Anda di halaman 1dari 10

TEORI BAYES

Oleh:
ANAS SETIAWAN

SKE - Stokastik
Pendahuluan

Teorema Bayes dikemukakan oleh Thomas Bayes pada


tahun 1763.

Teorema Bayes digunakan untuk menghitung


probabilitas terjadinya suatu peristiwa berdasarkan
pengaruh yang didapat dari hasil observasi.
Teorema Bayes

Teori probabilitas Bayesian


merupakan satu dari cabang teori statistik matematik
yang memungkinkan kita untuk membuat satu model
ketidakpastian dari suatu kejadian yang terjadi dengan
menggabungkan pengetahuan umum dengan fakta
dari hasil pengamatan.
Teorema Bayes
Persamaan Bayes
P( A | Bn ) P( Bn )
P( Bn | A)  n  1,2,...N
P( A | B1 ) P( B1 )  ...  P( A | BN ) P( BN )

Dimana,
P(Bn) = Probabilitas Prior
P(A|Bn) = Probabilitas Transisi
P(Bn|A) = Probabilitas Posterior
Teorema Bayes

Probabilitas Prior :
Perkiraan kemungkinan kejadian yang dibuat oleh
pengamat

Probabilitas Posterior :
Perubahan perkiraan awal dengan adanya peristiwa
lain
Contoh
Di sebuah sekolah terdapat 60 pelajar laki -laki dan
40 pelajar perempuan. Pelajar perempuan
mengenakan celana panjang atau rok dalam angka
yang sama sedangkan pelajar laki -laki semuanya
mengenakan celana panjang.
Seorang pengamat melihat seorang pelajar secara
acak dari jauh, mereka semua dapat melihat bahwa
pelajar ini mengenakan celana panjang. Berapa
peluang bahwa pelajar ini adalah seorang anak
perempuan ?
Penyelesaian
Pelajar Perempuan Pelajar Laki-laki Jumlah
Celana Panjang 20 60 80
Rok 20 0 20
Jumlah 40 60 100

P(A)= peluang pelajar perempuan P(A)= 0.4


P(A’)= peluang pelajar laki-laki P(A’)= 0.6

P(B)=peluang pelajar yang mengenakan celana panjang P(B)= 0.8

P(B|A)= peluang pelajar mengenakan celana panjang dengan P(B|A)= 0.5


syarat pelajar itu adalah seorang anak perempuan.
P(B|A’)=peluang pelajar yang mengenakan celana panjang P(B|A’)= 1
dengan syarat pelajar itu adalah seorang anak laki-laki
Penyelesaian
P( A) P( B | A) P( A) P( B | A)
P( A | B)  
P( B) P( B | A) P( A)  P( B | A' ) P( A' )

(0,4)(0,5)

(0,5)(0,4)  (1)(0,6)
(0,2)

(0,2)  (0,6)
 0,25
Seperti yang diprediksikan di awal bahwa hasilnya < 40% tetapi
hasil perhitungan lebih dari setengahnya yaitu 25%
Refrensi

 David Barber. 2007. Bayesian Reasoning and Machine


Learning
 Peebles, Peyton Z. Jr., Ph.D. Probability, Random Variables,
and Random Signal Principles ). McGraw Hill : United States of
America
TERIMA KASIH

SKE - Stokastik