Bagian II: Observasi Survey dan Penyesuaian

2.1 pengantar

Sementara pengamatan yang dilakukan dalam survei yang penting, adalah lebih penting untuk menganalisis hasil terbuat dari
survei itu. Analisis ini dapat dangkal bahwa surveyor terlihat dan membuat penilaian pada pengamatan atau dapat menguraikan
berdasarkan prinsip statistik dari penyesuaian kuadrat terkecil. Pendekatan ini terakhir untuk analisis adalah metode yang akan
digunakan untuk proyek-proyek MDOT dan kontrak. Keuntungan utama dari kuadrat terletak pada kemampuan untuk statistik
mencapai kesimpulan untuk kualitas pengamatan dalam survei dan untuk menguji untuk melihat apakah pengukuran ini
memenuhi standar yang diakui dalam profesi.

2.2. Perencanaan dan Desain Survey

Salah satu aspek yang paling penting dari setiap proyek survei adalah perencanaan dan desain survei itu. Dengan munculnya
global positioning system (GPS), perencanaan telah menjadi tempat yang lebih umum. Ide di balik perencanaan adalah untuk
mengoptimalkan geometri survei sehingga meningkatkan akurasi hasil survei itu. Misalnya, dalam melintasi konvensional
adalah penting untuk menjauh dari "tipis" atau "kurus" segitiga. Ini jenis geometris angka membuat kelemahan dalam larutan.
kesalahan kecil di segitiga menjadi diperbesar dalam proses penyesuaian. Situasi yang sama berlaku untuk GPS. Berikut
geometri melibatkan lokasi satelit di langit. Seperti ditunjukkan dalam Bagian V (10,8) . geometri satelit yang buruk dapat
mengakibatkan dilusi presisi yang tidak dapat diterima untuk survei GPS. Gambar 2.1 menunjukkan geometri satelit GPS yang
baik sedangkan Gambar 2.2 menunjukkan geometri miskin karena semua satelit berada dalam satu kuadran dari langit
menciptakan sudut tipis di stasiun penerima.

Gambar 2.1 Contoh geometri

satelit yang baik

2.1
 Gambar 2.2 Geometri
satelit Miskin.

Perencanaan survei juga melibatkan mengidentifikasi pemilik tanah yang tanahnya survei akan dilakukan. Sebelum
pelaksanaan survey apapun, orang-orang ini harus dihubungi dan izin yang diperoleh untuk mengakses poin survei pada
properti mereka. Cobalah untuk mengidentifikasi lokasi titik survei untuk menjadi sesederhana mungkin dan terletak di lokasi
yang meminimalkan kerusakan pada properti pemilik. Pastikan bahwa pemilik tahu kapan survei akan dilakukan dan tujuan
untuk survei.

2.3. Pre-Analisis

Kemampuan untuk melakukan pra-analisis survei tertentu adalah alat yang sangat membantu dalam mengembangkan spesifikasi
yang diperlukan untuk mendukung kebutuhan akurasi survei. Dengan perencanaan yang matang, perkiraan apriori dari jumlah
yang diukur dapat ditentukan dan kemudian, melalui propagasi error, hasil awal berdasarkan bahwa desain survei, dapat
ditentukan. Pra-analisis akan membantu mengidentifikasi kelemahan baik geometri atau di teknik instrumentasi / survei yang
diterapkan untuk survei.

Bila menggunakan peralatan survei campuran untuk survei, adalah penting bahwa ketepatan alat tersebut kompatibel
satu sama lain. Misalnya, ketika menggunakan EDM dengan teodolit presisi relatif dari kedua instrumen harus
konsisten satu sama lain untuk mencapai yang diinginkan

2.2
akurasi untuk survei tertentu. Misalnya, Tabel 2.1 menunjukkan kesalahan sudut diijinkan untuk akurasi linear yang diberikan. Tabel 2.2
memberikan contoh yang sebanding mengidentifikasi kesalahan linear diijinkan untuk kesalahan sudut tertentu.

2.4. Pengamatan dan Kesalahan sudut Allowable untuk

Mengingat Kesalahan Linear
Saya adalah
t fakta dikenal dengan baik bahwa semua
pengukuran, kecuali penghitungan, mengandung kesalahan. Akurasi Pengukuran diijinkan sudut
Ini adalah melekat dalam setiap pengukuran karena Linear Kesalahan
kesalahan residu dalam pembuatan instrumen, pengamatan
1: 500 6 '53 "
manusia, dan kondisi lingkungan. Sebuah survei yang
dirancang dengan baik akan menghilangkan kesalahan dan 1: 1.000 3 '26 "
"Tabel 2.1 Kesalahan
kesalahan, memperhitungkan setiap kesalahan sistematis
dalam proses pengukuran, dan meminimalkan efek dari 1: 5.000 0 '41 "
kesalahan acak yang akan tetap ada setelah blunder dan
1: 10.000 0 '21 "
kesalahan sistematis telah baik dihilangkan atau diperbaiki.

1: 50.000 0 '04 "

1: 100.000 0 '02 "

2.4.1. blunder
1: 1.000.000 0 '00,2

Blunder yang kesalahan. Mereka pasti

el iminated dari set
observasional dengan tabel 2.2
pengamatan ulang. blunder Kesalahan Linear diijinkan untuk Kesalahan sudut Mengingat

tidak dapat dikoreksi untuk karena

mereka tidak kesalahan. blunder Reading Diijinkan Kesalahan Linear Dalam 100 '

umum termasuk menuliskan nomor paling

Instrumen 500 ' 1.000 ' 5.000 '
yang salah untuk observasi seperti
pencatatan sudut 48 b 51 '25 "ketika
5' 0.145 0.727 1,454 7,272
operator alat benar-benar
membaca 84 b 51 '25 ". Kesalahan 1' 0.029 0.145 0,291 1,454
disebabkan oleh kecerobohan dan
prosedur bidang ceroboh. Sebuah 30 " 0,015 0.073 0.145 0.727

kesalahan umum yang ditemukan

20 " 0.010 0.049 0,097 0.485
hari ini dengan GPS adalah
rekaman yang salah dari ketinggian 10 " 0,005 0.024 0.049 0,242

5" 0,002 0,012 0.024 0,121

penerima. 2" 0,001 0,005 0.010 0.048

Blunder dapat diminimalkan dengan
mendirikan prosedur lapangan di 1" 0,002 0,005 0.024
yang memeriksa

2.3
pada pengukuran dimasukkan dalam prosedur survei. Ini dapat mencakup tugas-tugas yang sangat sederhana seperti
merekam ketinggian penerima di kedua meter dan kaki dan memeriksa pengukuran ini sebelum membuat pengamatan,
atau memiliki penjaga catatan mengulangi nilai pengukuran kembali ke pengamat sebelum menulis mereka di notebook.

2.4.2. Kesalahan sistematis

kesalahan sistematis adalah mereka kesalahan yang disebabkan oleh salah satu instrumen, operator, atau lingkungan yang mempengaruhi
pengukuran survei. Mereka mengikuti beberapa hukum fisika yang dikenal dan efek mereka dapat diperbaiki dalam pengolahan selanjutnya
dari data. Misalnya, di rekaman, kesalahan sistematis dapat terjadi dalam rekaman sendiri di bahwa panjang nominal berbeda dari panjang
dikalibrasi. Sementara tape 30 meter yang dapat lulus seluruh, kalibrasi-hati mungkin menunjukkan bahwa panjang pita yang sebenarnya

29,989 meter. Dengan demikian, setiap pita panjang hasil dalam kesalahan dari -0,011 meter. Mengurangkan kesalahan
dari pengukuran, atau menambahkan koreksi, menghasilkan panjang yang benar. Rekaman itu juga dapat dipengaruhi
oleh lingkungan. Kaset memperluas dan kontrak sebagai perubahan suhu. Jadi, jika rekaman itu digunakan saat suhu 5 b C,
masing-masing panjang pita lagi akan terlalu pendek. koreksi dapat ditemukan dengan memperhatikan perbedaan dalam
suhu lapangan dan suhu standar dan menerapkan ini untuk koefisien ekspansi termal. Rekaman itu juga dapat
dipengaruhi oleh cara operator menggunakan bahwa rekaman dalam pengukuran lapangan. Jika jarak diukur sepanjang
lereng tanah, maka pengukuran harus dikurangi dengan panjang horisontal yang sesuai. Jika rekaman itu ditangguhkan
atas poin dalam pengukuran maka koreksi untuk efek sag harus dipertimbangkan dalam pengurangan. Akhirnya, jika
ketegangan diterapkan berbeda dari ketegangan standar ini juga menghasilkan pengukuran yang keliru. Hal utama dalam
semua contoh ini adalah bahwa ada rumus matematika dimana pengukuran rekaman yang sebenarnya dapat diperbaiki
untuk pengurangan berikutnya.

Prinsip lain harus jelas dari contoh rekaman dan ini adalah bahwa kesalahan sistematis memiliki kecenderungan untuk menumpuk.
Semua instrumen dan pengukuran memiliki kesempatan untuk menunjukkan kesalahan sistematis. Tujuan dari surveyor adalah untuk
memastikan apakah kesalahan sistematis ada, menentukan besarnya, dan memperbaiki pengukuran yang sesuai.

2.4.3. Kesalahan acak

Setelah semua kesalahan telah dieliminasi dan kesalahan sistematis menyumbang, kesalahan masih tetap. Kesalahan ini
disebut kesalahan acak. Ini ada karena keterbatasan dalam pembuatan peralatan, inkonsistensi dalam pengamatan
berulang, dan pemodelan yang tidak pantas dari dampak lingkungan pada proses survei. Mari kita lihat pada contoh
rekaman untuk melihat efek dari kesalahan acak. Pada Gambar 2.3 (a) kita melihat sebagian dari tape lulus 0,01 unit
dengan tanda yang akan diukur di suatu tempat antara 51,28 dan 51,29. Karena terlihat berada di tengah, paling surveyor
akan mencatat ini sebagai 51,28. Pada Gambar 2.3 (b), jarak yang sama sekarang diukur dengan pita lulusan untuk 0.002
unit. Berikut pengukuran akan dicatat sebagai 51,284 unit. rekaman lain, lulus ke unit yang lebih kecil akan menghasilkan
hasil yang sama. Perbedaan dari 0.004 unit adalah kesalahan acak karena resolusi alat ukur.

2.4
 Gambar 2.3
Menggunakan dua kaset untuk menunjukkan efek dari kesalahan acak.

kesalahan acak ditandai sebagai kemungkinan yang sama untuk menjadi positif atau negatif. Mereka juga memiliki kecenderungan
untuk membatalkan efek mereka. Sebagai contoh, jika tanda pada Gambar 2.3 (a) adalah sedikit ke kanan, maka kesalahan akan
tanda berlawanan. Ini adalah kesalahan acak yang dievaluasi dalam analisis survei. kesalahan acak yang tidak dapat dihindari.
Sementara satu set-hati prosedur pengukuran dapat diimplementasikan yang meminimalkan efeknya, kesalahan ini tidak pernah dapat
sepenuhnya dihilangkan. Besarnya kesalahan ini tidak diketahui tetapi mereka dapat diperkirakan melalui pengalaman atau analisis
selanjutnya. kesalahan acak mengikuti hukum probabilitas dan kompensasi bahwa kesalahan besar jarang terjadi, kesalahan kecil lebih
mungkin dibandingkan kesalahan besar, dan ada kesempatan yang sama kesalahan positif atau negatif terjadi.

2.5. Akurasi dan presisi

Dua ukuran kualitas dari serangkaian pengukuran survei yang akurasi dan presisi. Meskipun banyak menggunakan istilah-istilah ini
sinonim, mereka berbeda seperti yang ditunjukkan pada target digambarkan dalam Gambar 2.4. Akurasi adalah seberapa dekat
serangkaian pengamatan yang dengan nilai "true". Misalnya, pada Gambar 2.4 (a), akurasi mungkin tinggi bila kita menganggap
semua tembakan pada target. Nilai rata-rata mungkin tepat di pusat dari target. Presisi adalah ukuran dari pengulangan dari satu set
pengukuran. Sebagai contoh, Gambar 2.4 (b) menunjukkan bahwa perbedaan dalam 8 tembakan pada target sangat kecil. Dengan
kata lain, ada tingkat tinggi pengulangan di setiap tembakan yang ditembakkan. Namun, tak satu pun memukul pusat dari target
karena sementara presisi tinggi, akurasi tidak. Akhirnya, Gambar

2.4 (c) menunjukkan target yang sama dengan kedua presisi tinggi dan akurasi yang tinggi.

2.5
 Gambar 2.4
Target yang menunjukkan hubungan antara akurasi dan presisi.

2.6. Varians, Kovarian dan Korelasi

Analisis pengukuran yang dilakukan dalam survei ini dilakukan dengan melihat pengamatan berlebihan. Hal ini sangat penting
karena tanpa pengamatan tambahan, tidak ada pemeriksaan yang mungkin dalam survei. Mari kita lihat contoh yang sangat
sederhana, segitiga. Hal ini juga diketahui bahwa tiga unsur segitiga harus diketahui untuk memecahkan elemen lain yang tidak
diketahui. Dengan demikian, jika dua sudut diketahui, ketiga dapat ditemukan dengan mengurangi jumlah dari dua sudut diketahui
dari 180 b. Tapi, tidak ada jaminan bahwa sudut benar. Hanya mengikuti aturan dasar Euclidean geometri. Di sisi lain, jika sudut
ketiga juga diukur maka ada cek pada kondisi bahwa jumlah sudut harus sama 180 b. Ini adalah redundansi. Surveyor mencoba
menerapkan pemeriksaan bila memungkinkan. Sudut dan jarak diukur beberapa kali untuk memastikan bahwa pengukuran yang
"baik". Melintasi dan loop tingkat harus membentuk angka tertutup, menutup pada titik awal atau tanda control / bangku lain.
Sekali lagi, ini menyediakan redundansi dan pemeriksaan dasar hasil survei. Redundansi juga disebut sebagai derajat kebebasan.
Menggunakan contoh segitiga, mengukur semua tiga sudut (bersama dengan salah satu dari jarak) menghasilkan satu derajat
kebebasan, atau satu pengamatan berlebihan. Analisis dimulai dengan melihat kesalahan yang ada dalam serangkaian
pengukuran. Secara teoritis, kesalahan adalah perbedaan antara observasi dan nilai yang sebenarnya. Sayangnya, nilai
sebenarnya tidak selalu diketahui. Oleh karena itu, kesalahan diperkirakan sebagai perbedaan antara nilai yang diamati dan nilai
yang diharapkan dari pengukuran itu. Hal ini sering disebut sebagai sisa. Dengan demikian, sisa,

v, dapat terbukti

v saya x saya x

2.6
dimana: x saya adalah nilai yang diamati, dan
adalah nilai yang diharapkan (seperti rata-rata).
x saya

Ketepatan satu set data yang diamati dapat didefinisikan oleh varians. Untuk aplikasi survei, adalah penting untuk
memahami bahwa pengukuran hanya mewakili sampel. Dengan demikian, varians sampel memberikan estimasi berisi
penduduk dan didefinisikan sebagai:

n saya
n1 v2
S2
n1

Dari ini, standar deviasi dapat ditemukan sebagai akar kuadrat dari varians sampel. Demikian,

n saya
n1 v2
S
n1

Mari kita melihat contoh. Asumsikan bahwa kita telah

tabel 2.3
mengambil 25 bacaan dari "teodolit 1. Ini diberikan dalam
Pengamatan yang dilakukan dengan "teodolit 1
Tabel 2.3. Mean aritmetik dari pengamatan ditemukan
tercatat hanya kedua.
dengan menjumlahkan pengamatan dan membagi jumlah ini
dengan jumlah observasi yang diambil. Dengan demikian,
30.1 31.2 32,9 31.0 32,7

31,4 33,4 31.7 35,4 30,4

n
35,9 30,9 34,0 31.0 33.1
x saya
saya 1
x 31.9 30,5 32.3 31,8 32,6
n
31.7 35,3 33,0 31,1 33.2
808. 5 32.3
25

Varians sampel menjadi

(30.1 32.3) 2 (32,7 32.3) 2 (31.1 32.3) 2

S2 2,4917
25 1

Mengambil hasil akar kuadrat dalam standar deviasi dari S = 1.58. Perhatikan bahwa kadang-kadang varians dan standar
deviasi yang ditunjuk menggunakan simbol Yunani . Secara teoretis mewakili populasi standar deviasi.

Korelasi terjadi ketika dua atau lebih pengamatan bersama-sama terlibat. Contoh yang sangat baik

2.7
korelasi adalah penggunaan koordinat. Korelasi diukur secara statistik dengan menggunakan kovarians. nilai korelasi
berkisar dari -1 sampai +1. Ketika nilai dekat dengan 1, maka dua pengukuran dikatakan sangat berkorelasi. Di sisi lain,
jika koefisien korelasi adalah dekat dengan -1 maka kedua variabel tersebut berbanding terbalik, seperti orang
menemukan dengan meratakan barometrik mana elevasi berbanding terbalik dengan tekanan atmosfer. Koefisien korelasi
diberikan sebagai

s xy

sxsy

dimana:
x) (y y)
s xy ( x
n1

x)
2 y) 2
y)
s x2 ( x s y2 ( y
n1 n1

2.7. kesalahan Elips

Kesalahan dalam survei memiliki kecenderungan untuk menumpuk melalui panjang survei. Mari kita melihat contoh sederhana
melintasi konvensional (gambar 2.5). Target ini terpusat di atas backsight itu,
A, sementara theodolite ini berpusat atas titik lain yang dikenal B. Pemusatan dilakukan dengan menggunakan merosot
optik. Yang tidak diketahui titik, C, juga memiliki target terpusat di atas posisi dan sudut diukur pada titik B. Dalam skenario
ini, ada sejumlah potensi sumber kesalahan mempengaruhi sudut diukur. Pertama, merosot optik mungkin tidak sempurna
disesuaikan sehingga target dan instrumen yang mengungsi lebih dari titik oleh beberapa jumlah kecil. Kedua, ketika
operator instrumen ternyata sudut ada potensi kesalahan di kedua menunjuk instrumen pada target dan dalam membaca
sudut. Akhirnya, theodolite memiliki kesalahan yang melekat tertentu yang akan mempengaruhi sudut diukur. Kesalahan
instrumen ini dijelaskan dalam Lampiran D . Hasil akhirnya adalah bahwa "benar" posisi titik C sebenarnya terletak dalam
lingkaran ketidakpastian. Sekarang, jika instrumen tersebut akan dipindahkan ke titik C dan titik D baru selanjutnya diukur,
ketidakpastian di D tidak hanya mengandung ketidakpastian dalam pengukuran sudut di C tetapi juga ketidakpastian dalam
posisi titik C. Hal ini tanggung jawab surveyor untuk mengukur seberapa kesalahan ini menyebar di seluruh survei. Ukuran
lingkaran ini ketidakpastian disebut elips kesalahan. Sebuah elips kesalahan khas digambarkan pada Gambar 2.6. Jika
standar deviasi dalam x dan y arah identik maka elips akan membentuk lingkaran. Selain itu, akan jarang u, sumbu v elips
kesalahan mengikuti x dan sumbu y dari sistem koordinat. T angle adalah sudut rotasi antara tanah sistem dan sumbu elips
koordinat.

2.8
 Gambar 2.5
Contoh Sumber Kesalahan dalam Pengukuran Angle

Gambar 2.6 elips

kesalahan Khas.

2.9
Sumbu semimayor dan semiminor elips kesalahan dapat dihitung sebagai berikut:

1/2
S x2 S y2 S x2 S y2 2
S x2 S xy
2
2 4

1/2
S x2 S y2 S x2 S y2 2
S x2 S xy
2
2 4

Ada beberapa keuntungan dari elips kesalahan dalam analisis. Ini memberikan informasi tentang ketepatan posisi
disesuaikan dari stasiun. Selain itu, pengguna dapat membuat perbandingan visual dari presisi relatif antara stasiun setiap
dengan melihat bentuk elips, ukuran mereka, dan orientasi masing-masing elips. perbandingan ini, meskipun, perlu marah
bahwa kendala yang digunakan dalam penyesuaian, ketepatan pengamatan, dan geometri survei akan semua
mempengaruhi elips kesalahan. Selain itu, praktek umum untuk memperbesar elips untuk tujuan visual. Akhirnya, elips
kesalahan dapat digunakan dalam pra-analisis untuk membantu memilih peralatan dan teknik lapangan yang akan
digunakan untuk menyelesaikan survei.

2.8. kesalahan Propagasi

Sebagaimana telah kita lihat dalam bagian sebelumnya, kesalahan menyebar melalui survei yang mempengaruhi penyesuaian poin
berikutnya dalam survei. Kesalahan propagasi tidak selalu berarti bahwa solusi kuadrat terkecil untuk masalah survei diperlukan, meskipun
itu adalah produk sampingan nyaman penyesuaian tersebut. Untuk menentukan dampak dari kesalahan yang dibuat dalam sebuah survei,
satu harus menyebarkan kesalahan bahwa melalui survei.

Asumsikan bahwa kita memiliki fungsi Z. Kemudian, hukum propagasi varians dapat ditampilkan untuk mengikuti aturan sederhana ini:

2 2 2
Z Z Z
SZ S x1 S x2 S xp
X1 X2 Xp

Asumsi dasar dalam formula ini adalah bahwa tidak ada korelasi antara pengukuran yang berbeda
S x saya y saya 0 . Menggunakan formulasi dasar ini, beberapa fungsi yang sering digunakan dapat didefinisikan. Itu
standar deviasi dari jumlah tersebut dapat ditemukan

S jumlah S 12 S 22 S n2

Deviasi standar untuk seri adalah

2.10
 S seri Sxn

Akhirnya, standar deviasi dari mean dapat terbukti

2 2 2
1 1 1 ns 2 S
S berarti
x1 x2 xn
ns ns ns n2 n

Dalam arti yang lebih umum, seseorang dapat menentukan matriks varians-kovarians untuk fungsi Z dari n jumlah diukur secara
independen sebagai ZZ. Ini akan didefinisikan sebagai:

Z1 Z1 Z1 Z1 Z2 Zn

x1 x2 xn x1 x1 x1
Sx2 S x1 xn
1 S x1 x2
Z2 Z2 Z2 Z1 Z2 Zn
S x1 x2S x 2 S x2 xn
x1 x2 xn 2
x2 x2 x2
ZZ

S x1 xnS x1 xn Sx2
Zn Zn Zn n Z1 Z2 Zn

x1 x2 xn xn xn xn

Dalam notasi matriks, ini adalah

ZZ SEBUAH SEBUAH T

dimana adalah matriks varians-kovarians dari pengamatan. Formulir ini tidak menunjukkan hukum umum propagasi
varians mana korelasi dalam pengamatan mungkin ada.

2.9. Kualitas Cek / kualitas Jaminan

Setelah sedikit penyesuaian kuadrat telah dilakukan, langkah berikutnya adalah untuk mengevaluasi hasil statistik.
Karena sebagian besar pengukuran survei hanya mewakili sampel kecil dari total populasi, analisis dari distribusi
normal bukanlah ukuran yang paling tepat dari kualitas kinerja. Sebaliknya, dua distribusi statistik utama yang
digunakan: Chi-square ( 2) dan t atau distribusi t siswa-.

2.11
2.9.1. Chi Square ( 2)

Itu 2 distribusi digunakan untuk menguji varians sampel untuk melihat apakah itu sesuai dengan varians populasi. Sebuah
wilayah kepercayaan didirikan di mana varians sampel harus terletak antara. Lokasi sebenarnya dari varians sampel didasarkan
pada beberapa persentase probabilitas tertentu, dan sampel ditetapkan varians, dan derajat kebebasan untuk masalah tertentu.
Hal ini didefinisikan oleh

( n 1) S 2
2
2

Untuk menguji varians, wilayah keyakinan dibuat.

DFS 2
< 2 < DFS 2
2/2 21 / 2

dimana df adalah derajat kebebasan dan (1 - ) adalah selang kepercayaan. Mari kita melihat contoh. Sudut diukur 10 kali
dan ditemukan 42 b 12 '14,6 "dengan standar deviasi, s, dari 3,7". Melakukan tes chi-square untuk melihat apakah standar
deviasi adalah 2,0 "pada tingkat kepercayaan 5% versus alternatif yang tidak 2.0".

Memodifikasi persamaan sebelumnya dan melihat di 2 meja untuk yang sesuai 2 nilai-nilai di 0.975 dan
0,025 tingkat kepercayaan dengan 9 derajat kebebasan. Demikian,

2 0.975 2 (2.80) (2.0) 2

1.20
n1 9

2 0.025 2 (19,0) (2,0) 2

8.44
n1 9

Sejak sampel jatuh dalam jangkauan, hipotesis diterima.

2.9.2. Siswa-t

Uji statistik penting kedua adalah t atau siswa-t distribusi yang digunakan untuk membandingkan mean sampel untuk
populasi berarti. Distribusi ini adalah serupa, tetapi lebih bervariasi atau datar, dengan distribusi normal. T-test digunakan
dalam survei karena contoh kecil dari pengamatan yang dilakukan dalam survei kami. Distribusi ditampilkan sebagai:

x
t
S/n

Sebagai contoh, mengacu pada pengamatan theodolite yang disajikan pada Tabel 2.3. Ingat bahwa

2.12
mean aritmetik adalah 32,3 "dan standar deviasi dihitung menjadi 1,58". Sebanyak 25 pointings dari teodolit dibuat.
Kemudian, mari kita bandingkan kesalahan ini standar untuk rata-rata populasi pada tingkat kepercayaan 95%.

Kita mulai dengan menyiapkan selang kepercayaan untuk t-distribusi sebagai

S S
x t x t
2 n < < 2 n

dimana: adalah mean aritmetik untuk penduduk dan

adalah persentase untuk tingkat kepercayaan yang diinginkan.

Karena t-distribusi menunjukkan daerah di bawah kurva distribusi pada ujungnya, tingkat kepercayaan adalah (1 - ) dimana dalam
hal ini adalah 0,05. Sejak 25 pengamatan dilakukan, ada 24 pengamatan berlebihan yang berarti bahwa derajat kebebasan (df)
adalah 24. Menggunakan meja untuk t-distribusi,
t t 0.05 2,064 . Kemudian
2 2

32.3 2,064 1.58

24 < <32,3 2,064 1.58 24

yang mengakibatkan

31,6 < <33,0

Ini berarti bahwa rata-rata penduduk akan jatuh, pada tingkat kepercayaan 95%, antara 31,6 "dan
33,0 ".

Jika kita mengambil hanya kolom pertama dari data di Tabel 2.3, kita akan memiliki berikut ini:

x 32.2
S = 2.18 "df
=4

Kemudian,
32.2 2,776 2.18
4 < <32,2 2,776 2.18 4
penurut
29,2 < <35,2

Hal ini menunjukkan bahwa, dengan pengamatan meningkat, distribusi student-t semakin dekat dengan distribusi normal.

2.13