Misalnya, tabel dua arah berikut menunjukkan hasil survei yang menanyakan kepada 100 orang olahraga apa yang mereka sukai: baseball, bola basket, atau sepak bola.<\/span> <\/p>\n Jika kita ingin mengetahui peluang seseorang menyukai olahraga tertentu mengingat<\/em> dia laki-laki, maka ini adalah contoh distribusi bersyarat.<\/span><\/p>\n Nilai salah satu variabel acak diketahui (orangnya laki-laki), tetapi nilai variabel acak lainnya tidak diketahui (kita tidak tahu olahraga kesukaannya).<\/span><\/p>\n Untuk mengetahui distribusi kondisional preferensi olahraga di kalangan pria, kita cukup melihat nilai garis untuk pria<\/strong> dalam tabel:<\/span> <\/p>\n Distribusi bersyarat akan dihitung sebagai berikut:<\/span><\/p>\n Perhatikan bahwa jumlah total probabilitasnya adalah 1: 13\/48 + 15\/48 + 20\/48 = 48\/48 = 1.<\/span><\/p>\n Kita dapat menggunakan distribusi bersyarat ini untuk menjawab pertanyaan seperti: Mengingat seseorang adalah laki-laki, berapakah probabilitas bahwa bisbol adalah olahraga favoritnya?<\/em><\/span><\/p>\n Dari distribusi kondisional yang kita hitung sebelumnya, kita dapat melihat bahwa probabilitasnya adalah 0.2708<\/strong> .<\/span><\/p>\n Dalam istilah teknis, ketika kita menghitung distribusi bersyarat, kita mengatakan bahwa kita tertarik pada subpopulasi<\/strong> tertentu dari keseluruhan populasi. Subpopulasi pada contoh sebelumnya terdiri dari laki-laki:<\/span> <\/p>\n Dan ketika kita ingin menghitung probabilitas yang terkait dengan subpopulasi ini, kita mengatakan bahwa kita tertarik pada karakter tertentu yang diminati<\/strong> . Karakter yang menarik pada contoh sebelumnya adalah baseball:<\/span> <\/p>\n Untuk mencari peluang munculnya sifat yang diminati pada subpopulasi, kita cukup membagi nilai sifat yang diminati (misalnya 13) dengan nilai total subpopulasi (misalnya 48) sehingga diperoleh 13\/48 = 0,2708<\/strong> .<\/span><\/p>\n Kita dapat mengatakan bahwa variabel acak X<\/em> dan Y<\/em> adalah independen jika dan hanya jika distribusi bersyarat dari Y<\/em> jika X<\/em> , untuk semua kemungkinan realisasi X<\/em> , sama dengan distribusi tanpa syarat dari Y.<\/em><\/span><\/p>\n Misalnya, pada tabel sebelumnya, dapatkah kita melihat bahwa tes \u201clebih menyukai baseball\u201d dan \u201cpria\u201d bersifat independen?<\/span><\/p>\n Untuk menjawab pertanyaan ini, mari kita hitung probabilitas berikut:<\/span><\/p>\n Peluang seseorang menyukai bisbol adalah:<\/span><\/p>\n Peluang seseorang lebih menyukai bisbol, mengingat dia laki-laki, adalah<\/span><\/p>\n Karena P(lebih menyukai baseball) tidak sama dengan P(lebih menyukai baseball | pria), maka variabel acak preferensi olahraga dan gender tidak<\/em> independen.<\/span><\/p>\n Distribusi probabilitas bersyarat berguna karena kita sering mengumpulkan data untuk dua variabel (seperti gender dan preferensi olahraga), namun kita ingin menjawab pertanyaan tentang probabilitas ketika kita mengetahui<\/em> nilai salah satu variabel.<\/span><\/p>\n Dalam contoh sebelumnya, kami mempertimbangkan skenario ketika kami mengetahui bahwa seseorang adalah laki-laki dan kami hanya ingin mengetahui kemungkinan bahwa orang tersebut lebih memilih bisbol.<\/span><\/p>\n Ada banyak kasus dalam kehidupan nyata di mana kita mengetahui nilai suatu variabel dan dapat menggunakan distribusi bersyarat untuk mencari kemungkinan variabel lain mengambil nilai tertentu.<\/span><\/p>\n Apa itu distribusi marjinal?<\/a> Jika X dan Y adalah dua variabel acak yang terdistribusi bersama, maka distribusi bersyarat dari Y jika X adalah distribusi probabilitas Y ketika X diketahui suatu nilai tertentu. Misalnya, tabel dua arah berikut menunjukkan hasil survei yang menanyakan kepada 100 orang olahraga apa yang mereka sukai: baseball, bola basket, atau sepak bola. Jika kita ingin […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/marginal1.png\")
<\/p>\n![\"Contoh](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/conditionnelledist1.png\")
<\/p>\n\n
![\"Subpopulasi](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/conditionnelledist2.png\")
<\/p>\n![\"Distribusi](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/conditionnelledist3.png\")
<\/p>\n Distribusi bersyarat dan kemandirian<\/strong><\/span><\/h3>\n
\n
\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/conditionnelledist4.png\")
<\/p>\n\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/conditionnelledist5.png\")
<\/p>\n Mengapa menggunakan distribusi bersyarat?<\/strong><\/span><\/h3>\n
Sumber daya tambahan<\/strong><\/span><\/h3>\n
Apa yang dimaksud dengan distribusi probabilitas gabungan?<\/a>
Bagaimana menemukan frekuensi relatif bersyarat dalam tabel entri ganda<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"