Modul Statistik Asas PDF
Modul Statistik Asas PDF
SMU3063
STATISTIK ASAS
Statistik Asas
Zulkifley Mohamed
Sazelli Ab. Ghani
2013
II
PRAKATA
Modul ini dibina untuk membantu pelajar dalam proses pembelajaran dan
pembelajaran bagi kursus statistik asas. Modul ini bukan sahaja dapat
melengkapkan pelajar tentang pengetahuan berkait dengan statistik asas,
ianya juga mampu membantu pelajar untuk mengarap pengetahuan statistik
untuk digunakan di peringkat yang lebih tinggi.
III
ISI KANDUNGAN
1. Sifat-sifat statistik 5
3. Statistik pemerihalan 35
4. Konsep kebarangkalian 61
6. Teknik pensampelan 97
IV
Sifat-sifat Statistik
UNIT PELAJARAN 1
SIFAT-SIFAT STATISTIK
HASIL PEMBELAJARAN
PENGENALAN
5
Sifat-sifat Statistik
ISI KANDUNGAN
Jenis-jenis statistik
Pembolehubah
6
Sifat-sifat Statistik
7
Sifat-sifat Statistik
Pembolehubah
Kuantitatif Kualitatif
Diskret Selanjar
Contoh Pembolehubah
kuantitatif
Diskret Selanjar
Berat pelajar √
Ketinggian bangunan di Kuala Lumpur √
Kelajuan kenderaan di litar perlumbaan √
Bilangan peserta di sebuah seminar √
Bilangan kesalahan menaip yang dilakukan √
oleh jurutaip
Bilangan aduan yang diterima oleh √
sesebuah organisasi
8
Sifat-sifat Statistik
Populasi
Sampel
9
Sifat-sifat Statistik
Populasi
Sampel
Sampel Rawak
Sumber-sumber data
Data sumber primer adalah data yang belum pernah diterbitkan, iaitu data
yang diperolehi daripada kajian penyelidikan yang baru dan dipungut dari
sumber asalnya, contohnya, dalam pemasaran, ia adalah maklumat yang
diperolehi secara langsung daripada sumber asalnya iaitu melalui kaji selidik,
pemerhatian atau eksperimen. Data yang dipungut oleh penyelidik, badan-
badan kerajaan atau organisasi yang memerlukan data dinamai data primer
atau data peringkat pertama. Data primer belum pernah dikumpul oleh
sesiapa sebelum ini. Kaedah pemerhatian, temuduga berdepan atau melalui
pos boleh digunakan untuk memunggut data primer.
10
Sifat-sifat Statistik
Data sekunder atau data peringkat kedua adalah data yang telah pun
dikumpulkan sebelum ini dan mudah didapati daripada sumber-sumber lain.
Data sekunder lebih murah dan lebih cepat diperolehi daripada data primer.
Data sekunder kemungkinan boleh didapati apabila data primer tidak boleh
diperolehi. Data sekunder adalah data yang telah diterbitkan bertujuan untuk
kegunaan orang perseorangan atau sesebuah organisasi. Data sekunder
boleh didapati daripada laporan statistik, laporan penyelidikan, laporan
daripada terbitan kerajaan, jurnal, laporan syarikat dan seumpamanya.
11
Sifat-sifat Statistik
PENILAIAN KENDIRI
A. Statistik
B. Sampel
C. Populasi
4. Satu set unit (cth: pelajar) yang berpotensi untuk dikaji dikenali sebagai:
A. Statistik
B. Sampel
C. Populasi
A. Jantina seseorang
B. Jarak (KM) antara Tanjong Malim dan Kuala Lumpur
C. Bilangan pemilikan kenderaan sesebuah keluarga
12
Sifat-sifat Statistik
6. Satu kajian telah dilakukan terhadap 200 orang pelajar yang dipilih secara
rawak daripada pelajar fakulti Sains dan Matematik, UPSI. Apakah
populasi bagi kajian ini?
7. Satu kajian telah dilakukan terhadap 50 pelajar yang dipilih secara rawak
daripada fakulti Sains dan Matematik UPSI. Apakah sampel bagi kajian
ini?
8. 100 batang pen telah dipilih secara rawak daripada simpanan pen yang
dikeluarkan oleh sebuah syarikat pengeluar pen. 100 batang pen ini
dikenali sebagai:
A. Parameter
B. Statistik
C. Sampel
9. 100 batang pen telah dipilih secara rawak daripada simpanan pen yang
dikeluarkan oleh sebuah syarikat pengeluar pen. Simpanan pen yang
dikeluarkan oleh sebuah syarikat pengeluar pen dikenali sebagai:
A. Parameter
B. Populasi
C. Sampel
13
Sifat-sifat Statistik
10. Min dan sisihan piawai dikenali sebagai statistik jika ia dihitung daripada:
A. Sampel
B. Populasi
C. Parameter
A. Parameter sahaja
B. Statistik sahaja
C. Parameter dan statistik
RUJUKAN
Bluman, A.G.(2009). Elementary Statistics: A Step by Step Approach (7th ed). New
York: McGraw Hill.
Johnson, R. & Kuby, P. (2004). Elementary Statistics (9th ed). Boston: Duxbury
Press.
14
Taburan Kekerapan dan Graf
UNIT PELAJARAN 2
TABURAN KEKERAPAN DAN GRAF
HASIL PEMBELAJARAN
PENGENALAN
Topik ini mendedahkan kepada pelajar tentang teknik-teknik bagi merekod
dan mempersembahkan data pembolehubah kuantitatif dan kualitatif dalam
bentuk yang sistematik dan tersusun. Topik-topik yang akan dibincangkan
merangkumi jadual taburan kekerapan, jadual taburan kekerapan selanjar,
jadual taburan kekerapan melonggok, jadual taburan kekerapan relatif,
histogram, poligon kekerapan, graf kekerapan melonggok (ogif), carta
bulatan, carta palang ringkas, carta palang berganda, carta palang
berkomponen dan carta palang berkomponen berperatusan.
15
Taburan Kekerapan dan Graf
ISI KANDUNGAN
Contoh 1
Satu kajian telah dilakukan di sebuah kawasan perumahan untuk mengetahui
pemilikan telefon bimbit bagi setiap keluarga. Data pemilikan telefon bimbit
bagi 20 keluarga yang dikaji adalah seperti berikut:
2, 3, 2, 1, 4, 5, 1, 2, 2, 2, 3, 3, 4, 3, 4, 3, 2, 5, 1, 1
(ii) Bina jadual dengan tiga jalur, iaitu nombor bagi selang (x), tally
(bilangan yang dihitung) dan frekuensi.
16
Taburan Kekerapan dan Graf
Contoh 2
Markah ujian statistik Frekuensi (f) /Bilangan pelajar
60 5
65 11
70 20
75 25
80 15
85 10
90 4
Jumlah 90
17
Taburan Kekerapan dan Graf
Contoh 3
Markah yang diperoleh oleh 40 pelajar yang menduduki peperiksan kursus
statistik asas adalah seperti berikut:
51 62 72 80 87 66 73 83 74 65
78 88 53 75 92 76 82 93 77 84
89 65 81 68 75 58 94 79 67 86
69 71 77 98 81 79 64 70 85 71
18
Taburan Kekerapan dan Graf
Contoh 4
Contoh 5
19
Taburan Kekerapan dan Graf
Jadual taburan frekuensi yang dinyatakan dalam nilai nisbah atau peratus
dinamakan jadual taburan frekuensi relatif. Sila rujuk Contoh 2 dan 3 bagi
jadual frekuensi diskret dan jadual frekuensi selanjar di atas. Jadual-jadual
tersebut boleh ditokok menjadi jadual frekuensi relatif seperti berikut:
Contoh 6
Markah Ujian Frekuensi (f) /Bilangan Frekuensi Relatif
Statistik Pelajar
60 5 5
100 5.56
90
65 11 11
100 12.22
90
70 20 20
100 22.22
90
75 25 25
100 27.78
90
80 15 15
100 16.67
90
85 10 10
100 11.11
90
90 4 4
100 4.44
90
Jumlah 90 90
100 100.00
90
Histogram
Maklumat-maklumat daripada jadual yang telah dibina sebelum ini boleh kita
persembahkan dalam bentuk graf. Histogram boleh dilukis dengan
menggunakan maklumat yang diperoleh daripada jadual frekuensi dan
frekuensi relatif. Histogram juga boleh digunakan untuk menunjukkan bentuk
taburan sesuatu data kuantitatif. Selain daripada itu mod boleh dianggar
20
Taburan Kekerapan dan Graf
Contoh 7
Kelajuan kenderaan yang dicatatkan di sebuah lebuh raya adalah seperti
berikut:
Kelajuan kenderaan 95- 100- 105- 110- 115- 120- 125-
(KM/Jam) 99 104 109 114 119 124 129
Bil. Kenderaan/ Frekuensi 2 5 7 11 6 3 1
Histogram:
Bilangan Kenderaan Mengikut Kelajuan (KM/Jam)
12
10
BilanganKenderaan
Poligon Frekuensi
21
Taburan Kekerapan dan Graf
Contoh 8
Kelajuan kenderaan yang dicatatkan di sebuah lebuh raya adalah seperti
berikut:
Kelajuan kenderaan 95- 100- 105- 110- 115- 120- 125-
(KM/Jam) 99 104 109 114 119 124 129
Bil. Kenderaan/ Frekuensi 2 5 7 11 6 3 1
Poligon:
Bilangan Kenderaan Mengikut Kelajuan (KM/Jam)
12
10
BilanganKenderaan
0
94.5 99.5 104.5 109.5 114.5 119.5 124.5 129.5
Kelajuan (KM/Jam)
Jika pelajar melakar graf daripada jadual frekuensi melonggok, graf yang
diperolehi dinamakan ogif. Terdapat dua bentuk ogif yang boleh dibentuk,
iaitu ogif “kurang daripada” dan ogif “lebih daripada”. Bagi ogif “kurang
daripada” paksi-x diwakili oleh had bawah data dan paksi-y mewakili frekuensi
melonggok. Manakala bagi ogif “lebih daripada” paksi-x diwakili oleh had atas
data dan paksi-y mewakili frekuensi melonggok. Daripada ogif yang diperoleh,
pelajar boleh menganggar nilai median. Perhatikan contoh di bawah, iaitu
data berkenaan taburan hujan di bandar Tanjong Malim yang dicatatkan pada
bulan Disember 2012.
22
Taburan Kekerapan dan Graf
Contoh 9
35
Kekerapan Melonggok
30
25
20
15
10
0
300 400 500 600 700 800 900
Satu lagi ogif yang boleh dibina adalah Ogif “lebih daripada”. Iaitu ogif yang
menggunakan frekuensi melonggok “lebih daripada” sebagai paksi-y. Contoh
10 menunjukkan bagaimana Ogif “lebih daripada” dibina.
23
Taburan Kekerapan dan Graf
Contoh 10
Taburan Hujan (mm) Bilangan Hari/ Frekuensi Frekuensi Melonggok
300 3 27+3=30
400 6 21+6=27
500 7 14+7=21
600 8 6+8=14
700 3 3+3=6
800 2 1+2=3
900 1 1
Jumlah 30
35
30
Kekerapan Melonggok
25
20
15
10
0
300 400 500 600 700 800 900
Carta bulatan
24
Taburan Kekerapan dan Graf
Data kualitatif boleh dipersembahkan dalam bentuk carta bulatan dan carta
palang.
Contoh 12
Bilangan program yang ditawarkan di sebuah universiti tempatan.
25
Taburan Kekerapan dan Graf
Carta Bulatan:
Penduduk di Negara Asean Terpilih
Malaysia 29
Filipina 96
Thailand 70
Carta Palang
26
Taburan Kekerapan dan Graf
Contoh 13
Jadual di bawah menunjukkan bilangan pelajar Ijazah Sarjana Muda yang
mendaftar di Fakulti Sains dan Matematik, UPSI mengikut program pada
Semester 1 Sesi 2012/2013.
Program Bilangan
Pelajar
Sarjana Muda Pendidikan (Biologi) 150
Sarjana Muda Pendidikan (Fizik) 70
Sarjana Muda Pendidikan (Kimia) 80
Sarjana Muda Pendidikan 200
(Matematik)
Sarjana Muda Sains (Matematik) 150
Jumlah 650
Carta Palang:
Pendaftaran Pelajar Mengikut Program di FSM, UPSI
250
200
Bilangan Pelajar
150
100
50
0
Sarjana Muda Sarjana Muda Sarjana Muda Sarjana Muda Sarjana Muda
Pendidikan Pendidikan Pendidikan Pendidikan Sains
(Biologi) (Fizik) (Kimia) (Matematik) (Matematik)
Program
27
Taburan Kekerapan dan Graf
Contoh 14
Jadual di bawah menunjukkan jualan minyak di dua buah stesyen minyak di
sebuah bandar dalam masa sehari.
Minyak Jualan (Liter)
Stesyen Stesyen
Minyak A Minyak B
Ron 95 7000 6000
Ron 97 8000 7000
Diesel 4000 7000
Jumlah 19000 20000
9000
8000
7000
Jualan (Liter)
6000
5000
4000
3000
Stesyen Minyak A
2000
1000 Stesyen Minyak B
0
Ron 95 Ron 97 Diesel
Jenis Minyak
28
Taburan Kekerapan dan Graf
Contoh 15
Dengan menggunakan data daripada Contoh 14, lakarkan carta palang
berkomponen.
16000
14000
12000
Jualan (Liter)
10000
8000
6000
2000
Stesyen Minyak A
0
Ron 95 Ron 97 Diesel
Jenis Minyak
Carta
palang berkomponen berperatusan mempunyai bentuk yang sama dengan
carta palang berkomponen. Walau bagaimanapun nilai palang bagi setiap
komponen dihitung dalam bentuk peratus.
29
Taburan Kekerapan dan Graf
Contoh 16
Cuba kita perhatikan contoh di bawah. Untuk melakarkan carta palang
berkomponen berperatusan kita perlu menukarkan setiap nilai komponen
kepada nilai peratus.
100%
90%
80%
70%
Jualan (Peratus)
60%
50%
40%
Stesyen Minyak B
30%
20%
Stesyen Minyak A
10%
0%
Ron 95 Ron 97 Diesel
Jenis Minyak
30
Taburan Kekerapan dan Graf
PENILAIAN KENDIRI
1. Senaraikan graf dan carta yang sesuai digunakan bagi
mempersembahkan data kuantitatif dan data kualitatif, mengikut jenis data
masing-masing.
2. Bayaran bil letrik (RM) yang dicatatkan oleh sebuah keluarga setiap bulan
dalam tempoh 36 bulan adalah seperti berikut:
31
Taburan Kekerapan dan Graf
5. Bilangan pinjaman buku yang dibuat oleh pelajar yang mengikuti program
PhD di sebuah IPTA dalam masa satu semester dicatatkan seperti di
bawah:
Program Bilangan
Tempatan Luar negara
BSc 3000 1000
BEd 5000 1500
MSc 400 200
MEd 600 200
PhD 200 100
Jumlah 9200 3000
7. Jumlah masa yang dihabiskan oleh pelajar bagi menganalisis data projek
tahun akhir adalah seperti berikut:
Masa (Jam) 1-3 3-5 5-7 7-9 9-11 11-13 13-15
Bil. Pelajar 5 10 13 25 8 6 4
32
Taburan Kekerapan dan Graf
33
Taburan Kekerapan dan Graf
80000
70000
60000
50000
Bilangan
40000
30000
20000 Asing
Tempatan
10000
0
Pertanian Pengilangan Pembinaan Perkhidmatan
RUJUKAN
Bluman, A.G.(2009). Elementary Statistics: A Step by Step Approach (7th ed).
New York: McGraw Hill.
34
Statistik Pemerihalan
UNIT PELAJARAN 3
STATISTIK PEMERIHALAN
HASIL PEMBELAJARAN
Pada penghujung unit ini, pelajar diharap dapat:
PENGENALAN
Ukuran kecenderungan memusat banyak digunakan dalam kehidupan harian.
Purata taburan hujan, purata kelajuan kenderaan di sebuah lebuhraya, purata
perbelanjaan isi rumah dalam sebulan, purata markah kursus statistik yang
diperolehi oleh sekumpulan pelajar dan sebagainya adalah antara contoh
ukuran kecenderungan memusat yang melibatkan min. Purata atau min
merupakan salah satu ukuran kecenderungan memusat. Selain daripada min
kita juga akan mempelajari median dan mod yang juga merupakan ukuran
kecenderungan memusat yang terkandung dalam ukuran memusat yang
akan diterangkan.
35
Statistik Pemerihalan
ISI KANDUNGAN
Min aritmetik
Satu nilai yang mewakili sekumpulan data dinamakan ukuran memusat. Min
aritmetik adalah salah satu ukuran memusat. Min diperoleh dengan
menjumlahkan keseluruhan data, kemudian dibahagikan dengan bilangan
data yang dijumlahkan tadi. Sebagai contoh, katakan markah yang diperoleh
oleh sepuluh (10) orang pelajar dalam ujian statistik adalah seperti berikut:
5, 5, 6, 6, 6, 7, 7, 8, 8, 9.
5 5 6 6 6 7 7 8 8 9 67
6.7
10 10
Bagi menghitung min, pelajar terlebih dahulu perlu mengenal pasti jenis data
kuantitatif. Jenis data yang dimaksudkan adalah data tak terkumpul dan data
terkumpul. Kaedah menghitung min bagi data tak terkumpul dan data
terkumpul ditunjukkan seperti di bawah:
36
Statistik Pemerihalan
Contoh 1
Markah matematik bagi ujian percubaan PMR yang diperoleh oleh tujuh (7) orang
pelajar di sebuah sekolah adalah seperti berikut:
50, 65, 78, 73, 75, 84, 90
Contoh 2
Sekumpulan pelajar diberi ujian matematik. Markah yang diperoleh dikumpulkan
dalam bentuk jadual seperti di bawah:
Markah Matematik 55 65 75 80 85 90 95
Bilangan pelajar 5 10 15 20 14 12 6
Nilai min bagi taburan data di atas dihitung dengan menggunakan rumus:
n
fi x i
x i 1
n
fi
i 1
37
Statistik Pemerihalan
xi 55 65 75 80 85 90 95
fi 5 10 15 20 14 12 6
fi xi 275 650 1125 1600 1190 1080 570
7
fi x i
275 650 1125 1600 1190 1080 570 6490
x i 1 79.1
7 5 10 15 20 14 12 6 82
fi
i 1
Nilai di atas juga dikenali sebagai min berpemberat. Dengan fi sebagai
pemberat. Seterusnya Contoh 3 dan Contoh 4 dapat memahirkan pelajar
dalam menghitung min bagi data terkumpul.
Contoh 3
Taburan hujan yang dicatatkan pada bulan tertentu di sebuah daerah di
Malaysia adalah seperti berikut:
Taburan Hujan (mm) Bilangan Hari
300 – 349 3
350 – 399 5
400 – 449 7
450 – 499 9
500 – 549 3
550 – 599 2
600 – 649 1
Jumlah 30
Nilai min taburan hujan (mm) dihitung menggunakan rumus yang berikut:
n
fi x i
x i 1
n
fi
i 1
38
Statistik Pemerihalan
n
fi x i
13435
x i 1 447.8
n 30
fi
i 1
Contoh 4
Seorang pegawai statistik ingin menghitung min pendapatan isi rumah bagi
sebuah bandar. Maklumat yang telah dikumpul adalah seperti berikut:
39
Statistik Pemerihalan
Bagi menghitung nilai median bagi data tak terkumpul, kita hanya perlu
menyusun data sama ada mengikut turutan menaik atau menurun. Dengan
kata lain tiada rumus khusus bagi menghitung median bagi data tak
terkumpul.
Contoh 5
Wang saku (RM) yang dibawa oleh tujuh (7) pelajar ke sekolah setiap hari
adalah seperti berikut:
40
Statistik Pemerihalan
Contoh 6
Katakan wang saku (RM) yang dibawa oleh lapan (8) pelajar semasa ke
sekolah adalah seperti berikut:
4.00, 2.00, 2.50, 1.50, 3.50, 3.00, 4.50, 3.50
1.50, 2.00, 2.50, 3.00, 3.50, 3.50, 4.00, 4.50 (susunan menaik)
Dengan:
Lm had bawah kelas median;
Fm1 kekerapan melonggok kelas sebelum kelas median;
fm kekerapan kelas median;
c selang kelas.
41
Statistik Pemerihalan
Contoh 7
Bayaran penggunaan air bagi sebuah keluarga besar di bandar Kuala Lumpur
untuk tempoh dua (2) tahun dicatatkan seperti berikut:
Kelas median
nf
i
i 1
Fm 1 12 6
x~ Lm 2 c 199.5 8 50 237
fm
Contoh 8
Markah yang diperoleh oleh tiga puluh (30) pelajar Program Matematik yang
mengambil kursus Fizik adalah seperti berikut:
42
Statistik Pemerihalan
Had bawah fi Fi
30 3 3
40 4 7
50 5 12 Fm1
60 Lm 7 fm 19 Kelas median
70 5 24
80 4 28
90 2 30
Jumlah 30
nf
i
i 1
Fm 1 15 12
x~ Lm 2
c 60 10 64.3
fm
7
Contoh 9
Dengan merujuk pada Contoh 8, data adalah seperti berikut:
Markah Fizik Bilangan Pelajar
30 dan kurang daripada 40 3
40 dan kurang daripada 50 4
50 dan kurang daripada 60 5
43
Statistik Pemerihalan
40 3 3
50 4 7
60 5 12
70 7 19
80 5 24
90 4 28
100 2 30
Jumlah 30
35
30
Kekerapan Melonggok
25
20
15
0
0 40 50 60 70 80 90 100
44
Statistik Pemerihalan
Mod
Mod ialah nilai yang paling kerap berlaku dalam sesuatu kumpulan data. Mod
juga boleh diperolehi jika data tersebut adalah data kualitatif.
Contoh 10
Harga tiket yang dibeli oleh sepuluh orang pengunjung bagi satu perlumbaan
kereta adalah seperti berikut:
200, 150, 100, 50, 100, 300, 100, 50, 300, 200
Nilai yang paling kerap berlaku bagi contoh ini ialah 100. Ini bermaksud nilai
mod bagi harga tiket ialah 100.
Contoh 11
Program yang diminati oleh sepuluh orang pelajar untuk kemasukan ke
universiti adalah seperti berikut:
Contoh 12
Jumlah bulan yang dihabiskan oleh penyelidik-penyelidik di sebuah universiti
untuk melengkapkan projek mereka adalah seperti berikut:
Jumlah Bulan 6 7 8 9 10 11 12
Bilangan Projek 2 5 7 13 4 3 1
45
Statistik Pemerihalan
Dengan
Lm had bawah kelas mod;
1 f m f m 1 ;
2 f m f m 1 ;
c selang kelas;
f m kekerapan kelas mod;
Contoh 13
Jangka masa menunggu pelanggan yang dicatatkan di sebuah bank
komersial sebelum mendapat perkhidmatan di kaunter bank adalah pada hari
Isnin minggu pertama adalah seperti berikut:
Jangka Masa 0-4 5-9 10-14 15-19 20-24 25-29
Menunggu (Minit)
Bilangan Pelanggan 10 15 20 7 6 2
Kelas mod
Nilai mod dihitung seperti berikut:
1
xˆ Lm c
1 2
5
9 .5 5
5 13
9.5 1.39
10.89
Mod bagi jangka masa menunggu ialah 10.89 minit.
46
Statistik Pemerihalan
Contoh 14
Jangka masa menunggu pelanggan yang dicatatkan di sebuah bank
komersial sebelum mendapat perkhidmatan di kaunter bank adalah pada hari
Isnin minggu pertama adalah seperti berikut:
Jangka Masa 0-4 5-9 10-14 15-19 20-24 25-29
Menunggu (Minit)
Bilangan Pelanggan 10 15 20 7 6 2
Kelas mod
Histogram
25
20
Bilangan Pelanggan
15
47
Statistik Pemerihalan
Kebaikan dan kelemahan min, median dan mod boleh disenaraikan seperti
berikut:
Kebaikan min
1. Min merupakan pengukur yang sesuai digunakan jika kesemua
cerapan perlu diambil kira dalam menghitung ukuran kecenderungan
memusat
2. Min merupakan pengukuran yang baik jika terdapat bilangan data yang
besar
3. Min memberi pemberat yang seragam secara relatif mengikut saiz data
4. Min sering digunakan dalam analisis lanjutan
Kelemahan min
1. Min tidak dapat dianggarkan secara bergraf
2. Min tidak boleh digunakan bagi mengukur data kualitatif
3. Min dipengaruhi oleh nilai melampau
Kebaikan median
1. Median tidak dipengaruhi oleh nilai melampau
2. Median sesuai digunakan dalam ukuran kecenderungan memusat
yang melibatkan data yang berkelas terbuka
3. Median boleh dianggarkan daripada ogif
Kelemahan median
1. Median tidak seuai digunakan sebagai ukuran kecenderungan
memusat jika kesemua nilai termasuk yang terkecil dan terbesar dalam
sesuatu kumpulan data perlu diambil kira
2. Median tidak mengambil kira kesemua cerapan dalam kumpulan data
Kebaikan mod
1. Mod tidak dipengaruhi oleh nilai melampau
48
Statistik Pemerihalan
Kelemahan Mod
1. Mod tidak boleh dihitung jika melibatkan data berbentuk bi-modal
2. Mod tidak mengambil kira kesemua cerapan dalam kumpulan data
Contoh 15
Markah matematik yang diperoleh oleh sekumpulan sepuluh orang pelajar
adalah seperti berikut:
85, 92, 70, 68, 60, 65, 75, 62, 73, 64
Julat = 92 – 62=30
49
Statistik Pemerihalan
. . . k1 . . . k2 . . . k3 . . .
k1, k2 dan k3 mewakili kuartil pertama kuratil kedua (median) dan kuartil
ketiga.
Kuartil pertama boleh dihitung dengan mula-mula mencari kedudukan kuartil
tersebut. Rumus yang digunakan adalah seperti berikut:
(n 1)
Kedudukan k1
4
3(n 1)
Kedudukan k 3
4
Seterusnya dapatkan nilai kuartil pertama dan ketiga pada kedudukan
tersebut.
Contoh 16
Markah diperolehi oleh 9 orang pelajar dalam satu ujian matematik adalah
seperti berikut:
55, 57,70, 73,74, 77,81, 84,85
(n 1) (9 1)
Kedudukan k1 2.5
4 4
3(n 1) 3(9 1)
Kedudukan k 3 7.5
4 4
k 3 k1 82.5 63.5
sk 9.5.
2 2
50
Statistik Pemerihalan
dengan Lk1 had bawah kelas kuartil pertama; Fk11 kekerapan melonggok
kelas sebelum kelas kuartil pertama; fk1 kekerapan kelas kuartil pertama; c
selang kelas.
Dengan Lk3 had bawah kelas kuartil ketiga; Fk3 1 kekerapan melonggok kelas
sebelum kelas kuartil ketiga; fk3 kekerapan kelas kuartil ketiga; c selang
kelas.
51
Statistik Pemerihalan
Contoh 17
Bayaran bulanan sewa premis perniagaan di sebuah kompleks membeli
belah adalah seperti berikut:
Bayaran Bulanan (RM) Bilangan Premis
1000 dan kurang daripada 1999 2
2000 dan kurang daripada 2999 4
3000 dan kurang daripada 3999 8
4000 dan kurang daripada 4999 12
5000 dan kurang daripada 5999 14
6000 dan kurang daripada 6999 8
7000 dan kurang daripada 7999 2
Jumlah 50
Kuartil pertama, kuartil ketiga dan sisihan kuartil dihitung seperti berikut:
k3
3 f
(2) Dapatkan kedudukan kelas 4
Had Bawah fi Fi
999.5 2 2
1999.5 4 6 Fk11
Lk1 2999.5 8 fk1 14 Kelas k1
3999.5 12 26 Fk3 1
Lk3 4999.5 14 fk3 40 Kelas k3
5999.5 8 48
6999.5 2 50
Jumlah 50
52
Statistik Pemerihalan
n f
i
i 1
F 12.5 6
k1 Lk1 4
k11
c 2999.5 1000 3812
f k1 8
3 n f
i
i 1
F 37.5 26
4
k3 1
k 3 Lk3 c 4999.5 1000 5821
fk3 14
k 3 k1 5821 3812
Maka sisihan kuartil ialah 1004.5
2 2
Sisihan piawai
Antara ukuran serakan yang kerap digunakan dalam statistik adalah sisihan
piawai. Pelajar boleh mendapatkan sisihan piawai dengan mengira punca
kuasa dua min perbezaan kuasa dua antara nilai sesuatu cerapan dan min.
Dengan
xi cerapan ke-i;
N ialah bilangan data.
53
Statistik Pemerihalan
2
n
n n
x
i1
x i
i1
x
2
i1
xi
2
n
s
n -1 n -1
Dengan
xi cerapan ke-i;
n ialah bilangan data.
Contoh 18
Berat badan (kg) yang diperoleh daripada sampel yang terdiri daripada enam
orang pelajar adalah seperti berikut:
50, 55, 60, 70, 80, 85
Sisihan piawai boleh dihitung seperti berikut:
2
n
n
x
i 1
i 1
xi
2
n
s
n 1
50 2
55 2 60 2 70 2 80 2 85 2 50 55 60 70 80 852
6
5
14.02
f x i i x
2
n fi xi2 n fi xi
2
i1
i1N i1N
N
54
Statistik Pemerihalan
Contoh 19
Catatan masa yang dibuat oleh 20 orang atlet dalam saringan larian 100
meter adalah seperti berikut:
Catatan Masa (Minit) 8 8.5 9.0 9.5 10
Bilangan Atlet 2 5 6 4 3
2
6 fi xi2 6 fi xi 2
i1N i1N 1636.25 180.5 0.3619 0.6016
20 20
Jika data yang diperoleh adalah daripada sampel, rumus sisihan piawai di
atas menjadi
2
n
fi x i
fi x i i 1
n n
f x x
2 2
i i
n
s i 1
i 1
n 1 n 1
Contoh 20
Masa (saat) yang diambil oleh seorang telefonis di sebuah syarikat untuk
menjawab panggilan telefon dicatatkan seperti berikut:
Masa(saat) Bilangan Panggilan
10 – 14 3
15 – 19 6
20 – 24 8
25 – 29 7
30 – 34 4
35 – 39 2
Jumlah 30
55
Statistik Pemerihalan
xi 12 17 22 27 32 37
fi 3 6 8 7 4 2 30
f i xi 36 102 176 189 128 74 705
f i xi2 432 1734 3872 5103 4096 2738 17975
2
n
fi x i
n
7052
fi x i i 1
2
17975
n 30 6.97
σ i 1
n 1 29
56
Statistik Pemerihalan
PENILAIAN KENDIRI
57
Statistik Pemerihalan
5. Anggarkan nilai median dan mod dengan menggunakan graf yang sesuai
daripada soalan 4.
6. Ketua sebuah kesatuan kakitangan menjangkakan nilai median dapat membantu
bagi menentukan tuntutan kenaikan gaji bulanan yang dicadangkan terhadap
organisasinya. Maklumat gaji bulanan yang diperoleh adalah seperti berikut:
Gaji Bulanan (RM) Bilangan Kakitangan
1000 dan kurang daripada 1250 5
1250 dan kurang daripada 1500 7
1500 dan kurang daripada 1750 12
1750 dan kurang daripada 2000 8
2000 dan kurang daripada 2250 7
2250 dan kurang daripada 2500 6
Jumlah 45
Kira nilai median gaji bulanan (RM) kakitangan.
7. Harga jualan ikan bawal yang dicatatkan oleh pegawai LKIM di sebuah pasar
runcit dalam masa sebulan adalah seperti berikut:
8. Lebihan potongan besi yang dilakukan oleh sebuah syarikat kejuruteraan dalam
penghasilan cerucuk besi bagi tujuan pembinaan dicatatkan seperti berikut:
Lebihan Potongan Besi (cm) Bilangan Batang Besi
0.95-<1.45 210
1.45-<1.95 160
58
Statistik Pemerihalan
1.95-<2.45 240
2.45-<2.95 120
2.95-<3.45 50
Jumlah 780
10. Bilangan motosikal yang dimiliki penduduk di sebuah bandar dicatatkan seperti
berikut:
Bilangan Motosikal 1 2 3 4 5
Bilangan keluarga 10 150 50 7 3
Kira sisihan piawai.
59
Statistik Pemerihalan
Hitung min, mod, sisihan piawai dan tentukan bentuk taburan data ini.
13. Maklumat tentang gaji bulanan yang diperoleh oleh kakitangan awam di sebuah
organisasi adalah seperti berikut:
RUJUKAN
Bluman, A.G.(2009). Elementary Statistics: A Step by Step Approach (7th ed). New
York: McGraw Hill.
Johnson, R. & Kuby, P. (2004). Elementary Statistics (9th ed). Boston: Duxbury
Press.
60
Konsep Kebarangkalian
UNIT PELAJARAN 4
KONSEP KEBARANGKALIAN
HASIL PEMBELAJARAN
Pada akhir unit ini, anda diharap dapat:
PENGENALAN
Peluang, kemungkinan dan kebarangkalian terjadinya sesuatu perkara dan
peristiwa sering kita dengar dalam kehidupan harian. Kadangkala kita lebih
lebih suka menyebutnya sebagai kebarangkalian. Kebarangkalian terjadinya
sesuatu perkara amat menarik untuk kita ketahui kerana dengan berbuat
demikian kita mampu membuat perancangan. Umpamanya jika kita
mengetahui bahawa kemungkinan hari ini akan berlaku kesesakan disebuah
lebuhraya, sudah pasti kita akan mengelak daripada melalui lebuhraya seperti
berikut. Begitu juga, jika seorang penganalisis pemasaran merasakan
sesuatu produk tidak lagi diterima oleh penggunaan, sudah pasti beliau akan
memikirkan produk yang disukai oleh pelanggan.
61
Konsep Kebarangkalian
Jika kita ambil contoh mudah iaitu melambung duit syiling (ujikaji), kesudahan
ujikaji ini adalah sama ada mendapat bunga (X) atau sen (Y). Ini dikenali
sebagai ruang sampel S{X, Y}.
Maka kebarangkalian untuk mendapatkan bunga, K(X) pada lambungan itu
adalah:
n( X ) 1
K(X ) .
n( S ) 2
Sebelum ini kita telah ditunjukkan peristiwa dan ujikaji dalam sesuatu
kebarangkalian, seterusnya kita akan diterangkan mengenai ruang sampel.
ISI KANDUNGAN
Ruang sampel
Ruang sampel ialah set yang mengandungi kesudahan yang mungkin dari
sesuatu ujikaji. Simbol yang biasa digunakan bagi ruang sampel ialah S.
Setiap kesudahan dalam sesuatu ruang sampel dikenali sebagai unsur atau
elemen atau titik sampel. Sebagai contoh dalam lambungan sebiji buah dadu,
ruang sampel bagi kesudahan lambungan ini boleh ditulis sebagai:
62
Konsep Kebarangkalian
S {1, 2, 3, 4, 5, 6} .
S x 1 x 0, 2, 4
Aksiom kebarangkalian
63
Konsep Kebarangkalian
Jika X dan Y ialah dua peristiwa dari satu ujikaji rawak dengan ruang sampel
S, maka hukum asas kebarangkaliannya adalah:
a) K(Xc ) 1 – K(X).
Pembuktian
S= X Xc dan X Xc ,
maka dari aksiom (b) dan (d),
1 K(X) + K(Xc), maka
K(Xc) 1 – K(X)
b) K() 0.
Pembuktian
Jika X maka Kc S. Maka
K() 1 - K(S) 1 - 1 0.
Pembuktian
X Y = X (Y Xc ), dan dari aksiom (d)
K(X Y) = K(X) + K(Y Xc ), walaubagaimanapun
Y = (X Y) (Y Xc ), dan
K(Y) = K(X Y) + K(Y Xc ), maka
K(Y Xc) K(Y) – K(X Y).
64
Konsep Kebarangkalian
Pembuktian
Y = X (Y Xc ), daripada aksiom (d),
K(Y) = K(X) + K(Y X c ), maka
K(Y X c) K(Y) – K(X).
Pembuktian
Y = X (Y X c ) dan X (Y X c ) ,
daripada aksiom (d),
K(Y) = K(X) + K(Y X c ) K(X),
disebabkan aksiom (a) maka,
K(Y X c ) 0.
Pembuktian
(X Y) boleh diwaklili oleh kesatuan bagi peristiwa saling eksklusif,
iaitu,
X Y = X (X c Y), dan dari aksiom (d),
(1)
K(X Y) = K(X) + K(X c Y),
walaubagaimanapun,
Y = (X Y) (X c Y) iaitu kesatuan bagi peristiwa saling eksklusif.
Maka
K(Y) = K(X Y) + K(X c Y), dan
K(X c
Y) K(Y) – K(X Y). Jika ini digantikan ke dalam (1),
memberikan hasil
K(X Y) = K(X) + K(Y) – K(X Y ).
65
Konsep Kebarangkalian
K X 1 ... X n K X i K X i X J
i i j
K X
i j k
i X j X k ... K X i ... X n
Pembuktian
K(X Y Z ) K(X W)
=K(X) + K(W) - K(X W)
=K(X) + K(Y) + K(Z) - K(Y Z)
-[K(X Y) + K(X Z) - K(XY Z)]
K(X Y Z) = K(X) + K(Y)+ K(Z) – K(X Y )
- K(X Z ) - K(Y Z ) + K(X Y Z ).
66
Konsep Kebarangkalian
b) k1 k 2 k 3 ... k n 1
Jika ruang sampel S { x1, x2 ,…, xn }, maka ia dikenali sebagai ruang sampel
terhingga dan akan menghasilkan ruang kebarangkalian terhingga. Manakala,
jika ruang sampel S { x1, x2 ,…, ∞} maka ia dikenali sebagai ruang sampel
tak terhingga dan akan menghasilkan ruang kebarangkalian tak terhingga.
K ( X ) bil
bil . unsur dalam n
. unsur dalam N
n
.
N
Pembuktian
Katakan X 1 , X 2 ,..., X n mewakili kesudahan dari ruang sampel S dengan
kebarangkalian setiap satu ialah 1
N
. Jika peristiwa X ialah kesatuan bagi
67
Konsep Kebarangkalian
K ( X ) K ( X 1 X 2 ... X n )
K ( X 1 ) K ( X 2 ) ... K ( X n )
1
N N1 ... N1
Nn .
Contoh 1
Jika X dan Y ialah dua peristiwa dengan
K ( X ) 12 , K (Y ) 13 dan K ( X Y ) 14 .
Kira nilai bagi:
a) K(X c ) e) K(X Y c )
b) K (Y c ) f) K(X c Y c )
d) K(X c Y )
Penyelesaian:
a) K ( X c ) 1 K ( X ) 1 12 1
2
b) K (Y c ) 1 K (Y ) 1 13 2
3
c)
K ( X Y ) K ( X ) K (Y ) K ( X Y )
12 13 14
127
d)
K ( X c Y ) K (Y ) K ( X Y )
13 14
121
e)
K(X Y c ) K(X ) K(X Y)
12 14
1
4
68
Konsep Kebarangkalian
f)
K ( X c Y c ) K ( X Y )c
1 K(X Y)
1 127
125
g)
K ( X c Y c ) K ( X Y )c
1 K(X Y)
1 14
3
4
Contoh 2
Katakan ruang sampel S terdiri daripada 3 unsur iaitu S{x,y,z}. Bagi setiap
yang berikut tentukan sama ada ia merupakan fungsi bagi ruang
kebarangkalian S.
a) K ( x) 15 , K ( y) 12 , K ( z) 103
b) K ( x) 13 , K ( y) 17 , K ( z) 2
7
c) K ( x) 17 , K ( y) 72 , K ( z) 6
7
d) K ( x) 18 , K ( y) 78 , K ( z) 0
Penyelesaian:
Dengan menggunakan aksiom (a) dan (b), fungsi bagi ruang kebarangkalian
S adalah seperti berikut:
a) K ( x) K ( y) K ( z) 15 12 103 1
Merupakan fungsi bagi ruang kebarangkalian S.
b) K ( x) K ( y) K ( z) 13 17 72 16
21
c) Disebabkan K ( x) 17
69
Konsep Kebarangkalian
d) K ( x) K ( y) K ( z) 18 78 0 1
Merupakan fungsi bagi ruang kebarangkalian S.
70
Konsep Kebarangkalian
PENILAIAN KENDIRI
2. Diberi K (Y c ) 54 , K ( X Y ) 17 dan K ( X Y ) 55
23
, kira
a) K (Y )
b) K (X )
c) K ( X c Y c )
d) K ( X c Y c )
e) K ( X Y c )
K ( X Y ) 19 .
Kira nilai bagi:
a) K ( X c )
b) K (Y c )
c) K ( X Y )
d) K ( X c Y )
e) K ( X Y c )
f) K(X c Y c )
g) K ( X c Y c )
71
Konsep Kebarangkalian
4. Diberi K ( X ) 13 , K (Y c ) 54 , K ( X Y ) 17 dan K ( X Y Z ) 19
kira
a) K ( X c Y c )
b) K ( X c Y c Z c )
c) K ( X Y c )
5. Kirakan K(X Y Z) jika K(X) 0.3, K(Y) 0.4, K(Z) 0.5 dan ruang
sampel S X Y Z.
7. Satu ujikaji melambung syilling adil sebanyak tiga kali telah dilakukan.
Katakan X adalah kesudahan mendapat bunga pada lambungan pertama,
Y mendapat sekurang-kurangnya satu bunga dan Z mendapat bunga
pada lambungan terakhir. Dapatkan K(Xc), K(X Y) dan K(X Z).
Kebarangkalian bersyarat
72
Konsep Kebarangkalian
K ( X Y )
Daripada kebarangkalian bersyarat K (Y X ) , kita akan perolehi:
K(X )
K(X Y) K(X ) K(Y | X).
K(Y X)
begitu juga jika K( X Y)
K(Y)
maka:
K(X Y) K(Y ) K(X | Y).
a) K(X | Y) 0.
b) K(Y | Y) 1.
c) Jika X1, X2, X3,…, Xr adalah peristiwa saling eksklusif, maka:
K(X1 X2 X3 … X v | Y)K(X1 | Y)+ K(X2 | Y) +…+ K(Xr | Y),
73
Konsep Kebarangkalian
Pembuktian
K (X 1 X 2 ...) Y
K( X 1 X 2 ... Y)
K(Y)
K (X 1 Y ) (X 2 Y ) ...
K(Y)
Contoh 3
Jika kebarangkalian untuk dua peristiwa X dan Y adalah seperti berikut:
2 1 1
K (X ) , K(Y) , dan K(X Y) .
5 4 2
Kira
a) K(X Y)
b) K(X | Y)
c) K(Y | X)
d) K(Xc | Y c)
e) K(Yc | Xc)
74
Konsep Kebarangkalian
Penyelesaian:
75
Konsep Kebarangkalian
Persitiwa merdeka
Peristiwa-peristiwa,
a) Xc dan Y
b) X dan Yc
c) Xc dan Yc
Pembuktian
a)
K(X c Y) K(Y X c )
K(Y) K(X c Y )
K(Y) [1 K( X Y)]
K(Y) K(X c )
76
Konsep Kebarangkalian
c)
K(X c Y c ) K(X Y)c
1 K (X Y)
1 K(X) K(Y) K(X Y)
1 K(X)1 K(Y)
K(X c )K(Y c )
Contoh 4
1
Katakan X dan Y ialah dua peristiwa merdeka dengan K ( X ) dan
4
1
K (Y ) , kira
5
a) K(X Y)
b) K(X Y)
c) K(Xc Yc)
77
Konsep Kebarangkalian
d) K(Xc Yc)
e) K(Xc Y)
f) K(Xc Y)
Penyelesaian:
1 1 1
a) K(X Y) K(X)K (Y)
4 5 20
1 1 1 1 8
b) K(X Y) K(X) K(Y) K(X)K(Y)
4 5 4 5 20
8 12
c) K(X c Y c ) K(X Y) c 1 K(X Y) 1
20 20
1 19
d) K(X c Y c ) K(X Y) c 1 K(X Y) 1
20 20
Gambarajah pokok
Contoh 5
Katakan kebarangkalian berlaku kemalangan di sebuah lebuh raya pada hari
tertentu ialah 0.30. Jika kemalangan berlaku, kebarangkalian akan
menyebabkan lebuh raya sesak adalah 0.50. Manakala jika kemalangan tidak
berlaku, kebarangkalian akan lebuh raya sesak 0.05.
78
Konsep Kebarangkalian
Penyelesaian:
Katakan X = peristiwa berlaku kemalangan.
Y = peristiwa berlakunya kesesakan lebuh raya.
K(Y |X)=0.50
K(Y | Xc)=0.05
K(Xc)= 0.70
K(Yc | Xc)=0.95
atau
79
Konsep Kebarangkalian
Contoh 6
Kebarangkalian seorang perlumba kereta memenangi perlumbaan dalam
setiap perlumbaan ialah 0.20. Perlumba berkenaan telah berlumba dalam tiga
perlumbaan.
a) Lukiskan gambarajah pokok bagi situasi di atas.
b) Kira kebarangkalian perlumba tersebut memenangi dalam kesemua
perlumbaan.
c) Kira kebarangkalian perlumba memenangi dalam perlumbaan kedua
sahaja.
d) Kira kebarangkalian perlumba memenangi dalam perlumbaan dalam
sekurang-kurang dua perlumbaan.
Penyelesaian:
Katakan X = peristiwa perlumba memenangi perlumbaan.
a)
80
Konsep Kebarangkalian
c) K(Xc X Xc ) K(Xc)×K(X)×K(Xc)
=0.80 0.20 0.80=0.128
d) Katakan
81
Konsep Kebarangkalian
PENILAIAN KENDIRI
a) K(X Y)
b) K(X | Y)
c) K( Xc | Y)
a) K(X Y)
b) K(Y | X)
c) K( Yc | X)
4. Seorang calon guru dikehendaki menduduki tiga ujian dan perlu lulus
sekurang-kurangnya dua ujian sebelum boleh menjadi guru. Ujian-ujian
tersebut adalah ujian emosi, ujian ketrampilan diri dan ujian pengucapan
awam. Kebarangkalain calon guru berjaya dalam setiap ujian ialah 0.80.
82
Konsep Kebarangkalian
6. K(X) 0.2, K(Y) 0.5 dan K(Z) 0.7 ialah kebarangkalian bagi ujikaji
peristiwa-peristiwa merdeka X, Y dan Z. Kira kebarangkalian:
a) K(Y)
b) K(X|Y)
c) K(Y|X)
d) K(Yc|X)
RUJUKAN
Jusoh, M. (1986). Kebarangkalian dan Statistik. Kuala Lumpur: Dewan Bahasa dan
Pustaka.
83
Pembolehubah Rawak Diskret dan Selanjar
UNIT PELAJARAN 5
PEMBOLEHUBAH RAWAK DISKRET DAN SELANJAR
HASIL PEMBELAJARAN
Di akhir topik ini, anda diharap dapat:
1. Memahami apakah yang dikatakan pembolehubah rawak diskret dan
selanjar.
2. Mendapatkan fungsi kebarangkalian sesuatu pembolehubah rawak diskret
dan selanjar.
PENGENALAN
Bahagian ini akan membincangkan fungsi kebarangkalian pembolehubah
rawak diskret dan selanjar. Selain daripada itu fungsi taburan kebarangkalian
pembolehubah rawak diskret dan selanjar turut dibincangkan.
ISI KANDUNGAN
Pembolehubah rawak ialah kesudahan bagi ruang sampel S dari satu ujikaji
rawak dengan fungsi X yang memetakan setiap unsur s dalam S bagi
nombor nyata X(s) x. Ia ditulis sebagai {x: X(s) x, s S} yang mana sS
bermaksud unsur s dipunyai oleh set S. Bagi pembolehubah rawak diskret X,
kebarangkalian K(Xx) kebiasaanya ditulis sebagai f(x). f(x) dikenali sebagai
fungsi kebarangkalian.
84
Pembolehubah Rawak Diskret dan Selanjar
Teorem 1
a) f(x) 0, x R.
b) xR f(x) 1.
c) K(XA) xA f(x) , yang mana A R.
Contoh 1
x
Katakan f ( x) untuk x1,2,3,4, 5 merupakan fungsi pembolehubah rawak
15
diskret X. Ia dikatakan fungsi kebarangkalian kerana memenuhi Sifat-sifat
bagi fungsi kebarangkalian f(x) pembolehubah rawak diskret seperti berikut:
Contoh 2
Sebiji buah dadu adil dilambung. Ruang sampel yang terbentuk dalam
lambungan dadu ini adalah seperti berikut:
S{1,2,3,4,5,6}
85
Pembolehubah Rawak Diskret dan Selanjar
1 1 1
K(4) ; K(5) ; K(6) .
6 6 6
Contoh 3
Katakan X ialah pembolehubah rawak dalam ruang sampel S mendapat
nombor ganjil dalam lambungan dadu. Maka
Jika sekeping siling dilambung sebanyak dua kali. Ruang sampel yang
terbentuk daripada dua lambungan ini ialah:
1 1 1 1
K(KK) ; K(KB) ; K(BB) ; K(BK) .
4 4 4 4
Set imej bagi X ialah X(S){0,1,2}. Maka fungsi kebarangkalian bagi X ialah:
1
f(0) K(BB)
4
1 1 2
f(1) K(KB,BK) +
4 4 4
1
f(2) K(KK)
4
86
Pembolehubah Rawak Diskret dan Selanjar
Contoh 4
Katakan beberapa fungsi kebarangkalian pembolehubah rawak X adalah
seperti berikut:
a) f(x) qx x1, 2, 3.
b) f ( x ) q( x 2)2 x 1, 2, 3.
x 1
3
c) f ( x ) q x0, 1, 2.
4
Penyelesaian:
87
Pembolehubah Rawak Diskret dan Selanjar
q( 34 )0 q( 34 )1 q( 34 )2 1
q 34 q 169 q 1
37
16 q 1
16
q .
37
F x K X x f x i
- x
xi x
Teorem 2
1. F(-)0;
2. F()1;
3. Jika v w, maka F(v) F(w) untuk sebarang nombor nyata v dan w.
Contoh 6
Jika fungsi kebarangkalian pembolehubah rawak X diberi seperti berikut:
88
Pembolehubah Rawak Diskret dan Selanjar
X 1 2 3 4
f(x) 1
10
2
10
3
10
4
10
Contoh 7
x 2 4
Tunjukkan fungsi F(x) untuk x1, 2, 3, 4 memenuhi syarat fungsi
20
taburan pembolehubah rawak diskret X.
Penyelesaian:
5 8 13
F(1) , F(2) , F(3) , F(4) 1.
20 20 20
F(-)0;
F()1;
Teorem 3
89
Pembolehubah Rawak Diskret dan Selanjar
Contoh 8
Katakan fungsi taburan pembolehubah rawak X diberi seperti berikut:
0 x 1
1
1 x 3
7
3
F (x) 3 x 5
7
6
5 x 7
7
1 7 x 10
Penyelesaian:
X 1 3 5 7
f(x) 1 2 3 1
7 7 7 7
5
3
K ( X 5) f ( x ) .
x 5 7
5
2 3 5
K (3 X 5) f ( x ) f (3) f (4) f (5) 0 .
x 3 7 7 7
Fungsi pembolehubah rawak selanjar f(x) bagi set nombor nyata R dikenali
sebagai fungsi ketumpatan kebarangkalian bagi pembolehubah rawak
selanjar X jika dan hanya jika
b
K (a X b) f ( x ) dx.
a
90
Pembolehubah Rawak Diskret dan Selanjar
yang mana a b.
a) f(x) 0, x R.
b)
f(x )dx 1.
Contoh 9
Tunjukkan fungsi kebarangkalian yang berikut merupakan fungsi ketumpatan
kebarangkalian pembolehubah rawak selanjar X.
1
7 3 x 10
f (x)
0 sebaliknya
Penyelesaian:
Fungsi ketumpatan kebarangkalian f(x) pembolehubah rawak selanjar di atas
mempunyai sifat-sifat berikut:
a) f(x) 0, x R.
b)
f(x) dx 1 iaitu:
10
10
1
7
dx 71 x 3 1.
3
Contoh 10
Fungsi ketumpatan kebarangkalian f(x) pembolehubah rawak selanjar X
diberi sebagai:
91
Pembolehubah Rawak Diskret dan Selanjar
qx 1 x 3
f (x)
0 sebaliknya
Penyelesaian:
3
3 q 2 9q q 8q
1 qx dx 2 x 1 2 2 2 1
1
maka q .
4
3 3
K ( X 2) x dx x8 98 84 58 .
2
1
2 4 2
- x
x
F(x)
f(x)dx
a) F(-)0;
b) F()1;
c) Jika v w, maka F(v) F(w) untuk sebarang nombor nyata v dan w.
Contoh 11
Fungsi ketumpatan kebarangkalian pembolehubah rawak selanjar X diberi
seperti berikut:
92
Pembolehubah Rawak Diskret dan Selanjar
x 76 0x3
f (x)
0
sebaliknya
Untuk x 0,
x
x2 7 x2 7
F(x) f(x)dx x dx
x x
7
6 6x 6 x.
- 0 2 2
0
x2 7
6x 0x3
2
F(x)
0 sebaliknya
Teorem 4
K x1 X x 2 F x1 F x 2
dF(x)
dan perlu wujudnya pembezaan bagi f(x)
dx
93
Pembolehubah Rawak Diskret dan Selanjar
PENILAIAN KENDIRI
1. Tunjukkan bahawa f ( x )
x 22 untuk x1,2,3 merupakan fungsi
50
kebarangkalian pembolehubah rawak diskret dengan menggunakan
syarat-syarat fungsi kebarangkalian pembolehubah rawak diskret.
12
2. Tunjukkan bahawa f ( x ) untuk x1,2,3,4 merupakan fungsi
25 x
kebarangkalian pembolehubah rawak diskret dengan menggunakan
syarat-syarat fungsi kebarangkalian pembolehubah rawak diskret.
a) f ( x ) kx x 1, 2, 3, 4, 5.
1
b) f (x) k x x 2, 3, 4.
2
3
3
c) f (x) k x 1, 2, 3.
x
94
Pembolehubah Rawak Diskret dan Selanjar
0 x3
1
3x5
5
3
F(x) 5x7
5
4 7x9
5
1 9 x 11
qx 1 x 5
f (x)
0 sebaliknya
Dapatkan:
a) Nilai q,
b) K(X<3).
q2x 7 0x5
f (x)
0 sebaliknya
Dapatkan:
a) Nilai q,
b) Fungsi taburan kebarangkalian,
c) K(X < 3).
4 x 2 (3 x ) 0 x 3
f ( x ) 27
0 sebaliknya
95
Pembolehubah Rawak Diskret dan Selanjar
Dapatkan:
a) Fungsi taburan kebarangkalian,
b) K(1<X<2).
2 ( x - 2) 1 x 4
f (x) 3
0 sebaliknya
Dapatkan:
a) Fungsi taburan kebarangkalian,
b) F(x=2).
RUJUKAN
Bluman, A.G.(2009). Elementary Statistics: A Step by Step Approach (7th ed). New
York: McGraw Hill.
Johnson, R. & Kuby, P. (2004). Elementary Statistics (9th ed). Boston: Duxbury
Press.
96
Teknik Pensampelan
UNIT PELAJARAN 6
TEKNIK PENSAMPELAN
HASIL PEMBELAJARAN
PENGENALAN
Dalam Unit Pelajaran 1, telah dibincang tentang populasi dan sampel. Dalam
melakukan sesuatu kajian atau penyelidikan, proses mendapatkan data yang
tepat daripada populasi atau sampel adalah penting bagi menerbitkan hasil
yang boleh dipercayai serta boleh membuat keputusan yang jitu. Daripada
manakah data ini diperolehi? Data bagi sesuatu penyelidikan itu boleh
diperolehi melalui tinjauan, melakukan eksperimen, meneliti dokumen atau
cara-cara yang lain.
97
Teknik Pensampelan
a) Dalam kebanyakan kes, saiz populasi adalah agak besar. Oleh itu
penglibatan keseluruhan populasi mungkin mengambil masa yang lama.
Sebaliknya, jika sampel digunakan akan mengambil masa yang lebih singkat.
Menemubual atau menghubungi ratusan atau ribuan orang sudah tentu
memerlukan masa yang panjang. Di akhir proses yang panjang ini, mungkin
hasil dapatan kajian yang diperolehi tidak berguna lagi bagi penyelidik
tersebut.
98
Teknik Pensampelan
ISI KANDUNGAN
Jenis-jenis sampel
Katakan kita mempunyai satu senarai nama 100 orang pelajar dan kita
berhasrat memilih 10 orang pelajar sahaja. Jika kita menulis setiap satu nama
itu di atas secebis kertas dan kemudian memasukkannya ke dalam satu
kotak, goncangkan kotak itu dan seterusnya mengambil 10 nama daripada
kotak itu, maka ini dipanggil pengambilan sampel secara rawak. Sebaliknya,
jika kita menyenaraikan 100 nama mengikut abjad dan kemudian memilih 10
nama teratas, maka pengambilan sampel ini bukan secara rawak kerana 90
nama yang lain di bawah senarai itu langsung tidak berpeluang untuk dipilih.
Bolehkah anda memberi contoh yang lain bagi pengambilan secara rawak
dan bukan rawak?
99
Teknik Pensampelan
ii) Sampel yang dipilih mestilah saksama. Sebagai contoh, jika kita ingin
meninjau pilihan rakyat tentang parti politik mana yang sesuai untuk
mentadbir Malaysia dan kita hanya memilih rakyat yang tinggal di bandar-
bandar besar sahaja, maka ini tidak mencerminkan keseluruhan rakyat
Malaysia kerana tidak ada penglibatan rakyat di luar bandar. Sudah tentu
data yang dperolehi itu pincang dan tidak saksama.
100
Teknik Pensampelan
sama. Ahli statistik selalunya menggunakan jadual sifir nombor rawak bagi
mengatasi kesukaran ini. Jadual sifir nombor rawak adalah adalah satu jadual
dengan senarai digit dari 0 sehingga 9 yang diperolehi dengan syarat setiap
digit wujud dengan peluang yang sama. Jadual sifir ini amat berguna apabila
kita hendak membentuk suatu sampel rawak daripada suatu populasi.
Cara yang biasa digunakan dalam menggunakan jadual sifir ini ialah setiap
ahli dalam satu populasi itu diberi satu nombor. Nombor-nombor ini mestilah
berbeza di antara satu sama lain dn digit-digitnya mestilah berturutan.
Kemudian kita pilih nombor daripada jadual sifir nombor rawak.
Ada banyak langkah memilih nombor daripada jadual sifir rawak. Di antaranya
adalah:
c) Memilih digit dan padankannya dengan nombor yang diberi kepada ahli
-ahli populasi.
Contoh 1
Katakan kita hendak memdapatkan satu sampel rawak mudah seramai 50
orang pelajar daripada 1000 orang pelajar di sebuah fakulti di UPSI untuk
meninjau sama ada mereka memiliki komputer riba atau sebaliknya.
Mula-mula setiap 1000 orang pelajar dari fakulti itu diberi satu nombor yang
berlainan dari 000 sehingga 999. Kemudian kita pilih mana-mana baris
katakan baris ke-10, dan lajur pertama untuk memulakan bacaan.
Jadi, nombor yang didapati daripada jadual sifir adalah seperti berikut:
32 70 17 72 03 61 66 26 24 71 22 77 88 33 17 78 08 92 73 49…
101
Teknik Pensampelan
327 017 720 361 662 624 712 277 883 317 780 892 734 ...
102
Teknik Pensampelan
Contoh 2
Katakan kita hendak menguji kualiti bateri kecil yang dikeluarkan oleh sebuah
kilang. Jadi kita mengambil satu sampel bersaiz 100 daripada 3000 bateri
kecil yang dikeluarkan oleh kilang tersebut setiap hari.
Pada mulanya, kita pilih sebiji bateri kecil secara rawak daripada 30 biji bateri
kecil yang pertama dihasilkan. Jika bateri kecil yang terpilih adalah bateri ke-
7, bateri yang seterusnya ialah bateri yang mempunyai selang 30, iaitu ke-37,
ke-67, ke-97, ke-127 dan seterusnya sehinggalah 100 bateri kecil diperolehi.
103
Teknik Pensampelan
Contoh 3
Jika kita ingin mengambil satu sampel rawak bersaiz 50 orang daripada
populasi keseluruhan pekerja di zon industri bebas ini, maka saiz sampel
daripada setiap strata adalah seperti berikut:
104
Teknik Pensampelan
Contoh 4
Katakan kita ingin meninjau tentang keberkesanan metodologi pengajaran
yang baru di sekolah-sekolah dalam satu negeri yang besar. Mula-mula kita
bahagikan negeri itu kepada katakan 20 buah daerah yang kita rujukkan
sebagai kelompok-kelompok. Pastikan kesemua 20 daerah ini adalah hampir
serupa dan oleh itu adalah mewakili ciri-ciri populasi. Kemudian kita pilih
secara rawak katakan 4 daerah daripada 20 daerah tersebut. Selepas itu kita
pilih pula beberapa sekolah secara rawak daripada setiap kelompok untuk
meninjau tentang keberkesanan kaedah pengajaran yang baru itu.
Keseluruhan sekolah yang dipilih daripada kelompok yang terpilih itu
dipanggil sampel kelompok.
105
Teknik Pensampelan
Dalam menjalankan sesuatu tinjauan atau kajian, bukan semua sampel boleh
diperolehi secara rawak oleh sebab-sebab tertentu. Dalam sesuatu populasi
itu, tidak semua ahli mempunyai peluang untuk dipilih menganggotai ssesuatu
sampel. Jadi, pengambilan sampel tidak dapat dilakukan secara rawak.
Misalnya seorang penyelidik ingin mengkaji sikap pelajar tingkatan 4 terhadap
pembelajaran statistik dan pengetua hanya membenarkan kajian dijalankan
ke atas sebuah kelas sahaja. Penyelidik tidak dapat mendapatkan sampel
secara rawak.
106
Teknik Pensampelan
Sebagai contoh, katakan seorang pengkaji itu ingin memilih satu sampel
bersaiz 1000 orang daripada satu bandaraya dengan populasinya terdiri
daripada 52% lelaki dan 48% perempuan. Untuk memilih atu sampel kuota,
pengkaji itu akan memilih 520 orang lelaki dan 480 orang perempuan yang
pertama didekatinya. Dengan ini sampel itu memgandungi dengan tepat 52%
lelaki dan 48% perempuan.
107
Teknik Pensampelan
PENILAIAN KENDIRI
3. Sebuah ladang mempunyai 6 baris pokok kelapa sawit di mana setiap baris
mengandungi 15 pokok kelapa sawit. Nyatakan secara ringkas sama ada
sampel-sampel yang diperolehi dengan cara-cara berikut adalah adil.
(a) 10 keping kad dipilih secara rawak daripada sebuah kotak yang
mengandungi 90 keping kad bernombor di mana setiap kad sepadan
dengan sepohon pokok kelapa sawit.
(b) Pokok yang kelapan dalam setiap baris dipilih.
(c) Pokok yang ketujuh dipilih daripada pokok-pokok yang telah
dinomborkan daripada 1 hingga 90.
108
Teknik Pensampelan
(a) Adakah sampel yang diambil itu sampel rawak atau sampel bukan
rawak?
(b) Apakah teknik pensampelan yang digunakan dan terangkan?
(c) Apakah ralat sistematik yang mungkin telah dilakukan?
(a) Adakah sampel yang diambil itu sampel rawak atau sampel bukan
rawak?
(b) Jika sampel rawak, apakah teknik pensampelan yang digunakan?
(c) Apakah ralat sistematik yang mungkin telah dillakukan?
8. Sebuah syarikat mempunyai 100 orang pekerja di mana 58% adalah lelaki
dan 48% adalah perempuan. Jabatan sumber manusia syarikat itu ingin
meninjau pendapat para pekerja mengenai satu isu dengan mengambil
satu sampel seramai 50 orang pekerja. Untuk menjalankan tinjauan ini,
para pekerja dibahagikan kepada dua kumpulan iaitu lelaki dan
perempuan.dan kemudian dipilih secara rawak 29 orang lelaki dan 21
orang perempuan daripada kumpulan-kumpulan itu. Apakah teknik
pensampelan yang digunakan untuk mengambil sampel? Terangkan.
109
Teknik Pensampelan
RUJUKAN
Bluman, A.G.(2009). Elementary Statistics: A Step by Step Approach (7th ed). New
York: McGraw Hill.
Johnson, R. & Kuby, P. (2004). Elementary Statistics (9th ed). Boston: Duxbury
Press.
110
Penganggaran Parameter Populasi
UNIT PELAJARAN 7
PENGANGGARAN PARAMETER POPULASI
HASIL PEMBELAJARAN
Pada penghujung unit ini, pelajar diharap dapat:
PENGENALAN
Satu masalah statistik yang biasa dihadapi oleh para penyelidik adalah untuk
mendapatkan maklumat mengenai parameter sesuatu populasi, misalnya min
populasi µ. Jika saiz populasi adalah besar, kita boleh mendapatkan
maklumat yang secukupnya dengan mengambil satu sampel daripada
populasi berkenaan. Dengan pengambilan sampel ini melalui teknik-teknik
pensampelan yang telah dipelajari dalam Unit Pelajaran 6, seseorang
penyelidik itu dapat membuat penganggaran tentang nilai parameter populasi
yang sedang dikaji.
Penganggaran adalah satu prosedur di mana satu nilai berangka atau nilai-
nilai berangka diberikan kepada satu parameter populasi berdasarkan
maklumat yang diperolehi daripada sampel yang diambil. Parameter populasi
111
Penganggaran Parameter Populasi
ini boleh jadi min populasi, perkadaran populasi, sisihan piawai dan lain-lain.
Dalam unit ini, kita hanya akan mencari penganggaran bagi min populasi.
Nilai atau nilai-nilai yang diberikan kepada parameter populasi ini adalnh
berasaskan kepada nilai satu statistik sampel yang dipanggil anggaran bagi
parameter populasi tersebut. Statistik sampel itu pula dipanggil penganggar.
Sebagai contoh, min sampel x adalah penganggar bagi min populasi µ. Ada
dua jenis penganggaran yang akan dibincangkan iaitu penganggaran titik dan
penganggaran selang.
ISI KANDUNGAN
Penganggaran titik
Contoh 1
112
Penganggaran Parameter Populasi
53.8 54.4 45.2 42.9 49.9 48.2 41.6 58.9 48.6 53.1 59.4 49.7 43.7 52.7
47.7 41.5 35.3 58.9 35.9 42.5 57.2 45.1 50.3 50.0 41.9 37.3 39.7 42.0
62.7 62.8 46.6 60.5 43.9 56.4 49.8 63.9
Penyelesaian:
Kita anggarkan min populasi harga bagi semua rumah kos rendah di Kuala
Lumpur dengan menggunakan nilai min sampel harga , bagi sampel
sebanyak 36 buah rumah kos rendah.
Maka, x
x 1774.0 49.28
n 36
Oleh itu, min populasi harga bagi semua rumah kos rendah adalah
dianggarkan sebanyak RM 49,280.
Perlu diingatkan bahawa anggaran titik ini mungkin berlainan jika kita ambil
sampel yang lain daripada populasi yang sama. Jadi, nilai yang diberikan
kepada sesuatu min populasi itu bergantung kepada anggaran titik daripada
mana sampel itu diambil.
Contoh 2
Satu sampel seramai 32 orang murid daripada sebuah sekolah mengambil
bahagian dalam satu kajian di mana mereka diminta menyatakan jarak rumah
mereka ke sekolah. Dapatan kajian adalah seperti berikut (dalam kilometer).
113
Penganggaran Parameter Populasi
12 9 7 2 8 7 3 27 21 10 13 3 7 2 30 7
6 13 6 14 4 1 10 3 13 6 2 9 2 12 16 18
Penyelesaian:
Min sampel x
x 303 9.47 km
n 32
Penganggaran selang
114
Penganggaran Parameter Populasi
Nilai kebarangkalian yang kita yakin betul yang nilai parameter populasi
berada dalam anggaran selang adalah ditetapkan sebelum anggaran selang
ditentukan. Sebagai contoh, kita mungkin berkehendakkan 90%, 95% atau
99% keyakinan bahawa anggaran selang yang akan ditentukan mengandungi
nilai parameter populasi itu. Nilai kebarangkalian ini (90%, 95% atau 99%)
dipanggil aras keyakinan bagi anggaran selang. Oleh itu, selang keyakinan
bagi sesuatu parameter populasi adalah satu anggaran selang yang spesifik
yang ditentukan dengan menggunakan data yang diperolehi daripada sampel
dan aras keyakinan yang spesifik bagi anggaran itu.
(σ / n ) adalah sisihan piawai bagi min sampel atau ralat piawai bagi min
α adalah jumlah luas bagi kedua-dua hujung bagi satu lengkongan taburan
normal piawai. σ /2 mewakili luas bagi setiap hujung.
α/2 α/2
115
Penganggaran Parameter Populasi
Sebutan zα/2 .(σ/√n) dikenali sebagai ralat margin atau ralat maksimum
anggaran.
Peraturan pembundaran
116
Penganggaran Parameter Populasi
Contoh 3
Timbalan Naib Canselor (HEP) sebuah universiti ingin menganggarkan purata
umur bagi semua pelajar-pelajar yang berdaftar dengan universiti tersebut.
Daripada data yang lepas, diketahui sisihan piawai adalah 2 tahun. Satu
sampel seramai 50 orang pelajar dipilih dan didapati bahawa purata umur
bagi sampel itu adalah 23.2 tahun. Cari selang keyakinan 95% bagi purata
umur populasi.
Penyelesaian:
Kita perolehi:
Oleh itu Timbalan Naib Canselor (HEP) itu boleh menyatakan dengan
keyakinan 95% bahawa purata umur bagi pelajar-pelajar yang berdaftar
dengan universiti tersebut adalah di antara 22.7 tahun dan 23.8 tahun
berdasarkan kepada sampel bersaiz 50 orang pelajar.
117
Penganggaran Parameter Populasi
Contoh 4
Suatu ubat tertentu diketahui boleh meningkatkan kadar denyutan nadi
penggunanya. Diketahui juga yang sisihan piawai bagi kadar denyutan nadi
itu adalah 5 denyutan setiap minit. Satu sampel seramai 30 orang pengguna
diambil datanya dan didapati min kadar denyutan nadi mereka adalah 104
denyutan setiap minit. Cari selang keyakinan 99% bagi min populasi.
Penyelesaian:
Diperolehi:
atau 104 + 2
Oleh itu kita boleh nyatakan dengan keyakinan 99% bahawa min bagi kadar
denyutan nadi adalah di antara 102 dan 106 denyutan setiap minit.
118
Penganggaran Parameter Populasi
Contoh 5
Satu sampel sebanyak 50 hari menunjukkan yang sebuah restoran makanan
segera melayani seramai 182 orang pelanggan waktu makan tengahari.
Diberi sisihan piawai bagi sampel itu adalah 8 orang pelanggan. Cari selang
keyakinan 90% bagi min populasi.
Penyelesaian:
Diperolehi,
atau 182 ± 2
Oleh itu, kita boleh nyatakan dengan keyakinan 90% bahawa pada sesuatu
waktu makan tengahari, restoran itu melayani antara 180 dan 184 pelanggan
Contoh 6
119
Penganggaran Parameter Populasi
12 9 7 2 8 7 3 27 21 10 13 3 7 2 30 7
6 13 6 14 4 1 10 3 13 6 2 9 2 12 16 18
Penyelesaian:
Sebelum dibentuk selang keyakinan itu, perlu di cari anggaran titik iaitu min
sampel terlebih dahulu
Maka diperolehi:
120
Penganggaran Parameter Populasi
Oleh itu, kita boleh nyatakan dengan keyakinan 95% bahawa min populasi
bagi jarak rumah ke sekolah ialah di antara 7.0 dan 11.0 km
Dalam banyak situasi, sisihan piawai populasi σ tidak diketahui dan saiz
sampel mungkin kurang daripada 30. Dalam situasi begini, sisihan piawai
sampel boleh digunakan dalam membentuk selang keyakinan. Walau
bagaimanapun, taburan z tidak boleh digunakan oleh kerana tidak memenuhi
syarat-syarat yang ditetapkan. Sebaliknya, pakar statistik mengesyorkan
supaya digunakan taburan t apabila sisihan piawai populasi tidak diketahui
dan saiz sampel kurang daripada 30.
121
Penganggaran Parameter Populasi
Untuk mencari nilai bagi tα/2 , lihat mana-mana jadual taburan t dan rujuk
kepada lajur “selang keyakinan’ dan kemudian lajur ‘darjah kebebasan’.
Untuk mencari nilai tα/2 bagi selang keyakinan 95% dan 21 darjah kebebasan
adalah bersamaan dengan 2.080.
Untuk mencari nilai tα/2 bagi selang keyakinan 99% dan 13 darjah kebebasan
adalah bersamaan dengan 3.012
Contoh 7
Dalam satu pemeriksaan kenderaan oleh pihak JPJ di sebuah lebuhraya, 10
buah kenderaan telah dipilih secara rawak oleh pegawai-pengawai
penguatkuasa berkenaan. Pihak JPJ telah mengukur tahap kehausan tayar
sebelah kanan setiap kenderaan yang diarahkan berhenti untuk pemeriksaan.
Min kehausan tayar itu adalah 0.32 cm dengan sisihan piawai 0.08 cm. cari
selang keyakinan 95% bagi min kehausan tayar kanan yang diukur.
Penyelesaian:
Juga diberi,
= 0.32, s = 0.08, d.f. = 10 -1 = 9. Jadi, tα/2 = 2.262
122
Penganggaran Parameter Populasi
Oleh itu, selang keyakinan 95% bagi min populasi adalah seperti berikut:
Oleh itu, kita boleh nyatakan dengan keyakinan 95% bahawa min populasi
bagi kehausan tayar sebelah kanan adalah di antara 0.26 cm dan 0.38 cm.
Contoh 8
Min bacaan hemoglobin bagi satu sampel tediri daripada 20 orang guru
adalah 16 g / 100 ml, dengan sisihan piawai sampel ialah 2 g. Cari selang
keyakinan 99% bagi min populasi
Penyelesaian:
Oleh itu, selang keyakinan 99% bagi min populasi adalah seperti berikut:
123
Penganggaran Parameter Populasi
atau 16 ± 1
Oleh itu, kita boleh nyatakan dengan keyakinan 99% bahawa min populasi
bagi bacaan hemoglobin adalah di antara 15g / 100ml dan 17g / 100ml.
Contoh 9
Satu sampel rawak yang terdiri daripada 20 meter parker di sebuah
bandaraya menunjukkan hasil kutipan untuk sehari seperti berikut (dalam RM)
2.60 1.05 2.45 2.90 1.30 3.10 2.35 2.00 2.40 2.35 2.40 1.95
2.80 2.50 2.10 1.75 1.00 2.75 1.80 1.95
Penyelesaian:
a) = 2.175, s = 0.585
b) n = 20, d.k, = 19. Juga, bagi selang keyakinan 95%, tα/2 = 2.093
124
Penganggaran Parameter Populasi
Maka, kita boleh nyatakan dengan keyakinan 95% bahawa hasil kutipan
sehari adalah antara RM1.901 dan RM2.449
PENILAIAN KENDIRI
2. Bagi sesuatu set data yang diperolehi daripada satu sampel, didapati
n = 64, = 24.5 dan s = 3.1
3. Sisihan piawai bagi satu populasi diketahui sebagai σ=15.3. Satu sampel
yang mempunyai 36 cerapan dipilih daripada populasi ini dan didapati =
74.8.
125
Penganggaran Parameter Populasi
yang ada di pasaran. Satu sampel sebanyak 36 buah buku diambil purata
harga adalah RM70.50 dengan sisihan piawai RM4.50.
(a) Cari anggaran titik bgi purata harga buku. Bentukkan selang keyakinan
95% bagi purata harga semua buku .
(b) Dapatkan selang keyakinan 90% bagi purata harga semua buku.
31 45 79 64 38 48 39 68 52 59 68 79 42 79 53 74 66 66
71 61 52 47 39 54 67 55 71 77 64 60 75 42 69 48 57 48
6. Katakan suatu sampel dipilih secara rawak daripada satu populasi dengan
= 68.50 dan s = 8.9
(c) Adakah julat bagi selang keyakinan 90% dalam (a) lebih kecil dari
selang keyakinan 95%? Jika ya, terangkan mengapa.
126
Penganggaran Parameter Populasi
(e) Adakah julat bagi selang keyakinan bagi 95% bagi µ dengan n = 25
seperti dalam (d) lebih kecil dari selang keyakinan 95% bagi µ dengan
n=16 seperti dalam (a)? Jika ya, terangkan mengapa.
7. Lapan orang siswa telah dipilih secara rawak daripada sebuah universiti
dan didapati dalam satu minggu secara purata, mereka telah berjalan
sejauh 39.2 km di dalam kampus untuk ke bilik kuliah dengan sisihan
piawainya adalah 3.2 km. Bentukkan satu selang keyakinan 95% untuk
min populasi.
8. Satu sampel rawak sebanyak 16 akaun bank pelajar yang diambil daripada
sebuah bank tempatan di kampus sebuah universiti untuk meninjau jumlah
wang yang dikeluarkan daripada akaun mereka dalam sebulan telah
menghasilkan data berikut (dalam RM):
Bentukkan satu selang keyakinan 90% bagi min jumlah wang yang
dikeluarkan oleh semua pelajar universiti tersebut yang ada akaun dalam
bank itu.
RUJUKAN
Bluman, A.G. (2009). Elementary Statistics: A Step by Step Approach (7th ed). New
York: McGraw Hill.
Johnson, R. & Kuby, P. (2004). Elementary Statistics (9th ed). Boston: Duxbury
Press.
127
Analsis Korelasi dan Regresi
UNIT PELAJARAN 8
ANALISIS KORELASI DAN REGRESI
HASIL PEMBELAJARAN
.
PENGENALAN
128
Analsis Korelasi dan Regresi
sebagai garis regresi ringkas. Analisis yang dilakukan terhadap penyuaian ini
disebut analisis regresi.
ISI KANDUNGAN
Analisis korelasi
r
xy - x y
n
x x n y y
n 2 2 2 2
-1 0 +1
Hubungan negatif yang kuat Tiada hubungan Hubungan positif yang kuat
Contoh 1
Seorang guru ingin menentukan adakah terdapat hubungan antara jumlah
jam belajar dan pencapaian matematik pelajar. Jika terdapat hubungan
berapa kuatkah hubungan tersebut? Data mengenai jumlah jam belajar dan
markah matematik pelajar adalah seperti berikut:
129
Analsis Korelasi dan Regresi
Daud 2 70
Erma 2 75
Faridah 3 80
Ganesan 3 85
Habibah 3 85
Idris 3 90
Jasmin 4 90
Penyelesaian:
X Y Xy x2 y2
1 60 60 1 3600
1 65 65 1 4225
2 70 140 4 4900
2 70 140 4 4900
2 75 150 4 5625
3 80 240 9 6400
3 85 255 9 7225
3 85 255 9 7225
3 90 270 9 8100
4 90 360 16 8100
x 24 y 770 xy 1935 x 2
66 y 2
60300
r
xy - x y
n
(10)(60300)-(24)(770)
0.945
n x x n y y
2 2
2
2
10( 66 )-( 24 )
2
10( 60300)-( 770 2
)
Nilai r=0.945 menunjukkan hubungan positif yang kuat antara jumlah jam
belajar dengan markah matematik pelajar.
Dalam analsis korelasi, kita bukan sekadar menghitung nilai pekali korealsi
bagi menentukan kekuatan hubungan antara dua pembolehubah. Kita juga
harus menentukan kesignifikan hubungan antara kedua-dua pembolehubah.
Perkara ini dilakukan supaya kita mempunyai asas yang kukuh dalam
memperkatakan tentang kekuatan hubungan tersebut. Ujian kesignifikan
hubungan antara dua pembolehubah dilakukan seperti berikut:
130
Analsis Korelasi dan Regresi
n2
tujian= r dengan darjah kebebasan n-2.
1 r 2
Contoh 2
Dengan menggunakan Contoh 1, pada aras keertian =0.01, tunjukkan terdapat
hubungan antara jumlah jam belajar dengan markah matematik pelajar.
Penyelesaian:
131
Analsis Korelasi dan Regresi
n2 10 2
t ujian r 0.945 8.172
1 r 2
1 0.9452
Menolak H0
Terdapat hubungan kolerasi yang signifikan antara jumlah jam belajar dengan
markah matematik.
132
Analsis Korelasi dan Regresi
y a bx e
dengan
yˆ a bx
dengan
b
xy - x y
n
n x x
2 2
a y bx
Contoh 3
Dengan menggunakan Contoh 1, dapatkan garis regresi dengan menyuaikan
data tersebut. Seterusnya anggarkan markah matematik yang akan diperoleh
oleh pelajar jika jumlah masa yang dihabiskan untuk belajar adalah 3.5 jam.
133
Analsis Korelasi dan Regresi
Penyelesaian:
x y xy x2
1 60 60 1
1 65 65 1
2 70 140 4
2 70 140 4
2 75 150 4
3 80 240 9
3 85 255 9
3 85 255 9
3 90 270 9
4 90 360 16
x 24 y 770 xy 1935 x 2
66
b
xy - x y 10(1935) (24)(770) 10.36
n
n x x 10(66) (24)
2 2 2
a y bx
y b x 770 (10.36) 24 52.14
n n 10 10
y 52.14 10.36 x e
yˆ 52.14 10.36 x
Bagi contoh ini, katakan kita ingin meramal markah yang bakal diperoleh oleh
pelajar apabila beliau menghabiskan masa belajar selama 3.5 jam. Nilai
anggaran markah adalah seperti berikut:
134
Analsis Korelasi dan Regresi
yˆ 52.14 10.36x
y
x
135
Analsis Korelasi dan Regresi
PENILAIAN KENDIRI
2. Taburan hujan (mm) dan harga cili bagi bulan tertentu di sebuah kawasan
adalah seperti berikut:
Taburan 2 4 6 8 10 12 14 16 18 20
hujan (mm)
Harga cili 4.50 5.00 5.00 5.50 6.00 6.00 6.00 6.50 6.50 7.00
per kg
136
Analsis Korelasi dan Regresi
Jangka hayat 1 2 3 8 10 12 14 16 18 20
mesin (tahun)
Peratus 4 5 7 10 12 15 15 18 18 20
kerosakan
Pada aras keertian α=0.05, uji sama ada terdapat hubungan antara jangka
hayat mesin (tahun) dengan peratus kerosakan.
137
Analsis Korelasi dan Regresi
a. Pada paras keertian α = 0.05, uji sama ada terdapat hubungan antara
bilangan pelajar dengan peratus pencapaian gred A matematik.
RUJUKAN
Bluman, A.G. (2009). Elementary Statistics: A Step by Step Approach (7th ed). New
York: McGraw Hill.
Johnson, R. & Kuby, P. (2004). Elementary Statistics (9th ed). Boston: Duxbury
Press.
138
Appendiks: Jadual Statistik
APPENDIKS
JADUAL STATISTIK
Jadual Binomial
Jadual Poisson
Jadual Taburan t
Jadual Taburan F
i
Appendiks: Jadual Statistik
Jadual Binomial
Bagi pembolehubah rawak binomial (n, p), nilai dalam jadual adalah Kb{X x} untuk
setiap x, n dan p.
Contoh: Kb{X 3} = 0.8125 bagi n=5 dan p=0.50,
Kb{X 6} = 0.3504 bagi n=10 dan p=0.70.
Nilai p
n x
ii
Appendiks: Jadual Statistik
n x Nilai p
iii
Appendiks: Jadual Statistik
Jadual Poisson
X Nilai
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
0 0.9048 0.8187 0.7408 0.6703 0.6065 0.5488 0.5488 0.4493 0.4066
1 0.9953 0.9825 0.9631 0.9384 0.9098 0.8781 0.8442 0.8088 0.7725
2 0.9998 0.9989 0.9964 0.9921 0.9856 0.9769 0.9659 0.9526 0.9371
3 1.0000 0.9999 0.9997 0.9992 0.9982 0.9966 0.9942 0.9909 0.9865
4 1.0000 1.0000 1.0000 0.9999 0.9998 0.9996 0.9992 0.9986 0.9977
5 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999 0.9998 0.9997
6 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
X Nilai
1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0
0 0.3679 0.2231 0.1353 0.0821 0.0498 0.0302 0.0183 0.0111 0.0067
1 0.7358 0.5578 0.4060 0.2873 0.1991 0.1359 0.0916 0.0611 0.0404
2 0.9197 0.8088 0.6767 0.5438 0.4232 0.3208 0.2381 0.1736 0.1247
3 0.9810 0.9344 0.8571 0.7576 0.6472 0.5366 0.4335 0.3423 0.2650
4 0.9963 0.9814 0.9473 0.8912 0.8153 0.7254 0.6288 0.5321 0.4405
5 0.9994 0.9955 0.9834 0.9580 0.9161 0.8576 0.7851 0.7029 0.6160
6 0.9999 0.9991 0.9955 0.9858 0.9665 0.9347 0.8893 0.8311 0.7622
7 1.0000 0.9998 0.9989 0.9958 0.9881 0.9733 0.9489 0.9134 0.8666
8 1.0000 1.0000 0.9998 0.9989 0.9962 0.9901 0.9786 0.9597 0.9319
9 1.0000 1.0000 1.0000 0.9997 0.9989 0.9967 0.9919 0.9829 0.9682
10 1.0000 1.0000 1.0000 0.9999 0.9997 0.9990 0.9972 0.9933 0.9863
11 1.0000 1.0000 1.0000 1.0000 0.9999 0.9997 0.9991 0.9976 0.9945
12 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999 0.9997 0.9992 0.9980
13 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999 0.9997 0.9993
14 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999 0.9998
15 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999
16 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
iv
Appendiks: Jadual Statistik
X Nilai
5.5 6 6.5 7 7.5 8 8.5 9 9.5
0 0.0041 0.0025 0.0015 0.0009 0.0006 0.0003 0.0002 0.0001 0.0001
1 0.0266 0.0174 0.0113 0.0073 0.0047 0.0030 0.0019 0.0012 0.0008
2 0.0884 0.0620 0.0430 0.0296 0.0203 0.0138 0.0093 0.0062 0.0042
3 0.2017 0.1512 0.1118 0.0818 0.0591 0.0424 0.0301 0.0212 0.0149
4 0.3575 0.2851 0.2237 0.1730 0.1321 0.0996 0.0744 0.0550 0.0403
5 0.5289 0.4457 0.3690 0.3007 0.2414 0.1912 0.1496 0.1157 0.0885
6 0.6860 0.6063 0.5265 0.4497 0.3782 0.3134 0.2562 0.2068 0.1649
7 0.8095 0.7440 0.6728 0.5987 0.5246 0.4530 0.3856 0.3239 0.2687
8 0.8944 0.8472 0.7916 0.7291 0.6620 0.5925 0.5231 0.4557 0.3918
9 0.9462 0.9161 0.8774 0.8305 0.7764 0.7166 0.6530 0.5874 0.5218
10 0.9747 0.9574 0.9332 0.9015 0.8622 0.8159 0.7634 0.7060 0.6453
11 0.9890 0.9799 0.9661 0.9467 0.9208 0.8881 0.8487 0.8030 0.7520
12 0.9955 0.9912 0.9840 0.9730 0.9573 0.9362 0.9091 0.8758 0.8364
13 0.9983 0.9964 0.9929 0.9872 0.9784 0.9658 0.9486 0.9261 0.8981
14 0.9994 0.9986 0.9970 0.9943 0.9897 0.9827 0.9726 0.9585 0.9400
15 0.9998 0.9995 0.9988 0.9976 0.9954 0.9918 0.9862 0.9780 0.9665
16 0.9999 0.9998 0.9996 0.9990 0.9980 0.9963 0.9934 0.9889 0.9823
17 1.0000 0.9999 0.9998 0.9996 0.9992 0.9984 0.9970 0.9947 0.9911
18 1.0000 1.0000 0.9999 0.9999 0.9997 0.9993 0.9987 0.9976 0.9957
19 1.0000 1.0000 1.0000 1.0000 0.9999 0.9997 0.9995 0.9989 0.9980
20 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999 0.9998 0.9996 0.9991
21 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999 0.9998 0.9996
22 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999 0.9999
23 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999
24 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
v
Appendiks: Jadual Statistik
x Nilai
10 11 12 13 14 15 16 17 18
0 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
1 0.0005 0.0002 0.0001 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000
2 0.0028 0.0012 0.0005 0.0002 0.0001 0.0000 0.0000 0.0000 0.0000
3 0.0103 0.0049 0.0023 0.0011 0.0005 0.0002 0.0001 0.0000 0.0000
4 0.0293 0.0151 0.0076 0.0037 0.0018 0.0009 0.0004 0.0002 0.0001
5 0.0671 0.0375 0.0203 0.0107 0.0055 0.0028 0.0014 0.0007 0.0003
6 0.1301 0.0786 0.0458 0.0259 0.0142 0.0076 0.0040 0.0021 0.0010
7 0.2202 0.1432 0.0895 0.0540 0.0316 0.0180 0.0100 0.0054 0.0029
8 0.3328 0.2320 0.1550 0.0998 0.0621 0.0374 0.0220 0.0126 0.0071
9 0.4579 0.3405 0.2424 0.1658 0.1094 0.0699 0.0433 0.0261 0.0154
10 0.5830 0.4599 0.3472 0.2517 0.1757 0.1185 0.0774 0.0491 0.0304
11 0.6968 0.5793 0.4616 0.3532 0.2600 0.1848 0.1270 0.0847 0.0549
12 0.7916 0.6887 0.5760 0.4631 0.3585 0.2676 0.1931 0.1350 0.0917
13 0.8645 0.7813 0.6815 0.5730 0.4644 0.3632 0.2745 0.2009 0.1426
14 0.9165 0.8540 0.7720 0.6751 0.5704 0.4657 0.3675 0.2808 0.2081
15 0.9513 0.9074 0.8444 0.7636 0.6694 0.5681 0.4667 0.3715 0.2867
16 0.9730 0.9441 0.8987 0.8355 0.7559 0.6641 0.5660 0.4677 0.3751
17 0.9857 0.9678 0.9370 0.8905 0.8272 0.7489 0.6593 0.5640 0.4686
18 0.9928 0.9823 0.9626 0.9302 0.8826 0.8195 0.7423 0.6550 0.5622
19 0.9965 0.9907 0.9787 0.9573 0.9235 0.8752 0.8122 0.7363 0.6509
20 0.9984 0.9953 0.9884 0.9750 0.9521 0.9170 0.8682 0.8055 0.7307
21 0.9993 0.9977 0.9939 0.9859 0.9712 0.9469 0.9108 0.8615 0.7991
22 0.9997 0.9990 0.9970 0.9924 0.9833 0.9673 0.9418 0.9047 0.8551
23 0.9999 0.9995 0.9985 0.9960 0.9907 0.9805 0.9633 0.9367 0.8989
24 1.0000 0.9998 0.9993 0.9980 0.9950 0.9888 0.9777 0.9594 0.9317
25 1.0000 0.9999 0.9997 0.9990 0.9974 0.9938 0.9869 0.9748 0.9554
26 1.0000 1.0000 0.9999 0.9995 0.9987 0.9967 0.9925 0.9848 0.9718
27 1.0000 1.0000 0.9999 0.9998 0.9994 0.9983 0.9959 0.9912 0.9827
28 1.0000 1.0000 1.0000 0.9999 0.9997 0.9991 0.9978 0.9950 0.9897
29 1.0000 1.0000 1.0000 1.0000 0.9999 0.9996 0.9989 0.9973 0.9941
30 1.0000 1.0000 1.0000 1.0000 0.9999 0.9998 0.9994 0.9986 0.9967
31 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999 0.9997 0.9993 0.9982
32 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999 0.9996 0.9990
33 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999 0.9998 0.9995
34 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999 0.9998
35 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999
36 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 0.9999
37 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000 1.0000
vi
Appendiks: Jadual Statistik
Z -0.00 -0.01 -0.02 -0.03 -0.04 -0.05 -0.06 -0.07 -0.08 -0.09
-3.70 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001
-3.60 0.0002 0.0002 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001 0.0001
-3.50 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002 0.0002
-3.40 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0003 0.0002
-3.30 0.0005 0.0005 0.0005 0.0004 0.0004 0.0004 0.0004 0.0004 0.0004 0.0003
-3.20 0.0007 0.0007 0.0006 0.0006 0.0006 0.0006 0.0006 0.0005 0.0005 0.0005
-3.10 0.0010 0.0009 0.0009 0.0009 0.0008 0.0008 0.0008 0.0008 0.0007 0.0007
-3.00 0.0013 0.0013 0.0013 0.0012 0.0012 0.0011 0.0011 0.0011 0.0010 0.0010
-2.90 0.0019 0.0018 0.0018 0.0017 0.0016 0.0016 0.0015 0.0015 0.0014 0.0014
-2.80 0.0026 0.0025 0.0024 0.0023 0.0023 0.0022 0.0021 0.0021 0.0020 0.0019
-2.70 0.0035 0.0034 0.0033 0.0032 0.0031 0.0030 0.0029 0.0028 0.0027 0.0026
-2.60 0.0047 0.0045 0.0044 0.0043 0.0041 0.0040 0.0039 0.0038 0.0037 0.0036
-2.50 0.0062 0.0060 0.0059 0.0057 0.0055 0.0054 0.0052 0.0051 0.0049 0.0048
-2.40 0.0082 0.0080 0.0078 0.0075 0.0073 0.0071 0.0069 0.0068 0.0066 0.0064
-2.30 0.0107 0.0104 0.0102 0.0099 0.0096 0.0094 0.0091 0.0089 0.0087 0.0084
-2.20 0.0139 0.0136 0.0132 0.0129 0.0125 0.0122 0.0119 0.0116 0.0113 0.0110
-2.10 0.0179 0.0174 0.0170 0.0166 0.0162 0.0158 0.0154 0.0150 0.0146 0.0143
-2.00 0.0228 0.0222 0.0217 0.0212 0.0207 0.0202 0.0197 0.0192 0.0188 0.0183
-1.90 0.0287 0.0281 0.0274 0.0268 0.0262 0.0256 0.0250 0.0244 0.0239 0.0233
-1.80 0.0359 0.0351 0.0344 0.0336 0.0329 0.0322 0.0314 0.0307 0.0301 0.0294
-1.70 0.0446 0.0436 0.0427 0.0418 0.0409 0.0401 0.0392 0.0384 0.0375 0.0367
-1.60 0.0548 0.0537 0.0526 0.0516 0.0505 0.0495 0.0485 0.0475 0.0465 0.0455
-1.50 0.0668 0.0655 0.0643 0.0630 0.0618 0.0606 0.0594 0.0582 0.0571 0.0559
-1.40 0.0808 0.0793 0.0778 0.0764 0.0749 0.0735 0.0721 0.0708 0.0694 0.0681
-1.30 0.0968 0.0951 0.0934 0.0918 0.0901 0.0885 0.0869 0.0853 0.0838 0.0823
-1.20 0.1151 0.1131 0.1112 0.1093 0.1075 0.1056 0.1038 0.1020 0.1003 0.0985
-1.10 0.1357 0.1335 0.1314 0.1292 0.1271 0.1251 0.1230 0.1210 0.1190 0.1170
-1.00 0.1587 0.1562 0.1539 0.1515 0.1492 0.1469 0.1446 0.1423 0.1401 0.1379
-0.90 0.1841 0.1814 0.1788 0.1762 0.1736 0.1711 0.1685 0.1660 0.1635 0.1611
-0.80 0.2119 0.2090 0.2061 0.2033 0.2005 0.1977 0.1949 0.1922 0.1894 0.1867
-0.70 0.2420 0.2389 0.2358 0.2327 0.2296 0.2266 0.2236 0.2206 0.2177 0.2148
-0.60 0.2743 0.2709 0.2676 0.2643 0.2611 0.2578 0.2546 0.2514 0.2483 0.2451
-0.50 0.3085 0.3050 0.3015 0.2981 0.2946 0.2912 0.2877 0.2843 0.2810 0.2776
-0.40 0.3446 0.3409 0.3372 0.3336 0.3300 0.3264 0.3228 0.3192 0.3156 0.3121
-0.30 0.3821 0.3783 0.3745 0.3707 0.3669 0.3632 0.3594 0.3557 0.3520 0.3483
-0.20 0.4207 0.4168 0.4129 0.4090 0.4052 0.4013 0.3974 0.3936 0.3897 0.3859
-0.10 0.4602 0.4562 0.4522 0.4483 0.4443 0.4404 0.4364 0.4325 0.4286 0.4247
-0.00 0.5000 0.4960 0.4920 0.4880 0.4840 0.4801 0.4761 0.4721 0.4681 0.4641
Baca: Mendapat luas sehingga z = -1.25, lihat nilai –1.20 di lajur pertama dan
nilai –0.05 di baris pertama, nilai F(z) yang dikehendaki adalah tempat
pertemuan baris dan lajur berkenaan. Bagi luas sehingga +1.96, lihat 1.90 di
lajur pertama dan nilai +0.06 di baris pertama, nilai F(z) diperolehi begitu juga.
vii
Appendiks: Jadual Statistik
z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.00 0.5000 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279 0.5319 0.5359
0.10 0.5398 0.5438 0.5478 0.5517 0.5557 0.5596 0.5636 0.5675 0.5714 0.5753
0.20 0.5793 0.5832 0.5871 0.5910 0.5948 0.5987 0.6026 0.6064 0.6103 0.6141
0.30 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443 0.6480 0.6517
00
0.40 0.6554 0.6591 0.6628 0.6664 0.6700 0.6736 0.6772 0.6808 0.6844 0.6879
0.50 0.6915 0.6950 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157 0.7190 0.7224
0.60 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486 0.7517 0.7549
0.70 0.7580 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794 0.7823 0.7852
0.80 0.7881 0.7910 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078 0.8106 0.8133
0.90 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.8340 0.8365 0.8389
1.00 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577 0.8599 0.8621
1.10 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.8770 0.8790 0.8810 0.8830
1.20 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.8980 0.8997 0.9015
1.30 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147 0.9162 0.9177
1.40 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292 0.9306 0.9319
1.50 0.9332 0.9345 0.9357 0.9370 0.9382 0.9394 0.9406 0.9418 0.9429 0.9441
1.60 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525 0.9535 0.9545
1.70 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616 0.9625 0.9633
1.80 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693 0.9699 0.9706
1.90 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.9750 0.9756 0.9761 0.9767
2.00 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808 0.9812 0.9817
2.10 0.9821 0.9826 0.9830 0.9834 0.9838 0.9842 0.9846 0.9850 0.9854 0.9857
2.20 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884 0.9887 0.9890
2.30 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911 0.9913 0.9916
2.40 0.9918 0.9920 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932 0.9934 0.9936
2.50 0.9938 0.9940 0.9941 0.9943 0.9945 0.9946 0.9948 0.9949 0.9951 0.9952
2.60 0.9953 0.9955 0.9956 0.9957 0.9959 0.9960 0.9961 0.9962 0.9963 0.9964
2.70 0.9965 0.9966 0.9967 0.9968 0.9969 0.9970 0.9971 0.9972 0.9973 0.9974
2.80 0.9974 0.9975 0.9976 0.9977 0.9977 0.9978 0.9979 0.9979 0.9980 0.9981
2.90 0.9981 0.9982 0.9982 0.9983 0.9984 0.9984 0.9985 0.9985 0.9986 0.9986
3.00 0.9987 0.9987 0.9987 0.9988 0.9988 0.9989 0.9989 0.9989 0.9990 0.9990
3.10 0.9990 0.9991 0.9991 0.9991 0.9992 0.9992 0.9992 0.9992 0.9993 0.9993
3.20 0.9993 0.9993 0.9994 0.9994 0.9994 0.9994 0.9994 0.9995 0.9995 0.9995
3.30 0.9995 0.9995 0.9995 0.9996 0.9996 0.9996 0.9996 0.9996 0.9996 0.9997
3.40 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9998
3.50 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998 0.9998
3.60 0.9998 0.9998 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.70 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
3.80 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999 0.9999
viii
Appendiks: Jadual Statistik
0.000 0.001 0.002 0.003 0.004 0.005 0.006 0.007 0.008 0.009
0.00 -3.090 -2.878 -2.748 -2.652 -2.576 -2.512 -2.457 -2.409 -2.366
0.01 -2.326 -2.290 -2.257 -2.226 -2.197 -2.170 -2.144 -2.120 -2.097 -2.075
0.02 -2.054 -2.034 -2.014 -1.995 -1.977 -1.960 -1.943 -1.927 -1.911 -1.896
0.03 -1.881 -1.866 -1.852 -1.838 -1.825 -1.812 -1.799 -1.787 -1.774 -1.762
0.04 -1.751 -1.739 -1.728 -1.717 -1.706 -1.695 -1.685 -1.675 -1.665 -1.655
0.05 -1.645 -1.635 -1.626 -1.616 -1.607 -1.598 -1.589 -1.580 -1.572 -1.563
0.06 -1.555 -1.546 -1.538 -1.530 -1.522 -1.514 -1.506 -1.499 -1.491 -1.483
0.07 -1.476 -1.468 -1.461 -1.454 -1.447 -1.440 -1.433 -1.426 -1.419 -1.412
0.08 -1.405 -1.398 -1.392 -1.385 -1.379 -1.372 -1.366 -1.359 -1.353 -1.347
0.09 -1.341 -1.335 -1.329 -1.323 -1.317 -1.311 -1.305 -1.299 -1.293 -1.287
0.10 -1.282 -1.276 -1.270 -1.265 -1.259 -1.254 -1.248 -1.243 -1.237 -1.232
0.11 -1.227 -1.221 -1.216 -1.211 -1.206 -1.200 -1.195 -1.190 -1.185 -1.180
0.12 -1.175 -1.170 -1.165 -1.160 -1.155 -1.150 -1.146 -1.141 -1.136 -1.131
0.13 -1.126 -1.122 -1.117 -1.112 -1.108 -1.103 -1.098 -1.094 -1.089 -1.085
0.14 -1.080 -1.076 -1.071 -1.067 -1.063 -1.058 -1.054 -1.049 -1.045 -1.041
0.15 -1.036 -1.032 -1.028 -1.024 -1.019 -1.015 -1.011 -1.007 -1.003 -0.999
0.16 -0.994 -0.990 -0.986 -0.982 -0.978 -0.974 -0.970 -0.966 -0.962 -0.958
0.17 -0.954 -0.950 -0.946 -0.942 -0.938 -0.935 -0.931 -0.927 -0.923 -0.919
0.18 -0.915 -0.912 -0.908 -0.904 -0.900 -0.896 -0.893 -0.889 -0.885 -0.882
0.19 -0.878 -0.874 -0.871 -0.867 -0.863 -0.860 -0.856 -0.852 -0.849 -0.845
0.20 -0.842 -0.838 -0.834 -0.831 -0.827 -0.824 -0.820 -0.817 -0.813 -0.810
0.21 -0.806 -0.803 -0.800 -0.796 -0.793 -0.789 -0.786 -0.782 -0.779 -0.776
0.22 -0.772 -0.769 -0.765 -0.762 -0.759 -0.755 -0.752 -0.749 -0.745 -0.742
0.23 -0.739 -0.736 -0.732 -0.729 -0.726 -0.722 -0.719 -0.716 -0.713 -0.710
0.24 -0.706 -0.703 -0.700 -0.697 -0.693 -0.690 -0.687 -0.684 -0.681 -0.678
0.25 -0.674 -0.671 -0.668 -0.665 -0.662 -0.659 -0.656 -0.653 -0.650 -0.646
0.26 -0.643 -0.640 -0.637 -0.634 -0.631 -0.628 -0.625 -0.622 -0.619 -0.616
0.27 -0.613 -0.610 -0.607 -0.604 -0.601 -0.598 -0.595 -0.592 -0.589 -0.586
0.28 -0.583 -0.580 -0.577 -0.574 -0.571 -0.568 -0.565 -0.562 -0.559 -0.556
0.29 -0.553 -0.550 -0.548 -0.545 -0.542 -0.539 -0.536 -0.533 -0.530 -0.527
0.30 -0.524 -0.522 -0.519 -0.516 -0.513 -0.510 -0.507 -0.504 -0.502 -0.499
0.31 -0.496 -0.493 -0.490 -0.487 -0.485 -0.482 -0.479 -0.476 -0.473 -0.470
0.32 -0.468 -0.465 -0.462 -0.459 -0.457 -0.454 -0.451 -0.448 -0.445 -0.443
0.33 -0.440 -0.437 -0.434 -0.432 -0.429 -0.426 -0.423 -0.421 -0.418 -0.415
0.34 -0.412 -0.410 -0.407 -0.404 -0.402 -0.399 -0.396 -0.393 -0.391 -0.388
0.35 -0.385 -0.383 -0.380 -0.377 -0.375 -0.372 -0.369 -0.366 -0.364 -0.361
0.36 -0.358 -0.356 -0.353 -0.350 -0.348 -0.345 -0.342 -0.340 -0.337 -0.335
0.37 -0.332 -0.329 -0.327 -0.324 -0.321 -0.319 -0.316 -0.313 -0.311 -0.308
0.38 -0.305 -0.303 -0.300 -0.298 -0.295 -0.292 -0.290 -0.287 -0.285 -0.282
0.39 -0.279 -0.277 -0.274 -0.272 -0.269 -0.266 -0.264 -0.261 -0.259 -0.256
0.40 -0.253 -0.251 -0.248 -0.246 -0.243 -0.240 -0.238 -0.235 -0.233 -0.230
0.41 -0.228 -0.225 -0.222 -0.220 -0.217 -0.215 -0.212 -0.210 -0.207 -0.204
0.42 -0.202 -0.199 -0.197 -0.194 -0.192 -0.189 -0.187 -0.184 -0.181 -0.179
0.43 -0.176 -0.174 -0.171 -0.169 -0.166 -0.164 -0.161 -0.159 -0.156 -0.154
0.44 -0.151 -0.148 -0.146 -0.143 -0.141 -0.138 -0.136 -0.133 -0.131 -0.128
0.45 -0.126 -0.123 -0.121 -0.118 -0.116 -0.113 -0.111 -0.108 -0.105 -0.103
0.46 -0.100 -0.098 -0.095 -0.093 -0.090 -0.088 -0.085 -0.083 -0.080 -0.078
0.47 -0.075 -0.073 -0.070 -0.068 -0.065 -0.063 -0.060 -0.058 -0.055 -0.053
0.48 -0.050 -0.048 -0.045 -0.043 -0.040 -0.038 -0.035 -0.033 -0.030 -0.028
0.49 -0.025 -0.023 -0.020 -0.018 -0.015 -0.013 -0.010 -0.008 -0.005 -0.003
0.50 0.000 0.003 0.005 0.008 0.010 0.013 0.015 0.018 0.020 0.023
ix
Appendiks: Jadual Statistik
0.000 0.001 0.002 0.003 0.004 0.005 0.006 0.007 0.008 0.009
0.51 0.025 0.028 0.030 0.033 0.035 0.038 0.040 0.043 0.045 0.048
0.52 0.050 0.053 0.055 0.058 0.060 0.063 0.065 0.068 0.070 0.073
0.53 0.075 0.078 0.080 0.083 0.085 0.088 0.090 0.093 0.095 0.098
0.54 0.100 0.103 0.105 0.108 0.111 0.113 0.116 0.118 0.121 0.123
0.55 0.126 0.128 0.131 0.133 0.136 0.138 0.141 0.143 0.146 0.148
0.56 0.151 0.154 0.156 0.159 0.161 0.164 0.166 0.169 0.171 0.174
0.57 0.176 0.179 0.181 0.184 0.187 0.189 0.192 0.194 0.197 0.199
0.58 0.202 0.204 0.207 0.210 0.212 0.215 0.217 0.220 0.222 0.225
0.59 0.228 0.230 0.233 0.235 0.238 0.240 0.243 0.246 0.248 0.251
0.60 0.001 0.256 0.259 0.261 0.264 0.266 0.269 0.272 0.274 0.277
0.61 0.279 0.282 0.285 0.287 0.290 0.292 0.295 0.298 0.300 0.303
0.62 0.305 0.308 0.311 0.313 0.316 0.319 0.321 0.324 0.327 0.329
0.63 0.332 0.335 0.337 0.340 0.342 0.345 0.348 0.350 0.353 0.356
0.64 0.358 0.361 0.364 0.366 0.369 0.372 0.375 0.377 0.380 0.383
0.65 0.385 0.388 0.391 0.393 0.396 0.399 0.402 0.404 0.407 0.410
0.66 0.412 0.415 0.418 0.421 0.423 0.426 0.429 0.432 0.434 0.437
0.67 0.440 0.443 0.445 0.448 0.451 0.454 0.457 0.459 0.462 0.465
0.68 0.468 0.470 0.473 0.476 0.479 0.482 0.485 0.487 0.490 0.493
0.69 0.496 0.499 0.502 0.504 0.507 0.510 0.513 0.516 0.519 0.522
0.70 0.524 0.527 0.530 0.533 0.536 0.539 0.542 0.545 0.548 0.550
0.71 0.553 0.556 0.559 0.562 0.565 0.568 0.571 0.574 0.577 0.580
0.72 0.583 0.586 0.589 0.592 0.595 0.598 0.601 0.604 0.607 0.610
0.73 0.613 0.616 0.619 0.622 0.625 0.628 0.631 0.634 0.637 0.640
0.74 0.643 0.646 0.650 0.653 0.656 0.659 0.662 0.665 0.668 0.671
0.75 0.674 0.678 0.681 0.684 0.687 0.690 0.693 0.697 0.700 0.703
0.76 0.706 0.710 0.713 0.716 0.719 0.722 0.726 0.729 0.732 0.736
0.77 0.739 0.742 0.745 0.749 0.752 0.755 0.759 0.762 0.765 0.769
0.78 0.772 0.776 0.779 0.782 0.786 0.789 0.793 0.796 0.800 0.803
0.79 0.806 0.810 0.813 0.817 0.820 0.824 0.827 0.831 0.834 0.838
0.80 0.842 0.845 0.849 0.852 0.856 0.860 0.863 0.867 0.871 0.874
0.81 0.878 0.882 0.885 0.889 0.893 0.896 0.900 0.904 0.908 0.912
0.82 0.915 0.919 0.923 0.927 0.931 0.935 0.938 0.942 0.946 0.950
0.83 0.954 0.958 0.962 0.966 0.970 0.974 0.978 0.982 0.986 0.990
0.84 0.994 0.999 1.003 1.007 1.011 1.015 1.019 1.024 1.028 1.032
0.85 1.036 1.041 1.045 1.049 1.054 1.058 1.063 1.067 1.071 1.076
0.86 1.080 1.085 1.089 1.094 1.098 1.103 1.108 1.112 1.117 1.122
0.87 1.126 1.131 1.136 1.141 1.146 1.150 1.155 1.160 1.165 1.170
0.88 1.175 1.180 1.185 1.190 1.195 1.200 1.206 1.211 1.216 1.221
0.89 1.227 1.232 1.237 1.243 1.248 1.254 1.259 1.265 1.270 1.276
0.90 1.282 1.287 1.293 1.299 1.305 1.311 1.317 1.323 1.329 1.335
0.91 1.341 1.347 1.353 1.359 1.366 1.372 1.379 1.385 1.392 1.398
0.92 1.405 1.412 1.419 1.426 1.433 1.440 1.447 1.454 1.461 1.468
0.93 1.476 1.483 1.491 1.499 1.506 1.514 1.522 1.530 1.538 1.546
0.94 1.555 1.563 1.572 1.580 1.589 1.598 1.607 1.616 1.626 1.635
0.95 1.645 1.655 1.665 1.675 1.685 1.695 1.706 1.717 1.728 1.739
0.96 1.751 1.762 1.774 1.787 1.799 1.812 1.825 1.838 1.852 1.866
0.97 1.881 1.896 1.911 1.927 1.943 1.960 1.977 1.995 2.014 2.034
0.98 2.054 2.075 2.097 2.120 2.144 2.170 2.197 2.226 2.257 2.290
0.99 2.326 2.366 2.409 2.457 2.512 2.576 2.652 2.748 2.878 3.090
x
Appendiks: Jadual Statistik
Jadual Taburan t
Nilai dalam jadual adalah nilai t supaya luas sebelah kanan, Kb{T>t}= ,bagi d.k.
tertentu.
Contoh: Kb{T>2.0150}= 0.05, =5,
Kb{T>2.7181}= 0.01, =11.
xi
Appendiks: Jadual Statistik
Luas sebelah kanan Kb{2() > x} = , dan x tercatat dalam jadual untuk
beberapa x dan , darjah kebebasan.
Contoh: Kb{2(4) > 0.297} = 0.99,
Kb{2(9) > 11.07} = 0.05,
dan Kb{2(23) > 41.638} = 0.01.
xii
Appendiks: Jadual Statistik
Jadual Taburan F
1
2 1 2 3 4 5 6 7 8 9 10
1 39.86 49.50 53.59 55.83 57.24 58.20 58.91 59.44 59.86 60.19
2 8.53 9.00 9.16 9.24 9.29 9.33 9.35 9.37 9.38 9.39
3 5.54 5.46 5.39 5.34 5.31 5.28 5.27 5.25 5.24 5.23
4 4.54 4.32 4.19 4.11 4.05 4.01 3.98 3.95 3.94 3.92
5 4.06 3.78 3.62 3.52 3.45 3.40 3.37 3.34 3.32 3.30
6 3.78 3.46 3.29 3.18 3.11 3.05 3.01 2.98 2.96 2.94
7 3.59 3.26 3.07 2.96 2.88 2.83 2.78 2.75 2.72 2.70
8 3.46 3.11 2.92 2.81 2.73 2.67 2.62 2.59 2.56 2.54
9 3.36 3.01 2.81 2.69 2.61 2.55 2.51 2.47 2.44 2.42
10 3.29 2.92 2.73 2.61 2.52 2.46 2.41 2.38 2.35 2.32
11 3.23 2.86 2.66 2.54 2.45 2.39 2.34 2.30 2.27 2.25
12 3.18 2.81 2.61 2.48 2.39 2.33 2.28 2.24 2.21 2.19
13 3.14 2.76 2.56 2.43 2.35 2.28 2.23 2.20 2.16 2.14
14 3.10 2.73 2.52 2.39 2.31 2.24 2.19 2.15 2.12 2.10
15 3.07 2.70 2.49 2.36 2.27 2.21 2.16 2.12 2.09 2.06
16 3.05 2.67 2.46 2.33 2.24 2.18 2.13 2.09 2.06 2.03
17 3.03 2.64 2.44 2.31 2.22 2.15 2.10 2.06 2.03 2.00
18 3.01 2.62 2.42 2.29 2.20 2.13 2.08 2.04 2.00 1.98
19 2.99 2.61 2.40 2.27 2.18 2.11 2.06 2.02 1.98 1.96
20 2.97 2.59 2.38 2.25 2.16 2.09 2.04 2.00 1.96 1.94
21 2.96 2.57 2.36 2.23 2.14 2.08 2.02 1.98 1.95 1.92
22 2.95 2.56 2.35 2.22 2.13 2.06 2.01 1.97 1.93 1.90
23 2.94 2.55 2.34 2.21 2.11 2.05 1.99 1.95 1.92 1.89
24 2.93 2.54 2.33 2.19 2.10 2.04 1.98 1.94 1.91 1.88
25 2.92 2.53 2.32 2.18 2.09 2.02 1.97 1.93 1.89 1.87
26 2.91 2.52 2.31 2.17 2.08 2.01 1.96 1.92 1.88 1.86
27 2.90 2.51 2.30 2.17 2.07 2.00 1.95 1.91 1.87 1.85
28 2.89 2.50 2.29 2.16 2.06 2.00 1.94 1.90 1.87 1.84
29 2.89 2.50 2.28 2.15 2.06 1.99 1.93 1.89 1.86 1.83
30 2.88 2.49 2.28 2.14 2.05 1.98 1.93 1.88 1.85 1.82
40 2.84 2.44 2.23 2.09 2.00 1.93 1.87 1.83 1.79 1.76
45 2.82 2.42 2.21 2.07 1.98 1.91 1.85 1.81 1.77 1.74
50 2.81 2.41 2.20 2.06 1.97 1.90 1.84 1.80 1.76 1.73
60 2.79 2.39 2.18 2.04 1.95 1.87 1.82 1.77 1.74 1.71
70 2.78 2.38 2.16 2.03 1.93 1.86 1.80 1.76 1.72 1.69
80 2.77 2.37 2.15 2.02 1.92 1.85 1.79 1.75 1.71 1.68
90 2.76 2.36 2.15 2.01 1.91 1.84 1.78 1.74 1.70 1.67
100 2.76 2.36 2.14 2.00 1.91 1.83 1.78 1.73 1.69 1.66
120 2.75 2.35 2.13 1.99 1.90 1.82 1.77 1.72 1.68 1.65
xiii
Appendiks: Jadual Statistik
1
2 12 15 20 25 30 40 60 90 120
xiv
Appendiks: Jadual Statistik
Jadual Taburan F
1
2 1 2 3 4 5 6 7 8 9 10
1 161.4 199.5 215.7 224.6 230.2 234.0 236.8 238.9 240.5 241.9
2 18.51 19.00 19.16 19.25 19.30 19.33 19.35 19.37 19.38 19.40
3 10.13 9.55 9.28 9.12 9.01 8.94 8.89 8.85 8.81 8.79
4 7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04 6.00 5.96
5 6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82 4.77 4.74
6 5.99 5.14 4.76 4.53 4.39 4.28 4.21 4.15 4.10 4.06
7 5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.68 3.64
8 5.32 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.39 3.35
9 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.18 3.14
10 4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07 3.02 2.98
11 4.84 3.98 3.59 3.36 3.20 3.09 3.01 2.95 2.90 2.85
12 4.75 3.89 3.49 3.26 3.11 3.00 2.91 2.85 2.80 2.75
13 4.67 3.81 3.41 3.18 3.03 2.92 2.83 2.77 2.71 2.67
14 4.60 3.74 3.34 3.11 2.96 2.85 2.76 2.70 2.65 2.60
15 4.54 3.68 3.29 3.06 2.90 2.79 2.71 2.64 2.59 2.54
16 4.49 3.63 3.24 3.01 2.85 2.74 2.66 2.59 2.54 2.49
17 4.45 3.59 3.20 2.96 2.81 2.70 2.61 2.55 2.49 2.45
18 4.41 3.55 3.16 2.93 2.77 2.66 2.58 2.51 2.46 2.41
19 4.38 3.52 3.13 2.90 2.74 2.63 2.54 2.48 2.42 2.38
20 4.35 3.49 3.10 2.87 2.71 2.60 2.51 2.45 2.39 2.35
21 4.32 3.47 3.07 2.84 2.68 2.57 2.49 2.42 2.37 2.32
22 4.30 3.44 3.05 2.82 2.66 2.55 2.46 2.40 2.34 2.30
23 4.28 3.42 3.03 2.80 2.64 2.53 2.44 2.37 2.32 2.27
24 4.26 3.40 3.01 2.78 2.62 2.51 2.42 2.36 2.30 2.25
25 4.24 3.39 2.99 2.76 2.60 2.49 2.40 2.34 2.28 2.24
26 4.23 3.37 2.98 2.74 2.59 2.47 2.39 2.32 2.27 2.22
27 4.21 3.35 2.96 2.73 2.57 2.46 2.37 2.31 2.25 2.20
28 4.20 3.34 2.95 2.71 2.56 2.45 2.36 2.29 2.24 2.19
29 4.18 3.33 2.93 2.70 2.55 2.43 2.35 2.28 2.22 2.18
30 4.17 3.32 2.92 2.69 2.53 2.42 2.33 2.27 2.21 2.16
40 4.08 3.23 2.84 2.61 2.45 2.34 2.25 2.18 2.12 2.08
45 4.06 3.20 2.81 2.58 2.42 2.31 2.22 2.15 2.10 2.05
50 4.03 3.18 2.79 2.56 2.40 2.29 2.20 2.13 2.07 2.03
60 4.00 3.15 2.76 2.53 2.37 2.25 2.17 2.10 2.04 1.99
70 3.98 3.13 2.74 2.50 2.35 2.23 2.14 2.07 2.02 1.97
80 3.96 3.11 2.72 2.49 2.33 2.21 2.13 2.06 2.00 1.95
90 3.95 3.10 2.71 2.47 2.32 2.20 2.11 2.04 1.99 1.94
100 3.94 3.09 2.70 2.46 2.31 2.19 2.10 2.03 1.97 1.93
120 3.92 3.07 2.68 2.45 2.29 2.18 2.09 2.02 1.96 1.91
xv
Appendiks: Jadual Statistik
1
2 12 15 20 25 30 40 60 90 120
xvi
Appendiks: Jadual Statistik
Jadual Taburan F
Menunjukkan nilai genting bagi luas sebelah kanan = 0.01,
pada darjah kebebasan tertentu.
1
1 2 3 4 5 6 7 8 9 10
2
1 4052 4999 5404 5624 5764 5859 5928 5981 6022 6056
2 98.50 99.00 99.16 99.25 99.30 99.33 99.36 99.38 99.39 99.40
3 34.12 30.82 29.46 28.71 28.24 27.91 27.67 27.49 27.34 27.23
4 21.20 18.00 16.69 15.98 15.52 15.21 14.98 14.80 14.66 14.55
5 16.26 13.27 12.06 11.39 10.97 10.67 10.46 10.29 10.16 10.05
6 13.75 10.92 9.78 9.15 8.75 8.47 8.26 8.10 7.98 7.87
7 12.25 9.55 8.45 7.85 7.46 7.19 6.99 6.84 6.72 6.62
8 11.26 8.65 7.59 7.01 6.63 6.37 6.18 6.03 5.91 5.81
9 10.56 8.02 6.99 6.42 6.06 5.80 5.61 5.47 5.35 5.26
10 10.04 7.56 6.55 5.99 5.64 5.39 5.20 5.06 4.94 4.85
11 9.65 7.21 6.22 5.67 5.32 5.07 4.89 4.74 4.63 4.54
12 9.33 6.93 5.95 5.41 5.06 4.82 4.64 4.50 4.39 4.30
13 9.07 6.70 5.74 5.21 4.86 4.62 4.44 4.30 4.19 4.10
14 8.86 6.51 5.56 5.04 4.69 4.46 4.28 4.14 4.03 3.94
15 8.68 6.36 5.42 4.89 4.56 4.32 4.14 4.00 3.89 3.80
16 8.53 6.23 5.29 4.77 4.44 4.20 4.03 3.89 3.78 3.69
17 8.40 6.11 5.19 4.67 4.34 4.10 3.93 3.79 3.68 3.59
18 8.29 6.01 5.09 4.58 4.25 4.01 3.84 3.71 3.60 3.51
19 8.18 5.93 5.01 4.50 4.17 3.94 3.77 3.63 3.52 3.43
20 8.10 5.85 4.94 4.43 4.10 3.87 3.70 3.56 3.46 3.37
21 8.02 5.78 4.87 4.37 4.04 3.81 3.64 3.51 3.40 3.31
22 7.95 5.72 4.82 4.31 3.99 3.76 3.59 3.45 3.35 3.26
23 7.88 5.66 4.76 4.26 3.94 3.71 3.54 3.41 3.30 3.21
24 7.82 5.61 4.72 4.22 3.90 3.67 3.50 3.36 3.26 3.17
25 7.77 5.57 4.68 4.18 3.85 3.63 3.46 3.32 3.22 3.13
26 7.72 5.53 4.64 4.14 3.82 3.59 3.42 3.29 3.18 3.09
27 7.68 5.49 4.60 4.11 3.78 3.56 3.39 3.26 3.15 3.06
28 7.64 5.45 4.57 4.07 3.75 3.53 3.36 3.23 3.12 3.03
29 7.60 5.42 4.54 4.04 3.73 3.50 3.33 3.20 3.09 3.00
30 7.56 5.39 4.51 4.02 3.70 3.47 3.30 3.17 3.07 2.98
40 7.31 5.18 4.31 3.83 3.51 3.29 3.12 2.99 2.89 2.80
45 7.23 5.11 4.25 3.77 3.45 3.23 3.07 2.94 2.83 2.74
50 7.17 5.06 4.20 3.72 3.41 3.19 3.02 2.89 2.78 2.70
60 7.08 4.98 4.13 3.65 3.34 3.12 2.95 2.82 2.72 2.63
70 7.01 4.92 4.07 3.60 3.29 3.07 2.91 2.78 2.67 2.59
80 6.96 4.88 4.04 3.56 3.26 3.04 2.87 2.74 2.64 2.55
90 6.93 4.85 4.01 3.53 3.23 3.01 2.84 2.72 2.61 2.52
100 6.90 4.82 3.98 3.51 3.21 2.99 2.82 2.69 2.59 2.50
120 6.85 4.79 3.95 3.48 3.17 2.96 2.79 2.66 2.56 2.47
xvii
Appendiks: Jadual Statistik
1
2 12 15 20 25 30 40 60 90 120
xviii
Appendiks: Jadual Statistik
xix