Minggu ke-3
Tujuan
Mahasiswa mampu
• menghitung nilai Peluang Bersyarat dan penggunaan Teorema Bayes dalam
penyelesaian beberapa contoh kasus.
Materi :
• Peluang Bersyarat
• Teorema Bayes
3
Pendahuluan
Contoh 1 :
Contoh 1 :
1 1 1 3 1
P( A) = P(1) + P(3) + P(5) = + + = =
6 6 6 6 2
1 1 2 1
P( A B) = P(1) + P(3) = + = =
6 6 6 3
8
Probabilitas Bersyarat
Sehingga
P( A B) 1 3 2
P (B A) = = =
P ( A) 12 3
Probabilitas Bersyarat
CD No CD Total
P(CDandAC) 0.2
P(CD|AC) = = = 0.2857
P(AC) 0.7
12
Probabilitas Bersyarat
Menggunakan Diagram Pohon 0 .2
0 .7 P(AC dan CD) = 0.2
Given ada AC atau
tidak ada AC:
𝑃 𝐵1 ∪ 𝐵2 |𝐴 = 𝑃 𝐵1 |𝐴 + 𝑃 𝐵2 |𝐴
4. Hukum komplemen
𝑃 𝐵ሜ |𝐴 = 1 − 𝑃 𝐵|𝐴
5. Hukum perkalian
𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴 𝑃 𝐵 |𝐴 = 𝑃 𝐵 𝑃 𝐴 |𝐵
15
TEOREMA BAYES
Ditemukan oleh Reverend Thomas Bayes abad ke 18.
Dikembangkan secara luas dalam statistik inferensia.
Aplikasi banyak untuk : DSS (Decision Support System)
A Bi
A Bi
B1
B2
B3
16
TEOREMA BAYES
𝑃(𝐵𝑖 ∩ 𝐴)
𝑃(𝐵𝑖 |𝐴) = ; P(A) ≠ 0
𝑃(𝐴)
𝑃(𝐴 ∩ 𝐵𝑖 )
𝑃(𝐴|𝐵𝑖 ) = ; P(Bi ) ≠ 0
𝑃(𝐵𝑖 )
17
Teorema Probabilitas Total
Latihan
P(M|S)P(S)
P(S|M) =
P(M|S)P(S) + P(M|G)P(G)
(0.6)(0.4)
=
(0.6)(0.4) + (0.2)(0.6)
0.24
= = 0.667
0.24 + 0.12
Misalkan :
𝑆 adalah kejadian pengeboran sukses,
𝐺 adalah kejadian pengeboran gagal, dan
𝑀 adalah kejadian pengeboran berhasil dengan metode yang benar
dan tepat, sehingga
𝑃 𝑆 = 0.4 dan 𝑃 𝐺 = 0.6 merupakan peluang prior.
Kemudian, peluang bersyarat 𝑃 𝑀 𝑆 = 0.6 dan 𝑃 𝑀 𝐺 = 0.2
Tentukan 𝑃(𝑆|𝑀)?
Tabel Kontingensi 24
P(M|S)
Kejadian Peluang Prior Peluang Bersyarat Peluang Gabungan Peluang Akhir
0.24
Sukses (S) 0.4 0.6 (0.4)(0.6)=0.24 = 0.667
0.36
0.12
Gagal (G) 0.6 0.2 (0.6)(0.2)=0.12 = 0.333
0.36
P(M|G)
Latihan
Latihan
Latihan