Nama : Andriyanto

Nim : 201610260311117
Kelas : Perikanan/6C
Mata Kuliah :
DISTRIBUSI BINOMIAL
7.1-Pendahuluan
Seperti yang disebutkan sebelumnya, banyak populasi hanya terdiri dari dua
jenis elemen: ganjil atau genap, lulus atau gagal, jantan atau betina, penuh atau bebas,
mati atau hidup. Minat penyelidik adalah dalam proporsi, persentase, atau jumlah
individu dalam salah satu dari dua kelas.
Populasi dua kelas memiliki struktur yang sangat sederhana; dapat
digambarkan dengan memberikan proporsi p dari anggota populasi yang termasuk
dalam satu kelas. Ketika sampel, kami akan menyebut pengamatan yang jatuh di
kelas minat utama sebagai keberhasilan (S). Dalam sampel acak ukuran n,
probabilitas mendapatkan 0 ,1 ,2 ,....., n keberhasilan dengan mudah dikerjakan.
Distribusi ini pertama kali ditemukan oleh Bernoulli dan diterbitkan secara anumerta
pada tahun 1713. Ini dikenal sebagai distribusi binomial atau Bernoulli.
Dalam bab distribusi binomial ini dan hubungannya dengan distribusi normal
diturunkan dan diperiksa. Selanjutnya, sama seperti kita membandingkan rata-rata
dua sampel normal, independen atau berpasangan, kami membandingkan proporsi
dari sampel independen dan berpasangan.
Distribusi binomial berasal dari beberapa aturan dalam teori probabilitas.

7.10-Perbandingan proporsi dalam sampel independen: tabel 2 x 2.

Masalah ini sangat sering terjadi dalam pekerjaan yang bersifat penelitian.
Banyak eksperimen terkontrol yang membandingkan dua prosedur atau perlakuan
yang dilakukan dengan sampel independen karena tidak ada cara efektif untuk
memasangkan subyek atau hewan yang diketahui oleh peneliti. Perbandingan
proporsi dalam kelompok independen juga umum dalam studi observasional. Sebuah
pabrikan membandingkan proporsi barang-barang halus di dua sumber pasokan yang
terpisah untuk barang-barang ini, atau seorang insinyur keselamatan yang
membandingkan proporsi cedera kepala yang diderita dalam kecelakaan mobil oleh
penumpang dengan sabuk pengaman dan mereka yang tidak memiliki sabuk
pengaman.
Data yang digunakan untuk ilustrasi berasal dari penelitian besar Kanada
(3) tentang hubungan antara merokok dan kematian. Dengan kuesioner awal pada
tahun 1956, "penerima pensiun laki – laki diklasifikasikan berdasarkan kebiasaan
merokok mereka. Kami akan mempertimbangkan dua kelas: (i) bukan perokok dan
(ii) mereka yang melaporkan bahwa mereka hanya perokok pipa. Laporan kematian
dari setiap pensiun selama enam tahun berikutnya diperoleh. Demikian, para
pensiunan juga diklasifikasikan berdasarkan status mereka (mati atau hidup) pada
akhir enam tahun. Karena kemungkinan kematian sangat tergantung pada usia,
perbandingan yang diberikan di sini terbatas untuk pria berusia 60-64 pada awal
studi. Jumlah pria yang jatuh di empat kelas diberikan pada tabel 7.10.l, yang disebut
tabel kontingensi 2 x 2.
TABEL 7.10.1
PRIA DIKLASIFIKASIKAN BERDASARKAN KEBIASAAN MEROKOK
DAN KEMATIAN DALAM ENAM TAHUN

Perhatikan bahwa 11.0% dari yang bukan perokok telah meninggal

dibandingkan dengan 13,4% dari perokok pipa. Dapatkah perbedaan ini dikaitkan
dengan kesalahan pengambilan sampel, atau apakah ini menunjukkan perbedaan
nyata dalam tingkat kematian di kedua kelompok? Hipotesis nolnya adalah bahwa
proporsi yang mati, 117/1067 dan 54/402, adalah perkiraan dari jumlah yang sama.
Karena p1 - 0.1097 dan p2 -0.1343 kira-kira terdistribusi normal, selisihnya
p1 – p2 juga kira-kira terdistribusi normal. Varian dari perbedaan ini adalah jumlah
dari dua varian; lihat (6.6.2).

Di bawah hipotesis nol. p1 – p2 - p, jadi p1 – p2, kira-kira terdistribusi normal

dengan rata-rata 0 dan kesalahan standar.

Hipotesis nol tidak menentukan nilai p. Sebagai perkiraan, kami menyarankan

p - 0,1164 seperti yang diberikan oleh sampel gabungan. Oleh karena itu, berselisih
normal z adalah
 Dalam tabel normal, mengabaikan tanda z, kami menemukan P = 0,19 dalam
tes dua sisi. Kami menyimpulkan bahwa perbedaan yang diamati antara tingkat
kematian perokok pipa dan bukan perokok dalam populasi ini mungkin disebabkan
oleh kesalahan pengambilan sampel.

Dalam menemukan batas kepercayaan untuk perbedaan populasi p1 - p2, kesalahan

standar p1 – p2 harus diperkirakan mulai (7.10.1) sebagai

Kesalahan standar yang diberikan oleh rumus hipotesis nol (7.10.2) tidak lagi valid.
Sering kali perubahannya kecil, tetapi bisa jadi bahan jika n1 dan n2 sangat tidak
sama. Secara kebetulan, (7.10.4) dapat digunakan sebagai penyebut z dalam
pengujian H0: p1 – p2. Robbins (18) telah menyarankan bahwa (7.10.4) mungkin
memberikan kriteria tes lebih banyak kekuatan dari pada (7.10.2). Ada beberapa bukti
(19) bahwa ini demikian dalam sampel besar. Tetapi z berdasarkan pada (7.10.2)
disarankan di sini karena dalam sampel kecil itu sebaiknya mendekati distribusi p1 –
p2, ketika H0 dipegang.
Jika n1 – n2, z dikoreksi untuk kontinuitas dengan mengurangi 0,5 dari
pembilang dari proporsi yang lebih besar dan menambahkan 0,5 ke pembilang dari
proporsi yang lebih kecil. Penyebut z tetap tidak berubah. jika n1 ≠ n2, koreksi untuk
kontinuitas lebih mudah dilakukan dengan menunjukkan bahwa uji z dapat
dinyatakan sebagai uji X2 dari kebijakan yang cocok, seperti pada bagian berikutnya.