Tanggung jawab utama keselamatan dan profesional kesehatan untuk mengidentifikasi

dimana masalah ada dan untuk mengembangkan intervensi untuk memecahkan masalah tersebut.
Itu
proses identifikasi masalah keamanan membutuhkan profesional untuk menentukan apa
situasi saat ini dan membandingkannya dengan apa yang diterima. Jika situasi tersebut tidak dapat
diterima,
intervensi diperlukan. Para profesional keamanan kemudian harus menentukan apakah intervensi
bekerja. Untuk memenuhi tanggung jawab, profesional keamanan harus
mampu mengumpulkan data, menganalisis mereka, menarik kesimpulan dari mereka, dan
mengkomunikasikan
hasilnya kepada orang lain.
Buku ini memberikan keamanan yang profesional dengan analisis statistik dan data dasar
teknik yang dapat digunakan untuk mengatasi beberapa masalah bahwa ia akan menghadapi
setiap hari. Ini mencakup proses analisis data, dari desain penelitian untuk data
pengumpulan, analisis, mencapai kesimpulan, dan penyajian temuan. Pada
akhir setiap bab, masalah sampel yang disediakan untuk membantu pengguna buku ini belajar
menerapkan informasi yang disajikan. Solusi untuk masalah yang paling muncul di bagian belakang
buku.
Bab 1 menyajikan istilah yang lebih umum dan notasi yang digunakan dalam statistik. Tepat
desain hipotesis penelitian dan studi dijelaskan, serta prosedur yang
harus diikuti jika memilih subyek untuk penelitian. Berbagai teknik sampling
dibahas, bersama dengan contoh-contoh yang sesuai menggunakan teknik-teknik sampling.
Bab 2 memberikan, secara rinci, konsep probabilitas dan kesempatan, yang mendasari
prinsip-prinsip signifikansi statistik. Probabilitas formula disajikan untuk sederhana,
bersama, senyawa, dan kondisional peristiwa. Binomial dan probabilitas Poisson yang
profesional keamanan dalam aplikasi mungkin menghadapi berbagai statistik juga disajikan.
Perbedaan distribusi bahwa hasil uji statistik dapat berasumsi dibahas
dalam Bab 3, serta prosedur untuk membangun dan frekuensi histogram
poligon.
Bab 4 sampai 8 membahas statistik deskriptif, statistik inferensial, dan nonparametrik
statistik. Bab-bab ini membahas hipotesis pengujian menggunakan berbagai prosedur
dan formula, dan juga mendiskusikan pentingnya menentukan hasil
tes atau prosedur.

Salah satu metode yang paling sering digunakan untuk memperoleh data adalah survei. Survei
sering salah satu metode yang paling benar digunakan, sehingga data yang dapat diandalkan
atau tidak valid. Bab 9 membahas cara yang tepat untuk melakukan penelitian survei, yang
mencakup
item pembangunan, pemilihan sampel, dan manajemen penelitian survei.
Terkait dengan pengumpulan data dan statistik adalah bidang desain eksperimental. Peneliti
dapat menggunakan berbagai teknik dan desain untuk mengumpulkan data sekaligus mengontrol
faktor yang mungkin mempengaruhi hasil. Bab 10 memberikan ringkasan
eksperimental berbagai desain yang dapat digunakan dalam penelitian statistik. Sementara pembaca
dari buku ini mungkin tidak menggunakan semua teknik, perlu mengetahui bagaimana
mereka digunakan karena mereka sering dibahas atau disebutkan dalam literatur.
Dengan penelitian yang lengkap, profesional keamanan harus mampu menyampaikan
informasi untuk manajemen dan lain-lain di lapangan. Bab 11 membahas
teknik dan metodologi untuk penyajian data. Format yang tepat untuk tabel,
grafik, dan grafik dibahas, serta bagaimana menggunakan Microsoft Office untuk menganalisis,
meringkas, dan menampilkan hasilnya.

BAB I

Statistik dan Penggunaan mereka dalam Keselamatan

Buku ini ditulis dengan keselamatan profesional dalam pikiran. Keselamatan pertemuan profesional
statistik dalam literatur yang mereka baca, seperti laporan bisnis, dan seterusnya, dan
mungkin diperlukan untuk menyajikan temuan atau membuat keputusan berdasarkan analisis data.
Statistika
dapat digunakan untuk membenarkan pelaksanaan program, mengidentifikasi daerah yang perlu
ditangani, atau membenarkan dampak bahwa berbagai program keselamatan terhadap kerugian dan
kecelakaan.
Keselamatan profesional juga menggunakan berbagai data dalam pekerjaan mereka sehari-hari.
Sebagai contoh,
jumlah kecelakaan yang dilaporkan dalam kerangka waktu tertentu dapat memberikan indikasi
kinerja program pengaman; jumlah uang yang dibayarkan dalam kerugian dapat
menunjukkan tingkat keparahan kecelakaan. Dan profesional keamanan diperlukan untuk
menafsirkan
ada penelitian dan statistik. Mereka harus dapat menentukan apakah hasil dan
kesimpulan adalah valid dan apakah prosedur telah digunakan secara tepat
cara.
Dalam manajemen keselamatan proses, identifikasi dan evaluasi operasi berbahaya
bisa diarahkan kembali ke probabilitas kegagalan dari komponen, subsistem,
dan sistem yang bersangkutan. Analisis statistik yang diperlukan untuk membuat penentuan ini.
Di tempat kerja, paparan terhadap berbagai bahan kimia dan bahan dapat mengakibatkan
dalam peningkatan risiko penyakit, yang sekali lagi diukur berdasarkan probabilitas.
Buku ini dirancang untuk memberikan orang-orang yang sedang mempersiapkan diri untuk menjadi
berlatih
keamanan profesional atau mereka yang sudah berlatih di lapangan dengan metode dasar
dan prinsip-prinsip yang diperlukan untuk menerapkan statistik dengan benar. Hal ini menyajikan
pembaca dengan deskriptif
konsep statistik dan bagaimana konsep ini dapat digunakan untuk meringkas data.
Dapat disimpulkan untuk prosedur statistik parametrik dan nonparametrik akan disajikan
menggunakan
pendekatan sistematis. Meskipun tes dan hipotesis berbeda, yang sama
langkah-langkah dasar yang dapat diikuti untuk kedua jenis prosedur.

Penetapan Statistik
Statistik kata memiliki dua arti yang berbeda (Kuzma 1992, 2). Pertama, statistik dapat
istilah numerik yang merangkum atau menjelaskan sampel. Statistik diperoleh dari
sampel dan, jika digunakan dengan benar, dapat menggambarkan populasi. Ini adalah kasus dengan
inferensial
statistik.
Kedua, statistik dapat didefinisikan sebagai ilmu pengetahuan yang berhubungan dengan
pengumpulan, tabulasi,
dan sistematis klasifikasi data. Statistik sebagai bidang studi menggunakan matematika
dan probabilitas untuk merumuskan, menjelaskan, dan uji hipotesis penelitian. Ini terdiri
dari seperangkat aturan dan prosedur untuk mengukur dan mengumpulkan informasi yang diperoleh

dari pengamatan.
Bidang luas statistik dapat diklasifikasikan ke dalam dua bidang utama: statistik deskriptif
dan statistik inferensial (Horvath 1974, 5).
statistik deskriptif terdiri dari teknik-teknik yang digunakan untuk meringkas dan menggambarkan
pengukuran kuantitatif dilakukan untuk populasi atau sampel. Contoh deskriptif
statistik termasuk berarti, persentase, dan frekuensi. Statistik Deskriptif
digunakan untuk menggambarkan karakteristik sampel dan biasanya digunakan dalam pertama
tahap analisis data.
statistik dapat disimpulkan, di sisi lain, menggunakan hasil dari subset atau sampel untuk
menyimpulkan hasil untuk kelompok yang lebih besar atau populasi. prosedur statistik
memungkinkan kita untuk
membuat ini melompat dari hasil dari kelompok yang lebih kecil untuk populasi yang lebih besar
dengan memasukkan
derajat probabilitas dalam hasil. Jika dilakukan dengan benar, peneliti dapat mengambil
pengukuran dari sampel dan, dengan tingkat kepercayaan tertentu, dijamin
hasil yang serupa dengan yang akan ditemukan jika seluruh penduduk telah
diukur. Bidang statistik memberikan aturan dan prosedur yang harus diikuti
untuk dapat secara akurat hasil generalisasi dari sampel ke yang jauh lebih besar
populasi.
Persyaratan umum dan Notasi
Bidang statistik menggunakan beberapa istilah umum dan simbol. Statistik notasi
menggunakan huruf Yunani dan simbol aljabar untuk menyampaikan makna tentang prosedur
bahwa seseorang harus mengikuti untuk menyelesaikan tes tertentu. Untuk sebagian besar, huruf
dan
simbol yang konsisten dalam disiplin. Delineasi besar pertama antara simbol
terjadi bila data yang dianalisis mewakili populasi atau sampel. Sebuah populasi
menandakan bahwa seseorang telah diukur karakteristik untuk semua orang atau segala sesuatu
yang
termasuk kelompok tertentu. Sebagai contoh, jika seseorang ingin mengukur karakteristik
pada populasi didefinisikan sebagai manajer keselamatan, orang harus pergi dan mendapatkan
mengukur
itu karakteristik untuk setiap manajer keamanan mungkin. Dalam banyak kasus, pengukuran
populasi cukup sulit, jika bukan mustahil. Dalam statistik, kita paling sering mendapatkan
data dari sampel dan menggunakan hasil dari sampel untuk menggambarkan seluruh penduduk.
Dalam contoh yang dijelaskan di atas, peneliti dapat pergi dan mengukur karakteristik dari sebuah
grup yang dipilih manajer keselamatan. Ketika peneliti melakukan hal ini, ia menggunakan sampel.
Seorang anggota populasi atau sampel disebut sebagai subjek atau kasus. Seperti yang akan
dibahas nanti dalam buku ini, ada metode statistik untuk menentukan berapa banyak
kasus harus dipilih untuk memiliki studi suara. Untuk setiap kasus, pengukuran diambil
untuk tujuan analisis statistik dianggap data. Data pengamatan dicatat
berkumpul untuk tujuan studi statistik.
DATA DATA KUANTITATIF DAN KUALITATIF
Dalam studi, peneliti akan mengumpulkan berbagai informasi dan mengambil banyak
pengukuran untuk analisis data. Pengukuran dapat diklasifikasikan sebagai baik kualitatif
atau kuantitatif (Witte dan Witte 1997, 5). Jika kesepakatan dengan karakteristik pengukuran
tentang individu atau subjek, mereka kualitatif. Tambahan contoh
langkah-langkah kualitatif meliputi jenis kelamin seseorang atau warna tanda. Untuk keperluan
analisis data, langkah-langkah kualitatif yang dikodekan dengan angka. Sebagai contoh, 1
mungkin mewakili "laki-laki" dan 2 dapat mewakili "perempuan."
ukuran kuantitatif adalah ukuran yang menggambarkan karakteristik dalam hal suatu
nomor. ukuran kuantitatif dapat usia seseorang diukur dalam tahun atau
jumlah kecelakaan organisasi memiliki lebih dari tahun sebelumnya.
Statistik Notasi
Ketika seorang ahli statistik menggunakan notasi untuk menggambarkan uji statistik, prosedur, atau
hasil,
format notasi menandakan apakah statistik harus berhadapan dengan populasi
atau sampel. notasi statistik untuk populasi ditulis menggunakan huruf Yunani,
sedangkan notasi statistik untuk contoh ditulis menggunakan huruf bahasa Inggris.

Tabel 1.1

merangkum beberapa istilah statistik yang lebih umum yang akan digunakan dalam buku ini.
Ada juga istilah statistik yang menunjukkan prosedur matematika yang akan dilakukan
pada data. Sebagai contoh, huruf Yunani? menginstruksikan statistik untuk jumlah
atau menambah persyaratan. Beberapa istilah yang lebih umum prosedural yang digunakan dalam
buku ini
dalam Tabel 1.2.
Pertanyaan Penelitian dan Hipotesis
Semua uji statistik dan prosedur dimulai dengan pertanyaan peneliti keinginan untuk menjawab.
Pertanyaan dapat sesederhana "Apa usia rata-rata orang terluka?"
untuk "Apakah ada hubungan yang signifikan antara paparan terhadap bahan kimia dan kanker?"
Pertanyaan-pertanyaan bisa dijawab dengan statistik deskriptif atau dapat diuji dengan
disimpulkan statistik. Ketika peneliti mengajukan pertanyaan yang diuji dengan statistik, mereka
telah mengembangkan hipotesis. Peneliti menggunakan statistik untuk mengkonfirmasi atau
menolak hipotesis
sedang diuji.
Jenis Studi
Untuk melakukan studi penelitian menggunakan statistik, peneliti harus mengumpulkan data,
mengembangkan
model, dan kemudian menentukan intervensi yang diperlukan untuk mencegah atau memperbaiki
masalah.
Model ini adalah apa yang kita gunakan untuk menentukan apa yang kita harus membuat keputusan
tentang
masalah di tangan. Jika data tidak mendukung model, maka kita harus kembali dan mengembangkan
model baru. Kita bisa pergi dua arah dalam hal model dan observasi.
Pertama, kita dapat membuat pengamatan kami dan kemudian membuat model agar sesuai dengan
apa yang kita amati.
Jika kita melakukan ini, kita terlibat dalam apa yang disebut penelitian induktif. Sebuah contoh
penelitian induktif akan menjadi manajer keselamatan yang mengalami sejumlah tangan
cedera di pabrik. Manajer mengumpulkan data tentang masalah ini. Menggunakan data,
manajer mengembangkan model yang dapat digunakan untuk menjelaskan mengapa kecelakaan
adalah
terjadi.
Bentuk lain dari penelitian ini disebut penelitian deduktif. Ketika seseorang bergerak
dalam penelitian deduktif, ia mengembangkan model dan kemudian tes dengan menggunakan data
yang terkumpul
dari pengamatan. Contoh penelitian deduktif dalam berbagai jenis persediaan.
Manajer merumuskan model untuk menjelaskan mengapa ada peningkatan kecelakaan,
kemudian mengumpulkan data dan model tes yang ia ciptakan.
RETROSPEKTIF STUDI
Studi juga dapat diklasifikasikan berdasarkan kerangka kerja mereka secara keseluruhan. retrospektif
A Studi menguji peristiwa masa lalu untuk menentukan faktor-faktor yang mempengaruhi peristiwa
(Kuzma 1992, 6). Kecelakaan yang terjadi di masa lalu, dan penyidik terlihat kembali pada waktunya
untuk mencapai kesimpulan tentang peristiwa yang mengarah ke kecelakaan. Dalam kecelakaan khas
analisis, peneliti memeriksa kecelakaan yang terjadi, dan berdasarkan informasi yang
mengidentifikasi daerah-daerah yang harus ditangani.
Calon STUDI
studi Calon memeriksa hasil dari peristiwa yang terjadi di masa depan. Dalam penelitian prospektif,
data dikumpulkan dan dianalisis, dan kesimpulan tentang bagaimana seharusnya hasil ternyata pada
masa yang akan dirumuskan (Kuzma 1992, 6). Contoh dari analisis prospektif akan menjadi salah satu
di mana lembaga profesional keamanan program pencegahan kecelakaan dan kemudian memantau
kerugian ke masa depan untuk menentukan efektivitas intervensi.
EKSPERIMEN
Sebuah eksperimen format lain untuk studi penelitian. Melakukan percobaan dengan menggunakan
kelompok kontrol adalah metode yang digunakan ketika seseorang ingin menunjukkan sebab dan
akibat hubungan (Horvath 1974, 133). Fitur utama dari suatu eksperimen, kehadiran kelompok
eksperimen, kelompok kontrol, dan mata pelajaran pilihan acak. Kelompok eksperimen adalah
kelompok yang menerima pengobatan, sedangkan kelompok kontrol tidak menerima perlakuan.
Dengan asumsi pilihan acak dan penempatan ke dalam dua kelompok, perbandingan dibuat antara
dua kelompok dan perbedaan dicatat diasumsikan akibat pengobatan.
Dalam keluarga eksperimen, beberapa metode yang berbeda dapat digunakan untuk melakukan
studi. Ini termasuk studi buta dan studi buta ganda. Dalam studi buta,
subyek tidak tahu apakah mereka benar-benar menerima pengobatan. Mereka mungkin menerima
plasebo. plasebo adalah pengobatan yang tidak memiliki efek pada mata pelajaran. A
plasebo digunakan untuk memastikan bahwa perawatan ini adalah penyebab sebenarnya perbedaan
antara kontrol dan kelompok eksperimen dan bukan hasil yang dirawat atau bagian dari penelitian.
Dalam studi buta ganda, baik orang yang memberikan perlakuan maupun subyek
tahu apakah mereka benar-benar menerima pengobatan. Jenis penelitian yang digunakan untuk
memastikan
ada tidak sadar atau tak sadar bias oleh orang yang menerima perawatan
serta orang yang memberikan perlakuan atau pengukuran hasil. Apa yang bisa terjadi
adalah bahwa jika orang yang mengambil pengukuran tahu bahwa subjek adalah menerima
perawatan khusus, mereka sadar mungkin mulai "melihat" hasil yang benar-benar tidak ada,
terutama karena mereka mengharapkan hasil.
Statistik Statistik Populasi Sampel versus
Contoh statistik merupakan seperangkat hasil yang sedang diukur untuk keperluan analisis. Misalnya,
seorang manajer keselamatan ingin menentukan apakah karyawan mengikuti prosedur yang
ditetapkan dengan benar. Salah satu cara untuk mengumpulkan informasi ini adalah untuk menarik
sampel karyawan dan mengamati kinerja mereka. Sampel adalah himpunan bagian dari total
populasi. Ketika kami memeriksa sampel statistik, kami membuat beberapa kesimpulan tentang
sampel yang dalam hal keterwakilan yang penduduk.
populasi adalah kelompok semua termasuk mata pelajaran yang memiliki karakteristik kita
tertarik mengamati. Sebagai contoh, manajer keselamatan yang ingin melakukan studi tentang
perilaku kerja yang aman bagi perusahaan harus mengamati setiap karyawan di
perusahaan. Populasi akan didefinisikan sebagai pekerja di perusahaan XYZ. Karena
ini bisa sangat membosankan dan memakan waktu, seseorang dapat memilih subset dari populasi
yang memiliki karakteristik sama dengan populasi. Ketika dilakukan dengan tepat, peneliti dapat
mengasumsikan bahwa hasil yang diperoleh dari sampel mewakili populasi.
Prasangka
Bias dalam penelitian adalah kesalahan sistematis yang dapat mencemari hasil penelitian. A bias
dalam proses seleksi, misalnya, dapat mengakibatkan sekelompok orang yang dengan alasan apa pun
tidak dianggap mewakili populasi. Sampling bias dapat terjadi karena kesalahan administrasi, data
tidak memadai hasil, dan kesalahan prosedural. Sampling bias adalah perbedaan antara hasil yang
diperoleh sampel dan sampel yang telah diperoleh itu sebaiknya digunakan prosedur sampling.
Sampling bias yang cenderung lebih sistematis, terjadi dalam pola, atau berulang-ulang lebih
cenderung mendistorsi hasil yang diperoleh. Nonsampling bias juga dapat hadir dalam sampling. Ini
bias termasuk kesalahan dalam pengolahan data, penulisan item, interpretasi, meninju kunci, dan
sebagainya.
Tambahan contoh bias yang tercantum di bawah ini (Kuzma 1992, 270):
• bias Observer: pengamat atau pewawancara menyadari sepenuhnya hasil potensial.
Dia mungkin secara sadar atau di bawah sadar atribut karakteristik ke
subjek.
• bias sampling: peneliti tidak mungkin mendapatkan sampel yang benar-benar wakil dari
populasi.
• bias Dropout: Sebuah proporsi sampel tertentu mungkin drop out karena berbagai alasan, dan
mereka yang putus mungkin berbeda dari mereka yang melanjutkan.
• Memori bias: Bergantung pada memori dapat mengubah persepsi tentang tanggapan. Masa lalu
dikenang lebih baru lebih baik dari masa lalu.
• bias Peserta: ini dapat terjadi ketika subjek yang mengetahui apakah ia dalam kontrol atau
kelompok eksperimental.
Contoh Probabilitas Prosedur Seleksi
Karena akan sangat memakan waktu dan dalam banyak kasus tidak mungkin untuk memperoleh data
dari setiap anggota populasi, peneliti menggunakan hasil dari sampel untuk menggambarkan atau
menyimpulkan hasilnya kepada populasi yang lebih besar. Namun, peneliti harus hati-hati untuk
memastikan bahwa hasil yang diperoleh dari sampel benar-benar representatif penduduk. Setiap
perbedaan antara apa yang peneliti akan memperoleh
dari populasi dan hasil sampel yang diperoleh disebut sebagai kesalahan. Hal ini hampir mustahil
untuk menghilangkan perbedaan-perbedaan atau kesalahan dari hasil. Yang terbaik yang peneliti
lakukan adalah meminimalkan kesalahan ke tingkat tersebut bahwa hasil sampel tidak berbeda nyata
dari hasil populasi.

SAMPEL ACAK
Salah satu cara untuk mencoba memastikan bahwa sampel yang memiliki karakteristik yang mirip
dengan penduduk dan untuk meminimalkan kesalahan adalah untuk secara acak memilih mata
pelajaran. Untuk sampel yang akan acak, setiap orang dalam populasi harus memiliki kesempatan
yang sama untuk dipilih untuk dimasukkan dalam penelitian ini. Random seleksi adalah salah satu
cara terbaik untuk memastikan ada yang tidak bias dalam metode yang digunakan untuk memilih
mata pelajaran untuk berpartisipasi dalam penelitian ini.

TEKNIK SAMPLING
Seperti dijelaskan sebelumnya, salah satu metode untuk mengurangi kemungkinan sampling bias
dalam sampel adalah dengan teknik sampling random. Jika subyek sampel secara acak, kemungkinan
memilih subyek dengan karakteristik yang tidak cocok dengan penduduk dikurangi. Bias muncul
dalam teknik sampling ketika peneliti sistematis selama-atau underselects orang dengan karakteristik
tertentu. Ada beberapa teknik sampling random yang dapat digunakan untuk mengurangi
kemungkinan untuk bias. Teknik-teknik ini adalah sampel acak sederhana, sampel acak bertingkat,
dan sampel cluster (Backstrom dan Hursh-Cesar 1981, 57-63).

SAMPEL ACAK SEDERHANA

Sebuah sampel acak sederhana dapat digunakan jika populasi yang dipilih dari yang kecil
dan peneliti mampu menyebutkan setiap subyek. Proses melakukan
pilihan sampel acak sederhana adalah sebagai berikut:
1. Jumlah masing-masing subjek dalam populasi.
2. Tentukan jumlah mata pelajaran yang diperlukan untuk menyelesaikan penelitian.
3. Menggunakan tabel nomor acak, mengidentifikasi kasus yang harus dimasukkan dalam
sampel. Ada berbagai sumber untuk tabel nomor acak, mulai dari buku-buku statistik untuk buku
yang luas dari tabel nomor acak. Sebuah nomor acak
tabel ditampilkan pada Lampiran A.
Menggunakan Tabel Nomor Acak Jika seorang penyelidik memiliki 100 subjek dalam populasi dan
ingin memilih secara acak 15 untuk dimasukkan dalam sampel, ia mulai di bagian atas tabel nomor
acak dan membaca tiga digit pertama di nomor pertama. Jika bertepatan dengan digit nomor
kasus dalam populasi, maka subyek yang termasuk dalam sampel. Jika tidak digit
merupakan kasus dalam populasi tersebut, kemudian penyidik terus bawah daftar. Itu
penyidik terus merosot daftar nomor acak, mengidentifikasi kasus. Ketika
15 mata pelajaran telah diidentifikasi dengan meja, proses seleksi berakhir. Sebuah kutipan dari tabel
nomor acak yang disajikan di bawah ini (lihat Tabel 1.3) dan nomor acak tabel disajikan dalam
Lampiran A.

Contoh Tabel Nomor Acak

Seorang penyidik ingin memilih secara acak 10 mata pelajaran dari sekelompok 100 menggunakan
tabel nomor acak. Peneliti menetapkan setiap subyek dalam kelompok nomor dari 1 sampai 100.
Karena jumlah maksimum digit di nomor subyek dapat ditugaskan adalah tiga ("100" memiliki tiga
digit untuk itu), peneliti membaca tiga digit dari nomor acak pertama dan menentukan apakah
subjek diberikan nomor itu. Peneliti dapat memilih tiga digit pertama atau tiga digit terakhir dari
nomor acak, tak ada bedanya selama ada konsistensi dalam pemilihan. Dalam contoh ini, peneliti
memutuskan untuk menggunakan tiga digit terakhir. Mulai dari baris 1, kolom 1, nomor acak 10.480
memiliki urutan 480 sebagai tiga digit terakhir. Tak seorang pun di sampel telah diberi nomor 480,
jadi peneliti masuk ke kolom sebelah nomor acak 15.011. Tiga digit terakhir adalah 011, yang
merupakan nomor ditetapkan subjek 11. Orang ini dipilih untuk berada dalam kelompok. Investigator
terus di baris pertama sampai ia mencapai kolom 14, kemudian mulai baris 2 di kolom 1, dan
berlanjut dengan cara ini sampai dengan 10 mata pelajaran telah diidentifikasi. Perlu diingat bahwa
peneliti juga bisa pergi ke kolom pertama sampai akhir dan kemudian mulai kolom 2 dan ke bawah.
Proses seleksi akan dianggap acak selama pola yang sama diikuti selama proses seleksi. Jika nomor
acak muncul dan subjek dengan nomor yang telah dipilih, penyidik akan melewatkan nomor itu dan
terus sampai jumlah mata pelajaran yang diinginkan telah diidentifikasi.

SAMPEL KLASTER
Contoh cluster digunakan ketika peneliti ingin memilih sampel yang representatif dari wilayah
geografis. peneliti harus mengetahui data yang dianalisis dan tahu bahwa mungkin ada perbedaan
geografis dalam cara subyek dapat menanggapi item penelitian tertentu. Dengan pemikiran ini,
peneliti menetapkan proses seleksi untuk memastikan pemilihan jumlah wakil dari orang-orang dari
berbagai wilayah geografis. Sebuah cluster sampling digunakan ketika peneliti melakukan survei
largescale dan ingin mendapatkan sampel yang representatif dari keyakinan bangsa secara
keseluruhan. Jika ada alasan untuk percaya bahwa hasilnya akan berbeda-beda menurut wilayah
geografis, peneliti pertama akan membagi negara ke daerah dan kemudian secara acak memilih
sejumlah mata pelajaran dari masing-masing daerah.
Stratified SAMPEL ACAK
Dalam sampel acak bertingkat, peneliti mengantisipasi bahwa mungkin ada perbedaan dalam hasil
berdasarkan keanggotaan subyek 'dalam kelompok tertentu. Dengan pemikiran ini, peneliti membagi
populasi ke dalam berbagai kelompok, dan kemudian diambil sampel acak dari masing-masing
kelompok. Prosedur ini digunakan untuk menjamin perwakilan yang memadai dari kelompok-
kelompok kelebihan penduduk dan berpenduduk jarang. Sebagai contoh, seorang penyelidik
melakukan studi di sebuah fasilitas tentang masalah keamanan di pabrik punya alasan untuk percaya
bahwa akan ada perbedaan dalam masalah keamanan dari departemen ke departemen. Investigator
diidentifikasi pertama mata pelajaran di setiap departemen, lalu dipilih secara acak sejumlah mata
pelajaran dari masing-masing daerah.

Contoh Prosedur Seleksi Nonprobability

Bentuk lain dari sampling disebut sampling nonprobability. Dengan teknik sampling, ada kekurangan
dari keacakan dalam proses seleksi dan karena tidak adanya keacakan, hasil yang diperoleh dari
sampel tersebut tidak bisa diharapkan untuk mewakili seluruh populasi. Beberapa contoh dari teknik-
teknik seleksi termasuk potongan sampling dan sampling relawan (Backstrom dan Cesar-Hursh 1981,
64-65).

Bingkah SAMPLING
Dalam potongan sampling, peneliti memilih orang-orang yang kebetulan hadir di lokasi tertentu pada
waktu tertentu. Hal ini paling sering terlihat ketika reporter menghentikan sepuluh orang pertama
yang lewat.

RELAWAN SAMPEL
Dalam sampel relawan, relawan peserta untuk berpartisipasi dalam penelitian ini. Sebuah contoh
sampel sukarelawan adalah ketika sebuah stasiun televisi lokal meminta orang-orang untuk
memanggil dengan suara mereka. Orang-orang secara sukarela memberikan masukan mereka untuk
mempelajari. Biasanya, para relawan sangat untuk subjek tersebut atau sangat menentangnya.
Mereka yang dianggap tengah-of-the-jalan biasanya tidak sukarela partisipasi mereka dan dengan
demikian kurang terwakili.

VARIABLE
Dengan sampel yang dipilih, peneliti harus menentukan jenis pengukuran akan diperlukan untuk
memperoleh informasi yang diperlukan. Karakteristik atau pengukuran dianggap variabel. Variabel
adalah suatu pengukuran yang dapat memiliki rentang nilai potensial. Seorang peneliti yang ingin
menentukan rata-rata jumlah hari kerja hilang per karyawan harus menghitung jumlah hari hilang. Ini
akan dianggap satu variabel.

Bebas dan terikatnya VARIABEL

Variabel dapat lebih diklasifikasikan ke dalam variabel dependen dan independen (Witte
dan Witte 1997, 7). Proper perbedaan antara dua menjadi penting ketika melakukan prosedur
statistik seperti korelasi dan regresi. Sebuah variabel dependen adalah variabel yang dapat
dipengaruhi atau diubah oleh variabel lain yang diteliti. Sebuah variabel independen adalah variabel
yang mengukur karakteristik yang tidak dapat dipengaruhi atau diubah.
Sebagai contoh, seorang penyelidik ingin menentukan apakah ada hubungan antara
orang umur dan jumlah hari yang dibutuhkan dia untuk memulihkan diri dari cedera.
Peneliti harus mengukur usia orang dan jumlah hari orang tersebut telah pergi dari pekerjaan karena
cedera. Dalam hal ini, dapat diasumsikan bahwa usia orang tersebut tidak dapat dipengaruhi oleh
jumlah hari dia masuk kerja. usia orang itu adalah variabel independen. Hal ini sangat mungkin
bahwa orang tua adalah, semakin lama mungkin diperlukan orang untuk pulih dari cedera. Karena
jumlah hari kerja orang yang tidak terjawab bisa dipengaruhi oleh usia, jumlah hari dianggap sebagai
variabel dependen.
Peneliti harus tahu, untuk berbagai uji statistik, variabel yang sedang
dipengaruhi oleh apa. Penting untuk dicatat bahwa variabel dependen dan independen
bisa berubah dari studi untuk belajar. Sebuah variabel tertentu mungkin tidak selalu independen
atau tergantung. Tergantung pada studi statistik pada saat variabel tersebut digunakan.
Ringkasan Bab
Langkah pertama dalam analisis statistik adalah untuk menentukan kerangka kerja untuk analisis
yang
akan diperlukan untuk menjawab pertanyaan di tangan. Hal ini dapat berkisar dari deskriptif
analisis untuk pengujian hipotesis. Kerangka penelitian ini adalah tergantung pada pertanyaan-
pertanyaan dan hipotesis statistik. kerangka kerja utama untuk penelitian termasuk studi retrospektif,
studi prospektif, dan percobaan. Masing-masing memiliki karakteristik sendiri yang unik dan hasil
yang diinginkan. Merumuskan pertanyaan penelitian yang benar yang perlu dijawab akan membantu
peneliti dalam memilih kerangka yang tepat. Sebelum peneliti dapat mulai menggunakan prosedur
statistik dan berbagai tes, mereka harus menentukan apa yang terbaik akan menyediakan sumber-
sumber mereka Data untuk analisis mereka. Sampel harus dipilih dengan cara yang memastikan
bahwa itu adalah perwakilan dari populasi dan bebas dari bias. Proses seleksi sampel membutuhkan
peneliti untuk memiliki informasi latar belakang mengenai data mereka mengumpulkan dan faktor-
faktor kemungkinan yang mempengaruhi hasil data. Menggunakan informasi ini, proses seleksi harus
dipilih dan digunakan.
BAB II

Probabilitas dan Kesempatan

Kemungkinan
Probabilitas adalah kemungkinan bahwa suatu peristiwa akan terjadi (Witte dan Witte 1997, 190). Di
statistik, seorang peneliti mengasumsikan bahwa kemungkinan peristiwa tertentu telah untuk terjadi
adalah karena benar-benar kebetulan. Jika kemungkinan untuk mendapatkan satu set hasil sama
sekali karena kebetulan adalah jauh, statistik dapat menyimpulkan bahwa hasil secara statistik
signifikan. (Hal ini penting untuk dicatat bahwa probabilitas dan kemungkinan adalah dua konsep
yang berbeda Kemungkinan menentukan apakah suatu peristiwa dapat terjadi atau tidak;.
Probabilitas adalah kemungkinan atau kesempatan yang akan.) Seseorang dapat menentukan
probabilitas peristiwa atau kejadian, dan satu dapat menentukan probabilitas untuk hasil analisis.
Untuk menentukan probabilitas dari suatu peristiwa, peneliti menentukan kemungkinan yang akan
terjadi. Untuk studi, statistik menentukan kemungkinan mendapatkan hasil. Jika mereka yang
terpencil, maka penelitian dianggap signifikan.
Probabilitas ditentukan untuk acara-acara. peristiwa adalah suatu kejadian jenis apa pun. Itu
huruf P digunakan untuk menunjukkan probabilitas dan huruf A, B, C, dll digunakan untuk
mengidentifikasi berbagai aktivitas. Dengan sistem ini, PA merupakan probabilitas dari peristiwa A.
PB berjangka merupakan probabilitas dari kejadian B, yang merupakan peristiwa yang berbeda
dibandingkan dengan acara Probabilitas nilai A. diturunkan sebagai nilai desimal, dikonversi menjadi
persentase dan membaca seperti itu. Nilai probabilitas yang diperoleh dari 0,05 setara dengan
probabilitas 5%.

Aturan Probabilitas
Ada beberapa aturan yang berlaku dengan konsep probabilitas yang memungkinkan seseorang untuk

memanipulasi dan menginterpretasikan hasil (Hays 1988, 22-25). Untuk setiap Suatu peristiwa, ada
juga acara pelengkap Å, membaca tidak A. Jumlah kejadian A dan Å adalah 1,00. Ini adalah aturan
probabilitas komplementer. Aturan rentang menyatakan probabilitas bahwa probabilitas dari suatu
peristiwa harus antara 0 dan 1,00.

PROBABILITAS SEDERHANA

probabilitas Dalam acara probabilitas sederhana, peneliti membandingkan berapa kali suatu
peristiwa terjadi untuk jumlah hasil yang mungkin. Wikipedia Acara Formula Rumus untuk
menghitung probabilitas acara sederhana adalah sebagai berikut (Hays 1988, 27): Jumlah kejadian
ingin Jumlah kemungkinan Wikipedia peristiwa Event Contoh Contoh peristiwa probabilitas
sederhana akan untuk menentukan probabilitas dari setiap komponen satu di kotak tidak rusak jika
manajer keamanan menemukan 15 komponen yang rusak dari 500 dalam sebuah kotak.
Menggunakan rumus untuk acara sederhana, P A merupakan probabilitas dari memilih komponen
yang buruk. probabilitas adalah rasio antara jumlah kejadian yang sesuai dengan kebutuhan peneliti
(dalam contoh ini jumlah komponen buruk) dan jumlah peristiwa yang mungkin (dalam hal ini jumlah
chip).

PA= 15/500= 0,03, atau kesempatan 3% dari memilih komponen yang buruk
PROBABILITAS DALAM PERISTIWA YANG SAMA

probabilitas Sebuah acara bersama adalah sebuah acara tentang yang peneliti dapat mengajukan
pertanyaan Berapakah probabilitas dari kejadian A dan B kejadian yang terjadi pada saat yang sama?
Untuk menentukan ini, peneliti harus mengalikan probabilitas peristiwa independen bersama-sama.
Bersama Event Formula Rumus untuk menentukan probabilitas bersama adalah sebagai berikut
(Hays 1988, 37): PA dan B= PA x PB

Bersama Event Contoh Seorang manajer keselamatan itu menentukan probabilitas kegagalan sebuah
peralatan yang menggunakan dua switch berlebihan. Agar kegagalan terjadi pada sistem, baik switch
harus gagal pada saat yang sama. Probabilitas kegagalan sistem dapat ditentukan dengan mengalikan
probabilitas kegagalan saklar switch A dan B. Dengan asumsi kedua switch memiliki probabilitas
kegagalan 0,10, berapakah probabilitas kegagalan untuk sistem? P A dan B = PA x PB
PA dan B = (0,10 x 0,10) = 0,01, atau kesempatan 1% kegagalan sistem disebabkan oleh kegagalan
kedua switch
Senyawa EVENT probabilitas
Kadang-kadang kita harus menentukan probabilitas terjadinya beberapa peristiwa di
situasi. Namun, bukan menentukan kegagalan karena semua peristiwa yang terjadi di
saat yang sama, seseorang mungkin ingin menentukan terjadinya satu atau lebih kegiatan
pada suatu waktu. Probabilitas ini disebut sebagai senyawa probabilitas. Keseluruhan
probabilitas dari peristiwa senyawa ditentukan dengan cara menjumlahkan probabilitas aktivitas
tertentu bersama-sama, dengan mengingat bahwa jumlah semua kegiatan tidak boleh melebihi 1,00.
Itu istilah atau penambahan merupakan probabilitas majemuk.
Keputusan statistik lain harus membuat menyangkut eksklusivitas saling kegiatan individu. Ketika dua
peristiwa tersebut tidak dapat saling eksklusif, hanya satu aktivitas dapat terjadi pada suatu waktu.
Cara lain untuk menyatakan ini adalah terjadinya satu acara termasuk terjadinya peristiwa kedua. Ini
menjadi penting di dalam kompleks acara perhitungan.
Sebuah contoh yang menunjukkan efek saling eksklusivitas dapat ditampilkan menggunakan
setumpuk kartu. Seorang ahli statistik ingin menentukan probabilitas memilih raja atau kartu merah
dari setumpuk kartu. Menggunakan rumus untuk acara majemuk, yang statistik akan menambah
kemungkinan memilih kartu merah ke probabilitas memilih raja. Probabilitas memilih kartu merah
adalah 26/52 atau 50% dan probabilitas memilih seorang raja adalah 4 / 52 atau 8%. Penambahan
tersebut menghasilkan dua probabilitas 58%. Namun, karena peristiwa-peristiwa ini tidak saling
eksklusif, masalah timbul karena statistik adalah menghitung dua raja merah dua kali (lihat Tabel 2.1).
Jika peristiwa tersebut tidak saling eksklusif, yang berarti kedua peristiwa dapat terjadi pada waktu
yang sama (gambar satu kartu yang baik adalah kartu merah dan raja), maka statistik harus
mengurangi keluar probabilitas dari kedua peristiwa yang terjadi pada saat yang sama. Rumus
senyawa menyediakan acara untuk koreksi ini. Probabilitas yang benar untuk memilih kartu merah
atau raja akan menjadi sebagai berikut:
Pking + Pred kartu - Pking dan kartu merah
(4 / 52) + (26/52) - (2 / 52) = 0,54 atau 54%
Senyawa Formula Event
Rumus untuk acara senyawa adalah sebagai berikut (Horvath 1974, 95-97):
PA atau B = PA + P - PA × B
Contoh Senyawa Event
Seorang konsultan kontrol kerugian yang disediakan dengan data kerugian bagi klien. Dalam satu
tahun ada adalah 250 kebakaran, penyebab utama yang ditentukan untuk merokok di 108 kasus,
peralatan memasak di 95 kasus, pembakaran dalam 12 kasus, dan asal tidak diketahui dalam 35
kasus. Konsultan kontrol kerugian ingin tahu apa probabilitas adalah memilih klaim api dari kelompok
dengan penyebab utama baik merokok atau pembakaran. Karena konsultan adalah menentukan
probabilitas dari "satu atau yang lain," ia akan menentukan peristiwa majemuk. Konsultan kemudian
harus menentukan apakah atau tidak peristiwa saling eksklusif. Untuk melakukan hal ini dia harus
menjawab pertanyaan "Bisakah satu klaim, ketika dipilih, memiliki kedua karakteristik yang ada?
Dalam contoh ini, dapat mengklaim memiliki salah satu penyebab utama merokok dan penyebab
utama pembakaran? "Menentukan konsultan bahwa hal ini tidak memungkinkan, sehingga peristiwa
saling eksklusif dan probabilitas dari kedua peristiwa yang terjadi pada saat yang sama adalah nol.
Psmoking atau pembakaran = Psmoking + Parson - Psmoking dan pembakaran
Psmoking atau pembakaran = (108/250) + (12/250) - 0 = 0,48, atau kesempatan memilih 48%
klaim dengan merokok atau pembakaran sebagai penyebab utama

Probabilitas BERSYARAT
Dalam probabilitas bersyarat, beberapa kondisi atau pembatasan ditempatkan pada sampel yang
digunakan untuk menentukan probabilitas (Witte dan Witte 1997, 193-94). Total
ukuran sampel berkurang dalam beberapa cara. Maka probabilitas dari suatu peristiwa ditentukan
menggunakan subset dari total penduduk. Dalam probabilitas bersyarat, simbol "/" mewakili kata
"fakta yang diberikan." Sebuah probabilitas bersyarat dari A / B dibaca sebagai "mengingat fakta
bahwa B telah terjadi, apa probabilitas A acara?"

Probabilitas Bersyarat Formula

Rumus untuk menghitung probabilitas kondisional adalah sebagai berikut (Witte dan Witte
1997, 193-94):
PA / B?
PA dan B
PA
Contoh Probabilitas Bersyarat
Seorang manajer keamanan ingin menentukan probabilitas memiliki kehilangan hari kerja
dibebankan ke pekerja karena cedera punggung. Manajer keamanan ditentukan bahwa untuk
87 klaim dari semua jenis dilaporkan dalam satu tahun, 18 yang terlibat kehilangan hari kerja. Dari 87
klaim melaporkan, 23 diantaranya untuk cedera kembali, dan dari jumlah ini 23 kasus, 14
mengakibatkan hilang hari kerja. Manajer keamanan ingin menentukan probabilitas kehilangan hari
kerja kasus jika kasus tersebut adalah hasil dari cedera punggung.
Untuk menentukan ini, manajer keselamatan pertama menentukan probabilitas cedera punggung
kasus dari semua kasus yang dilaporkan. Dalam contoh ini, kemungkinan memiliki cedera punggung
kasus yang dilaporkan adalah 23/87, atau 26%. Selanjutnya, manajer keselamatan harus menentukan
probabilitas kasus yang cedera punggung dan kasus kehilangan hari kerja. probabilitas adalah 14/87,
atau 16%. Menggunakan probabilitas bersyarat rumus, berikut adalah berasal:
Pa kasus kehilangan hari kerja / cedera kembali dilaporkan?
Pa kasus kehilangan hari kerja dan kasus kembali cedera
Pa cedera kembali dilaporkan
Pa kasus kehilangan hari kerja / cedera kembali dilaporkan?
0,16
0,26? 0,61, atau kesempatan 61%
Oleh karena itu, mengingat fakta bahwa kasus yang dilaporkan adalah cedera punggung, ada
kemungkinan 61%
bahwa kasus ini adalah kasus kehilangan hari kerja.
Permutasi, Disusun Kombinasi, dan Kombinasi
Dalam contoh disajikan sejauh ini, jumlah peristiwa yang mungkin telah disediakan
atau mudah ditentukan dengan menghitung jumlah kasus dalam sampel atau populasi.
Dalam beberapa situasi, jumlah hasil yang mungkin harus dihitung.
Permutasi, kombinasi, dan faktorial dapat digunakan untuk menghitung jumlah total
hasil mungkin.

Permutasi
Sebuah faktorial diwakili oleh tanda "" dan merupakan perkalian nilai. Untuk
Misalnya, istilah 6! dibaca sebanyak 6 faktorial. Hal ini diwakili oleh persamaan 6 5 4

Tabel 2.2

3 2 1, atau nilai 720. Istilah 3! diwakili oleh persamaan 3 2

1, atau nilai 6. Faktorial dapat digunakan untuk menentukan jumlah kombinasi
di mana satu set item bisa diatur menggunakan semua item yang tersedia. Sebagai contoh, berapa
banyak
bisa kombinasi huruf A, B, C, dan D akan ditempatkan ke dalam menggunakan semua huruf yang
tersedia?
Karena ada 4 huruf, kita menghitung 4, yang memberi kami jawaban dari 24, yaitu, 24!
kombinasi menggunakan semua 4 huruf. Kombinasi huruf ditampilkan pada Tabel 2.2.
Jika seseorang ditempatkan 4 potongan kertas menjadi topi dengan huruf A, B, C, dan D di
mereka dan kemudian menarik setiap slip keluar, berapakah probabilitas dari menarik potongan di
urutan yang tepat dari BCAD? Menggunakan formula acara-probabilitas sederhana, ahli statistik
melihat bahwa kombinasi dari BCAD terjadi sekali dan ada 24 kombinasi yang mungkin
untuk memilih dari, sehingga kemungkinan memilih 4 potongan kertas di tepat
order adalah 1 / 24, atau 4%.
Memesan KOMBINASI
Dalam beberapa situasi, jumlah total item yang digunakan untuk mengembangkan kombinasi tidak
tidak sama dengan jumlah item yang tersedia. Menggunakan data dari atas, ahli statistik
memiliki 4 huruf untuk memilih dari tetapi bukan menggunakan semua 4 huruf, ia memutuskan
untuk memilih
3-huruf kombinasi, dan urutan yang berbeda dari huruf merupakan kombinasi yang berbeda.
Karena jumlah item yang dipilih adalah kurang dari jumlah yang tersedia dan karena
urutan yang berbeda merupakan kombinasi yang berbeda (A, B, C berbeda dari B,
C, A), ahli statistik harus mendapatkan kombinasi yang dipesan. Dua potongan informasi
diperlukan untuk menghitung kombinasi perintah. Mereka adalah n, jumlah item
tersedia, dan r, jumlah item yang dipilih pada satu waktu untuk membuat kombinasi,
ingat bahwa urutan yang berbeda adalah kombinasi yang berbeda.
Memerintahkan Kombinasi Formula
Untuk menghitung jumlah kombinasi dari sekelompok item ketika orde yang penting,
rumus berikut ini digunakan (Hays 1988, 123):
C?
n!
(N - r)!
Memerintahkan Kombinasi Contoh
Dengan menggunakan informasi di atas, statistik keinginan untuk menentukan berapa banyak
kombinasi
dia bisa datang dengan menggunakan 4 huruf (A, B, C, dan D) jika ia memilih 3 sekaligus,

dan urutan yang berbeda merupakan suatu kombinasi yang berbeda. N variabel sebesar 4
karena ada 4 huruf, dan variabel r sama dengan 3 karena ada 3 huruf yang dipilih pada suatu waktu.
Hasil 24 berarti bahwa ada 24 kombinasi berbeda yang bisa 3 huruf ditempatkan dalam, dengan
urutan yang berbeda merupakan suatu kombinasi yang berbeda, dan ada 4 item untuk memilih dari.
Ruang sampel untuk hasil ini ditampilkan dalam Tabel 2.3.

KOMBINASI
Dalam beberapa situasi, urutan item yang tidak penting. Ketika hal ini terjadi, maka statistik
menggunakan rumus kombinasi. Menggunakan langkah-langkah yang sama seperti dengan
kombinasi perintah, statistik menentukan berapa banyak kombinasi dapat dibuat dengan
menggunakan beberapa item yang lebih rendah daripada yang tersedia total, tapi kali ini, kombinasi
dari ABC diperlakukan sebagai sama dengan kombinasi dari BCA, CAB, ACB, BAC, dan CBA. Variabel
untuk formula kombinasi adalah sama seperti untuk kombinasi perintah.

Kombinasi Formula
Karena urutan urutan surat tidak penting, rumus berikut ini digunakan untuk menentukan jumlah
sekuens (Hays 1988, 125):

Contoh Kombinasi
Sekali lagi menggunakan informasi di atas, statistik keinginan untuk menentukan berapa banyak
kombinasi ia bisa datang dengan menggunakan 4 huruf (A, B, C, dan D) jika ia memilih 3 di
waktu, tetapi kali ini urutan huruf tidak penting. N variabel sama dengan 4 karena ada 4 huruf, dan
variabel r sama dengan 3 karena ada 3 huruf yang dipilih pada suatu waktu.

Nilai yang diperoleh dari 4 berarti bahwa ada 4 kombinasi berbeda yang 3 huruf
dapat ditempatkan dalam mengingat fakta bahwa urutan huruf tidak penting. Ruang sampel
ditampilkan pada Tabel 2.4.

Probabilitas Binomial
Dalam situasi di mana hanya ada dua hasil yang mungkin untuk suatu peristiwa, seperti
kepala / ekor atau ya / tidak situasi, distribusi dianggap binomial. Dalam
kasus probabilitas binomial harus berasal karena kemungkinan jumlah hasil diatur ke dalam dua
kemungkinan hasil yang dapat dianggap sebagai variabel diskrit. Membalik koin beberapa kali dan
menentukan probabilitas bahwa ia akan tanah pada kepala nomor tertentu kali bertemu dengan
probabilitas binomial karena hanya ada dua hasil yang mungkin, kepala dan ekor.

PROBABILITAS BINOMIAL FORMULA

Rumus disajikan di bawah ini dapat digunakan untuk menentukan probabilitas binomial (Hays
1988, 130-32).

Dimana n jumlah hasil yang mungkin; r jumlah hasil yang diinginkan; probabilitas P dari satu
kegagalan.

PROBABILITAS BINOMIAL CONTOH

Seseorang flips koin 5 kali dan tanah pada ekor 4 dari 5 kali. Apa probabilitas
ini terjadi? Jika kita adalah untuk mencoba menggunakan probabilitas acara bersama
P (T & T & T & T & H) = (1 / 2) x (1 / 2) x (1 / 2) x (1 / 2) x (1 / 2), kami akan selalu
berakhir dengan probabilitas yang sama 3,13%, apa pun hasilnya. Di
rumus probabilitas binomial fungsi, n sama dengan berapa kali
membalik koin, r adalah jumlah ekor kali muncul, dan P adalah probabilitas dari 1
acara, dalam hal ini, peluang mendapatkan ekor setelah 1 flip 0,5. Menggunakan atas
persamaan,

0,16, atau 16% peluang untuk mendapatkan ekor 4 kali ketika

membalik koin 5 kali