Teorema Bayes: Perbedaan antara revisi
Konten dihapus Konten ditambahkan
Penambahan contoh kasus penerapan Teorema Bayes di kehidupan sehari hari tentang hujan Tag: Suntingan perangkat seluler Suntingan peramban seluler |
→Pengenalan: Penambahan penjelasan mengapa peluang tidak mungkin nilainya mencapai 1 Tag: Suntingan perangkat seluler Suntingan peramban seluler |
||
(2 revisi perantara oleh pengguna yang sama tidak ditampilkan) | |||
Baris 1:
[[Berkas:Bayes'_Theorem_MMB_01.jpg|jmpl|ka|200px|Perumusan singkat Teorema Bayes]]
Dalam [[teori probabilitas]] dan [[statistika]],
'''teorema Bayes''' adalah sebuah [[teorema]] dengan dua penafsiran berbeda. Dalam ''penafsiran Bayes'', teorema ini menyatakan seberapa jauh derajat kepercayaan subjektif seseorang harus berubah secara rasional ketika ada petunjuk atau informasi baru. Sebagai contoh di malam hari
== Pengenalan ==
Baris 16:
:<math>P(W) = 0,5</math>
Misalkan juga
:<math>P(L|W) = 0,75</math>
Baris 26:
Tujuan kita adalah menghitung peluang seseorang itu adalah wanita bila diketahui dia berambut panjang, atau dalam notasi yang kita gunakan, ''P''(''W''|''L''). Menggunakan teorema Bayes, kita mendapatkan:
:<math> P(W|L) = \frac{P(L|W)P(W)}{P(L)}</math>
:<math>P(W|L) = \frac{P(L|W) P(W)}{P(L|W)P(W) + P(L|M)P(M)}</math>
Di sini kita menggunakan [[aturan peluang total]]. Dengan memasukkan nilai-nilai peluang yang diketahui ke dalam rumus di atas, kita mendapatkan peluang seseorang itu wanita bila diketahui dia berambut panjang adalah 0,714. Angka ini sesuai dengan intuisi awal kita, bahwa peluang kawan kita itu bercakap-cakap dengan wanita meningkat. Walaupun demikian, peluangnya tidak mencapai 1 karena tidak semua perempuan berambut panjang dan masih ada peluang orang yang berambut panjang adalah pria.
Dari contoh di atas kita bisa merumuskan teorema Bayes secara umum.
|