STATISTIKA 2

WHAT’S ON THE MENU TODAY

 Probability Distributions
 Discrete
 Contionous
 Joint Probability Distributions
 Joint Probability Distributions
 Marginal Probability
 Conditional Probability
 Limit Theorems
 Sample Probability Distributions
BAYES THEOREM
 PELUANG BERSYARAT (CONDITIONAL
PROBABILITY)
 

Intuisi : “Peluang terjadi B, dengan syarat A

adalah peluang terjadi A & B dibagi dengan
terjadinya peluang A”
Atau “Jika kejadian A benar benar terjadi,
peluang terjadi kejadian B adalah P(B|A)”
 INTUISI

Dari seluruh mahasiswa

FEB, 70% belajar. Dan jika
mahasswa tersebut belajar,
peluang lulus ujian 80%.
Sedangkan jika tidak
belajar, peluang mahasiswa
tersebut lulus ujian adalah
35%
Bera proporsi mahasiswa
yang tidak belajar dan lulus?
P(Tidak belajar ∩ lulus) ?
P(Tidak Belajar) = 30%
P(Lulus | Tidak Belajar) = 35%
P(Tidak belajar ∩ lulus) = P(Tidak Belajar) P(Lulus | Tidak Belajar)
P(Tidak belajar ∩ lulus) = 0.3 * 0.35 = 0.105 = 10.5%
 INTUISI (2)

 
P(X) = A+B
P(Y )= B+C
P(Y∩X) = B
A C P(Y|X) =
B
P(X|Y) =

P(X) P(Y)
 LAW OF TOTAL PROBABILITY

 

𝑷 (𝑩 )=∑ 𝑷 ( 𝑩|𝑨𝒊) 𝑷 (𝑨𝒊)

 LAW OF TOTAL PROBABILITY

Berapa peluang mahasiswa lulus ujian?

P(Lulus) = P(Lulus|Belajar)P(Belajar) +
P(Lulus|Tidak Belajar)
P(Lulus) = 0.8*0.7 + 0.3*0.35 = 0.525
 P(A|B)≠P(B|A)

 Misal suatu kotak berisi sebuh binatang.

P(A) = peluang isi kotak tersebut adalah kucing
P(B) = peluang isi kotak tersebut adalah hewan berkaki empat.
P(A|B) = jika kotak tersebut berisi hewan berkaki empat,
berapa peluang kotak tersebut berisi koucing
Hewan berkaki empat sangat lah banyak, jika kotak tersebut
berisi hewan berkaki 4, bisa saja isi kotak tersebut anjing, sapi,
kambing, Dll. Jadi P(A|B) kecil.
P(B|A) = jika kotak tersebut berisi kuncing, berapa peluang
kotak tersebut berisi hewan berkaki empat?
Karena kebanyakan kucing berkaki empat, P(B|A) Besar
 BAYES THEOREM

  Bayes theorem menghubungkan P(A|B) dengan P(B|A).

 CONTOH SOAL

 In an area, 50% of population are supporter of candidate X,

30% supporter of candidate Y and the remaining supports Z. It
is also known that 10% of those who supports X are also
supporter of a separatist group; 20% for candidate Y and 70%
for Z. If someone is picked up at random and turns out he is a
supporter of separatist group, what are the chances that he is
a supporter of Y?
 P(X) = 0.5 P(Separatist | X) = 0.1
 P(Y) = 0.3 P(Separatist | Y) = 0.2
 P(Z) = 0.2 P(Separatist | Z) = 0.7
 P(Y | Separatist) =?
 PROBABILITY
DISTRIBUTIONS
 PDF & CDF

  Probability Distribution Function:

 PDF merupakan persebaran peluang suatu kejadian
 Jumlah dari seluruh titik PDF dalah 1
 Misal P(x) = 2x {0< x< 1} ->
 Expected Value = f(x)*x
 Cummulative Distribution Function
 CDF merupakan peluang kumulatif
 Nilai tertinggi CDF ialah 1
 Untuk mencari peluang suatu kejadian, dapat dicari cdf kejadian
tertentu.
 BERNOULLI DISTRIBUTIONS

 Sebuah pebasket menerima tantangan untuk melempar bola

basket 3-point 10 kali. Andaikan, peluang dia memasukan
bola ialah 70%, dan lemparan sebelumnya tidak
mempengaruhi lemparan selanjutnya .Berapa peluang,
pebasket tersebut memasukan bola 7 kali berturut turut dia
melempar, dilanjutkan oleh 3 kali berturut turut gagal
melempar.

Kejadian: MMMMMMMGGG
P(x)=
  

=0.002
 BINOMIAL DISTRIBUTIONS

 Sebuah pebasket menerima tantangan untuk melempar bola

basket 3-point 10 kali. Andaikan, peluang dia memasukan
bola ialah 70%, dan lemparan sebelumnya tidak
mempengaruhi lemparan selanjutnya .Berapa peluang,
pebasket tersebut memasukan bola?

Kejadian: MMMMMMMGGG
)+
MGMGMGMMMM
GGMMMMMMMG )+
............................
  P(X)=
 120
 120*0.002=0.24
 E[X] & VAR(X)

E[x] = nx
Var[x] = nx(1-x)(for binomial), x(1-x) for
bernoulli
 POISSON DISTRIBUSION

  Pada satu tahun, sebuah gunung rata – rata erupsi sebanyak

4 kali, berapa peluang sebuah gunung erupsi selama 5 kali?

Pois(x) = 0.15629345185
 POISSON(CONT’D)

  Pada satu tahun, sebuah gunung rata – rata erupsi sebanyak

4 kali, berapa peluang sebuah gunung erupsi lebih dari 3
kali?

 Pois(0)+Pois(1)+Pois(2)+Pois(3)+Pois(4)+......+Pois(~)=1
 Pois(4)+......+Pois(~)=1-Pois(0)-Pois(1)-Pois(2)-Pois(3)
1 -
 1- 0.018 - 0.073 - 0.146 - 0.196 = 0.567
 E[X] & VAR(X)

Keunikan distribusi poisson ialah memiliki

expected value dan varians yang sama, yaitu λ
 UNIFORM DISTRIBUTION

 Sebuah bus berhenti di sebuah halte dalam selang 10 menit,

dimana peluang kedatangan bus bersifat uniform

0 10

 Pdf = a<x<b,
 
 NORMAL DISTRIBUTION

 Normal Assumptions:
 Mean = Median = Mode
 Var = 1
 NORMAL DISTRIBUTION

 IQ rata sebuah populasi adalah 90(sd=20), berapa proporsi

dari populasi yang memiliki IQ lebih dari 100?
 Z -> (100-90)/20= 0.5
JOINT PROBABILITY
 JOINT PROBABILITY

  Joint probablity adalah fungsi probabilitas yang memiliki

dependensi antar dua variabel.
 Joint Probability =
 Marginal Probability = )
 Conditional Probability =
SOAL UNTUK CONTOH
 JOINT PROBABILITY

  Berapa peluang, menemukan rumah dengan harga dibawah

0.6 dengan luas rumah lebih dari 4?
 MARGINAL PROBABILITY

  Berapa peluang, menemukan rumah dengan harga dibawah

0.6?
 Marginal Probability merupakan probabilitas suatu kejadian
yang terlepas dari kejadian lain.
 KOVARIAN

  Kovarian adalah varians dari dua variabel. Kovarian ini dapat

mengetes independensi suatu pasang variabel

Suatu fungsi jumlah barang yang dijual tergantung dari dua

variabel random, f(x,y) = 1.2x+0.8y, 0<x<1, 0<y<1. dimana x =
jumlah barang, dan y = harga barang. Apakah, perubahan harga
mempengaruhi jumlah barang yang dibeli?
Remember E[x]= f(x).x !!
 INDEPENDENSI

 

Cov(x,v)=0.33- 0.6*0.433=0.075
LIMIT THEOREMS
 MARKOV INEQUALITY

a = constant
X= random Variable

 
[1,2,3,4,5,6] -> E(x) = 3.5
Misalkan p(X> 2) = 0.666
 CHEBYSHEV INEQUALITY

 
 LAW OF LARGE NUMBERS & CLT

 Semakin besar sample yang diambil, mean sample akan

semakin mendekati mean populasi, serta semakin besar
sampel yang diambil, bentuk distribusi akan semakin normal
 SAMPLING
DISTRIBUTIONS
 CHI-SQUARED

  Tes chi-squared dilakukan untuk melakukan inferensi

terhadap varians. Dengan degrees of freedom (n-1)

 Sebuah pabrik memproduksi sebuah minuman. Variansi

volume minuman yang dibaut pabrik ialah 42.4. jika kita
mengambil 25 sampel, berapa peluang sampel yang kita
ambil memiliki variansi antara 60 dan 70?

 P()-P() ~ 0.075
 T DISTRIBUTION

 

 Distribusi t adalah pengganti dari distribusi Z ketika jumlah

sampelyang diambil kecil.
 Suppose that we picked up 16 samples from a population that
has a mean of 45. This sample has a sample standard
deviation of 6. What is the probability that the mean of this
sample is higher than 48?
 P(x>48) -> t =
GUDLAK YEE UTSS