Probabilitas A Priori

Apa itu Probabilitas Priori?

‘Probabilitas A Priori,’ juga dikenal sebagai probabilitas klasik. Ini mengacu pada probabilitas dari peristiwa-peristiwa yang hanya dapat memiliki jumlah hasil yang terbatas, dan setiap hasil memiliki kemungkinan yang sama untuk terjadi. Dalam jenis probabilitas ini, hasilnya tidak dipengaruhi oleh hasil utamanya. Misalnya, hasil apa pun yang ditarik hari ini sama sekali tidak akan memengaruhi prediksi probabilitas hasil di masa mendatang.

Penjelasan

Istilah “a priori” adalah bahasa Latin untuk kata “dugaan” atau “deduktif”. Seperti namanya, ini lebih deduktif dan tidak dipengaruhi oleh apa yang terjadi di masa lalu. Dengan kata lain, prinsip yang mendasari probabilitas apriori mengikuti logika daripada sejarah untuk menentukan probabilitas suatu peristiwa di masa depan. Biasanya, seseorang dapat menghitung hasil probabilitas klasik dengan mengevaluasi secara rasional informasi atau keadaan yang sudah ada sebelumnya yang terkait dengan suatu situasi. Seperti disebutkan di atas, dalam estimasi probabilitas seperti itu, setiap peristiwa independen, dan peristiwa sebelumnya tidak memengaruhi kemunculannya sama sekali.

Rumus

Anda bebas menggunakan gambar ini di situs web Anda, templat, dll., Harap berikan kami tautan atribusiBagaimana Memberikan Atribusi? Tautan Artikel untuk Di-Hyperlink
Misalnya: Sumber: Probabilitas Priori (wallstreetmojo.com)

Seseorang dapat mengungkapkan rumus dengan membagi jumlah hasil yang diinginkan dengan jumlah total hasil. Secara matematis, ini direpresentasikan sebagai berikut:

Rumus Probabilitas A Priori = Jumlah Hasil yang Diinginkan / Total Jumlah Hasil

Perlu dicatat bahwa rumus di atas hanya dapat digunakan dalam kasus peristiwa di mana semua hasil sama-sama mungkin terjadi dan saling eksklusif Saling eksklusif Saling eksklusif mengacu pada peristiwa statistik yang tidak dapat terjadi pada waktu yang sama. Dengan demikian, peristiwa-peristiwa ini sepenuhnya independen satu sama lain, yaitu hasil satu peristiwa tidak berdampak pada hasil peristiwa lainnya.baca lebih lanjut.

Contoh

Di bawah ini adalah contoh untuk memahami konsep dengan cara yang lebih baik.

Contoh 1

Mari kita ambil contoh lemparan dadu yang adil untuk mengilustrasikan konsepnya. Dadu yang adil memiliki enam sisi dengan probabilitas yang sama untuk bergulir, dan semua hasilnya saling eksklusif. Jadi, pertama-tama, tentukan probabilitas apriori untuk melempar 1 atau 5 dalam lemparan dadu yang adil.

Diberikan,

Jumlah hasil yang diinginkan = 2 (putar 1 atau 5)
Jumlah tidak. hasil = 6 (putar 1, 2, 3, 4, 5 atau 6)

Larutan

Sekarang, seseorang dapat menghitung probabilitas melempar 1 atau 5 dalam lemparan dadu yang adil dengan menggunakan rumus di atas:

= 2/6
= 33,3%

Oleh karena itu, kemungkinan melempar 1 atau 5 dalam lemparan dadu yang adil adalah 33,3%.

Contoh #2

Mari kita ambil contoh setumpuk 52 kartu standar untuk mengilustrasikan konsepnya. Ada 52 kartu yang didistribusikan secara merata di antara empat setelan (13 peringkat di setiap setelan) dalam setumpuk 52 kartu biasa. Jika seseorang menarik satu kartu dan meletakkannya kembali di geladak, maka tentukan untuk menarik kartu dari setelan hati.

Diberikan,

Jumlah hasil yang diinginkan = 13 (karena setiap suite memiliki 13 peringkat)
Jumlah tidak. hasil = 52

Larutan

Sekarang, seseorang dapat menghitung probabilitas apriori untuk menarik kartu dari setelan hati dengan menggunakan rumus di atas:

= 13/52
= 25,0%

Oleh karena itu, kemungkinan menarik kartu dari setelan hati dari setumpuk standar adalah 25,0%.

Contoh #3

Mari kita ambil contoh lemparan koin untuk mengilustrasikan konsepnya. Koin memiliki dua sisi – kepala dan ekor. Jadi, pertama-tama, tentukan probabilitas apriori untuk mendaratkan kepala dalam lemparan koin biasa.

Diberikan,

Jumlah hasil yang diinginkan = 1 (mendapatkan kepala)
Jumlah tidak. hasil = 2 (mendapatkan kepala atau ekor)

Larutan

Sekarang, seseorang dapat menghitung probabilitas mendaratkan kepala dalam lemparan koin dengan menggunakan rumus di atas:

= 1/2
= 50,0%

Probabilitas Sebelumnya vs. Probabilitas Priori

Keuntungan

Beberapa keuntungan utama adalah sebagai berikut:

Konsep probabilitas apriori mudah dijelaskan.
Ini adalah konsep sederhana yang dapat diterapkan pada banyak situasi kehidupan nyata.

Kekurangan

Beberapa kelemahan utama adalah sebagai berikut:

Itu gagal ketika probabilitas terjadinya peristiwa tidak sama.
Seseorang tidak dapat menggunakannya untuk kasus di mana jumlah hasil berpotensi tidak terbatas.

Kesimpulan

Jadi, dapat dilihat bahwa probabilitas apriori adalah teknik statistik penting yang juga meluas ke konsep lain. Namun, ia memiliki keterbatasan yang perlu diperhatikan saat menggambar wawasan statistik.

Artikel yang Direkomendasikan

Artikel ini telah menjadi panduan untuk What is A Priori Probability dan definisinya. Di sini, kami membahas rumus untuk menghitung probabilitas apriori dengan contoh dan kelebihan, kekurangan, dan perbedaan. Anda dapat mempelajarinya lebih lanjut dari artikel berikut: –