STATISTIKA
DASAR-DASAR
TEORI PELUANG
MK. STATISTIKA
Konsep Dasar Probabilitas
Manfaat:
Manfaat mengetahui probabilitas adalah membantu pengambilan
keputusan yang tepat, karena kehidupan di dunia tidak ada
kepastian, dan informasi yang tidak sempurna.
Contoh:
• pembelian harga saham berdasarkan analisis harga saham
• peluang produk yang diluncurkan perusahaan (sukses atau tidak),
dll.
Konsep Dasar Probabilitas
Probabilitas:
Suatu ukuran tentang kemungkinan suatu peristiwa (event) akan
terjadi di masa mendatang. Probabilitas dinyatakan antara 0 sampai
1 atau dalam persentase.
Percobaan:
Pengamatan terhadap beberapa aktivitas atau proses yang
memungkinkan timbulnya paling sedikit dua peristiwa tanpa
memperhatikan peristiwa mana yang akan terjadi.
Hasil (outcome):
Suatu hasil dari sebuah percobaan.
Peristiwa (event):
Kumpulan dari satu atau lebih hasil yang terjadi pada sebuah
percobaan atau kegiatan.
PENGERTIAN PELUANG
Contoh:
1. Pendekatan Klasik
2. Pendekatan Relatif
3. Pendekatan Subjektif
PENDEKATAN KLASIK
Definisi:
Setiap peristiwa mempunyai kesempatan yang
sama untuk terjadi.
Rumus:
8
PENDEKATAN KLASIK
Definisi:
Probabilitas suatu kejadian tidak dianggap sama,
tergantung dari berapa banyak suatu kejadian terjadi.
Rumus:
Contoh:
PENDEKATAN SUBJEKTIF
Definisi:
A AB B
A B
• Hukum Perkalian
P( A DAN B) = P(A) X P(B)
Apabila P(A) 0,35 DAN P(B) = 0,25
Maka P(A DAN B) = 0,35 X 0,25 = 0,0875
• Hukum Perkalian
P( A DAN B) = P(A) X P(B)
Apabila P(A) 0,35 DAN P(B) = 0,25
Maka P(A DAN B) = 0,35 X 0,25 = 0,0875
Factorial = n!
– Jika melempar coin, frekuensi relatif dari “head” tidak menentu utk 2, 5
atau 10 pelemparan
– Jika pelemparan suatu coin dilakukan bbrp ribu kali, frekuensi relatif tetap
stabil
• Ukuran Probabilitas:
P(A) = 0,5; P(B) = 0,5; P(D) = 1/6
• Multiplication Rule
Contoh dari kasus Dependent: lempar sepasang dadu
S = {(1,1),(1,2),….(6,6)} 36 kemungkinan outcomes
mis A ={dadu pertama 6} = {(6,1),(6,2),(6,3),(6,4),
(6,5),(6,6)}
mis B = {jumlah dadu pertama & kedua =9} = {(3,6),(4,5),(5,4),
(6,3)}
Maka P(A) = 6/36 = 1/6;
P(B) = 4/36 = 1/9 dan
P(dadu pertama 6, jumlah = 9) = P(A and B) = 1/36
tdk sama P(A) P(B) = 1/54
menunjukan dependence
• Properties
– Area di bawah kurva = 1
– Mean (µ)
– Standard Deviation ()
– Mean dari sum dari suatu set dari random variables adalah
sum dari individual mean. Yaitu jikaf X dan Y adalah random
variables maka µX+Y = µX + µY
• Utk estimasi probabilitas atau proportion dari suatu populasi p kita uji
sample proportion:
• Dari Central Limit Theorem – distribusi dari suatu sum dari random
variables mendekati distribusi Normal jika jumlah terms dlm sum
menjadi besar
• Asumsi
– Standard deviation populasi diketahui
• Ukuran sampel n cukup besar shg hasil central limit theorem dp
diaplikasikan dan sample mean distribution dp diperkirakan dg
distribusi normal. Aturan umum (Rule of thumb) utk ukuran
sampel adalah (n ≥ 30)
• 100(1-) % confidence interval pd sample mean diberikan oleh
• Catatan
– x adalah sample mean.
– Z(1-/2) adalah nilai standard normal value dimana /2 adalah
tail ke sebelah kanan dari nilai Z
– adalah standard deviation populasi
– n adalah ukuran sampel
dimana