Peluang

Peluang

Mutiara Apriliyani Nur Hakim 1801105060

Rifqi Rahmatuloh Azis 1801105065
Tri Windyah Sekartaji 1801105120
 Peluang
Contoh:

Dalam kehidupan sehari – Dalam pengukuran tekanan darah seseorang diperlukan

hari peluang merupakan peluang karena tidak dapat diprediksi dengan pasti.

kemungkinan yang akan Pelemparan dadu.

terjadi didalam setiap
peristiwa. Pelemparan koin.
Review notasi himpunan
Dalam menyelesaikan teori peluang, kita Contoh :
1 membutuhkan konsep dari teori himpunan.
S
Dalam himpunan ini Kami akan A B
2 menggunakan huruf kapital, A, B, C,. . . ,
untuk menunjukkan himpunan.

kemudian elemen pada himpunan A adalah

a1, a2, dan a3, sehingga kita dapat tuliskan
menjadi A = {a1, a2, a3}.

Elemen S alah himpuanan seluruhnya.

Himpunan dan hubungan antar himpunan dapat dengan mudah digambarkan dengan menggunakan diagram Venn
• Percobaan merupakan proses
yang dilakukan ketika
peneltian atau observasi
• Contoh dari sebuah percobaan
ialah:
• pelemparan dadu dan koin, Kejadian (Event)
02
mengukur IQ seseorang, atau
• menghitung bakteria yang
berada pada proses • Ketika penelitian dilakukan
pembuatan makanan.
akan menghasilkan lebih
dari 1 hasil. Hasil tersebut
disebut kejadian (event).

01 Percobaan

Model peluang untuk

sebuah percobaan:
Ketik sesuatu di sini....
kasus diskrit
Contoh
• Contoh kejadian ketika meneliti
bakteri pada makanan:
• A: terpadat 110 bakteria yang
terkandung pada makanan
• B: lebih dari 200 bakteri yang
terkandung dalam makanan
• C: bakteria yang terkandung
dalam makanan berkisae 100-
200
• Untuk kejadian dalam pelemparan mata
dadu satu kali:
• A: Keluar angka ganjil
• B: Keluar angka dibawah 5
• C: Keluar angaka 2 dan 3
• E1: Keluar angka 1
• E2: Keluar angka 2
• E3: Keluar angka 3
• E4: Keluar angka 4
• E5: Keluar angka 5
• E6: Keluar angka 6
 Lanjutan
• Bisa dilihat bahwa terdapat perbedaan
kejadian dalam pelemparan mata dadu
satu kali. Sebagai contoh, kejadian A Kejadian sederhana merupakan kejadian
(Keluar angka ganjil), dalam kejadian itu yang tidak bisa di pisah. Setiap kejadian
terjadi juga kejadian E1, E3, E5 pada waktu sederhana hanya memuat satu dan hanya
yang sama. Oleh karenannya kejadian A satu titik. Kejadian sederhana dilambangkan
bisa di belah menajadi 3 kejadian yang dengan E
berbeda. Sementara E1, E2, E3, E4, E5, E6
tidak bisa dibelah menjadi beberapa
kejadian seperti kejadian A, oleh karena
itu kejadian tersebut di katakana kejadian
sederhana (Simple Event)
 Lanjutan
 
Ruang sampel pada sebuah penelitian terdiri
dari beberapa kemungkinan titik-titik
sampel. Ruang sample dilambangkan dengan
Diagram Venn dari Ruang Sample S S

Ruang Sample Diskrit berisi beberapa

anggota dari Sample point yang berbeda.
A={E1,E3,E5} atau A= E1 ∪ E3 ∪ E5.
B={E1,E2,E3,E4} atau B=E1 ∪ E2 ∪ E3 ∪ E4
Diagram Venn dari Ruang Sample Diskrit
Aksioma Himpunan Diskrit
Sebuah kejadian dalam ruang sample diskrit S adalah kumpulan poin sample yang
merupakan sebuah sub-himpunan.

Misalkan S merupakan ruang sample penelitian. Disetiap kejadian A di dalam S (A) adalah
sub-himpunan S) kita memasukan angka, P(A), atau disebut peluang A maka terdapat
aksioma didalamnya yaitu:

1   Aksioma 1:

2   Aksioma 2:

Aksioma 3 : Jika A1,A2,A3,… bentuk dari urutan yang mempunyai pasangan satu
dengan yang lainnya dengan kejadian ekslusif S (yang mana Ai ∩ Aj = ∅ jika i=j)
3 kemudian
P(A1∪A2∪A3∪···)=∞∑i=1P(Ai).
Alat Untuk Menghitung Titik
Sampel

ketika jumlah acara sederhana di ruang sampel sangat besar dan pencacahan manual
1 setiap titik sampel membosankan atau bahkan tidak mungkin, menghitung jumlah titik di
ruang sampel dan di peristiwa yang menarik mungkin satu-satunya cara yang efisien
untuk menghitung probabilitas peristiwa.

  ruang sampel berisi N titik sampel peralatan dan A acara berisi persis titik sampel,
Jika
2 dapat disimpulkan P (A) =
TEOREMA 2.1
Dengan m elemen a1, a2, ..., am dan n elemen b1, b2, ..., bn,
dimungkinkan untuk membentuk pasangan mn = m × n yang
mengandung satu unsur dari masing-masing kelompok.

DEFINISI 2.7
 
Susunan teratur r dari objek yang berbeda disebut
permutasi. Jumlah cara memesan n objek berbeda yang
diambil r pada satu waktu akan ditentukan dengan simbol

TEOREMA 2.2
 n(n – 1) (n – 2) … (n – r + 1) =

Ketik sesuatu di sini.... Keterangan sub-judul di sini.

 TEOREMA 2.3
Jumlah cara untuk mempartisi n objek berbeda menjadi
k grup berbeda berisi n1, n2, ..., nk objek, di mana
setiap objek muncul tepat satu kelompok dan = n, yaitu
N=()
TEOREMA 2.4
DEFINISI 2.8
 Banyaknya kombinasi dari n obyek yang diambil r pada
suatu waktu adalah banyaknya himpunan bagian,
masing-masing berukuran r, yang dapat dibentuk dari n
objek. Nomor ini akan dilambangkan dengan
 Jumlah himpunan bagian tak berurutan dari ukuran r yang
dipilih (tanpa penggantian) dari n objek yang tersedia
adalah
= = =
Probabilitas Bersyarat dan
Independensi Peristiwa
1 DEFINISI 2.9
 
Probabilitas bersyarat dari suatu peristiwa A, mengingat peristiwa B telah terjadi,
adalah sama dengan
P(A|B) =
Asalkan P(B) > 0.

2 DEFINISI 2.10
 
Dua peristiwa A dan B dikatakan independen jika salah satu dari peristiwa berikut ini
terjadi:
P (A|B) = P(A),
P (B|A) = P(B),
) = P(A) P(B).
Jika tidak, kejadiannya dikatakan dependent
 DUA HUKUM PROBABILITAS

TEOREMA 2.5 TEOREMA 2.6 TEOREMA 2.5

01 02 03
   
Hukum Perkalian Probabilitas
Hukum Aditif Probabilitas
Probabilitas probabilitas
Probabilitas penyatuan dua
perpotongan dua peristiwa A
peristiwa A dan B adalah
dan B adalah
Jika A dan B peristiwa, maka
P(A ∪ B) = P(A) + P(B) − P(A ∩
) = P(A) P(B|A)
B).
= P(B) P(A|B), P(A) = 1 −
Jika A and B adalah peristiwa
Jika A dan B independen,
ekslusif, P(A ∩ B) = 0 and P(A
maka
∪ B) = P(A) + P(B).
) = P(A) P(B)

Ketik sesuatu di sini.... Keterangan sub-judul di sini.

 Menghitung Kemungkinan Sebuah
Kejadian: Metode Komposisi Kejadian
CONTOH
Metode komposisi peristiwa untuk menghitung Dari pemilih di kota, 40% adalah Republikan dan 60%
probabilitas suatu peristiwa, A, menyatakan A sebagai Demokrat. Diantara Partai Republik 70% mendukung
komposisi yang melibatkan persatuan dan / atau penerbitan obligasi, sedangkan 80% mendukung Demokrat
persimpangan acara lainnya. Hukum probabilitas masalah. Jika seorang pemilih dipilih secara acak di kota
kemudian diterapkan untuk mencari P (A). Kami akan tersebut, berapakah probabilitas bahwa dia atau dia akan
mengilustrasikan metode ini dengan sebuah contoh. menyukai penerbitan obligasi?

Misal, F = mendukung penerbitan obligasi

R = mendukung partai republik
D = mendukung demokrat masalah
Maka, P(R) = .4, P(D) = .6, P(F|R) = .7, and P(F|D) = .8. perhatikan
P(F) = P[(F ∩ R) ∪ (F ∩ D)] = P(F ∩ R) + P(F ∩ D)
Karena (F ∩ R) dan (F ∩ D) adalah kejadian ekslusif, gambar
disamping dapat membantu kita memvisualisasikan bahwa F = (F ∩
R) ∪ (F ∩ D).
P(F ∩ R) = P(F|R)P(R) = (.7)(.4) = .28,
P(F ∩ D) = P(F|D)P(D) = (.8)(.6) = .48.
P(F) = .28 + .48 = .76.
Ringkasan langkah-langkah yang digunakan dalam metode
komposisi kejadian sebagai berikut:
1. Tentukan eksperimen.
2. Visualisasikan sifat titik sampel. Identifikasi beberapa untuk
memperjelas
berpikir.
3. Tuliskan persamaan yang menyatakan peristiwa yang menarik —
misalnya, A — sebagai a komposisi dua atau lebih acara,
menggunakan persatuan, persimpangan, dan / atau
melengkapi. (Perhatikan bahwa ini sama dengan kumpulan poin.)
Pastikan kejadian itu
A dan peristiwa yang tersirat oleh komposisi mewakili himpunan
yang sama titik sampel.
4. Terapkan hukum aditif dan perkalian probabilitas ke
komposisi yang diperoleh pada langkah 3 untuk mencari P (A).
Menghitung peluang sebuah kejadian: metode sample point

• Tentukan sebuah penelitian dan juga kejadian sederhana-nya

• Urutkan kejadian sederhana dalam penelitian tersebut dan test
masing-masing sehingga tidak bisa di bagi lagi. Sehingga kumpulan
kejadian sederhana bisa dihimpun dalam ruang sample S
• Berikan alasan peluang di dalam titik sample S, pada sample tertentu
hingga P(Ei)≥0 and∑P(Ei)=1.
• Definisikan kejadian tersebut hingga menjadi, A, koleksi yang spesifik
hingga S bisa mengindentifikasi A
• Tentukan P(A) dengan menjumlahkan peluang pada titik sample di A
Aturan Peluang total dan Aturan Baye
• Untuk setiap bil.bulat Asumsikan {B1,B2,…,Bk}
positif k, jadikan himpunan adalah partisi S, sedemikian
B1,B2,…,Bk demikian hingga: hingga P(Bi ) > 0 untuk
i=1,2,3,…,k. hingga setiap
kejadian A

Sehingga kumpulan
himpunan {B1,B2,…,Bk}
dikatakan partisi dari S.

Definisi 2.11 Teorema 2.8

Aturan Peluang total dan Aturan Baye
• Asumsikan {B1,B2,…,Bk}
dikatakan partisi dari S,
Sedemikian hingga P(Bi ) > 0
untuk i=1,2,3,…,k Sehingga

ATURAN BAYE
Variabel Acak dan Sample Acak
•  Variable Acak adalah fungsi nilai asli untuk sebuah domain ruang
Sampel
• Sebuah N dan n merepresentasikan angka dari sebuah elemen
populasi dan juga Sample. Jika sebuah sampling dilakukan sedemikian
hingga setiap sampapel mempunyai peluang yang sama untuk dipilih.
Sampling dikatakan dilakukan secara acak, maka hasil yang didapat
yakni Sampel Acak
TERIMA KASIH
TERIMA KASIH