Probabilitas bukan hanya istilah matematika yang terkubur dalam buku teks. Ini adalah variabel yang mengukur dengan tepat seberapa yakin Anda bahwa suatu peristiwa akan terjadi. Anggap saja sebagai rasio. Anda mengambil jumlah kasus yang mendukung hasil Anda dan membaginya dengan jumlah total kemungkinan kasus. Penyebut itu mencakup setiap kemungkinan, menguntungkan atau tidak.
Hasilnya biasanya berada pada kisaran tertentu. Seringkali, Anda akan melihat probabilitas dinyatakan sebagai nilai antara 0 dan 1. Skor 0,5 berarti pembagian genap. Skor 0,328 lebih spesifik, menunjukkan peluang lebih rendah. Anda mungkin juga melihat ini diubah menjadi persentase. 70% dan 41,5% hanyalah cara berbeda untuk mengatakan hal yang sama tentang kemungkinan. Namun terkadang, orang lebih suka bekerja dengan angka tertentu. Menghitung probabilitas lebih dari sepuluh, seribu, atau satu juta kejadian dapat membuat abstrak terasa lebih konkret.
Cara umum lainnya untuk melihat probabilitas adalah sebagai pecahan. Angka teratas, atau pembilang, menunjukkan kasus yang menguntungkan. Angka terbawah, atau penyebut, mencakup semua kemungkinan hasil. Struktur ini memudahkan untuk memvisualisasikan peluang.
Probabilitas adalah hubungan antara kasus yang menguntungkan dan total kemungkinan kasus, termasuk kasus yang tidak menguntungkan Anda.
Kerangka kerja ini berlaku untuk segala hal mulai dari melempar koin hingga memprediksi pola cuaca. Memahami mekanisme dasar membantu Anda mengatasi kebisingan. Anda berhenti menebak-nebak dan mulai menghitung.
Memahami Dasar-Dasar Probabilitas: Dari Dadu hingga Kehidupan Sehari-hari
Pertimbangkan peluang melempar kombinasi tertentu dengan dua dadu standar bersisi enam. Anda memerlukan angka 1 dan 4. Perhitungan matematika mengatakan hanya ada satu cara pasangan spesifik ini dapat terjadi dari total 36 kemungkinan. Kemungkinannya sekitar 2,78%. Bandingkan dengan melempar satu dadu dan mendapatkan angka 1. Peluangnya melonjak menjadi 1 dalam 6, atau sekitar 16,7%. Sederhana.
Probabilitas mencapai batas ekstremnya. Probabilitas 0 berarti sesuatu tidak dapat terjadi. Probabilitas 1 berarti terjadi selalu. Bayangkan hamparan bunga dengan bunga mekar biru, merah, dan putih. Mencabut bunga kuning itu mustahil karena tidak ada. Kemungkinannya adalah 0. Jika setiap bunga di hamparan itu berwarna kuning, mencabut satu bunga menjamin hasil kuning. Kemungkinannya menjadi 1.
Konsep ini berada di persimpangan antara matematika dan statistik, khususnya untuk mempelajari fenomena acak. Ini bukan hanya untuk ruang kelas. Ekonom menggunakannya untuk tren pasar. Dokter menggunakannya untuk mengukur efektivitas pengobatan. Fisikawan mengandalkannya untuk perilaku partikel. Psikolog menerapkannya pada pola perilaku. Ini adalah alat yang kami gunakan untuk mengukur kepastian. Kami menggunakannya untuk menilai risiko dalam keputusan bisnis. Kami menggunakannya untuk memprediksi prakiraan cuaca.
Ide tersebut tidak muncul begitu saja. Ini muncul pada tahun 1654 melalui korespondensi antara matematikawan Pierre de Fermat dan Blaise Pascal. Mereka meletakkan dasar untuk menganalisis peluang. Belakangan, tokoh-tokoh seperti Sebastián de Rocafull, Jakob Bernoulli, dan Abraham de Moivre memperluas fondasi tersebut. Mereka mendefinisikan metode untuk menghitung probabilitas ini dengan cermat.
Cara Menghitung Probabilitas Menggunakan Aturan Laplace
Metode yang paling umum adalah Aturan Laplace. Itu bergantung pada rumus sederhana:
$$P = \frac{X}{N}$$
Di sini, P mewakili probabilitas suatu peristiwa. X adalah jumlah hasil yang menguntungkan. N adalah jumlah total hasil yang mungkin.
Mari kita terapkan ini pada sebuah dadu bersisi enam. Anda ingin mengetahui peluang munculnya angka 2 atau 3. Dadu mempunyai enam sisi, jadi N = 6. Angka target Anda adalah 2 dan 3. Itu adalah dua hasil yang menguntungkan, jadi X = 2.
Masukkan ke dalam persamaan:
$$P = \frac{2}{6} \kira-kira 0,3333$$
Nilai desimal ini berada di antara 0 dan 1. Agar lebih intuitif, ubahlah menjadi persentase. Kalikan dengan 100.
$$0,3333 \kali 100 = 33,33\%$$
Jadi, Anda memiliki peluang 33,33% untuk mendapatkan angka 2 atau 3.
Namun bagaimana jika Anda ingin mengetahui kemungkinan Anda tidak mendapatkan angka 2 atau 3? Ada rumus khusus untuk kejadian komplemen:
$$P(Y) = 1 – P(X)$$
P(Y) adalah probabilitas kejadian tersebut tidak terjadi. P(X) adalah probabilitasnya. Menggunakan contoh kami sebelumnya:
$$P(Y) = 1 – 0,3333 = 0,6666$$
Konversikan ke persentase, dan Anda mendapat peluang 66,66% bahwa angka 2 atau 3 tidak akan muncul. Ini masuk akal. Jika salah satu hasil mempunyai peluang 33%, maka alternatifnya harus menutupi sisa ruang.
Metode Lanjutan: Probabilitas Gabungan dan Bersyarat
Aturan Laplace inilah yang kita sebut probabilitas klasik atau sederhana. Ini mengasumsikan semua hasil memiliki kemungkinan yang sama. Kehidupan nyata lebih berantakan. Terkadang Anda perlu menghitung probabilitas gabungan.
Probabilitas gabungan bertanya: berapa peluang terjadinya dua peristiwa terpisah secara bersamaan? Rumusnya adalah:
$$P(X \cap Y) = P(X) \kali P(Y)$$
Ambil setumpuk kartu standar. Berapa peluang terambilnya Wajik DAN angka 3?
Peluang munculnya Berlian adalah 1 berbanding 4, atau 0,25.
Peluang munculnya angka tertentu (seperti 3) adalah 1 berbanding 13.
Lipat gandakan:
$$0,25 \kali \frac{1}{13} \kira-kira 0,01923$$
Itu adalah peluang 1,923%. Jarang terjadi, namun dapat diperhitungkan.
Lalu ada probabilitas bersyarat. Ini berbeda. Di sini, kita menghitung probabilitas suatu peristiwa jika peristiwa lain telah terjadi. Rumusnya menyesuaikan dengan ruang sampel baru yang diperkecil:
$$P(X | Y) = \frac{P(X \cap Y)}{P(Y)}$$
Bayangkan sekelompok teman. 55% menyukai film horor. 20% menyukai film horor dan fiksi ilmiah. Anda memilih seseorang secara acak yang menyukai horor. Berapa kemungkinan mereka juga menyukai fiksi ilmiah?
Anda mengambil probabilitas gabungan (20%) dan membaginya dengan probabilitas kondisi (55%):
$$\frac{20}{55} \kira-kira 0,3636$$
Dikonversi menjadi persentase, peluangnya adalah 36,36%. Jumlah kandidat potensial menyusut dari “semua orang” menjadi “hanya penggemar horor”.
Perhitungan ini bukan sekedar latihan abstrak. Hal ini menentukan cara kita menafsirkan data dalam dunia kedokteran, cara kita menentukan harga asuransi, dan cara kita memahami keacakan dunia. Matematikanya kaku. Aplikasinya ada dimana-mana.
Cara menghitung probabilitas: 3 contoh dunia nyata
Probabilitas bukan hanya matematika abstrak. Ini adalah alat untuk mengetahui peluang dalam kehidupan nyata. Anda menggunakannya saat menebak hasil permainan. Anda menggunakannya saat menganalisis pola cuaca. Memahami mekanisme di balik angka-angka membantu Anda membuat keputusan yang lebih baik. Mari kita uraikan tiga skenario umum untuk melihat cara kerja matematika sebenarnya.
Skenario tebakan tunggal
Bayangkan dua kapten tim sepak bola mencoba memilih pasukannya. Mereka membutuhkan cara yang adil untuk memutuskan siapa yang memilih terlebih dahulu. Salah satu kapten meminta pihak netral untuk memikirkan angka antara 1 dan 10. Kapten lainnya harus menebak angka tersebut dalam satu kali percobaan. Apa kemungkinannya?
Perhitungannya mudah di sini. Ada sepuluh kemungkinan hasil. Pihak netral hanya memilih satu. Oleh karena itu, hanya ada satu hasil yang menguntungkan.
Menggunakan rumus probabilitas dasar:
P = 1/10 = 0,1
Artinya 10%. Kapten pertama mempunyai peluang kecil untuk segera menyelesaikannya dengan benar.
Namun probabilitasnya berubah seiring berjalannya permainan. Misalkan kapten melakukan kesalahan sebanyak lima kali. Mereka menghilangkan lima nomor dari kumpulan. Sekarang, hanya empat angka yang tersisa. Partai netral masih memegang satu nomor saja.
Perhitungan baru mengubah lanskap:
P = 1 / 4 = 0,25 → 25%
Peluangnya menjadi dua kali lipat hanya karena kemungkinannya menyusut. Hal ini menggambarkan konsep kunci: probabilitas bersifat dinamis. Ini diperbarui berdasarkan informasi baru.
Menggabungkan acara independen
Sekarang pertimbangkan skala yang lebih besar. Sebuah undian menarik satu pemenang dari kelompok yang terdiri dari 25 orang. Hadiahnya berupa jam tangan, kalung, sebotol wine, dan ponsel. Setiap hadiah mempunyai peluang yang sama. Berapa peluang spesifik satu orang menang dan mendapatkan anggur?
Hal ini memerlukan melihat dua peristiwa terpisah yang terjadi bersamaan. Pertama, Anda harus menjadi pemenangnya. Peluang terpilih dari 25 orang adalah 1 banding 25. Kedua, jika Anda menang, Anda harus mendapatkan hadiah khusus. Ada empat hadiah. Peluang mendapatkan anggur adalah 1 berbanding 4.
Kami menggunakan rumus probabilitas gabungan untuk mencari titik potong dari kejadian-kejadian ini:
P(X ∩ Y) = (1/25) x (1/4)
P = 0,04 x 0,25 = 0,01
Hasilnya 1%. Jarang sekali hasil tertentu terjadi dari kelompok tertentu. Anda harus mengalikan peluang setiap langkah untuk melihat kemungkinan sebenarnya.
Memahami probabilitas bersyarat
Data cuaca menawarkan penerapan praktis lainnya. Lihatlah prakiraan cuaca di kota tertentu pada bulan April. Pada bulan ini, hujan turun pada 14 dari 30 hari. Dari hari hujan tersebut, 5 hari juga mengalami badai. Pertanyaannya bukanlah “seberapa besar kemungkinan terjadinya hujan?” melainkan “mengingat saat ini sedang hujan, seberapa besar kemungkinan terjadinya badai?”
Ini adalah probabilitas bersyarat. Kami membatasi ruang sampel kami hanya pada hari-hari hujan. Kami mengabaikan 16 hari tidak hujan. Mereka tidak penting untuk pertanyaan khusus ini.
Pertama, mari kita lihat persentase mentah untuk mengetahui konteksnya. Hujan terjadi 46,7% sepanjang waktu (14/30). Badai terjadi 16,7% sepanjang waktu (30/5). Namun kita tidak membutuhkan total bulan untuk menjawab pertanyaan tersebut. Kita membutuhkan rasio badai dalam hari-hari hujan.
Rumusnya menggunakan probabilitas kedua kejadian (badai DAN hujan) dibagi dengan probabilitas kondisi (hujan):
P(Badai | Hujan) = P(Badai dan Hujan) / P(Hujan)
Karena hari-hari “badai dan hujan” adalah bagian dari hari-hari “hujan”, kita dapat menyederhanakannya menjadi menghitung hari:
P = 5/14 ≈ 0,358
Atau 35,8%.
Artinya, jika Anda melihat ke luar jendela dan melihat hujan, kira-kira ada satu dari tiga kemungkinan akan disertai badai. Kemungkinannya jauh lebih tinggi dibandingkan jika Anda hanya melihat data cuaca sebulan penuh.
Mengapa perbedaan ini penting
Mengetahui rumus mana yang harus diterapkan mencegah kesalahan perhitungan. Jika Anda memperlakukan peristiwa dependen sebagai peristiwa independen
