1

UJIAN KHI-
KUASADUA
2
Ujian Multinominal
3
Ujikaji multinominal mempunyai kandungan
berikut:
Ujikaji mengandungi bilangan tetap n percubaan.
Hasil bagi setiap ujikaji boleh dikelaskan kepada satu
dari k kategori, dipanggil sebagai sel.
Kebarangkalian p
i
bagi hasil percubaan akan jatuh di
dalam sel i masih kekal bagi setiap percubaan, untuk
i = 1,2,,k. Seterusnya p
1
+ p
2
+ + p
k
= 1.
Setiap percubaan ujikaji adalah bebas dengan
percubaan yang lain.
4
Ujian Ketepatan Padanan
2

Ujian ketepatan padanan
2
menyatakan kategori
kekerapan terjangka (theoretical) dari populasi
adalah bertaburan sebagaimana kekerapan
diperhatikan (actual) dari taburan untuk
menyatakan sama ada terdapat perbezaan
diantara apa yang dijangkakan dan apa yang
diperhatikan.
5
Ujian Ketepatan Padanan _
2

=
= _
k
1 i
1
2
i i
2
e
) e - (o

dimana
o
i
= kekerapan nilai diperhatikan (i = 1, 2, , k)
e
i
= kekerapan nilai terjangka (i = 1, 2, , k)
k = bilangan kategori
c = bilangan parameter yang hendak dianggarkan daripada sampel
df = k 1 c
6
Contoh
Satu kajian keatas pelanggan-pelanggan bank di Malaysia telah
dijalankan dan soalan berikut telah ditanya kepada pelanggan:
Secara am, bagaimanakah paras perkhidmatan yang diberikan
oleh bank di Malaysia? Taburan maklumbalas terhadap soalan ini
ialah seperti berikut:

Amat memuaskan 10% Memuaskan 45%
Sederhana 33% Tidak memuaskan 12%

Katakan pengurus bank mahu menentukan sama ada keputusan
kajian pelanggan tersebut boleh digunakan untuk Kuala Lumpur.
Untuk melakukannya, pengurus bank tersebut menemuduga 210
pelanggan diberbagai-bagai bank secara rawak di Kuala Lumpur,
dan maklumbalas diperhatikan bagi kajian ini sebagaimana berikut.

7
Maklumbalas Kekerapan (o
i
)
Amat memuaskan 22
Memuaskan 110
Sederhana 62
Tidak Memuaskan 16
Adakah kekerapan maklumbalas dari kajian ini adalah sama
sebagaimana kekerapan yang dijangkakan berdasarkan kepada
kajian di Malaysia? Gunakan o = 0.05.

8
Langkah 1: Hipotesis
H
0
: Taburan yang diperhatikan adalah sama sebagaimana
taburan yang dijangkakan
H
a
: Taburan yang diperhatikan adalah tidak sama sebagaimana
taburan yang dijangkakan

Langkah 2: Ujian Statistik

=
=
k
1 i
1
2
i i 2
e
) e - (o
_
df = k 1 c = 4 1 0 = 3
Langkah 3: o = 0.05
9
Langkah 4: Peraturan Keputusan
df = 3
Kawasan
Penerimaan
7.815
2
3 , 05 . 0
= _
Tolak Ho jika
2
yang dikira lebih besar dari 7.815

10
Langkah 5: Nilai Ujian Statistik
Maklumbalas Perkadaran
Terjangka
Kekerapan Terjangka (e
i
)
(Perkadaran X Jumlah Sampel)
Amat memuaskan 0.10 (0.10)(210)=21.0
Memuaskan 0.45 (0.45)(210)= 94.5
Sederhana 0.33 (0.33)(210)= 69.3
Tidak Memuaskan 0.12 (0.12)(210)= 25.2
210.0
11
Maklumbalas Nilai Diperhati
(o
i
)
Nilai Terjangka
(e
i
)
Amat
memuaskan
22 21.0 0.0476
Memuaskan 110 94.5 2.5423
Sederhana 62 69.3 0.7690
Tidak
Memuaskan
16 25.2 3.3587
6.6177
i
i i
e
) - e o (
2
Nilai _
2
6.6177
e
) e - (o

k
1 i 1
2
i i
2
= = _

=
12
Langkah 6: Kesimpulan

Nilai khi-kuasadua yang diperhatikan ialah 6.6177 dan
lebih kecil dari nilai jadual kritikal 7.815 maka pengurus
bank tidak boleh menolak hipotesis nul. Oleh itu data
yang diambil dari 210 pelanggan bank di Kuala Lumpur
menunjukkan bahawa taburan responden pelanggan
bank di Kuala Lumpur tidak mempunyai perbezaan yang
signifikan berbanding maklum balas pelanggan bank di
Malaysia.


13
Bulan 000 liter
Januari 1,832.00
Februari 1,785.00
Mac 1,949.00
April 1,690.00
Mei 1,350.00
Jun 1,493.00
Julai 1,675.00
Ogos 1,574.00
September 1,695.00
Oktober 1,564.00
November 1,402.00
Desimber 1,755.00
Jumlah 19,764.00

Pengurus setesyen minyak
PETRONAS di Serdang mahu
mengetahui sama ada jualan petrol
adalah bertaburan seragam
disepanjang tahun oleh itu ia boleh
membuat perancangan pembelian
petrol. Min taburan seragam
dimana kekerapan adalah sama di
dalam semua kategori. Di dalam
situasi ini, pengurus mahu
mengetahui sama ada jumlah petrol
yang dijual adalah sama setiap
bulan sepanjang tahun. Ia meneliti
rekod jualan petrol setiap bulan
sepanjang tahun, dan mendapati
sebagaimana berikut. Gunakan o =
0.01 untuk menguji sama ada data
sesuai untuk taburan seragam.

14
Langkah 1: Hipotesis
H
0
: Jualan petrol bulanan adalah bertaburan seragam
H
a
: Jualan petrol bulanan tidak bertaburan seragam

Langkah 2: Ujian Statistik

=
= _
k
1 i 1
2
i i
2
e
) e - (o

df = k 1 c = 12 1 0 = 11
Langkah 3: o = 0.01
15
Langkah 4: Peraturan Keputusan
df = 11
0.01
Kawasan
Penerimaan
24.725
2
11 01 0
= _
, .
Tolak Ho jika
2
yang dikira lebih besar dari 24.725

16
Langkah 5: Nilai Ujian Statistik
1647.0
12
19,764
f
e
=
=
Bulan
f
o
f
e
(f
o
- f
e
)
2
/f
e
Januari 1,832.00 1647.00 20.78021
Februari 1,785.00 1647.00 11.56284
Mac 1,949.00 1647.00 55.37583
April 1,690.00 1647.00 1.12265
mei 1,350.00 1647.00 53.55738
Jun 1,493.00 1647.00 14.39951
Julai 1,675.00 1647.00 0.47602
Ogos 1,574.00 1647.00 3.23558
September 1,695.00 1647.00 1.39891
Oktober 1,564.00 1647.00 4.18276
November 1,402.00 1647.00 36.44505
Desimber 1,755.00 1647.00 7.08197
Jumlah 19,764.00 19,764.00 209.6187
. 6187 209
2
.
Cal
=
_
17
Langkah 6: Kesimpulan

Nilai _
2
yang diperhatikan lebih besar daripada nilai jadual kritikal
24.725 oleh itu keputusannya adalah menolak hipotesis nul. Maka
kita mempunyai bukti yang mencukupi di dalam masalah ini untuk
menunjukkan taburan jualan petrol adalah tidak seragam. Jualan
petrol di setesyen minyak adalah tidak bertaburan seragam, oleh itu
pengurus mesti membuat perancangan untuk memenuhi permintaan
setiap bulan. Diwaktu permintaan meningkat, lebih petrol perlu
dipesan dari pembekal, dan diwaktu kurang permintaan, pesanan
boleh dikurangkan.


18
Contoh
Katakan pengurus tol di Serdang mempercayai taburan ketibaan rawak
kenderaan di pintu masuk tol Serdang adalah bertaburan Poisson dan
mahu menguji hipotesis ini dengan mamungut maklumat. Data berikut
menunjukkan taburan kekerapan ketibaan kenderaan dalam masa satu
minit di pintu tol Serdang. Gunakan o = 0.05 untuk menguji data ini di
dalam usaha untuk menentukan sama ada ia bertaburan Poisson.
Bilangan
Ketibaan
Kekerapan
Diperhatikan
0 8
1 19
2 27
3 17
4 13
>5 6
19
Langkah 1: Hipotesis
H
0
: taburan kekerapan adalah Poisson
H
a
: Taburan kekerapan bukan Poisson
Langkah 2: Ujian Statistik
=
= _
k
1 i 1
2
i i
2
e
) e - (o

df = k 2 = 6 2 = 4
Langkah 3: o = 0.05
20
Langkah 4: Peraturan Keputusan
df = 4
0.05
Kawasan
Penerimaan
9.488
2
11 , 01 . 0
= _
Tolak Ho jika
2
yang dikira lebih besar dari 9.488

Darjah kebebasan ialah k 2 = 6 1 1 = 4 disebabkan taburan
terjangka ialah Poisson. Tambahan satu darjah kebebasan adalah
kehilangan yang disebabkan nilai lambda mesti dikira dengan
menggunakan data sampel yang diperhatikan
21
Bilangan
Ketibaan
X
Kekerapan
Diperhatikan
f
f X
0 9 0
1 19 19
2 27 54
3 17 51
4 13 42
>5 6 30
206
Langkah 5: Nilai Ujian Statistik
it kereta/min 2.3

90
206

f
f.X

=
= =
Nin Kadar Ketibaan
22
Terjangka [P(x)]
0 0.1003 (90 x 0.1033) = 9.03
1 0.2306 (90 x 0.2306) = 20.75
2 0.2652 (90 x 0.2652) = 23.87
3 0.2033 (90 x 0.2033) = 18.30
4 0.1169 (90 x 0.1169) = 10.52
>5 0.0837 (90 x 0.0837) = 7.53
90.00
Bilangan Kebarangkalian Kekerapan Terjangka
[n.P(X)]
Kebarangkalian Poisson untuk = 2.3
Kebarangkalian
Poisson
Untuk k = 2.3

90 f n = =

23
Bilangan Kekerapan Kekerapan (o
i
- e
i
)
2
/e
i
Ketibaan Diperhatian (o
i
) Terjangka (e
i
)
0 8.00 9.03 0.1175
1 19.00 20.75 0.1476
2 27.00 23.87 0.4104
3 17.00 18.30 0.0923
4 13.00 10.52 0.5846
>5 6.00 7.53 0.3109
90.00 90.00 1.6634
6634 . 1
2
Cal
=
_
24
Langkah 6: Kesimpulan

Nilai diperhatikan adalah lebih kecil daripada nilai
jadual kritikal 9.488, oleh itu pengurus tidak dapat
menolah hipotesis nul. Oleh itu, ia gagal untuk
menolak hipotesis bahawa taburan ketibaan kereta
adalah Poisson.Pengurus boleh menggunakan
taburan Poisson sebagai asas untuk jenis analisis
lain, seperti model penggiliran.

25
Analisis Kontingensi
atau Ujian Khi-
kuasadua Bebas
26
Ujian Khi-kuasadua Bebas

Ujian ketepatan padanan khi-kuasadua adalah
digunakan untuk menganalisis taburan kekerapan bagi
kategori satu angkubah, seperti usia atau bilangan
ketibaan kereta diplaza tol, untuk menentukan sama
ada taburan ini sama sebagaimana yang dihipotesiskan
atau taburan yang dijangkakan.

Ujian ketepatan padanan tidak boleh digunakan untuk
menganalisis dua angkubah secara serentak.

Ujian khi-kuasadua bebas, boleh digunakan untuk
menganalisis kekerapan dua angkubah dengan kategori
yang berbilang untuk menentukan sama ada dua
angkubah adalah bebas.

27
Contoh
Bangsa A B C D Jumlah
R
1
72 8 12 23 115
R
2
26 10 16 33 85
R
3
7 10 14 19 50
Jumlah 105 20 42 75 250
Jenis Jus Buah-buahan
28
Hipotesis
Oleh kerana penganalisis pemasaran mahu menentukan
sama ada terdapat hubungan di antara kegemaran
terhadap jenis jus buah-buahan dengan bangsa,
hipotesis yang diuji ialah

H
0
: Dua kelasifikasi ini adalah bebas.
H
a
: Dua kelasifikasi ini adalah berhubungan
29
Ujian Statistik
= =
= _
c
1
r
1
2
ij
ij ij
2
e
e - o

i j
dimana
df = (r 1)(c 1)
r = bilangan baris
c = bilangan lajur

30
Peraturan Keputusan
df = 6
0.01 Kawasan
Penerimaa
n
16.8119
2
6 , 01 . 0
= _
Tolak Ho jika
2
yang dikira lebih besar dari 16.8119

c = 4
r = 3
df = (r 1) (c 1)
= (3 1)(4 1)
= 6

31
Kebarangkalian Marginal
Lajur
250
105
P(A)~
250
28
P(B) ~
250
42
P(C) ~
250
75
P(D) ~
32
Kebarangkalian Marginal
Baris
250
115
) P(R
1
~
250
85
) P(R
2
~
250
50
) P(R
3
~
33
Kebarangkalian Setiap Sel
Jika peristiwa E
1
dan E
2
adalah bebas, maka:

P(E
1
E
2
) = P(E
1
).P(E
2
).
Oleh itu:
|
.
|

\
|
|
.
|

\
|
~ =
250
115

250
105
) P(R P(A) ) R P(A
1 1
Bilangan terjangka yang terletak di dalam sel pertama
( ) ( )
250
115 105

250
115

250
105
250. ) R n.P(A e11
1
= |
.
|

\
|
|
.
|

\
|
= =
34
Kekerapan terjangka yang lain adalah dianggarkan di
dalam cara yang sama, menggunakan peraturan am
berikut untuk kekerapan terjangka sel di dalam baris i
dan lajur j:

sampel Saiz
j) lajur (Jumlah i). baris (Jumlah
e
ij
=
35
Bangsa Jumlah
R1 72 (48.3) 8 (12.88) 12 (19.32) 23 (34.50) 115
R2 26 (35.7) 10 (9.52) 16 (14.28) 33 (25.50) 85
R3 7 (21.0) 10 (5.60) 14 (8.40) 19 (15.00) 50
Jumlah 250 105 28
Jenis Jus Buah-buahan yagng Digemari
C D
42 75
A B
e
11
(105)(115)/250 = 48.30
e
12
(28)(115)/250 = 12.88
e
13
(42)(115)/250 = 19.32
e
14
(75)(115)/250 = 34.50
e
21
(105)(85)/250 = 35.70
e
22
(28)(85)/250 = 9.52
e
23
(42)(85)/250 = 14.28
e
24
(75)(85)/250 = 25.50
e
31
(105)(50)/250 = 21.00
e
32
(28)(50)/250 = 5.60
e
33
(42)(50)/250 = 8.40
e
34
(75)(50)/250 = 15.00
36
Nilai Ujian
Statistik
Sel Kekerapan
Diperhatikan
(o
ij
)
Kekerapan
Terjangka
(e
ii
)
(o
ij
- e
ij
)
2
e
11
72.00 48.30 561.69 11.63
e
12
8.00 12.88 23.81 1.85
e
13
12.00 19.32 53.58 2.77
e
14
23.00 34.50 132.25 3.83
e
21
26.00 35.70 94.09 2.64
e
22
10.00 9.52 0.23 0.02
e
23
16.00 14.28 2.96 0.21
e
24
33.00 25.50 56.25 2.21
e
31
7.00 21.00 196.00 9.33
e
32
10.00 5.60 19.36 3.46
e
33
14.00 8.40 31.36 3.73
e
34
19.00 15.00 16.00 1.07
250.00 250.00 42.75
ij
2
ij ij
e
) e - (o
75 . 42
2
Cal
=
_
37
Kesimpulan
Oleh kerana nilai ujian statistik yang dikira ialah 42.75
lebih besar dari nilai kritikal (16.8119), maka kita boleh
menolak hipotesis nul dua klasifikasi adalah bebas.
Berdasarkan kepada data sampel, kita membuat
kesimpulan bahawa paras paras 99% keyakinan
terdapat hubungan di antara citarasa pengemar jus
buah-buahan dengan bangsa.

38
Ujian Khi-Kuasadua
untuk Perkadaran
Populasi
39
Ujian _
2
untuk menguji
Perkadaran Populasi
.10 P : H
.10 = P
a =
: Ho
841 3
1
0 1 2
1
05
2
1 05
.
c k df
.
, .
=
=
=
=
= o
_
. H terima 841 3 Jika
. H tolak 841 3 Jika
o
2
Cal
o
2
Cal
, .
, .
s
>
_
_
40
f
o
f
e
Rosak 43 20
Tidak rosak 157 180
n 200 200

Rosak: f
e
= n.P
f
e
= (200)(0.10)
= 20

Tidak rosak: f
e
= n.(1 - P)
f
e
= (200)(0.90)
= 180

29.39
2.94 26.45

180
180) - (157

20
20) - (43

) f - (f

2 2
2
e o
2
=
+ =
+ =
= _

fe
41
0.05
df = 1
3.841
Kawasan
Penerimaan
Ho tolak maka 3.841, 29.39 kerana Oleh
2
> = _
42