Ketika data dikumpulkan, tujuan utama adalah mengambil kesimpulan tentang polpulasi dimana data sampel diambil.
. . .. . .. . . .. . . .. .. .. .. .. .
populasi
.. . .. . . .. . .
sampel
Suatu data penelitian menunjukan berat rata2 bayi yg lahir dari ibu2 perokok lebih rendah dibanding yg lahir dari ibu bukan perokok. Kesimpulan tersebut berlaku pada individu yg terlibat dalam sampel penelitian Apakah kesimpulan berlaku untuk populasi yang lebih luas?
Statistik Inferensial
adalah statistik yg berhubungan dengan penarikan kesimpulan yang bersifat umum (pupulasi) dari data sampel.
Pada prinsipnya analisis inferensial dapat dibedakan atas dua kelompok utama, yaitu menaksir parameter dan menguji hipotesis. Parameter adalah ukuran kuantitatif dalam populasi, sedangkan ukuran kuantitatif yang serupa di dalam sampel disebut statistik. Ukuran atau Populasi Sampel Besaran
x s p n
Statistik Inferensial
statistik parametris
Statistik Parametris
Statistik parametris digunakan untuk menganalisis data interval dan rasio
Statistik Parametris
Contoh :
Hypotesis : rata-rata penayangan iklan di TV paling lama 120 menit. Uji hypoteis : t-test
lebih memilih warna cat mobil merah dibanding biru, metalik dan putih.
Z-test
Kita ingin mengambil kesimpulan ttg Data x1, x2, xn berdistribusi normal
X ~ N ,
X ~ N , n
difference)
The alternative hypothesis Ha: > 170 (one-sided test) atau Ha: 170 (two-sided test)
Tes Statistik
Contoh ini berupa test hipotesa mean (rata2) satu populasi ketika diketahui. x
z stat =
SE x
dan SE x = n
Contoh: z statistic
0 = 170 Kita tahu = 40 Ukuran sampel n = 64.
SE x =
40 64
=5
P-value
Cari p-value dari z yg didapat : Untuk Ha: > 0 P = Pr(Z > zstat) = ekor kanan zstat Untuk Ha: < 0 P = Pr(Z < zstat) = ekor kiri zstat Untuk Ha: 0 P = 2 satu ekor P-value Pergunakan Table F or software untuk mencari p-value berikut
Two-Sided P-Value
One-sided Ha AUC in tail beyond zstat Two-sided Ha consider potential deviations in both directions double the one-sided P-
Examples: If one-sided P = 0.0010, then twosided P = 2 0.0010 = 0.0020. If one-sided P = 0.2743, then twosided P = 2 0.2743 = 0.5486.
Interpretasi
P-value menjawab pertanyaan: berapa peluang (probabiliti) dari nilai test statistic ketika H0 benar? Jadi, semakin kecil P-values semakin memberikan bukti kuat untuk menolak H0 Semakin kecil P-value semakin kuat bukti
Interpretasi
Kesepaktan P > 0.10 tidak ada bukti menolak H0 0.05 < P 0.10 marginally significant evidence 0.01 < P 0.05 significant evidence menolak t H0 P 0.01 highly significant evidence menolak H0 Contoh: P =.27 non-significant evidence menolak H0
situations)
Let probability of erroneously rejecting H0 Set threshold (e.g., let = .10, .05, or whatever) Reject H0 when P Retain H0 when P > Example: Set = .10. Find P = 0.27 retain H0 Example: Set = .01. Find P = .001 reject H0
where SE x = n
A. Hypotheses: H0: = 100 versus Ha: > 100 (one-sided) Ha: 100 (two-sided) B. Test statistic:
zstat
SE x =
15
=5
P =.0052 it is unlikely the sample came from this null distribution strong evidence against H0
Ha: 100 Considers random deviations up and down from 0 tails above and below zstat Thus, two-sided P = 2 0.0052 = 0.0104