ESTIMATION
Ditujukan untuk memenuhi salah satu tugas mata kuliah
STATISTIK yang dibimbing oleh Aswi, S.Si., M.Si., Ph.D
OLEH:
PRODI BIOTEKNOLOGI
PROGRAM PASCASARJANA
UNIVERSITAS NEGERI MAKASSAR
2022
KATA PENGANTAR
Puji dan syukur kita panjatkan kehadirat Allah S.W.T. yang telah
memberikan kesehatan sehingga penulis dapat menyelesaikan Makalah dengan
Judul “Estimation”. Penulisan makalah ini bertujuan untuk memenuhi tugas mata
kuliah Statistik.
Sekian makalah ini ditulis semoga dapat bermanfaat bagi para pembaca.
Penulis
DAFTAR ISI
KATA PENGANTAR
DAFTAR ISI
BAB I PENDAHULUAN
A. Latar Bekang
B. Rumusan Masalah
C. Tujuan
BAB II PEMBAHASAN
DAFTAR PUSTAKA
BAB I
PENDAHULUAN
A. Latar Belakang
C. Tujuan
Berdasarkan rumusan masalah yang telah diuraikan, maka tujuan dari
makalah ini yaitu untuk mempelajari tentang Estimasi.
BAB II
PEMBAHASAN
A. Estimasi
Dalam prakteknya, pendugaan tunggal yang terdiri atas satu angka tidak
memberikan gambaran mengenai berapa jarak/ selisih nilai penduga tersebut
terhadap nilai sebenarnya. Hal ini didasarkan atas pertimbangan bahwa suatu
nilai dugaan tidak mungkin dapat dipercaya 100%. Pendugaan interval
menunjukkan pada interval berapa suatu parameter populasi akan berada yang
dibatasi oleh dua nilai, yang disebut nilai batas bawah dan nilai batas atas.
B. Hubungan Antara Populasi dan Sample
sampel acak adalah pemilihan beberapa anggota populasi sedemikian rupa
sehingga setiap anggota dipilih secara independen dan memiliki probabilitas
tidak nol yang diketahui untuk dipilih. Sampel acak sederhana adalah sampel
acak yang setiap anggota kelompoknya memiliki peluang terpilih yang sama
C. Tabel Angka Acak
Angka acak (atau angka acak) adalah variabel acak X yang mengambil nilai
0, 1, 2, . . . , 9 dengan probabilitas yang sama. Bilangan acak yang dihasilkan
komputer adalah kumpulan angka yang memenuhi
berikut dua sifat:
(1) Setiap angka 0, 1, 2, . . . , 9 sama-sama mungkin terjadi.
(2) Nilai digit tertentu tidak tergantung pada nilai digit lainnya
terpilih.
D. Uji Klinik Acak
Sebuah uji klinis acak adalah jenis desain penelitian yang digunakan untuk
membandingkan pengobatan yang berbeda, di mana pasien ditugaskan untuk
pengobatan tertentu dengan beberapa mekanisme acak. Proses pemberian
perawatan kepada pasien disebut randomisasi. Pengacakan berarti jenis pasien
yang ditugaskan untuk modalitas pengobatan yang berbeda akan serupa jika
ukuran sampelnya besar. Namun, jika ukuran sampel kecil, maka
karakteristik pasien dari kelompok perlakuan mungkin tidak sebanding. Oleh
karena itu, biasanya menyajikan tabel karakteristik kelompok perlakuan yang
berbeda dalam RCT untuk memeriksa apakah proses pengacakan bekerja
dengan baik.
E. Estimasi Distribusi Rata Rata
Distribusi sampling X adalah distribusi nilai x atas semua kemungkinan
sampel berukuran n yang dapat dipilih dari populasi referensi.
Penduga alami yang digunakan untuk menaksir rata-rata populasi adalah
sampel Rata Rata
n
X =∑ X i / n
i=1
Apa sifat X yang menjadikannya penaksir yang diinginkan dari ? Kita harus
melupakan sampel khusus kita untuk saat ini dan mempertimbangkan
himpunan semua kemungkinan sampel berukuran n yang dapat dipilih dari
populasi. Nilai X pada masing-masing sampel ini secara umum akan berbeda.
Nilai-nilai ini akan dilambangkan dengan x1, x2, dan seterusnya. Dengan kata
lain, kita melupakan sampel kita sebagai entitas yang unik dan
menganggapnya sebagai perwakilan dari semua kemungkinan sampel
berukuran n yang dapat diambil dari populasi. Dengan kata lain, x adalah
realisasi tunggal dari variabel acak X atas semua kemungkinan sampel
berukuran n yang dapat dipilih dari populasi. Di sisa teks ini, simbol X
menunjukkan variabel acak, dan x menunjukkan realisasi spesifik dari
variabel acak X dalam sampel
Syntax R Studio :
> dbinom(28, 5000, 0.0056, log = FALSE)
[1] 0.07538032
Penyelesaian :
di sini ada 12 kejadian di atas 120.000 orang-tahun, jadi perkiraan tingkat
kejadian =12/120.000 = 1/10.000 = 0,0001 kejadian per orang-tahun.
Karena angka kejadian kanker per orang-tahun biasanya sangat rendah,
biasanya angka tersebut dinyatakan per 100.000 (atau 105) orang-tahun—
yaitu, untuk mengubah satuan waktu menjadi 105 orang-tahun. Jadi jika
satuan waktu = 105 orang-tahun, maka T = 1,2 dan = 0,0001 (105) =10
kejadian per 100.000 orang-tahun.
J. CL Satu Sisi
Contoh Soal :
Ada pengobatan standar untuk jenis kanker tertentu, dan pasien yang
menerima pengobatan memiliki tingkat kelangsungan hidup 5 tahun
sebesar 30%. Sebuah pengobatan baru diusulkan yang memiliki tingkat
kelangsungan hidup yang tidak diketahui p. Kami hanya akan tertarik
menggunakan pengobatan baru jika lebih baik dari pengobatan standar.
Misalkan 40 dari 100 pasien yang menerima pengobatan baru bertahan
selama 5 tahun. Bisakah kita mengatakan pengobatan baru lebih baik dari
pengobatan standar ?
Salah satu cara untuk menganalisis data ini adalah dengan membangun CI
satu sisi, di mana kita hanya tertarik pada satu batas interval, dalam hal ini
batas bawah. Jika 30% di bawah batas bawah, maka kemungkinan angka
kelangsungan hidup 5 tahun bagi pasien yang mendapatkan pengobatan
baru adalah perkiraan yang tidak mungkin. Kami cukup dapat
menyimpulkan dari ini bahwa pengobatan baru lebih baik daripada
pengobatan standar dalam kasus ini
Penyelesaian :
Kami memiliki ^p= 0,6. Jadi 95% CI diberikan oleh
[
pr p <.6+1.645
√ ].6 ( .4 )
100
=.95
Karena 70% tidak berada dalam interval ini [yaitu (0, .681)], kita dapat
menyimpulkan bahwa pengobatan baru memiliki tingkat kematian yang
lebih rendah daripada pengobatan lama.
K. Rangkuman
Materi ini memperkenalkan konsep distribusi sampling. Konsep ini sangat
penting untuk memahami prinsip-prinsip inferensi statistik. Ide dasarnya
adalah untuk melupakan sampel kita sebagai entitas yang unik dan sebagai
gantinya menganggapnya sebagai sampel acak dari semua kemungkinan
sampel berukuran n yang dapat diambil dari populasi yang diteliti. Dengan
menggunakan konsep ini, X ditunjukkan sebagai penaksir tak bias dari
rata-rata populasi ; yaitu, rata-rata semua rata-rata sampel atas semua
kemungkinan sampel acak berukuran n yang dapat diambil akan sama
dengan rata-rata populasi. Selanjutnya, jika populasi kita mengikuti
distribusi normal, maka X memiliki varians minimum di antara semua
penduga tak bias yang mungkin dan dengan demikian disebut penduga tak
bias varian minimum dari, jika populasi kita mengikuti distribusi normal,
maka X juga mengikuti distribusi normal. Namun, bahkan jika populasi
kita tidak normal, rata-rata sampel masih mengikuti distribusi normal
untuk ukuran sampel yang cukup besar. Ini sangat penting, yang
membenarkan banyak pengujian hipotesis yang kita pelajari di sisa buku
ini, disebut teorema limit-pusat. Ide tentang estimasi interval (atau CI)
kemudian diperkenalkan. Secara khusus, 95% CI didefinisikan sebagai
interval yang akan berisi parameter sebenarnya untuk 95% dari semua
sampel acak yang dapat diperoleh dari populasi referensi. Prinsip-prinsip
estimasi titik dan interval sebelumnya diterapkan pada hal-hal berikut:
(1) Menaksir mean dari distribusi normal
(2) Memperkirakan varians 2 dari distribusi normal
(3) Mengestimasi parameter p dari distribusi binomial
(4) Menaksir parameter dari distribusi Poisson
(5) Memperkirakan nilai harapan dari distribusi Poisson
Distribusi t dan chi-kuadrat diperkenalkan untuk mendapatkan perkiraan
interval untuk (1) dan (2),
L. Penggunaan Software r