BAB 2 - Dasar-Dasar - Probabilitas - 020209

PROBABILITAS DAN STATISTIKA TERAPAN
BAB II
REVIEW DASAR-DASAR PROBABILITAS
oleh:
Rizal Zainuddin Tamin
INSTITUT TEKNOLOGI BANDUNG

IKHTISAR
1. KARAKTERSITIK PERMASALAHAN YANG MELIBATKAN
PROBABILITAS.
2. TEORI KEMUNGKINAN.
3. TEORI KUMPULAN.
4. ATURAN OPERASI DAN ATURAN DE MORGAN.
5. MATEMATIKA PROBABILITAS.
KARAKTERISTIK PERMASALAHAN
YANG MELIBATKAN PROBABILITAS
KARAKTERISTIK PERMASALAHAN YANG
MELIBATKAN PROBABILITAS (1)
1. Pemodelan permasalahan (pengambilan keputusan),

melibatkan variabel desain, yang memerlukan
perhitungan probabilitas.
2. Perhitungan probabilitas, membahas:
- kemungkinan suatu kejadian (yang menjadi minat kita)
terhadap kemungkinan kejadian lain atau beberapa
kejadian lain (kalau 1 kejadian saja maka deterministik).
3. Untuk itu kita perlu mengetahui:
a. Sample space: semua kemungkinan yang ada;
b. Sample point;
c. Sample point mana yang menjadi interest kita  event.
4. Perlu latihan banyak untuk merumuskan:
- Sample space, sample point, dan event.
5. Contoh:
a. Contoh 2.1:
− Kontraktor membeli 3 buldozer; Dari pengalaman, kemungkinan suatu
buldozer tetap baik setelah dipakai 6 bulan adalah = 0,5.
− Berapa kemungkinan mendapatkan 1 buldozer baik setelah 6 bulan.
− Interest kita adalah mendapatkan probabilitas 1 buldozer baik.
− Semua kemungkinan yang ada adalah 0, 1, 2, 3.
− Bagaimana membentuk sample point, sample space, dan event.
b. Contoh 2.2:
− Perencanaan jalur tunggu untuk belok.
− Interest kita adalah mengetahui berapa probabilitas jika yang
menunggu lebih besar dari 5.
− Semua kemungkinan yang ada adalah 0, 1, 2, 3, 4, 5, dstnya.
− Bagaimana membentuk sample point, sample space, dan event.
c. Contoh 2.3:
- Beban P = 100 kg, bergerak sepanjang balok 10 m.
- Interest kita mengetahui reaksi A antara 20-30 kg.
- Bagaimana menentukan sample point, sample space, dan event.
d. Contoh 2.4:
- suatu tiang mempunyai probalitas 95% dapat menanggung
beban 4.000 psf.
- Jika terdapat 16 tiang, berapa kemungkinan minimal 1 dari 16
kelompok tiang tidak dapat menanggung beban 4.000 psf.
TEORI KEMUNGKINAN
TEORI KEMUNGKINAN (1)
- Event = Kejadian;
- Misalnya pengambilan:
1 kelereng
2 kelereng
3 kelereng
- Equally likely event : kejadian sebanding.
- Mutually exclusive event : yang satu meniadakan yang lain.
- Defenisi Kemungkinan:
Jika “random event” yang dapat terjadi secara “equally likely” dan “mutually
exclusive” adalah n, dan sebanyak nA diantaranya kita sebut dengan A, maka:
nA
Probability (A) 
n
- Contoh A : Event B = pengambilan satu kelereng
hitam
n 2
p(B)  B   0,4
n 5
Equally likely event :

semua kelereng mempunyai kemungkinan yang
sama untuk terambil.
Mutually exclusive event :
jika kelereng hitam no. 1 diambil, maka yang
lain tidak mungkin terambil (harus ada dalam
kotak).
- Contoh B : Event = pengambilan 3 kelereng kombinasi
Kombinasi yang ada:
1 2 3
5 5!
n      10 kombinasi
1 2 1 3
  3! 2!
1 2 2
Jika Event B = 2 Hitam & 1 Biru, maka :
1 3 1
nB 3
1 3 2 p(B)    0,3
n 10
2 3 1
2 3 2 Jika mendapat 2 merupakan sukses, maka:
Reliability = 0.3 (andal)
1 2 1
Risk = probability of failure = 0,7 +
1 2 2 ∑ =1
Suatu sistem yang diketahui :
1 2 3
“pasti aman”, keandalan = 100 %
“pasti gagal”, resiko = 100 %
Maka, jika Reliability =α%
Risk = (1-α)%
TEORI KUMPULAN
SAMPLE SPACE, SAMPLE POINT, DAN EVENT (1)
1. Definisi :
- Sample space : seluruh kemungkinan kejadian.
- Sample point : salah satu (outcome) kejadian.
- Event : subset dari sample space.
2. Sample space, certain event, kenyataan yang pasti.
S = Sample space.
= Kumpulan dari semua event
yang mungkin terjadi.
M B H P (S) = 1
Ø = IMPOSSIBLE EVENT / KEJADIAN YANG TIDAK MUNGKIN.

P (Ø) = 0
3. Bentuk Sample Space:

a. Diskrit:
(1) Finite:
- jumlah sample point tertentu
- contoh buldozer: 0 1, 2, 3,
(2) Infinite:
- jumlah sample point tidak tertentu:
- jumlah cacat dalam suatu panjang las tertentu:
0, 1, 2, 3, 4, 5, 6, ……..n
b. Kontinu.
jumlah sample point selalu infinite:
- misalnya tinggi mahasiswa MRK;
- lokasi kecelakaan dalam suatu toll bridge.
4. EVENT = subset dari sample space, terdiri dari satu atau lebih
sample point
A = event yang terletak dalam sample space.
A
Complementary Event : P (A) + P (Ā) = 1 = P (S)

A
A
A B Union (U) ; A U B
AA B Intersection (∩) ; A ∩ B
4. Contoh:
a. Sistem pompa irigasi.
- Dipasang pararel.
P(F1)
1
P(FS)=P(F1 ∩ F2)
2
P(F2)
- Dipasang seri.
P(F1) P(F2)
P(FS)=P(F1 U F2)
1 2
b. Rute jalan 1.
2 routes from A to B
Jika: E1 = event jalur 1 open; dan

E2 = event jalur 2 open.
Apa arti:
-E1 ∩ E2  jalur 1 dan 2 open
-E1 U E2  minimal 1 jalur open
Bagaimana merumuskan:
-jalur 1 open, jalur 2 close
-jalur 1 close, jalur 2 open;
-jalur 1 dan 2 close.
c. Rute jalan 2:
Route 1 from A to B, Route 2 from B to C

- Jalan AC tidak dapat dilalui.
d. Rute jalan 3:
Route s 1 & 2 from A to B; Route 3 from B to C

- alternatif jalan AC.
- Jalan AC tidak dapat dilalui.
e. Reaksi.
Load range : 100 - 300
RA 10 @ 1m RB
If A = the event that RA > 100 kg; and

B = the event that RB > 100 kg; and
Jika A = event RA > 100kg.

Jika B = event RB > 100kg.
Subset dari event A Subset dari event B
Union : A U B Intersection : A ∩ B
MUTUALLY EXCLUSIVE EVENT (ME ) DAN COLLECTIVELY
EXHAUSTIVE EVENT (CE ) (1)
1. ME : Kejadian yang satu meniadakan yang lain
A B P(A ∩ B) = 0
Misal:
- Kejadian banjir dan kering pada saat yang bersamaan.
- Proyek selesai dan tidak selesai.
- Menang dan kalah tender pada saat yang bersamaan.
- Jika ada 3 alternatif bendung, pemilihan yang satu akan meniadakan
yang lain.
2. CE : Jika event-event membentuk sample space.
P(A U B U C) = 1 = P(S)
A B C AUBUC=S
Misal:
- Mata dadu
3. Contoh:
a. Contoh 1:
A B
S
Sample space of A & B
Jika: Perusahaan A dan B memasukkan bidding mencari kerja, dan

A = Perusahaan a menang tender,
B = Perusahaan b menang tender.
Venn diagram diatas: kondisi dimana perusahaan a memasukan tender dan menang
dan perusahaan B memasukkan tender yang lain dan menang juga.
- Apa arti event di luar A dan B ?
b. Contoh 2:
A B S
Sample space with Mutually Exclusive A & B
Jika: Perusahaan A dan B memasukkan bidding pada proyek yang sama, dan
-Kedua event mutually exclusif (tidak mungkin keduanya menang bersamaan):
-Bagaimana merumuskan jika A dan B tidak menang.
b. Contoh 3:
A B
Sample space with A & B only
Jika: Hanya perusahaan A dan B memasukkan bidding, dan

- Kedua event mutually exclusif (tidak mungkin keduanya menang bersamaan):
- Kedua event membentuk sample space,
b. Contoh 4:
A B C
S
Sample space of events A, B & C
Lokasi bandara baru bisa di Site a, Site b, dan Site c.

Jika: A = Site a terpilih.
B = Site b terpilih
C = Site c terpilih
-Apa arti (A U B U C): mengapa A, B, C mutually exclusif
-Rumuskan event: A yang terpilih; B yang terplih; atau C yang terpilih.
-Rumuskan event: ketiga-tiganya tidak terpilih.
ATURAN OPERASIONAL DAN ATURAN DE MORGAN
ATURAN OPERASIONAL (1)
1. Simbol-simbol yang digunakan untuk menyatakan himpunan dan
operasi-operasi yang bersangkutan :
U = gabungan (union).
∩ = perpotongan (intersection).
 = anggota dari, atau terkandung dalam.
 = mengandung (contains).
Ē = komplemen dari E.
2. Kesamaan Himpunan (equality of set) :

AUø=A
A∩ø=ø
3. Himpunan Komplementer (complementary set) :
EUĒ=S
E∩Ē=ø
(Ē) =E
4. Comutative Rule :
AUB=BUA
A∩B=B∩A
5. Associative Rule :
(A U B) U C = A U (B U C)
(A ∩ B) ∩ C = A ∩ (B ∩ C)
6. Distribution Rule :
(A U B) ∩ C = (A ∩ C) U (B ∩ C)
(A ∩ B) U C = (A U C) ∩ (B U C)
Catatan :
1. ∩→x (perkalian)
U →+ (pertambahan)
Sesuai dengan hirarki operasi aljabar, ∩ dikerjakan lebih dulu.
2. Hati-hati, pengertian +/x dalam aturan aljabar tidak persis/ sebanding
dengan dalam teori set dan event:
- AUA=A , bukan A + A = 2A
A∩A=A , bukan A x A = A2
- (A U C) ∩ (B U C) = (A ∩ B) U C
(a + c) x (b + c) = ab + ac + cb + cc ≠ A.B + C
ATURAN DE MORGAN (1)
1. Untuk dua peristiwa E1 dan E2, aturan ini menyatakan :
E1  E2  E1  E2 E1  E2  E1  E2
2. Secara umum :
E1  E2............  En  E 1  E 2 ...........  E n
complement dari union Intersection dari complement
E1  E2............  En  E 1  E 2...........  E n
complement dari intersection union dari complement
3. Contoh :
a. Contoh 1:
A  B  C  A  B  C  A   B  C   (A  B )  (A  C )
(A  B)  C  A  B  C  A  B  C    A  C   B  C
E E
1 2

 E 3  E1  E3   E1E 2 E3  E1E 3  E1E 2 E3  E1E 3
b. Contoh 2:
Link 1 Link 2
Jika: E1 = link 1 putus

E2 = link 2 putus.
Rumuskan: event rantai putus.
rantai tidak putus.
apakah rumus de Morgan berlaku ?
c. Contoh 3:
Gambar. Water supply system
Jika: E1, E2, E3, dan E4 kondisi masing-masing supply gagal.

- Bagaimana merumuskan shortage dan no shortage di city C ?
- Terangkan makna rumusan event yang ditemukan ?
- Bagaimana merumuskan shortage dan no shortage di city D ?
- Terangkan makna rumusan event yang ditemukan ?
MATEMATIKA PROBABILITAS
SIFAT KHUSUS DAN ATURAN – ATURAN OPERASI
DARI PROBABILITAS
SIFAT KHUSUS DAN ATURAN-ATURAN OPERASI
DARI PROBABILITAS (1)
1. Aksioma 1:
Setiap peristiwa E di dalam ruang sampel S  P(E) ≥ 0
2. Aksioma 2:
Probabilitas dari peristiwa pasti S  P(S) = 1
3. Untuk 2 event E1 dan E2 yang mutually exclusive:
P  E1  E2   P E1   P E2 
Sehingga, probabilitas dari suatu peristiwa (event) E dibatasi
antara 0 dan 1, yaitu : 0 ≤ P(E) ≤ 1,0
Analog pada E dan komplemennya : E

 
P E  E  P E   P E  
Karena E  E  S dan P(S) = 1, maka:
P  E  E   P S   1 sehingga didapat hubungan :
P  E   1  P E 
Apabila E1 dan E2 tidak saling eksklusif, maka:

P E1  E2   P E1   P E2   P E1E2 
E1E2
E1 E2
Gabungan E1 dan E1E2
Pada Gambar terlihat bahwa : E1  E2  E1  E1E2
dimana peristiwa E1 E2 dan E1 saling eksklusif
sehingga : P E1  E1E2   P E1   P E1E2  , tetapi:
E1E2  E1E2  SE2  E2 dan E1E2 serta E1 E2 saling eksklusif
 
sehingga: P E1E 2  P  E2   P  E1 E2 
Untuk tiga peristiwa : E1, E2, dan E3
P E1  E2  E3   P  E1  E2   E3 
 P  E1  E2   P  E3   P  E1  E2  E3 
 P E1   P E2   P E3   P E1 E2   P E1 E3   P E2 E3   P E1E2 E3 
Untuk n peristiwa, probabilitas gabungan dapat diperoleh lebih

mudah dengan menggunakan aturan De Morgan :
P  E1  E2    En  
1  P E1  E2    En 
 1  P E E 1 2  En 
Contoh. 1:
- Kontraktor memulai 2 pekerjaan baru ( Job 1 dan Job 2);
-Terdapat ketidakpastian dari jadwal penyelesaian setiap pekerjaan; akhir
tahun 1 kondisi dari setiap penyelesaian pekerjaan:
A : Definitely completed;
B : Completion questionable;
C : Definitely incomplete
- Sample space : all the possible situations
AA BA CA
AB BB CB
AC BC CC
S
- Venn Diagram:
- E1 is the event that job 1 will definitely

be completed in 1 year, then:
E1  (AA, AB, AC)
- E2 is the event that job 2 will definitely
be completed in 1 year, then:
Sample Space with E1 & E2 E2  (AA, BA, CA)
- P (E1  E2) = 3/9 + 3/9 – 1/9 = 5/9;

(E1  E2)  ( AA, AB, AC, BA, CA).
- Two project will definetely be completed at the end of year (E ):

E  (AB, AC, BA, CA)
Contoh. 2: Designing the left turn (L.T.) lane.

-Define :
E1 = more than 2 vehicle waiting for left turn;
E2 = at most 4 vehicle waiting for left turn
- 60 Observations of the number of vehicles waiting for left turns at the
intersection yielded
No. of Vehicle Waiting No. of Observation Relative Frequency
0 4 4/60
1 16 16/60
2 20 20/60
3 14 14/60
4 3 3/60
5 2 2/60
6 1 1/60
7 0 0
8 0 0
- The different number of vehicles waiting for left turns at the intersection
are obviously mutually exclusive event.
- Probability :
P (E1) = 14/60 + 3/60 + 2/60 + 1/60 = 20/60;
P (E2) = 4/60 + 16/60 + 20/60 + 14/60 + 3/60 = 57/60.
- Intersection :
E1 E2  (3,4)
P (E1 E2) = 14/60 + 3/60 = 17/60
P (E1  E2) = 20/60 + 57/60 + 17/60 = 60/60 = 1
Contoh. 3:
-Two events associated with the reactions at A and B are defined as :
A = (RA > 100 kg);
B = (RB > 100 kg).
- Total area of sample space =

½ [ (300)2 – (100) 2] = 40.000
- P (A) = ½ x (200) 2 / 40.000 = ½
- P (B) =½
- P (AB) = ½ x (100) 2 / 40.000 = 1/8
- P (A  B) = ½ + ½ - 1/8 = 7/8
atau dari area of the union:
(A  B) = 40.000 – ½ (100) 2 =
Venn Diagram of Events 35.000
P (A  B) = 35.000/40.000 = 7/8
PROBABILITAS BERSYARAT
PROBABILITAS BERSYARAT (1)
− Probabilitas suatu peristiwa dapat tergantung atas terjadinya (atau

tidak terjadinya) peristiwa lainnya.
− Jika terdapat ketergantungan seperti ini, probabilitas yang
bersangkutan dinamakan probabilitas bersyarat (conditional
probability).
E1E2
- Pada ruang sampel di gambar, probabilitas bersyarat
dari E1 dengan mengasumsikan bahwa E2 telah
terjadi, yang dinyatakan dengan:
E1 E2 P  E1 E2 
- berarti kecenderungan akan berlangsungnya suatu
titik sampel dalam E1 dengan asumsi bahwa ia
Pembentukan ruang dikandung oleh E2 .
sampel E2
- Maka probabilitas bersyarat:
P  E1E2 
P  E1 E2  
P  E2 
− Persyaratan atas ruang sampel S dianggap sudah terlebih dahulu

dipahami memang ada; namun, bila probabilitas diberi syarat pada
suatu kejadian selain dari ruang sampel yang awal, ”ruang sampel”
yang dibentuk kembali harus dibuat secara eksplisit.

P  E1 E2   P E1 E 2  

P  E1 E2  P E1 E2


P  E2  P  E2 

1
P  E2 
  
P E1  E1 E2  
P  E2 
  1,0
P  E2 
− Dengan demikian:
 
P E1 E 2  1  P  E1 E2  P  E1 E2   1  P  E1 E2 
 
P E1 E2  1  P  E1 E2 
− Contoh:
Catatan :
− Route 1 : flat terrain.
− Route 2 : scenic route that goes through
mountaints terrain.
− During severe winter seasons, one or both
rouutes may be closed to traffic because of
Route jalan raya dari A ke B
heavy snowfalls.
− E1 = Route 1 is open to traffic
− E2 = Route 2 is open to traffic
− Between the two routes, Route 2 is obviously more likely to closed than Route 1 during
a severe snow storm may depend on whether or not Route 2 is open to traffic.
Suppose, during a severe snow storm, the probabilities that routes will be open are :
P (E1) = 0, 75 ; whereas
P (E2) = 0, 50
- Probability both routes will open:
P (E1 E2) = 0.4
− Berapa kemungkinan Route 1 is open, given Route 2 is closed ?
− If Route 2 is closed during a severe snow storm, probability that Route 1 also closed :
In which
Therefore, we obtain:
And the probability that Route 1 is open given that Route 2 is closed :
BEBAS STATISTIK
(STATISTICALLY INDEPENDENT)
KEBEBASAN STATISTIK
(STATISTICALLY INDEPENDENT) (1)
- Jika terjadinya (atau tidak terjadinya) suatu peristiwa tidak

mempengaruhi probabilitas suatu peristiwa yang lain, maka kedua
peristiwa adalah bebas statistik.
- Dengan demikian E1 dan E2 adalah bebas statistik; dan
P  E2 E1   P  E2  P  E1 E2   P  E1 
- Dari persamaan aturan perkalian probabilitas bersyarat,

probabilitas bersama adalah : E1E2
P  E1 E2   P  E1 E2  P  E2 
atau
P  E1 E2   P  E2 E1  P  E1 
KEBEBASAN STATISTIK
- Jika E1 dan E2 adalah peristiwa yang bebas statistik, maka aturan

perkalian :
P E1E2   P E1  P E2 
- Untuk tiga peristiwa, aturan perkalian:

P  E1 E2 E3   P  E1 E2 E3  P  E2 E3  P  E3 
atau
P  E1 E2 E3   P  E1E2 E3  P  E3 
- Dan jika peristiwa – peristiwa adalah bebas statistik:

P E1E2 E3   P E1  P E2  P E3 
KEBEBASAN STATISTIK
- Jika E1 dan E2 adalah bebas statistik, komplemen – komplemen yang

bersangkutan dan juga akan bebas statitik :
P  E 1 E 2   P  E1  E2   1  P  E1  E2 
 1   P E1   P  E2   P  E1  P  E2  
 1  P  E1   1  P  E2  
 P  E1  P E 2 
- Semua aturan matematis dalam probabilitas juga berlaku terhadap

probabilitas bersyarat yang didefinisikan dalam ruang sampel yang
dibentuk kembali yang sama, termasuk :
P E1  E2 A  P E1 A  P E2 A  P  E1E2 A
KEBEBASAN STATISTIK
Contoh. 1:
Two Link Chain

Catatan:
- If the fracture strength of a link is less than 300 kg, it will be fracture;
- Suppose that the probability of this happening to either of the two links is 0.05.
- Clearly, the chain will fail if one or both of the two links should fail by fracture .
- Define : E1 = fracture of link 1; E2 = fracture of link 2
- Then, P (E1) = P(E2) = 0.05 and the probability of failure of chain is :
P (E1 E2) = P(E1) + P(E2) - P(E1 E2)
= 0.05 + 0.05 – P (E2|E1) P (E1)
= 0.10 – 0.05 P (E2|E1)
- If there is no dependence/statistically independent between E1 and E2 :
P (E2|E1) = P(E2) = 0.05  P (E1 E2) = 0.10 – 0.05 X 0.05 = 0.0975
- If there is complete/total dependence between E1 and E2 :
P (E2|E1) = 1  P (E1 E2) = 0.10 – 0.05 X 1 = 0.05
- Therefore we can state that the probability of failure of the chain system range
KEBEBASAN STATISTIK
Contoh. 2:
- G = Constructed thickness of pavement is

at east 23 cm;
- A = ultrasonic measured thickness is  23
Inspection of constructed pavement
- The statement that “the ultrasonic test is 80% reliable , means:

P (G|A) = 0.8
P (Ḡ|Ā) = 0.8
- Ultrasonic reading could have an error of 20%, means :
P (Ḡ|A) = 0.2;
P (G|Ā) = 0.2
Based on contractor’s past construction record, assume that 90% constructed
pavement will have acceptable ultrasonics readings, hence : P (A) = 0.9
- Probability that particular 1/10-km section of the pavement is well constructed and
will be accepted, is therefore :
P (GA) = P (G|A) P(A) = 0.8 X 0.9 = 0.72
KEBEBASAN STATISTIK
- The probability that a well – constructed section of the pavement will be accepted :
P (A|G) = P (G|A) P(A) / P(G)
Since G = G (A U Ā ), where GA and GĀ are mutually exclusive,
P (G) = P(GA) + P (GĀ) = P (G|A) P(A) + P(G|Ā) P(Ā)
= 0.80 x 0.90 + 0.2 x 0.1 = 0.74
Thus,
P (A|G) = 0.80 x 0.90 / 0.74 = 0.97
- The probability that a poorly constructed section will be rejected is :
P (Ā|Ḡ) = P (Ḡ|Ā) P(Ā) / P (Ḡ)
= 0.80 x 0.10 / (1-0.74)
= 0.31
TEOREMA PROBABILITAS TOTAL
TEOREMA PROBABILITAS TOTAL (1)
S
Jika E1, E2, E3 dan E4
bergabung membentuk
sample space (collectively
A exhaustive)
E1 E2 E3 E4
A A S
A  A   E1  E2  E3  E4 
A   A  E1    A  E2    A  E3    A  E4 
P A  P A  E1   P A  E2   P A  E3   P A  E4 
P A  P A E1  P E1   P A E2  P E2   P A E3  P E3   P A E4  P E4 
P A   P  A Ei  P Ei 
n
i 1
- Contoh. 1:
Eastbound interstate highways
Catatan:
- P (E1) = 0.10
- P (E2) = 0.20
- When one route has excessive traffic, the chance of excessive trafic on the other
route can be expected to increase; assume that these conditional probabilities are :
P (E1 |E2) = 0.4
P (E2 |E1) = 0.4
The probability of trafic congestion on the third route I3, P(E3) :
- Assume that the capacity of I3 is the same as that of I1 or I2, and that that
when I1 and I2 are both carrying less than their respective traffic capacities,
there is a 20% probability that I3 will experience excessive traffic ; ie
P (E3|Ē1Ē2) = 0.20.
- We would except that the relevant probability will depend on the traffic
condition on I1 and I2 which may be E1E2, E1Ē2, Ē1E2 or Ē1Ē2 ; observe 4
joints event are mutually exclusive and collectively exhaustive. Their
respective probabilities are :
P (E1E2) = P (E1|E2) P(E2) = 0.40 x 0.20 = 0.80
P (E1Ē2) = P (E1|Ē2) P(Ē2) = (1 – 0.08) x 0.10 = 0.20
P (Ē1E2) = P (Ē1|E2) P(E2) = (1 – 0.40) x 0.20 = 0.120
P (Ē1Ē2) = 1 – 0.08 – 0.02 – 0.12 = 0.780
- Clearly the traffic on I3 will be congested when the traffic on I1 or I2 or both are
excessive. Then we obtain the total probability of traffic congestion on to be :
P(E3) = P(E3|E1E2) P(E1E2)+P(E3|E1Ē2) P(E1Ē2)+P(E3|Ē1E2) P(Ē1E2)+P(E3|Ē1Ē2) P (Ē1Ē2)
= 1.00 x 0.08 + 1.00 x 0.02 + 1.00 x 0.12 + 0.20 x 0.78
= 0.08 + 0.02 + 0.12+ 0.156
= 0.376
- If we assume that the traffic capacity of I3 twice that of I1 or I2. In this
case, if only one of the two routes I1 or I2 has excessive traffic, the
probability of congestion on I3 will be 25%; i.e :
P(E3|E1Ē2) = P(E3|Ē1E2) = 0.25
- If both routes have excessive trafic, the probability that the capacity of I3
will be exceeded is 95%, meaning :
P(E3|E1E2) = 0.95
- The probability of traffic congestion on I3 is then :
P(E3)= 0.95 x 0.08 + 0.25 x 0.02 + 0.25 x 0.12 + 0.2 x 0.78
= 0.111
- Contoh. 2:
Catatan :
F = severe damages to houses in Urbania;
S = occurrence of storm in Champaign Country;
T = occurrence of tornadoes in Champaign
Country during a storm
H = a tornado striking the town of Urbana
And also
P (S) = 0.5
P (T|S) = 0.25
Venn diagram of S, T, H, and F
P (H|ST) = 0.15
- Corresponding probabilities :
= 0.15 x 0.25 x 0.50 = 0.01875
= 0.85 x 0.25 x 0.50 = 0.10625
- The probabilities of damage to houses depending on the above different

condition are :
- The annual probability of wind storm damage to houses in Urbana :
= 1.00 x 0.01875 + 0.10 x 0.10625 + 0.05 x 0.3750 + 0 x 0.500 = 0.054

TEOREMA BAYES
TEOREMA BAYES (1)
S  E1, E2, E3, E4 collectively exhaustive

 P(E1); P(E2); P(E3); P(E4) disebut
juga probabilitas subjective
A  Biasanya diperoleh dari data yang
lalu
E1 E2 E3 E4
 A disebut eksperimen dan sering dapat diketahui sifat A terhadap E 1, E2,

E3, E4 yaitu: P(A|E1); P(A|E2); P(A|E3); P(A|E4).
 Bagaimana dengan probabilitas conditional E 1 terhadap A, jika informasi A
bisa diperoleh, yaitu :
P(E1|A); P(E2|A); P(E3|A); P(E4|A).
Dalam hal ini Teorema Bayes sangat berguna untuk meng-update
probabilitas E1, E2, E3, E4 jika informasi A dapat diperoleh.
TEOREMA BAYES (2)
- Dalam hal ini Teorema Bayes sangat berguna untuk meng-update
probabilitas E1, E2, E3, E4 jika informasi A dapat diperoleh.
P A  P A  E1   P A  E2   P A  E3   P A  E4 
P A  P A E1  P E1   P A E2  P E2   P  A E3  P E3   P  A E4  P E4 
Prior Information Updating Probability
+ Test →
Subjective Probability a Posterior Probability
P (E1) P(A|E1) P(E1|A)
P (E2) P(A|E2) P(E2|A)
P (E3) P(A|E3) P(E3|A)
P (E4) P(A|E4) P(E4|A)
P E1  A P A  E1 
P E1 A  
P  A P  A
P A E1  .P E1 
P E1 A 
P A E1  .P E1   P A E2  .P E2   P  A E3  .P E3   P  A E4  .P E4 
SELESAI

BAB 2 - Dasar-Dasar - Probabilitas - 020209

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

BAB 2 - Dasar-Dasar - Probabilitas - 020209

Diunggah oleh

Hak Cipta:

Format Tersedia

PROBABILITAS DAN STATISTIKA TERAPAN

INSTITUT TEKNOLOGI BANDUNG

1. Pemodelan permasalahan (pengambilan keputusan),

Equally likely event :

Ø = IMPOSSIBLE EVENT / KEJADIAN YANG TIDAK MUNGKIN.

3. Bentuk Sample Space:

Complementary Event : P (A) + P (Ā) = 1 = P (S)

Jika: E1 = event jalur 1 open; dan

Route 1 from A to B, Route 2 from B to C

Jika: E1 = event jalur 1 open; dan

Route s 1 & 2 from A to B; Route 3 from B to C

Jika: E1 = event jalur 1 open; dan

Load range : 100 - 300

If A = the event that RA > 100 kg; and

Jika A = event RA > 100kg.

Subset dari event A Subset dari event B

1. ME : Kejadian yang satu meniadakan yang lain

2. CE : Jika event-event membentuk sample space.

Sample space of A & B

Jika: Perusahaan A dan B memasukkan bidding mencari kerja, dan

Sample space with Mutually Exclusive A & B

Sample space with A & B only

Jika: Hanya perusahaan A dan B memasukkan bidding, dan

Lokasi bandara baru bisa di Site a, Site b, dan Site c.

2. Kesamaan Himpunan (equality of set) :

1. Untuk dua peristiwa E1 dan E2, aturan ini menyatakan :

Jika: E1 = link 1 putus

Gambar. Water supply system

Jika: E1, E2, E3, dan E4 kondisi masing-masing supply gagal.

Analog pada E dan komplemennya : E

P  E  E   P S   1 sehingga didapat hubungan :

Apabila E1 dan E2 tidak saling eksklusif, maka:

Gabungan E1 dan E1E2

Pada Gambar terlihat bahwa : E1  E2  E1  E1E2

dimana peristiwa E1 E2 dan E1 saling eksklusif

sehingga : P E1  E1E2   P E1   P E1E2  , tetapi:

E1E2  E1E2  SE2  E2 dan E1E2 serta E1 E2 saling eksklusif

Untuk tiga peristiwa : E1, E2, dan E3

Untuk n peristiwa, probabilitas gabungan dapat diperoleh lebih

- Sample space : all the possible situations

- E1 is the event that job 1 will definitely

- P (E1  E2) = 3/9 + 3/9 – 1/9 = 5/9;

- Two project will definetely be completed at the end of year (E ):

Contoh. 2: Designing the left turn (L.T.) lane.

- Total area of sample space =

− Probabilitas suatu peristiwa dapat tergantung atas terjadinya (atau

− Persyaratan atas ruang sampel S dianggap sudah terlebih dahulu

- Jika terjadinya (atau tidak terjadinya) suatu peristiwa tidak

- Dengan demikian E1 dan E2 adalah bebas statistik; dan

- Dari persamaan aturan perkalian probabilitas bersyarat,

- Jika E1 dan E2 adalah peristiwa yang bebas statistik, maka aturan

- Untuk tiga peristiwa, aturan perkalian:

- Dan jika peristiwa – peristiwa adalah bebas statistik:

- Jika E1 dan E2 adalah bebas statistik, komplemen – komplemen yang

- Semua aturan matematis dalam probabilitas juga berlaku terhadap

Two Link Chain

- G = Constructed thickness of pavement is

Inspection of constructed pavement

- The statement that “the ultrasonic test is 80% reliable , means:

Eastbound interstate highways

= 0.15 x 0.25 x 0.50 = 0.01875

= 0.85 x 0.25 x 0.50 = 0.10625

- The probabilities of damage to houses depending on the above different