TM 4
Probabilitas & distribusi probabilitas:
Binomial, Poison

Konsep Dasar Probabilitas

Hukum/Asas Probabilitas

Distribusi Probabilitas

Contoh: probabilitas yang rendah menunjukkan kecilnya kemungkinna suatu peristiwa akan terjadi

Pandangan Klasik/Intuitif

Dasar logika dari proses pengambilan inferensi statistik tentang suatu populasi dengan analisis data sampel

Pandangan Empiris / Probabilitas Relatif

Teori peluang merupakan dasar dari statistik analitik karena dari sampel yang ada diperlukan langkah untuk generalisasi

Pandangan Subjektif

Probabilitas = Peluang untuk munculnya suatu kejadian (event)

Unsur Probabilitas

3 Peristiwa Dasar

Interaksi dua peristiwa A dan B

Komplemen peristiwa A

Union peristiwa A dan B

Himpunan semua elemen yang ada di dalam himpunan A maupun B, ditulis A u B


Himpunan semua elemen yang tidak ada di dalam A, ditulis Ac

Himpunan semua elemen yang ada di dalam A dan juga B, ditulis A n B

Harga angka yang menunjukkan seberapa besar kemungkinan suatu peristiwa terjadi, diantara keseluruhan peristiwa yang mungkin terjadi

Contoh

Pengambilan kartu:

Pelemparan dadu:

Probabilitas terambilnya kartu ‘As’ dari kartu yang ada adalah = 4/52

Probabilitas terambil kartu ‘Hati’ dari kartu yang ada adalah= 16/52

Probabilitas munculnya angka 6 dari pelemparan satu dadu adalah = 1/6

Probabilitas munculnya angka 3 atau 4 dari pelemparan dua dadu adalah = 1/6 + 1/6 = 2/6

Hubungan antara pandangan klasik dan empiris

Contoh

Berdasarkan observasi, pengalaman, pengamatan, atau kejadian (peristiwa) yang telah terjadi

Probabilitas Empirik

Dari 10.000 hasil produksi, 100 rusak  P(rusak) = 1%

Distribusi relatif

Pelemparan 100x koin  59x keluar sisi A 
P(A) = 59/100 = 59%

Jika diambil secara acak satu orang probabilitas untuk terambil satu orang yang punya upah 200-499 rb = P(200-499) = 0,3

P (E) = lim X / N

P (E) = lim X / N dan P (E) = lim X / N besarnya sama jika N tak terhingga

Jumlah kejadian yang muncul / Total observasi

Contoh

Probabilitas bayi BBLR untuk meninggal = 25/200

Probabilitas bayi BBLR untuk hidup = 175/200

Probabilitas bayi non BBLR untuk meninggal = 40/800

Probabilitas bayi non BBLR untuk hidup = 760/800

Kebenarannya sangat tergantung oleh yang membuat pernyataan

Kemungkinan untuk munculnya suatu kejadian diperkirakan berdasarkan asumsi-2 tertentu atau pengalaman subjektif dari seseorang


Ditentukan oleh pembuat pernyataan (dugaan)

Contoh

Seorang buruh meyakini kalau ada kesempatan untuk pendidikan lanjut, yang akan dikirim adalah dirinya (diyakini 95%)

Direktur RS menyatakan keyakitan 90% bahwa RS yang dipimpin akan dapat BEP 5 tahun ke depan

Titik Sampel

Peristiwa/Kejadian/Event

Ruang Sampel

Contoh

Himpunan yang elemen-elemennya merupakan hasil yang mungkin terjadi dari suatu eksperimen.

S = (a1, a2, a3, a4, … an)

Semua elemen yang ada di dalam suatu ruang sampel.

a1, a2, a3, a4, … an

Himpunan bagian dari suatu ruang sampel, ditulis dengan huruf besar A, B, dst dan dituliskan peristiwa yang mungkin muncul dalam hasil.

A = hasil yang diterima {a1, a3}


Hasil

Ruang sampel

Eksperimen

Peristiwa

pelemparan sebuah dadu

mata dadu yang tampak

S = (1, 2, 3, 4, 5, 6)

A titik ganjil yang tampak {1, 3, 5}

B titik genap yang tampak {2, 4, 6}

Hukum penjumlahan

Hukum perkalian

Hukum komplemen

Permutasi – Kombinasi

Nilai probabilitas suatu peristiwa antara 0 dan 1

0≤P(A) ≤1 atau P (X/N) : Positif

Misal: sehat – sakit

Peristiwa yang tidak terjadi dalam peristiwa A

Lawan peluang

Contoh

P(komplemen A) = P(tidak terjadinya A) = 1- P(A)

P (A') = 1-P (A)

P(BBLR) = 200/1000 = 0.2
P(BBLR') = 1 - P(BBLR)
= 1 - 0,2
= 0,8

Mutually Exclusive

Non Mutually Exclusive

Saling meniadakan, tidak ada irisan

Peristiwa saling terpisah (disjoint)

Satu peristiwa terjadi akan meniadakan peristiwa lain untuk terjadi

Rumus

Kejadian yang tidak mungkin terjadi secara bersamaan

Contoh

P (A u B) = P (A) + P (B)

Kelahiran anak laki/perempuan pada ibu dengan kehamilan Tunggal

Permukaan dadu

Permukaan sebuah koin = saling meniadakan

Berapa peluang munculnya angka 3 atau 6?

P (3 atau 6) = (1/6) + (1/6) = 2/6

P (A n B) = 0

Contoh

Berapa peluang munculnya angka 3 dan 6?

0 (tidak mungkin)

Gabungan antar peristiwa

Rumus

Dua peristiwa atau lebih dapat terjadi bersama-sama (tetapi tidak selalu bersama)

Contoh

P (A u B) = P (A) + P (B) – P (A n B)

P (A n B) = P (A) x P (B)

Seorang laki-laki dan dokter

Terdapat 21 mahasiswa kesehatan masyarakat yang terdiri dari 2 kelompok (12 mahasiswa K3 dan 9 mahasiswa AKK). Dari 12 mahasiswa K3 (4 laki-laki, 8 perempuan), dan dari 9 mahasiswa AKK (3 laki-laki, 6 perempuan). Bila diambil seorang mahasiswa, hitung peluang:


Penarikan kartu as dan wajik

Yang terpilih mahasiswa K3 atau AKK

Yang terpilih mahasiswa K3 atau Perempuan

kasus mutually:
P (K3 atau AKK) = 12/21 + 9/21 = 1

:kasus non mutually:
P (K3 atau wanita) = 12/21 + 14/21 – (12/21 x 14/21)

P(A u B) = P(A) + P(B) + P(C) - P(A n B) - P(AnC) - P(BnC) + P(A n BnC)

Golongan darah

Mutually Exclusive:
P (Gol. O atau B) = P(O) + P(B)
= 0.42 + 0.11 = 0.53

Non-Mutually Exclusive
P (Lk atau gol.O) = P(lk) + P(O) - P(lk dan O)
= 0.5 + 0.42 – 0.21 = 0.71

Kejadian Independent

Kejadian Non Independent

Tidak mempengaruhi peristiwa lain

Rumus

Untuk mengetahui probabilitas peristiwa joint (intersect = irisan) antara dua peristiwa

Contoh

Kejadian yang tidak saling berkaitan antara satu sama lain

Joint Probabilitas & Marginal Probabilitas

Kejadian bebas

P (A n B) = P (A) x P (B)

Kejadian Independent :
Prob (Lk dan gol.O) = (Prob. Lk x Prob. Gol. O)
= 0.5 x 0.42 = 0.21

Dalam kehidupan sehari-hari dua variabel yang elemennya join (kejadian joint / patungan / irisan / interaksi) bisa disusun dalam tabel kontingensi (tabel silang)

Conditional probabilitas (kejadian bersyarat)

Simbol peristiwa bersyarat = P (B|A), yaitu probabilitas B pada kondisi A

(prob.marginal x prob.marginal bukan sama dengan prob.joint)

Rumus

Kejadian yang saling berkaitan antara satu sama lain

Contoh

Kejadian tidak bebas

P (A n B) = P (A) x P (B|A)

P (A n B) = P (A|B) x P (B)

Kejadian non independent

P(Meninggal dan BBLR) = P(Meninggal | BBLR) P(BBLR)
= 25/200
200/1000 = 25/1000

P(Meninggal dan BBLR) = P(BBLR| Meninggal ) P(Meninggal)
= 25/65
65/1000 = 25/1000

Permutasi

Kombinasi

Jumlah susunan/parmutasi dari n objek, jika setiap kalinya diambil r objek adalah


nPr = n! / (n-r)!

Contoh

Suatu kumpulan objek yang memperhatikan urutan objek tersebut
(ABC disusun 2 huruf = 6 susunan parmutasi)
= AB, AC, BC, BA, CA, CB

P = jumlah permutasi
n = banyaknya objek
r = jumlah anggota pasangan
! = faktorial (3! = 3x2x1), 0! = 1, 1! = 1

Berapa banyak susunan password yang bisa dibuat dari angka 0-9 jika satu password terdiri dari 4 digit

Diketahui: n =10, r = 4
10P4 = 10! / (10-4)!
= 10! / 6!
= 10x9x8x7x6x5x4x3x2x1 / 6x5x4x3x2x1
= 5.040

Jumlah susunan/kombinasi dari n objek, jika setiap kalinya diambil r objek adalah


nCr = n! / r! (n-r)!

Contoh

Suatu kumpulan objek yang tidak mempersyaratkan urutan objek tersebut
(Dari 3 buah buku A,B,C dipilih 2 buku = hanya ada 3 susunan kombinasi dari buku tersebut
= AB, AC, BC

C = jumlah kombinasi (yang urutannya tidak penting)
n = banyaknya objek
r = jumlah anggota pasangan

Dari 7 buku referensi Biostatistik, mahasiswa diwajibkan untuk membeli 3 buah buku, berapa banyak kombinasi buku yang bisa dipilih oleh mahasiswa?

Diketahui: n =7, r = 3
7C3 = 7! / (7-3)! x 3!
= 7! / (4! x 3!)
= 7x6x5x4x3x2x1 / 4x3x2x1 x 3x2x1
= 35

Data Diskrit:

Data Kontinu:

Jika kita mengetahui keseluruhan probabilitas dari kemungkinan outcome yang terjadi, seluruh probabilitas kejadian akan membentuk distribusi probabilitas

Distribusi Binomial

Kunci aplikasi probabilitas statistik = memperkirakan terjadinya probabilitas yang dihubungkan dengan terjadinya peristiwa dalam beberapa keadaan

Distribusi Poisson

Normal (Gauss / Z)

Binomial (Bernaulli)

Poisson

Student (“t” W Gosset)

Fisher (F)

Chi Square (X2)

Bernaulli memiliki 4 syarat

Dalam distribusi binomial, trial independent adalah setiap trial atau peristiwa bebas satu sama lain. Misal: trialnya adalah melemparkan (melambungkan) satu koin 5 kali, antara lambungan pertama, kedua, ketiga, sampai kelima adalah kejadian yang independen

Kedua outcome adalah independent

Rumus

Outcome dua hasil : Dikotomous (yes/no, positif/negatif, sukses/gagal)

Contoh

Penemu: James Bernaulli

1) Jumlah trial merupakan bilangan bulat

2) Setiap eksperimen mempunyai 2 outcome (hasil), yaitu sukses dan gagal

3) Peluang sukses sama setiap eksperimen

4) Setiap eksperimen independent satu sama lain

Kejadian disimbolkan b (x, n, p)

image

p dan q selalu konstan

P (x,n) = B = probabilitas munculnya x sukses dari n percobaan
n = jumlah percobaan
x = r = jumlah sukses
n-x = n-r = jumlah gagal
p = probabilitas sukses dalam setiap percobaan
q = 1 - p = probabilitas tidak sukses

Probabilitas seorang bayi tidak diimunisasi polio adalah 0,2 (p). Pada suatu hari, di puskesmas Mawar ada 4 orang bayi. Hitung peluang bayi tersebut 2 orang belum diimunisasi polio.

Jawab:
Termasuk kejadian binomial
B (x=2, n=4, p=0,2)
B (x, n, p) = 4! / 2! (4-2)! x 0,22 x 0,82
= 4x3x2x1 / 2x1 x 2x1 x 0,04 x 0,64
= 0,154


Outcome = Jumlah kejadian per satuan waktu/keadaan

Sebagai perkiraan (approximate) dari distribusi binomial pada kejadian yang jarang terjadi (p < 0.1) dan n yang besar


Jika suatu kejadian dengan probabilitas p <<< dan menyangkut kejadian yang luas n >>>, maka distribusi binomial tidak mampu lagi menentukan peluang variabel diskrit tersebut

Contoh

Dalam distribusi binomial dihadapkan pada probabilitas variabel random diskrit yang jumlah trialnya kecil


Rumus

Di suatu gerbang tol dilewati ribuan mobil dalam satu hari akan terjadi kecelakaan dari sekian banyak mobil yang lewat

image

P (x) = probabilitas munculnya x sukses dari n percobaan
e = 2,7183
y = μ = m = n.p = rata-rata terjadinya suatu peristiwa
p = probabilitas sukses dalam setiap percobaan
x = variabel random diskrit (1, 2, …x)


Contoh

Probabilitas terjadi shok pada imunisasi meningitis dengan vaksin meningitis adalah 0,0005. di suatu kota, jumlah orang yang dilakukan vaksin sebanyak 4.000. hitung peluang tepat tiga orang akan terjadi shok

Diket: n = 4.000; p = 0,0005; x = 3
y = n.p = 4.000 x 0,0005 = 2
P (x=3) = 2^3 x 2,7183^-2 / 3x2x1
= 0,1804