KELOMPOK 8

KELAS C

1. Nadia Elsha A1C018117

2. Nurul Al Firah A1C018133
3. Osi Kusumawati A1C018136
4. Yana Aristiawati A1C018166

Hal 364-366

1. Sebuah lini produksi menghasilkan item dengan berat rata-rata 80 gram dan deviasi
standar 5 gram:
(i) Jika sampel berulang, masing-masing berukuran 100, diambil dari jalur produksi dan setiap
rata-rata sampel dicatat untuk membentuk distribusi sampling sarana, apa yang akan menjadi
mean dan deviasi standar (kesalahan standar) dari distribusi sampling ini?
(ii) Berapa probabilitas bahwa sampel 100 item memiliki bobot rata-rata kurang dari
79 gram?
Jawab:

m = 80 gram; s= 5gm; n= 100

(i) Rata-rata distribusi sampling = m = 80 gram

Kesalahan standar = s / √n = 5 / √100 = 0,5

= 79gm. z - = (79–80)
(ii) x = ( x  ) σ /0.5
P.(x 79) =0,02275

2. Itu telah diperkirakan bahwa upah mingguan rata-rata dalam industri tertentu adalah £ 172 dan
deviasi standarnya adalah £ 9. Dengan asumsi upah mengikuti distribusi Normal, berapa
probabilitas sampel acak yang terdiri dari sepuluh karyawan akan mendapatkan upah
mingguan rata-rata sebesar £ 180 atau lebih?
Jawab:
m = £ 172; s= £9
 Rata-rata sampel =£ 180; memberi z= (180 - 172) / (9 / √10) = 8 / 2.846 =2.81; area di
sebelah kanan z= 2,81 adalah 0,00248, atau sekitar 0,2 persen
3. Itu telah diklaim bahwa hanya 45 persen pelanggan menemukan perubahan pada sistem faktur
sebagai peningkatan. Dengan asumsi hal ini terjadi, tentukan probabilitas bahwa riset pasar
survei terhadap 100 pelanggan akan menunjukkan bahwa 50 persen atau lebih melaporkan
peningkatan. Apaimplikasi untuk desain survei?
4. Sebuah survei terhadap 50 pembeli rumah dengan tunggakan hipotek mengungkapkan bahwa
tingkat tunggakan rata-rata adalah £ 1796. Menghasilkan interval kepercayaan 95 persen untuk
deviasi standar yang diasumsikan £ 500, £ 1000 dan £ 2000. Apa yang akan Anda simpulkan
dari temuan Anda?
Jawab:

Dengan mempertimbangkan rata-rata sampel dan nilai yang diasumsikan untuk standar
deviasi, kita dapat menggantinya dengan menemukan interval kepercayaan 95 persen:

1 500 50
(i) 1796 ± √ 95×
= £1796± £138.59

1 100050
(ii) 1796 ± √ 95×
£1796 ± £277.19
1 2 00050
(iii) 1796 ± √ 95×
£1796 ± £554.37

Variabilitas yang semakin besar (seperti terlihat pada nilai deviasi standar yang
lebih besar) akan menghasilkan selang kepercayaan yang lebih luas.

5. Selama audit, sampel acak dari 60 faktur diambil dari populasi yang besar. Nilai rata-rata
faktur dalam sampel ini adalah £ 125,50 dan deviasi standar sampel adalah £ 10,20.
(iii) Temukan 99 persen dan 95 persen interval kepercayaan untuk nilai rata-rata dari
semua faktur.
(iv) Jelaskan apa yang Anda pahami dengan dua interval kepercayaan ini.
Jika auditor ingin membagi setengah interval 95 persen, berapa ukuran sampel yang
dibutuhkan?
6.
7. Pendapatan lembur mingguan rata-rata dari sampel pekerja dari industri jasa tertentu
dicatat sebagai berikut:
 Penghasilan lembur mingguan (£) Frekuensi
Di bawah 1 10
1 tetapi di bawah 2 29
2 tetapi di bawah 5 17
5 tetapi di bawah 10 12
10 atau lebih 13
80
i. Hitung mean, deviasi standar dan interval kepercayaan 95 persen untuk mean.
ii. Berapa ukuran sampel yang diperlukan untuk memperkirakan pendapatan lembur
rata-rata ke dalam £ 0,50 dengan interval kepercayaan 95 persen?

Jawab :

(i) Hitung mean, deviasi standar dan interval kepercayaan 95 persen untuk
mean.
Standar Interval kepercayaan Lower Upper
Mean deviasi (Convidence Interval) Estimator Estimator
14.2 9.679876032 8.484629532 5.715370468 22.68462953
n=5
alpha 95% = 0,05
(ii) Kesimpulan: dengan tingkat kepercayaan 95% rata-rata populasi berada
pada selang 5,71 sampai 22,68
8.
9. Sampel 75 bungkus sereal dipilih secara acak dari proses produksi dan ditemukan
memiliki rata-rata 500g dan deviasi standar 20g. Seminggu kemudian sampel kedua dari
50 paket sereal dipilih, menggunakan prosedur yang sama, dan ditemukan memiliki rata-
rata 505g dan deviasi standar 16g. Buat interval kepercayaan 95 persen untuk perubahan
dalam berat rata-rata paket sereal.

Jawab:

Standar Interval kepercayaan Lower Upper

Mean deviasi (Convidence Interval) Estimator Estimator
500 20 4.526342936 495.4736571 504.5263429
n=75
alpha
95%
=
0.05

Standar Interval kepercayaan Lower Upper

Mean deviasi (Convidence Interval) Estimator Estimator
 505 16 4.434892238 500.5651078 509.4348922
n=50
alpha
95%
=
0.05
Kesimpulan: dengan jumlah sampel 75 dihasilkan interval kepercayaan sebesar 4,52,
sedangkan dengan jumlah sampel 50 dihasilkan interval kepercayaan sebesar 4,43.

10. Sampel 120 ibu rumah tangga dipilih secara acak dari mereka yang membaca majalah
tertentu, dan 18 ditemukan telah membeli produk rumah tangga baru. Sampel lain dari 150 ibu
rumah tangga dipilih secara acak dari mereka yang tidak membaca majalah tertentu, dan hanya
enam yang diketahui telah membeli produk tersebut. Buat interval kepercayaan 95 persen untuk
perbedaan dalam perilaku pembelian.

Jawab :

Dik. Sampel 120 ibu rumah tangga dipilih secara acak dari mereka yang membaca majalah
tertentu, dan 18 ditemukan telah membeli produk rumah tangga baru.

n = 120
n untuk yang membaca majalah tertentu = 18 x 120 = 21,6%
Interval kepercayaan 95% diperhitungkan sebagai berikut:
18 x 82 1.476
µ=18 ± 1.96
√ 120 √
=18 ±1.96
120
=18 ±1.96(3,51)

µ=18 ± 6.87
µ=18 ± 6.87
Sampel lain dari 150 ibu rumah tangga dipilih secara acak dari mereka yang tidak
membaca majalah tertentu, dan hanya enam yang diketahui telah membeli produk
tersebut

n = 150
n untuk yang membaca majalah tertentu = 6 x 150 = 9%

Interval kepercayaan 95% diperhitungkan sebagai berikut:

 6 x 94 564
µ=6 ± 1.96
√ 150 √
=6 ± 1.96
150
=6 ±1.96(1,93)

µ=18 ± 3.
µ=18 ± 24.108

11. Sampel 35 pekerja dipilih secara acak dari 110 tenaga kerja untuk memperkirakan jumlah
rata-rata yang dihabiskan mingguan di kantin. Rata-rata sampel adalah £ 5.40 dan deviasi standar
sampel adalah £ 2.24 :

a. Hitung interval kepercayaan 95 persen untuk mean.

b. Berapa ukuran sampel yang dibutuhkan untuk memperkirakan mean dalam ± £ 0,50 dengan
interval kepercayaan 95 persen?

Jawab:

a. Rumus interval kepercayaan 95%:

µ=x ±
̃ 1.96 s/√n
Diketahui:
n = 35
x̃ = £ 5.40
s = £ 2.24
Interval kepercayaan untuk deviasi standar £ 2.24:
s
µ=~
x ±1.96
√n
2.24 2.24
µ=5.40 ±1.96 =5.40 ± 1.96 =5.40 ±1.96 ( 0.3790 ) =5.40± 0.743
√ 35 5.91
µ=5.40 ± 0.743

b. Rumus interval kepercayaan 95%:

µ=x ±
̃ 1.96 s/√n
Diketahui:
n = 35
 x̃ = £ 0.50
s = £ 2.24
Interval kepercayaan untuk deviasi standar £ 2.24:
s
µ=~
x ±1.96
√n
2.24 2.24
µ=0.50 ± 1.96 =0.50 ±1.96 =0.50 ± 1.96 ( 0.3790 )=0.50 ± 0.743
√35 5.91
µ=0.50 ± 0.743

12. Waktu yang dibutuhkan untuk menyelesaikan tugas yang sama dicatat untuk tujuh peserta
dalam latihan pelatihan sebagai berikut: Buat interval kepercayaan 95 persen untuk waktu rata-
rata yang dibutuhkan untuk menyelesaikan tugas.

13. Insinyur pengembangan perusahaan pembuat pisau cukur telah diminta oleh departemen
pemasaran untuk membandingkan waktu mencukur pisau cukur standar dengan pisau cukur
mewah perusahaan. Insinyur pengembangan mencatat waktu x, yang diperlukannya untuk
bercukur pada tujuh pagi, menggunakan pisau cukur standar. Waktu dalam detik adalah 217,
210, 254, 237, 232, 228, 243 asistennya sukarela untuk menguji pisau cukur mewah selama
enam pagi dan menghasilkan waktu berikut y, diukur dalam detik : 186,219, 168, 202, 191, 184

a. Mentukan mean sampe dan deviasi standar untuk sampel x dan sampel y

Sampel X

217, 210, 254, 237, 232, 228, 243

Mean sampel

x 217+210+254 +237+232+228+243 1621

µ=∑ = = = 231,57 = 232
n 7 7

Standar Deviasi X

( X −µ) ²
σ =
√ ∑ N
=

( 217−232 )2 + ( 210−232 )2+ (254−232 )2 + ( 237−232 )2+ ( 228−232 )2 +(243−232) ²

7
 225+484 +484 +25+16+121
=
7

1355
=
7

= 193,57 = 194

Sampel Y

186,219, 168, 202, 191, 184

Mean sampel

x 186+219+168+202+191+184 1150
µ=∑ = = = 191,6 = 192
n 6 6

Standar Deviasi Y

( X −µ) ²
σ =
√ ∑ N
=

( 186−192 )2 + ( 219−192 )2 + ( 168−192 )2+ ( 202−192 )2+ (191−192 )2+(184−192)²

6

36+729+576+100+1+64
=
6

1506
=
6

= 251

b. tentukan interval kepercayaan 95 persen dari perbedaan antara kedua mean

194
Sampel X = µ = 232 ± 1,96 ( ) = 232 ± 1,96 (73,32) = 232 ± 117,57
√7
114,43 < µ< 349,57

251
Sampel Y = µ = 192 ± 1,96 ( ) = 232 ± 1,96 (104,58) = 232 ± 204,98
√6
27,016 < µ< 436,98
c. apakah interval kepercayaan ini menunjukkan bahwa ada perbedaan antara dua waktu
pengukuran?

Ya, buktinya adanya perbedaan diantara dua waktu pengukuran. Buktinya bahwa perbedaan
disampel X sebesar 114,43 sampai 349,57. Sedangkan bukti perbedaan disampel Y sebesar
27,016 sampai 436,98

d. mengomentari desain penelitian ini

dalam hal ini saya rasa penelitian terkait dengan insinyur pengembangan perusahaan pembuatan
pisau cukur telah diminta oleh departemen pemasaran untuk pembandingkan waktu mencukur
pisau cukur standard dan pisau cukur mewah perusahaan terdapat perbedaan yang cukup besar
terkait dari perbedaan perhitungan berdasarkan sampel x dan y

Hal 399-400

1. Selama audit, sampel acak dari 60 faktur diambil dari populasi yang besar. Nilai rata-rata
faktur dalam sampel ini adalah £ 125,50 dan deviasi standar sampel adalah £ 10,20.
Mengingat bahwa 95 persen dan 99 persen interval kepercayaan telah dibuat (lihat Pertanyaan
5, Bagian 12.10) bagaimana Anda melihat hipotesis bahwa faktur rata-rata benar-benar
sekitar £ 159?
Jawab :
uji hipotesis = H0 : m = 159
H1 : m ≠ 159
Interval keyakinan 95% = 125,50 ≠ 31,76
93,74 ≤ m ≤ 157,76
Dalam hal ini dapat menolak hipotesis nol.
99% interval keyakinan:
125,50 = 41,80
83,70 ≤ m ≤ 167,30
Dalam hal ini tidak dapat menolak hipotesis nol.
Interval yang lebih besar yang dihasilkan oleh interval kepercayaan 99% membuatnya lebih
mungkin terjadi menerima hipotesis nol, dam setara dengan menggunakan tingkat signifikansi 1%.
 2. Upah rata-rata orang yang tinggal di blok flat dikatakan £ 400 seminggu. Sampel acak dari 36
orang diperiksa untuk memberikan rata-rata sampel sebesar £ 435 dan deviasi standar sampel
sebesar £ 84.
a. (i) Buat hipotesis nol dan hipotesis alternatif untuk uji dua sisi mean.
(ii) Tentukan nilai kritis dua sisi yang menentukan daerah penolakan untuk keduanya a tingkat
signifikansi 5 persen dan 1 persen.
(iii) Tentukan statistik uji.
(iv) Bandingkan statistik pengujian Anda dengan nilai kritis Anda. Bisakah Anda
mempertahankan atau menolak nolhipotesis di kedua tingkat signifikansi?
b. (i) Buat hipotesis nol dan hipotesis alternatif untuk uji satu sisi dari mean.
(ii) Tentukan nilai kritis satu sisi yang menentukan daerah penolakan untuk keduanya a tingkat
signifikansi 5 persen dan 1 persen.
(iii) Bandingkan statistik pengujian Anda dengan nilai kritis Anda. Bisakah Anda
mempertahankan atau menolak nolhipotesis di kedua tingkat signifikansi?
Jawab :

a. Diketahui n = 36, mean = £435, deviasi standar = £ 84

H0:µ = € 400
H1:µ = € 400
Dengan menggunakan tingkat signifikan 5%, nilai kritisnya adalah 1,96 atau -1,96
Dengan menggunakan tingkat signifikan 1%, nilai kritisinya adalah 2.576 atau -2.576
Uji Statistik:
435−400
Z= = 2,50
84 / √36

Statistik pengujian lebih besar dari nilai kritis untuk tingkat 5%tetapi lebih kecil dari nilai
kritis level 1%. Oleh karena karena itu kami menolak hipotesis nol pada 5 per tingkat sen
tetapi tidak pada tingkat 1%.

b. Diketahui n = 36, mean = £ 435, standar deviasi = £ 84

H0:µ = € 400

H1:µ = € 400

Dengan menggunakan tingkat signifikan 5%, nilai kritisnya adalah +1.645

Dengan menggunakan tingkat signifikan 1%, nilai kritisnya adalah +2,326

Statistic uji tetap pada Z = 2,50

Statistic uji lebih dari kedua nilai kritis dan oleh karena itu kami dapat menolak nol
hipotesis pada tingkat signifikansi 5% dan pada tingkat signifikansi 1%. Mungkin dapat
 memperhatikan bahwa menggunakan tingkat signikansi yang sama, lebih mudah untuk
menolak nol hipotesis menggunakan uji satu sisi.

3. Sebuah televisi memiliki kehidupan periklanan selama 30.000 jam. Sampel acak dari 50 set
memiliki rata-rataumur 28.500 jam dengan deviasi standar sampel 1000 jam. Dengan
menggunakan tingkat signifikansi 5 persen, apa yang dapat dikatakan tentang iklan?
Jawab :
H0:µ = € 400

H1:µ > = € 400

Menguji mean untuk sampel besar – distribusi normal

Tingkat signikansi adalah 5%

Nilai kritisnya adalah 0,025

Tes statistic :

28.500.000−30.000 .000
Z= = -1,60
1000/ √ 50

Nilai yang dihitung lebih besar dari nilai kritis.

Karena itu, kami dapat menolak hipotesis nol.

Bukti statistic tidak cukup kuat untuk mendukung pandangan yang dimiliki sebuah stasiun
televisi yang memiliki kehidupan periklanan selama 30.000 jam. Jika stasiun televisi
khawatir, maka dapat menggunakan ukuran sampel yang lebih besar harus digunakan.

4. Manajemen sebuah perusahaan mengklaim bahwa pendapatan mingguan rata-rata (termasuk

lembur pembayaran) karyawan mereka adalah £ 850. Pengurus serikat pekerja lokal
membantah angka ini, percaya bahwa pendapatan rata-rata lebih rendah. Untuk menguji klaim
ini, sampel acak dari 150 karyawan dipilih dari daftar gaji. Rata-rata sampel dihitung menjadi
£ 828 dan deviasi standar sampel menjadi £ 183,13. Gunakan tes yang sesuai pada tingkat 5
persen untuk menentukan sisi mana dari argumen yang Anda setujui.
Jawab :

n = 150, mean = £ 828, deviasi standar = £ 183,13

H0:µ = € 828

H1:µ < = € 828

Menggunakan tingkat signikansi 5%, nilai kritis satu sisi adalah -1,645
 Uji statistic:

828−850
Z= = -1,47
183,13 √150

Nilai z = -1,47 lebih kecil dari nilai kritis -1,645. Tidak bisa menolak H0 di 5% tingkat
signifikansi dan menngumpulkan bahwa pendapatan rata-rata populasi tidak lebih rendah dari
£ 828

1. Mesin A dirancang untuk menghasilkan tali dengan strain pecah 1000 N. Sampel acak 36
potong tali memiliki strain pecah rata-rata 1012 N dan simpangan baku sampel 21 N.
Apakah ada bukti yang menunjukkan, pada tingkat signifikansi 5 persen, bahwa strain pecah
telah meningkat?
Jawab:
Dik: n = 36
S =21
x̄ =1012
Menguji
H0 µ = 1000
VS H1 = µ > 1000
Statistik Uji
Z= x̄ - µ = 1012-1000
s/√n 21/√36
= 12 x 6
21
Z= 3.4286

α =0.05
Z α/2=Z0.0,05= 1.96
Jadi, Z α/2= 1.96 < |z| = 3.4286
Jadi, kami menolak H0 : µ = 1000
Jadi kami menyarankan itu, di s-1, tingkat signifikansi, bahwa regangan pemutusan telah
meningkat.

5. Sebuah mesin dirancang untuk menghasilkan tali dengan tegangan putus 1000 N. Sampel
acak dari 36 potong tali memiliki regangan putus rata-rata 1012 N dan simpangan baku
sampel 21 N. Adakah bukti yang menunjukkan, pada tingkat signifikansi 5 persen, bahwa
regangan putus telah meningkat?

Jawab :
Dik: n = 35
S =21
x̄ =1012
Menguji
H0 µ = 1000
VS H1 = µ > 1000
 Statistik Uji
Z= x̄ - µ = 1012-1000
s/√n 21/√36
= 12 x 6
21
Z= 3.4286

α =0.05
Z α/2=Z0.0,05= 1.96
Jadi, Z α/2= 1.96 < |z| = 3.4286
Jadi, kami menolak H0 : µ = 1000
Jadi kami menyarankan itu, di s-1, tingkat signifikansi, bahwa regangan pemutusan telah
meningkat.

6.

Hal 427-430

1. Sebuah pabrik mempekerjakan tiga inspektur kendali mutu. Mereka diminta untuk
mencatat jumlah item yang mereka uji dan terima / tolak. Hasilnya adalah sebagai
berikut:

Diterima Ditolak

Inspektur A 75 15
Inspektur B 83 19
Inspektur C 92 16

Apakah pengawas berbeda secara signifikan dalam proporsi barang yang mereka tolak?
Jawab:

1. H.0: Tidak ada hubungan antara pengawas dan hasil tes

H.1: Ada hubungan antara pengawas dan hasil tes

Hasil tes

Diterim
a Ditolak

Inspektur A 75 15
(72,58) (17,42)
83 19
Inspektur B (81,45) (19,55)
92 26
Inspektur C (87,10) (20,90)
250 60

Nilai statistik kai kuadrat adalah:

χ2  1.98

Derajat kebebasan  (3  1) (2  1) 2 dan nilai kritis pada tingkat signifikansi 5

persen adalah 5,991. Dalam kasus ini, kami akan mempertahankan hipotesis nol,
H.0, dan menerima bahwa tidak ada hubungan antara pengawas dan hasil pengujian,
yaitu pengawas tidak berbeda dalam proporsi item yang mereka tolak.
2. Tabel di bawah ini memberikan jumlah klaim yang dibuat dalam setahun terakhir oleh
9650 pengendara yang diasuransikan dengan perusahaan asuransi tertentu:
Grup asuransi
 sa AKU
y AKU
Jumlah klaim a II AKU IV

0 900 2800 21.00 800

1 200 950 750 450
2 atau lebih 50 300 200 150

Apakah ada hubungan antara jumlah klaim dan grup asuransi>

H.0: Tidak ada hubungan antara kedua klasifikasi tersebut

H.1: Ada hubungan antara kedua klasifikasi tersebut

AKU
Tidak AKU
ada klaim saya II AKU IV

900 2800 2100 800

0 (786,53) (2769,95) (2086,01) (957,51) 6600
200 950 750 450
1 (280,05) (986,27) (742,75) (340,93) 2350
2 atau 50 300 200 150
lebih (83,42) (393,78) (221,24) (101,55) 700
1150 4050 3050 1400 9650

Nilai statistik kai kuadrat adalah:

 χ2  140.555

Derajat kebebasan  (3  1) (4  1) 6 dan nilai kritis pada tingkat signifikansi 5

persen adalah 12,592. Atas dasar hasil ini kami menolak hipotesis nol, H. 0,dan
menerima bahwa ada hubungan antara grup asuransi dan jumlah klaim.
3.
4. Di sebagian jalan raya M4, keempat lajur di setiap arah menjadi padat selama periode
waktu puncak hari kerja. Sebuah penelitian dilakukan untuk mengetahui apakah
pengemudi lebih suka mengemudi di jalur dalam. Sebanyak 1000 mobil teramati selama
periode puncak pagi dan jalurnya masing-masing dicatat. Diduga setiap jalur memiliki
preferensi yang sama. Apakah data menunjukkan bukti yang cukup bahwa beberapa jalur
lebih disukai daripada yang lain?

JALUR 1    2    3    4

JUMLAH YANG
DIAMATI  294  276  238  192

Statistik chi-square dihitung dengan membandingkan frekuensi yang diamati dan yang
diharapkan:

(O - E) 2

(HAI  (HAI 
Jalur Teramati (O) Diharapkan (E) E) E)2 E

1 294 250 44 1936 7.744

2 276 250 26 676 2.704
3 238 250 12 144 0,576
4 192 250 58 3364 13.456
Total 24.48

H.0 : Tidak ada perbedaan dalam preferensi jalur

H.1 : Ada perbedaan dalam preferensi jalur

 Nilai statistik chi-square adalah:

χ 2  24.48

Derajat kebebasan  4  1  3 dan nilai kritis pada tingkat signifikansi 5 persen

adalah 7,81.

Dalam hal ini kami dapat menolak hipotesis nol dan menerima bahwa ada
perbedaan dalam preferensi jalur.

5. Jumlah kerusakan setiap hari pada suatu ruas jalan dicatat untuk sampel 250 hari sebagai
berikut :
JUMLAH JUMLAH
KERUSAKAN HARI
0 100
1 70
2 45
3 20
4 10
5 5
250
Uji apakah distribusi Poisson mendeskripsikan data
Jawab :
H₀ : Distribusi Poisson mendeskripsikan data
H₁ : Distribusi Poisson tidak mendeskripsikan data
Nilai statistic chi – suare adalah : X² = 25.2386
Tingkat signifikansinya adalah 5%
Derajat kebebasan 6 -1 – 1 = 4 Nilai krisis = 9,49
Parameter yang diperlukan untuk distribusi Poisson adalah mean, dan dapat ditemukan dari
contoh data.
( 0 x 100 ) + ( 1 x 70 ) + ( 2 x 45 )+ ( 3 x 20 ) + ( 4 x 10 ) +(5 x 5)
X=
250
285
¿ =1,14=ƛ
250
Dapat digunakan rumus Poisson untuk menemukan berbagi probabilitas dan karenanya
frekunesi yang diharapkan :
 ƛˣ e− ƛ
p(x )=
x!
FREKUENSI YANG DIHARAPKAN
X P(X) P(X) x 250
0 0,3198 79,95
1 0,3645 91,12
2 0,2062 51,55
3 0,0788 19,70
4 0,0223 5,57
5 0,0051 1,27
Karena distribusi Poisson menjadi tak terbatas maka, secara teori perlu diperhitungkan semua
kemungkinan probabilitas ini ditemukan dengan menjumlahkan probabilitas dari 0 sampai 5
dan mengurangkan hasilnya dari satu.
Karena satu frekuensi yang diharapkan adalah dibawah 5, maka frekuensi tersebut
digabungkan dengan frekuensi yang berdekatan. Oleh sebab itu derajat kebebasannya
sekarang 5-1-1=3 dan nilai kritisnya adalah 7,81. Adapun perhitungan chi – kuadratnya :
(X) O E (O - E) (O - E)² (O – E)²/E
0 100 79,95 20,05 402,0025 5,0282
1 70 91,12 -21,12 446,0544 4,8952
2 45 51,55 -6,55 42,9025 0,8323
3 20 19,70 0,3 0,09 0,0046
4 10 5,57 4,43 19,6249 10,9550
5 5 1,27 3,73 13,9129 25,2386
Chi – square = 25,2386
25,2386 > 7,81
Karena kami menolak hipotesis nol (H₀), bukti dari pemantauan menunjukkan bahwa
distribusi Poisson tidak mendeskripsikan data
6.

7. Telur dikemas ke dalam karton enam. Sampel 90 karton dipilih secara acak dan jumlah telur
yang rusak di setiap karton dihitung.

Jawab:

Distribusi Telur Rusak adalah

H0 = Binomial
H1 = Distribusi Bukan Binomial
Mencari Rata-rata
 Jumlah telur yang Jumlah a*b X bar
rusak (a) Karton (b)
0 52 0  
1 15 15  
2 8 16  
3 5 15  
4 4 16  
5 3 15  
6 3 18  
21 90 95 1,06
P= 1,06/6 = 0,18

Nb : 6 karena merupakan jumlah maksimum cacat

Tingkat
signifikan 1%

n 6
p= 0,18

Tabel Binomial Distribusi

x Probabilitas Cumulative
0 0,315 0,315
1 0,401 0,717
2 0,213 0,929
3 0,060 0,990
4 0,010 0,999
5 0,001 1,000
6 0,000 1

Oleh karna itu kami menolak H₀

Tidak ada bukti yang menunjukan bukti bahwa produksi barang cacatmengikuti distribusi
binominal pada tingkat singnifikasi 1 persen.

8. Sebuah organisasi memiliki dua mobil, keduanya model yang sama, yang digunakan oleh
dua staf penjualan mereka. Pada keseimbangan keduanya melakukan perjalanan sekitar
jumlah mil yang sama setiap bulan. Pada membaca melalui klaim pengeluaran untuk
bensin dari dua orang penjualan manajer berpikir bahwa salah satu dari mereka
menggunakan lebih banyak bensin daripada yang lain. Berdasarkan jumlah bensin yang
 diklaim untuk dan mil yang ditempuh dia tabulasi tingkat konsumsi, dalam mil per galon,
untuk dua orang penjualan:
Jawab:

A B
37,3 40,6
38,5 41,4
39 41,7
39,5 41,8
40,7 41,8
41,4 42,5
41,4 44,5
42,5 45,3
42,6 45,4
43,3 47,2
43,4 47,9
45,1 49,3
46,3 49,4
46,5  
47,2  
42,313 44,523
33 08
A B
1 1
2 2
3 3
4 4,5
5 4,5
6,5 6
6,5 7
8 8
9 9
10 10
11 11
12 12
13 13
14  
15  
8 7

A B
count 15 13
rank
sum 8 7
U 307 279

α 0,05
tails 2
U 279
U-crit 43
sig tidak

No. 11