PELUANG DAN PEUBAH ACAK

PELUANG DAN PEUBAH ACAK Materi 3 - STK511 Analisis Statistika

October 3, 2017

Okt, 2017 Department of Statistics, IPB

Dr. Agus Mohamad Soleh

1

Konsep Peluang

Department of Statistics, IPB


2

Pendahuluan • Kejadian di dunia: pasti (deterministik) atau tidak pasti (probabilistik) • Contoh kejadian di dunia ini yang tidak pasti  Akankah besok hujan?  Akankah Persib akan menang pada pertandingan selanjutnya?  dll

• Nilai kejadian walaupun tidak pasti tetapi memiliki pola • Pembelajaran pola kejadian memberikan informasi kemungkinan terjadinya kejadian • ukuran kemungkinan disebut sebagai PELUANG Department of Statistics, IPB


3

Pendahuluan • Peluang dapat diartikan sebagai ukuran kemungkinan terjadinya suatu kejadian • Dalam hal ini: Ukuran kemungkinan dinyatakan dalam besaran numerik bernilai antara 0 (nol) sampai 1 (satu) •

0  kejadian yang mustahil

•

1  kejadian yang pasti terjadi



4

Teori Himpunan • Himpunan merupakan gabungan dari unsur-unsur/objekobjek yang bisa berupa apa saja baik benda, manusia ataupun bilangan. • Unsur/objek biasanya dituliskan dalam huruf kecil Yunani • Himpunan biasanya dilambangkan dengan huruf besar latin • Himpunan semesta dilambangkan dengan S. • Himpunan biasanya dituliskan dalam kurung kurawal { }. • Contoh himpunan : A = { 1, 2, …, 10 } → Menyatakan himpunan bilangan bulat dari 1 – 10 Department of Statistics, IPB


5

Teori Himpunan • Dilihat dari cara penghitungannya, himpunan dapat dibedakan menjadi dua yaitu : 1. DISKRET (Countable) / Dapat dicacah a.

Terhingga (finite) Contoh : Bilangan bulat antara 1 dan 10.

b.

Tak terhingga (Infinite) Contoh : Bilangan bulat positif.

Contoh penulisan himpunan diskret : A = { 1, 2, 3, …, 10 } = {x; x bilangan bulat 1 ≤ x ≤ 10 }



6

Teori Himpunan 2. KONTINU (Uncountable) / Tak hingga Contoh : • Bilangan antara 0 dan 1 B = {x; x himpunan bilangan 0 ≤ x ≤ 1 }



7

Operasi Himpunan • Ada tiga operasi himpunan yaitu : a. Gabungan (U)

•E1

•E3 •E5

b. Irisan (∩) c.

Komplemen (C)

•E2

•E4

•E6

• Contoh Operasi Himpunan A = { 1, 2, 3 , 4, 5, 6, 7, 8, 9, 10 } , B = { 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20 } C = { 15, 16, 17, …, 40 }

A U B = { 1, 2, 3, …,10, 11, ….., 20 }

A U C = { 1, 2, 3, …, 10, 15, 16, …, 40 }

A ∩ B = { 8, 9, 10 }

A∩C={ }=ϕ

AC = { 11, 12, 13, ….}



8

Himpunan vs Peluang



9

Ruang Contoh Ruang Contoh adalah suatu gugus yang memuat semua hasil yang berbeda, yang mungkin terjadi dari suatu percobaan. Semua kemungkinan nilai yang muncul S={1,2,3,4,5,6}

Semua kemungkinan nilai yang muncul S={GG, GA, AG, AA}



10

Ruang Kejadian Ruang kejadian adalah anak gugus/himpunan bagian dari ruang contoh, yang memiliki karakteristik tertentu. Percobaan : pelemparan 2 coin setimbang Kejadian : munculnya sisi angka

A={GA, AG, AA}


Percobaan : Pelemparan dua dadu sisi enam setimbang Kejadian : munculnya sisi ganjil pada dadu I B = {11, 12, 13, 14, 15, 16, 31, 32, …., 56}


11

Peluang Suatu Kejadian



12

Banyaknya Ruang Contoh/Ruang Kejadian • Bagaimana cara menghitung banyaknya ruang contoh & ruang kejadian?

Ingat kembali: 1.Faktorial 2.Penggandaan 3.Permutasi 4.Kombinasi

• Prinsip dasarnya adalah banyaknya cara mengambil r objek dari n objek, dalam hal ini r ≤ n.



13

Pencacahan (counting) Pengambilan r objek dari n objek

a. Tanpa Pemulihan (Without Replacement) Tertata (ordered) (AB ≠ BA) Tidak Tertata (unordered) (AB = BA)

b. Dengan Pemulihan (With Replacement) Tertata (ordered) (AB ≠ BA) Tidak Tertata (unordered) (AB = BA) Department of Statistics, IPB


14

Pengambilan r objek dari n objek



15

University of Wisconsin sedang melakukan percobaan untuk membandingkan obat herbal (echinacea) dengan plasebo untuk mengobati flu. Peubah respon adalah tingkat keparahan dan durasi flu terjadi. Sebuah klinik di Madison, Wisconsin, memiliki empat relawan, di antaranya dua orang adalah laki-laki (Jamal dan Ken) dan dua adalah perempuan (Linda dan Mei). Dua di antaranya relawan akan dipilih secara acak untuk menerima obat herbal, dan dua lainnya akan menerima plasebo.

Ruang Contoh : {(Jamal,Ken), (Jamal, Linda), (Jamal,Mei), (Ken,Linda), (Ken, Mei), (Linda,Mei)}

1/6



16

Beberapa prinsip dasar

12 Juri dipilih untuk memutuskan suatu perkara. Pengacara pembela mengklaim keputusan yang akan diambil akan berbias karena 50% penduduk dewasa kota adalah perempuan Jika juri dipilih secara acak dari populasi, berapakah peluang bahwa tim juri akan terdiri dari (a) tidak ada perempuan, (b) setidaknya satu perempuan



17




18




19

Peluang Bersyarat



20

Konsep Peubah Acak



21

Pendahuluan • Pernahkah bertanya, mengapa dalam soal ujian penerimaan mahasiswa baru, jika jawaban benar diberi nilai 4, salah dikurangi 1 dan tidak menjawab diberi nilai nol. Bagaimana jika pada satu soal kita tidak tahu jawaban yang benar tetapi mengetahui 2 pilihan yang salah? • Dengan membayar Rp. 10rb di suatu permainan menebak 4 angka dengan tepat akan mendapatkan kesempatan mendapatkan keuntungan 500 x lipat yaitu sebanyak Rp. 5jt. Apakah kita tertarik untuk ikut bermain? • Pernahkah bertanya, mengapa dalam permainan judi, penjudi selalu mengeluarkan uang yang besar (kalah)?



22

Pendahuluan • Pada bagian sebelumnya telah dibahas mengenai percobaan suatu proses yang menghasilkan data. • Seringkali kita tidak tertarik dengan keterangan rinci hasil percobaan tersebut melainkan keterangan numeriknya. • Sebagai teladan perhatikan percobaan melempar mata uang logam setimbang sebanyak tiga kali. • Berikut adalah semua kemungkinan hasil pelemparan: AAA, AAG, AGA, GAA, AGG, GAG, GGA, GGG, yang masing-masing memiliki peluang yang sama untuk muncul atau sebesar 1/8.



23

Pendahuluan • Misalkan didefinisikan suatu peubah X di mana X adalah banyaknya sisi Angka yang muncul pada ketiga lemparan, maka peubah X ini mungkin bernilai 0, 1, 2, 3. Perhatikan tabel di bawah



24

Pendahuluan • Perhatikan bahwa peubah X memetakan setiap titik contoh ke suatu nilai tertentu. • Peubah X tersebut selanjutnya disebut sebagai PEUBAH ACAK • Setiap nilai yang mungkin diambil oleh P.A X ini memiliki peluang tertentu untuk muncul yang dapat diringkas dalam suatu fungsi yang disebut FUNGSI PELUANG atau SEBARAN PELUANG



25

Konsep Peubah Acak • Peubah acak merupakan suatu fungsi yang memetakan ruang kejadian (daerah fungsi) ke ruang bilangan riil (wilayah fungsi). • Fungsi peubah acak merupakan suatu langkah dalam statistika untuk mengkuantifikasikan kejadian-kejadian alam. • Pendefinisian fungsi peubah acak harus mampu memetakan setiap kejadian dengan tepat ke satu bilangan riil.



26

Konsep Peubah Acak Teladan: • Percobaan pelemparan sebuah dadu bersisi enam yang seimbang. Ruang contohnya dapat disenaraikan sebagai berikut: S = {S1,S2,S3,S4,S5,S6}

• Salah satu peubah acak yang dapat dibuat adalah: X = munculnya sisi dadu yang bermata genap = {0, 1}



27

Konsep Peubah Acak

S1 . S2 . S3 . S4 . S5 . S6.


X(ei) .0 .1


28

Konsep Peubah Acak

• Jika didefinisikan peubah acak a. Nilai yang diterima dalam menjawab 1 soal Ujian Penerimaan Mahasiswa Baru? b. Uang yang diperoleh jika ikut bermain dalam menebak 4 angka?

Berapa nilai yang mungkin?



29

Konsep Peubah Acak

• Jika didefinisikan peubah acak a. Nilai yang diterima dalam menjawab 1 soal Ujian Penerimaan Mahasiswa Baru? X = {-1, 0, 4}

b. Uang yang diperoleh jika ikut sekali bermain dalam menebak 4 angka? X = {-10rb, 0, 4990rb}



30

Konsep Peubah Acak • Karena nilai peubah acak merupakan transformasi dari ruang contoh memiliki nilai peluang • Berapa peluang X=0 atau X=1 ? Sisi yang muncul Kejadian Peluang kejadian X

S1

S2

S3

S4

S5

S6

1/6 1/6 1/6 1/6 1/6 1/6

0

1

0

1

0

1

• Sebaran Peluang Peubah Acak X tergantung dari sebaran peluang kejadian aslinya. Department of Statistics, IPB


31

Konsep Peubah Acak • Sehingga sebaran peubah acak X dapat dijabarkan sebagai berikut: • p(X=0)

= p(S1)+p(S3)+p(S5) = 1/6 +1/6 +1/6 = 1/2

• p(X=1)

= p(S2)+p(S4)+p(S6) = 1/6 + 1/6 + 1/6 = 1/2

• Atau dapat ditulis secara ringkas:



32

Konsep Peubah Acak • Bagaimana Sebaran Peluang untuk kasus: a. Soal Ujian Penerimaan Mahasiswa Baru?

b. Soal Judi Permainan Menebak 4 Angka secara tepat?



33

Klasifikasi Peubah Acak • Berdasarkan nilainya peubah acak diklasifikasikan: a. Peubah Acak Diskret: apabila nilai yang mungkin diambil berupa bilangan bulat Contoh: Bernoulli, Binom, Hipergeometrik, Poisson, Geometrik, seragam diskret, dll

b. Peubah Acak Kontinu: apabila nilai yang mungkin diambil berupa bilangan real pada suatu selang nilai tertentu Contoh: normal, lognormal, seragam kontinu, t, F, dll



34

Ukuran Pemusatan dan Penyebaran Peubah Acak • Ingat kembali!!! Peubah memiliki pusat dan keragaman • Nilai Harapan (Mean/Nilai Tengah/μ) adalah pusat dari Peubah Acak E(X) • Ragam (Variance/σ2) adalah ukuran penyebaran dari Peubah Acak Var(X)



35

Nilai Harapan Peubah Acak • Nilai harapan dari peubah acak adalah pemusatan dari nilai peubah acak jika percobaannya dilakukan secara berulang-ulang sampai tak berhingga kali. • Secara matematis nilai harapan dapat dirumuskan sebagai berikut: ìn ïå xi p( xi ), jika X p.a diskret ï i =1 E( X ) = í ¥ ï x f ( x )dx, jika X p.a kontinu i ïî-ò¥ i



36

Nilai Harapan Peubah Acak Sifat-sifat nilai harapan: • Jika c konstanta maka E(c ) = c • Jika p.a. X dikalikan dengan konstanta c maka E(cX) = c E(X) • Jika X dan Y peubah acak maka E(X  Y) = E(X)  E(Y)



37

Nilai Harapan Peubah Acak • Pada teladan sebelumnya:

• Nilai Harapan/Nilai Tengah/Mean/μ dari X

• Jika percobaan dilakukan 10 kali dan saling bebas, berapa Nilai Harapannya?



38

Nilai Harapan Peubah Acak • Bagaimana Nilai Harapan untuk kasus: a. Soal Ujian Penerimaan Mahasiswa Baru?

b. Soal Judi Permainan Menebak 4 Angka secara tepat?



39

Nilai Harapan Peubah Acak • Bagaimana Nilai Harapan untuk kasus: a. Soal Ujian Penerimaan Mahasiswa Baru? Jika ada 100 soal, berapa nilai harapan nilai skornya?

b. Soal Judi Permainan Menebak 4 Angka secara tepat? Jika ikut main 100 kali, berapa nilai harapan mendapatkan uang?



40

Ragam Peubah Acak • Ragam peubah acak X didefinisikan sebagai

• Sifat Ragam •

Jika c konstanta maka Var(c) = 0

•

Jika p.a. X dikalikan dengan konstanta c maka Var(cX) = c2 Var(X)

•

Jika X dan Y peubah acak maka, Var(X  Y) = Var(X) + Var(Y) - Cov(X,Y) dalam hal ini Cov(X,Y) = E{[X-E(X)][Y-E(Y)]}, Jika X dan Y saling bebas maka Cov(X,Y) = 0



41

Ragam Peubah Acak • Pada teladan sebelumnya:

• Ragam X adalah:

• Jika percobaan dilakukan 10 kali dan saling bebas, berapa Ragamnya? Department of Statistics, IPB


42

Ragam Peubah Acak • Bagaimana Ragam untuk kasus: a. Soal Ujian Penerimaan Mahasiswa Baru? Jika ada 100 soal, berapa Ragam nilai skornya?

b. Soal Judi Permainan Menebak 4 Angka secara tepat? Jika ikut main 100 kali, berapa ragam mendapatkan uang?



43

Peubah Acak Diskret Peubah acak yang nilai outcome-nya diperoleh dengan cara mencacah (counting)



44

Peubah Acak Bernoulli • Kejadian yang diamati merupakan kejadian biner yaitu sukses atau gagal • Peubah acaknya (X) bernilai 1 jika kejadian sukses dan 0 jika kejadian gagal • Misal, p=p(sukses) dan q=1-p(sukses) maka fungsi peluang Bernoulli dapat dituliskan sebagai:

• Fungsi peluang tersebut tergantung oleh besarnya parameter p, sehingga peubah acak X yang menyebar Bernoulli dituliskan X ~ Bernoulli (p)



45

Peubah Acak Binomial • Terdiri dari n kejadian Bernoulli yang saling bebas dengan p yang sama • Peubah acak Binomial merupakan jumlah dari kejadian sukses, X = {0,1, 2, ... , n} • Fungsi peluang dari kejadian Binomial dapat dituliskan sebagai: • Fungsi peluang ini dipengaruhi oleh dua parameter, yaitu n dan p. Sehingga peubah acak X yang menyebar binomial dituliskan X ~ Binom (n,p)



46

Peubah Acak Binomial Teladan: • Dari suatu hasil survei diketahui bahwa suatu produk minuman suplemen digunakan oleh 6 dari 10 orang. Dari 15 orang konsumen yang kita temui, berapakah peluang •

tepat 5 orang yang mengunakan produk tersebut

•

paling sedikit 10 orang diantaranya menggunakan produk tersebut

•

ada 3 sampai 8 orang yang menggunakan produk tersebut



47

Peubah Acak Poisson • Kejadian binomial pada selang waktu atau luasan tertentu • Jika rataan banyaknya kejadian sukses dalam selang tersebut adalah µ, maka:

• Jika X peubah acak menyebar poisson maka ditulis X ~ Poisson(µ)



48

Peubah Acak Poisson Teladan  Rata-rata kecelakaan di jalan tol diketahui terjadi 4 kali dalam sebulan. Berapa peluang bahwa terjadi kecelakaan sebanyak 6 kali dalam suatu bulan?

 Jawab:



49

Peubah Acak Kontinu Peubah acak yang nilai outcome-nya diperoleh dengan menggunakan alat ukur



50

Peubah Acak Normal • Bentuk sebaran simetrik • Mean, median dan modus berada pada nilai yang sama • Peluang merupakan luasan dibawah kurva kepekatan normal

1 f ( x, m , s ) = e 2p s 2

1 æ x-m ö - ç ÷ 2è s ø

2 0.4500 0.4000 0.3500 0.3000 0.2500 0.2000 0.1500 0.1000 0.0500 0.0000 X



51

Peubah Acak Normal • Merupakan P.A kontinu yang menjadi dasar bagi sebagian besar inferensia statistika • Persamaan matematis bagi sebaran ini dipengaruhi oleh dua parameter, yaitu μ dan σ, yang masing-masing merupakan nilai tengah dan simpangan bakunya. • Sehingga peubah acak X yang menyebar normal dituliskan X ~ Normal (μ , σ2)



52

Peubah Acak Normal • Beberapa sebaran normal



53

Peubah Acak Normal

Z=


X -m

s


54

Peubah Acak Normal

Cara penggunaan tabel normal baku Nilai z, disajikan pada kolom pertama (nilai z sampai desimal pertama) dan baris pertama (nilai z desimal kedua) Nilai peluang didalam tabel normal baku adalah peluang peubah acak Z kurang dari nilai k (P(Z
Nilai Z

0.00

0.01

0.02

0.03

-2.6

0.005

0.005

0.004

0.004

-2.5

0.006

0.006

0.006

0.006

-2.4

0.008

0.008

0.008

0.008

P(Z<-2.42)=0.008


55 Dr. Agus Mohamad Soleh

55

Peubah Acak Normal Teladan • Curah hujan dikota Bogor diketahui menyebar normal dengan rata-rata tingkat curah hujan 25 mm dan ragam 25 mm2. Hitunglah peluang:  Curah hujan di kota Bogor kurang dari 15 mm?  Curah hujan di kota Bogor antara 10 mm sampai 20 mm?  Curah hujan di kota Bogor di atas 40 mm?



56

Peubah Acak Normal Teladan • Sebuah perusahaan alat listrik memproduksi bohlam yang umurnya menyebar normal dengan nilai tengah 800 jam dan simpangan baku 40 jam.  Hitunglah peluang sebuah bohlam hasil produksinya akan mencapai umur antara 778 dan 834 jam.  Jika ada 10% bohlam yang tidak layak jual karena umurnya terlalu pendek, berapa batas umur bohlam layak jual?



57

Peubah Acak Normal Pendekatan Acak Normal terhadap Peubah Acak Binomial • Untuk ulangan n yang besar dan peluang sukses p sekitar 0.5 • µ = np dan σ = √ np(1-p) • Untuk menghitung peluang digunakan angka koreksi kekontinuan sebesar 0.5 • Contoh : P(X > x) = P(Z>[(x+0.5)-np]/ √np(1-p))



58

Peubah Acak Normal Teladan • Dalam suatu populasi lalat buah diketahui 25% diantaranya memiliki mata merah. Jika dipilih secara acak 500 ekor lalat buah, berapakah peluang didapatnya lalat buah yang bermata merah:  Kurang dari 100 ekor?  Lebih dari 150 ekor?  Kurang dari 150 tetapi lebih dari 100?



59

Selesai...

Thank You,,,,See you next time



60

PELUANG DAN PEUBAH ACAK

Recommend Documents