120 likes | 445 Views
BAB 2 ATURAN DASAR PROBABILITAS. Secara umum beberapa kombinasi dari kejadian dalam sebuah eksperimen dapat dihitung probabilitas berdasarkan dua aturan yaitu aturan Penjumlahan dan aturan perkalian Aturan Penjumlahan
E N D
BAB 2 ATURAN DASAR PROBABILITAS SecaraumumbeberapakombinasidarikejadiandalamsebuaheksperimendapatdihitungprobabilitasberdasarkanduaaturanyaituaturanPenjumlahandanaturanperkalian AturanPenjumlahan Menurutjeniskejadiannyadapatdibedakankejadiansalingmeniadakan (mutually exclusive ) dankejadiantidaksalingmeniadakan Kejadiansalingmeniadakanadalahkejadiandimanajikasebuahkejadianterjadi, makakejadian yang keduaadalahkejadian yang salingmeniadakan. Jika A
telahterjadi, makakejadian B tidakakanterjadi. contoh , dalampelemparandadu, munculnyamata dadu 2 dan 3 tidakbisaterjadisecarabersamaan, shg munculnyamatadadu 2 akanmeniadakanmunculnya matadadu yang lain. Jikaduakejadian A dan B salingmeniadakan, maka : P( A atau B ) = P ( AUB ) = P ( A ) + P ( B ) untuktigakejadiansalingmeniadakan P ( A atau B atau C ) = P ( AUBUC ) = P(A) + P(B) + P(C) Kejadiantidaksalingmeniadakanadalahdimana sebuahkejadianterjadi,kejadiankeduajugaterjadi. hal
Inimencakupbahwakejadiansatudenganlainnya terjadi yang tidaksalingmeniadakan, jadikejadiantsb Dapatditulissbb : P( A atau B ) = P(A) + P(B) – P(A dan B ) atau P(AUB) = P(A) + P(B) – P(AΠB) AturanPerkalian Di dalamaturanperkalian, adaduajeniskejasianyaitu : kejadiantakbebas ( dependent event ) dankejadian bebas ( independent event )
KejadianTakBebas / Bersyarat Probabilitasbersyaratadalahprobabilitasterjadinyakejadian A dengansyaratbahwa B sudahterjadiatauakanterjadibisa ditulisP(A/B), rumus yang digunakanadalah : a. P(A/B) = P(AΠB)/P(B) b. P(B/A) = P(AΠB)/P(A) dengandemikian P(AΠB) = P(A) P(B/A) = P(B) P(A/B) Adabeberapabentukprobabilitaslainnyayaituprobabilitas marjinal , Bayes, PermutasidanKombinasi ProbabilitasMarjinaladalahkejadian yang terjadibersamaan Dengankejadianlainnya, dimanakejadianlainnya mempengaruhiterjadinyakejadian yang pertama
Rumus yang digunakanadalahsbb : P(R) = ∑ P (Si) P( R/Si ) Contoh : Misalkankitamemproduksisuatujenisbateraiditiga Pabrik yang peralatandankaryawannyaberbeda. produksimingguanpabrik I (S1=500), pabrik2(S2=2000) Dan ke 3 (S3=1500).Diketahuibesarnyanilai Probabilitasbarangrusakdaripabrik I P(R/S1)=0,020 ; Probabilitasbarangrusakdaripabrik 2 P(R/S2)=0,015 ; Dan probabilitasbarangrusakdaripabrik 3 P(R/S3) Adalah 0,030
Baterai yang diproduksiolehpabriktersebutdigunakan Untukmenyuplaipabrikmobil. Kalaupemilikpabriktsb Mengambil 1 bateraisecaraacak, berapaprobabilitas bahwabaterai yang diambilolehpemilikpabrikmobil tersebutrusak. Baterai yang rusaktsbberasaldari Pabrik I,2 dan 3 Jawab : S = S1 + S2 + S3 ( S= ruangsampel ) P(R) = probabilitasbarangrusak, disebutProbabilitas marjinal P(S1) = 500/4000 , probabilitasbahwabateraiberasal Dari pabrik I
P(S2) = 2000/4000 , probabilitasbahwabateraiberasal daripabrik 2 P(S3) = 1500/4000 , probabilitasbahwabateraiberasal daripabrik 3 P(R/S1) = probabilitasbaterairusakdaripabrik I = 0,020 P(R/S2) = probabilitasbaterairusakdari pabrik2= 0,015 P(R/S3) = probabilitasbaterairusakdari pabrik3= 0,030 Kita dapatmenghitungprobabilitasbahwabaterai yang Dipilihsecaraacakrusak P(R) P(R) = 500/4000 x0,020 + 2000/4000x0,015+1500/4000 X 0,030 = 0,0213
TeoremaBayes Teoriiniuntukmenghitungprobabilitastentangsebab Sebabterjadinyasuatukejadianberdasarkanpengaruh Yang dapatdiperolehsbghasilobservasi. Tujuannyaadalahuntukmemecahkanmasalah Pembuatankeputusan yang mengandungketidak pastian
contoh : Suatueksperimendilakukandenganjalan melemparkanmatauanglogam Rp50 secaraberulang ulang. Mata uangtersebutmempunyaiduasisigambar yaitusisi yang satuberupagambarburung (B) dansisi sebelahnyabukanburung (B) Kalau X1 = Kejadianmelihat B X2 = KejadianmelihatB n = banyaknyalemparanmatauang
Kemungkinanmunculnya X1 atau x2 f fr f fr f fr f fr f fr x1 8 o,8 60 0,6 450 0,45 5,490 0,549 52,490 0,5249 x2 2 0,2 40 0,4 550 0,55 4,510 0,451 47,510 0,4751 n 10 1,0 100 1,0 1000 1,00 10000 1,000 100000 dst Untuk n = 10 P(x1) = 0,8 → log 10 = 1 n = 100 P(x1) = 0,6 → log 100 = 2 n = 1000 P(x1) = 0,45→ log 1000 = 3 n = 10000 P(x1) = 0,549→log 10000 = 4 n = 100000 P(x1)= 0,5249→log 100000 = 5
ProbabilitasSubjektif Probabilitassubjektifdidasarkanataspenilaian seseorangdalammenyatakantingkatkepercayaan. Jikatidakadapengalamanmasalalusebagaidasar perhitunganprobabilitas, makapernyataantersebut bersifatsubjektif Contohkejadiankalausuatueksperimendilakukan dg Melemparkanmatauanglogam Rp50 sebanyak 2x Makahasileksperimenadalah BB, BB, BB, BB Kemudianeksperimenpelemparandadusebanyak 2x dsb