Upload
independent
View
0
Download
0
Embed Size (px)
Citation preview
PELUANG, NILAI HARAPAN,DAN DISTRIBUSI
1
Arif Rahman Hakim
[Online Available]https://independent.academia.edu/ArifRahmanHakim
Tujuan Pembelajaran2
Mahasiswa dapat mengetahui, menghitung,& memahami peluang.
Mahasiswa dapat mengetahui, menghitung,& memahami peluang.
Definisi:Probabilitas adalah peluang suatu kejadian
Manfaat:Manfaat mengetahui probabilitas adalahmembantu 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.
PELUANG : PENDAHULUAN
3
Definisi:Probabilitas adalah peluang suatu kejadian
Manfaat:Manfaat mengetahui probabilitas adalahmembantu 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.
Peluang (Probabilitas):Suatu ukuran tentang kemungkinan suatu peristiwa (event)akan terjadi di masa mendatang. Probabilitas dinyatakanantara 0 sampai 1 atau dalam persentase.
Percobaan:Pengamatan terhadap beberapa aktivitas atau proses yangmemungkinkan timbulnya paling sedikit dua peristiwa tanpamemperhatikan peristiwa mana yang akan terjadi.
Hasil (outcome):Suatu hasil dari sebuah percobaan.
Peristiwa (event):Kumpulan dari satu atau lebih hasil yang terjadi pada sebuahpercobaan atau kegiatan.
PELUANG : PENDAHULUAN
4
Peluang (Probabilitas):Suatu ukuran tentang kemungkinan suatu peristiwa (event)akan terjadi di masa mendatang. Probabilitas dinyatakanantara 0 sampai 1 atau dalam persentase.
Percobaan:Pengamatan terhadap beberapa aktivitas atau proses yangmemungkinkan timbulnya paling sedikit dua peristiwa tanpamemperhatikan peristiwa mana yang akan terjadi.
Hasil (outcome):Suatu hasil dari sebuah percobaan.
Peristiwa (event):Kumpulan dari satu atau lebih hasil yang terjadi pada sebuahpercobaan atau kegiatan.
ILUSTRASI
Percobaan/Kegiatan
Pertandingan final sepak bola ligaChampion (29 Mei 2016).Real Madrid vs Atletico Madrid diStadion San Siro, Milan, Italia.
Hasil Atletico Madrid MenangReal Madrid Kalah
5
Hasil Atletico Madrid MenangReal Madrid Kalah
Peristiwa Real Madrid Menang 5-3(via adu Penalti)
Ruang Sampel
Kumpulan dari semua hasil yang mungkindari sebuah percobaan.
Percobaan/eksperimen
Ruang sampel Peristiwa
Pelembaran sekepingmata uang
- {M,B) - Muncul muka:{M}- Muncul belakang: {B}
6
Pelembaran sekepingmata uang
- {M,B) - Muncul muka:{M}- Muncul belakang: {B}
Pelemparansepasang mata uang
- {MM,MB,BM,BB}
- Dua muka muncul: {MM}- Satu muka muncul: {MB,BM}- Sedikitnya 1 muka muncul:
{MM,MB,BM}
BEBERAPA PRINSIP MENGHITUNG RUANG SAMPEL
Factorial = n!
Permutasi nPr = n!/ (n-r)!
• Factorial (berapa banyak cara yang mungkindalam mengatur sesuatu dalam kelompok).
• Permutasi (sejumlah kemungkinan susunan jikaterdapat satu kelompok objek).
7
Permutasi nPr = n!/ (n-r)!
Kombinasi nCr = n!/r! (n-r)!
• Kombinasi (berapa cara sesuatu diambil darikeseluruhan objek tanpa memperhatikan urutannya.
• Penggandaan (penggunaan kedua operasi itusecara bersama-sama dalam n1 x n2 cara..Penggandaan n1 x n2
PELUANG SUATU PERISTIWA
Definisi:Setiap peristiwa mempunyai kesempatan yangsama untuk terjadi.
Rumus:
8
Definisi:Setiap peristiwa mempunyai kesempatan yangsama untuk terjadi.
Rumus:
Probabilitas Himpunan bagian dari S/ suatu peristiwa = (dibagi)
Himpunan semua hasil yangmungkin atau ruang sampel
ILUSTRASI
Percobaan Peristiwa Probabilitasmunculnya
satu peristiwa
Kegiatanmelempar uang
1. Muncul gambar2. Muncul angka
2 ½
Kegiatanperdagangansaham
1. Menjual saham2. Membeli saham
2 ½
JmlRuangSampel
9
Kegiatanperdagangansaham
1. Menjual saham2. Membeli saham
2 ½
Perubahan harga 1. Inflasi (harga naik)2. Deflasi (harga turun)
2 ½
Mahasiswa belajar 1. Lulus memuaskan2. Lulus sangat memuaskan3. Lulus terpuji
3 1/3
HUKUM PELUANG (PROBABILITAS)
A. Hukum Penjumlahan
A.1 Komplementer
Peluang sebuah kejadian bernilaiantara 0 s/d 1. Jika A adalah sebuahkejadian atau peristiwa maka: 0 P(A) 1
10
Jika adalah dua kejadian yang salingkomplementer, maka
A.1 Komplementer
Peluang sebuah kejadian bernilaiantara 0 s/d 1. Jika A adalah sebuahkejadian atau peristiwa maka: 0 P(A) 1
1)AP(P(A))AP(A
A.3 Hukum penjumlahan (bila PeristiwaSaling Lepas)Jika A dan B dua peristiwa yang salinglepas, makaP(A atau B) = P(A) + P(B) atau P(A B)= P(A) + P(B)
A.4 Hukum penjumlahan (bila peristiwa-peristiwa tidak saling lepas)P(A B) = P(A) + P(B) – P(AB)
11
A.3 Hukum penjumlahan (bila PeristiwaSaling Lepas)Jika A dan B dua peristiwa yang salinglepas, makaP(A atau B) = P(A) + P(B) atau P(A B)= P(A) + P(B)
A.4 Hukum penjumlahan (bila peristiwa-peristiwa tidak saling lepas)P(A B) = P(A) + P(B) – P(AB)
B. Hukum Perkalian dan Pembagian
•Peluang MarjinalPeluang yang mengacu pada hubungan antara elemandalam subset dengan set.
• Peluang BersamaPeluang dari dua peristiwa yang digabungkan menjadisatu peristiwa yang memiliki karakteristik dari keduaperistiwa tersebut secara simultan.
• Peluang BersyaratPeluang ini dihitung dari subset (angka-angka marginal)bukan dari set keseluruhan.
• Peluang MajemukPeluang yang mengukur peristiwa majemuk.
B. Hukum Perkalian dan Pembagian
•Peluang MarjinalPeluang yang mengacu pada hubungan antara elemandalam subset dengan set.
• Peluang BersamaPeluang dari dua peristiwa yang digabungkan menjadisatu peristiwa yang memiliki karakteristik dari keduaperistiwa tersebut secara simultan.
• Peluang BersyaratPeluang ini dihitung dari subset (angka-angka marginal)bukan dari set keseluruhan.
• Peluang MajemukPeluang yang mengukur peristiwa majemuk.
12
ILUSTRASI DIAGRAM POHON
13
Jual
0,6 BNI
BLP
BCA
0,25
0,40
0,35
Keputusan Jual atau Beli Jenis Saham
Probabilitas Bersyarat
Probabilitas bersama
1 x 0,6 x 0,35 = 0,21
1 x 0,6 x 0,40 = 0,24
1 x 0,6 x 0,25 = 0,15
• Diagram Pohon
Suatu diagramberbentuk pohonyang membantumempermudahmengetahuiprobabilitas suatuperistiwa
1
Beli
0,6 BNI
BNI
BLP
BCA
0,25
0,25
0,40
0,35
1 x 0,6 x 0,25 = 0,15
1 x 0,4 x 0,35 = 0,14
1 x 0,4 x 0,40 = 0,16
1 x 0,4 x 0,25 = 0,10
0,21+0,24+0,15+0,14+0,16+0,10 =1,0
Jumlah Harus =1.0
• Diagram Pohon
Suatu diagramberbentuk pohonyang membantumempermudahmengetahuiprobabilitas suatuperistiwa
0,4
Aturan Bayes
Jika peristiwa-peristiwa B1,B2, …,Bkmerupakan sekatan dari ruang sampel Sdengan P(Bi0) untuk i =1,2,3,…,k, makauntuk sembarang kejadian A yang bersifatP(A0),
14
Jika peristiwa-peristiwa B1,B2, …,Bkmerupakan sekatan dari ruang sampel Sdengan P(Bi0) untuk i =1,2,3,…,k, makauntuk sembarang kejadian A yang bersifatP(A0),
)()|(........)()|()()|(
)()|()|(
2211 kk
jjj BPBAPBPBAPBPBAP
BPBAPABP
Tujuan Pembelajaran15
Mahasiswa dapat mengetahui &menghitung nilai harapan danpengambilan keputusan.
Mahasiswa dapat mengetahui &menghitung nilai harapan danpengambilan keputusan.
[Online Available]https://independent.academia.edu/ArifRahmanHakim
NILAI HARAPAN
Nilai harapan dari sebuah variabel acakX, diartikan sebagai rata-rata nilaivariabel acak X dalam jangka panjang.Nilai ini dapat diperoleh dengan nilaiharapan dari X yang merupakan rata-rataterbobot dari X dengan peluang Xsebagai bobotnya. Formulanya sbb.
16
Nilai harapan dari sebuah variabel acakX, diartikan sebagai rata-rata nilaivariabel acak X dalam jangka panjang.Nilai ini dapat diperoleh dengan nilaiharapan dari X yang merupakan rata-rataterbobot dari X dengan peluang Xsebagai bobotnya. Formulanya sbb.
k
i 1iix )P(XXE(X)μ
BEBERAPA DEFINISI BERKAITAN DENGANNILAI HARAPAN
Variabel acak adalah sebuah besaran yang merupakan hasildari percobaan random yang dapat mempunyai nilai yangberbeda-beda.Variabel acak diskret: variabel acak yang hanya mempunyainilai-nilai tertentu yang terpisah secara jelas yang merupakanfungsi dari hasil percobaan pada sesuatu hal yang menjadi pusatperhatian kita. Misalnya perhatian kita adalah banyaknya mukamuncul. Maka yang dimaksud fungsi disini adalah “banyaknyamuka muncul dari sebuah outcome”.Variabel acak kontinu: variabel acak yang mengambil nilaiberapa saja pada suatu interval tertentu. Jadi ruang sampelvariabel acak kontinu mengandung banyaknya kemungkinan yangtidak terbatas, yang sama banyaknya dengan titik yang adapada suatu interval nilai dimana variabel acak itu didefinisikan.
17
Variabel acak adalah sebuah besaran yang merupakan hasildari percobaan random yang dapat mempunyai nilai yangberbeda-beda.Variabel acak diskret: variabel acak yang hanya mempunyainilai-nilai tertentu yang terpisah secara jelas yang merupakanfungsi dari hasil percobaan pada sesuatu hal yang menjadi pusatperhatian kita. Misalnya perhatian kita adalah banyaknya mukamuncul. Maka yang dimaksud fungsi disini adalah “banyaknyamuka muncul dari sebuah outcome”.Variabel acak kontinu: variabel acak yang mengambil nilaiberapa saja pada suatu interval tertentu. Jadi ruang sampelvariabel acak kontinu mengandung banyaknya kemungkinan yangtidak terbatas, yang sama banyaknya dengan titik yang adapada suatu interval nilai dimana variabel acak itu didefinisikan.
CONTOHBerikut ini merupakan perkiraan laba dari kemungkinan hasilyang dapat diperoleh seorang pedagang berikut peluangterjadinya:
Nilai harapan laba dari pedagang tersebut adalah
KemungkinanHasil
Laba Rugi Impastotal
Laba (X) 100rb -25rb 0
P(X) 50% 20% 30% 100%
18
Berikut ini merupakan perkiraan laba dari kemungkinan hasilyang dapat diperoleh seorang pedagang berikut peluangterjadinya:
Nilai harapan laba dari pedagang tersebut adalahKemungkinan
HasilLaba Rugi Impas
totalLaba (X) 100rb -25rb 0
P(X) 50% 20% 30% 100%
X.P(X)
Tujuan Pembelajaran19
Mahasiswa dapat mengetahui, menghitung,& memahami distribusi binomial &hipergeometrik
Mahasiswa dapat mengetahui, menghitung,& memahami distribusi binomial &hipergeometrik
[Online Available]https://independent.academia.edu/ArifRahmanHakim
Rumus distribusi probabilitas binomial:
DISTRIBUSI PROBABILITAS BINOMIAL
• Bila suatu ulangan binom mempunyai peluang keberhasilan pdan peluang kegagalan g (1-p).
• Maka, sebaran peluang bagi peubah acak binom X adalahbanyaknya keberhasilan dalam n ulangan yang bebas.
20
• Bila suatu ulangan binom mempunyai peluang keberhasilan pdan peluang kegagalan g (1-p).
• Maka, sebaran peluang bagi peubah acak binom X adalahbanyaknya keberhasilan dalam n ulangan yang bebas.
CONTOH DISTRIBUSI BINOMIAL
Tentukan peluang mendapat tepat tiga bilangan 2 bila sebuahdadu setimbang dilemparkan 5 kali.
Jawab: P(X=2) = b (3; 5; 1/6)
= 0.032
Peluang keberhasilan setiap ulangan bebas ini adalah 1/6 danpeluang kegagalan 5/6.
21
Tentukan peluang mendapat tepat tiga bilangan 2 bila sebuahdadu setimbang dilemparkan 5 kali.
Jawab: P(X=2) = b (3; 5; 1/6)
= 0.032
Peluang keberhasilan setiap ulangan bebas ini adalah 1/6 danpeluang kegagalan 5/6.
CONTOH DISTRIBUSI BINOMIAL
PT X mengirim buah melon ke sebuah Hypermart Y. Buah yangdikirim 90% diterima dan sisanya ditolak. Setiap hari dikirim15 buah ke Hypermart Y. Berapa peluang buah diterima?
Jawab: P (X=13) = b (13; 15; 0.9)
=
= 0.4510 – 0.1841 = 0.2669
Untuk mencari nilai distribusi binomial dapat menggunakantabel distribusi binomial dengan n=15; dimana X =13(90%*15) dengan P(p)= 0,9.22
PT X mengirim buah melon ke sebuah Hypermart Y. Buah yangdikirim 90% diterima dan sisanya ditolak. Setiap hari dikirim15 buah ke Hypermart Y. Berapa peluang buah diterima?
Jawab: P (X=13) = b (13; 15; 0.9)
=
= 0.4510 – 0.1841 = 0.2669
Untuk mencari nilai distribusi binomial dapat menggunakantabel distribusi binomial dengan n=15; dimana X =13(90%*15) dengan P(p)= 0,9.
DISTRIBUSI HIPERGEOMETRIK
• Dalam distribusi binomial diasumsikan bahwa peluangsuatu kejadian tetap atau konstan atau antar-kejadiansaling lepas.
• Dalam dunia nyata, jarang terjadi hal demikian. Suatukejadian sering terjadi tanpa pemulihan dan nilaisetiap kejadian adalah berbeda atau tidak konstan.
• Distribusi dengan tanpa pemulihan dan probabilitasberbeda adalah Distribusi Hipergeometrik.
• Distribusi hipergeomtrik bergantung pada banyaknyakeberhasilan k diantara n benda yang diambil daripopulasi N benda.
Rumus nilai Distribusi Hipergeometrik:
P(x) = h(x;N;n;k) = ([(k x) * (N-k n-x)]/(N n)
23
• Dalam distribusi binomial diasumsikan bahwa peluangsuatu kejadian tetap atau konstan atau antar-kejadiansaling lepas.
• Dalam dunia nyata, jarang terjadi hal demikian. Suatukejadian sering terjadi tanpa pemulihan dan nilaisetiap kejadian adalah berbeda atau tidak konstan.
• Distribusi dengan tanpa pemulihan dan probabilitasberbeda adalah Distribusi Hipergeometrik.
• Distribusi hipergeomtrik bergantung pada banyaknyakeberhasilan k diantara n benda yang diambil daripopulasi N benda.
CONTOH DISTRIBUSI HIPERGEOMETRIK
Hitung peluang terambilnya 5 kartu yang terdiri dari 3 kartumerah tanpa pemulihan (tanpa diputar ulang).Jawab: P (X) = h (3;52;5;26)
=
= 0.3251
24
Hitung peluang terambilnya 5 kartu yang terdiri dari 3 kartumerah tanpa pemulihan (tanpa diputar ulang).Jawab: P (X) = h (3;52;5;26)
=
= 0.3251
Hitung peluang terambilnya 3 kartu hati bila 5 kartu diambilsecara acak tanpa pemulihan (tanpa diputar ulang).Jawab: P (X) = h (3;52;5;13)
=
= 0.0815