Escolar Documentos
Profissional Documentos
Cultura Documentos
PROBABILITAS
Probabilitas :
Suatu nilai untuk mengukur tingkat
kemungkinan terjadinya suatu kejadian
yang tidak pasti (uncertain event)
Contoh :
Probabilitas bahwa kejadian A akan
terjadi sebesar 90 %
P(A) = 0.90
RUMUS PROBABILITAS
Probabilitas kejadian A :
P(A) = banyaknya elemen sub himpunan yang
membentuk A
seluruh elemen dalam
himpunan
Contoh :
Pada kejadian melempar dadu,
probabilitas mendapatkan mata dadu
genap :
S = {1, 2, 3, 4, 5, 6}
A = {2, 4, 6}
P(A) = 3/6 = 0.5 = 50 %
Contoh :
Dari 100 mahasiswa ada 20 orang mendapat
nilai A, 30 org mendapat nilai B, 30 orang
mendapat nilai C dan 20 org mendapat nilai
D. Dari ke-100 mhs tersebut 65 orang telah
lunas uang kuliahnya dan 35 orang belum
lunas. Dari yang lunas perincian mendapat
nilai A 20 org, B 15 org, C 25 org dan D 5 org.
a. Berapa probabilitas mhs yang telah
membayar lunas mendapat nilai B ?
b. Berapa probabilitas mhs yang telah
mendapat nilai C belum melunasi uang
kuliahnya ?
Mahasiswa
Lunas
Belum
Lunas
Jumlah
Nilai A
20
20
Nilai B
15
15
30
Nilai C
25
30
Nilai D
15
20
Jumlah
65
35
100
Jawab :
a. P (B Lunas) = P(B Lunas)/P(lunas)
P (lunas) =65/100 = 0.65
P(B Lunas) = 15 orang = 15/100 = 0.15
Jadi :
P (B Lunas) = 0.15/0.65 = 0.23 = 23 %
Probabilitas prior :
Probabilitas yang didapatkan dari
informasi awal
Probabilitas posterior :
Probabilitas yang telah diperbaiki setelah
mendapat informasi tambahan atau
setelah melakukan penelitian.
Contoh :
Pada perusahaan A, diketahui dari informasi awal
bahwa probabilitas set up mesin benar adalah 80
%.
Probabilitas prior :
Probabilitas set up mesin benar = P(B) = 0.8
Probabilitas set up mesin benar dapat diperkuat
dengan penelitian selanjutnya dengan melihat
berapa banyak produk yang tepat ukurannya (P(T)).
Probabilitas posterior :
P(B|T) : probabilitas set up mesin benar jika
produk
yang dihasilkan tepat.
P(B|T) = P(BT)/P(T)
Pohon probabilitas
B
P(B) = 0.8
T
P(T|B)=0.9
T
P(T |B) =0.1
T
B
P(B) = 0.2
P(T|B)=0.4
T
P(T|B)=0.6
P(B|T) = ?
P(B|T) = P(BT)/P(T)
P(BT) = P(B) P(T|B) = 0.8 * 0.9 = 0.72
P(T) = P(TB U TB) = P(TB) + P(TB )
= P(B) P(T|B) + P(B) P(T|B)
= 0.8 * 0.9 + 0.2 * 0.4
Jadi :
P(B|T) = (0.8*0.9)/(0.8*0.9+0.2*0.4) =
0.9.
Probabilitas set up mesin benar jika
produk yang dihasilkan tepat adalah 90 %.
DALIL BAYES
Jika ada A1, A2, . Ak kejadian yang saling
meniadakan (mutually exclusive), dan kemudian
ada kejadian B dimana P(B) 0, maka :
P(Ai|B) = P(BAi) / P(B)
k
Jika k=2 :
i = 1 P(A1|B) = P(A1) P(B|A1)/[P(A1) P(B|A1) +P(A2) P(B|A2)]
i = 2 P(A2|B) = P(A2) P(B|A2)/[P(A1) P(B|A1) +P(A2) P(B|A2)]
NILAI HARAPAN(EKSPEKTASI)
Nilai harapan (nilai ekspektasi) adalah :
nilai rata-rata payoff yang diharapkan yaitu
jumlah nilai payoff pada masing-masing kejadian
dikalikan dengan besarnya probabilitas dari
masing-masing kejadian.
Contoh :
Jika di masa yad probabilitas seseorang
mendapat keuntungan 1 juta adalah 0.5,
keuntungan 5 juta adalah 0.3 dan keuntungan 10
juta adalah 0.2. Maka nilai ekspektasi
keuntungannya adalah :
E(X) = P(X) X = 0.5 *1 + 0.3 * 5 + 0.2 * 10 =
4 juta