Nama : Silvia
NPM : 1806232061
Subbab 5.5
1
STATISTIKA PARAMETRIK
Y = 𝛽 0 + 𝛽 1 X + 𝜀 ~ NIID (0,𝜎2)
X = gallons of gasoline
𝑦̂ = 𝛽 0 + 𝛽 1 x
𝑦̂ = 8.692 + 13.605 x
H0: 𝛽 1 = 0
H1: 𝛽 1 ≠ 0
𝛼 = 0.05
Stat uji:
Kesimpulan:
Dengan level signifikansi 𝛼 = 0.05, karena p-value = 2.63 x 10-5 < 𝛼 = 0.05, maka H0 ditolak
atau terdapat signifikansi sehingga model berpengaruh
2
STATISTIKA NONPARAMETRIK
(b) ∑ 𝑋I = 112.1
∑ 𝑌I = 1612
∑ 𝑋I 𝑌I = 20836.2
∑(𝑋 I 2 ) = 1459.93
𝑋̅ = 11.21
𝑌̅ = 161.2
b = 13.6046
a = 8.6924
y = 8.6924 + 13.6046x
3
(d) Test for slope
H0: 𝛽 0 = 18
H1: 𝛽 0 ≠ 18
𝛼 = 0.05
Statistik uji: Dengan bantuan software SPSS, kita peroleh output sebagai berikut
Correlations
gallons Ui
Spearman's rho gallons Correlation Coefficient 1.000 -.661*
Sig. (2-tailed) . .038
N 10 10
Ui Correlation Coefficient -.661* 1.000
Sig. (2-tailed) .038 .
N 10 10
*. Correlation is significant at the 0.05 level (2-tailed).
p-value = 0.038
Aturan keputusan dan wilayah kritis:
H0 ditolak jika p-value < 𝛼 = 0.05
Kesimpulan:
Dengan level signifikansi 𝛼 = 0.05, karena p-value = 0.038 < 𝛼 = 0.05, maka H0 ditolak atau
estimasi EPA bahwa jarak tempuh mobil adalah 18 miles per gallon tidak bersesuaian
dengan sampel
(e) PARAMETRIK
2.5 % 97.5 %
gallons 9.948862 17.26048
Dengan bantuan software R studio, diperoleh 95% confidence interval untuk slope adalah
(9.948862, 17.26048)
4
NONPARAMETRIK
j
i
1 2 3 4 5 6 7 8 9 10
1
2 4.814815
3 16.77419 9.176471
4 22.97872 13.26733 35
5 15 -15.5556 15.8209 62.72727
6 10.71429 6.029412 21.76471 -20 24
7 16.61765 11.39344 16.48649 12.68571 7.038462 -3.22368
8 -7.3913 13.87097 6.481481 -109.839 1172.308 -0.0939 10.54945
9 12.85714 31.73913 13.98148 -502197 -73531.7 7.169811 14.62069 21.48148
10 16.09756 9.684211 14 54.46623 -11.4286 -1.84116 17.40741 7.65625 13.98305
N = 45
dari tabel A11, untuk n = 10, diperoleh 0.975 quantile nya adalah 21
95% confidence interval untuk slope adalah (S(12) , S(34)) = (6.029412, 16.61765)
5
(a) Grafik faculty terhadap students dengan bantuan software R studio
6
STATISTIKA PARAMETRIK
Y = 𝛽 0 + 𝛽 1 X + 𝜀 ~ NIID (0,𝜎2)
Y = jumlah students
X = jumlah faculty
𝑦̂ = 𝛽 0 + 𝛽 1 x
𝑦̂ = -219.406 + 16.726 x
H0: 𝛽 1 = 0
H1: 𝛽 1 ≠ 0
𝛼 = 0.05
Stat uji:
Kesimpulan:
Dengan level signifikansi 𝛼 = 0.05, karena p-value = 1.06 x 10-8< 𝛼 = 0.05, maka H0 ditolak
atau terdapat signifikansi sehingga model berpengaruh
7
STATISTIKA NONPARAMETRIK
(b) ∑ 𝑋I = 2104
∑ 𝑌I = 31681
∑ 𝑋I 𝑌I = 5942620
∑(𝑋 I 2 ) = 382892
𝑋̅ = 131.5
𝑌̅ = 1980.063
b = 16.7259
a = -219.39285
y = -219.39285+ 16.7259x
8
(d) Test for slope
H0: 𝛽 0 = 15
H1: 𝛽 0 ≠ 15
𝛼 = 0.05
Statistik uji: Dengan bantuan software SPSS, kita peroleh output sebagai berikut
Correlations
faculty Ui
Spearman's rho faculty Correlation Coefficient 1.000 .308
Sig. (2-tailed) . .247
N 16 16
Ui Correlation Coefficient .308 1.000
Sig. (2-tailed) .247 .
N 16 16
p-value = 0.247
Aturan keputusan dan wilayah kritis:
H0 ditolak jika p-value < 𝛼 = 0.05
Kesimpulan:
Dengan level signifikansi 𝛼 = 0.05, karena p-value = 0.247 > 𝛼 = 0.05, maka H0 ditolak atau
hipotesis bahwa rata-rata kenaikan jumlah students untuk setiap kenaikan 1 faculty adalah
sebanyak 15 unit bersesuaian dengan sampel
(e) PARAMETRIK
2.5 % 97.5 %
faculty 13.70754 19.74445
Dengan bantuan software R studio, diperoleh 95% confidence interval untuk slope adalah
(13.70754, 19.74445)
0.025 0.975
(Intercept) -430.65707 -127.50065
faculty 15.65254 19.25392
NONPARAMETRIK
Dengan bantuan software R studio, diperoleh 95% confidence interval untuk slope adalah
(15.65254, 19.25392)
9
STATISTIKA PARAMETRIK
Y = 𝛽 0 + 𝛽 1 X + 𝜀 ~ NIID (0,𝜎2)
𝑦̂ = 𝛽 0 + 𝛽 1 x
𝑦̂ = 459.3455 + 0.1736 x
H0: 𝛽 1 = 0
H1: 𝛽 1 ≠ 0
𝛼 = 0.05
10
Stat uji:
p-value = 0.250758
Kesimpulan:
Dengan level signifikansi 𝛼 = 0.05, karena p-value = 0.250758 > 𝛼 = 0.05, maka H0 tidak
ditolak atau tidak terdapat signifikansi sehingga model tidak berpengaruh
STATISTIKA NONPARAMETRIK
(f) ∑ 𝑋I = 9510
∑ 𝑌I = 9000
∑ 𝑋I 𝑌I = 5374400
∑(𝑋 I 2 ) = 5796700
𝑋̅ = 594.375
𝑌̅ = 562.5
b = 0.17355
a = 459.3455
y = 459.3455 + 0.17355x
11
Test for slope
H0: 𝛽 0 = 1.0
𝛼 = 0.05
Statistik uji: Dengan bantuan software SPSS, kita peroleh output sebagai berikut
Correlations
x.math Ui
Spearman's rho x.math Correlation Coefficient 1.000 -.837**
Sig. (1-tailed) . .000
N 16 16
Ui Correlation Coefficient -.837** 1.000
Sig. (1-tailed) .000 .
N 16 16
**. Correlation is significant at the 0.01 level (1-tailed).
12
H0 ditolak jika p-value < 𝛼 = 0.05
Kesimpulan:
Dengan level signifikansi 𝛼 = 0.05, karena p-value = 0.00 < 𝛼 = 0.05, maka H0 ditolak atau
rata-rata nilai verbal akan meningkat dibawah 1.0 unit y jika nilai math bertambah 1 unit.
13
Y = 𝛽 0 + 𝛽 1 X + 𝜀 ~ NIID (0,𝜎2)
Y = company’s performance
PARAMETRIK
2.5 % 97.5 %
x.sp500 1.698761 2.431221
Dengan bantuan software R studio, diperoleh 95% confidence interval untuk slope adalah
(1.698761, 2.431221).
NONPARAMETRIK
j
i
1 2 3 4 5 6 7 8
1
2 6
3 7 7.25
4 7 1.5263 2.5217391
5 1.7843137 1.8654 2.25 2.060606
6 2.04 2.1923 2.8666667 4 1.538462
7 2.5217391 2.3636 1.2777778 1.97561 2.013514 2.270833
8 1.4375 1.7059 2.7619048 0 1.942857 3.111111 2.076923
14
N = 28
95% confidence interval untuk slope adalah (S(6) , S(23)) = (1.705882, 3.111111)
15
Subbab 5.6
scatterplot
120
100
80
60
Y
40
20
0
0 1 2 3 4 5 6
Jika dilihat berdasarkan plot diatas, mungkin bahwa respons merupakan fungsi linear
yang monoton naik dari dosis.
PARAMETRIK
Y = 𝛽 0 + 𝛽 1 X + 𝜀 ~ NIID (0,𝜎2)
Y = response
X = dosage
16
Dengan bantuan software SPSS, diperoleh output sebagai berikut
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) -24.000 9.748 -2.462 .039
X 24.727 3.142 .941 7.869 .000
a. Dependent Variable: Y
𝑦̂ = 𝛽 0 + 𝛽 1 x
𝑦̂ = -24 + 24.727 x
NONPARAMETRIK
R(Xi) x
Data X Y R(Xi) R(Yi)
R(Yi)
1 0.5 0 1 2 2
2 1 0 2 2 4
3 1.5 20 3 4 12
4 2 0 4 2 8
5 2.5 40 5 5.5 27.5
6 3 60 6 7 42
7 3.5 40 7 5.5 38.5
8 4 80 8 8 64
9 4.5 100 9 9.5 85.5
10 5 100 10 9.5 95
sum
378.5
RX.RY
sumsq
385
RX
n=10
b2 = 0.921
17
a2 = 0.4345
Sehingga R(x0) = 6
Dengan R(Yi ) < R(Y0)< R(YJ), dapat dilihat bahwa 5.5 < 5.9605 < 7
= 40 + [(5.9605-5.5)/(7-5.5)](60-40)
= 46.14
Menurut regresi monotonic, jika diberikan X0 = 3, maka estimasi E(Y|X) nya adalah 46.14
PARAMETRIK
𝑦̂ = 𝛽 0 + 𝛽 1 x
𝑦̂ = -24 + 24.727 x
18
NONPARAMETRIK
R(Xi) x
Data X Y R(Xi) R(Yi)
R(Yi)
1 0.5 0 1 2 2
2 1 0 2 2 4
3 1.5 20 3 4 12
4 2 0 4 2 8
5 2.5 40 5 5.5 27.5
6 3 60 6 7 42
7 3.5 40 7 5.5 38.5
8 4 80 8 8 64
9 4.5 100 9 9.5 85.5
10 5 100 10 9.5 95
sum
378.5
RX.RY
sumsq
385
RX
n=10
b2 = 0.921
a2 = 0.4345
Dimana Xi < x0 < XJ , perhatikan bahwa 3 < 3.3 < 3.5, jadi Xi = 3 dan XJ = 3.5
R(x0) = 6.6
19
Dengan R(Yi ) < R(Y0)< R(YJ), dapat dilihat bahwa 5.5 < 6.5131 < 7
= 40 + [(6.5131-5.5)/(7-5.5)](60-40)
= 53.508
Menurut regresi monotonic, jika diberikan X0 = 3.3 , maka estimasi E(Y|X) nya adalah 53.508
PARAMETRIK
𝑦̂ = -24 + 24.727 x
20
NONPARAMETRIK
Untuk seluruh XI ,
R(Xk)
no X Y R(Xi) R(Yi) est R(Xi) R(Xj) R(Xk) Xj Xk est R(xi) - R(Xj) est X
- R(Xj)
1 0.5 0 1 2 1.699783 1 2 0.5 1 0.699782845 1 0.849891
2 1 0 2 2 1.699783 1 2 0.5 1 0.699782845 1 0.849891
3 1.5 20 3 4 3.871336 3 4 1.5 2 0.871335505 1 1.935668
4 2 0 4 2 1.699783 1 2 0.5 1 0.699782845 1 0.849891
5 2.5 40 5 5.5 5.5 5 6 2.5 3 0.5 1 2.75
6 3 60 6 7 7.128664 7 8 3.5 4 0.128664495 1 3.564332
7 3.5 40 7 5.5 5.5 5 6 2.5 3 0.5 1 2.75
8 4 80 8 8 8.214441 8 9 4 4.5 0.214440825 1 4.10722
9 4.5 100 9 9.5 9.843105 9 10 4.5 5 0.84310532 1 4.921553
10 5 100 10 9.5 9.843105 9 10 4.5 5 0.84310532 1 4.921553
21
scatterplot
120
100
80
60
Y
40
20
0
0 1 2 3 4 5 6
100
80
60 Y
40 Y
20
0
0 1 2 3 4 5 6
-20
22
(a) Plot x terhadap y
scatterplot
50
40
30
20
Y
10
0
-20 0 20 40 60 80 100
-10
-20
Jika dilihat berdasarkan plot diatas, mungkin bahwa sales merupakan fungsi linear
yang monoton naik dari advertising.
PARAMETRIK
Y = 𝛽 0 + 𝛽 1 X + 𝜀 ~ NIID (0,𝜎2)
Y = response
X = dosage
23
𝑦̂ = 𝛽 0 + 𝛽 1 x
𝑦̂ = 5.9844 + 0.5201 x
NONPARAMETRIK
R(Xi) x
R(Xi) R(Yi)
Data X Y R(Yi)
1 4 10 3 3 9
2 62 33 8 5.5 44
3 31 39 6 8.5 51
4 -11 -14 1 1 1
5 47 37 7 7 49
6 88 39 10 8.5 85
7 16 18 4 4 16
8 -1 -8 2 2 4
9 74 45 9 10 90
10 21 33 5 5.5 27.5
sum
376.5
RX.RY
sumsq
385
RX
n=10
b2 = 0.89697
a2 = 0.566665
Dimana Xi < x0 < XJ , perhatikan bahwa -1 < 0.25 < 4, jadi Xi = -1 dan XJ = 4
24
Rank (-1) = 2 dan Rank(4) = 3
R(x0) = 2.25
Dengan R(Yi ) < R(Y0)< R(YJ), dapat dilihat bahwa 2 < 2.5848475 < 3
= -1 + [(2.5848475-2)/(3-2)](4+1)
= 1.9242375
Menurut regresi monotonic, jika diberikan X0 = 0.25 , maka estimasi E(Y|X) nya adalah
1.9242375
PARAMETRIK
𝑦̂ = 5.9844 + 0.5201 x
25
NONPARAMETRIK
Yj - Est. E(Y|X =
no X Y R(Xi) R(Yi) R(X0) R(Y0) R(Yi) R(Yj) YI Yj RY0 -Ryi Ryj-Ryi
Yi X0)
1 4 10 3 3 3 3.25758 3 4 10 18 0.25758 1 8 12.0606
2 62 33 8 5.5 8 7.74243 7 8.5 37 39 0.74243 1.5 2 37.9899
3 31 39 6 8.5 6 5.94849 5.5 7 33 37 0.44849 1.5 4 34.19596
-
4 -14 1 1 1 1.46364 1 2 -14 -8 0.46364 1 6 -11.21819
11
5 47 37 7 7 7 6.84546 5.5 7 33 37 1.34546 1.5 4 36.58788
6 88 39 10 8.5 10 9.53637 8.5 10 39 45 1.03637 1.5 6 43.14546
7 16 18 4 4 4 4.15455 4 5.5 18 33 0.15455 1.5 15 19.54545
8 -1 -8 2 2 2 2.36061 2 3 -8 10 0.36061 1 18 -1.50911
9 74 45 9 10 9 8.6394 8.5 10 39 45 0.1394 1.5 6 39.55758
10 21 33 5 5.5 5 5.05152 4 5.5 18 33 1.05152 1.5 15 28.51515
26
scatterplot
50
40
30
20
Y
10
0
-20 0 20 40 60 80 100
-10
-20
40
30
20
Y
Y
10
0
-20 0 20 40 60 80 100
-10
-20
27
PARAMETRIK
Y = 𝛽 0 + 𝛽 1 X + 𝜀 ~ NIID (0,𝜎2)
Y = result of explotion
𝑦̂ = 𝛽 0 + 𝛽 1 x
𝑦̂ = -0.24643 + 0.05422 x
Menurut statistika parametric, jika diberikan kekuatan sebesar 20, maka bom akan meledak
(Y=1 artinya bom meledak)
NONPARAMETRIK
28
6 19.9 1 15 13.5
7 20.7 1 16 13.5
8 21.6 1 17 13.5
9 4 0 1 5
10 4.4 0 2 5
11 4.7 0 3 5
12 5.1 0 4 5
13 9.3 0 5 5
14 11.2 0 7 5
15 13.7 0 8 5
16 15 0 10 5
17 19.7 0 14 5
Sum
RX.RY 1606.5
Sumsq
1785
RX
n=17
b2 = 0.5625
a2 = 3.9375
Dimana Xi < x0 < XJ , perhatikan bahwa 19.9 < 20 < 20.7, jadi Xi = 19.9 dan XJ = 20.7
R(x0) = 15.125
29
Dengan R(Yi ) < R(Y0)< R(YJ), dapat dilihat bahwa 5 < 12.4453125 < 13.5
= 0 + [(12.4453125-5)/(13.5-5)](1-0)
= 0.875919
≈1
Menurut regresi monotonik, jika diberikan kekuatan sebesar 20, maka bom akan meledak.
(Y=1 artinya bom meledak)
30