ALDI M LUKMAN (1800640) Testing Hipotesis Dengan Dua Sampel

Studi sering membandingkan dua kelompok. Misalnya, peneliti tertarik pada efek aspirin
dalam mencegah serangan jantung. Selama beberapa tahun terakhir, surat kabar dan majalah
telah melaporkan berbagai studi aspirin yang melibatkan dua kelompok. Biasanya, satu
kelompok diberikan aspirin dan kelompok lainnya diberi plasebo. Kemudian, tingkat serangan
jantung dipelajari selama beberapa tahun. Ada situasi lain yang berhubungan dengan
perbandingan dua kelompok. Misalnya, studi membandingkan berbagai program diet dan
olahraga. Politisi membandingkan proporsi individu dari kurung pendapatan yang berbeda yang
mungkin memilih mereka. Siswa tertarik pada apakah kursus persiapan SAT atau GRE benar-
benar membantu meningkatkan nilai mereka.
Anda telah belajar melakukan tes hipotesis dengan cara tunggal dan proporsi tunggal.
Anda akan memperluasnya di bab ini. Anda akan membandingkan dua mean atau dua proporsi
satu sama lain. Prosedur umum masih sama, baru saja diperluas. Untuk membandingkan dua
mean atau dua proporsi, Anda bekerja dengan dua kelompok. Kelompok-kelompok tersebut
diklasifikasikan sebagai independen atau pasangan yang cocok. Kelompok independen tidak
memiliki dua sampel yang independen, yaitu populasi sampel yang dipilih dari satu tidak terkait
dengan cara apa pun untuk sampel nilai yang dipilih dari populasi lain. Pasangan yang cocok
terdiri dari dua sampel yang tergantung. Parameter yang diuji menggunakan pasangan yang
cocok adalah mean populasi. Parameter yang diuji menggunakan kelompok independen adalah
sarana populasi atau proporsi populasi.
Bab ini membahas tes hipotesis berikut:
 Kelompok independen (sampel independen)
 Uji dua mean populasi.
 Uji dua proporsi populasi. Sampel yang sesuai atau dipasangkan (sampel
tergantung)
 Uji dua proporsi populasi dengan menguji satu mean populasi perbedaan.

A. Dua Populasi Berarti dengan Deviasi Standar Tidak Dikenal

1. Dua sampel independen adalah sampel acak sederhana dari dua populasi yang
berbeda.
2. Untuk dua populasi yang berbeda: jika ukuran sampel kecil, distribusinya penting
(harus normal) jika ukuran sampelnya besar, distribusinya tidak penting (tidak perlu
normal)
Perbandingan dua mean populasi sangat umum terjadi. Perbedaan antara dua
sampel tergantung pada kedua mean dan standar deviasi. Sangat berbeda dengan yang
terjadi di kanoccurbychanceiftherereisgreatvariationamongtheindividual samples.
Untuk memperhitungkan variasi, kita mengambil perbedaan dari mean sampel,
X 1 – X 2, dan membagi dengan kesalahan standar untuk menstandardisasi
perbedaan. Hasilnya adalah statistik uji skor t. Karena kita tidak tahu standar populasi
 deviasi, kita memperkirakan mereka menggunakan dua penyimpangan standar sampel
dari sampel independen kita. Untuk tes hipotesis, kami menghitung perkiraan standar
deviasi, atau kesalahan standar, perbedaan dalam mean sampel, X 1 - X 2.

Kesalahan standar adalah:

Statistik uji (t-score) dihitung sebagai berikut:

di mana:
• s1 dans2, penyimpangan standar sampel, masing-masing adalah perkiraan 1 dan
2.
• 1 dan1 adalah standar deviasi populasi yang tidak diketahui.
• x 1 dan x 2 adalah sarana sampel. μ1 danμ2 adalah mean populasi. Jumlah derajat
kebebasan (df) membutuhkan perhitungan yang agak rumit. Namun,
komputer atau kalkulator menghitungnya dengan mudah. df tidak selalu
keseluruhan angka. Statistik tes yang dihitung sebelumnya diperkirakan oleh
distribusi t siswa dengan df
sebagai berikut:
Derajat kebebasan

Ketika kedua ukuran sampel n1 dan n2 adalah lima atau lebih besar,
pendekatan t Siswa sangat baik. Perhatikan bahwa varians sampel (s1) 2 dan (s2)
2 tidak disatukan. (Jika pertanyaan muncul, jangan kumpulkan variansnya.)

B. Dua Populasi Berarti dengan Deviasi Standar yang Dikenal

Meskipun situasi ini tidak mungkin (mengetahui standar populasi penyimpangan
tidak mungkin), contoh berikut menggambarkan pengujian hipotesis untuk sarana
independen, penyimpangan standar populasi yang diketahui. Distribusi sampling untuk
perbedaan antara sarana adalah normal dan kedua populasi harus normal. Variabel acak
adalah X1 - X2. Distribusi normal memiliki format berikut:
Distribusi normal adalah:
 Penyimpangan standar adalah:

Statistik uji (z-score) adalah:

C. Membandingkan Dua Proporsi Penduduk Independen

Ketika melakukan tes hipotesis yang membandingkan dua proporsi populasi
independen, karakteristik berikut harus ada:
 Dua sampel independen adalah sampel acak sederhana yang
independen.
 Jumlah keberhasilan setidaknya lima, dan jumlah kegagalan
setidaknya lima, untuk masing-masing sampel.
 Literatur yang tumbuh menyatakan bahwa populasi harus
setidaknya sepuluh atau 20 kali ukuran sampel. Ini membuat
setiap populasi tidak terlalu banyak sampel dan menyebabkan
hasil yang salah.
Membandingkan dua proporsi, seperti membandingkan dua cara, adalah hal biasa.
Jika dua perkiraan proporsi berbeda, mungkin
duetoadifferenceinthepopulationsoritmaybeduetochance.
Hypothesistestcanhelpdetermineifadifferenceinthe perkiraan proporsi mencerminkan
perbedaan dalam proporsi populasi. Perbedaan dua proporsi
mengikutisanapproximatenormaldistribution. Umumnya, nullhypothesisstates bahwa dua
proporsinya sama. Artinya, H0: pA = pB. Untuk melakukan tes, kami menggunakan
proporsi gabungan, pc.
Proporsi gabungan dihitung sebagai berikut:

Distribusi untuk perbedaan adalah:

Statistik uji (z-score) adalah:

D. Sampel yang Cocok atau Paired
Ketika menggunakan tes hipotesis untuk sampel yang cocok atau dipasangkan,
karakteristik berikut harus ada:
1. Sampel acak sederhana digunakan.
2. Ukuran sampel sering kecil.
3. Dua pengukuran (sampel) diambil dari pasangan individu atau
objek yang sama.
4. Perbedaan dihitung dari sampel yang cocok atau berpasangan.
5. Perbedaan membentuk sampel yang digunakan untuk tes hipotesis.
6. Entah pasangan yang cocok memiliki perbedaan yang berasal dari
populasi yang normal atau jumlah perbedaan cukup besar sehingga
distribusi mean sampel perbedaan kira-kira normal.
Dalam tes hipotesis untuk sampel yang cocok atau berpasangan, subjek
dicocokkan berpasangan dan perbedaan dihitung. Perbedaannya adalah data. Populasi
berarti untuk perbedaan, μd, kemudian diuji menggunakan tes Student-t untuk mean
populasi tunggal dengan n-1 derajat kebebasan, di mana nis jumlah perbedaan.
Statistik uji (t-score) adalah:

Tes hipotesis untuk sampel yang cocok atau berpasangan (t-

test) memiliki karakteristik ini:

• Uji perbedaan dengan mengurangi satu pengukuran

dari pengukuran lain
• Variabel Acak: x d = rata-rata perbedaan
• Distribusi: Distribusi siswa-t dengan n-1 derajat
kebebasan
• Jika jumlah perbedaan kecil (kurang dari 30),
perbedaan harus mengikuti distribusi normal.
• Dua sampel diambil dari kumpulan objek yang sama.
Uji dua proporsi populasi dari sampel
• Sampel tergantung
independen.

• Variabel acak: p A - p BB = perbedaan antara

dua perkiraan proporsi

• Distribusi: distribusi normal

Contoh :
Sebuah penelitian dilakukan untuk menyelidiki efektivitas hipnotisme dalam
mengurangi rasa sakit. Hasil
untuk subjek yang dipilih secara
acak ditunjukkan pada Tabel
10.10. Skor yang lebih rendah
menunjukkan sedikit rasa sakit. Nilai
"sebelum" dicocokkan
dengan nilai "setelah" dan perbedaannya dihitung. Perbedaannya memiliki distribusi
normal. Apakah pengukuran sensorik rata-rata lebih rendah setelah hipnotisme? Uji pada
tingkat signifikansi 5%.

solusi
Sesuai dengan nilai "sebelum"
dan "setelah" membentuk pasangan
yang cocok. (Kalkulat "setelah" -
"sebelumnya.")

Data untuk testare perbedaan: {0.2, -4.1, -1.6, -1.8, -3.2, –2, –2.9, -9.6}
Thesamplemeanandsamplestandarddeviationofthedifferencesare: xd = -3.13 dan sd = 2,91
Verifythese.
nilai. Biarkan μd menjadi mean populasi untuk perbedaan. Kami menggunakan
subskrip d untuk menunjukkan "perbedaan."
Variabel acak: Xd = perbedaan rata-rata pengukuran sensorik
 H0: μd 0 Hipotesis nol atau positif, yang berarti bahwa ada rasa sakit yang sama
atau lebih dirasakan setelah hipnotisme. Itu berarti subjek tidak menunjukkan perbaikan.
μd adalah mean populasi dari perbedaan.) Ha: μd <0 Hipotesis alternatif negatif, yang
berarti ada sedikit rasa sakit yang dirasakan setelah hipnotisme. Itu berarti subjek
menunjukkan perbaikan. Distribusi untuk tes: Distribusi adalah t Siswa dengan df = n - 1
= 8 - 1 = 7. Gunakan t7. (Perhatikan bahwa tes ini untuk mean populasi tunggal.) Hitung
nilai-p menggunakan distribusi Student-t: p-value = 0,0095

Xd adalah variabel acak untuk perbedaan. Rata-rata sampel dan standar sampel
dari perbedaan adalah: x × d = -3,13 s s d = 2,91 Compareα dan nilai-p: α = 0,05 danp-
nilai = 0,0095,α> p-nilai. Buat keputusan: Sinceα> p-nilai, tolak H0. Ini berarti bahwa μd
<0 dan ada perbaikan. Kesimpulan: Pada tingkat signifikansi 5%, dari data sampel.

SOAL LATIHAN

Pusat Pengendalian Penyakit AS melaporkan bahwa harapan hidup rata-rata

adalah 47,6 tahun untuk orang kulit putih yang lahir pada tahun 1900 dan 33,0 tahun
untuk orang kulit putih. Misalkan Anda secara acak mensurvei catatan kematian untuk
orang-orang yang lahir pada tahun 1900 di daerah tertentu. Dari 124 orang kulit putih,
rentang hidup rata-rata adalah 45,3 tahun dengan standar deviasi 12,7 tahun. Dari 82
orang kulit putih, rentang hidup rata-rata adalah 34,1 tahun dengan standar deviasi 15,6
tahun. Lakukan tes hipotesis untuk melihat apakah rentang kehidupan rata-rata di daerah
itu sama untuk orang kulit putih dan non-kulit putih.

28. Tentukan nilai p

29. Pada α = 0,05 yang telah terbentuk sebelumnya, apa yang Anda:
a. Keputusan:
b. Alasan untuk keputusan
c. Kesimpulan (tulis dalam kalimat lengkap)
30. Apakah tampak bahwa sarananya sama? Mengapa atau mengapa tidak?

Jawab :

xA + xB
28. pc = n A +nB
 45,3+34,1 79,4
pc = 124+82 = 206 = 0,3854
1- pc = 1 - 0,3854 = 0,6146
1 1
nilai p = N(0, √ ( 0,3854 ) ( 0,6146 ) ( + )
124 82
) = 0,1279

29. a. tidak menolak Ho

b. karena ɑ< nilai p
ɑ = 0,05 sedangkan nilai p = 0,1279
c. pada tingkat signifikasi 5%, dari data sampel tidak ada bukti yang cukup ada
perbedaan rentang kehidupan rata- rata di daerah itu untuk orang kulit putih dan non
kulit putih.
30.