
2 B Y
f(x) = 3x , 0 < x < 1 S
maka : P A
N I
2
1. E (x), E(x ), dan Var (x)...? U
K A
2. Jika variabel random y dengan y = 3x - 2
TI
S
tentukan E (y) dan Var (y) ?
I
A T
S T
B Y
Fungsi Pembangkit Momen A
S
(Moment Generating I P
Function)
U N
Gangga Anuraga
K A
T I
I S
A T
S T
M t E etx
tx
e f x
M t E etx
etx f x Y
x S B
Fungsi pembangkit momen secara lengkap menentukan
P A
distribusi sampling dari suatu variabel random. N I
Karakteristik Fungsi Pembangkit Momen
U
K A
M cx t M ct M T
x cx t I
E e E e M ct
t cx ct x
x
I S
M cx d t e M T
dt
ct M t E e t cx d
E e .e e M
dt ct x dt
ct
T A x cx d x
d
S dn
E x M x t t 0 dan n M x t t 0 , n 2,3,
dt dt
Sifat sifat MGF
a. jika a R maka M x t M x at
b. jika variabel random X1 , X 2 ,..., X n saling independen
maka,
B Y
n S
M n t M x t
P A
Xi i 1
I
i
i 1
U N
c. jika a, b R maka : A
M ax b t etb M x at I K
S T
T I
d. jika variabel random X1 , X 2 ,..., X n independen identik maka :
T A
tS M t
n
M n xi
Xi
i 1
B Y
S
P A
N I
U
K A
TI
I S
A T
ST
Misalkan X merupakan variabel random dengan f.d.p
f x e x , x 0.
a) Tentukan Fungsi Pembangkit Momen M x t
b) Tentukan E(x), E(x ) dan Var x
2 B Y
S
P A
c) jika variabel random y didefinisikan y = 2-3x,
N I
M y t ? U
K A
T I
I S
A T
S T
contoh :
Jika X variabel random berdistribusi normal dengan mean
1
t t 2 2
dan varians 2 , maka MGF dari X addalah M x t Y
e 2
.
Tentukan : SB
P A
a. MGF variabel random Y = X - .NI
X
U
b. MGF variabel random WK=A
T I
I S X-
T Z=
c. MGF variabelArandom
S T
B Y
S
P A
N I
U
K A
Moment
I
STGenerating Function
I
A T
S T
GANGGA ANURAGA
Moment :
a) U x x n Y
S B
mn E x n disebut sebagai moment
P A ke n
N I
maka jika n = 1 didapatkan mU E x
1
K A
b) U x x TI
n
I S
m E x AT jika n = 2 maka m E x
n 2
n
S T 2
m2 2
Pandang variabel random x dengan f.p.m M t :
Mt f x dx, h t h
e tx
B Y
S
t=0 P A
N I
M ' t
x etx f x dx
U
M ' t
x f x dx
K A 1
S TI
M" t x e f T
2 I
x dx
tx
M " t x 2 f x dx 2
T A
S
M k t x k etx f x dx M k t x k f x dx k
Contoh :
Jika M t 1 t , t 1 maka M ' t dan M '' t Y
2
adalah...
SB
P A
M t 2 1 t dan M t U 6 I
1 t
3 4
'
N ''
=M 0 2 '
K A
T I
M 0 IS
2
64 2
'' 2
A T
x f S
T
x dx dan x f x dx
2 2 2
Variabel random xmerupakan variabel random diskrit
dengan fungsi probabilitas
B Y
1 S
3 , x 1 A
f x I P
2 , x 2 U N
3 A
I K
T
Tentukan MGF dari variabel random x ?
S
T I
T A
S
Variabel random x~bin m,p dan y~bin n,p , dan z=x+y
Tentukan MGF dari z ? B Y
M m
i
s a
a
l
k n
a g
n -
X m
, 1a
X i
,
.
.
.
, e
X r
v s
a
r
a b
i
b s
e
l
r
a (
n μ
d ,
o σi
m
i
n
d
p
e
n
d
e
n
S
e
A
2b
ni
P
s
i
s
n
g
d
t
r
i
u
i
N
)
2i
N I
U
1σ2
n
M T
G e
F n
d u
a
r
i n
X M
a G
d F
a
l
a a
h r
M
t ?
=
e
d
a
n
Y
= i
X 1
.
+i
t
t
μ
2 X
2i
K A
I
i
i d
=
t
k
a
i
Y
I S
A T
Sebuah variabel
T
S random x dengan MGF, M t 1 2t
n / 2
.
x
B Y
Setiap percobaan selalu diakhiri dengan sebuah Hasil yang
biasanya tidak dapat diramalkan sebelumnya. S
P A
N I
Percobaan adalah suatu percoban yang hasilnya tidak dapat
diramalkan dengan pasti dan dapatUdiulang dibawah kondisi yang
K A
T I
sama dan hasil yang mungkin dapat diketahui dari percobaan
tersebut. I S
A T
S T
Ruang Sampel
Ruang sampel adalah himpunan semua hasil yang mungkin dari
B Y
suatu percobaan random. Ruang sampel biasa dinotasikan dengan
S
huruf S.
P A
Contoh : N I
U
K A
Jika sebuah dadu dilempar satu kali, maka semua kemungkinan yang
akan terjadi adalah tampakI di atas mata 1, mata 2, mata 3, mata 4,
Tdituliskan dalam bentuk himpunan, ruang
S
mata 5 atau mata 6. Bila
I
A T
sampel dari percobaan ini adalah : S = {1,2,3,4,5,6}
Sebuah S
T
mata uang dilemparkan satu kali, maka kemungkinan akan
tampak di atas adalah gambar (G) atau angka (A), Ruang sampel
dapat ditulis menjadi : S = {G,A}
Kejadian (event)
T I
A
P(B) = 6/36 = 1/6 dan
T
S pertama 6, dadu kedua 1) = P(A and B)
P(dadu
= 1/36 = P(A) P(B)
menunjukan independence
Contoh: suatu web site mempenyai tiga server A, B, dan C, yang dipilih
secara independent dengan probabilitas:
B Y
P(A) = ¼, P(B) = ½, P(C)= ¼.
S
(a) Cari probabilitas A atau B dipilih
P A
P(A or B) = ¼ + ½ = 3/4 N I
U
A
(b) Cari probabilitas A tidak dipilih
K
P(Ac) = 1 – P(A) = ¾ T I
S
I A dipilih dua kali
A T
(c) Cari probabilitas server
P(AA) T
S= P(A)P(A) = 1/16
(d) Cari probabilitas urutan seleksi server ABCA
P(ABCA) = P(A)P(B)P(C)P(A) = (1/4)(1/2)(1/4)(1/4) = 1/128
B Y
S
P A
N I
U
K A
I
KOEFISIEN
T BINOMIAL DAN
I S
A T MULTINOMIAL
S T
GANGGA ANURAGA
KOEFISIEN BINOMIAL
Koefisien binomial merupakan bilangan-bilangan yang muncul dari
hasil penjabaran penjumlahan dua peubah yang dipangkatkan (a+b)n
B Y
Terlihat bahwa ekspresi (a+b) tidak ada hubungannyaS
n dengan kombinasi,
P A
tetapi kenyataannya (a+b) dapat dicari denganImenggunakan rumus
n
U N
kombinasi-r dari n unsur
K A
I :
Dalam aljabar diketahui bahwa
T
a+b
3
a + 3a b I
3
+
S 2
3ab + b 2 3
A :T
T
Teorema Binomial
S n
a+b C n, k a n k b k
n
k 0
Contoh :
Sederhanakan a+b C 4, 0 a 40b 0 C 4, 4 a 4 4b 4
4
B Y
= a 4a b 6a b 4abS b
4 3 2 2 3 4
N I
11! U
C 11, 6 A
5!6! I K
Sederhanakan 2x-3y
T
S
5
T I
T A
Tentukan koefisien dari x y z dalam x + y + z =
2 3 5 10
S
Persoalan diatas dapat juga diselsaikan dengan aturan segitiga
pascal
Aturan segitiga pascal
B Y
S
P A
N I
U
K A
T I
I S
A T
S T
KOEFISIEN MULTINOMIAL
Multinomial merupakan perluasan dari binomial
n n1 n2
x1 x2 xk Y
n nk
B 1 2
x x x
n1 n2 nk n 1
n , n2 , ,Snk
k
P A
dengan
n
=
n!
N I
n1 , n2 , , nk n1 !n2 ! nk !
U
K A
T I
I S
A T
S T
Contoh :
B Y
S
P A
N I
U
K A
TI
I S
A T
ST
Contoh :
Tentukan Koefisien dari : Y
S B
x x x x dalam x1 x2 x3 x4 x5 A
2 3 4 10
1 3 4 5
I P
10!
UN
2!0!1!3!4!
K A
TI :
Tentukan Koefisien dari
S
3
x y z3 2
dalam
I
T 2x 3 y 5z 8
T A
S
B Y
S
P A
NI
AKSIOMA PROBABILITAS
U
GANGGA ANURAGA
K A
TI
I S
A T
S T
Notasi : A
S : ruang sampel K
S
A : kejadian/event dalam ruang sampel S I
P A : probablitas event A Y O
Aksioma 1 S B M
A
P A 0 P A
N I P
Aksioma 2 U R
PS 1 K A O
T I B
Aksioma 3 I S A
A T B
S T
mutually exclusive : dua kejadian yang saling tidak I
berhubungan dan tidak mungkin terjadi secara bersamaan L
I
N N
P An P An T
n 1 n 1 A
S
probabilitas joint A dan B
B Y
P A B P A SP B P A B
probabilitasP A A dan B
union
N I
P AU B P A P B P A B
K A
• Definisikan ruang sampel dari
T Idiagram venn diatas ?
I S dari A ?
• Definisikan kejadian/event
A T dari B ?
• Definisikan kejadian/event
• DefinisikanS
T
joint kejadian A dan B ?
• Definisikan union kejadian A dan B ?
Lokasi Perlu perbaikan dalam 90 hari Jumlah
produksi mobil pertama pemakaian
Ya Tidak
US 7 293 300
B Y
Non US 13 187 S 200
20 480
P A 500
N I
U
• Berapa probabilitas mobil perlu perbaikan pada 90 hari pertama
pemakaian ?
K A
T ?I
• Berapa probabilitas mobil yang diproduksi di USA perlu perbaikan
S
pada 90 hari pertama pemakaian
I
• Berapa probabilitas
A Tmobil memerlukan perbaikan dan yang tidak
T
memerlukan perbaikan?
S
• Probabilitas mobil memerlukan perbaikan dan mobil yang diproduksi
di USA
PROBABILITAS BERSYARAT
Y
Probabilitas Bersyarat P A|B , menyatakan probabilitas A
B
S
A
bila diketahui B, A dan B adalah kejadian acak.
P
P A B N I
P A | B U
P B A
K
I , menyatakan probabilitas B
Probabilitas Bersyarat P B|A
S T
I
bila diketahui A, ATdan B adalah kejadian acak.
T A
P B A
P B | A S
P A
Contoh :
Ruang sampel S 1, 2, 3, 4, 5, 6
A 1, 2, 3, 4, 5 P A
B 2, 4, 6 P B B Y
P A B
S
P A
maka P A | B I
UN
C 1, 2, 3, 4 P C K A
P C B S T I
maka P C |A T I
B
T
S4 P D
D 2, 3,
PD B
maka P D | B
Merokok
Paru-Paru P(B)
ya tidak
ya 0,3 0,1 0,4
tidak 0,25 0,35 0,6
B Y
p(A) 0,55 0,45 1 S
P A
I
P(A) = probabilitas menderita penyakit paru-paru
N
P(B) = probabilitas seseorang merokok U
P(A = ya |B = ya) = 0,3/0,4 = 0,75I K A
S T
I
P(B = ya|A = ya) = 0,3/0,55 = 0,55
T
T A
S
B Y
S
P A
VARIABEL RANDOM N I
U
GANGGA ANURAGA
K A
TI
I S
A T
S T
VARIABEL RANDOM
- variabel random : fungsi yang memetakan setiap anggota ruang
sampel ke bilangan real.
* variabel random diskrit : variabel random yang menjalani bilangan
bulat
B Y
S
* variabel random kontinu : variabel random yang menjalani
bilangan real
P A
N I
U
DISTRIBUSI PELUANG DARI VARIABEL RANDOM
Variabel Random DiskritKA
f x 0 T I
I S
f x 1 AT
x A
S T
P( x A) f x
x A
DISTRIBUSI PELUANG DARI VARIABEL RANDOM
B Y
Variabel Random Diskrit S
X adalah variabel random yang bertipe diskrit
A
Pdengan ruang sampel
N I
S = x ; x = 0, 1, 2, 3, 4 .P( A) fU
dimana
x
A
K A
4!
4
S
1 T I
f ( x) I, x S.
x !(4 x)! 2T
T A
Jika A = x ;Sx = 0,1 maka P(x A) ?
Variabel random kontinu
Jika S adalah ruang sampel dari variabel random X
dan fungsi himpunan peluang P(A) didefinisikan
sebagai :
B Y
P(A) = P(X A) = f x
S
P A
A
N I
Contoh 1: U
K A
X adalah variabel random dengan fungsi himpunan
I
Sf Tx dx dimana f x 3x 2
TI
peluang P(A), P(A) =
8
dx.
STA A
1
x A x;0 x 2 .Tentukan peluang A1 x;0 x
2
dan A 2 x;1 x 2 yang merupakan himpunan bagian dari A.
Latihan Soal
1. Fungsi himpunan dari dua variabel random X dan Y
1
P A A f x, y dimana f ( x, y ) , Y
52
S B
x, y S x, y ; x, y 0,1 , 0, 2 ,..., 0,13 , 1,1 ,..., 1,13 ,..., 3,13
A
Hitunglah P A P X , Y A I P
U N
a). A = x,y ; x, y 0, 4 , 1,3
K A , 2, 2
b). A = x,y ; x y 4, T I
x,y S
I S
2. X adalah variabel random dengan ruang sampel S = x;0 x 1
T
T A
S 1 1
jika A1 x;0 x dan A 2 x; x 1 , A1 dan A 2 himpunan
2 2
1
bagian dari S. Hitunglah P(A 2 ) jika P(A1 ) .
4
B Y
S
VARIABEL RANDOM I PDISKRIT
A
UN
GANGGA ANURAGA
K A
T I
I S
A T
S T
• Variabel random diskrit variabel random yang dapat
memiliki nilai bilangan bulat.
B Y
S
P A
N I
Distribusi Probabilitas khusus diskrit antara lain :
U
– Distribusi Bernoulli
K A
– Distribusi BinomialT I
I S
– Distribusi Poisson
A T
S T
Distribusi Bernoulli
• Variabel random X berdistribusi Bernoulli dengan parameter
θ, berikut fungsi probabilitas bernoulli :
f ( x; ) (1 )
x 1 x
; 0 1 ; x 0,1 B Y
S
dimana P A
N I
x : variabel random memperoleh sukses U
θ : probabilitas sukses K A
T I
S
Distribusi Bernoulli mempunyai mean dan varians
I
2
(1 T) A T
S
• Suatu soal ujian pilihan ganda yang terdiri dari 10 soal dan
tiap soal mempunyai pilihan jawaban 4. Dari setiap item soal
ada satu pilihan jawaban yang benar. Jika setiap jawaban
yang benar tadi diberi nilai 1, maka berapakahS B Y
probabilitasnya
seorang siswa akan mendapatkan nilai 5PatauA lebih, jika siswa
N I
tersebut tidak belajar (menjawabU dengan coba-coba).
K A
(1 I
10
P ( x 5) C (0,25) T
10 x 10 x
0,25)
i 5
x
I S
A T
S T
Distribusi Binomial
• Variabel random X berdistribusi Binomial dengan parameter n
dan p, ditulis X ~ B (n, p ) Y
jika X mempunyai fungsi distribusi probabilitas : S B
n x P A
f ( x; n, p) p (1 p) n x I
; 0 p 1 ; x 0,1,2,..., n
N
x U
A
Distribusi binomial mempunyai mean np dan varians
K
2 np(1 p ) T I
I S
dimana :
A T
T
x : variabel random yang menyatakan banyaknya sukses
S
p : probabilitas sukses
n : banyak percobaan
• Contoh :
B Y
S partai
Suatu pemilihan umum / pemilu yang diikuti oleh
A
P dalam 3
demokrat dan golkar, yang mana dilaksanakan
N I
U
putaran. Misalkan peluang partai demokrat memenangkan
K A
I probabilitas partai demokrat
pemilu adalah 0,5. Berapa
T
I S
memenangkan T pemilu sebanyak 3 kali.
T A
S
Probabilitas kiriman paket dari suatu biro perjalanan akan
sampai tepat waktu adalah 0,8. jika kita mengirim lewat biro
tersebut 10 kali,
B Y
S
• Berapa probabilitas bahwa 6 diantaranya akan sampai tepat
P A
waktu ? N I
U
A
• Berapa rata-rata dan varians bahwa 6 diantaranya akan
K
T I
sampai tepat waktu ?S
T I
T A
S
Misalkan diketahui bahwa pengobatan baru berhasil dalam
menyembuhkan otot nyeri pada 50% kasus. Jika diuji coba pada
15 pasien, Tentukan probabilitas bahwa:
B Y
S
• Paling banyak 6 pasien akan sembuh. 0,304
A
P 6 dan tidak lebih
• Jumlah sembuh akan ada lebih I
dari
UN
dari 10. 0,79 A
I K
S T
T I
T A
S
Distribusi Poisson
• Percobaan yang menghasilkan variabel random X yang bernilai
numerik, yaitu banyaknya sukses waktu terentu atau dalam
daerah tertentu. B Y
S
• Variabel random X berdistribusi Poisson dengan parameter λ
A
X ~ P ( ) I P
U N
jika X mempunyai fungsi distribusi probabilitas :
A
e x x I K
f ( x; ) ;
S T 0
xT !I
A
Distribusi poisson mempunyai mean dan varians
T
S
2
• Perusahaan telepon memberikan 1000 pilihan pesawat
telepon (sebagai kombinasi warna, type, fungsi, dll). Sebuah
perusahaan membuka cabang baru dan tersedia 200
B Y
sambungan telpon dimana setiap karyawan boleh S memilih
A
P bahwa ke-1000
pesawat telepon sesuka hatinya. Asumsikan I
U N
pilihan tersebut adalah equally
A likely. Berapa probabilitas
I K
bahwa sebuah pilihan T tidak dipilih, dipilih oleh seorang, dua
I S
orang atau tiga
A Torang karyawan?
S T
B Y
S
VARIABEL RANDOM A
PKONTINU
I
UN
GANGGA ANURAGA
K A
T I
I S
A T
S T
• Variabel random kontinu : variabel random yang menjalani bilangan
real.
– Distribusi Chi-Square
– Distribusi Gamma
B Y
S
P A
N I
U
K A
TI
I S
A T
ST
DISTRIBUSI UNIFORM
Fungsi Probabilitas :
1
f x b a
;a x b B Y
0
S
; x yang lain P A
N I b
a
Mean dari distribusi uniform adalah U
K A 2
b a T
2 I
dan varians
2
I S
A T12
S T
• Contoh :
B Y
S
P A
N I
U
K A
T I
S
Jika diketahui x variabel random dengan distribusi uniform (1,6), maka
I
p(2< x < 4) = …. A T
S T
• Jika x variabel random dengan distribusi uniform (0,10). Tentukan
nilai
– P(x < 3) = …
B Y
– P(x > 6) = … S
P A
– P( 3 < x < 8) = …
N I
U
K A
T I
I S
A T
S T
DISTRIBUSI NORMAL
• Variabel random X berdistribusi normal dengan mean dan varians ,
jika X mempunyai fungsi probabilitas :
B Y
1
1 x
2
S
f ( x; , )
2
e 2
A
; ;0
P
2 I
U N
• Merupakan salah satu distribusi probabilitas variabel random
A
I K
T
kontinu yang terpenting dalam statistika adalah distribusi normal
S
TI
(Gauss), yaitu variabel random yang berasal dari proses random
T A
S
dengan satu titik pemusatan dan menyebar disekitar titik
pemusatan tersebut secara simetris.
• Distribusi normal dengan rata-rata (μ)=0 dan standart deviasi
(σ)=1.
x
Z
B Y
S
• Nilai Z adalah angka yang penyimpangan
A
P suatu nilai variabel
N I
U
x dari rata-rata (μ) yang dihitung dalam satuan σ.
K A
T I
I S
A T
S T
KURVA DISTRIBUSI NORMAL
B Y
S
P A
N I
U
K A
TI
S
I 1
T AT
3 2
1 2 3
S
KURVA NORMAL STANDAR
B Y
S
P A
N I
U
K A
T I
I S
3
T A T
2 1 1 2 3
S
Jika diketahui sekumpulan data nilai mata kuliah “Pengantar Probabilitas”
berdistribusi normal dan rata-rata nilai 56 dan simpangan baku 6, maka
carilah :
B Y
a. Probabilitasnya mahasiswa akan mendapatkan nilai kurang dari 60.
S
P A
b. Probabilitasnya mahasiswa akan mendapatkan nilai lebih dari 60.
N I
c. U
Probabilitasnya mahasiswa akan mendapatkan nilai antara 65 sampai
dengan 76. K A
T I
I S
A T
S T
B Y
S
P A
N I
U
K A
TI
I S
A T
ST
B Y
S
P A
N I
U
K A
TI
I S
A T
ST
DISTRIBUSI EKSPONENSIAL
• Digunakan untuk melakukan perkiraan atau prediksi dengan hanya
membutuhkan perkiraan rata-rata populasi
B Y
Distribusi ekponensial dengan parameter ,
S
P A
dengan fungsi probabilitas
N I
e x jika x 0
U
f x K A
0 T I
jika x 0
a
I S
T
P x a e x dx
A
S T0
x a
e
0
1 e a a0
• Jika x suatu variabel random berdistribusi ekponensial dengan
parameter λ = 1/10. Tentukan
– P(x > 10) = …
– P( 10 < x < 20) = … B Y
S
A
• Diketahui kedatangan pengunjung di minimarket “A” berdistribusi
P
N I
eksponensial dengan rata-rata meningkat dari biasanya menjadi 8,4
U
A
menit dalam 35 menit. Berapa probabilitas kedatangan pengunjung
K
T I
dalam selang waktu 8 menit atau lebih?
I S
T
• Diketahui kedatangan pengunjung di minimarket “A” berdistribusi
A
S T
eksponensial dengan rata-rata meningkat dari biasanya menjadi 5,8
menit dalam 50 menit. Berapa probabilitas kedatangan pengunjung
dalam selang waktu 15 menit atau kurang?
B Y
S
P A
N I
U
K A
T I
DistribusiSBersama / Joint Probability dan
T
Distribusi I
Marginal Variabel Random Diskrit
T A
S Gangga Anuraga
DEFINISI
Jika terdapat dua variabel random X dan Y, maka distribusi peluang
terjadinya X dan Y secara serentak dinyatakan dengan fungsi (X, Y).
B Y
Fungsi (X, Y) disebut dengan Distribusi Bersama / S
Distribusi
P A
Peluang Gabungan / Joint Distribution Function X dan Y.
N I
U
K A
T I
I S
A T
S T
DISTRIBUSI GABUNGAN VARIABEL
RANDOM DISKRIT
Variabel random X dan Y dikatakan variabel random diskrit
berdimensi dua jika nilai-nilai dari X dan Y merupakan nilai-nilai yang
B Y
berhingga. S
P A
N I
U
K A
T I
I S
A T
S T
B Y
S
P A
N I
U
K A
TI
I S
A T
ST
Contoh :
Y
Jika 3 bola akan dipilih secara acak dari 3 bola bewarna merah, 4
B
S jumlah bola
bewarna putih, 5 bewarna biru. Dan diketahui X adalah
A
Pterpililh. Fungsi
I
merah yang terpilih, Y jumlah bola putih yang
N
U
peluang gabungan dari X dan Y, didefinisikan sebagai berikut p(i,j) =
K A
T I
P(X=I, Y=j). Hitung nilai peluang, P(X=I, Y=j) ?
I S
A T
S T
B Y
S
P A
N I
U
K A
TI
I S
A T
ST
Contoh 1
B Y
S
P A
N I
U
K A
TI
I S
A T
S T
Distribusi Marginal Variabel Random Diskrit
Bila distribusi peluang f(X, Y) dari variabel random diskrit maka
Y
distribusi peluang marginal X adalah g (X) dan Y adalah h (Y).
B
S
P A
N I
U
K A
T I
I S
A T
S T
Berdasarkan contoh 1
B Y
S
P A
N I
U
K A
T I
I S
A T
S T
DISTRIBUSI GABUNGAN VARIABEL RANDOM
KONTINYU BERDIMENSI DUA
Variabel random X dan Y dikatakan variabel random kontinyu
berdimensi dua jika nilai-nilai dari X dan Y merupakan nilai-nilai yang
B Y
berupa interval. S
P A
N I
U
K A
T I
I S
A T
S T
Sifat - sifat Fungsi Peluang Gabungan Variabel Random Kontinnu :
1. f x, y 0, untuk semua x, y
2.
f x, y dx dy 1 B Y
S
3. P x, y A f x, y dx dy P A
A
N I
U
untuk setiap daerah A di bidang xy. A merupakan
A
himpunan bagian dari daerah asal XKdan Y.
T I
Contoh 5.2 :
I S
A T
Jika diketahui fungsi padat gabungan / fungsi densitas gabungan
variabel random XTdan Y adalah :
1
S
f x, y x y
8
Hitunglah peluang P 0 x 1,1 y 2 ?
DISTRIBUSI MARGINAL VARIABEL RANDOM KONTINU
DEFINISI :
f x2 | x1
f x1 , x2
, f1 x1 0 disebut f.d.p bersyarat B Y
f1 x1
S
P A
I f x ,x
dari x bila diketahui X x , sejalan f x | xN
U f x , f x 0
1 2
2 1 1 1 2 2 2
K A X x. 2 2
T I
disebut f.d.p bersyarat dari x bila diketahui
1 2 2
I S
A T
S T
Contoh :
Jika diketahui fungsi peluang gabungan B Y
S
dari variabel random x1 dan x 2 dengan f.d.p P A
N I
sebagai berikut : U
x1 x2 K A
f x1 , x2 , x1 1, 2,3 ; x2 1, 2
T I
21
I S
0A T , untuk x1 , x2 yang lain
S T
cari terlebih dahulu f.d.p marginal untuk x1 dan x2
kemudian tentukan f x1 | x2 dan f x2 | x1
DISTRIBUSI PELUANG BERSYARAT UNTUK
VARIABEL RANDOM KONTINU
Contoh :
Misalkan x1 dan x 2 mempunyai f.d.p : B Y
S
f x1 , x 2 2 , 0 x1 x 2 1 P A
N I
0 , untuk yang lain U
K A
cari terlebih dahulu f.d.pImarginalnya
S T
kemudian tentukan
T I f x | x dan f x
1 2 2 | x1
T A
S