Chapter 8 ADDB

tip: 1) perhatikan one tail atau two tail 2) kalo populasi < 30 pake distribusi t yang ada df nya, kalau >
30 normal pake Z statistic, 3) bedain kalau bentuk soal ceritanya merupakan population proportions,
itu selalu pake Z statistic

rumus2 excel:
Chapter 10 ADDB

Difference Between Two Means

Two-Sample tests:

hypothesis tests: one tail (lower tail/upper tail), two tail (H0 always has the =, H1 doesn’t)

example  H0: u1-u2 >= 0, H1: u1-u2 < 0  reject H0 if t stat < -t(alpha)

Goal: test hypothesis/form CI for different b/w mu1-mu2, point estimate X1-X2

1. Pop. means, independent samples

assumptions: random & independent samples, population normally distributed or N>=30

- pop. std deviations unknown, assumed equal  Sp

if n1=n2, the pooled variance is arithmetic average of S^2

the (1/n1+1/n2) is shrinking std deviation (population) to std error (samples)

-- essentially, the larger the samples, the less is the std error

t stat has df = n1+n2 – 2

(untuk pembuktian bisa bikin confidence interval terus lihat apakah 0 ada di interval tsb atau nggak).
kalau ga ada berarti hipotesis ditolak

- pop. std deviations unknown, not assumed equal  S1 and S2 to estimate unknown separate-
variance t test
2 separate sample variances  fewer df (ga banyak informasi kalau variasi samplenya tidak
diketahui dan tidak dapat diasumsikan sama)

rumusnya sama aja berarti pake pooled variance test untuk cari Sp

2. Pop. means, related samples (ex: same group before vs after treatment, paired/matched
samples)

use difference b/w paired values  Di = X1i – X2i

D bar mirip dengan X bar, SD mirip dengan D

examples: orang ditraining, sebelum dan setelah lebih baik ga? (menurut indikator2)
Ini mirip sama t-test 1 sampel yang nyari estimasi standar deviasi (s), bedanya data yg di-observe
adalah “difference”nya (hipotesisnya, ada perbedaan signifikan tidak?)

3. Populations proportions

goal: test hypothesis or form CI for difference between two population proportions, pi1 – pi2, point
estimate nya p1 – p2 (expected value)
4. Population variances

yang jadi subjek hipotesis adalah variansnya

setiap varians punya df masing-masing, yang sample variance nya lebih besar jd pembilang
F stat bentuknya semacam one-tailed tapi sebaiknya pake yang kiri (alpha/2) karena lebih akurat
kalau evidence lebih kuat untuk menolak H0

bisa juga bikin kesimpulan pake p-value (yang dianggap “luas” area dibawah kurva distribusi)