TEORI PROBABILITAS MMA 10211.

Slides:



Advertisements
Presentasi serupa
PEMBERIAN ALASAN DI BAWAH KETIDAKPASTIAN
Advertisements

Kuliah ke 2 sifat-sifat analisis regresi
PROBABILITAS BERSYARAT DAN EKSPEKTASI BERSYARAT
TEORI GRAF Graf adalah suatu diagram yang memuat informasi tertentu jika diinterpretasikan secara tepat. Misalkan: bentuk struktur organisasi, diagram.
DISTRIBUSI TEORETIS.
Pembangkit Random Number. Definisi _1 (i). Himp. Semua hasil yang mungkin dari suatu eksperimen dan dinyatakan dengan S. (i). Himp. Semua hasil yang mungkin.
Pembangkit Random Variate
Beda Setangkup (Symmetric Difference)
RANDOM VARIATE DISTRIBUSI DISKRIT
Pemberian Alasan Di bawah Ketidakpastian
Part 2 Menghitung Probabilitas
PELUANG.
Probabilitas dan Teori Keputusan
VARIABEL ACAK DAN NILAI HARAPAN
PROBABILITAS BERSYARAT
Matematika Diskrit bab 2-Himpunan
Modul 4 : Probabilitas.
Didin Astriani Prasetyowati, M.Stat
Probabilitas dan Teori Keputusan
STATISTIKA PROBABILITAS
Modul VII. Konsep Dasar Probabilitas
D0124 Statistika Industri Pertemuan 7 dan 8
Bahan kuliah Matematika Diskrit
TEORI PROBABILITAS.
Matematika Diskrit bab 2-Himpunan
Random Variate Distribusi Kontinu dan Diskrit
KONSEP DASAR PROBABILITAS
KONSEP DASAR PROBABILITAS
KONSEP DASAR PROBABILITAS
MODUL PERKULIAHAN SESI 1
Matematika Diskrit Dr.-Ing. Erwin Sitompul
TEORI PROBABILITAS.
STATISTIKA LINGKUNGAN
Materi Pasca UTS Pengantar Probabilitas (1 )
KONSEP DASAR PROBABILITAS
PROBABILITAS Hartanto, SIP, MA
PROBABILITAS.
PROBABILITAS (Aturan Dasar Probabilitas)
PENALARAN DENGAN KETIDAKPASTIAN
MODUL PERKULIAHAN SESI 1
TEORI PROBABILITAS.
LIMIT Definisi Teorema-teorema limit Kekontinuan fungsi Iyan Andriana.
Teori Peluang dan Aturan Penjumlahan
Peluang Diskrit.
Nama Matakuliah : Proses Stokastik
Bab 2. LIMIT 2.1. Dua masalah fundamental kalkulus Garis Tangen 2.3. Konsep Limit 2.4. Teorema Limit 2.5. Konsep kontinuitas.
Pembangkit Random Number
Tutun Juhana Review probabilitas Tutun Juhana
Tutun Juhana Review probabilitas Tutun Juhana
KONSEP DASAR PROBABILITAS
KONSEP DASAR PROBABILITAS
LESSON 5.
4 Probabilitas Peluang Bersyarat Kejadian Saling Bebas
MATAKULIAH MATEMATIKA [Pertemuan 2]
PROBABILITAS.
BAB XII PROBABILITAS (Aturan Dasar Probabilitas) (Pertemuan ke-27)
LIMIT.
KETERBAGIAN (LANJUTAN)
08 TEORI PROBABILITAS Konsep Dasar Probabilitas Bethriza Hanum ST., MT
PELUANG.
PROBABILITAS BERSYARAT
KONSEP DASAR PROBABILITAS
Random Variate Distribusi Kontinu dan Diskrit
Konsep probabilitas Sebuah Eksperimen akan menghasilkan sesuatu yang tidak dapat diperkirakan sebelumnya      Sekumpulan hasil eksperimen  ruang sampel.
Probabilitas dan Statistik
KONSEP DASAR PROBABILITAS
1 Himpunan Bahan kuliah Matematika Diskrit. 2 Definisi Himpunan (set) adalah kumpulan objek-objek yang berbeda. Objek di dalam himpunan disebut elemen,
1. TEORI PENDUKUNG 1.1 Pendahuluan 1.2 Variabel acak
Sifat – sifat probabilitas kejadian A
1 Himpunan Bahan kuliah IF2091 Struktur Diskrit. 2 Definisi Himpunan (set) adalah kumpulan objek-objek yang berbeda. Objek di dalam himpunan disebut elemen,
Transcript presentasi:

TEORI PROBABILITAS MMA 10211

Ingatkan kembali -aljabar – Teori Ukur - Probabilitas

-aljabar – teori ukur - probabilitas Himp X : himp hasil yg dimungkinkan (i.e ruang sampel), selanjutnya ditulis dengan . Himp ini disebut dg himp fundamental     Himp Σ : keluarga sub-sub himp yg dibangkitkan X (i.e σ-aljabar), diinterpretasikan sbg himp kejadian. Himp Σ selanjutnya ditulis sbg F, atau juga ditulis sebagai (‘a bulat’ untuk menandakan sebagai σ-aljabar ) Fungsi (i.e ukuran) μ, diinterpretasikan sbg fungsi probabilitas, yang ditulis sbg P

Kerangka dasar pembicaraan  : himp fundamental himp yang menjadi DASAR proses yg akan dilakukan selanjutnya Kerangka dasar pembicaraan Konteks pembicaraan Semesta ?

-aljabar – teori ukur - probabilitas Perhatikan tripel (i.e 3-tupel) berikut: (X, Σ , μ) himp σ-aljabar ukuran (, F, P) ruang sampel himp kejadian probabilitas

Dalam ruang prob (, F, P) Probabilitas Aksioma Kolmogorov : P(E)  0  E  F, dg F : ruang kejadian P() = 1 P(E1E2  …. ) = ,Ei Ej = , ij (σ-aditif) Akibat: P(AB) = P(A) + P(B) – P(AB)

Kenapa Kolmogorov membuat aksioma tsb ?

Tentu saja, dia memperkenalkan dahulu teori ukur Dengan adanya aksioma, maka .. Kita dapat menurunkan sifat-sifat, teorema-teorema, .. yg sebelumnya dianggap saja benar ? Tentu saja, dia memperkenalkan dahulu teori ukur

(i) Jika A B, maka P(A)  P(B) (ii) P(AB)  P(A) + P(B) Dari akibat di atas. (i) Jika A B, maka P(A)  P(B) (ii) P(AB)  P(A) + P(B) Perluasan (prinsip eksklusi-inklusi): P( \ E) = 1- P(E) Prob tdk terjadinya suatu kejadian adalah 1 – prob terjadinya kejadian tsb. Tugas / Latihan : , F, P

 = {x1, x2, ….. }, xi : kejadian elementer Diskrit:  = {x1, x2, ….. }, xi : kejadian elementer xi   berhub dgn prob f(xi), yg memenuhi f(x)  [0, 1]  x  = 1 Unt kejadian berupa subhimp E dari ruang sampel , P(E) = f(xi) = pi ; xi = i f : fs massa prob = pmf

x   berhub dgn prob f(x), yg memenuhi f(x)  0  x Kontinu x   berhub dgn prob f(x), yg memenuhi f(x)  0  x Dlm hal f: RR, dlm interval [a, b] f : fs densitas prob = pdf f : Lebesque integrable

Dlm ruang prob (Ω, F, P), ukuran P : ukuran prob jika : P non negatif P (Ω) = 1 Jika F : -aljabar Borel, maka terdpt suatu ukuran prob pada F (i.e F) Prob himp E dalam -aljabar F adalah P(E) =

….. Sampai di sini, sudahkan Anda tahu bhw dlm kuliah sarjana dahulu, f : fungsi (diskret) prob, memenuhi f(xi)  0, dan Untuk f kontinu, proses perampakan (generalisasi) dapat dilakukan ?

Probabilitas Bersyarat Dlm ruang prob (Ω, F, P) dan 2 kejadian A dan B (dg P(B) > 0), prob bersyarat.dari A dengan diberikannya B adalah Jika AB = , maka P(A|B) = P(A). sehingga P(AB) = P(A).P(B), P(B|A) = P(B) (i.e B bebas dari A). Benarkah ?

Probabilitas Bersyarat Dlm ruang prob (Ω, F, P) dan 2 kejadian A dan B (dg P(B) > 0), prob bersyarat dari A dengan diberikannya B adalah Jika A dan B saling bebas, maka P(A|B) = P(A). sehingga P(AB) = P(A).P(B), P(B|A) = P(B) (i.e B bebas dari A).

Probabilitas Bersyarat Kembali pada pertanyaan: Dari mana Teorema ? Perlu bukti Menggunakan teori ukur ? Menggunakan aksionma Kolmogorov ?. Definisi ?

Probabilitas Bersyarat Contoh sederhana : .. ……. Adakah perbedaan saling lepas, saling bebas Prob bersyarat P(A|B) = ….. Dapatkah ditunjukkan dgn pendekatan intuitif ? Demikian juga, A dan B saling bebas, P(A|B) = P(A)

Formula Bayes: Unt n kejadian H1, H2, …., Hn yg membentuk partisi thp  : Hi  Hj = , ij, dan H1H2 …Hn=  dan suatu kejadian lain A, Prob P(Hk | A) (i.e prob posteriori dari Hk ), Tugas : Buktikan !

Latihan : Tujuan : - mengulang kembali apa yg telah diperoleh di S1 -memperkokoh pemahaman

Pertanyaan : Dapatkah Anda menjelaskan hubungan antara: -aljabar – teori ukur – probabilitas aksioma Kolmogorov fungsi probabilitas (diskret – kontinu) probabilitas bersyarat ?