REVIEW QUESTIONS 6B

1. What is a sampling distribution? Distribusi sampling adalah distribusi dari

mean-mean sampel yang diambil secara berulang kali dari suatu populasi
atau distribusi nilai mean dari semua kemungkinan besar sampel yang dipilih
dari suatu populasi.
2. Why is the sample mean X used to estimate the population mean µ? Karena
jika sampel-sampel acak dengan n elemen masing-masing diambil dari suatu
populasi normal (yang mempunyai mean=µ, varian= σ 2), distribusi sampling
harga mean akan mempunyai mean sama dengan µ dan varian sama
dengan σ2/n, atau jika populasi berdistribusi normal maka distribusi sampel
juga akan berdistribusi normal, atau walaupun populasi berdistribusi
sembarang kalau diambil sampel-sampel berulang kali secara acak (random)
distribusi harga meannya akan membentuk distribusi normal hal ini sesuai
dengan Teorema Limit Pusat (Central Limit Theorema).
3. What is the difference between a standard deviation and a standard error?
Standar deviasi adalah akar dari varian. Varian adalah rata-rata perbedaan
antara mean dengan nilai masing-masing subjek yang diobervasi. Jadi
variasi atau deviasi adalah nilai yang menunjukan bagaimana bervariasinya
data di dalam kelompok data itu terhadap nilai rata-ratanya, sedangkan
standard error adalah simpangan baku (standard deviasi) dari mean sampel.
Jadi simpangan baku (standard deviasi) dari mean sampel tidaklah sama
dengan simpangan baku (standard deviasi) dari variable di populasi.
4. Suppose we have a sample of five values of hemoglobin A1c (HgbA1c)
obtained from a single diabetic patient. HgbA1c is a serum measure often
used to monitor compliance among diabetic patients. The values are 8.5%,
9.3%, 7.9%, 9.2%, and 10.3%.
a. What is the standard deviation for this sample?
b. What is the standard error for this sample?
a. Standar deviasi dari sampel:
Nilai Hbg A1c Frekuensi IXi-ẊI D2
8,50% 1 -0,5 0,25%
9,30% 1 0,3 0,09%
7,90% 1 -1,1 1,21%
9,20% 1 0,2 0,04%
10,30% 1 1,3 1,69%
45,20% 5   3,28%
Mean 9%
Varian 0,82%
Standard Deviasi 0,905%
b. Standar error sampel:
SE= σ/√n
SE= 0,905%/√ 5
SE= 0,404%

REVIEW QUESTIONS 6 C
1. What does a 95% CI mean?
95% Confidence Interval adalah ada kemungkinan/ probabilitas sebesar 95%
bahwa bahwa perkiraan rata-rata populasi, atau E(μ) terletak pada 1,96
 (berdasarkan tabel distribusi normal standar) dikali galat baku (standar error)
dari μ, atau
P[μ-(1,96*2)≤ E(μ) ≤μ+(1,96*2)] = 0,95

2.
a. Derive a 95% CI for the underlying mean HgbA1c in Review Question 6B.4.
Sampel= n= 5
Mean = 9%; σ= 0,905%
Standard error (SE)= 0,404%
Bila CI 95%  Z(1-α)= 1,96

Pendugaan di populasi= estimasi selang pada CI 95%:

µ = 9%± 1,96* 0,404
µ = 9%± 0,792
8,208% ≤ µ ≤ 9,792%

b. Suppose that diabetic patients with an underlying mean HgbA1c < 7% are
considered in good compliance. How do you evaluate the compliance of the
patient in Review Question 6B.4?
Karena rata-rata nilai HgbA1c pasien dengan kepatuhan yang baik adalah
kurang dari 7 %, nilai tersebut berada jauh dari batas bawah interval CI 95%
yaitu 8,208% ≤ µ ≤ 9,792% bila dilakukan 5 riset (n=5), atau berada pada
2.5% (0,025) lower limit/ limit terkecil dari CI 95 %.
Artinya kemungkinan 5 riset/ sampel yang diperoleh memiliki nilai HgbA1c
dengan kepatuhan yang buruk.

3. (a)What is the difference between a t distribution and a normal distribution?

Distribusi t digunakan jika jumlah pengamatan sedikit / sampel <30 dan tidak
diketahui nilai/ parameter σ (standar deviasi populasi), sedangkan distribusi
normal digunakan jika jumlah pengamatan besar (≥30) dan paremeter standar
deviasi populasi diketahui (σ).

(b) What is the 95th percentile of a t distribution with 30 df? What symbol is
used to denote this percentile?
Simbol: t 30, 0,95 artinya distribusi t memberikan harga p t[ >t (30; 0,95)]
adalah 1,697 berdasarkan tabel distribusi t.

4. What is the central-limit theorem? Why is it important in statistics?

Central limit theorem (Teorema limit pusat) adalah teorema yang
menyatakan Bila dari satu populasi tertentu, diambil sample secara infinit (tak
terbatas), dengan cara acak (random), dalam jumlah cukup, maka sebaran
nilai mean sample akan selalu mengikuti sebaran peluang normal, apapun
bentuk sebaran di populasinya. Central limit theorem sangat penting dalam
statistik untuk menggeneralisasi sampel ke populasi dan menyatakan nilai
parameter berdasarkan nilai statistiknya (statistik inferensia).
Environmental Health halaman 204-205.
Much discussion has taken place concerning possible health hazards from exposure
to anesthetic gases. In one study conducted in 1972, 525 Michigan nurse
anesthetists were surveyed by mail questionnaires and telephone interviews to
determine the incidence rate of cancer [8]. Of this group, 7 women reported having a
new malignancy other than skin cancer during 1971.
6.33 What is the best estimate of the 1971 incidence rate from these data?
Insiden rate cancer tahun 1971 dari data: 7/525 atau 1,33%
6.34 Provide a 95% CI for the true incidence rate. A comparison was made between
the Michigan report and the 1969 cancer-incidence rates from the Connecticut tumor
registry, where the expected incidence rate, based on the age distribution of the
Michigan nurses, was determined to be 402.8 per 100,000 person-years.

Insiden malignancy pada perawat Michigan Tahun 1969: 402,8/ 100.000, setara
dengan 0,4028%.
Insiden rate cancer tahun 1971 dari data: 7/525 atau 1,33%
Dengan CI 95%, maka:

  Insiden Rate sampel Insiden rate Populasi

  Tahun 1971 1969
insiden 7/525 402,8/ 100.000
Proporsi 1,33% 0,40%
Standar Error= √p.q/n √0,013. 0,987/100 √0,004. 0,996/100
  0,0113 0,0063
Estimasi selang = p±Z(1-α).SE 0,013± 1,96. 0,0113 0,004±1,96.0.0063
  0,013±0,022 0,004±0,012
  0≤ π≤0,035 0≤ π≤0,016
  0≤π≤3,5% 0≤π≤1,6%

6.35 Comment on the comparison between the observed incidence rate and the
Connecticut tumor registry data.
Ada overlapping estimasi selang insiden rate sampel tahun 1971 dengan insiden
rate populasi, artinya ada daerah yang berkemungkinan mencakup parameter, baik
oleh insiden rate sampel maupun insiden rate di populasi.