Overview Materi Peluang

1. Eksperimen statistik
2. Ruang Sampel
 Enumerasi (diagram pohon) vs aturan

3. Kejadian
 Komplemen, Irisan, Disjoint atau saling lepas

4. Menghitung Titik Sampel

1
 Permutasi vs Kombinasi
Jumlah permutasi dari n objek yang berbeda diambil r

n!
n Pr 
(n  r )!
Jumlah permutasi dari n objek yang disusun melingkar: (n-1)!

Jumlah permutasi partisi n objek

Kombinasi n objek yang berbeda diambil r:

2
 Overview Materi Peluang: Rumus
Peluang Kejadian
Aturan Penjumlahan 2 kejadian dan 3 kejadian, saling lepas

P( A  B)  P( A)  P( B)  P( A  B)
P( A  B  C )  P ( A)  P ( B )  P (C )  P ( A  B )
 P( A  C )  P( B  C )  P( A  B  C )
P( A  B)  P( A)  P( B)

P( A)  P( A )  1 '

3
Aturan Penjumlahan (1)
Teorema:
Jika A dan B adalah dua buah kejadian
sembarang,
P( A  B)  P( A)  P( B)  P( A  B)

A B

Gambar 1.2.1 Ilustrasi Aturan Penjumlahan pada Dua Kejadian

Sembarang

4
Contoh 1
P(A  B) = 0,5
P(B)=0.6
P(A)=0.8

P( A  B)  ? P( A  B)  P( A)  P( B)  P( A  B)
P( A  B)  0,8  0,6  0,5  0,9
Gambar 1.2.5 Ilustrasi Aturan Penjumlahan pada Contoh Soal
Penerimaan Karyawan

5
 Aturan Penjumlahan (2)
Teorema:
Untuk tiga kejadian sembarang A, B, dan C, maka:
P( A  B  C )  P ( A)  P ( B )  P (C )  P ( A  B )
 P( A  C )  P( B  C )  P( A  B  C )

C
Gambar 1.2.2 Ilustrasi Aturan Penjumlahan pada Tiga
Kejadian Sembarang

A B

6
Aturan Penjumlahan (3)
Akibat:
Jika A dan B saling lepas (mutually exclusive),
maka:
P( A  B)  P( A)  P( B)

A B

Gambar 1.2.3 Ilustrasi Aturan Penjumlahan pada Dua Kejadian

Saling Lepas

7
Contoh 2

Berapa peluang memperoleh jumlah 7 atau 11 jika

sepasang dadu dilempar?

8
Contoh 2

Berapa peluang memperoleh jumlah 7 atau 11 jika

sepasang dadu dilempar?
Jawab:
Pelemparan sepasang dadu: 36 titik sampel yaitu (1,1) … (6,6).
A: Kejadian muncul jumlah 7, ada 6 titik sampel yaitu (1,6) … (6,1).
B: Kejadian muncul jumlah 11, ada 2 titik sampel :(5,6) dan (6,5).
Kejadian A dan B saling lepas karena dalam satu lemparan tidak ada
yang muncul jumlah 7 dan 11 bersamaan.
1 1 2
P( A  B)  P( A)  P( B)   
6 18 9
9
 Aturan Penjumlahan: Saling Lepas
Jika A1, A2, A3, …, An mutually exclusive, maka:

P( A1  A2  ...  An )  P( A1 )  P( A2 )  ...  P( An )

A3 A…
A1
A2 An
Gambar 1.2.4 Ilustrasi Aturan Penjumlahan pada n Kejadian
Sembarang

10
Aturan Penjumlahan (8)
Teorema:
Jika A dan A’ dua kejadian saling
komplemen maka:

P( A)  P( A )  1
'

11
Contoh 3
 If the probabilities that an automobile
mechanic will service 3, 4, 5, 6, 7, or 8 or
more cars on any given workday are,
respectively, 0.12, 0.19, 0.28, 0.24, 0.10, and
0.07, what is the probability that he will
service at least 5 cars on his next day at
work?

12
Contoh 3: Representasi
 If the probabilities that  P(S3)=0.12
an automobile
mechanic will service  P(S4)=0.19
3, 4, 5, 6, 7, or 8 or  P(S5)=0.28
more cars on any given
workday are,  P(S6)=0.24
respectively, 0.12, 0.19,
0.28, 0.24, 0.10, and  P(S7)=0.10
0.07, what is the  P(S8)=0.07
probability that he will
service at least 5 cars  S3, S4,...,S8 saling
on his next day at lepas
work?
 P(S5S6 S7S8)=?

13
Contoh 3: Solusi
 P(S3)=0.12  P(S5S6 S7S8)
 P(S4)=0.19 =0.28+0.24+0.1+0.07
 P(S5)=0.28 =0.69
 P(S6)=0.24  Teorema komplemen:
 P(S7)=0.10
P(S3S4)=0.12+0.19
 P(S8)=0.07
=0.31
 P(S5S6 S7S8)=?
P(S5S6 S7S8)
=1-P(S3S4)=0.69

14
 Overview Materi Peluang
1. Eksperimen statistik
2. Ruang Sampel
• Enumerasi (diagram pohon) vs aturan

3. Kejadian
• Komplemen, Irisan, Disjoint atau saling lepas

4. Menghitung Titik Sampel

5. Peluang Kejadian
• Aturan Penjumlahan 2 kejadian dan 3 kejadian, saling lepas

15
 Permutasi vs Kombinasi
Jumlah permutasi dari n objek yang berbeda diambil r

n!
n Pr 
(n  r )!
Jumlah permutasi dari n objek yang disusun melingkar: (n-1)!

Jumlah permutasi partisi n objek

Kombinasi n objek yang berbeda diambil r:

16
Overview Materi Peluang: Rumus
Peluang Kejadian
Aturan Penjumlahan 2 kejadian dan 3 kejadian, saling lepas

P( A  B)  P( A)  P( B)  P( A  B)
P( A  B  C )  P ( A)  P ( B )  P (C )  P ( A  B )
 P( A  C )  P( B  C )  P( A  B  C )
P( A  B)  P( A)  P( B)

P( A)  P( A )  1 '

17
 Tujuan Kuliah
Kompetensi Dasar:

• Dapat menghitung kombinasi beberapa

peluang dari sebuah kejadian.
• Dapat menghitung peluang suatu kejadian
dengan aturan Bayes

18
 Outline Materi
• Peluang Bersyarat
P( A  B)
P( B | A)  , P( A)  0
P( A)

• Saling bergantung atau saling bebas (independent)

P ( B | A)  P ( B )
P ( A | B )  P ( A)

• Aturan Perkalian
P( A  B)  P( A) P( B | A)
P( A  B)  P( A) P( B), saling _ bebas
19
 Outline Materi (lanjutan)
• Teorema total peluang atau aturan eliminasi:

• Teorema aturan bayes:

20
 Peluang Bersyarat (1)
• Peluang kejadian B terjadi jika diketahui
bahwa kejadian A telah terjadi disebut
Peluang Bersyarat, notasi P(B|A), dibaca “
peluang B terjadi diberikan A telah terjadi ”.
• Artinya menghitung peluang B terjadi relatif
terhadap kejadian A yang semula, peluang A
dan B terjadi relatif terhadap ruang sampel S.

21
 Peluang Bersyarat (2)
• Definisi:
Peluang bersyarat B diberikan A,
P( A  B)
P( B | A)  , P( A)  0
P( A)

22
 Contoh 4
• Dari suatu ruang sample populasi orang dewasa
dibedakan atas laki-laki, wanita, bekerja dan tidak
bekerja, seperti pada tabel berikut:

• M : kejadian seorang laki-laki dipilih

• E : kejadian seorang terpilih bekerja

23
 Peluang Bersyarat (3)
1 menggunakan ruang sampel2E
> Dengan

P( M  E ) 460 23
P( M | E )   
460 140 P( E ) 600 30

40 260

> Dengan menggunakan ruang sampel semula S

n( E  M ) n( E  M ) / n( S ) P ( E  M )
P( M | E )   
Gambar 1.2.6 Ilustrasi Peluang Bersyarat dari Suatu Ruang Sampel n( E ) n( E ) / n( S ) P( E )
Populasi Orang Dewasa
600 2 460 23
P( E )   , P( E  M )  
900 3 900 45
Notasi M : kejadian seorang laki-laki dipilih 23 / 45 23
P( M | E )  
E : kejadian seorang terpilih bekerja 2/3 30

24
 Kejadian Saling Bebas (1)
• Definisi:
Dua kejadian A dan B saling bebas (independent) jika dan
hanya jika

P ( B | A)  P ( B )
P ( A | B )  P ( A)

• Jika tidak berlaku demikian, A dan B disebut saling bergantung

(dependent).

25
 Contoh 5
A : kejadian kartu pertama ace, kemudian dikembalikan

B : kejadian kartu kedua spade

Apakah kejadian A dan B saling bebas?

13 1
1 P( B | A)  
52 4

13 1
2 P(B )  
52 4

1
Karena P ( B | A)  P ( B ) 
4
maka A dan B saling bebas
Gambar 1.2.7 Ilustrasi Kejadian Saling Bebas dalam Permainan
Kartu Bridge

26
 Aturan Perkalian (1)
• Teorema:
Jika dalam suatu eksperimen dua kejadian A
dan B dapat terjadi maka

P( A  B)  P( A) P( B | A)

27
 Aturan Perkalian (4)
• Teorema:
Dua kejadian saling bebas jika dan hanya jika

P( A  B)  P( A) P( B)

28
 Contoh 6
• An electrical system consists of four components as illustrated
in Figure. The system works if components A and B work and
either of the components C or D works. The reliability
(probability of working) of each component is also shown in
the Figure. Find the probability that (a) the entire system
works and (b) the component C does not work, given that the
entire system works. Assume that the four components work
independently.

29
• Sistem kelistrikan terdiri dari empat komponen
seperti diilustrasikan dalam Gambar. Sistem
bekerja jika komponen A dan B berungsi dan
komponen C atau D berfungsi. Keandalan
(probabitas kerja) dari masing-masing komponen
juga ditunjukkan pada gambar. Temukan
probabilitas (a) seluruh sistem bekerja (b)
komponen C tidak bekerja, mengingat seluruh
sistem bekerja. Asumsikan bahwa keempat
komoonen bekerja secara independen

30
 Solusi (a)
• Probability that the entire system works

P(CD)=P(C)+P(D)-P(CD)=0.96

31
 Solusi (b)
• Probability component C does not work, given
that the entire system works

32
Pertemuan 3 : ATURAN BAYES

33