Probabilitas dan contoh apriori
Apa Probabilitas apriori?
Probabilitas apriori mengacu pada kemungkinan suatu peristiwa terjadi ketika ada jumlah hasil yang terbatas dan masing-masing kemungkinan sama terjadi. Hasil dalam probabilitas apriori tidak dipengaruhi oleh hasil sebelumnya. Atau, dengan kata lain, hasil apa pun hingga saat ini tidak akan memberi Anda keunggulan dalam memprediksi hasil di masa mendatang. Lemparan koin biasanya digunakan untuk menjelaskan probabilitas apriori. Kemungkinan berakhir dengan kepala atau ekor adalah 50% dengan setiap lemparan koin terlepas dari apakah Anda memiliki kepala atau ekor. Kelemahan terbesar dari metode pendefinisian probabilitas ini adalah bahwa metode ini hanya dapat diterapkan pada rangkaian peristiwa yang terbatas karena sebagian besar peristiwa dunia nyata yang kita pedulikan tunduk pada probabilitas bersyarat setidaknya sampai beberapa derajat. Probabilitas apriori juga disebut sebagai probabilitas klasik.
Poin Penting
- Probabilitas apriori menetapkan bahwa hasil dari acara berikutnya tidak bergantung pada hasil dari acara sebelumnya.
- A priori juga menghapus pengguna pengalaman independen. Karena hasilnya acak dan tidak kontingen, Anda tidak dapat menyimpulkan hasil selanjutnya.
- Contoh yang bagus dari ini adalah saat melempar koin. Tidak peduli apa yang dibalik sebelumnya atau berapa banyak flips yang terjadi, kemungkinannya selalu 50% karena ada dua sisi.
Memahami Probabilitas A Priori
Probabilitas apriori sebagian besar merupakan kerangka teoritis untuk probabilitas yang dapat dibatasi pada sejumlah kecil hasil. Rumus untuk menghitung probabilitas apriori sangat mudah:
Probabilitas A Priori = Hasil yang Diinginkan / Jumlah Total Hasil
Jadi probabilitas a priori untuk mendapatkan angka enam pada dadu bersisi enam adalah satu (hasil yang diinginkan dari enam) dibagi enam. Jadi, Anda memiliki peluang 16% untuk melempar enam dan peluang yang sama persis dengan nomor lain yang Anda pilih di dadu. Peluang apriori dapat ditumpuk dalam set hasil, tentu saja, sehingga peluang Anda untuk mendapatkan angka genap pada dadu yang sama meningkat menjadi 50% hanya karena ada hasil yang lebih diinginkan.
Contoh Dunia Nyata dari Probabilitas A Priori
Contoh sehari-hari dari probabilitas apriori adalah peluang Anda untuk memenangkan lotre berbasis angka. Rumus untuk menghitung probabilitas menjadi jauh lebih kompleks karena peluang Anda didasarkan pada kombinasi angka pada tiket yang dipilih secara acak dalam urutan yang benar, dan Anda dapat membeli beberapa tiket dengan beberapa kombinasi angka. Meskipun demikian, ada pilihan kombinasi terbatas yang akan menghasilkan kemenangan. Sayangnya, jumlah hasil yang memungkinkan mengerdilkan jumlah hasil yang diinginkan — rangkaian tiket khusus Anda. Kemungkinan memenangkan hadiah utama dalam lotere seperti Lotere Powerball di AS adalah satu dari ratusan juta. Selain itu, peluang memenangkan hadiah utama secara eksklusif (tidak membagi) turun saat pot naik dan lebih banyak orang bermain.
Probabilitas dan Keuangan Priori
Penerapan probabilitas apriori untuk keuangan terbatas. Selain membuat orang enggan untuk menyerahkan nasib finansial mereka ke tangan lotere, sebagian besar hasil yang dipedulikan orang di bidang keuangan tidak memiliki jumlah hasil yang terbatas. Anda tidak dapat mengatakan bahwa harga saham memiliki tiga kemungkinan akibat naik, turun, atau tetap datar ketika hasil ini dipengaruhi oleh berbagai faktor luar yang mengubah kemungkinan setiap hasil.
Di bidang keuangan, orang lebih sering menggunakan probabilitas empiris atau subyektif sebagai lawan dari probabilitas klasik. Dalam probabilitas empiris, Anda melihat data masa lalu untuk mendapatkan gambaran tentang hasil masa depan. Kemungkinan subjektif, Anda melapisi pengalaman dan perspektif pribadi Anda sendiri di atas data untuk membuat panggilan yang unik bagi Anda. Jika saham telah sobek selama tiga hari setelah rekomendasi analis berkinerja lebih baik, investor mungkin secara wajar mengharapkannya untuk terus berlanjut berdasarkan aksi harga baru-baru ini. Namun, investor lain mungkin melihat aksi harga yang sama dan ingat bahwa konsolidasi mengikuti kenaikan tajam di saham ini dua tahun lalu, mengambil pesan yang berlawanan dari data harga yang sama. Bergantung pada pasar, kedua investor tidak bisa lebih akurat daripada prediksi melalui probabilitas apriori, tetapi kami merasa lebih baik tentang keputusan yang dapat kami benarkan dengan setidaknya beberapa logika di luar peluang acak.