PENGANTAR TEORI PELUANG

KELOMPOK 3

MARSELA MONICA POLUAN 18504147

ADI PUTRA G. MUKKUN 18504062

MARIA KATORONANG 18504044

MAYA S. TULIA 18504085

YOLANDA MANOPO 18504024

GEOFANI RUNTUKAHU 18504048

FITIYANTO E. RORI 18504013

 TEORI BEYES (BAYES THEORY)

Dalam teori probilitas dan statistika teorema beyes adalah

sebuah teorema dengan 2 penafsiran berbeda.
In probability theory and statistics, bayes’s theorem is a
theorem with two different interpretations
PERNYATAAN (STATEMENT)
Dalam penafsiran bayes teorema ini menyatakan seberapa jauh derajat kepercayaan subjektif harus
berubah secara rasional ketika ada petunjuk baru. Dalam penafsiran frekuentis teorema ini
menjelaskan representasi invers probabilitas dua kejadian.
in bayes’ interpretation, this theorem states how far the degree of subjective trust must change
rationally when there are new clues. In the frequency interpretation of this thorem explains the
invers representation of the probability of two events.
Teorema ini merupakan dasar dari statistika bayes dan memiliki penerapan dalam sains, rekayasa
ilmu ekonomi (terutama dlam ilmu ekonomi mikro), teori permainan, kedokteran dan hukum.
Penerapan Teorema beyes untuk memperbarui kepercayaan dinamakan inferens bayes
This theorem is the basis of bayes statistics and has applications in science, engineering, economics
( especially microeconomics), game theory, medicine and the law. The application of the bayes
theorem to renew belief is called inferior bayes.
CONTOH (EXAMPLE)

Misalkan kawan anda bercerita, dia bercakap-cakap akrab seseorang lain diatas kereta api.
Tanpa informasi tambahan, peluang dia bercakap-cakap dengan perempuan 50%. Sekarang
misalkan kawan anda menyebut bahwa orang lain di atas kereta api itu berambut panjang.
Dari keterangan baru ini tampaknya lebih boleh jadi kawan anda bercakap-cakap dengan
perempuan, karena orang berambut panjang biasanya wanita. Teorema beyes dapat
digunakan untuk menghitung besarnya peluang bahwa kawan anda berbicara dengan seorang
wanita, bila diketahui berapa peluang seorang wanita berambut panjang.
Suppose your friend told him he had a close conversation with someone else on the train.
Without additional information, the chances of him conversing with women are 50%. Now
suppose your friend says that someone else on the train has long hair. From this new
information, it seems more likely that your friends will converse with women, because long-
haired people are usually women. The bayes theorem can be used to caculate the probability
that your friend talks a woman, if you know the chances of a long-haired woman.
PENYELESAIAN (SOLUTION)

Misalkan:
W adalah kejadian percakapan dilakukan dengan seorang wanita
L adalah kejadian percakapan dilakukan dengan seorang berambut
panjang
M adalah kejadian percakapan dilakukan dengan sorang pria
Suppose:
W is the conversation with a women
L is s conversation with a long-haaired person
M is the conversation with a man
Kita dapat berasumsi bahwa wanita adalah setengah dari populasi. Artinya kawan
anda berbicara dengan wanita,
We can assume that women are half of the population. The means your friend’s
chance to talk to women.
P(W) = 0,5
Misalkan juga bahwa diketahui 75% wanita berambut panjang. Ini berarti bila kita
mengetahui bahwa seorang adalah wanita, peluangnya berambut panjang adalah
0,75. Kita melambangjannya sebagai:
Suppose also that 75% of women with long hair are known. This means that if we
know tht someone is a women, her chance for long hair 0,75. We symbolize it as:

P(L‫׀‬W) = 0,75
Sebagai keterangan tambahan kita juga mengetahui bahwa peluang
seorang pria berambut panjang adalah 0,3. Dengan kata lain:
For additional information, we also know that the chances of a long-
haired man are 0,3. In other words

P(L‫׀‬M) = 0,3

Disini kita mengasumsikan bahwa seorang itu adalah pria atau wanita,
atau P(M)=1 -P(W)=0,5. Dengan kata lain M adalah kejadian
komplemen dari W.
here we assume that a person is male or female, or P(M)=1 -P(W)=0,5.
In other words, M is the complement of the incident W
 KEJADIAN SALING BEBAS

Dalam bahasa matematik dua kejadian saling bebas ditulis

sebagai berikut.
Kejadian A dan B dikatakan saling bebas jika dan hanya jika
Kebalikan kejadian yang saling bebas adalah tidak bebas atau saling tergantung, yaitu jika
kejadian A dipengaruhi oleh kejadian B dan sebaliknya. Sebagai contoh pada percobaan
mengambil dua kartu berturut-turut dari seperangkat kartu bridge (kartu remi), yaitu kartu
pertama diambil tidak dikembalikan, kemudian mengambil sebuah kartu lagi dari
tumpukan kartu tersebut, maka kedua pengambilan tersebut merupakan kejadian yang
tidak bebas, sebab hasil pengambilan kedua dipengaruhi oleh pengambilan pertama.
CONTOH (EXAMPLE)

Dua duah dadu bersisi enam satu merah dan satu biru dilempar bersama-sama. Jika A kejadian
munculnya mata dadu 5 pada dadu merah dan B munculnya mata dadu 4 pada dadu biru, serta C
munculnya kedua mata dadu berjumlah 8, periksa pakah A dan B bebas, A dan C bebas.

.
THANK YOU