OLEH :
Fitri Sulistiyani
Maria Ulfa
Nur Aryani Rifai
Misalnya, jika Anda memilih secara acak seorang wanita kulit putih
Amerika, Kemungkinan kematian akibat penyakit jantung adalah .00287.
Hal ini didasarkan pada Menemukan bahwa per 100.000 perempuan kulit
putih Amerika, 287 meninggal karena koroner penyakit jantung
(perkiraan untuk tahun 2001, Pusat Nasional untuk Statistik Kesehatan7).
Bila Anda mempertimbangkan probabilitas seorang wanita kulit putih
Amerika yang antara usia 45 dan 64, angka tersebut turun menjadi .00088
(atau 88 wanita di kelompok usia itu dari 100.000), dan bila Anda
mempertimbangkannya wanita berusia 65 tahun ke atas, jumlahnya
meningkat menjadi 0,01672 (atau 1672 per 100.000). Untuk pria kulit
putih 65 atau lebih tua itu .0919 (atau 9190 per 100.000).
Dua poin penting adalah (1) untuk menentukan probabilitas, Anda harus
melakukannya tentukan populasi yang Anda referensikan, misalnya,
semua perempuan kulit putih, laki-laki kulit putih antara 65 dan 74,
perempuan non kulit putih antara 65 tahun dan 74, dan seterusnya; dan
(2) angka probabilitas terus-menerus direvisi sebagai data baru yang
tersedia.
Ini membawa kita pada gagasan tentang frekuensi yang diharapkan. Jika
probabilitasnya dari sebuah acara adalah P dan ada uji coba N (atau
peluang untuk acara tersebut untuk terjadi), maka kita bisa berharap
bahwa event tersebut akan terjadi N × P kali. Ini Perlu diingat bahwa
probabilitas "bekerja" untuk jumlah besar. Saat melempar koin kita bilang
probabilitasnya mendarat di atas kepala. Kita maksudkan bahwa dalam
banyak lemparan setengah waktu koin akan mendaratkan kepala. Jika kita
melempar koin sepuluh kali, kita bisa mendapatkan tiga kepala (30%)
atau enam kepala (60%), yang merupakan keberangkatan yang cukup
besar dari 50% yang kami harapkan. Tapi jika kita melempar koin
200.000 kali, kita sangat mungkin dekat mendapatkan tepatnya 100.000
kepala atau 50%.
Kedua, jika ada dua kejadian independen (yaitu, kejadian Seseorang tidak
berhubungan dengan kejadian yang lain), probabilitas gabungan dari
Yang terjadi bersama-sama (bersama-sama) adalah produk dari
probabilitas individu. Secara simbolis,
Contoh dari hal ini adalah kemungkinan bahwa pada saat melempar mati
Anda akan mendapatkan angka yang keduanya terbagi dan habis dibagi 3.
Probabilitas ini sama dengan 1/2 × 1/3 = 1/6. (Satu-satunya nomor
keduanya terbagi dan habis dibagi 3 adalah nomor 6.
Kami menganggap kejadian ini tidak tergantung satu sama lain sehingga
kami bisa perbanyak probabilitasnya. Perhatikan, bagaimanapun juga,
bahwa probabilitas itu juga satu atau yang lain akan mati karena serangan
jantung bukan jumlah Probabilitas mereka karena kedua peristiwa ini
tidak saling eksklusif. Ada kemungkinan keduanya akan mati (yaitu,
keduanya A dan B dapat terjadi).
Untuk membuat ini lebih jelas, cara yang baik untuk mendekati
kemungkinan adalah melalui penggunaan diagram Venn, seperti yang
ditunjukkan pada Gambar 2.1. Diagram Venn terdiri dari kotak yang
mewakili alam semesta dari kemungkinan dan lingkaran yang
menentukan acara yang diminati.
Dalam diagram 1, 2, dan 3, ruang di dalam alun-alun mewakili semua N
kemungkinan hasil. Lingkaran bertanda A mewakili semua hasil yang
merupakan peristiwa A; lingkaran yang ditandai B mewakili semua hasil
yang merupakan peristiwa B. Diagram 1 menggambarkan dua saling
eksklusif kejadian; sebuah hasil di lingkaran A tidak bisa juga berada di
lingkaran B. Diagram 2 mengilustrasikan dua peristiwa yang dapat terjadi
secara bersamaan: sebuah hasil di lingkaran A juga menjadi hasil milik
lingkaran B. Daerah yang teduh ditandai AB merupakan hasil yang
merupakan kejadian dari kedua A dan B. Diagram 3 mewakili dua
peristiwa di mana satu (B) adalah himpunan bagian dari yang lain
(SEBUAH); sebuah hasil di lingkaran B juga harus merupakan hasil yang
merupakan kejadian A, tapi sebaliknya belum tentu benar.
Hal ini dapat dilihat dari diagram 2 bahwa jika kita menginginkan
probabilitas a Hasilnya adalah A atau B dan jika kita menambahkan hasil
di lingkaran A ke Hasil di lingkaran B, kita telah menambahkan hasil
pada tingkat yang diarsir daerah dua kali Karena itu, kita harus
mengurangi hasilnya di tempat yang teduh area (A dan B) juga ditulis
sebagai (AB) sekali untuk sampai pada jawaban yang benar. Dengan
demikian, kita mendapatkan hasilnya
2.3Probabilitas Bersyarat
(jumlah hasil di kedua A dan B, dibagi dengan jumlah total hasil di B).
Jika kita membagi pembilang dan penyebut dengan N, jumlah total dari
semua hasil yang mungkin, kita dapatkan
Namun, perlu dicatat bahwa kita tidak dapat menentukan dari analisis
semacam itu apa kemungkinan terkena kanker paru-paru adalah untuk
perokok, karena di Untuk melakukan itu kita harus tahu berapa banyak
orang dari semua Perokok mengembangkan kanker paru-paru, dan kita
belum mempelajari semua perokok; semua Yang kita tahu adalah berapa
banyak dari semua kasus kanker paru-paru kita adalah perokok. Kita juga
tidak bisa mendapatkan kemungkinan kanker paru-paru di antara bukan
perokok, karena kita harus melihat populasi bukan perokok dan lihat
berapa banyak dari mereka yang terkena kanker paru-paru. Yang kita tahu
adalah itu Perokok memiliki kemungkinan 10 kali lipat lebih besar
terkena kanker paru daripada bukan perokok.
2.6Likelihood Ratio
Konsep yang terkait adalah likelihood ratio (LR), yang memberi tahu kita
seberapa besar kemungkinannya adalah bahwa suatu hasil tertentu akan
timbul dari satu situasi di Indonesia hubungan dengan seberapa besar
kemungkinan hasil akan muncul dari situasi yang berlawanan.
2.7Ringkasan Probabilitas
Hukum Aditif:
Probabilitas Bersyarat:
Teorema Bayes:
Odds of A:
Likelihood Ratio: