Anda di halaman 1dari 83

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Teorema Newman Pearson


pengujian terbaik

Andi Kresna Jaya


andikresna@yahoo.com
Jurusan Matematika

October 6, 2014
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Outline

Review

Uji dua sisi untuk mean

Teorema Neyman-Pearson

Back

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Outline

Review

Uji dua sisi untuk mean

Teorema Neyman-Pearson

Back

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Outline

Review

Uji dua sisi untuk mean

Teorema Neyman-Pearson

Back

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Sasaran pembelajaran: Mampu memahami teorema Neyman


Pearson dan konsep pengujian hipotesis
1
2

Kemampuan melakukan pengujian hipotesis dua sisi


Kemampuan menjelaskan daerah kritis terbaik

Metode: Kuliah dan Diskusi


Text book: Hogg dan Craig, Introduction to
Mathematical Statistics; Casella dan Berger,
Statistical Inference

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

opening

If your experiment needs a statistician, you need a better


experiment. Ernest Rutherford
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Pada materi sebelumnya, telah dipelajari uji statistik yang


hanya satu sisi.
Misalkan akan dilakukan uji terhadap H0 : = 30.000
terhadap H1 : > 30.000, dengan adalah mean distribusi
normal dan standar deviasinya = 5.000. Ini adalah satu sisi
saja.
Jika H1 : 6= 30, 000, maka pengujian yang dilakukan disebut
uji dua sisi.
Materi ini akan didahului tentang uji statistik dua sisi ini.

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Pada materi sebelumnya, telah dipelajari uji statistik yang


hanya satu sisi.
Misalkan akan dilakukan uji terhadap H0 : = 30.000
terhadap H1 : > 30.000, dengan adalah mean distribusi
normal dan standar deviasinya = 5.000. Ini adalah satu sisi
saja.
Jika H1 : 6= 30, 000, maka pengujian yang dilakukan disebut
uji dua sisi.
Materi ini akan didahului tentang uji statistik dua sisi ini.

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Pada materi sebelumnya, telah dipelajari uji statistik yang


hanya satu sisi.
Misalkan akan dilakukan uji terhadap H0 : = 30.000
terhadap H1 : > 30.000, dengan adalah mean distribusi
normal dan standar deviasinya = 5.000. Ini adalah satu sisi
saja.
Jika H1 : 6= 30, 000, maka pengujian yang dilakukan disebut
uji dua sisi.
Materi ini akan didahului tentang uji statistik dua sisi ini.

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Pada materi sebelumnya, telah dipelajari uji statistik yang


hanya satu sisi.
Misalkan akan dilakukan uji terhadap H0 : = 30.000
terhadap H1 : > 30.000, dengan adalah mean distribusi
normal dan standar deviasinya = 5.000. Ini adalah satu sisi
saja.
Jika H1 : 6= 30, 000, maka pengujian yang dilakukan disebut
uji dua sisi.
Materi ini akan didahului tentang uji statistik dua sisi ini.

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

large sample two-sided test for mean


Misalkan X adalah peubah acak dengan mean dan variansi
2.
Akan diuji hipotesi null H0 : = 0 terhadap hipotesis
alternatif H1 : 6= 0 .
Misalkan X1 , X2 , , Xn sampel acak sehingga diperoleh X
dan S 2 sebagai mean sampel dan variansi sampel.
Jika terdapat suatu nilai h dan k sehingga X h atau X k,
maka H0 ditolak. Ini berarti untuk suatu nilai
= PH0 (X h atau X k)
Karena ukuran sampel cukup besar, distribusi X berdistribusi
secara simetri terhadap 0 dipengaruhi oleh H0 , sehingga
secara intuisi dibagi dua di sisi kiri dan kanan, yaitu
PH0 (X h) = /2 dan PH0 (X k) = /2
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

large sample two-sided test for mean


Misalkan X adalah peubah acak dengan mean dan variansi
2.
Akan diuji hipotesi null H0 : = 0 terhadap hipotesis
alternatif H1 : 6= 0 .
Misalkan X1 , X2 , , Xn sampel acak sehingga diperoleh X
dan S 2 sebagai mean sampel dan variansi sampel.
Jika terdapat suatu nilai h dan k sehingga X h atau X k,
maka H0 ditolak. Ini berarti untuk suatu nilai
= PH0 (X h atau X k)
Karena ukuran sampel cukup besar, distribusi X berdistribusi
secara simetri terhadap 0 dipengaruhi oleh H0 , sehingga
secara intuisi dibagi dua di sisi kiri dan kanan, yaitu
PH0 (X h) = /2 dan PH0 (X k) = /2
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

large sample two-sided test for mean


Misalkan X adalah peubah acak dengan mean dan variansi
2.
Akan diuji hipotesi null H0 : = 0 terhadap hipotesis
alternatif H1 : 6= 0 .
Misalkan X1 , X2 , , Xn sampel acak sehingga diperoleh X
dan S 2 sebagai mean sampel dan variansi sampel.
Jika terdapat suatu nilai h dan k sehingga X h atau X k,
maka H0 ditolak. Ini berarti untuk suatu nilai
= PH0 (X h atau X k)
Karena ukuran sampel cukup besar, distribusi X berdistribusi
secara simetri terhadap 0 dipengaruhi oleh H0 , sehingga
secara intuisi dibagi dua di sisi kiri dan kanan, yaitu
PH0 (X h) = /2 dan PH0 (X k) = /2
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

large sample two-sided test for mean


Misalkan X adalah peubah acak dengan mean dan variansi
2.
Akan diuji hipotesi null H0 : = 0 terhadap hipotesis
alternatif H1 : 6= 0 .
Misalkan X1 , X2 , , Xn sampel acak sehingga diperoleh X
dan S 2 sebagai mean sampel dan variansi sampel.
Jika terdapat suatu nilai h dan k sehingga X h atau X k,
maka H0 ditolak. Ini berarti untuk suatu nilai
= PH0 (X h atau X k)
Karena ukuran sampel cukup besar, distribusi X berdistribusi
secara simetri terhadap 0 dipengaruhi oleh H0 , sehingga
secara intuisi dibagi dua di sisi kiri dan kanan, yaitu
PH0 (X h) = /2 dan PH0 (X k) = /2
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

large sample two-sided test for mean


Misalkan X adalah peubah acak dengan mean dan variansi
2.
Akan diuji hipotesi null H0 : = 0 terhadap hipotesis
alternatif H1 : 6= 0 .
Misalkan X1 , X2 , , Xn sampel acak sehingga diperoleh X
dan S 2 sebagai mean sampel dan variansi sampel.
Jika terdapat suatu nilai h dan k sehingga X h atau X k,
maka H0 ditolak. Ini berarti untuk suatu nilai
= PH0 (X h atau X k)
Karena ukuran sampel cukup besar, distribusi X berdistribusi
secara simetri terhadap 0 dipengaruhi oleh H0 , sehingga
secara intuisi dibagi dua di sisi kiri dan kanan, yaitu
PH0 (X h) = /2 dan PH0 (X k) = /2
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Karena kekonsistenan dari S 2 ke 2 , maka dibawah pengaruh


H0 diperoleh
(X 0 ) D

N(0, 1).
S/ n
Maka bentuk itu akan memutuskan apakah H0 ditolak atau
tidak. H0 ditolak (atau menerima H1 ) jika


(X 0 )


S/n z/2 .

Aproksimasi fungsi kuasanya dinyatakan dalam bentuk




K () = P X 0 z/2 / n + P X 0 z/2 / n




n(0 )
n(0 )
z/2 + 1
+ z/2
=

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Karena kekonsistenan dari S 2 ke 2 , maka dibawah pengaruh


H0 diperoleh
(X 0 ) D

N(0, 1).
S/ n
Maka bentuk itu akan memutuskan apakah H0 ditolak atau
tidak. H0 ditolak (atau menerima H1 ) jika


(X 0 )


S/n z/2 .

Aproksimasi fungsi kuasanya dinyatakan dalam bentuk




K () = P X 0 z/2 / n + P X 0 z/2 / n




n(0 )
n(0 )
z/2 + 1
+ z/2
=

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Karena kekonsistenan dari S 2 ke 2 , maka dibawah pengaruh


H0 diperoleh
(X 0 ) D

N(0, 1).
S/ n
Maka bentuk itu akan memutuskan apakah H0 ditolak atau
tidak. H0 ditolak (atau menerima H1 ) jika


(X 0 )


S/n z/2 .

Aproksimasi fungsi kuasanya dinyatakan dalam bentuk




K () = P X 0 z/2 / n + P X 0 z/2 / n




n(0 )
n(0 )
z/2 + 1
+ z/2
=

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

contoh 1
Misalkan X adalah lama pemakaian ban dalam 1000 mil
berdistribusi normal dengan mean dan standar deviasi
= 5. Pabrikan ban kemudian mengklaim bahwa produk ban
milik mereka telah diproduksi menggunakan proses yang baru.
Ujilah hipotesis H0 : = 30 terhadap H1 : 6= 30 jika sampel
ban yang diambil n = 20 dan taraf keberartiannya = 0, 05.
Tentukan aproksimasi fungsi kuasanya. Bandingkan jika taraf
keberartiannya = 0, 01.
Aturan penolakan untuk kasus ini untuk = 0, 05 adalah


(X 30)
1, 96.

tolak H0 jika
S/ 20
Nilai 1, 96 adalah nilai z0,05/2 pada distribusi Normal standar
sehingga
0, 975 = (z0,05/2 )
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

contoh 1
Misalkan X adalah lama pemakaian ban dalam 1000 mil
berdistribusi normal dengan mean dan standar deviasi
= 5. Pabrikan ban kemudian mengklaim bahwa produk ban
milik mereka telah diproduksi menggunakan proses yang baru.
Ujilah hipotesis H0 : = 30 terhadap H1 : 6= 30 jika sampel
ban yang diambil n = 20 dan taraf keberartiannya = 0, 05.
Tentukan aproksimasi fungsi kuasanya. Bandingkan jika taraf
keberartiannya = 0, 01.
Aturan penolakan untuk kasus ini untuk = 0, 05 adalah


(X 30)
1, 96.

tolak H0 jika
S/ 20
Nilai 1, 96 adalah nilai z0,05/2 pada distribusi Normal standar
sehingga
0, 975 = (z0,05/2 )
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

contoh 1
Misalkan X adalah lama pemakaian ban dalam 1000 mil
berdistribusi normal dengan mean dan standar deviasi
= 5. Pabrikan ban kemudian mengklaim bahwa produk ban
milik mereka telah diproduksi menggunakan proses yang baru.
Ujilah hipotesis H0 : = 30 terhadap H1 : 6= 30 jika sampel
ban yang diambil n = 20 dan taraf keberartiannya = 0, 05.
Tentukan aproksimasi fungsi kuasanya. Bandingkan jika taraf
keberartiannya = 0, 01.
Aturan penolakan untuk kasus ini untuk = 0, 05 adalah


(X 30)
1, 96.

tolak H0 jika
S/ 20
Nilai 1, 96 adalah nilai z0,05/2 pada distribusi Normal standar
sehingga
0, 975 = (z0,05/2 )
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Aproksimasi fungsi kuasa untuk uji hipotesis ini adalah






(30 )
(30 )
1, 96 +1
+ 1, 96 .
K0,05 () =
1, 118
1, 118
Sedangkan untuk = 0, 01,aturan penolakan untuk kasus ini
adalah


(X 30)

2, 575.

tolak H0 jika
S/ 20
Nilai 2, 575 adalah nilai z0,01/2 pada distribusi Normal standar
sehingga
0, 975 = (z0,05/2 )
Aproksimasi fungsi kuasa untuk uji hipotesis ini adalah




(30 )
(30 )
K0,01 () =
2, 575 +1
+ 2, 575 .
1, 118
1, 118
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Aproksimasi fungsi kuasa untuk uji hipotesis ini adalah






(30 )
(30 )
1, 96 +1
+ 1, 96 .
K0,05 () =
1, 118
1, 118
Sedangkan untuk = 0, 01,aturan penolakan untuk kasus ini
adalah


(X 30)

2, 575.

tolak H0 jika
S/ 20
Nilai 2, 575 adalah nilai z0,01/2 pada distribusi Normal standar
sehingga
0, 975 = (z0,05/2 )
Aproksimasi fungsi kuasa untuk uji hipotesis ini adalah




(30 )
(30 )
K0,01 () =
2, 575 +1
+ 2, 575 .
1, 118
1, 118
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Aproksimasi fungsi kuasa untuk uji hipotesis ini adalah






(30 )
(30 )
1, 96 +1
+ 1, 96 .
K0,05 () =
1, 118
1, 118
Sedangkan untuk = 0, 01,aturan penolakan untuk kasus ini
adalah


(X 30)

2, 575.

tolak H0 jika
S/ 20
Nilai 2, 575 adalah nilai z0,01/2 pada distribusi Normal standar
sehingga
0, 975 = (z0,05/2 )
Aproksimasi fungsi kuasa untuk uji hipotesis ini adalah




(30 )
(30 )
K0,01 () =
2, 575 +1
+ 2, 575 .
1, 118
1, 118
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Aproksimasi fungsi kuasa untuk uji hipotesis ini adalah






(30 )
(30 )
1, 96 +1
+ 1, 96 .
K0,05 () =
1, 118
1, 118
Sedangkan untuk = 0, 01,aturan penolakan untuk kasus ini
adalah


(X 30)

2, 575.

tolak H0 jika
S/ 20
Nilai 2, 575 adalah nilai z0,01/2 pada distribusi Normal standar
sehingga
0, 975 = (z0,05/2 )
Aproksimasi fungsi kuasa untuk uji hipotesis ini adalah




(30 )
(30 )
K0,01 () =
2, 575 +1
+ 2, 575 .
1, 118
1, 118
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Perhatikan bahwa kurva fungsi kuasa di atas didasarkan pada


distribusi Normal dengan variansi yang diberikan ( = 5).
Fungsi kuasa (aproksimasi) berdasar pada aturan penolakan
H0 adalah


(X 0 )

z/2 .

tolak H0 jika
S/ 20
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Sejatinya, jika X berdistribusi normal, maka aturan penolakan


H0 : = 0 terhadap H1 : 6= 0 adalah


(X 0 )

t/2,n1 .

tolak H0 jika
S/ 20
Maka fungsi kuasa untuk kasus di atas harusnya didasarkan
pada distribusi T. Untuk = 0, 05


(X 30)

t0,025,19

tolak H0 jika
5/ 20


(X 30)

2, 093.

jika
S/ 20

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Sejatinya, jika X berdistribusi normal, maka aturan penolakan


H0 : = 0 terhadap H1 : 6= 0 adalah


(X 0 )

t/2,n1 .

tolak H0 jika
S/ 20
Maka fungsi kuasa untuk kasus di atas harusnya didasarkan
pada distribusi T. Untuk = 0, 05


(X 30)

t0,025,19

tolak H0 jika
5/ 20


(X 30)

2, 093.

jika
S/ 20

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Misalkan sampel acak diambil dari distribusi N(1 , 2 ) dan


N(2 , 2 ). Jika ukuran sampel dari kedua distribusi adalah n1
dan n2 . Mean dan variansi sampel pertama adalah X1 dan S12 .
Mean dan variansi sampel kedua adalah X2 dan S22 .
Perhatikan bahwa n = n1 + n2 adalah kombinasi ukuran
sampel dan
Sp2 =

(n1 1)S12 + (n2 1)S22


n1 + n2 2

adalah bobot rata-rata variansi sampel S12 dengan S22 , yang


merupakan penaksir tak bias untuk 2
Aturan penolakan H0 : 1 = 2 terhadap H1 : 1 6= 2 untuk
taraf keberartian , jika dan hanya jika


(X 0 )


S/20 t/2,n2 .
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Misalkan sampel acak diambil dari distribusi N(1 , 2 ) dan


N(2 , 2 ). Jika ukuran sampel dari kedua distribusi adalah n1
dan n2 . Mean dan variansi sampel pertama adalah X1 dan S12 .
Mean dan variansi sampel kedua adalah X2 dan S22 .
Perhatikan bahwa n = n1 + n2 adalah kombinasi ukuran
sampel dan
Sp2 =

(n1 1)S12 + (n2 1)S22


n1 + n2 2

adalah bobot rata-rata variansi sampel S12 dengan S22 , yang


merupakan penaksir tak bias untuk 2
Aturan penolakan H0 : 1 = 2 terhadap H1 : 1 6= 2 untuk
taraf keberartian , jika dan hanya jika


(X 0 )


S/20 t/2,n2 .
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Misalkan sampel acak diambil dari distribusi N(1 , 2 ) dan


N(2 , 2 ). Jika ukuran sampel dari kedua distribusi adalah n1
dan n2 . Mean dan variansi sampel pertama adalah X1 dan S12 .
Mean dan variansi sampel kedua adalah X2 dan S22 .
Perhatikan bahwa n = n1 + n2 adalah kombinasi ukuran
sampel dan
Sp2 =

(n1 1)S12 + (n2 1)S22


n1 + n2 2

adalah bobot rata-rata variansi sampel S12 dengan S22 , yang


merupakan penaksir tak bias untuk 2
Aturan penolakan H0 : 1 = 2 terhadap H1 : 1 6= 2 untuk
taraf keberartian , jika dan hanya jika


(X 0 )


S/20 t/2,n2 .
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Neyman-Pearson
Pada materi ini akan dibahas pengujian hipotesis dengan
daerah kritis terbaik.
Misalkan X adalah peubah acak dengan fkp f (x; ) di mana
. Jika dapat dipartisi dalam 2 himpunan bagian 0
dan 1 , sehingga nilai-nilai yang mungkin dari dapat
terletak di salah satu himpunan bagian tersebut.
Misalkan hipotesis H0 : 0 dan H1 : 1 , pengujian
hipotesis didasarkan pada sampel X1 , X2 , , Xn yang diambil
dari distribusi X .
sebuah uji untuk hipotesis didasarkan pada sebuah daerah
kritis, C sehingga aturan ujinya adalah
Tolak H0 jika (X1 , X2 , , Xn ) C
Terima H0 jika (X1 , X2 , , Xn ) C 0
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Neyman-Pearson
Pada materi ini akan dibahas pengujian hipotesis dengan
daerah kritis terbaik.
Misalkan X adalah peubah acak dengan fkp f (x; ) di mana
. Jika dapat dipartisi dalam 2 himpunan bagian 0
dan 1 , sehingga nilai-nilai yang mungkin dari dapat
terletak di salah satu himpunan bagian tersebut.
Misalkan hipotesis H0 : 0 dan H1 : 1 , pengujian
hipotesis didasarkan pada sampel X1 , X2 , , Xn yang diambil
dari distribusi X .
sebuah uji untuk hipotesis didasarkan pada sebuah daerah
kritis, C sehingga aturan ujinya adalah
Tolak H0 jika (X1 , X2 , , Xn ) C
Terima H0 jika (X1 , X2 , , Xn ) C 0
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Neyman-Pearson
Pada materi ini akan dibahas pengujian hipotesis dengan
daerah kritis terbaik.
Misalkan X adalah peubah acak dengan fkp f (x; ) di mana
. Jika dapat dipartisi dalam 2 himpunan bagian 0
dan 1 , sehingga nilai-nilai yang mungkin dari dapat
terletak di salah satu himpunan bagian tersebut.
Misalkan hipotesis H0 : 0 dan H1 : 1 , pengujian
hipotesis didasarkan pada sampel X1 , X2 , , Xn yang diambil
dari distribusi X .
sebuah uji untuk hipotesis didasarkan pada sebuah daerah
kritis, C sehingga aturan ujinya adalah
Tolak H0 jika (X1 , X2 , , Xn ) C
Terima H0 jika (X1 , X2 , , Xn ) C 0
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Neyman-Pearson
Pada materi ini akan dibahas pengujian hipotesis dengan
daerah kritis terbaik.
Misalkan X adalah peubah acak dengan fkp f (x; ) di mana
. Jika dapat dipartisi dalam 2 himpunan bagian 0
dan 1 , sehingga nilai-nilai yang mungkin dari dapat
terletak di salah satu himpunan bagian tersebut.
Misalkan hipotesis H0 : 0 dan H1 : 1 , pengujian
hipotesis didasarkan pada sampel X1 , X2 , , Xn yang diambil
dari distribusi X .
sebuah uji untuk hipotesis didasarkan pada sebuah daerah
kritis, C sehingga aturan ujinya adalah
Tolak H0 jika (X1 , X2 , , Xn ) C
Terima H0 jika (X1 , X2 , , Xn ) C 0
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Peluang terjadinya kesalahan tipe 1 adalah ukuran atau taraf


keberartian untuk uji,
= max P ((X1 , , Xn ) C ).
0

Peluang ini menyatakan bahwa peluang bahwa


(X1 , , Xn ) C ketika 0 adalah parameter yang
sebenarnya untuk distribusi.
Peluang terjadinya kesalahan tipe 2 adalah peluang
maksimum bahwa H1 ditolak ketika C 0 ,
KC () = P ((X1 , , Xn ) C ) , 1 .

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Peluang terjadinya kesalahan tipe 1 adalah ukuran atau taraf


keberartian untuk uji,
= max P ((X1 , , Xn ) C ).
0

Peluang ini menyatakan bahwa peluang bahwa


(X1 , , Xn ) C ketika 0 adalah parameter yang
sebenarnya untuk distribusi.
Peluang terjadinya kesalahan tipe 2 adalah peluang
maksimum bahwa H1 ditolak ketika C 0 ,
KC () = P ((X1 , , Xn ) C ) , 1 .

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

contoh 1
Misalkan X adalah peubah acak distribusi binomial dengan
n = 5 dan p = . Jika hipotesis untuk nilai adalah
H0 : = 12 dan H1 : = 43 . Tentukan daerah kritis untuk
= 1/32.
Untuk menjawab ini, pertama akan ditampilan
 tabel nilai
1
3
1
3
f x; 2 , f x; 4 dan rasio f x; 2 /f x; 4 untuk semua
nilai x yang mungkin dari distribusi.
x 
f x; 12
f x; 34

f (x; 12 )
f (x; 34 )

1
32

5
32

10
32

10
32

5
32

1
32

1
1024

15
1024

90
1024

270
1024

405
1024

243
1024

32

32
3

32
9

32
27

32
81

32
243

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

contoh 1
Misalkan X adalah peubah acak distribusi binomial dengan
n = 5 dan p = . Jika hipotesis untuk nilai adalah
H0 : = 12 dan H1 : = 43 . Tentukan daerah kritis untuk
= 1/32.
Untuk menjawab ini, pertama akan ditampilan
 tabel nilai
1
3
1
3
f x; 2 , f x; 4 dan rasio f x; 2 /f x; 4 untuk semua
nilai x yang mungkin dari distribusi.
x 
f x; 12
f x; 34

f (x; 12 )
f (x; 34 )

1
32

5
32

10
32

10
32

5
32

1
32

1
1024

15
1024

90
1024

270
1024

405
1024

243
1024

32

32
3

32
9

32
27

32
81

32
243

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Dari tabel,dapat dilihat bahwa untuk nilai = 1/32


himpunan bagian dari nilai-nilai x yang mungkin hanya ada
ada 2, yaitu A1 = {x : x = 0} dan A2 = {x : x = 5} sehingga
P(A1 ) = 1/32 dan P(A2 ) = 1/32.
Ini berarti hanya satu dari A1 dari A2 yang merupakan daerah
kritis terbaik.
Jika P(A1 ; = 1/2) =

1
32

dan P(A1 : = 3/4) =

1
1024 .

Sehingga dengan kondisi demikian, ketika A1 dijadikan daerah


kritis, maka peluang menolak H0 ketika H1 benar lebih kecil
daripada peluang menolak H0 ketika seharusnya H0 benar.
Jika P(A2 ; = 1/2) =

1
32

dan P(A2 : = 3/4) =

243
1024 .

Sehingga dengan kondisi demikian, ketika A1 dijadikan daerah


kritis, maka peluang menolak H0 ketika H1 benar lebih besar
daripada peluang menolak H0 ketika seharusnya H0 benar.
Maka daerah kritis terbaik adalah A2 .
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Dari tabel,dapat dilihat bahwa untuk nilai = 1/32


himpunan bagian dari nilai-nilai x yang mungkin hanya ada
ada 2, yaitu A1 = {x : x = 0} dan A2 = {x : x = 5} sehingga
P(A1 ) = 1/32 dan P(A2 ) = 1/32.
Ini berarti hanya satu dari A1 dari A2 yang merupakan daerah
kritis terbaik.
Jika P(A1 ; = 1/2) =

1
32

dan P(A1 : = 3/4) =

1
1024 .

Sehingga dengan kondisi demikian, ketika A1 dijadikan daerah


kritis, maka peluang menolak H0 ketika H1 benar lebih kecil
daripada peluang menolak H0 ketika seharusnya H0 benar.
Jika P(A2 ; = 1/2) =

1
32

dan P(A2 : = 3/4) =

243
1024 .

Sehingga dengan kondisi demikian, ketika A1 dijadikan daerah


kritis, maka peluang menolak H0 ketika H1 benar lebih besar
daripada peluang menolak H0 ketika seharusnya H0 benar.
Maka daerah kritis terbaik adalah A2 .
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Dari tabel,dapat dilihat bahwa untuk nilai = 1/32


himpunan bagian dari nilai-nilai x yang mungkin hanya ada
ada 2, yaitu A1 = {x : x = 0} dan A2 = {x : x = 5} sehingga
P(A1 ) = 1/32 dan P(A2 ) = 1/32.
Ini berarti hanya satu dari A1 dari A2 yang merupakan daerah
kritis terbaik.
Jika P(A1 ; = 1/2) =

1
32

dan P(A1 : = 3/4) =

1
1024 .

Sehingga dengan kondisi demikian, ketika A1 dijadikan daerah


kritis, maka peluang menolak H0 ketika H1 benar lebih kecil
daripada peluang menolak H0 ketika seharusnya H0 benar.
Jika P(A2 ; = 1/2) =

1
32

dan P(A2 : = 3/4) =

243
1024 .

Sehingga dengan kondisi demikian, ketika A1 dijadikan daerah


kritis, maka peluang menolak H0 ketika H1 benar lebih besar
daripada peluang menolak H0 ketika seharusnya H0 benar.
Maka daerah kritis terbaik adalah A2 .
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Dari tabel,dapat dilihat bahwa untuk nilai = 1/32


himpunan bagian dari nilai-nilai x yang mungkin hanya ada
ada 2, yaitu A1 = {x : x = 0} dan A2 = {x : x = 5} sehingga
P(A1 ) = 1/32 dan P(A2 ) = 1/32.
Ini berarti hanya satu dari A1 dari A2 yang merupakan daerah
kritis terbaik.
Jika P(A1 ; = 1/2) =

1
32

dan P(A1 : = 3/4) =

1
1024 .

Sehingga dengan kondisi demikian, ketika A1 dijadikan daerah


kritis, maka peluang menolak H0 ketika H1 benar lebih kecil
daripada peluang menolak H0 ketika seharusnya H0 benar.
Jika P(A2 ; = 1/2) =

1
32

dan P(A2 : = 3/4) =

243
1024 .

Sehingga dengan kondisi demikian, ketika A1 dijadikan daerah


kritis, maka peluang menolak H0 ketika H1 benar lebih besar
daripada peluang menolak H0 ketika seharusnya H0 benar.
Maka daerah kritis terbaik adalah A2 .
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Dari tabel,dapat dilihat bahwa untuk nilai = 1/32


himpunan bagian dari nilai-nilai x yang mungkin hanya ada
ada 2, yaitu A1 = {x : x = 0} dan A2 = {x : x = 5} sehingga
P(A1 ) = 1/32 dan P(A2 ) = 1/32.
Ini berarti hanya satu dari A1 dari A2 yang merupakan daerah
kritis terbaik.
Jika P(A1 ; = 1/2) =

1
32

dan P(A1 : = 3/4) =

1
1024 .

Sehingga dengan kondisi demikian, ketika A1 dijadikan daerah


kritis, maka peluang menolak H0 ketika H1 benar lebih kecil
daripada peluang menolak H0 ketika seharusnya H0 benar.
Jika P(A2 ; = 1/2) =

1
32

dan P(A2 : = 3/4) =

243
1024 .

Sehingga dengan kondisi demikian, ketika A1 dijadikan daerah


kritis, maka peluang menolak H0 ketika H1 benar lebih besar
daripada peluang menolak H0 ketika seharusnya H0 benar.
Maka daerah kritis terbaik adalah A2 .
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Dari tabel,dapat dilihat bahwa untuk nilai = 1/32


himpunan bagian dari nilai-nilai x yang mungkin hanya ada
ada 2, yaitu A1 = {x : x = 0} dan A2 = {x : x = 5} sehingga
P(A1 ) = 1/32 dan P(A2 ) = 1/32.
Ini berarti hanya satu dari A1 dari A2 yang merupakan daerah
kritis terbaik.
Jika P(A1 ; = 1/2) =

1
32

dan P(A1 : = 3/4) =

1
1024 .

Sehingga dengan kondisi demikian, ketika A1 dijadikan daerah


kritis, maka peluang menolak H0 ketika H1 benar lebih kecil
daripada peluang menolak H0 ketika seharusnya H0 benar.
Jika P(A2 ; = 1/2) =

1
32

dan P(A2 : = 3/4) =

243
1024 .

Sehingga dengan kondisi demikian, ketika A1 dijadikan daerah


kritis, maka peluang menolak H0 ketika H1 benar lebih besar
daripada peluang menolak H0 ketika seharusnya H0 benar.
Maka daerah kritis terbaik adalah A2 .
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Dari tabel,dapat dilihat bahwa untuk nilai = 1/32


himpunan bagian dari nilai-nilai x yang mungkin hanya ada
ada 2, yaitu A1 = {x : x = 0} dan A2 = {x : x = 5} sehingga
P(A1 ) = 1/32 dan P(A2 ) = 1/32.
Ini berarti hanya satu dari A1 dari A2 yang merupakan daerah
kritis terbaik.
Jika P(A1 ; = 1/2) =

1
32

dan P(A1 : = 3/4) =

1
1024 .

Sehingga dengan kondisi demikian, ketika A1 dijadikan daerah


kritis, maka peluang menolak H0 ketika H1 benar lebih kecil
daripada peluang menolak H0 ketika seharusnya H0 benar.
Jika P(A2 ; = 1/2) =

1
32

dan P(A2 : = 3/4) =

243
1024 .

Sehingga dengan kondisi demikian, ketika A1 dijadikan daerah


kritis, maka peluang menolak H0 ketika H1 benar lebih besar
daripada peluang menolak H0 ketika seharusnya H0 benar.
Maka daerah kritis terbaik adalah A2 .
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

contoh 2
Kasus yang sama di contoh 1, tentukan daerah kritisnya untuk
= 6/32.
Misalkan bahwa H0 benar, maka terdapat 4 himpunan bagian
dari ruang sampel, yaitu B1 = {x : x = 0, 1},
B2 = {x : x = 0, 4}, B3 = {x : x = 1, 5} dan
6
B4 = {x : x = 4, 5}, sehingga ukuran peluangnya 32
.
Jika H1 benar, maka peluang untuk masing-masing himpunan
648
tersebut adalah P(B1 ) < P(B2 ) < P(B3 ) < P(B4 ) = 1024
.
Maka daerah kritis yang dipilih adalah B4 = {x : x = 4, 5}.
Dari contoh 1 dan 2, dapat diberikan kriteria sebuah daerah
kritis terbaik.

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

contoh 2
Kasus yang sama di contoh 1, tentukan daerah kritisnya untuk
= 6/32.
Misalkan bahwa H0 benar, maka terdapat 4 himpunan bagian
dari ruang sampel, yaitu B1 = {x : x = 0, 1},
B2 = {x : x = 0, 4}, B3 = {x : x = 1, 5} dan
6
B4 = {x : x = 4, 5}, sehingga ukuran peluangnya 32
.
Jika H1 benar, maka peluang untuk masing-masing himpunan
648
tersebut adalah P(B1 ) < P(B2 ) < P(B3 ) < P(B4 ) = 1024
.
Maka daerah kritis yang dipilih adalah B4 = {x : x = 4, 5}.
Dari contoh 1 dan 2, dapat diberikan kriteria sebuah daerah
kritis terbaik.

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

contoh 2
Kasus yang sama di contoh 1, tentukan daerah kritisnya untuk
= 6/32.
Misalkan bahwa H0 benar, maka terdapat 4 himpunan bagian
dari ruang sampel, yaitu B1 = {x : x = 0, 1},
B2 = {x : x = 0, 4}, B3 = {x : x = 1, 5} dan
6
B4 = {x : x = 4, 5}, sehingga ukuran peluangnya 32
.
Jika H1 benar, maka peluang untuk masing-masing himpunan
648
tersebut adalah P(B1 ) < P(B2 ) < P(B3 ) < P(B4 ) = 1024
.
Maka daerah kritis yang dipilih adalah B4 = {x : x = 4, 5}.
Dari contoh 1 dan 2, dapat diberikan kriteria sebuah daerah
kritis terbaik.

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

contoh 2
Kasus yang sama di contoh 1, tentukan daerah kritisnya untuk
= 6/32.
Misalkan bahwa H0 benar, maka terdapat 4 himpunan bagian
dari ruang sampel, yaitu B1 = {x : x = 0, 1},
B2 = {x : x = 0, 4}, B3 = {x : x = 1, 5} dan
6
B4 = {x : x = 4, 5}, sehingga ukuran peluangnya 32
.
Jika H1 benar, maka peluang untuk masing-masing himpunan
648
tersebut adalah P(B1 ) < P(B2 ) < P(B3 ) < P(B4 ) = 1024
.
Maka daerah kritis yang dipilih adalah B4 = {x : x = 4, 5}.
Dari contoh 1 dan 2, dapat diberikan kriteria sebuah daerah
kritis terbaik.

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

contoh 2
Kasus yang sama di contoh 1, tentukan daerah kritisnya untuk
= 6/32.
Misalkan bahwa H0 benar, maka terdapat 4 himpunan bagian
dari ruang sampel, yaitu B1 = {x : x = 0, 1},
B2 = {x : x = 0, 4}, B3 = {x : x = 1, 5} dan
6
B4 = {x : x = 4, 5}, sehingga ukuran peluangnya 32
.
Jika H1 benar, maka peluang untuk masing-masing himpunan
648
tersebut adalah P(B1 ) < P(B2 ) < P(B3 ) < P(B4 ) = 1024
.
Maka daerah kritis yang dipilih adalah B4 = {x : x = 4, 5}.
Dari contoh 1 dan 2, dapat diberikan kriteria sebuah daerah
kritis terbaik.

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Definisi 1
Misalkan C adalah himpunan bagian dari ruang sampel A. C
adalah daerah kritis terbaik dari ukuran untuk uji hipotesis
sederhana, H0 : = 0 terhadap hipotesis alternatif (sederhana),
H1 : = 1 , jika berlaku
P0 ((X1 , X2 , , Xn ) C ) =
A A berlaku P0 ((X1 , X2 , , Xn ) A) = maka
P1 ((X1 , X2 , , Xn ) C ) P1 ((X1 , X2 , , Xn ) A) .
Misalkan X1 , X2 , , Xn sampel acak berukuran n Z+ dari
distribusi peluang yang fkp-nya f (x; ). Fungsi likelihood untuk
X1 , X2 , , Xn adalah
L(; x1 , , xn ) =

n
Y

f (xi ; )

i=1
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

teorema Neyman-Pearson
Teorema 1
Jika = {0 , 1 }, k bilangan positif, dan C himpunan bagian dari
ruang sampel sehingga
L(0 ;x1 , ,xn )
L(1 ;x1 , ,xn )
L(0 ;x1 , ,xn )
L(1 ;x1 , ,xn )

k, (x1 , , xn ) C
k, (x1 , , xn ) C 0

= P ((X1 , X2 , , Xn ) C ) .
Maka C adalah daerah kritis terbaik untuk taraf keberartian dari
uji hipotesis sederhana H0 : = 0 dan H1 : = 1 .

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

contoh 3
Misalkan X1 , X 2, , Xn sampel acak dari distribusi
N(, 1). Jika hipotesis sederhana yang akan diuji adalah
H0 : = 0 vs H1 : = 1.
Tentukan daerah kritis terbaik untuk taraf keberartian .
Karena distribusinya normal dengan mean dan variansi
2 = 1, maka fkp-nya adalah


(x )2
1
, < x < .
f (x; ) = exp
2
2
Bentuk fungsi likelihoodnya adalah
n
 Pn


(xi )2
1
i=1
L(; x1 , x2 , , xn ) =
exp
,
2
2
untuk < xi < , i = 1, 2, , n.
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

contoh 3
Misalkan X1 , X 2, , Xn sampel acak dari distribusi
N(, 1). Jika hipotesis sederhana yang akan diuji adalah
H0 : = 0 vs H1 : = 1.
Tentukan daerah kritis terbaik untuk taraf keberartian .
Karena distribusinya normal dengan mean dan variansi
2 = 1, maka fkp-nya adalah


(x )2
1
, < x < .
f (x; ) = exp
2
2
Bentuk fungsi likelihoodnya adalah
n
 Pn


(xi )2
1
i=1
L(; x1 , x2 , , xn ) =
exp
,
2
2
untuk < xi < , i = 1, 2, , n.
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

contoh 3
Misalkan X1 , X 2, , Xn sampel acak dari distribusi
N(, 1). Jika hipotesis sederhana yang akan diuji adalah
H0 : = 0 vs H1 : = 1.
Tentukan daerah kritis terbaik untuk taraf keberartian .
Karena distribusinya normal dengan mean dan variansi
2 = 1, maka fkp-nya adalah


(x )2
1
, < x < .
f (x; ) = exp
2
2
Bentuk fungsi likelihoodnya adalah
n
 Pn


(xi )2
1
i=1
L(; x1 , x2 , , xn ) =
exp
,
2
2
untuk < xi < , i = 1, 2, , n.
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Maka
 Pn 2 
xi
exp
i=1
2
L(0; x1 , x2 , , xn )
 Pn

=
2
L(1; x1 , x2 , , xn )
i=1 (xi 1)
exp
2
atau dapat ditulis menjadi
L(0; x1 , x2 , , xn )
= exp
L(1; x1 , x2 , , xn )

Pn

2
i=1 xi

Pn

i=1 (xi

1)2


.

Jika k > 0, sehingga untuk semua titik (x1 , x2 , , xn )


berlaku
!
n
X
n
exp
xi +
k,
2
i=1

maka himpunan semua titik (x1 , x2 , , xn ) yang memenuhi


bentuk tersebut adalah daerah kritis terbaik.
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Maka
 Pn 2 
xi
exp
i=1
2
L(0; x1 , x2 , , xn )
 Pn

=
2
L(1; x1 , x2 , , xn )
i=1 (xi 1)
exp
2
atau dapat ditulis menjadi
L(0; x1 , x2 , , xn )
= exp
L(1; x1 , x2 , , xn )

Pn

2
i=1 xi

Pn

i=1 (xi

1)2


.

Jika k > 0, sehingga untuk semua titik (x1 , x2 , , xn )


berlaku
!
n
X
n
exp
xi +
k,
2
i=1

maka himpunan semua titik (x1 , x2 , , xn ) yang memenuhi


bentuk tersebut adalah daerah kritis terbaik.
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Maka
 Pn 2 
xi
exp
i=1
2
L(0; x1 , x2 , , xn )
 Pn

=
2
L(1; x1 , x2 , , xn )
i=1 (xi 1)
exp
2
atau dapat ditulis menjadi
L(0; x1 , x2 , , xn )
= exp
L(1; x1 , x2 , , xn )

Pn

2
i=1 xi

Pn

i=1 (xi

1)2


.

Jika k > 0, sehingga untuk semua titik (x1 , x2 , , xn )


berlaku
!
n
X
n
exp
xi +
k,
2
i=1

maka himpunan semua titik (x1 , x2 , , xn ) yang memenuhi


bentuk tersebut adalah daerah kritis terbaik.
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Maka
 Pn 2 
xi
exp
i=1
2
L(0; x1 , x2 , , xn )
 Pn

=
2
L(1; x1 , x2 , , xn )
i=1 (xi 1)
exp
2
atau dapat ditulis menjadi
L(0; x1 , x2 , , xn )
= exp
L(1; x1 , x2 , , xn )

Pn

2
i=1 xi

Pn

i=1 (xi

1)2


.

Jika k > 0, sehingga untuk semua titik (x1 , x2 , , xn )


berlaku
!
n
X
n
exp
xi +
k,
2
i=1

maka himpunan semua titik (x1 , x2 , , xn ) yang memenuhi


bentuk tersebut adalah daerah kritis terbaik.
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Bentuk exp

xi +

n
2

x
dengan x =

k ekuivalen dengan
1 ln k

= c,
2
n

xi /n.

Jadi daerah kritis terbaik untuk kasus ini dapat dinyatakan


sebagai
C = {(x1 , x2 , , xn ) : x c} .
Uji hipotesisnya dapat didasarkan pada statistik X .
Jika x > c, H0 ditolak untuk taraf keberartian . Peluang
penolakan H0 , ketika H0 benar adalah .
Jika x < c, H0 diterima.
Peluang menolak H0 ketika H0 salah adalah nilai kuasa untuk
uji ketika = 1.

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Bentuk exp

xi +

n
2

x
dengan x =

k ekuivalen dengan
1 ln k

= c,
2
n

xi /n.

Jadi daerah kritis terbaik untuk kasus ini dapat dinyatakan


sebagai
C = {(x1 , x2 , , xn ) : x c} .
Uji hipotesisnya dapat didasarkan pada statistik X .
Jika x > c, H0 ditolak untuk taraf keberartian . Peluang
penolakan H0 , ketika H0 benar adalah .
Jika x < c, H0 diterima.
Peluang menolak H0 ketika H0 salah adalah nilai kuasa untuk
uji ketika = 1.

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Bentuk exp

xi +

n
2

x
dengan x =

k ekuivalen dengan
1 ln k

= c,
2
n

xi /n.

Jadi daerah kritis terbaik untuk kasus ini dapat dinyatakan


sebagai
C = {(x1 , x2 , , xn ) : x c} .
Uji hipotesisnya dapat didasarkan pada statistik X .
Jika x > c, H0 ditolak untuk taraf keberartian . Peluang
penolakan H0 , ketika H0 benar adalah .
Jika x < c, H0 diterima.
Peluang menolak H0 ketika H0 salah adalah nilai kuasa untuk
uji ketika = 1.

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Bentuk exp

xi +

n
2

x
dengan x =

k ekuivalen dengan
1 ln k

= c,
2
n

xi /n.

Jadi daerah kritis terbaik untuk kasus ini dapat dinyatakan


sebagai
C = {(x1 , x2 , , xn ) : x c} .
Uji hipotesisnya dapat didasarkan pada statistik X .
Jika x > c, H0 ditolak untuk taraf keberartian . Peluang
penolakan H0 , ketika H0 benar adalah .
Jika x < c, H0 diterima.
Peluang menolak H0 ketika H0 salah adalah nilai kuasa untuk
uji ketika = 1.

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Bentuk exp

xi +

n
2

x
dengan x =

k ekuivalen dengan
1 ln k

= c,
2
n

xi /n.

Jadi daerah kritis terbaik untuk kasus ini dapat dinyatakan


sebagai
C = {(x1 , x2 , , xn ) : x c} .
Uji hipotesisnya dapat didasarkan pada statistik X .
Jika x > c, H0 ditolak untuk taraf keberartian . Peluang
penolakan H0 , ketika H0 benar adalah .
Jika x < c, H0 diterima.
Peluang menolak H0 ketika H0 salah adalah nilai kuasa untuk
uji ketika = 1.

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Bentuk exp

xi +

n
2

x
dengan x =

k ekuivalen dengan
1 ln k

= c,
2
n

xi /n.

Jadi daerah kritis terbaik untuk kasus ini dapat dinyatakan


sebagai
C = {(x1 , x2 , , xn ) : x c} .
Uji hipotesisnya dapat didasarkan pada statistik X .
Jika x > c, H0 ditolak untuk taraf keberartian . Peluang
penolakan H0 , ketika H0 benar adalah .
Jika x < c, H0 diterima.
Peluang menolak H0 ketika H0 salah adalah nilai kuasa untuk
uji ketika = 1.

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Peluang/nilai kuasa-nya dinyatakan


P(X c; H1 ) =

Z
c



1
n(
x 1)2
p
exp
d x.
2
2/n

Sebagai contoh,
p jika n = 25 dan = 0.05, maka diperoleh
nilai c = z0,05 1/25 = 1, 645/5 = 0, 329.
Sehingga nilai kuasa untuk H1 benar adalah


Z
1
25(
x 1)2

p
P(X 0, 329; H1 ) =
exp
d x
2
2/25
0,329


0, 329 1
= 1
1/5
= 1 0, 000397 = 0, 999603.

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Peluang/nilai kuasa-nya dinyatakan


P(X c; H1 ) =

Z
c



1
n(
x 1)2
p
exp
d x.
2
2/n

Sebagai contoh,
p jika n = 25 dan = 0.05, maka diperoleh
nilai c = z0,05 1/25 = 1, 645/5 = 0, 329.
Sehingga nilai kuasa untuk H1 benar adalah


Z
1
25(
x 1)2

p
P(X 0, 329; H1 ) =
exp
d x
2
2/25
0,329


0, 329 1
= 1
1/5
= 1 0, 000397 = 0, 999603.

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Peluang/nilai kuasa-nya dinyatakan


P(X c; H1 ) =

Z
c



1
n(
x 1)2
p
exp
d x.
2
2/n

Sebagai contoh,
p jika n = 25 dan = 0.05, maka diperoleh
nilai c = z0,05 1/25 = 1, 645/5 = 0, 329.
Sehingga nilai kuasa untuk H1 benar adalah


Z
1
25(
x 1)2

p
P(X 0, 329; H1 ) =
exp
d x
2
2/25
0,329


0, 329 1
= 1
1/5
= 1 0, 000397 = 0, 999603.

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Teorema Neyman-Pearson ini juga dapat diterapkan pada


pengujian bentuk distribusi.
Jika H0 adalah hipotesis sederhana bahwa fkp bersama adalah
g (x1 , x2 , , xn ) dan H1 adalah fkp bersama h(x1 , x2 , , xn ),
maka daerah kritis terbaik C untuk taraf keberartian pada
uji hipotesis H0 dengan H1 memenuhi syarat:
g (x1 ,x2 , ,xn )
h(x1 ,x2 , ,xn )
g (x1 ,x2 , ,xn )
h(x1 ,x2 , ,xn )

k, (x1 , , xn ) C

k, (x1 , , xn ) C 0
= P ((X1 , X2 , , Xn ) C ) .

Berikut adalah sebuah contoh.

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Teorema Neyman-Pearson ini juga dapat diterapkan pada


pengujian bentuk distribusi.
Jika H0 adalah hipotesis sederhana bahwa fkp bersama adalah
g (x1 , x2 , , xn ) dan H1 adalah fkp bersama h(x1 , x2 , , xn ),
maka daerah kritis terbaik C untuk taraf keberartian pada
uji hipotesis H0 dengan H1 memenuhi syarat:
g (x1 ,x2 , ,xn )
h(x1 ,x2 , ,xn )
g (x1 ,x2 , ,xn )
h(x1 ,x2 , ,xn )

k, (x1 , , xn ) C

k, (x1 , , xn ) C 0
= P ((X1 , X2 , , Xn ) C ) .

Berikut adalah sebuah contoh.

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Teorema Neyman-Pearson ini juga dapat diterapkan pada


pengujian bentuk distribusi.
Jika H0 adalah hipotesis sederhana bahwa fkp bersama adalah
g (x1 , x2 , , xn ) dan H1 adalah fkp bersama h(x1 , x2 , , xn ),
maka daerah kritis terbaik C untuk taraf keberartian pada
uji hipotesis H0 dengan H1 memenuhi syarat:
g (x1 ,x2 , ,xn )
h(x1 ,x2 , ,xn )
g (x1 ,x2 , ,xn )
h(x1 ,x2 , ,xn )

k, (x1 , , xn ) C

k, (x1 , , xn ) C 0
= P ((X1 , X2 , , Xn ) C ) .

Berikut adalah sebuah contoh.

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

contoh 4
Misalkan X1 , X 2, , Xn sampel acak dari sebuah fkp f(x)
yang positif untuk nilai-nilai x adalah bilangan bulat tak
negatif. Jika hipotesis sederhana yang akan diuji adalah
H0 : f (x) =

e 1
, x = 0, 1, 2, ,
x!

melawan hipotesis sederhana


 x+1
1
, x = 0, 1, 2, .
H1 : f (x) =
2
Tentukan daerah kritis terbaik untuk taraf keberartian .

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

contoh 4
Misalkan X1 , X 2, , Xn sampel acak dari sebuah fkp f(x)
yang positif untuk nilai-nilai x adalah bilangan bulat tak
negatif. Jika hipotesis sederhana yang akan diuji adalah
H0 : f (x) =

e 1
, x = 0, 1, 2, ,
x!

melawan hipotesis sederhana


 x+1
1
, x = 0, 1, 2, .
H1 : f (x) =
2
Tentukan daerah kritis terbaik untuk taraf keberartian .

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Misalkan kondisi H0 benar, maka fkp bersama X1 , X2 , , Xn


adalah
g (x1 , , xn ) =

e n
, xi = 0, 1, 2, , i = 1, 2, , n
x1 !x2 ! xn !

Misalkan kondisi H1 benar, maka fkp bersama X1 , X2 , , Xn


adalah
 n+P xi
1
, xi = 0, 1, 2, , i = 1, 2, , n.
h(x1 , , xn ) =
2
Maka rasio fkp bersama dari dua kondisi adalah
n P
2e 1 2 xi
g
=
h
x1 !x2 ! xn !
untuk xi = 0, 1, 2, , i = 1, 2, , n.
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Misalkan kondisi H0 benar, maka fkp bersama X1 , X2 , , Xn


adalah
g (x1 , , xn ) =

e n
, xi = 0, 1, 2, , i = 1, 2, , n
x1 !x2 ! xn !

Misalkan kondisi H1 benar, maka fkp bersama X1 , X2 , , Xn


adalah
 n+P xi
1
, xi = 0, 1, 2, , i = 1, 2, , n.
h(x1 , , xn ) =
2
Maka rasio fkp bersama dari dua kondisi adalah
n P
2e 1 2 xi
g
=
h
x1 !x2 ! xn !
untuk xi = 0, 1, 2, , i = 1, 2, , n.
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Misalkan kondisi H0 benar, maka fkp bersama X1 , X2 , , Xn


adalah
g (x1 , , xn ) =

e n
, xi = 0, 1, 2, , i = 1, 2, , n
x1 !x2 ! xn !

Misalkan kondisi H1 benar, maka fkp bersama X1 , X2 , , Xn


adalah
 n+P xi
1
, xi = 0, 1, 2, , i = 1, 2, , n.
h(x1 , , xn ) =
2
Maka rasio fkp bersama dari dua kondisi adalah
n P
2e 1 2 xi
g
=
h
x1 !x2 ! xn !
untuk xi = 0, 1, 2, , i = 1, 2, , n.
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Jika k > 0, dan g /h k untuk (x1 , x2 , , xn ) C , maka


!
!
n
n
X
Y
xi log 2 log
(xi )! log k n log 2e 1 = c.
i=1

i=1

Maka daerah kritis terbaik C dapat dinyatakan


(
!
!
)
n
n
X
Y
C = (x1 , x2 , , xn ) :
xi log 2 log
(xi )! c .
i=1

i=1

Jadi, misalkan untuk n = 1 dan k = 1, maka daerah kritis


terbaiknya adalah
C = {x : x = 0, 3, 4, 5, }
Kuasa untuk uji ketika H0 benar adalah P(X C : H0 ) =
1 P(X = 1, 2 : H0 ) = 1 (0, 368 + 0, 184) = 0, 448
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Jika k > 0, dan g /h k untuk (x1 , x2 , , xn ) C , maka


!
!
n
n
X
Y
xi log 2 log
(xi )! log k n log 2e 1 = c.
i=1

i=1

Maka daerah kritis terbaik C dapat dinyatakan


(
!
!
)
n
n
X
Y
C = (x1 , x2 , , xn ) :
xi log 2 log
(xi )! c .
i=1

i=1

Jadi, misalkan untuk n = 1 dan k = 1, maka daerah kritis


terbaiknya adalah
C = {x : x = 0, 3, 4, 5, }
Kuasa untuk uji ketika H0 benar adalah P(X C : H0 ) =
1 P(X = 1, 2 : H0 ) = 1 (0, 368 + 0, 184) = 0, 448
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Jika k > 0, dan g /h k untuk (x1 , x2 , , xn ) C , maka


!
!
n
n
X
Y
xi log 2 log
(xi )! log k n log 2e 1 = c.
i=1

i=1

Maka daerah kritis terbaik C dapat dinyatakan


(
!
!
)
n
n
X
Y
C = (x1 , x2 , , xn ) :
xi log 2 log
(xi )! c .
i=1

i=1

Jadi, misalkan untuk n = 1 dan k = 1, maka daerah kritis


terbaiknya adalah
C = {x : x = 0, 3, 4, 5, }
Kuasa untuk uji ketika H0 benar adalah P(X C : H0 ) =
1 P(X = 1, 2 : H0 ) = 1 (0, 368 + 0, 184) = 0, 448
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Jika k > 0, dan g /h k untuk (x1 , x2 , , xn ) C , maka


!
!
n
n
X
Y
xi log 2 log
(xi )! log k n log 2e 1 = c.
i=1

i=1

Maka daerah kritis terbaik C dapat dinyatakan


(
!
!
)
n
n
X
Y
C = (x1 , x2 , , xn ) :
xi log 2 log
(xi )! c .
i=1

i=1

Jadi, misalkan untuk n = 1 dan k = 1, maka daerah kritis


terbaiknya adalah
C = {x : x = 0, 3, 4, 5, }
Kuasa untuk uji ketika H0 benar adalah P(X C : H0 ) =
1 P(X = 1, 2 : H0 ) = 1 (0, 368 + 0, 184) = 0, 448
Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Kuasa untuk uji ketika H1 benar adalah


P(X C : H1 ) = 1 P(X = 1, 2 : H1 ) = 1

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson

1
4

1
8

= 0, 625

Review Uji dua sisi untuk mean Teorema Neyman-Pearson

Closing

If your experiment needs a statistician, you need a better


experiment. Ernest Rutherford

Andi Kresna Jaya andikresna@yahoo.com

Teorema Newman Pearson