Rumus probabilitas total. rumus Bayes. Contoh pemecahan masalah. Rumus Probabilitas Total dan Rumus Bayes
1. Rumus kemungkinan penuh.
Misalkan peristiwa A terjadi dengan syarat terjadinya salah satu peristiwa yang tidak sesuai B 1, B 2, B 3, ..., B n, yang membentuk kelompok lengkap. Biarkan probabilitas kejadian-kejadian ini dan probabilitas bersyarat diketahuiP(A/B 1), P(A/B 2), ..., P(A/B n) kejadian A. Anda perlu mencari peluang kejadian A.
Dalil:Peluang kejadian A, yang hanya dapat terjadi jika salah satu kejadian yang tidak sesuai terjadi B 1, B 2, B 3, ..., B n , membentuk grup lengkap, sama dengan jumlah produk dari probabilitas masing-masing kejadian ini dengan probabilitas bersyarat yang sesuai dari kejadian A:
– Rumus probabilitas total.
Bukti:
Sesuai dengan kondisinya, kejadian A dapat terjadi jika salah satu kejadian yang tidak sejalan terjadiB 1, B 2, B 3, ..., B n. Dengan kata lain, terjadinya peristiwa A berarti terjadinya salah satu (tidak peduli yang mana) peristiwa yang tidak sesuai:B 1 *A, B 2*A, B 3*A, ..., B n*A. Dengan menggunakan teorema penjumlahan, kita peroleh:
Menurut teorema perkalian peluang kejadian-kejadian tak bebas, kita peroleh:
dll.Contoh: Ada 2 set bagian. Peluang terambilnya suatu bagian dari himpunan pertama adalah standar adalah 0,8, dan untuk himpunan kedua adalah 0,9. Tentukan peluang terambilnya suatu bagian secara acak (dari suatu himpunan yang diambil secara acak) adalah baku.
Larutan: Peristiwa A - “Bagian yang diekstraksi adalah standar.” Peristiwa - “Mereka menghapus bagian yang diproduksi oleh 1 pabrik.” Peristiwa - “Bagian yang diproduksi oleh pabrik kedua telah dilepas.” P( B 1 )=P(B 2)= 1/2.P(A / B 1 ) = 0,8 - probabilitas bahwa suku cadang yang diproduksi di pabrik pertama adalah suku cadang standar. P(A / B 2 )=0,9 - probabilitas bahwa suku cadang yang diproduksi di pabrik kedua adalah suku cadang standar.
Kemudian, berdasarkan rumus probabilitas total, kita mendapatkan:
Contoh: Perakit menerima 3 kotak suku cadang yang diproduksi oleh pabrik No. 1 dan 2 kotak suku cadang yang diproduksi oleh pabrik No. 2. Peluang suatu suku cadang yang diproduksi oleh pabrik No. 1 adalah standar adalah 0,8. Untuk pabrik No. 2 probabilitas ini adalah 0,9. Assembler secara acak mengeluarkan bagian dari kotak yang dipilih secara acak. Temukan probabilitas bahwa bagian standar dihilangkan.
Larutan: Peristiwa A - “Bagian standar dihapus.” Peristiwa B 1 - “Bagian tersebut dikeluarkan dari kotak pabrik No. 1.” Peristiwa B 2 - “Bagian tersebut telah dikeluarkan dari kotak pabrik No. 2.” P( B 1)= 3/5. P(B 2 )= 2/5.
P(A / B 1) = 0,8 - probabilitas bahwa suku cadang yang diproduksi di pabrik pertama adalah suku cadang standar. P(A /B 2) = 0,9 - probabilitas bahwa suku cadang yang diproduksi di pabrik kedua adalah standar.
Contoh:Kotak pertama berisi 20 tabung radio, 18 di antaranya standar. Kotak kedua berisi 10 tabung radio, 9 di antaranya standar. Satu tabung radio dipindahkan secara acak dari kotak kedua ke kotak pertama. Tentukan peluang terambilnya lampu secara acak dari kotak pertama adalah lampu standar.
Larutan:Peristiwa A - “Sebuah lampu standar dikeluarkan dari 1 kotak.” PeristiwaB 1 - “Sebuah lampu standar dipindahkan dari kotak kedua ke kotak pertama.” PeristiwaB 2 - “Lampu non-standar dipindahkan dari kotak kedua ke kotak pertama.” P( B 1 )= 9/10. P(B 2)= 1/10.P(A / B 1)= 19/21 - kemungkinan mengeluarkan suku cadang standar dari kotak pertama, asalkan suku cadang standar yang sama dimasukkan ke dalamnya.
P(A / B 2 )= 18/21 - kemungkinan mengeluarkan bagian standar dari kotak pertama, asalkan bagian non-standar ditempatkan di dalamnya.
2. Rumus hipotesis Thomas Bayes.
Misalkan peristiwa A terjadi dengan syarat terjadinya salah satu peristiwa yang tidak sesuai B 1, B 2, B 3, ..., B n, membentuk gugus utuh. Karena tidak diketahui sebelumnya peristiwa mana yang akan terjadi, maka peristiwa tersebut disebut hipotesis. Peluang terjadinya kejadian A ditentukan oleh rumus peluang total yang telah dibahas sebelumnya.
Mari kita asumsikan bahwa suatu pengujian telah dilakukan, sebagai akibat dari terjadinya peristiwa A. Mari kita menetapkan tugas kita untuk menentukan bagaimana probabilitas hipotesis telah berubah (karena fakta bahwa peristiwa A telah terjadi). Dengan kata lain, kita akan mencari probabilitas bersyaratP(B 1 /A), P(B 2 /A), ..., P(B n /A)
Mari kita cari probabilitas bersyarat P(B 1/A) . Dengan teorema perkalian kita mempunyai:
Ini mengikuti dari ini:
Demikian pula, rumus diturunkan yang menentukan probabilitas bersyarat dari hipotesis yang tersisa, yaitu. probabilitas bersyarat hipotesis apa pun B k (saya =1, 2, …, n ) dapat dihitung dengan menggunakan rumus:
Rumus hipotesis Thomas Bayes.
Thomas Bayes (ahli matematika Inggris) menerbitkan rumus tersebut pada tahun 1764.
Rumus ini memungkinkan untuk memperkirakan kembali probabilitas hipotesis setelah hasil pengujian yang mengakibatkan kejadian A diketahui.
Contoh: Suku cadang yang diproduksi oleh bengkel pabrik dikirim ke salah satu dari dua inspektur untuk memeriksa standarnya. Peluang bahwa suatu bagian akan sampai ke pemeriksa pertama adalah 0,6, dan pemeriksa kedua adalah 0,4. Peluang bahwa suatu suku cadang yang sesuai akan diakui sebagai standar oleh pemeriksa pertama adalah 0,94, untuk pemeriksa kedua probabilitas ini adalah 0,98. Selama pemeriksaan, suku cadang yang dapat diterima diakui sebagai standar. Temukan probabilitas bahwa pemeriksa pertama memeriksa bagian ini.
Larutan: Peristiwa A - “Bagian yang baik diakui sebagai standar.” Peristiwa B 1 - “Bagian tersebut diperiksa oleh inspektur pertama.” PeristiwaB 2 - “Bagian tersebut diperiksa oleh pemeriksa kedua.” P( B 1 )=0,6. P(B 2 )=0,4.
P(A / B 1) = 0,94 - probabilitas bahwa bagian yang diperiksa oleh pemeriksa pertama diakui sebagai standar.
P(A / B 2) = 0,98 - probabilitas bahwa bagian yang diperiksa oleh pemeriksa kedua diakui sebagai standar.
Kemudian:
Contoh:Untuk mengikuti perlombaan olah raga kualifikasi pelajar, dialokasikan 4 orang dari kelompok pertama mata kuliah, 6 orang dari kelompok kedua, dan 5 orang dari kelompok ketiga. Peluang siswa kelompok pertama untuk dimasukkan dalam tim nasional adalah 0,9; untuk siswa kelompok kedua dan ketiga, peluangnya masing-masing adalah 0,7 dan 0,8. Sebagai hasil dari kompetisi tersebut, seorang siswa yang dipilih secara acak masuk ke tim nasional.
Larutan: Acara A - “Seorang siswa yang dipilih secara acak masuk ke tim institut.” Peristiwa B 1 - “Seorang siswa dari kelompok pertama dipilih secara acak.” Peristiwa B 2 - “Seorang siswa dari kelompok kedua dipilih secara acak.” Peristiwa B 3 - “Seorang siswa dari kelompok ketiga dipilih secara acak.” P( B 1)= 4/15 . P(B 2) = 6/15. P(B 3)= 5/15.
P(A / B 1)=0,9 adalah peluang siswa dari kelompok pertama lolos ke tim nasional.
P(A / B 2) = 0,7 adalah peluang siswa kelompok kedua lolos ke tim nasional.
P(A/B 3 )=0,8 adalah peluang siswa dari kelompok ketiga lolos ke tim nasional.
Kemudian:
Peluang seorang siswa dari kelompok pertama berhasil masuk ke dalam tim.
Peluang seorang siswa dari kelompok kedua berhasil masuk ke dalam tim.
Peluang seorang siswa dari kelompok ketiga berhasil masuk ke dalam tim.
Kemungkinan besar, siswa dari kelompok kedua akan masuk ke dalam tim.
Contoh:Jika mesin menyimpang dari mode operasi normal, alarm C 1 akan berbunyi dengan probabilitas 0,8, dan alarm C 2 akan berbunyi dengan probabilitas 1. Probabilitas mesin dilengkapi dengan C 1 atau C 2 alarm masing-masing adalah 0,6 dan 0,4. Sinyal telah diterima untuk memotong senapan mesin. Mana yang lebih mungkin: mesin tersebut dilengkapi dengan alat pemberi sinyal C 1 atau C 2?
Larutan:Peristiwa A - “Sinyal untuk memotong senapan mesin telah diterima.” Peristiwa B1 - “Mesin ini dilengkapi dengan perangkat pemberi sinyal C1. PeristiwaB 2 - “Mesin ini dilengkapi dengan perangkat sinyal C2. P( B 1 )= 0,6. P(B 2) = 0,8.
P(A / B 1) = 0,8 adalah peluang diterimanya sinyal, asalkan mesin dilengkapi dengan alat pemberi sinyal C1.
P(A/B 2 )=1 - kemungkinan sinyal akan diterima, asalkan mesin dilengkapi dengan perangkat sinyal C2.
Kemudian:
Ada kemungkinan setelah menerima sinyal untuk mematikan mesin, alarm C1 berbunyi.
Ada kemungkinan setelah menerima sinyal untuk mematikan mesin, alarm C2 berbunyi.
Itu. Kemungkinan besar ketika mesin dipotong, sinyal akan diterima dari perangkat pemberi sinyal C1.
Rumus probabilitas total.
Konsekuensi dari kedua teorema utama—teorema penjumlahan probabilitas dan teorema perkalian probabilitas—adalah apa yang disebut rumus probabilitas total.
Misalkan kita perlu menentukan peluang suatu kejadian A yang dapat terjadi pada salah satu kejadian tersebut
, membentuk kelompok lengkap peristiwa-peristiwa yang tidak sesuai. Kita akan menyebut peristiwa-peristiwa ini sebagai hipotesis.
Mari kita buktikan dalam kasus ini
Probabilitas peristiwa A dihitung sebagai jumlah produk dari probabilitas setiap hipotesis dan probabilitas bersyarat dari peristiwa ketika hipotesis ini direalisasikan.
Rumus ini disebut rumus probabilitas total.
Bukti
Karena hipotesis H1, H2..., Hn, membentuk grup lengkap, kejadian A dapat muncul dalam kombinasi dengan salah satu hipotesis berikut
A=AH1+AH2+…+Ahn.
Karena hipotesis H1, H2,…,Hn tidak sesuai, maka kombinasi H1A, H2A,…,HnA juga tidak sesuai; Menerapkan teorema penjumlahan padanya, kita mendapatkan:
Menerapkan teorema perkalian pada kejadian HiA, kita peroleh
Q.E.D.
Ada tiga guci yang tampak identik: guci pertama berisi dua bola putih dan satu bola hitam; di bola kedua ada tiga bola putih dan satu bola hitam; di bola ketiga ada dua bola putih dan dua bola hitam.
Seseorang memilih salah satu guci secara acak dan mengambil bola darinya. Tentukan peluang terambilnya bola berwarna putih.
Mari kita pertimbangkan tiga hipotesis:
H1-pemilihan guci pertama,
H2-pemilihan guci kedua,
H3-pilihan guci ketiga
Dan kejadian A adalah munculnya bola putih.
Karena hipotesis menurut kondisi permasalahan sama-sama mungkin, maka
Probabilitas bersyarat dari kejadian A berdasarkan hipotesis ini masing-masing adalah sama
Soal 3.5.
Pabrik menghasilkan produk yang masing-masing memiliki cacat dengan probabilitas p.
Ada tiga pengawas di bengkel; dipertimbangkan hanya oleh satu pemeriksa, dengan probabilitas yang sama dengan pemeriksa pertama, kedua atau ketiga. Peluang terdeteksinya cacat (jika ada) untuk pemeriksa ke-i sama dengan Pi (i = 1,2,3). Jika produk tidak ditolak di bengkel, maka produk tersebut dikirim ke departemen kendali mutu pabrik, di mana cacat, jika ada, terdeteksi dengan probabilitas P0.
Tentukan peluang produk tersebut ditolak.
A - produk akan ditolak
B - produk akan ditolak di bengkel
C- produk akan ditolak oleh departemen kendali mutu pabrik.
Karena kejadian B dan C tidak sejalan dan
P(A)=P(B)+P(C)
Kita temukan P(B). Agar suatu produk dapat ditolak di bengkel, pertama-tama perlu adanya cacat, dan kedua, cacat tersebut dapat terdeteksi.
Kemungkinan ditemukannya cacat di bengkel adalah sama dengan
Benar-benar,
Merumuskan hipotesis
Cacat H1 terdeteksi oleh inspektur pertama
Cacat H2 terdeteksi oleh inspektur ke-2
Cacat H3 terdeteksi oleh inspektur ke-3
Dari sini
Juga
Teorema hipotesis (rumus Bayes)
Konsekuensi dari teorema perkalian dan rumus probabilitas total disebut teorema hipotesis atau rumus Bayes.
Mari kita ajukan masalah berikut.
Ada sekelompok lengkap hipotesis yang tidak konsisten H1,H2,…Hn. Probabilitas hipotesis ini diketahui sebelum percobaan dan masing-masing sama dengan P(H1),P(H2),…,P(Hn). pengalaman, sebagai hasilnya dimana terjadinya suatu peristiwa A diamati. Pertanyaannya adalah, bagaimana probabilitas hipotesis diubah sehubungan dengan terjadinya peristiwa tersebut?
Di sini, pada dasarnya, kita berbicara tentang mencari probabilitas bersyarat P (Hi/A) untuk setiap hipotesis.
Dari teorema perkalian kita mendapatkan:
P(AHi)=P(A)*P(Hai/A)=P(Hai)*H(A/Hai),
Atau buang sisi kirinya
P(A)*P(Hi/A)=P(Hi)*P(A/Hi), i=1,2,…,n dari mana
Atau menyatakan P(A) menggunakan rumus probabilitas total yang kita miliki
Rumus ini disebut rumus Bayes atau teorema hipotesis.
Perangkat dapat dirakit dari suku cadang berkualitas tinggi dan dari suku cadang dengan kualitas biasa; secara umum, sekitar 40% perangkat dirakit dari suku cadang berkualitas tinggi. Jika perangkat dirakit dari suku cadang berkualitas tinggi, keandalannya (probabilitas operasi bebas kegagalan) dari waktu ke waktu adalah 0,05; jika suku cadangnya berkualitas biasa, keandalannya 0,7. Perangkat tersebut diuji pada waktu t dan bekerja dengan sempurna. Temukan kemungkinan bahwa perangkat tersebut dirakit dari suku cadang berkualitas tinggi.
Ada dua hipotesis yang mungkin:
Perangkat H1 dirakit dari suku cadang berkualitas tinggi,
Perangkat H2 dirakit dari bagian-bagian dengan kualitas biasa.
Kemungkinan hipotesis ini sebelum percobaan
P(H1)=0,4; P(H2)=0,6.
Sebagai hasil percobaan, peristiwa A diamati - perangkat bebas dari kesalahan
Bekerja untuk waktu t. Probabilitas bersyarat dari kejadian ini di
Hipotesis H1 dan H2 adalah sama:
P(A/H1) = 0,95; P(A/H2) = 0,7.
Dengan menggunakan rumus Weiss, kita mencari probabilitas hipotesis H1 setelahnya
Masalah kombinatorik.
Dalam banyak studi statistik terdapat masalah kombinatorial, yang keunikannya berguna untuk ditunjukkan dengan contoh:
Dalam berapa cara 10 buku yang berbeda dapat disusun dalam satu rak?
8 tim ambil bagian dalam turnamen. Berapa banyak ide berbeda yang dapat dibuat mengenai tiga tempat pertama (berdasarkan hasil kompetisi)?
Berapa banyak kata berbeda yang terdiri dari tiga huruf yang dapat dibentuk dari 32 huruf alfabet, terlepas dari apakah kata yang terdiri dari huruf tersebut masuk akal atau tidak?
Dalam berapa cara r elemen dapat dipilih dari himpunan k elemen (berbeda)?
Berapakah banyaknya selisih hasil pelemparan dua buah dadu?
Contoh yang diberikan menunjukkan bahwa dalam permasalahan kombinatorik seseorang umumnya tertarik pada jumlah sampel yang berbeda dari objek tertentu, dan, bergantung pada jenis persyaratan tambahannya, seseorang harus membedakan sampel mana yang dianggap sama dan mana yang berbeda.
Dalam teori probabilitas dan statistik matematika Mereka terutama menggunakan tiga konsep kombinatorik:
Penempatan
Penataan ulang
Kombinasi
Susunan n unsur dengan m adalah hubungan yang berbeda satu sama lain berdasarkan unsur itu sendiri atau urutannya. Contoh: penempatan 3 unsur a, b, c sebanyak 2: ab, ac, bc, ba, ca, cb. Banyaknya penempatan n unsur yang berbeda menurut m A
Contoh: penempatan 3 elemen a, b, c sebanyak 2: ab,ac,bc, ba, ca,cb. Banyaknya penempatan n elemen berbeda sebanyak m A
Pengganda total m
Permutasi dari n elemen adalah koneksi yang berbeda satu sama lain hanya dalam urutan elemen yang termasuk di dalamnya elemen a,b dan c: abc, bca, cab, cba, bac, acb. Banyaknya semua permutasi dari n elemen berbeda Pn
Pn= 1*2*3* …*n=n!=An
Dalam berapa cara 10 buku dapat disusun dalam satu rak?
P10=10!=3628800.
Gabungan n unsur m disebut senyawa, yang berbeda satu sama lain hanya pada unsur itu sendiri. Contoh: kombinasi tiga unsur a, b dan c, masing-masing dua: ab, ac, bc. Banyaknya semua kombinasi n unsur berbeda dengan m dilambangkan dengan Cn
Kita bisa menuliskannya
Eksperimen berulang
Dalam penerapan praktis teori probabilitas, sering kali kita menemui masalah di mana eksperimen yang sama atau eksperimen serupa diulangi berulang kali. Sebagai hasil dari setiap percobaan, beberapa peristiwa A mungkin muncul atau tidak sebagai hasil dari serangkaian percobaan.
Masalah seperti itu sangat mudah dipecahkan jika eksperimennya independen.
Beberapa percobaan disebut bebas jika peluang suatu hasil dari setiap percobaan tidak bergantung pada hasil percobaan yang lain. Beberapa pengambilan kartu secara berturut-turut dari tumpukan kartu merupakan percobaan independen, dengan ketentuan bahwa kartu yang dikeluarkan dikembalikan ke tumpukan kartu setiap kali dan kartu-kartu tersebut dikocok; jika tidak, eksperimen bergantung.
Eksperimen independen dapat dilakukan dalam kondisi yang sama atau berbeda.
Teorema umum tentang pengulangan percobaan.
Teorema khusus tentang pengulangan eksperimen berkaitan dengan kasus ketika probabilitas kejadian A sama di semua eksperimen. Dalam praktiknya, sering kali kita menjumpai kasus yang lebih kompleks, ketika eksperimen dilakukan dalam kondisi berbeda, dan probabilitas suatu peristiwa berubah dari eksperimen ke eksperimen. Metode untuk menghitung probabilitas sejumlah kejadian tertentu dalam kondisi seperti itu diberikan oleh teorema umum tentang pengulangan eksperimen.
Misalkan banyaknya percobaan u=2, maka kelompok kejadian lengkapnya:
P1P2+P1q2+q1P2+q1q2
Misalkan banyaknya percobaan u=3, maka kelompok kejadian lengkapnya:
P1P2P3+P1P2q3+P1q2P3+q1P2P3+P1q2q3+q1P2q3+q1q2P+q1q2q3
Demikian pula, untuk jumlah percobaan n, kelompok kejadian lengkapnya adalah:
P1P2*…*Pn+P1P2*…*qn+…+q1P2*…*Pn+…+q1*q2*…qn, dan pada setiap karya kejadian A muncul m kali, dan kejadian A muncul n-m kali kombinasi masih
atau lebih pendek
di mana z adalah parameter arbitrer.
Fungsi jn(z), yang perluasan pangkat parameter z menghasilkan pm,n sebagai koefisien probabilitas, disebut fungsi pembangkitan probabilitas pm,n atau sekadar fungsi pembangkit.
Dengan menggunakan konsep pembangkitan fungsi, kita dapat merumuskan teorema umum tentang percobaan berulang bentuk berikut:
Peluang munculnya kejadian A tepat m kali dalam n percobaan bebas sama dengan koefisien zm dalam ekspresi fungsi pembangkit
jn(z)=(qi+piz) dimana pi adalah peluang terjadinya kejadian A pada percobaan ke-i
Rumusan teorema umum pengulangan percobaan di atas, berbeda dengan teorema khusus, tidak memberikan ekspresi eksplisit untuk probabilitas pm,n.
Pada prinsipnya, ungkapan seperti itu dapat ditulis, tetapi terlalu rumit, dan kami tidak akan menyajikannya.
Namun, tanpa menggunakan ekspresi eksplisit seperti itu, teorema umum tentang pengulangan percobaan masih dapat dituliskan dalam bentuk rumus tunggal.
variabel acak.
Salah satu konsep dasar terpenting dalam teori probabilitas adalah konsep variabel acak.
Variabel acak adalah suatu besaran yang, sebagai hasil percobaan, dapat mempunyai nilai tertentu, dan tidak diketahui sebelumnya namanya.
Contoh variabel acak:
Jumlah panggilan yang diterima di sentral telepon per hari;
Jumlah anak laki-laki yang lahir di rumah sakit bersalin per bulan;
Jumlah anak perempuan yang lahir di rumah sakit bersalin per bulan;
Dalam ketiga contoh tersebut, variabel acak dapat mengambil nilai individual dan terisolasi yang dapat dihitung sebelumnya.
Dalam contoh 1;
Variabel acak yang hanya mengambil nilai individual yang terpisah satu sama lain disebut variabel diskrit.
Ada jenis variabel acak lainnya.
Misalnya suhu udara, kelembaban udara, tegangan pada jaringan arus listrik.
Fungsi distribusi.
Deret distribusi, poligon distribusi bukan
adalah karakteristik universal dari variabel acak: karakteristik tersebut hanya ada untuk variabel acak diskrit. Sangat mudah untuk melihat bahwa karakteristik seperti itu tidak dapat dibuat untuk variabel acak kontinu. Memang benar, variabel acak kontinu mempunyai jumlah tak terhingga nilai yang mungkin, ???? menempati interval tertentu (yang disebut “himpunan tak terhitung”). Tidak mungkin membuat tabel yang mencantumkan semua kemungkinan nilai dari variabel acak tersebut. Akibatnya, untuk variabel acak kontinu tidak ada deret distribusi seperti yang ada pada variabel diskontinu. Namun, wilayah nilai yang mungkin berbeda dari suatu variabel acak masih belum memiliki kemungkinan yang sama, dan untuk variabel kontinu terdapat distribusi probabilitas, meskipun tidak dalam arti yang sama dengan variabel diskontinyu (atau diskrit).
Untuk karakteristik kuantitatif dari distribusi probabilitas ini akan lebih mudah untuk menggunakan bukan probabilitas kejadian x=x, tetapi probabilitas kejadian x Fungsi distribusi F(x) kadang juga disebut fungsi distribusi kumulatif atau hukum distribusi kumulatif. Fungsi distribusi adalah karakteristik universal dari variabel acak. Fungsi ini ada untuk semua variabel acak: baik fungsi distribusi diskrit maupun kontinu Sepenuhnya mencirikan variabel acak dari sudut pandang kemungkinan, mis. merupakan salah satu bentuk distribusi. Mari kita rumuskan beberapa sifat umum fungsi distribusi: Fungsi distribusi F(x) adalah fungsi argumennya yang tidak menurun, yaitu. untuk x2>x1 F(x2)>F(x1). Pada minus tak terhingga fungsi distribusinya adalah nol 3. Pada plus tak terhingga, fungsi distribusinya sama dengan 1. Fungsi distribusi khas dari variabel acak kontinu memiliki bentuk Probabilitas membaca variabel acak untuk area tertentu. Saat memecahkan masalah praktis yang melibatkan variabel acak, sering kali perlu menghitung probabilitas bahwa variabel acak akan mengambil nilai dalam batas tertentu, misalnya dari a ke b. Agar lebih pasti, mari kita sepakat untuk memasukkan ujung kiri a pada bagian (a,b), dan tidak memasukkan ujung kanan. Maka kemunculan variabel acak x pada bagian (a,b) ekuivalen dengan pertidaksamaan berikut : Mari kita nyatakan peluang kejadian tersebut melalui fungsi distribusi nilai x. Untuk melakukan ini, pertimbangkan tiga peristiwa: peristiwa A, terdiri dari fakta bahwa C