Dasar-Dasar Probabilitas PDF

Pendahuluan
Ruang Sampel dan Kejadian

Peubah Acak
Parameter Distribusi
Diskusi
Pustaka
Pengantar Proses Stokastik

Bab 1: Dasar-Dasar Probabilitas
Atina Ahdika, S.Si, M.Si
Statistika FMIPA
Universitas Islam Indonesia
2015
Atina Ahdika, S.Si, M.Si Pengantar Proses Stokastik

Pendahuluan
Peubah Acak
Diskusi
Pustaka
Percobaan adalah kegiatan yang menghasilkan keluaran/hasil

yang mungkin secara acak. Contoh: pelemparan sebuah dadu.
Ruang sampel S adalah himpunan dari semua hasil yang
mungkin dari suatu percobaan. Contoh: dari pelemparan
sebuah dadu diperoleh keluaran S = {1, 2, 3, 4, 5, 6}.
Kejadian adalah himpunan bagian dari ruang sampel. Biasa
dinotasikan dengan huruf kapital. Contoh: munculnya
bilangan genap pada pelemparan sebuah dadu: A = {2, 4, 6}.

Pendahuluan
Peubah Acak
Diskusi
Pustaka
Gabungan Kejadian
A ∪ B = {a ∈ S : a ∈ A atau a ∈ B}
Irisan Kejadian
A ∩ B = {a ∈ S : a ∈ A dan a ∈ B}

Pendahuluan
Peubah Acak
Diskusi
Pustaka
Kejadian A dan B bersifat ’mutually exclusive (saling asing)’ jika

A ∩ B = φ.
Komplemen
Ac = Ā = {a ∈ S : a ∈
/ A}

Pendahuluan
Peubah Acak
Diskusi
Pustaka
Partisi Ruang Sampel

Sebuah himpunan kejadian {A1 , A2 , . . .} merupakan partisi
dari ruang sampel S jika
1 Kejadian-kejadian tersebut bersifat ’mutually exclusive’,
Ai ∩ Aj = φ jika i 6= j.
2 ∪i Ai = S

Pendahuluan
Peubah Acak
Diskusi
Pustaka
Peluang
Peluang kejadian A adalah
n(A)
P(A) = lim
n→∞ n
n(A) : banyaknya keluaran A

n : banyaknya percobaan
atau
n(A)
P(A) =
n(S)
n(A) : banyaknya keluaran A

n(S) : banyaknya anggota ruang sampel S

Pendahuluan
Peubah Acak
Diskusi
Pustaka
Sifat-sifat peluang
1 0 ≤ P(A) ≤ 1
2 P(S) = 1 P(φ) = 0
3 Untuk himpunan kejadian A1 , A2 , . . . yang ’mutually exclusive’,
∞ ∞
!
[ X
P An = P(An )
n=1 n=1
4 P(A ∪ B) = P(A) + P(B) − P(A ∩ B)

5 P(Ac ) = 1 − P(A)
6 Jika A ⊆ B maka P(A) ≤ P(B)

Pendahuluan
Peubah Acak
Diskusi
Pustaka
Misalkan P(A ∪ B) = P(A ∪ B c ) = 0.6. Hitung P(A)!

Pendahuluan
Peubah Acak
Diskusi
Pustaka
Jawab:
P(A ∪ B) = P(A) + P(B) − P(A ∩ B) = 0.6

P(A ∪ B c ) = P(A) + P(B c ) − P(A ∩ B c ) = 0.6
Jumlahkan kedua persamaan tersebut diperoleh
2P(A) + P(B) + P(B c ) − (P(A ∩ B) + P(A ∩ B c )) = 1.2

2P(A) + 1 − P(A) = 1.2
P(A) = 0.2
Note:
P(B) + P(B c ) = 1
P(A ∩ B) + P(A ∩ B c ) = P(A)

Pendahuluan
Peubah Acak Ruang Sampel dan Kejadian
Parameter Distribusi Peluang
Diskusi
Pustaka
Peubah Acak
Peubah acak adalah fungsi yang memetakan anggota ruang sampel
S ke bilangan real. Contoh:
Misalkan dua buah koin dilemparkan. Misalkan X menyatakan

banyaknya sisi muka yang muncul, maka X adalah peubah acak
yang bernilai 0, 1, dan2 dengan peluang munculnya
1
P(X = 0) = P(BB) =
4
1
P(X = 1) = P(MB, BM) =
2
1
P(X = 2) = P(MM) =
4

Pendahuluan
Diskusi
Pustaka
Peubah Acak Diskrit
Peubah acak diskrit merupakan peubah acak yang terdefinisi pada

barisan terhitung dari bilangan {xi , i = 1, 2, . . .} sedemikian hingga
!
[ X
P {X = xi } = P(X = xi ) = 1
i i

Pendahuluan
Diskusi
Pustaka
Fungsi peluang
(
pi , jika x = xi
p(x) = P(X = x) = .
0, lainnya
Fungsi distribusi X
FX (x) = p(xi )
i

Pendahuluan
Diskusi
Pustaka
Distribusi Binomial
Misalkan sebuah percobaan yang keluarannya berupa sebuah

sukses atau sebuah gagal. Misalkan X = 1 jika hasilnya sukses dan
X = 0 jika gagal, maka fungsi peluangnya
p(0) = P(X = 0) = 1 − p
p(1) = P(X = 1) = p
di mana p merupakan peluang sukses dan 0 ≤ p ≤ 1.

Maka X merupakan peubah acak Bernoulli.

Pendahuluan
Diskusi
Pustaka
Jika terdapat n percobaan independen dengan keluaran berupa

sukses dan gagal dan X menyatakan banyaknya sukses yang
diperoleh, maka X berdistribusi Binomial dengan parameter (n, p)
dan fungsi peluangnya

n x
p(x) = p (1 − p)n−x , x = 0, 1, 2, . . .
x

Pendahuluan
Diskusi
Pustaka
Misalkan sebuah mesin pesawat akan rusak dalam penerbangannya

dengan peluang 1 − p, saling bebas antara mesin satu dengan
lainnya. Misalkan pesawat akan terbang dengan sukses jika
setidaknya 50% mesinnya dapat bekerja dengan baik. Untuk p
berapa, sebuah pesawat dengan 4 mesin akan lebih dipilih daripada
pesawat dengan 2 mesin?

Pendahuluan
Diskusi
Pustaka
Peluang bahwa pesawat dengan 4 mesin akan terbang dengan

sukses adalah
P(X ≥ 2) = P(X = 2) + P(X = 3) + P(X = 4)

4 2 2 4 3 4 4
= p (1 − p) + p (1 − p) + p (1 − p)0
2 3 4
= 6p 2 (1 − p)2 + 4p 3 (1 − p) + p 4
Peluang bahwa pesawat dengan 2 mesin akan terbang dengan
sukses adalah
P(X ≥ 1) = P(X = 1) + P(X = 2)

2 2 2
= p(1 − p) + p (1 − p)0
1 2
= 2p(1 − p) + p 2
Pendahuluan
Diskusi
Pustaka
Maka, peluang pesawat dengan 4 mesin akan lebih dipilih daripada

pesawat dengan 2 mesin adalah
6p 2 (1 − p)2 + 4p 3 (1 − p) + p 4 ≥ 2p(1 − p) + p 2
6p(1 − p)2 + 4p 2 (1 − p) + p 3 ≥ 2 − p
3p 3 − 8p 2 + 7p − 2 ≥ 0
(p − 1)2 (3p − 2) ≥ 0
2
p≥
3

Pendahuluan
Diskusi
Pustaka
Distribusi Geometrik
Misalkan percobaan-percobaan yang saling bebas, masing-masing

memiliki peluang sukses p, dilakukan hingga diperoleh sukses
pertama. Misalkan X menyatakan banyaknya percobaan yang
dilakukan untuk mencapai sukses pertama, maka X dikatakan
sebagai peubah acak Geometrik dengan parameter p dan fungsi
peluangnya
P(X = n) = (1 − p)n−1 p, n = 1, 2, . . .

Pendahuluan
Diskusi
Pustaka
Sebuah koin dilemparkan dengan peluang muncul sisi muka sebesar

p, sampai muka pertama muncul. Misalkan N menyatakan
banyaknya pelemparan yang dibutuhkan, asumsikan bahwa
masing-masing pelemparan yang sukses saling bebas. Tentukan
P(N)!

Pendahuluan
Diskusi
Pustaka
N merupakan p.a yang menyatakan banyaknya pelemparan yang

dibutuhkan sehingga muncul sisi muka yang pertama. Maka
P(N = 1) = P(M) = p,
P(N = 2) = P(B, M) = (1 − p)p,
P(N = 3) = P(B, B, M) = (1 − p)2 p,
..
.
P(N = n) = P(B, B, . . . , B, M) = (1 − p)n−1 p, n ≥ 1
Note: muncul B sebanyak n − 1 kali

Pendahuluan
Diskusi
Pustaka
Distribusi Poisson
Sebuah peubah acak X yang bernilai 0, 1, 2, . . . dikatakan peubah

acak Poisson dengan parameter λ, jika untuk λ > 0,
λx
P(X = x) = e −λ , x = 0, 1, 2, . . .
x!
Distribusi Poisson menyatakan banyaknya kejadian yang terjadi
pada suatu selang waktu atau area tertentu.

Pendahuluan
Diskusi
Pustaka
Misalkan banyaknya kesalahan penulisan dalam sebuah halaman

dari suatu buku berdistribusi Poisson dengan parameter λ = 1.
Hitung peluang bahwa terdapat setidaknya satu kesalahan pada
halaman 5!

Pendahuluan
Diskusi
Pustaka
P(X ≥ 1) = 1 − P(X = 0) = 1 − e −1 ≡ 0.633

Pendahuluan
Diskusi
Pustaka
Peubah Acak Kontinu
X merupakan peubah acak kontinu jika terdapat fungsi nonnegatif

f (x), terdefinisi untuk semua bilangan real x ∈ (−∞, ∞) sehingga
Zx
FX (x) = fX (t)dt
−∞
atau
d
fX (x) = FX (x)
dx

Pendahuluan
Diskusi
Pustaka
Distribusi Uniform
Sebuah peubah acak dikatakan berdistribusi Uniform sepanjang

interval (a, b) jika fungsi peluangnya diberikan
(
1
, a<x <b
fX (x) = b−a .
0, x lainnya

Pendahuluan
Diskusi
Pustaka
1

Jika X ∼ U(−1, 1). Tentukan P |X | > 2 !

Pendahuluan
Diskusi
Pustaka
1 1
fX (x) = = , −1 < x < 1
1 − (−1) 2
Maka

1 1 1
P |X | > =P X <− +P X >
2 2 2
−1/2
Z Z1
1 1
= dx + dx
2 2
−1 1/2
−1/2 1
1 1
= x + x
2 −1 2 1/2
1 1 1 1 1
=− + + − =
4 2 2 4 2

Pendahuluan
Diskusi
Pustaka
Distribusi Eksponensial
Sebuah peubah acak kontinu yang memiliki fungsi peluang sebagai

berikut, untuk suatu λ > 0,
(
λe −λx , jika x ≥ 0
fX (x) = .
0, jika x < 0
disebut sebagai peubah acak Eksponensial dengan parameter λ.

Pendahuluan
Diskusi
Pustaka
Misalkan waktu tunggu (dalam menit) antrian di Bank

berdistribusi Eksponensial dengan mean 10. Berapa peluang bahwa
seorang nasabah menunggu lebih dari 15 menit untuk dilayani?

Pendahuluan
Diskusi
Pustaka
P(X > 15) = 1 − P(X ≤ 15)

= 1 − (1 − e −15λ )
1 3
= e −15( 10 ) = e − 2

Pendahuluan
Diskusi
Pustaka
Distribusi Gamma
Sebuah peubah acak kontinu X dengan fungsi peluang

1 −x
fX (x) = α
x α−1 e β , x ≥ 0
Γ(α)β
untuk suatu β > 0, α > 0 dikatakan berdistribusi Gamma dengan

parameter (α, β)

Pendahuluan
Diskusi
Pustaka
Definisi fungsi Gamma:

Z∞
Γ(α) = e −x x α−1 dx
0
Note:
Γ(n) = (n − 1)!
Γ(n + 1) = nΓ(n), n > 0

Pendahuluan
Diskusi
Pustaka
Apa yang dapat kita katakan tentang disribusi Gamma jika α = 1?

Pendahuluan
Diskusi
Pustaka
Misalkan X ∼ Gamma(α = 1, β) maka
1 −x
f (x) = 1
x 1−1 e β
Γ(1) β
1 −x
= e β
β

Maka X ∼ Eksp λ = β1

Pendahuluan
Diskusi
Pustaka
Distribusi Normal
X merupakan peubah acak Normal dengan parameter µ dan σ 2

jika fungsi peluang X diberikan
1 1 x−µ 2
fX (x) = √ e − 2 ( σ ) , ∞ < x < ∞
σ 2π

Pendahuluan
Diskusi
Pustaka
Jumlah (dalam ons) sereal MILO berdistribusi Normal dengan

mean 16.5 dan standar deviasi σ. Jika si pengemas MILO
disyaratkan harus mengisi minimal 90 % kotak sereal MILO dengan
16 ons atau lebih, berapa nilai maksimal dari σ?

Pendahuluan
Diskusi
Pustaka
X ∼ N(16.5, σ 2 )
P(X ≥ 16.5) = 0.9

16 − 16.5 16 − 16.5
P Z≥ =1−P Z ≤ = 0.9
σ σ

−0.5
P Z≤ = 0.1
σ
−0.5
Z≤ = −1.28
σ
σ = 0.390625

Pendahuluan
Peubah Acak
Peubah Acak
Peubah Acak Diskrit
Peubah Acak Kontinu
Diskusi
Pustaka
Ekspektasi
Distribusi Kontinu
Z∞
E (X ) = x fX (x)dx
−∞
Distribusi Diskrit X
E (X ) = x i pi
i

Pendahuluan
Peubah Acak
Peubah Acak
Peubah Acak Diskrit
Peubah Acak Kontinu
Diskusi
Pustaka
Karakteristik ekspektasi:
R∞
E (g (X )) = g (x)f (x) (untuk distribusi kontinu)
−∞
E (cX ) = cE (X ), c konstan
E (aX + b) = aE (X ) + b
E (X1 + X2 + . . . + Xn ) = E (X1 ) + E (X2 ) + . . . + E (Xn )
E (X · Y ) = E (X ) · E (Y ), hanya jika X dan Y saling bebas

Pendahuluan
Peubah Acak
Peubah Acak
Peubah Acak Diskrit
Peubah Acak Kontinu
Diskusi
Pustaka
Misalkan X menyatakan lama (jam) mahasiswa belajar Pengantar

Proses Stokastik dan fungsi peluang X adalah sebagai berikut:
(
x − 2, 2 ≤ x < 3
f (x) = 1
4, 4<x <6
Berapa rata-rata lama waktu mahasiswa belajar Pengantar Proses

Stokastik?

Pendahuluan
Peubah Acak
Peubah Acak
Peubah Acak Diskrit
Peubah Acak Kontinu
Diskusi
Pustaka
Z∞
E (X ) = x f (x) dx
−∞
Z2 Z3 Z4 Z6
1
= x (0)dx + x (x − 2) dx + x (0)dx + x dx
4
−∞ 2 3 4
3 6
1 3 1 2 25
= x − x2 + x =
3 2 8 4 6

Pendahuluan
Peubah Acak
Peubah Acak
Peubah Acak Diskrit
Peubah Acak Kontinu
Diskusi
Pustaka
Variansi
Variansi:
Var (X ) = E [(X − X̄ )2 ] = E (X 2 ) − [E (X )]2
Karakteristik variansi:
Var (cX ) = c 2 Var (X ), c konstan
Pn
Var (X1 + X2 + . . . + Xn ) = Cov [Xi , Xj ]
i,j=1
Var (X1 + X2 + . . . + Xn ) = Var (X1 ) + Var (X2 ) + . . . + Var (Xn ),
hanya jika Xi saling bebas

Pendahuluan
Peubah Acak
Peubah Acak
Peubah Acak Diskrit
Peubah Acak Kontinu
Diskusi
Pustaka
Kovariansi
Kovariansi:
Cov (X , Y ) = E [(X − X̄ )(Y − Ȳ )] = E (XY ) − E (X )E (Y )
Karakteristik kovariansi:
Cov (X , X ) = Var (X )
Cov (X , Y ) = 0, jika X dan Y saling bebas
Cov (X , Y ) = Cov (Y , X )
Cov (X + Y , Z ) = Cov (X , Z ) + Cov (Y , Z )

Pendahuluan
Ekspektasi
Peubah Acak
Variansi
Kovariansi
Diskusi
Pustaka
Diskusi
1. Diketahui 
1
2x, 0 ≤ x ≤ 2

f (x) = 34 , 2 < x < 3 .

0, x yang lain

Tentukan:
a. P X > 14

b. Tentukan F (x)
2. Diketahui fungsi peluang:
f (x) = c(4x − 2x 2 ), 0 < x < 2
Hitung E (X ) pada P 21 < X < 23 .


Pendahuluan
Ekspektasi
Peubah Acak
Variansi
Kovariansi
Diskusi
Pustaka
3. Maskapai penerbangan mengetahui bahwa 5% dari pemesan

tiket tidak datang untuk membeli tiketnya. Dengan alasan ini,
maskapai tidak ragu untuk menjual 52 tiket dengan kapasitas
duduk 50 orang. Berapa peluang ada kursi yang tersedia
untuk setiap pemesan tiket yang datang?

Pendahuluan
Ekspektasi
Peubah Acak
Variansi
Kovariansi
Diskusi
Pustaka
4. Medibank, perusahaan asuransi kesehatan terbesar di

Australia, memiliki polis yang menanggung 100% biaya
kesehatan hingga maksimal 1 juta dolar/th polis. Diketahui
total tagihan kesehatan X /th memiliki fungsi peluang:
x(4 − x)
fX (x) = ,0 < x < 3
9
Jika Y menyatakan total pembayaran yang dilakukan
Medibank, tentukan nilai yang mungkin untuk Y ! Tentukan
ekspektasi dari Y !

Pendahuluan
Peubah Acak
Diskusi
Diskusi
Pustaka
Pustaka
Ross, Sheldon M. 2007. Introduction to Probability Models;

9th Edition. New York: Academic Press.
Syuhada, Khreshna I.A. Materi Kuliah: MA4181 Pengantar
Proses Stokastik. Departemen Matematika ITB, Bandung.
Taylor, Howard M. dan Samuel Karlin. 1975. A First Course
in Stochastic Processes; Second Edition. New York: Academic
Press.
Virtamo, J. 38.143 Queueing Theory/ Probability Theory.

Dasar-Dasar Probabilitas PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Dasar-Dasar Probabilitas PDF

Uploaded by

Copyright:

Available Formats

Pendahuluan

Ruang Sampel dan Kejadian

Pengantar Proses Stokastik

Atina Ahdika, S.Si, M.Si

Atina Ahdika, S.Si, M.Si Pengantar Proses Stokastik

Ruang Sampel dan Kejadian

Percobaan adalah kegiatan yang menghasilkan keluaran/hasil

Atina Ahdika, S.Si, M.Si Pengantar Proses Stokastik

Atina Ahdika, S.Si, M.Si Pengantar Proses Stokastik

Kejadian A dan B bersifat ’mutually exclusive (saling asing)’ jika

Atina Ahdika, S.Si, M.Si Pengantar Proses Stokastik

Partisi Ruang Sampel

Atina Ahdika, S.Si, M.Si Pengantar Proses Stokastik

n(A) : banyaknya keluaran A

n(A) : banyaknya keluaran A

Atina Ahdika, S.Si, M.Si Pengantar Proses Stokastik

4 P(A ∪ B) = P(A) + P(B) − P(A ∩ B)

Atina Ahdika, S.Si, M.Si Pengantar Proses Stokastik

Misalkan P(A ∪ B) = P(A ∪ B c ) = 0.6. Hitung P(A)!

Atina Ahdika, S.Si, M.Si Pengantar Proses Stokastik

P(A ∪ B) = P(A) + P(B) − P(A ∩ B) = 0.6

Jumlahkan kedua persamaan tersebut diperoleh

2P(A) + P(B) + P(B c ) − (P(A ∩ B) + P(A ∩ B c )) = 1.2

Atina Ahdika, S.Si, M.Si Pengantar Proses Stokastik

Misalkan dua buah koin dilemparkan. Misalkan X menyatakan

Atina Ahdika, S.Si, M.Si Pengantar Proses Stokastik

Peubah Acak Diskrit

Peubah acak diskrit merupakan peubah acak yang terdefinisi pada

Atina Ahdika, S.Si, M.Si Pengantar Proses Stokastik

Atina Ahdika, S.Si, M.Si Pengantar Proses Stokastik

Misalkan sebuah percobaan yang keluarannya berupa sebuah

di mana p merupakan peluang sukses dan 0 ≤ p ≤ 1.

Atina Ahdika, S.Si, M.Si Pengantar Proses Stokastik

Jika terdapat n percobaan independen dengan keluaran berupa

Atina Ahdika, S.Si, M.Si Pengantar Proses Stokastik

Misalkan sebuah mesin pesawat akan rusak dalam penerbangannya

Atina Ahdika, S.Si, M.Si Pengantar Proses Stokastik

Peluang bahwa pesawat dengan 4 mesin akan terbang dengan

Maka, peluang pesawat dengan 4 mesin akan lebih dipilih daripada

Atina Ahdika, S.Si, M.Si Pengantar Proses Stokastik

Misalkan percobaan-percobaan yang saling bebas, masing-masing

Atina Ahdika, S.Si, M.Si Pengantar Proses Stokastik

Sebuah koin dilemparkan dengan peluang muncul sisi muka sebesar

Atina Ahdika, S.Si, M.Si Pengantar Proses Stokastik

N merupakan p.a yang menyatakan banyaknya pelemparan yang

Note: muncul B sebanyak n − 1 kali

Atina Ahdika, S.Si, M.Si Pengantar Proses Stokastik

Sebuah peubah acak X yang bernilai 0, 1, 2, . . . dikatakan peubah

Atina Ahdika, S.Si, M.Si Pengantar Proses Stokastik

Misalkan banyaknya kesalahan penulisan dalam sebuah halaman

Atina Ahdika, S.Si, M.Si Pengantar Proses Stokastik

P(X ≥ 1) = 1 − P(X = 0) = 1 − e −1 ≡ 0.633

Atina Ahdika, S.Si, M.Si Pengantar Proses Stokastik

Peubah Acak Kontinu

X merupakan peubah acak kontinu jika terdapat fungsi nonnegatif

Atina Ahdika, S.Si, M.Si Pengantar Proses Stokastik

Sebuah peubah acak dikatakan berdistribusi Uniform sepanjang

Atina Ahdika, S.Si, M.Si Pengantar Proses Stokastik

Atina Ahdika, S.Si, M.Si Pengantar Proses Stokastik

Atina Ahdika, S.Si, M.Si Pengantar Proses Stokastik

Sebuah peubah acak kontinu yang memiliki fungsi peluang sebagai

disebut sebagai peubah acak Eksponensial dengan parameter λ.

Atina Ahdika, S.Si, M.Si Pengantar Proses Stokastik