JTW 125

Statistik Perniagaan
Kursus Intensif
Asas pengujian hipotesis: ujian satu
sampel

1 Februari 2020; 5pm-7pm

 Objektif pelajaran

◼ Menyatakan prinsip asas pengujian hipotesis

◼ Menggunakan pengujian hipotesis untuk
menguji min atau perkadaran
◼ Andaian setiap prosedur pengujian hipotesis,
cara menilai dan akibatnya sekiranya andaian
tersebut dilanggar
 Apakah hipotesis?
◼ Hipotesis adalah satu tuntutan
mengenai parameter
populasi:

◼ Min populasi
Contoh: Min bulanan bil telefon bimbit di
bandar ini adalah μ = RM42
◼ Perkadaran populasi
Contoh: Perkadaran orang dewasa di
bandar ini yang mempunyai telefon bimbit
adalah π = 0.68
 Hipotesis nol, H0
◼ Menyatakan tuntutan atau dakwaan yang akan diuji
Contoh: Purata diameter bolt yang dihasilkan
adalah 30mm ( H 0 : μ = 30 )

◼ Adalah sentiasa mengenai parameter

populasi dan bukannya sampel statistik

H 0 : μ = 30 H 0 : X = 30
 Hipotesis nol, H0
◼ Mula dengan andaian bahawa hipotesis nol
adalah benar
◼ Serupa dengan tanggapan bahawa
seseorang itu tidak bersalah sehingga
dibuktikan sebaliknya

◼ Nol sentiasa mengandungi simbol “=“

◼ Mungkin ditolak atau tidak akan ditolak
 Hipotesis alternatif, H1
◼ Adalah bertentangan dengan hipotesis nol
◼ cth., Purata diameter bolt yang dihasilkan tidak
bersamaan dengan 30mm ( H1: μ ≠ 30 )
◼ Alternatif tidak mempunyai simbol “=”
◼ Boleh atau tidak boleh dibuktikan
◼ Biasanya merupakan hipotesis yang cuba
dibuktikan oleh penyelidik
Ujian statistik dan nilai kritikal
Taburan persampelan ujian statistik

Kawasan Kawasan
Kawasan penolakan
penolakan bukan
penolakan

Nilai kritikal

Terlalu jauh daripada min taburan persampelan

Kesilapan yang mungkin dalam proses
membuat keputusan ujian hipotesis

◼ Ralat jenis I
◼ Menolak hipotesis nol yang benar

◼ Dianggap sebagai jenis kesilapan yang serius

◼ Kebarangkalian ralat jenis I adalah 

◼ Dipanggil sebagai aras keertian ujian

◼ Ditetapkan oleh penyelidik terlebih dahulu

◼ Ralat jenis II
◼ Kegagalan menolak hipotesis nol yang palsu

◼ Kebarangkalian ralat jenis II adalah β

 Kesilapan yang mungkin dalam proses
membuat keputusan ujian hipotesis

◼ Pekali keyakinan (1-α) adalah kebarangkalian

tidak menolak H0 apabila ia adalah benar.

◼ Paras keyakinan satu ujian hipotesis adalah (1-

α)*100%.

◼ Kuasa ujian statistik (1-β) adalah

kebarangkalian menolak H0 apabila ia adalah
palsu.
 Hubungan ralat I & II

▪ Tidak boleh berlaku pada masa yang sama

▪Ralat I hanya boleh berlaku apabila H0 adalah
benar
▪Ralat II hanya boleh berlaku apabila H0 adalah
palsu

Apabila kebarangkalian ralat I () ,

kebarangkalian ralat II (β)
 Faktor mempengaruhi ralat jenis II

◼ Segalanya sama,
◼ β apabila berbezaan antara parameter
yang dihipotesis dan nilai sebenar

◼ β apabila 
◼ β apabila σ
◼ β apabila n
Ujian hipotesis untuk min

Ujian hipotesis
untuk 

 Known  Unknown
(Z test) (t test)
 Ujian Z bagi hipotesis min (σ
diketahui)

Hypothesis
Tests for 

σKnown
Known σUnknown
Unknown
(Z test) (t test)
The test statistic is:
X −μ
ZSTAT =
σ
n
 6 langkah dalam pengujian
hipotesis
1. Nyatakan hipotesis nol, H0 dan hipotesis
alternatif, H1
2. Pilih aras keyakinan, ,
3. Tentukan ujian statistik yang bersesuaian
4. Tentukan nilai kritikal dan kawasan yang
membahagikan kawasan penolakan dari
kawasan bukan penolakan
5. Keputusan
6. Kesimpulan
 Contoh
Ujikan dakwaan bahawa min sebenar diameter
bolt yang dihasilkan adalah 30mm.
(Andaikan σ = 0.8,  = 0.05, X = 29.84 dan n = 100)

1. H0: μ = 30 H1: μ ≠ 30 (ini adalah ujian 2 ekor)

2.  = 0.05
3. σ dianggap diketahui, maka ujian Z digunakan
X − μ 29.84 − 30 − .16
ZSTAT = = = = −2.0
σ 0.8 0.08
n 100

4. Nilai kritikal Z/2 = Z0.025 = ±1.96

 Hypothesis Testing Example

 = 0.05/2  = 0.05/2

Reject H0 Do not reject H0 Reject H0

-Zα/2 = -1.96 0 +Zα/2= +1.96

-2.0
Since ZSTAT = -2.0 < -1.96, reject the null hypothesis
and conclude there is sufficient evidence that the mean
diameter of a manufactured bolt is not equal to 30
 Contoh

5. Keputusan: Tolak H0 jika ZSTAT < -1.96 atau ZSTAT >

1.96
Oleh kerana ZSTAT = -2.0 < -1.96, maka tolak H0

6. Kesimpulan: Terdapat bukti yang mencukupi untuk

menyatakan bahawa min diameter bolt yang
dikeluarkan tidak bersamaan dengan 30mm pada
aras keertian 0.05.
Pendekatan nilai p untuk pengujian: tafsiran

◼ Bandingkan nilai p dengan 

◼ Jika p-value <  , tolak H0
◼ Jika p-value   , gagal tolak H0
 Contoh (soalan tadi)
Ujikan dakwaan bahawa min sebenar diameter
bolt yang dihasilkan adalah 30mm.
(Andaikan σ = 0.8,  = 0.05, X = 29.84 dan n = 100)

1. H0: μ = 30 H1: μ ≠ 30 (ini adalah ujian 2 ekor)

2.  = 0.05
3. σ diketahui, maka ujian Z digunakan
X − μ 29.84 − 30 − .16
ZSTAT = = = = −2.0
σ 0.8 0.08
n 100

4. Nilai kritikal Z/2 = Z0.025 = ±1.96

 3. (bersambung) Mengira nilai p.

P(Z < -2.0) = 0.0228 P(Z > 2.0) = 0.0228

0 Z

-2.0 2.0
p-value = 0.0228 + 0.0228 = 0.0456
◼ 4. Keputusan: Tolak H0 jika nilai p < α
◼ Oleh kerana nilai p = 0.0456 < α = 0.05, maka tolak
H0
◼ 5. Kesimpulan: Terdapat bukti yang mencukupi
untuk menyatakan bahawa min diameter bolt
yang dikeluarkan tidak bersamaan dengan
30mm pada aras keertian 0.05.
 Kaitan antara ujian dua ekor
dengan selang keyakinan
◼ Untuk X = 29.84, σ = 0.8 dan n = 100, selang keyakinan
95% adalah:
0.8 0.8
29.84 - (1.96) to 29.84 + (1.96)
100 100

29.6832 ≤ μ ≤ 29.9968

◼ Memandangkan selang ini tidak mengandungi hipotesis

min (30), kita tolak hipotesis nol pada  = 0.05
Ujian t hipotesis untuk min (σ
tidak diketahui)

Hypothesis
Tests for 

σKnown
Known σUnknown
Unknown
(Z test) (t test)
The test statistic is:

X −μ
t STAT =
S
n
 Contoh: ujian 2 ekor ( tidak diketahui)

Purata kos untuk satu bilik hotel

di KL dikatakan adalah RM168
satu malam. Untuk menentukan
sama ada dakwaan ini adalah
benar, satu sampel rawak 25
hotel diambil dan didapati X =
RM172.50 dan S = RM15.40. Uji
hipotesis yang sesuai pada  = H0: ______
0.05. H1: ______
 Contoh penyelesaian: ikut 6 langkah
untuk pengujian hipotesis

H0: μ = 168
/2=.025 /2=.025
H1: μ  168

◼  = 0.05 Reject H0 Do not reject H0 Reject H0

t 24,0.025
-t 24,0.025 0
◼ n = 25, df = 25-1=24 -2.0639 1.46
2.0639
◼  tidak diketahui, X−μ 172.50 − 168
guna statistik t t STAT = = = 1.46
S 15.40

◼ Nilai kritikal: n 25

±t24,0.025 = ± 2.0639 Gagal tolak H0: Tiada bukti yang mencukupi

untuk menyatakan bahawa min kos sebenar
adalah berbeza daripada RM168 pada aras
keertian 0.05.
 Ujian satu ekor

◼ Dalam kebanyakan kes, hipotesis alternatif

memberi tumpuan pada arah tertentu

Ini adalah ujian bawah ekor (lower-

H0: μ ≥ 3
tail test) memandangkan hipotesis
H1: μ < 3 alternatif tertumpu pada bahagian
ekor di bawah min = 3
H0: μ ≤ 3 Ini adalah ujian atas ekor (upper-tail
test) memandangkan hipotesis
H1: μ > 3
alternatif tertumpu pada bahagian
ekor di atas min = 3
 Ujian bawah ekor
H0: μ ≥ 3
◼ Hanya ada satu nilai H1: μ < 3
kritikal kerana
kawasan penolakan

cuma di satu hujung

Reject H0 Do not reject H0

Z or t
-Zα or -tα 0

μ X

Nilai kritikal
 Ujian atas ekor

H0: μ ≤ 3
◼ Hanya ada satu nilai
kritikal kerana H1: μ > 3
kawasan penolakan
cuma di satu hujung 

Do not reject H0 Reject H0

Z or t Zα or tα
0
_
X μ

Nilai kritikal
 Contoh: ujian t atas ekor untuk
min ( tidak diketahui)
Seorang pengurus syarikat telefon
berpendapat bahawa bil bulanan telefon
pelanggan telah meningkat kepada purata
lebih dari RM52 sebulan. Syarikat tersebut
ingin menguji dakwaan ini. Gunakan  = 0.1.

H0: μ ≤ 52 purata bil tidak melebihi RM52 sebulan

H1: μ > 52 purata bil melebihi RM52 sebulan
Andaikan satu sampel diambil dan keputusan
berikut diperolehi:
n = 25, X = 53.1, and S = 10

◼ Ujian statistik:

X−μ 53.1 − 52
t STAT = = = 0.55
S 10
n 25
 Reject H0

 = 0.10

Do not reject H0 Reject H0

1.3178
0
tSTAT = 0.55
Gagal tolak H0 memandangkan tSTAT = 0.55 ≤ 1.3178
Tiada bukti yang mencukupi untuk menyatakan bahawa
purata bil adalah melebihi RM52 pada aras keertian 0.1.
 Perkadaran
◼ Perkadaran sampel berkepentingan ditandakan
dengan p
◼ X number in category of interest in sample
p= =
n sample size
◼ Apabila kedua-dua X (np) dan n – X [n(1-p)]
adalah sekurang-kurangnya 5, p boleh
dianggarkan dengan taburan normal dengan
min dan sisihan piawai:

μp =   (1 −  )
σp =
n
 Ujian hipotesis untuk perkadaran

◼ The sampling
distribution of p is Hypothesis
approximately Tests for p
normal, so the test
statistic is a ZSTAT
value: X5 X<5
and or
p−π n–X5
Z STAT = n–X<5
π (1 − π )
Not discussed
n in this chapter
 Ujian Z untuk perkadaran

Sebuah syarikat
pemasaran mendakwa
bahawa ia menerima
maklum balas sebanyak
8% daripada mereka
yang ditinjau. Untuk
menguji dakwaan ini, Check:
X = 25
✓
satu sampel rawak 500
dikaji dan 25 maklum n-X = 475
balas diterima. Uji pada
aras keeertian  = 0.05
 Ujian Z untuk perkadaran: penyelesaian
Ujian statistik:
H0: π = 0.08
H1: π  0.08 p −π .05 − .08
Z STAT = = = −2.47
π (1 − π ) .08(1 − .08)
 = 0.05
n 500
n = 500, p = 0.05
Nilai kritikal: ± 1.96 Keputusan:
Oleh kerana ZSTAT = -2.47 < -
Reject Reject 1.96, maka tolak H0
Kesimpulan:
.025 .025 Terdapat bukti yang
mencukupi untuk menolak
-1.96 0 1.96 z
dakwaan syarikat bahawa
-2.47 kadar respons adalah 8%
pada aras keertian 0.05.
 Penyelesaian nilai p
Mengira nilai p dan bandingkan dengan 
(untuk ujian 2 ekor, nilai p juga sentiasa 2 ekor)

Do not reject H0
Reject H0 Reject H0 p-value = 0.0136:
/2 = .025 /2 = .025
P(Z  −2.47) + P(Z  2.47)
0.0068 0.0068
= 2(0.0068) = 0.0136

-1.96 0 1.96

Z = -2.47 Z = 2.47

Tolak H0 kerana p-value = 0.0136 <  = 0.05

Sekian, terima kasih.