Professional Documents
Culture Documents
Hendrawan hend@telecom.ee.itb.ac.id
Terminologi
Teori Probabilitas didasarkan pada konsep dari suatu eksperimen random Random fenomena/eksperimen dimana keluaran individual tidak pasti tetapi ada distribusi yg regular dari keluaran utk jumlah pengulangan yang banyak Probabilitas proporsi berapa kali suatu keluaran spesifik akan muncul dlm suatu serie pengulangan yang panjang dari suatu eksperimen
Hendrawan Lab. Telematika - ITB ET6043 Kinerja Jaringan Telekomunikasi & Komputer
Apakah Probabiltas?
Frekuensi relatif jangka panjang
Jika melempar coin, frekuensi relatif dari head tidak menentu utk 2, 5 atau 10 pelemparan Jika pelemparan suatu coin dilakukan bbrp ribu kali, frekuensi relatif tetap stabil
Probabilitas matematis adalah idealisasi dari apa yg terjadi thd frekuensi relatif setelah pengulangan sejumlah tak hingga eksperimen random
Hendrawan Lab. Telematika - ITB ET6043 Kinerja Jaringan Telekomunikasi & Komputer
Model Probabilitas
Sample Space - set dari semua keluaran (outcomes) yg mungkin dari eksperimen random (S) Event suatu keluaran (outcome) atau satu set outcomes dari suatu eksperimen Ukuran Probabilitas adalah suatu bilangan atau fungsi yg memetakan dari events pada sample space ke bilangan real antara 0 dan 1 Probabilitas dari semua outcomes yg mungkin (yaitu sample space) harus sama dg 1
Hendrawan Lab. Telematika - ITB ET6043 Kinerja Jaringan Telekomunikasi & Komputer
Model Probabilitas
Contoh: Pelemparan (toss) suatu dadu Sample Space: S ={1,2,3,4,5,6} Event: A = {muncul angka genap}, B = {muncul angka ganjil}, D= {muncul angka 2}
Aturan-Aturan Probabilitas
Probabilitas dari sembarang event P(A) hrs memenuhi 0 < P(A) < 1 Complement Rule = complement dari sembarang event A adalah event A tdk terjadi P(Ac) = 1 - P(A)
Contoh: Lempar suatu dadu: S = {1,2,3,4,5,6}; mis A = {2,4}, Ac = {1,3,5,6}; P(A) = 1/3; P(Ac) = 1-1/3 = 2/3
Addition Rule = utk dua events A dan B yg terpisah/ disjoint (no common outcomes) P (A or B) = P(A) + P (B) Contoh: Lempar suatu dadu: S = {1,2,3,4,5,6}; mis A = {2}, B = {1,3,5}; P(A or B) = P(A) + P(B) = 1/6 + 1/2 = 2/3
Hendrawan Lab. Telematika - ITB ET6043 Kinerja Jaringan Telekomunikasi & Komputer
Aturan-Aturan Probabilitas
Multiplication Rule = dua events A dan B adalah independent, jika diketahui bhw salah satu terjadi/muncul tdk mengubah probabilitas yg lain muncul P (A and B) = P(A)*P(B)
Contoh: Lempar sepasang dadu S = {(1,1),(1,2),.(6,6)} 36 kemungkinan outcomes mis A ={dadu pertama 6} = {(6,1),(6,2),(6,3),(6,4),(6,5),(6,6)} mis B = {dadu kedua 1} = {(1,1),(2,1),(3,1),(4,1),(5,1),(6,1)} Maka P(A) = 6/36 = 1/6; P(B) = 6/36 = 1/6 dan P(dadu pertama 6, dadu kedua 1) = P(A and B) = 1/36 = P(A) P(B) menunjukan independence
Aturan-Aturan Probabilitas
Multiplication Rule Contoh dari kasus Dependent: lempar sepasang dadu S = {(1,1),(1,2),.(6,6)} 36 kemungkinan outcomes mis A ={dadu pertama 6} = {(6,1),(6,2),(6,3),(6,4),(6,5),(6,6)} mis B = {jumlah dadu pertama & kedua =9} = {(3,6),(4,5),(5,4),(6,3)} Maka P(A) = 6/36 = 1/6; P(B) = 4/36 = 1/9 dan P(dadu pertama 6, jumlah = 9) = P(A and B) = 1/36 tdk sama P(A) P(B) = 1/54 menunjukan dependence
Aturan-Aturan Probabilitas
Contoh: suatu web site memp tiga server A, B, dan C, yg dipilih secara independent dg probabilitas: P(A) = , P(B) = , P(C)= . (a) Cari probabilitas A atau B dipilih P(A or B) = + = 3/4 (b) Cari probabilitas A tdk dipilih P(Ac) = 1 P(A) = (c) Cari probabilitas server A dipilih dua kali P(AA) = P(A)P(A) = 1/16 (d) Cari probabilitas urutan seleksi server ABCA P(ABCA) = P(A)P(B)P(C)P(A) = (1/4)(1/2)(1/4)(1/4) = 1/128
Hendrawan Lab. Telematika - ITB ET6043 Kinerja Jaringan Telekomunikasi & Komputer
Conditional Probability
Utk dua event A dan B probabilitas dari event A diberikan bhw event B telah terjadi dinyatakan: P(A|B) dan ditentukan dg P (A|B) = P(A and B)/P(B) Contoh: Lempar satu dadu S = {1,2,3,4,5,6}. mis A ={2}, B={bil genap} = {2,4,6}, P(A|B) = P(A and B)/P(B) = (1/6)/(1/2) = 1/3
Bayes Rule
Utk dua event A dan B yg mempartisi sample space, yaitu (A atau B) = S dan event ketiga C ditentukan di atas A dan B
Contoh: Lempar sepasang dadu S = {(1,1) (1,2), . (6,6)} 36 kemungkinan outcomes. Mis A ={jumlah dadu 9 atau lebih besar}, A = {(6,3),(5,4), (4,5), (3,6), (6,4), (5,5), (4,6), (6,5), (5,6), (6,6)} B = Ac = {jumlah dadu 8 atau kurang} = {(1,1) , (1,2,) .(6,2), (2,6)} --cat P(A) = 10/36 dan P(B) = 26/36
Hendrawan Lab. Telematika - ITB ET6043 Kinerja Jaringan Telekomunikasi & Komputer
Bayes Rule
Mis C event jumlah dari dadu adalah bil genap {2,4,6,8,10,12}, P(C|A) =4/10 dan P(C|B) = 14/26
Random Variables
Suatu random variable X adalah suatu variable dimana harganya tergantung pd outcome dari suatu eksperimen random didefinisikan pd sample space S
Contoh: Mis X, bilangan jumlah dari head pd pelemparan dua coin yg fair. Sample space S dari eksperimen adalah: S ={(t,t),(t,h),(h,t),(h,h)} dimana t menunjukan tail dan h menunjukan head
Hendrawan Lab. Telematika - ITB ET6043 Kinerja Jaringan Telekomunikasi & Komputer
Random Variables
Suatu random variable X dikarakteristikan oleh salah satu:
probability density function (pdf): f(x) cumulative density function (cdf):
Contoh: perhatikan random variable X, yg merupakan jumlah head pd pelemparan dua coin
f(x) diberikan dg P{X = 0} = .25; P{X=1} = .5 ; P{X=2} = .25 F(x) diberikan dg
Properties
Area di bawah kurva = 1 Mean () Standard Deviation ()
Hendrawan Lab. Telematika - ITB ET6043 Kinerja Jaringan Telekomunikasi & Komputer
Sbg contoh, memodelkan jumlah tail yg terlihat sblm head pertama pd suatu deretan coin tosses
Hendrawan Lab. Telematika - ITB ET6043 Kinerja Jaringan Telekomunikasi & Komputer
Lama panggilan Lama panggilan telepon Waktu antar Waktu antar kedatangan paket ke kedatangan router
Exponential memodelkan waktu antar kedatangan, lama waktu pelayanan (mis., waktu dari panggilan telepon), mis X suatu exponential random variable dg mean a.
Berapakah probabilitas bhw pekerja pabrik yg dipilih random akan melaksanakan test dibawah 81 seconds atau diatas 75 seconds?
Hendrawan Lab. Telematika - ITB
Moments
Ekspektasi E[x] atau mean atau first moment dari suatu random variable X di definisikan dg
Mode adalah titik dimana f(x) adalah maximum Quantile quantile dari X ditulis x adalah titik pd X dimana F(x) = Cat. 0,5 quantile disebut median dimana 50% harga pd kedua sisi
Hendrawan Lab. Telematika - ITB ET6043 Kinerja Jaringan Telekomunikasi & Komputer
Statistical Inference
Menggunakan teori probabilitas utk membuat kesimpulan mengenai suatu populasi dari data sampel Tdk dp memperoleh data dari setiap anggota populasi maka menguji suatu sampel random dari populasi dan berdasarkan statistik dari sampel menyimpulkan mengenai parameter dari populasi
Statistical Inference
Statistical Inference: menggunakan statistik dari suatu sampel random utk menyimpulkan mengenai parameter dari suatu populasi
Sbg contoh menguji mean x dari sampel utk menyimpulkan mean dari populasi Perlu mengerti bagaimana perubahan statistik dengan tiap sampel
Sample Distribution: distribusi probabilitas dari suatu statistik (spt mean, standard deviation) dari semua sampel yg mungkin dari ukuran yg sama dari suatu populasi
Mis X menyatakan count dari jumlah sukses dalam suatu sampel ukuran n. X memp distribusi Binomial
Dg n bertambah besar distribusi dari X mendekati distribusi Normal dg mean dan variance
dimana X adalah jumlah dari sukses dlm suatu sampel ukuran n adalah estimasi unbiased dari population proportion p. Jika ukuran sampel n besar, mendekati suatu distribusi Normal dg
Point Estimation
Menyediakan harga tunggal/single value, mis., sample mean, sample proportion
Berdasarkan observasi dari 1 sample
Tdk memberikan informasi mengenai seberapa dekat harga point estimate thd parameter populasi yg tdk diketahui Contoh: Sample mean X = 22.9 adalah point estimate dari mean populasi yg tdk diketahui
Interval Estimation
Menyediakan nilai interval (a, b) dimana parameter populasi diprediksi berada
Interval berdasarkan observasi dari 1 sampel
Memberikan informasi mengenai seberapa dekat dari estimasi ke parameter populasi yg tdk diketahui
Dp dinyatakan sbg
Level of Confidence
Nilai adalah probabilitas bhw parameter tidak berada dalam interval (a,b) 100(1 - ) % adalah confidence level dan adalah kemungkinan bhw parameter populasi yg tdk diketahui jatuh dlm interval (a,b) Nilai tipikal adalah = .1, .05, .01 yg memberikan confidence levels masing-masing 90%, 95%, dan 99% Contoh: Mean populasi yg tdk diketahui terletak antara 50 & 70 dg 95% confidence
Hendrawan Lab. Telematika - ITB ET6043 Kinerja Jaringan Telekomunikasi & Komputer
sample mean x adalah = 26.9091, ukuran sampel n = 33 pd 90% confidence level Z(1-/2) = Z.95 = 1.645
Cat margin of error kadang-kadang diekspresikan sbg persentase dari estimasi. Utk contoh ecommerce: margin of error % = 100 * (2.577 / 26.9091) = 9.57% Juga confidence interval dp diekspresikan sbg (24.332, 29.486) yg dp diinterpretasikan sbg P(24.332 < < 29.486) = .9
Hendrawan Lab. Telematika - ITB ET6043 Kinerja Jaringan Telekomunikasi & Komputer
Confidence Intervals
Trade off antara confidence level 100(1-) % dan margin of error
Lebih tinggi confidence lebih tinggi harga Z lebih besar margin of error
Contoh proses dan pengiriman pemesanan ecommerce. Suatu 95% confidence interval memp. Z = 1.96 (dimana 90% memp Z = 1.645) dan sbg hasil
Confidence Intervals
Margin of error juga tergantung pd ukuran sampel n, lebih besar n makin kecil margin of error Utk confidence interval pd population mean, margin of error berkurang setengahnya utk tiap pertambahan faktor 4 pd ukuran sampel
Utk contoh e-commerce jika utk 90% confidence interval ukuran sample adalah 4 kali lebih besar (yaitu 132) dg mean dan standard deviation yg sama interval akan
Confidence Intervals
Cat utk margin of error yg diinginkan m kita dp tentukan ukuran sampel yg diperlukan n utk mencapai m. Kita mendpkan
Utk contoh e-commerce pd 90% confidence level jika diinginkan margin of error 3%, m.x = .03 x 26.9091= .80727 dan selesaikan utk ukuran sampel n
Krnnya 90% confidence interval utk packet error probability diberikan oleh (.0030, .0062)
Hendrawan Lab. Telematika - ITB ET6043 Kinerja Jaringan Telekomunikasi & Komputer
50-percentile (atau 0.5-quantile) disebut median Posisi dari suatu harga q-quantile value dari suatu sorted order list x1, x2, x3, , xn adalah
dimana
Tugas (cont.)
2. Dlm suatu access switched data network, user bisa request suatu koneksi utk di-set up utk suatu transfer data. Jika suatu call-setup request tiba, suatu access network node akan menentukan apakah menerima permintaan atau menolak berdasarkan ketersediaan resources. Jika permintaan ditolak, user akan mengulang usaha sampai 10 kali sblm menyerah. Asumsikan bhw tiap permintaan call-setup memp. probabilitas 0.02 utk diterima dan usaha permintaan panggilan adalah independent. a). Berapakah probabilitas suatu permintaan panggilan diberikan pd usaha pertama? b). Berapakah probabilitas bhw suatu panggilan pertama diterima adalah usaha yg ke-empat? c). Berapakah probabilitas bhw memerlukan lebih dari lima usaha bagi user utk koneksi? d). Berapakah probabilitas bhw user akhirnya menyerah? e). Berapakah rata-rata jumlah usaha panggilan diperlukan utk koneksi?
Hendrawan Lab. Telematika - ITB ET6043 Kinerja Jaringan Telekomunikasi & Komputer
Tugas (cont.)
3. Perhatikan waktu transaksi pd suatu aplikasi web-based, dari 3000 transaksi terdistribusi normal dg mean 66 sec dan standard deviation 3 sec. jika 80 sampel masing-masing terdiri dari 25 transaksi didapat, a). berapakah mean dan standard deviation yg diharapkan sbg hasil dari mean dari distribusi sampling? b). Dalam berapa banyak sampel kita bisa mengharapkan mean: (i) antara 64.8 dan 66.3 sec dan (ii) kurang dari 64.4 sec?
Hendrawan Lab. Telematika - ITB ET6043 Kinerja Jaringan Telekomunikasi & Komputer