Anggota:
- Sekar Pinestri (19/439147/PA/18970)
- Kezya Fabian R. (19/440064/PA/19053)
- Halimah Azzahra R.K (19/442449/PA/19198)
20.7
Probabilitas yang diminta sama dengan probabilitas yang setidaknya 𝑎 observasi berada
sama dengan atau di bawah π0.9 dan sebanyak-banyaknya 𝑏 berada sama dengan atau di
bawah π0.9. Banyaknya observasi berdistribusi binomial dengan sampel berukuran n dan
peluang sukses 𝑃𝑟(𝑋≤π0.9). Ambil 𝑁 sebagai variabel binomial. Diinginkan
Pr 𝑃𝑟 (𝑎≤𝑁≤𝑏) = 0. 95. Berdasarkan teorema central limit,
𝑎−0.9𝑛 𝑏−0.9𝑛
Pr 𝑃𝑟 ⎡⎢ ≤𝑍≤ ⎤ = 0. 95.
⎥
⎣ 0.09𝑛 0.09𝑛 ⎦
Dari interval simestrisnya didapatkan:
𝑎−0.9𝑛
− 1. 96 = ⟺𝑎 = 0. 9𝑛 − 1. 96 0. 9(0. 1)𝑛,
0.09𝑛
𝑑𝑎𝑛
𝑏−0.9𝑛
1. 96 = ⇔𝑏 = 0. 9𝑛 + 1. 96 0. 9(0. 1)𝑛.
0.09𝑛
20.9
Diketahui dari soal:
- Jumlah observasi sebanyak 1000
- α=2
- θ = 500
Menggunakan syntax:
#Membuat simulasi data berdistribusi gamma(2,1/500)
data=data.frame(Data=sort(rgamma(1000,2,1/500),decreasing=FALS
E))
Uji Chi-Square:
● Hipotesis:
H0 : Data berasal distribusi gamma
H1 : Data tidak berasal dari distribusi gamma
● Tingkat signifikansi α = 0. 05
● Daerah Kritik
H0 ditolak jika p-value < α.
● Statistic test
𝑘
2
(
χ = ∑ 𝑂𝑖 − 𝐸𝑖 /𝐸𝑖
𝑖=1
)2
2
Diperoleh χ = 6. 471639 dengan p-value= 0.4858788.
● Kesimpulan
Karena didapatkan p-value = 0.4858788 > 0.05 =α, maka H0 tidak ditolak yang berarti
data yang digunakan berasal dari distribusi Gamma.
Interpretasi:
Dari Uji Kolmogorov-Smirnov dan Uji Chi-Square di atas, dapat disimpulkan bahwa data
simulasi yang dibuat berasal dari distribusi Gamma.
Sintaks untuk Nomor 20.9
## Uji Kolmogorov-Smirnov ##
library(base)
library(dplyr)
bound=seq(0, plyr::round_any(max(data),500,f=ceiling), 500)
data_values_range <- data_values %>%
mutate(ranges = cut(Data,
bound)) %>%
group_by(ranges) %>%
dplyr::summarize(Count = sum(value)) %>%
as.data.frame()
data_values_range
px=append(px,pgamma(bound[i+1],2,1/500)-pgamma(bound[i],2,1/50
0))
theo.count=append(theo.count,px[i]*nrow(data))
}
theo.count
data_values_range=data.frame(data_values_range,Theo_Count=theo
.count)
data_values_range
chisq=append(chisq,(data_values_range[i,2]-data_values_range[i
,3])^2/data_values_range[i,3])
}
chisq
data_values_range=data.frame(data_values_range,Chisq_Value=chi
sq)
data_values_range