William - Mendenhall - Robert - J - Beaver - Barbara - M - Bookfi-Org Bab 15.en - Id

Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.
com
2 ❍ BAB 14ANALISIS DATA KATEGORI
15
Statistik Nonparametrik
TUJUAN UMUM
Dalam Bab 8-10, kami menyajikan teknik statistik untuk
membandingkan dua populasi dengan membandingkan
masing-masing parameter populasinya (biasanya rata-rata
populasinya). Teknik pada Bab 8 dan 9 dapat diterapkan pada
data yang setidaknya bersifat kuantitatif, dan teknik pada Bab
10 dapat diterapkan pada data yang memiliki distribusi
normal. Tujuan bab ini adalah menyajikan beberapa uji
statistik untuk membandingkan populasi untuk banyak jenis
data yang tidak memenuhi asumsi yang ditentukan dalam Bab
8-10. © Don Carstens/Merek X/CORBIS
INDEKS BAB
● Si FriedmanFr-tes (15.7)
● Kruskal–WallisH-tes (15.6)
Bagaimana Tingkat
Kolesterol Anda?
● Tes parametrik versus nonparametrik (15.1)
● Koefisien korelasi peringkat (15,8) Berapa kadar kolesterol Anda? Banyak dari
● Tes tanda untuk percobaan berpasangan (15.3) kita menjadi lebih sadar akan kesehatan
● Tes jumlah peringkat Wilcoxon: Sampel acak dalam beberapa tahun terakhir ketika kita
independen (15.2) membaca label nutrisi pada produk makanan
● Tes peringkat bertanda Wilcoxon untuk eksperimen yang kita beli dan memilih makanan yang
berpasangan (15.5)
rendah lemak dan kolesterol serta tinggi serat.
Studi kasus di akhir bab ini melibatkan
percobaan uji rasa untuk membandingkan tiga
jenis pengganti telur, dengan menggunakan
teknik nonparametrik.
629
630 ❍ BAB 15STATISTIK NONPARAMETRIK
PENGANTAR
15.1
Beberapa eksperimen menghasilkan respons yang dapat diurutkan atau diberi
peringkat, tetapi nilai sebenarnya dari respons tidak dapat diukur secara numerik
kecuali dengan skala arbitrer yang mungkin Anda buat. Mungkin Anda hanya dapat
mengetahui apakah satu pengamatan lebih besar dari yang lain. Mungkin Anda dapat
memeringkat seluruh rangkaian pengamatan tanpa benar-benar mengetahui nilai
numerik yang tepat dari pengukuran tersebut. Berikut beberapa contohnya:
• Kemampuan penjualan dari empat perwakilan penjualan diberi peringkat dari yang terbaik
hingga yang terburuk.
• Karakteristik yang dapat dimakan dan rasa dari lima merek dedak kismis
dinilai pada skala 1 sampai 5.
• Lima desain mobil diberi peringkat dari yang paling menarik hingga yang paling tidak
menarik.
Bagaimana Anda bisa menganalisis jenis data ini? Metode statistik sampel kecil yang
Ketika ukuran
sampelkecil dan
disajikan dalam Bab 10-13 hanya valid jika populasi sampel normal atau kira-kira
populasi aslinya normal. Data yang terdiri dari peringkat atau skala arbitrer dari 1 sampai 5 tidak
tidaknormal, memenuhi asumsi normalitas, bahkan sampai tingkat yang wajar. Dalam beberapa
gunakan teknik aplikasi, teknik tersebut valid jika sampel diambil secara acak dari populasi yang
nonparametrik.
variansnya sama.
Ketika data tampaknya tidak memenuhi asumsi ini dan yang serupa, metode
analisis alternatif dapat digunakan—metode statistik nonparametrik. Metode
nonparametrik umumnya menentukan hipotesis dalam hal distribusi populasi
daripada parameter seperti rata-rata dan standar deviasi. Asumsi parametrik sering
diganti dengan asumsi yang lebih umum tentang distribusi populasi, dan peringkat
pengamatan sering digunakan sebagai pengganti pengukuran sebenarnya.
Penelitian telah menunjukkan bahwa uji statistik nonparametrik hampir mampu
mendeteksi perbedaan di antara populasi sebagai metode parametrik dari bab-bab
sebelumnya ketika normalitas dan asumsi lainnya terpenuhi. Mereka mungkin, dan
seringkali, lebih kuat dalam mendeteksi perbedaan populasi ketika asumsi ini tidak
terpenuhi. Untuk alasan ini, beberapa ahli statistik menganjurkan penggunaan
prosedur nonparametrik dalam preferensi untuk rekan parametrik mereka.
Kami akan menyajikan metode nonparametrik yang sesuai untuk membandingkan
dua atau lebih populasi menggunakan sampel independen atau berpasangan. Kami
juga akan menyajikan ukuran asosiasi yang berguna dalam menentukan apakah satu
variabel meningkat dengan peningkatan lainnya atau apakah satu variabel menurun
dengan peningkatan lainnya.
15.2
UJI JUMLAH PERINGKAT WILCOXON:
SAMPEL RANDOM INDEPENDEN
Dalam membandingkan rata-rata dua populasi berdasarkan sampel independen,
statistik terpenting adalah perbedaan rata-rata sampel. Jika Anda tidak yakin bahwa
asumsi yang diperlukan untuk uji-t dua sampel terpenuhi, salah satu alternatifnya
adalah mengganti nilai pengamatan dengan peringkatnya dan melanjutkan seolah-
olah peringkat tersebut adalah pengamatan yang sebenarnya. Dua tes nonparametrik
yang berbeda menggunakan statistik uji berdasarkan peringkat sampel ini:
• Tes jumlah peringkat Wilcoxon
• Tes U Mann-Whitney
15.2 UJI JUMLAH PERINGKAT WILCOXON: SAMPEL RANDOM INDEPENDEN ❍ 631
Mereka setara karena mereka menggunakan informasi sampel yang sama. Prosedur
yang akan kami sajikan adalah uji jumlah peringkat Wilcoxon, yang diusulkan oleh
Frank Wilcoxon, yang didasarkan pada jumlah peringkat sampel yang memiliki
ukuran sampel yang lebih kecil.
Asumsikan bahwa Anda memiliki n1 pengamatan dari populasi 1 dan n2
pengamatan dari populasi 2. Hipotesis nol yang akan diuji adalah bahwa dua
distribusi populasi identik versus hipotesis alternatif bahwa distribusi populasi
berbeda. Ini adalah kemungkinan untuk dua populasi:
• Jika H0 benar dan pengamatan berasal dari populasi yang sama atau identik,
maka pengamatan dari kedua sampel harus dicampur secara acak ketika
diurutkan dari kecil ke besar. Jumlah peringkat pengamatan dari sampel 1
harus serupa dengan jumlah peringkat dari sampel 2.
• Sebaliknya, jika pengamatan dari populasi 1 cenderung lebih kecil daripada
pengamatan dari populasi 2, maka pengamatan ini akan memiliki peringkat
yang lebih kecil karena sebagian besar pengamatan ini akan lebih kecil
daripada pengamatan dari populasi 2. Jumlah peringkat dari pengamatan ini
akan menjadi "kecil".
• Jika pengamatan dari populasi 1 cenderung lebih besar dari populasi 2,
pengamatan ini akan diberi peringkat yang lebih besar. Jumlah peringkat
pengamatan ini cenderung "besar".
Misalnya, Anda memiliki n1 = 3 pengamatan dari populasi 1—2, 4, dan 6—dan n2

= 4 pengamatan dari populasi 2—3, 5, 8, dan 9. Tabel 15.1 menunjukkan tujuh
pengamatan yang diurutkan dari kecil ke besar.
TABEL 15.1 ● Tujuh Pengamatan dalam Urutan

Pengamatanx1 y1 x2 y2 x3 y3 y4
Data 2 3 4 5 6 8 9
Pangkat 1 2 3 4 5 6 7
Pengamatan terkecil, x1 = 2, diberi peringkat 1; pengamatan terkecil berikutnya, y1 =

3, diberi peringkat 2; dan seterusnya. Jumlah rangking pengamatan dari sampel 1
adalah 1 + 3 + 5 = 9, dan jumlah rangking dari sampel 2 adalah 2 + 4 + 6 + 7 =
19. Bagaimana Anda menentukan apakah jumlah peringkat observasi dari sampel 1
signifikan kecil atau signifikan besar? Hal ini tergantung pada distribusi probabilitas
dari jumlah peringkat salah satu sampel. Karena rank untuk n1 + n2 = N pengamatan
adalah bilangan bulat N pertama, jumlah dari rank ini dapat ditunjukkan sebagai N(N
+ 1)/2. Dalam contoh sederhana ini, jumlah peringkat N = 7 adalah 1 + 2 + 3 + 4 + 5
+ 6 + 7 = 7(8)/2 atau 28. Oleh karena itu, jika Anda mengetahui jumlah peringkat
untuk salah satu sam - ples, Anda dapat menemukan yang lain dengan pengurangan.
Dalam contoh kita, perhatikan bahwa jumlah peringkat untuk sampel 1 adalah 9,
sedangkan jumlah peringkat kedua adalah (28 — 9) = 19. Ini berarti bahwa hanya
satu dari dua jumlah peringkat yang diperlukan untuk ujian. Untuk menyederhanakan
tabulasi nilai kritis untuk pengujian ini, Anda harus menggunakan jumlah peringkat
dari sampel yang lebih kecil sebagai statistik pengujian. Apa yang terjadi jika dua
atau lebih pengamatan sama? Pengamatan yang diikat diberikan rata-rata peringkat
yang akan dimiliki oleh pengamatan jika nilainya sedikit berbeda.
Untuk menerapkan uji jumlah peringkat Wilcoxon, misalkan sampel acak
independen dengan ukuran n1 dan n2 masing-masing dipilih dari populasi 1 dan 2.
Misalkan n1 mewakili yang lebih kecil dari dua ukuran sampel, dan misalkan T1
mewakili jumlah dari peringkat
pengamatan dalam sampel 1. Jika populasi 1 terletak di sebelah kiri populasi 2, T1

akan menjadi "kecil". T1 akan “besar” jika populasi 1 terletak di sebelah kanan
populasi 2.
RUMUS UNTUK STATISTIK JUMLAH PERINGKAT

WILCOXON (UNTUK SAMPEL INDEPENDEN)
Membiarkan
T1 = Jumlah peringkat untuk sampel pertama
T*11=12n (n + n + 1) — T 1
T*1 adalah nilai jumlah rangking untuk n jika
1 pengamatan telah diurutkan dari
besar ke kecil.(Ini bukan jumlah peringkat untuk sampel kedua.) Bergantung
pada sifat hipotesis alternatif, salah satu dari dua nilai ini akan dipilih sebagai uji
statistik, T.
Tabel 7 dalam Lampiran I dapat digunakan untuk menemukan nilai kritis untuk uji
statistik untuk empat nilai uji satu sisi yang berbeda dengan a = 0,05, 0,025, 0,01, dan
0,005. Untuk menggunakan Tabel 7 untuk uji dua sisi, nilai a digandakan—yaitu, a =
0,10, 0,05, 0,02, dan 0,01. Entri yang diajukan memberikan nilai a sehingga P(T ≤ a)
≤ a. Untuk melihat bagaimana menemukan nilai kritis untuk uji jumlah peringkat
Wilcoxon, misalkan n1 = 8 dan n2 = 10 untuk uji satu arah dengan a = 0,05. Anda
dapat menggunakan Tabel 7(a), yang sebagian direproduksi pada Tabel 15.2.
Perhatikan bahwa tabel dibuat dengan mengasumsikan bahwa n1 ≤ n2. Karena alasan
inilah kami menunjuk populasi dengan ukuran sampel yang lebih kecil sebagai
populasi 1. Nilai n1 ditunjukkan di bagian atas tabel, dan nilai n2 ditunjukkan di sisi
kiri bawah. Entri—a = 56, diarsir—adalah nilai kritis untuk penolakan H0. Hipotesis
nol persamaan dua distribusi harus ditolak jika nilai yang diamati dari statistik uji T
kurang dari atau sama dengan 56.
Sebagian dari 5% Nilai Kritis Ekor Kiri,

TABEL 15.2 ● Tabel 7 pada Lampiran I
n1
n2 2 3 4 5 6 7 8
3 — 6
4 — 6 11
5 3 7 12 19
6 3 8 13 20 28
7 3 8 14 21 29 39
8 4 9 15 23 31 41 51
9 4 10 16 24 33 43 54
10 4 10 17 26 35 45 56
UJI JUMLAH PERINGKAT WILCOXON
Biarkan n1 menunjukkan yang lebih kecil dari dua ukuran sampel. Sampel ini
berasal dari populasi 1. Hipotesis yang akan diuji adalah
H0 : Distribusi untuk populasi 1 dan 2 identik versus salah satu dari tiga
hipotesis alternatif:
Hsebuah : Distribusi untuk populasi 1 dan 2 berbeda (uji dua sisi)

Hsebuah : Distribusi populasi 1 terletak di sebelah kiri distribusi populasi 2 (uji
arah kiri)
Hsebuah : Distribusi populasi 1 terletak di sebelah kanan distribusi populasi 2
(uji arah kanan)
1. Urutkan semua pengamatan n1 + n2 dari kecil ke besar.
2. Temukan T1, jumlah peringkat untuk pengamatan dalam sampel 1. Ini adalah
statistik uji untuk uji arah kiri.
3. Temukan T * = n (n + n + 1) — T , jumlah dari peringkat pengamatan
1 1 1 2 1
dari populasi 1 jika peringkat yang ditetapkan telah dibalik dari besar ke kecil.
(Nilai T* bukan1jumlah dari peringkat pengamatan dalam sampel 2.) Ini
adalah uji statistik untuk uji arah kanan.
4. Statistik uji untuk uji dua sisi adalah T, minimum T1 dan T*. 1
5. H0 ditolak jika statistik uji yang diamati kurang dari atau sama dengan nilai
kritis yang ditemukan menggunakan Tabel 7 pada Lampiran I.
Kami mengilustrasikan penggunaan Tabel 7 dengan contoh berikut.

CONTOH 15.1
Frekuensi kepakan sayap dari dua spesies lebah Euglossine dicatat untuk sampel n1 =
4 Euglossa mandibularis Friese (spesies 1) dan n2 = 6 Euglossa imperialalis
Cockerell (spesies 2).1 Frekuensi tersebut tercantum dalam Tabel 15.3. Dapatkah
Anda menyimpulkan bahwa distribusi kepakan sayap berbeda untuk kedua spesies
ini? Uji menggunakan a = 0,05.
TABEL 15.3 ● Frekuensi Sapuan Sayap untuk Dua Spesies Lebah

Jenis1 Spesies 2
235 180
225 169
190 180
188 185
178
182
Larutan Pertama-tama Anda perlu mengurutkan pengamatan dari kecil ke besar,

seperti yang ditunjukkan pada Tabel 15.4.
TABEL 15.4 ● Peringkat Frekuensi Pukulan Sayap dari Kecil ke Besar

Data Jenis Pang
kat
169 2 1
178 2 2
180 2 3
180 2 4
182 2 5
185 2 6
188 1 7
190 1 8
225 1 9
235 1 10
Hipotesis yang akan diuji adalah

H0 : Distribusi frekuensi kepakan sayap sama untuk kedua spesies
melawan
Hsebuah : Distribusi frekuensi kepakan sayap berbeda untuk kedua spesies
Karena ukuran sampel untuk individu dari spesies 1, n1 = 4, lebih kecil dari dua ukuran
sampel, Anda memiliki
T1 = 7 + 8 + 9 + 10 = 34
dan
T* = n (n + n + 1) — T = 4(4 + 6 + 1) — 34 = 10
1 1 1 2 1
Untuk uji dua sisi, statistik uji adalah T = 10, semakin kecil T1 = 34 dan T * = 110.
Untuk uji dua sisi ini dengan a = 0,05, Anda dapat menggunakan Tabel 7(b) di
Lampiran I dengan n1 = 4 dan n2 = 6. Nilai kritis T sehingga P(T ≤ a) ≤ a/2 = 0,025
adalah 12, dan Anda harus menolak hipotesis nol jika nilai T yang diamati adalah 12
atau kurang. Karena nilai yang diamati dari uji statistik—T = 10—kurang dari 12,
Anda dapat menolak hipotesis distribusi yang sama dari frekuensi kepakan sayap
pada tingkat signifikansi 5%.
Cetakan MINITAB dari uji jumlah peringkat Wilcoxon (disebut Mann–Whitney
oleh MINITAB) untuk data ini diberikan pada Gambar 15.1. Anda akan menemukan
petunjuk untuk menghasilkan output ini di bagian “MINITAB Saya” di akhir bab ini.
Perhatikan bahwa jumlah peringkat dari sampel pertama diberikan sebagai W = 34,0,
yang sesuai dengan perhitungan kami. Dengan nilai p yang dilaporkan sebesar 0,0142
dihitung dengan MINITAB, Anda dapat menolak hipotesis nol pada tingkat 5%.
GAMBAR 15.1
●
Uji Mann-Whitney dan CI: Spesies 1, Spesies 2
Hasil cetakuntuk Contoh
15.1 N median
Spesies 1 4 207.50
Spesies 2 6 180.00
Estimasi poin untuk ETA1-ETA2 adalah 30,50

95,7 Persen CI untuk ETA1-ETA2 adalah
(5,99,56,01) W = 34,0
Uji ETA1 = ETA2 vs ETA1 tidak = ETA2 signifikan pada 0,0142 Uji
signifikan pada 0,0139 (disesuaikan)
Perkiraan Normal
untuk Tes Jumlah Peringkat Wilcoxon
Tabel 7 pada Lampiran I memuat nilai kritis untuk ukuran sampel n1 ≤ n2 = 3, 4, . . . .
n1(n1 + n2 + 1) n1n2(n1 + n2 + 1)
m T = ——
2
dan s T= ——
2 12
†
Beberapa peneliti menunjukkan bahwa pendekatan normal cukup untuk sampel sekecil n1 = n2 = 4.
Distribusi dari
T—mT
z= ——
st
kira-kira normal dengan mean 0 dan standar deviasi 1 untuk nilai n1 dan n2
sekecil 10.
Jika Anda mencoba pendekatan ini untuk Contoh 15.1, Anda mendapatkan
n1(n1 + n2 + 1) 4(4 + 6 + 1)
mT = —— = —— = 22
2 2
dan
n1n2(n1 + n2 + 1) 4(6)(4 + 6 + 1)
s2 T = —— = —— = 22
12 12
Nilai p untuk tes ini adalah 2P(T ≥ 34). Jika Anda menggunakan koreksi 0,5 untuk
kontinuitas dalam menghitung nilai z karena n1 dan n2 keduanya kecil,† Anda punya
T—mT (34 — 0,5) — 22
z = —— = —— = 2,45
sT √¯22
Nilai p untuk tes ini adalah
2P(T ≥ 34) ≈ 2P(z ≥ 2.45) = 2(.0071) = .0142
nilai yang dilaporkan pada cetakan MINITAB pada Gambar 15.1.
UJI JUMLAH PERINGKAT WILCOXON UNTUK SAMPEL BESAR:n1

W10 dann2 W10
Hipotesis nol: H0 : Distribusi populasi identik

Hipotesis alternatif: Ha : Dua distribusi populasi tidak identik (uji dua sisi).
Atau Ha : Distribusi populasi 1 digeser ke kanan (atau kiri) distribusi
populasi 2 (one-tailed test).
T— n 1(n
12 + n + 1)/2
3. Uji statistik: z = ———
√¯n1n2(n1¯+ n2¯+ 1)/1¯2
Wilayah penolakan:
Untuk uji dua sisi, tolak H0 jika z > za/2 atau z < —za/2.
Untuk uji satu sisi di sisi kanan, tolak H0 jika z > za.
Untuk uji satu sisi di sisi kiri, tolak H0 jika z < —za. Atau
tolak H0 jika p-value < a.
Nilai z yang ditabulasi ditemukan pada Tabel 3 Lampiran
I.
CONTOH 15.2
Eksperimen dilakukan untuk membandingkan kekuatan dua jenis kertas kraft: satu
kertas kraft standar dengan berat tertentu dan yang lainnya kertas kraft standar yang
sama yang diolah dengan bahan kimia. Sepuluh lembar dari setiap jenis kertas, dipilih
secara acak dari produksi, menghasilkan pengukuran kekuatan yang ditunjukkan pada
Tabel 15.5. Uji hipotesis nol tentang tidak ada perbedaan dalam distribusi kekuatan
untuk keduanya
†
Karena nilai T = 34 terletak di sebelah kanan rata-rata 22, pengurangan 0,5 dalam menggunakan pendekatan
normal memperhitungkan batas bawah batang di atas nilai 34 dalam distribusi probabilitas T.
jenis kertas versus hipotesis alternatif bahwa kertas yang diberi perlakuan cenderung
lebih kuat (yaitu, distribusi pengukuran kekuatannya digeser ke kanan dari distribusi
yang sesuai untuk kertas yang tidak diberi perlakuan).
Pengukuran Kekuatan (dan Peringkatnya)

TABEL 15.5 ● untuk Dua Jenis Kertas
Standar 1 Diobati 2
1.21 (2) 1.49 (15)
1.43 (12) 1.37 (7.5)
1,35 (6) 1.67 (20)
1,51 (17) 1,50 (16)
1.39 (9) 1.31 (5)
1.17 (1) 1.29 (3.5)
1.48 (14) 1,52 (18)
1.42 (11) 1.37 (7.5)
1.29 (3.5) 1.44 (13)
1.40 (10) 1,53 (19)
Jumlah peringkat T1 =85.5
T* =n(n+n +1)—T =210—85.5=124.5
1 1 1 2 1
LarutanKarena ukuran sampelnya sama, Anda bebas untuk memutuskan yang mana
dari kedua sampel tersebut yang harus menjadi sampel 1. Memilih perlakuan standar
sebagai sampel pertama, Anda dapat mengurutkan 20 pengukuran kekuatan,1 dan nilai
T1 dan T* ditampilkan di bagian bawah tabel. Karena Anda ingin mendeteksi
pergeseran dalam pengukuran standar (1) ke kiri pengukuran (2) yang diberi
perlakuan, Anda melakukan uji arah kiri:
H0 : Tidak ada perbedaan dalam distribusi kekuatan
Hsebuah : Distribusi standar terletak di sebelah kiri distribusi yang diperlakukan
dan gunakan T = T1 sebagai statistik uji, mencari nilai T yang sangat kecil.
Untuk menemukan nilai kritis untuk uji satu sisi dengan a = 0,05, indeks Tabel
7(a) pada Lampiran I dengan n1 = n2 = 10. Dengan menggunakan entri tabel, Anda
dapat menolak H0 ketika T ≤ 82. Karena yang diamati nilai statistik uji adalah T =
85,5, Anda tidak dapat menolak H0. Tidak ada cukup bukti untuk menyimpulkan
bahwa kertas kraft yang dirawat lebih kuat dari kertas standar.
Untuk menggunakan perkiraan normal distribusi T, Anda dapat menghitung
n1(n1 + n2 + 1) 10(21)
mT = —— = —— = 105
2 2
dan
n1n2(n1 + n2 + 1) 10(10)(21)
s2T = —— = —— = 175
12 12
dengan sT = √¯175 = 13,23. Kemudian
T—mT 85,5 — 105
z = —— = —— = —1,47
st 13.23
Nilai p satu sisi yang sesuai dengan z = —1,47 adalah
p-nilai = P(z ≤ —1.47) = .5 — .4292 = .0708
yang lebih besar dari a = 0,05. Kesimpulannya sama. Anda tidak dapat menyimpulkan
bahwa kertas kraft yang dirawat lebih kuat dari kertas standar.
Kapan sebaiknya uji jumlah peringkat Wilcoxon digunakan sebagai preferensi

terhadap uji-t dua sampel tidak berpasangan? Uji-t dua sampel bekerja dengan baik
jika data terdistribusi normal dengan varians yang sama. Jika ada keraguan tentang
asumsi ini, plot probabilitas normal dapat digunakan untuk menilai tingkat
ketidaknormalan, dan uji-F dua sampel dari varian sampel dapat digunakan untuk
memeriksa kesamaan varian. Jika prosedur ini menunjukkan ketidaknormalan atau
ketidaksetaraan varians, maka uji jumlah peringkat Wilcoxon sesuai.
15.2LATIHAN
TEKNIK DASAR 15.5 Misalkan Anda ingin mendeteksi pergeseran

15.1 Misalkan Anda ingin menggunakan uji jumlah distribusi 1 ke kanan distribusi 2 berdasarkan ukuran
peringkat Wilcoxon untuk mendeteksi pergeseran sampel n1 = 12 dan n2 = 14. Jika T1 = 193, apa yang
distribusi 1 ke kanan distribusi 2 berdasarkan sampel Anda simpulkan? Gunakan a = 0,05.
berukuran n1 = 6 dan n2 = 8.
a. Haruskah Anda menggunakan T1 atau T* sebagai APLIKASI
1
statistik uji? 15.6 Penyakit AlzheimerDalam beberapa tes
b. Berapakah daerah penolakan untuk pengujian jika a terhadap pria lanjut usia yang sehat, obat baru telah
= 0,05? memulihkan ingatan mereka hampir seperti orang
c. Berapakah daerah penolakan untuk pengujian jika a muda. Ini akan segera diuji pada pasien penyakit
= 0,01? Alzheimer, gangguan otak fatal yang merusak pikiran.
Menurut Dr. Gary Lynch dari University of California,
15.2 Lihat Latihan 15.1. Misalkan hipotesis Irvine, obat yang disebut ampakine CX-516,
alternatif adalah bahwa distribusi 1 bergeser ke kiri
mempercepat sinyal antara sel-sel otak dan tampaknya
atau ke kanan dari distribusi 2. mempertajam memori secara signifikan. pria berusia
a. Haruskah Anda menggunakan
1 T1 atau T* sebagai 65-70, hasilnya sangat mencolok. Setelah diberi dosis
statistik uji? ringan obat ini, pria berusia 65-70 tahun mendapat
b. Berapakah daerah penolakan untuk pengujian jika a skor hampir setinggi orang muda. Data yang
= 0,05? menyertainya adalah jumlah suku kata yang tidak
c. Berapakah daerah penolakan untuk pengujian jika a masuk akal yang diingat setelah 5 menit untuk 10 pria
= 0,01? berusia 20-an dan 10 pria berusia 65-70 tahun.
15.3 Pengamatan dari dua sampel acak dan Menggunakan
independen, diambil dari populasi 1 dan 2, diberikan
di sini. Gunakan uji jumlah peringkat Wilcoxon untuk
menentukan apakah populasi 1 bergeser ke kiri
populasi 2.
Contoh 1 1 3 2 3 5 uji jumlah peringkat Wilcoxon untuk menentukan
apakah
Sampel 2 4 7 6 8 6 distribusi untuk jumlah suku kata yang tidak masuk
akal
a. Nyatakan hipotesis nol dan alternatif yang 2. Sampel gabungan diberi peringkat dan T1 = 252.
akan diuji. Gunakan pendekatan sampel besar untuk uji jumlah
b. Beri peringkat sampel gabungan dari yang terkecil peringkat Wilcoxon untuk menentukan apakah ada
hingga yang terbesar.
1 Hitung T1 dan T*.
perbedaan -
c. Berapakah daerah penolakan untuk a = 0,05?
d. Apakah data memberikan bukti yang cukup untuk
menunjukkan bahwa populasi 1 bergeser ke kiri
populasi 2?
15.4Sampel acak independen dengan ukuran n1 = 20
dan n2 = 25 diambil dari populasi tidak normal 1 dan
diingat adalah sama untuk kedua kelompok ini. setelah 5 menit. Namun, kali ini orang berusia 65-70
20-an364871 12 78 tahun diberi ampakine CX-516 dosis ringan. Apakah
65–70-an104125 02 23
data memberikan bukti yang cukup untuk
menyimpulkan bahwa obat ini meningkatkan daya
15.7 Alzheimer, lanjutLihat Latihan ingat pada pria berusia 65-70 tahun dibandingkan
15.6. Misalkan dua kelompok lagi yang masing- dengan pria berusia 20 tahun? Gunakan tingkat yang
masing terdiri dari 10 pria diuji jumlah suku kata sesuai a.
yang tidak masuk akal yang dapat mereka ingat
ence dalam dua distribusi populasi. Hitung 20-an 11 7 6 8 6 9 2 10 3 6
p-nilai untuk ujian. 65–70- 1 9 6 8 7 8 5 7 10 3
an
15.8 Kandungan Oksigen TerlarutItu

observasidalam tabel adalah kandungan oksigen 15.11 Bobot Kura-kuraBobot dari
terlarut dalam air. Semakin tinggi kandungan oksigen EX1511 penyu yang tertangkap di dua danau yang
terlarut, semakin besar kemampuan sungai, danau, berbeda diukur untuk membandingkan efek dari dua
atau sungai untuk mendukung kehidupan akuatik. lingkungan danau terhadap pertumbuhan penyu.
Dalam percobaan ini, seorang inspektur pengontrol Semua kura-kura memiliki usia yang sama dan diberi
polusi menduga bahwa komunitas sungai melepaskan tanda sebelum dilepaskan ke danau. Bobot untuk n1 =
limbah setengah jadi ke sungai. Untuk menguji teori 10 kura-kura bertanda yang ditangkap di danau 1 dan
n2 = 8 yang ditangkap di danau 2 tercantum di sini:
ini, lima spesimen air sungai yang dipilih secara acak
dipilih di lokasi di atas kota dan lima lainnya di DanauBerat (oz)
bawah. Ini adalah pembacaan oksigen terlarut (dalam 114,1 15,2 13,9 14,5 14,7 13,8 14,0 16,1 12,7 15,3
bagian per juta): 212,2 13,0 14,1 13,6 12,4 11,9 12,5 13,8
Di Atas Kota 4.8 5.2 5.0 4.9 5.1 Apakah data memberikan bukti yang cukup untuk
Di bawah 5.0 4.7 4.9 4.8 4.9 menunjukkan perbedaan dalam distribusi bobot kura-
Kota kura yang ditandai di dua lingkungan danau? Gunakan
a. Gunakan uji jumlah peringkat Wilcoxon satu sisi uji jumlah peringkat Wilcoxon dengan a = 0,05 untuk
dengan menjawab pertanyaan.
sebuah= 0,05 untuk mengkonfirmasi atau 15.12 KemoterapiPengobatan kanker oleh
menyangkal teori. EX1512 cara kimiawi—kemoterapi—membunuh
b. Gunakan uji-t Student (dengan a = 0,05) untuk
menganalisis data. Bandingkan kesimpulan
yang dicapai pada bagian a.
baik sel kanker maupun sel normal. Dalam beberapa kasus,
15.9 Gerakan MataDalam penyelidikan toksisitas obat kanker—yaitu, efeknya pada sel normal
EX1509 tentang perilaku pemindaian visual anak-anak —dapat dikurangi dengan penyuntikan obat kedua
tulidren, dilakukan pengukuran gerakan mata pada secara bersamaan. Sebuah penelitian dilakukan untuk
sembilan anak tunarungu dan sembilan anak menentukan apakah suntikan obat tertentu mengurangi
tunarungu. Tabel tersebut memberikan tingkat efek berbahaya dari perawatan kemoterapi pada waktu
pergerakan mata dan peringkatnya (dalam tanda kelangsungan hidup tikus. Dua kelompok yang dipilih
kurung). Apakah terlihat bahwa distribusi laju secara acak dari 12 tikus digunakan dalam percobaan
pergerakan mata untuk anak tunarungu dan anak yang di mana kedua kelompok, sebut mereka A dan B,
mendengar berbeda? menerima obat beracun dalam dosis yang cukup besar
untuk menyebabkan kematian, tetapi sebagai
Anak Tuli Pendengaran Anak-anak tambahan, kelompok B menerima antitoksin, yang
2.75 (15) 0,89 (1) mengurangi efek toksik dari kemoterapi pada sel
2.14 (11) 1,43 (7) normal. Tes dihentikan pada akhir 20 hari, atau
3.23 (18) 1,06 (4)
2.07 (10) 1,01 (3)
480 jam. Waktu kelangsungan hidup kedua kelompok
2.49 (14) 0,94 (2) tikus, hingga 4 jam terdekat, ditunjukkan pada tabel.
2.18 (12) 1,79 (8) Apakah data memberikan bukti yang cukup untuk
3.16 (17) 1.12 (5.5) menunjukkan bahwa tikus yang menerima antitoksin
2.93 (16) 2.01 (9) cenderung bertahan lebih lama setelah kemoterapi
2.20 (13) 1.12 (5.5) daripada tikus yang tidak menerima antitoksin?
Jumlah Peringkat 126 45 Gunakan uji jumlah peringkat Wilcoxon dengan a =
0,05.
15.10 TV berwarnaTabel mencantumkan masa
pakai (dalam bulan) layanan sebelum kegagalan Kemoterapi Saja Kemoterapi plus Obat
sirkuit televisi berwarna SEBUAH B
84 140
papan untuk 8 set televisi yang diproduksi oleh perusahaan 128 184
A dan
10 set
uji rankdiproduksi
sum untukoleh perusahaandata,
menganalisis B. Gunakan Wilcoxon
dan uji untuk 168 368
92 96
melihat apakah masa pakai sebelum kegagalan papan 184 480
sirkuit berbeda untuk papan sirkuit yang diproduksi 92 188
oleh kedua pabrikan. 76 480
104 244
72 440
Peru Umur Papan Sirkuit (bulan) 180 380
saha
15.3 UJI TANDA UNTUK EKSPERIMEN BERPASANGAN ❍
639
UJI TANDA UNTUK
EKSPERIMEN BERPASANGAN
15.3
Uji tanda adalah prosedur yang cukup sederhana yang dapat digunakan untuk
membandingkan dua populasi ketika sampel terdiri dari pengamatan berpasangan.
Jenis desain eksperimental ini disebut desain perbedaan berpasangan atau pasangan
yang cocok, yang Anda gunakan untuk membandingkan keausan rata-rata untuk dua
jenis ban di Bagian 10.5. Secara umum, untuk setiap pasangan, Anda mengukur
apakah tanggapan pertama—katakanlah, A—melebihi tanggapan kedua—katakanlah,
B. Statistik ujinya adalah x, berapa kali A melebihi B dalam n pasangan pengamatan.
Ketika dua distribusi populasi identik, probabilitas bahwa A melebihi B sama
dengan p = 0,5, dan x, berapa kali A melebihi B, memiliki distribusi binomial. Hanya
pasangan tanpa ikatan yang diikutsertakan dalam pengujian. Oleh karena itu, Anda
dapat menguji hipotesis distribusi populasi yang identik dengan menguji H0 : p = 0,5
versus alternatif satu atau dua sisi. Nilai kritis untuk daerah penolakan atau nilai p
yang tepat dapat ditemukan dengan menggunakan tabel binomial kumulatif pada
Lampiran I.
UJI TANDA UNTUK MEMBANDINGKAN DUA POPULASI
Hipotesis nol: H0 : Kedua distribusi populasi identik dan

P(A melebihi B) = p = 0,5
Hipotesis alternatif:
Hsebuah : Distribusi populasi tidak identik dan p G .5
Hsebuah : Populasi pengukuran A digeser ke kanan populasi pengukuran B dan
p > .5
Hsebuah : Populasi pengukuran A digeser ke kiri populasi pengukuran B dan p <
.5
Statistik uji: Untuk n, jumlah pasangan tanpa ikatan, gunakan x, berapa kali
(A - B) positif.
Wilayah penolakan:
Untuk uji dua sisi Ha : p G .5, tolak H0 jika x ≤ xL atau x ≥ xU, di mana P(x
≤ xL) ≤ a/2 dan P(x ≥ xU) ≤ a/2 untuk x memiliki a distribusi binomial
dengan p = .5.
Untuk Ha : p > .5, tolak H0 jika x ≥ xU dengan P(x ≥ xU) ≤ a.
Untuk Ha : p < .5, tolak H0 jika x ≤ xL dengan P(x ≤ xL) ≤ a. Atau hitung
nilai-p dan tolak H0 jika nilai-p < a.
Satu masalah yang mungkin terjadi ketika Anda melakukan tes tanda adalah
bahwa pengukuran yang diasosiasikan dengan satu atau lebih pasangan mungkin
sama dan menghasilkan pengamatan yang terikat. Ketika ini terjadi, hapus pasangan
yang terikat dan kurangi n, jumlah total pasangan. Contoh berikut akan membantu
Anda memahami bagaimana tes tanda dibuat dan digunakan.
CONTOH 15.3
Jumlah sekering listrik yang rusak yang diproduksi oleh dua jalur produksi, A dan B,
dicatat setiap hari selama 10 hari, dengan hasil yang ditunjukkan pada Tabel 15.6.
Variabel respon, jumlah sekering yang rusak, memiliki distribusi binomial yang tepat
dengan sejumlah besar sekering yang diproduksi per hari. Meskipun variabel ini akan
memiliki
kira-kira distribusi normal, pengawas pabrik akan lebih memilih uji statistik yang
cepat dan mudah untuk menentukan apakah satu lini produksi cenderung
menghasilkan lebih banyak cacat daripada yang lain. Gunakan uji tanda untuk
menguji hipotesis yang sesuai.
TABEL 15.6 ● Sekring Rusak Dari Dua Lini Produksi
Hari Jalur A Jalur Tanda Perbedaan
B
1 170 201 —
2 164 179 —
3 140 159 —
4 184 195 —
5 174 177 —
6 142 170 —
7 191 183 +
8 169 179 —
9 161 170 —
10 200 212 —
LarutanUntuk percobaan beda-berpasangan ini, x adalah berapa kali pengamatan

garis A melebihi pengamatan garis B pada hari tertentu. Jika tidak ada perbedaan
dalam distribusi cacat untuk dua lini produksi, maka p, proporsi hari di mana A
melebihi B, adalah 0,5, yang merupakan nilai hipotesis dalam pengujian parameter
binomial p. Nilai x yang sangat kecil atau sangat besar, berapa kali A melebihi B,
bertentangan dengan hipotesis nol.
Karena n = 10 dan nilai p yang dihipotesiskan adalah 0,5, Tabel 1 Lampiran I dapat
digunakan untuk menemukan nilai p yang tepat untuk uji
H0: p = .5 versus Ha : p G .5
Nilai yang diamati dari uji statistik—yang merupakan jumlah tanda “plus” dalam
tabel—adalah x = 1, dan nilai p dihitung sebagai
p-nilai = 2P(x ≤ 1) = 2(.011) = .022
Nilai p yang cukup kecil = 0,022 memungkinkan Anda untuk menolak H0 pada
tingkat 5%. Ada bukti signifikan yang menunjukkan bahwa jumlah sekering yang
rusak tidak sama untuk kedua lini produksi; pada kenyataannya, lini B menghasilkan
lebih banyak barang cacat daripada lini A. Dalam contoh ini, uji tanda adalah alat
kasar yang mudah dihitung untuk mendeteksi lini produksi yang rusak dan bekerja
dengan sangat baik untuk mendeteksi perbedaan yang signifikan hanya dengan
menggunakan sejumlah minimum informasi.
Perkiraan Normal untuk Tes Tanda

Ketika jumlah pasangan n besar, nilai kritis untuk penolakan H0 dan perkiraan nilai p
dapat ditemukan dengan menggunakan pendekatan normal terhadap distribusi x, yang
telah dibahas pada Bagian 6.4. Karena distribusi binomial simetris sempurna ketika p
= 0,5, pendekatan ini bekerja sangat baik, bahkan untuk n sekecil 10.
Untuk n ≥ 25, Anda dapat melakukan uji tanda dengan menggunakan statistik z,
x— np x — .5n
z= —— = ——
√¯npq .5√¯n
sebagai uji statistik. Dalam menggunakan z, Anda menguji hipotesis nol p = 0,5
versus alternatif p G 0,5 untuk uji dua sisi atau versus alternatif p > 0,5 (atau p < 0,5)
untuk uji satu sisi. Tes menggunakan daerah penolakan akrab dari Bab 9.
641
UJI TANDA UNTUK SAMPEL BESAR:nW25
Hipotesis nol: H0 : p = 0,5 (satu perlakuan tidak disukai dari perlakuan

kedua)
Hipotesis alternatif: Ha : p G .5, untuk uji dua sisi ( CATATAN: Kami
menggunakan uji dua sisi sebagai contoh. Banyak analisis mungkin
memerlukan uji satu sisi.)
x— .5n
3. Statistik uji:z= ——
.5√¯n
4. Wilayah penolakan: Tolak H0 jika z ≥ za/2 atau z ≤ —za/2, di mana za/2 adalah
nilai-z dari Tabel 3 pada Lampiran I yang bersesuaian dengan luas a/2 di ekor atas
dari distribusi normal.
CONTOH 15.4
Seorang pengawas produksi mengklaim bahwa tidak ada perbedaan antara tingkat
kecelakaan kerja karyawan pada siang hari dibandingkan dengan shift malam di
sebuah pabrik besar. Jumlah kecelakaan per hari dicatat untuk shift siang dan malam
selama n = 100 hari. Ditemukan bahwa jumlah kecelakaan per hari untuk shift sore
xE melebihi jumlah kecelakaan yang sesuai pada shift siang xD sebanyak 63 dari 100
hari. Apakah hasil ini memberikan bukti yang cukup untuk menunjukkan bahwa lebih
banyak kecelakaan cenderung terjadi pada satu shift daripada shift lainnya atau,
dengan kata lain, bahwa P(xE > xD) G 1/2?
LarutanPenelitian ini merupakan percobaan beda-berpasangan, dengan n = 100
pasang pengamatan yang sesuai dengan 100 hari. Untuk menguji hipotesis nol bahwa
kedua distribusi kecelakaan adalah identik, Anda dapat menggunakan uji statistik
x— .5n
z= ——
.5√¯n
dimana x adalah jumlah hari dimana jumlah kecelakaan pada shift malam melebihi
jumlah kecelakaan pada shift siang. Kemudian untuk a = 0,05, Anda dapat menolak
hipotesis nol jika z ≥ 1,96 atau z ≤ —1,96. Mengganti ke dalam rumus untuk z, Anda
mendapatkan
z x— .5n 63 — (.5)(100) 13
= —— = —— = —— = 2,60
.5√¯n .5√1¯00 5
Karena nilai z yang dihitung melebihi za/2 = 1,96, Anda dapat menolak hipotesis nol.
Data memberikan bukti yang cukup untuk menunjukkan perbedaan dalam distribusi
tingkat kecelakaan untuk shift siang versus shift malam.
Kapan sebaiknya uji tanda lebih diutamakan daripada uji-t berpasangan? Jika
hanya arah perbedaan pengukuran yang diberikan, maka hanya uji tanda yang dapat
digunakan. Di sisi lain, ketika data bersifat kuantitatif dan memenuhi asumsi
normalitas dan varians konstan, uji-t berpasangan harus digunakan. Plot probabilitas
normal dapat digunakan untuk menilai normalitas, sedangkan plot residu (di - d¯)
dapat mengungkapkan penyimpangan besar yang mungkin mengindikasikan varians
yang bervariasi dari satu pasangan ke pasangan lainnya. Ketika ada keraguan tentang
validitas asumsi, ahli statistik sering merekomendasikan agar kedua tes dilakukan.
Jika kedua pengujian mencapai kesimpulan yang sama, maka hasil pengujian
parametrik dapat dianggap valid.
15.3LATIHAN
TEKNIK DASAR dari yang lain; yaitu, P(xA > xB) G 1/2. Tes dengan
15.13 Misalkan Anda ingin menggunakan uji menggunakan nilai mendekati 0,05. Temukan nilai
tanda untuk menguji Ha : p > .5 untuk percobaan p untuk tes dan interpretasikan nilainya.
beda berpasangan dengan n = 25 pasang. b.Latihan 10.45 menggunakan statistik t untuk
a. Nyatakan situasi praktis yang menentukan hipotesis menguji hipotesis nol bahwa tidak ada perbedaan
alternatif yang diberikan. rata-rata penilaian properti antara penilai A dan B.
b. Gunakan Tabel 1 di Lampiran I untuk mencari nilai Periksa jawaban (di bagian jawaban) untuk Latihan
a 10.45 dan bandingkan dengan jawaban Anda pada
(a < 0,15) tersedia untuk pengujian. bagian
sebuah. Apakah hasil tes setuju? Jelaskan
15.14 Ulangi instruksi Latihan 15.13 untuk
mengapa jawabannya (atau tidak) konsisten.
Hsebuah : hal G .5.
15.18 Memasak GourmetDua ahli kuliner, A
15.15 Ulangi instruksi Latihan 15.13 dan EX1518 dan B, diberi nilai 22 kali makan dalam skala 1
15,14 untuk n = 10, 15, dan 20. sampai 10. Data ditampilkan dalam tabel. Apakah data
15.16 Eksperimen perbedaan berpasangan memberikan bukti yang cukup untuk menunjukkan
adalahEX1516 dilakukan untuk membandingkan bahwa salah satu penikmat makanan cenderung
dua populasi. Data ditampilkan dalam tabel. Gunakan memberikan penilaian yang lebih tinggi daripada yang
uji tanda untuk menentukan lain? Uji dengan menggunakan uji tanda dengan nilai
Mak SEB B Maka SE B
menambang apakah distribusi populasi berbeda. mendekati
ana UAH
0,05. nan BU
Berp n AH
asan 1 6 8 12 8 5
gan
Populasi 1 2 3 4 5 6 7
1 8.9 8.1 9.3 7.7 10.4 8.3 7.4 4 8 7 15 6 8
2 8.8 7.4 9.0 7.8 9.9 8.1 6.9 5 2 3 16 9 10
17 9 8
sebuah.Nyatakan hipotesis nol dan alternatif itu 6 7 4 18 4 6
7 9 9
untuk
uji. 8 7 8 19 4 3
b.Tentukan daerah penolakan yang sesuai dengan 9 2 5 20 5 4
menunjukkan bahwa salah satu penilai cenderung lebih
sebuah≈.01. 10 4 3 21 3 2
c.Hitung nilai yang diamati dari statistik uji. konservatif secara konsisten
d.Apakah data menyajikan bukti yang cukup untuk
menunjukkan bahwa populasi 1 dan 2 berbeda?
APLIKASI
15.17Nilai propertiDalam Latihan 10.45,
EX1517 Anda membandingkan penilaian properti dari
dua penilai pajak, A dan B. Penilaian mereka untuk
delapan properti ditunjukkan pada tabel:
Properti Asesor A Asesor B
1 76.3 75.1
2 88.4 86.8
3 80.2 77.3
4 94.7 90.6
5 68.7 69.1
6 82.8 81.0
7 76.1 75.3
8 79.0 79.1
sebuah.Gunakan uji tanda untuk menentukan apakah

data menyajikan bukti yang cukup untuk
643
a. Gunakan tabel binomial pada Lampiran I
untuk menemukan daerah penolakan yang
tepat untuk pengujian.
b. Gunakan statistik z sampel besar. (CATATAN:
Meskipun perkiraan sampel besar disarankan
untuk
n≥ 25, ini bekerja cukup baik untuk nilai n
sekecil 15.)
c. Bandingkan hasil bagian a dan b.
15.19 Kadar Timbal dalam DarahSebuah
penelitian yang dilaporkan dalam American
Journal of Public Health (Science News)—yang
pertama mengikuti kadar timbal dalam darah
pada penghobi pistol yang taat hukum yang
menggunakan jarak tembak dalam ruangan—
mendokumentasikan risiko signifikan keracunan
timbal.3 Pengukuran paparan timbal dilakukan
pada
17 anggota kelas pelatihan penegakan hukum
sebelum, selama, dan setelah periode 3 bulan
instruksi senjata api di lapangan tembak dalam
ruangan milik negara. Tidak ada peserta pelatihan
yang mengalami peningkatan kadar timbal dalam
darah sebelum pelatihan, tetapi 15 dari 17 peserta
mengakhiri pelatihan mereka dengan kadar timbal
dalam darah yang dianggap "meningkat" oleh
Administrasi Keselamatan dan Kesehatan Kerja
(OSHA). Jika penggunaan indoor
644 ❍ BAB 15STATISTIK NONPARAMETRIK 15.4 PERBANDINGAN UJI STATISTIK ❍ 643
jarak tembak tidak menyebabkan peningkatan kadar penyakit tertentu dikumpulkan dari sepuluh rumah sakit.
timbal dalam darah, maka p, probabilitas bahwa kadar Jumlah pasien yang diobati dengan obat bervariasi
timbal dalam darah seseorang meningkat, kurang dari
dari satu rumah sakit ke rumah sakit lainnya. Anda
atau sama dengan 0,5. Namun, jika penggunaan
ingin mengetahui apakah data menunjukkan bukti
lapangan tembak dalam ruangan menyebabkan
yang cukup untuk menunjukkan tingkat pemulihan
peningkatan kadar timbal dalam darah seseorang,
yang lebih tinggi untuk salah satu dari dua obat
maka p > 0,5. Gunakan uji tanda untuk menentukan
tersebut.
apakah penggunaan lapangan tembak di dalam
ruangan memiliki efek meningkatkan kadar timbal a. Tes menggunakan tes tanda. Pilih wilayah
dalam darah seseorang dengan a = 0,05. (PETUNJUK: penolakan Anda sehingga mendekati 0,05.
Perkiraan normal terhadap probabilitas binomial b. Mengapa mungkin tidak tepat untuk menggunakan Student's
cukup akurat untuk n = 17.) t-tes dalam menganalisis data?
15.20 Tarif Pemulihan Perhatian data klinis
EX1520 ning efektivitas dua obat dalam mengobati
Obat A Obat B
Nomor Nomor Persentase Nomor Nomor Persentase
RSUD di Grup Pulih Pulih RSUD di Grup Pulih Pulih
1 84 63 75.0 1 96 82 85.4
2 63 44 69.8 2 83 69 83.1
3 56 48 85.7 3 91 73 80.2
4 77 57 74.0 4 47 35 74.5
5 29 20 69.0 5 60 42 70.0
6 48 40 83.3 6 27 22 81.5
7 61 42 68.9 7 69 52 75.4
8 45 35 77.8 8 72 57 79.2
9 79 57 72.2 9 89 76 85.4
10 62 48 77.4 10 46 37 80.4
PERBANDINGAN UJI STATISTIK

15.4 Eksperimen pada Contoh 15.3 dirancang sebagai eksperimen beda berpasangan. Jika
asumsi normalitas dan varians konstan, s 2, untuk perbedaan
d terpenuhi, apakah uji
tanda mendeteksi pergeseran lokasi untuk dua populasi seefisien uji-t berpasangan?
Mungkin tidak, karena uji-t menggunakan lebih banyak informasi daripada uji tanda.
Ini tidak hanya menggunakan tanda perbedaan, tetapi juga nilai sebenarnya dari
perbedaan tersebut. Dalam hal ini, kami akan mengatakan bahwa uji tanda tidak
seefisien uji-t berpasangan. Namun, uji tanda mungkin lebih efisien jika asumsi biasa
tidak terpenuhi.
Ketika dua uji statistik yang berbeda keduanya dapat digunakan untuk menguji
hipotesis berdasarkan data yang sama, wajar untuk bertanya, Mana yang lebih baik?
Salah satu cara untuk menjawab pertanyaan ini adalah dengan mempertahankan
ukuran sampel n dan konstanta untuk kedua prosedur dan membandingkan b,
probabilitas kesalahan Tipe II. Ahli statistik, bagaimanapun, lebih memilih untuk
memeriksa kekuatan tes.
DefinisiPangkat = 1 — b = P(tolak H0 jika Ha benar)
Karena b adalah probabilitas gagal menolak hipotesis nol ketika itu salah, kekuatan
tes adalah probabilitas menolak hipotesis nol ketika itu salah dan beberapa alternatif
tertentu benar. Ini adalah probabilitas bahwa tes akan melakukan apa yang dirancang
untuk dilakukan — yaitu, mendeteksi penyimpangan dari hipotesis nol ketika ada
penyimpangan.
Mungkin metode yang paling umum untuk membandingkan dua prosedur

pengujian adalah dalam hal efisiensi relatif dari sepasang pengujian. Efisiensi relatif
adalah rasio ukuran sampel untuk dua prosedur pengujian yang diperlukan untuk
mencapai a dan b yang sama untuk alternatif yang diberikan terhadap hipotesis nol.
Dalam beberapa situasi, Anda mungkin tidak terlalu khawatir apakah Anda
menggunakan tes yang paling kuat. Misalnya, Anda mungkin memilih untuk
menggunakan uji tanda dibandingkan pesaing yang lebih kuat karena kemudahan
penerapannya. Dengan demikian, Anda mungkin memandang tes sebagai mikroskop
yang digunakan untuk mendeteksi penyimpangan dari teori yang dihipotesiskan.
Seseorang tidak perlu mengetahui kekuatan mikroskop yang tepat untuk
menggunakannya dalam penyelidikan biologis, dan hal yang sama berlaku untuk uji
statistik. Jika prosedur pengujian mendeteksi penyimpangan dari hipotesis nol, Anda
senang. Jika tidak, Anda dapat menganalisis ulang data dengan menggunakan
mikroskop yang lebih kuat (pengujian), atau Anda dapat meningkatkan kekuatan
mikroskop (pengujian) dengan menambah ukuran sampel.
UJI PERINGKAT BERTANDA

WILCOXON UNTUK EKSPERIMEN
15.5
BERPASANGAN
Tes peringkat bertanda yang diusulkan oleh Frank Wilcoxon dapatdigunakan
untuk menganalisis pasangan-percobaan perbedaan Bagian 10.5 dengan
mempertimbangkan perbedaan berpasangan dari dua perlakuanpernyataan, 1 dan 2. Di
bawah hipotesis nol tentang tidak ada perbedaan dalam distribusi untuk 1 dan 2, Anda
akan mengharapkan (rata-rata) setengah dari perbedaan pasangan menjadi negatif dan
setengah menjadi positif; yaitu, jumlah perbedaan negatif yang diharapkan antara
pasangan adalah n/2 (di mana n adalah jumlah pasangan). Selanjutnya, perbedaan
positif dan negatif dengan besaran absolut yang sama harus terjadi dengan
probabilitas yang sama. Jika seseorang mengurutkan perbedaan menurut nilai
absolutnya dan memeringkatnya dari yang terkecil ke yang terbesar, jumlah peringkat
yang diharapkan untuk perbedaan negatif dan positif akan sama. Perbedaan yang
cukup besar dalam jumlah peringkat yang ditetapkan untuk perbedaan positif dan
negatif akan memberikan bukti yang menunjukkan adanya pergeseran lokasi antara
distribusi tanggapan untuk dua perlakuan, 1 dan 2. Jika distribusi 1 digeser ke kanan
distribusi 2, maka lebih banyak perbedaan yang diharapkan positif, dan ini
menghasilkan sejumlah kecil perbedaan negatif. Oleh karena itu, untuk mendeteksi
alternatif satu sisi ini, gunakan jumlah peringkat T —— jumlah peringkat perbedaan
negatif — dan tolak hipotesis nol untuk nilai T yang sangat kecil secara signifikan.
Sejalan dengan garis yang sama ini, jika distribusi 1 digeser ke kiri distribusi 2, maka
lebih banyak perbedaan yang diharapkan menjadi negatif, dan jumlah perbedaan
positifnya kecil. Oleh karena itu, untuk mendeteksi alternatif satu sisi ini, gunakan T+
—jumlah barisan perbedaan positif—dan tolak hipotesis nol jika T+ adalah dan ini
lebih banyak perbedaan yang diharapkan menjadi negatif, dan jumlah perbedaan
positifnya kecil. Oleh karena itu, untuk mendeteksi alternatif satu sisi ini, gunakan T+
—jumlah barisan perbedaan positif—dan tolak hipotesis nol jika T+ adalah dan ini
15.5 UJI PERANGKAT BERTANDA WILCOXON UNTUK EKSPERIMEN BERPASANGAN
lebih banyak ❍ 645alternatif satu sisi ini, gunakan T+—jumlah barisan
karena itu, untuk mendeteksi
perbedaan perbedaan positif—dan tolak hipotesis nol jika T+ adalah jika distribusi 1 digeser ke
yang kiri distribusi 2, maka lebih banyak perbedaan yang diharapkan menjadi negatif, dan
diharapkan jumlah perbedaan positifnya kecil. Oleh karena itu, untuk mendeteksi alternatif satu
menjadi sisi ini, gunakan T+—jumlah barisan perbedaan positif—dan tolak hipotesis nol jika
negatif, dan T+ adalah jika distribusi 1 digeser ke kiri distribusi 2, maka lebih banyak perbedaan
jumlah yang diharapkan menjadi negatif, dan jumlah perbedaan positifnya kecil. Oleh karena
perbedaan itu, untuk mendeteksi alternatif satu sisi ini, gunakan T+—jumlah barisan perbedaan
positifnya positif—dan tolak hipotesis nol jika T+ adalah
kecil. Oleh kecil secara signifikan.
MENGHITUNG STATISTIK UJI UNTUK UJI PERINGKAT BERTANDA

WILCOXON
Hitung selisih (x1 — x2) untuk masing-masing n pasangan. Perbedaan sama

dengan 0 dihilangkan, dan jumlah pasangan, n, dikurangi.
Urutkan nilai absolut dari perbedaan dengan menugaskan 1 ke yang terkecil,
2 ke terkecil kedua, dan seterusnya. Pengamatan yang diikat diberikan rata-
rata peringkat yang seharusnya diberikan tanpa ikatan.
Hitung pangkatnyajumlahuntuk selisih negatif dan beri label nilai ini T —.
Demikian pula, hitung T +, jumlah peringkat untuk perbedaan positif.
Untuk uji dua sisi, gunakan yang lebih kecil dari dua besaran T ini sebagai statistik
uji untuk menguji hipotesis nol bahwa dua histogram frekuensi relatif populasi adalah
identik. Semakin kecil nilai T, semakin besar bobot bukti yang mendukung penolakan
hipotesis nol. Oleh karena itu, Anda akan menolak hipotesis nol jika T kurang dari
atau sama dengan suatu nilai—katakanlah, T0.
Untuk mendeteksi alternatif satu sisi, bahwa distribusi 1 digeser ke kanan
distribusi 2, gunakan jumlah pangkat T — dari perbedaan negatif dan tolak hipotesis
nol untuk nilai kecil dari T ——katakanlah, T — ≤ T0. Jika Anda ingin mendeteksi
pergeseran distribusi 2 ke kanan distribusi 1, gunakan jumlah peringkat T + dari
perbedaan positif sebagai uji statistik dan tolak hipotesis nol untuk nilai kecil T +
katakanlah, T + ≤ T0.
Probabilitas bahwa T kurang dari atau sama dengan beberapa nilai T0 telah
dihitung untuk kombinasi ukuran sampel dan nilai T0. Probabilitas ini, diberikan pada
Tabel 8 pada Lampiran I, dapat digunakan untuk menemukan daerah penolakan untuk
uji T.
Versi singkat dari Tabel 8 ditunjukkan pada Tabel 15.7. Di bagian atas tabel Anda
melihat jumlah perbedaan (jumlah pasangan) n. Nilai a untuk uji satu sisi muncul di
kolom pertama tabel. Kolom kedua memberikan nilai a untuk uji dua sisi. Entri tabel
adalah nilai kritis dari T. Anda akan ingat bahwa nilai kritis dari uji statistik adalah
nilai yang menempatkan batas daerah penolakan.
Misalnya, Anda memiliki n = 7 pasangan dan Anda sedang melakukan uji dua sisi
dari hipotesis nol bahwa dua distribusi frekuensi relatif populasi adalah identik.
Memeriksa n = 7 kolom Tabel 15.7 dan menggunakan baris kedua (sesuai dengan a =
0,05 untuk uji dua sisi), Anda melihat entri 2 (berarsir). Nilai ini adalah T0, nilai
kritis dari T. Seperti disebutkan sebelumnya, semakin kecil nilai T, semakin besar
bukti untuk menolak hipotesis nol. Oleh karena itu, Anda akan menolak hipotesis nol
untuk semua nilai T yang kurang dari atau sama dengan 2. Daerah penolakan untuk
uji peringkat bertanda Wilcoxon untuk percobaan berpasangan selalu dalam bentuk:
Tolak H0 jika T ≤ T0, dengan T0 adalah nilai kritis T. Daerah penolakan ditunjukkan
secara simbolis pada Gambar 15.2.
Versi Singkat Tabel 8 di Lampiran I;
TABEL 15.7 ● Nilai Kritis dariT
Berat Dua Sisi n=5 n=6 n=7 n=8 n=9 n=10 n=11
sebelah
sebuah=.0 sebuah=.1 1 2 4 6 8 11 14
50 0
sebuah=.0 sebuah=.0 1 2 4 6 8 11
25 5
sebuah=.0 sebuah=.0 0 2 3 5 7
10 2
sebuah=.0 sebuah=.0 0 2 3 5
05 1
Berat sebelah Dua Sisi n=12 n=13 n=14 n=15 n=16 n=17
sebuah=.050 sebuah=.1 17 21 26 30 36 41
0
GAMBAR 15.2 ●
Daerah penolakan untuk
0 12 T0 T
Uji peringkat bertanda
Wilcoxon untuk percobaan Wilayah
berpasangan (tolak H0 jika penolakan
T≤T0)
❍ 647
WILCOXON SIGNED-RANK TEST UNTUK EKSPERIMEN

BERPASANGAN
Hipotesis nol: H0 : Dua distribusi frekuensi relatif populasi adalah identik

Hipotesis alternatif: Ha : Distribusi frekuensi relatif dua populasi berbeda
lokasinya (uji dua sisi). Atau Ha : Distribusi frekuensi relatif populasi 1
digeser ke kanan distribusi frekuensi relatif untuk populasi 2 (uji satu
arah).
Statistik uji
Untuk uji dua sisi, gunakan T, jumlah peringkat yang lebih kecil untuk
positif dan jumlah peringkat untuk perbedaan negatif.
Untuk uji satu sisi (untuk mendeteksi hipotesis alternatif yang dijelaskan di
atas), gunakan jumlah peringkat T — dari selisih negatif.
Wilayah penolakan
Untuk uji dua sisi, tolak H0 jika T ≤ T0, di mana T0 adalah nilai kritis yang
diberikan pada Tabel 8 di Lampiran I.
Untuk uji satu sisi (untuk mendeteksi hipotesis alternatif yang dijelaskan di
atas), gunakan jumlah peringkat T — dari selisih negatif. Tolak H0 jika T —
≤ T0.†
[ + — n(n + 1)
CATAT : Dapat ditunjukkan bahwa T+ T= ——
AN 2
. ]
CONTOH 15.5
Eksperimen dilakukan untuk membandingkan kepadatan kue yang dibuat dari dua
campuran kue yang berbeda, A dan B. Enam loyang kue menerima adonan A, dan
enam menerima adonan B. Mengharapkan variasi suhu oven, pelaku eksperimen
menempatkan A dan a kue B berdampingan di enam lokasi berbeda di dalam oven.
Uji hipotesis tidak ada perbedaan distribusi populasi kepadatan kue untuk dua adonan
kue yang berbeda.
LarutanData (kepadatan dalam ons per inci kubik) dan perbedaan kepadatan untuk
enam pasang kue diberikan pada Tabel 15.8. Boxplot perbedaan pada Gambar 15.3
menunjukkan skewing yang cukup kuat dan perbedaan yang sangat besar di bagian
kanan, yang menunjukkan bahwa data mungkin tidak memenuhi asumsi normalitas.
Sampel perbedaan terlalu kecil untuk membuat keputusan yang valid tentang
normalitas dan varian konstan. Dalam situasi ini, tes peringkat bertanda Wilcoxon
mungkin merupakan tes yang bijaksana untuk digunakan.
Seperti uji nonparametrik lainnya, hipotesis nol yang akan diuji adalah bahwa dua
distribusi frekuensi populasi dari kepadatan kue adalah identik. Hipotesis alternatif,
yang menyiratkan uji dua sisi, adalah bahwa distribusinya berbeda. Karena jumlah
datanya kecil, Anda dapat melakukan pengujian dengan menggunakan a = 0,10. Dari
Tabel 8 pada Lampiran I, nilai kritis T untuk uji dua sisi, a = 0,10, adalah T0 = 2.
Oleh karena itu, Anda dapat menolak H0 jika T ≤ 2.
†
Untuk mendeteksi pergeseran distribusi2 di sebelah kanan distribusi 1, gunakan pangkat jumlah T + selisih
positif sebagai statistik uji dan tolak H0 jika T + ≤ T0.
TABEL 15.8 ● Kepadatan Enam Pasang Kue

Perbedaan
xSEBUAH xB (xSEBUAH —xB) Pangkat
.135 .129 .006 2
.102 .120 —.018 5
.098 .112 —.014 4
.141 .152 —.011 3
.131 .135 —.004 1
.144 .163 —.019 6
GAMBAR 15.3 ●
Plot kotak perbedaan untuk
Contoh 15.5
—0,020—0,015—0,010 —0,005 0.000 0,005

Perbedaa
n
Selisih (x1 — x2) dihitung dan diberi peringkat berdasarkan nilai absolutnya pada
Tabel 15.8. Jumlah rank positif adalah T + = 2, dan jumlah rank negatif adalah T — =
19. Statistik uji adalah yang lebih kecil dari dua jumlah rank ini, atau T = 2. Karena T
= 2 termasuk dalam daerah penolakan, Anda dapat menolak H0 dan menyimpulkan
bahwa dua distribusi frekuensi populasi kepadatan kue berbeda.
Cetakan MINITAB dari tes peringkat bertanda Wilcoxon untuk data ini diberikan
pada Gambar 15.4. Anda akan menemukan petunjuk untuk menghasilkan output ini
di bagian "MINITAB Saya" di akhir bab ini. Anda dapat melihat bahwa nilai statistik
uji sesuai dengan perhitungan lainnya, dan nilai p menunjukkan bahwa Anda dapat
menolak H0 pada tingkat signifikansi 10%.
GAMBAR 15.4
●
Tes Peringkat Bertanda Wilcoxon: Perbedaan
MINITABhasil cetak
Contoh 15.5 Uji median = 0,000000 versus median bukan = 0,000000
N Statisti Diperkirakan
N untu k P median
k Wilcoxon
Tes
Perbedaan 6 6 2.0 0,093 -0,01100
Perkiraan Normal untuk Tes Peringkat

Bertanda Wilcoxon
Meskipun Tabel 8 dalam Lampiran I memiliki nilai kritis untuk n sebesar 50, T+, seperti uji
peringkat bertanda Wilcoxon, akan kira-kira terdistribusi secara normal ketika nol
❍ 649
hipotesis benar dan n besar—katakanlah, 25 atau lebih. Ini memungkinkan Anda
membuat uji-z sampel besar, di mana
n(n + 1)
e(T ) = ——
4
n(n + 1)(2n + 1)
s 2T = ——
24
Kemudian statistik z
n(n + 1)
+ T+ — ——
z = T——
—E(T+)
=———
4
st+ n(n + 1)( 2n + 1)
——
24√¯¯¯
dapat digunakan sebagai uji statistik. Jadi, untuk uji dua sisi dan a = 0,05, Anda dapat
menolak hipotesis distribusi populasi yang identik ketika |z| ≥ 1,96.
SAMPEL BESAR WILCOXON SIGNED-RANK TEST

UNTUK EKSPERIMEN BERPASANGAN:nW25
1. Hipotesis nol: H0 : Distribusi frekuensi relatif populasi 1 dan 2 adalah identik.

Hipotesis alternatif: Ha : Distribusi frekuensi relatif dua populasi berbeda
2. lokasinya (uji dua sisi). Atau Ha : Distribusi frekuensi relatif populasi 1
digeser ke kanan (atau kiri) distribusi frekuensi relatif untuk populasi 2 (uji
satu sisi).
T+ — [n(n + 1)/4]
3. Uji statistik: z = ———
√¯[n(n +¯1)(2n ¯+ 1)]/¯24
4. Wilayah penolakan: Tolak H0 jika z > za/2 atau z < —za/2 untuk uji
dua sisi. Untuk uji satu sisi, tempatkan semua a dalam satu ekor
distribusi z. Untuk mendeteksi pergeseran distribusi 1 ke kanan
distribusi 2, tolak H0 ketika z > za. Untuk mendeteksi pergeseran ke
Nilaiarah yangz diberikan
tabulasi berlawanan,
padatolak
TabelH0
3 dijika z < —za.
Lampiran I.
15.5LATIHAN
TEKNIK DASAR
15.21 Misalkan Anda ingin mendeteksi perbedaan 15.22 Lihat Latihan 15.21. Misalkan Anda hanya
lokasi dari dua distribusi populasi berdasarkan ingin mendeteksi pergeseran distribusi 1 ke kanan
eksperimen beda-berpasangan yang terdiri dari n = 30 distribusi 2.
pasang.
a. Berikan hipotesis nol dan alternatif untuk uji
a. Berikan hipotesis nol dan alternatif untuk uji peringkat bertanda Wilcoxon.
peringkat bertanda Wilcoxon. b. Berikan statistik uji.
b. Berikan statistik uji. c. Berikan daerah penolakan untuk pengujian untuk a = 0,05.
c. Berikan daerah penolakan untuk pengujian untuk a d. Jika T+ = 249, apa kesimpulan Anda? [CATATAN:
= 0,05. T+ + T — = n(n + 1)/2.]
d. Jika T+ = 249, apa kesimpulan Anda? [CATATAN:
T+ + T — = n(n + 1)/2.]
15.23 Lihat Latihan 15.21. Lakukan pengujian

a. Apakah data memberikan bukti yang cukup untuk
menggunakan uji-z sampel besar. Bandingkan hasil menunjukkan perbedaan tingkat kerusakan bulanan
Anda dengan hasil uji nonparametrik pada Latihan untuk kedua mesin? Tes dengan menggunakan nilai
15.22, bagian d. mendekati 0,05.
15.24 Lihat Latihan 15.22. Lakukan pengujian b. Dapatkah Anda memikirkan alasan tingkat
menggunakan uji-z sampel besar. Bandingkan hasil kerusakan untuk kedua mesin dapat bervariasi
Anda dengan hasil uji nonparametrik pada Latihan dari bulan ke bulan?
15.21, bagian d.
15.28 Memasak Gourmet IILihat perbandingan
15.25 Lihat Latihan 15.16 dan kumpulan data peringkat makanan adiboga di Latihan 15.18, dan
EX1516. Data dalam tabel ini berasal dari percobaan gunakan uji peringkat bertanda Wilcoxon untuk
beda berpasangan dengan n = 7 pasang pengamatan. menentukan apakah data memberikan bukti yang
Berpasangan cukup untuk menunjukkan perbedaan peringkat kedua
Populasi 1 23 4 5 adiboga tersebut. Tes dengan menggunakan nilai
mendekati 0,05. Bandingkan hasil tes ini dengan hasil
1 8.9
6 8.1
7 9.3 7.7 10.4 8.3 7.4
2 8.8 7.4 9.0 7.8 9.9 8.1 6.9 tes tanda pada Latihan 15.18. Apakah kesimpulan tes
konsisten?
15.29 Kontrol lalu lintasDua metode untuk

a. Gunakan uji peringkat bertanda Wilcoxon untuk
menentukan apakah ada perbedaan yang signifikan EX1529 pengendalian lalu lintas, A dan B, digunakan
antara kedua populasi. pada masing-masing n = 12 persimpangan selama
periode 1 minggu, dan jumlah kecelakaan yang terjadi
b. Bandingkan hasil bagian a dengan hasil yang Anda
selama periode waktu ini dicatat. Urutan penggunaan
peroleh pada Latihan 15.16. Apakah mereka sama?
(metode mana yang akan digunakan untuk minggu
Menjelaskan.
pertama) dipilih secara acak. Anda ingin mengetahui
apakah data memberikan bukti yang cukup untuk
APLIKASI menunjukkan perbedaan dalam distribusi tingkat
15.26 Nilai Properti IIDalam Latihan 15.17, Anda kecelakaan untuk metode pengendalian lalu lintas A
menggunakan uji tanda untuk menentukan apakah data dan B.
memberikan bukti yang cukup untuk menunjukkan
perbedaan distribusi penilaian properti untuk penilai A
dan B.
sebuah.Gunakan uji peringkat bertanda Wilcoxon
Metode Metode
untuk eksperimen berpasangan untuk menguji A B A B
Persimpanga Persimpanga
hipotesis nol bahwa tidak ada perbedaan dalam n n
distribusi penilaian properti antara penilai A dan B. 1 5 4 7 2 3
Uji dengan menggunakan 2 6 4 8 4 1
Nilai darisebuahdekat 0,05. 3 8 9 9 7 9
b.Bandingkan kesimpulan tes di bagian a dengan 4 3 2 10 5 2
5 6 3 11 6 5
kesimpulan diperoleh dari uji-t pada Latihan 10.43 dan uji tanda pada a. Analisis menggunakan uji tanda.
Latihan 15.17. Jelaskan mengapa kesimpulan tes ini konsisten (atau
b. Analisis menggunakan uji peringkat bertanda
tidak).
Wilcoxon untuk eksperimen berpasangan.
15.27Kerusakan Mesin Nomor
EX1527 kerusakan mesin per bulan adalah 15.30 Puzzle JigsawAda delapan orang
direkam selama 9 bulan pada dua mesin identik, A 8 6 5
dan B, yang digunakan untuk membuat tali kawat: 9 7 13
Bulan SEBUAH B
1 3 7
2 14 12
3 7 9
4 10 15
5 9 12
6 6 6
7 13 12
EX1530 diminta untuk melakukan tugas ❍ 651
perakitan puzzle sederhana dalam kondisi
normal dan dalam kondisi stres. Selama
masa stres, kejutan ringan diberikan kepada
subjek 3 menit setelah dimulainya
eksperimen dan setiap 30 detik sesudahnya
hingga tugas selesai. Pembacaan tekanan
darah dilakukan pada kedua kondisi
tersebut. Data dalam tabel adalah
pembacaan tertinggi selama percobaan.
Apakah data menyajikan bukti yang cukup
untuk menunjukkan pembacaan tekanan
darah yang lebih tinggi dalam kondisi
stres?
Analisis data menggunakan uji peringkat
bertanda Wilcoxon untuk eksperimen
berpasangan.
Subjek Normal Stres

sebuah.Tiga prosedur pengujian apa yang dapat
1 126 130 digunakan untuk menguji perbedaan dalam
distribusi skor ingatan
2 117 118 dengan dan tanpa pencitraan? Asumsi apa itu
3 115 125 diperlukan untuk prosedur parametrik? Lakukan
ini
4 118 120 data memenuhi asumsi ini?
5 118 121
6 128 125 b.Gunakan uji tanda dan tanda tangan Wilcoxon
7 125 130 rank test untuk menguji perbedaan dalam
distribusi
8 120 120 skor ingat di bawah dua kondisi ini.
15.31 Ingat Gambar dan KataSebuah c. Bandingkan hasil pengujian pada bagian b.
EX1531 psy-kelas chology melakukan percobaan Apakah kesimpulannya sama? Jika tidak,
untuk mengapa tidak?
tentukan apakah skor ingatan di mana instruksi untuk
membentuk gambar dari 25 kata diberikan berbeda dari
skor ingatan awal yang tidak diberikan instruksi
pencitraan. Dua puluh siswa berpartisipasi dalam
percobaan dengan hasil yang tercantum dalam tabel.
Dengan Tanpa Dengan Tanpa
Siswa Pencitra Pencitraa Siswa Pencitra Pencitra
an n an an
1 20 5 11 17 8
2 24 9 12 20 16
3 20 5 13 20 10
4 18 9 14 16 12
5 22 6 15 24 7
6 19 11 16 22 9
7 20 8 17 25 21
8 19 11 18 21 14
9 17 7 19 19 12
10 21 9 20 23 13
UJI H KRUSKAL–WALLIS UNTUK DESAIN

ACAK SEPENUHNYA
15.6
Sama seperti uji jumlah peringkat Wilcoxon adalah alternatif nonparametrik untuk
uji-t Student untuk perbandingan rata-rata populasi, uji-H Kruskal-Wallis adalah
alternatif nonparametrik untuk analisis varians uji-F untuk desain acak lengkap. Ini
digunakan untuk mendeteksi perbedaan lokasi di antara lebih dari dua distribusi
populasi berdasarkan sampling acak independen.
Prosedur untuk melakukan uji-H Kruskal–Wallis mirip dengan yang digunakan
untuk uji jumlah peringkat Wilcoxon. Misalkan Anda membandingkan k populasi
berdasarkan sampel acak independen n1 dari populasi 1, n2 dari populasi 2, . . . , nk
dari populasi k, dimana
n1 + n2 + ∙∙∙ + nk = n
Langkah pertama adalah mengurutkan semua n pengamatan dari yang terkecil
(peringkat 1) hingga yang terbesar (peringkat n). Pengamatan yang diikat diberi
peringkat yang sama dengan rata-rata peringkat yang akan mereka terima jika mereka
hampir sama tetapi tidak terikat. Anda kemudian menghitung peringkat jumlah T1,
T2, . . . , Tk untuk sampel k dan hitung statistik uji
12 T2 ❍ 653
H =—— S --saya — 3(n + 1)
n(n + 1) ni
15.6 UJI-H KRUSKAL–WALLIS UNTUK DESAIN ACAK SEPENUHNYA ❍ 651
yang sebanding dengan S ni(¯Ti — ¯T )2, jumlah simpangan pangkat dua pangkat
rata-rata rata-rata ¯T = n(n + 1)/2n = (n + 1)/2. Semakin besar perbedaan lokasi di
antara k distribusi populasi, semakin besar nilai statistik H. Dengan demikian, Anda
dapat menolak hipotesis nol bahwa k distribusi populasi identik untuk nilai H yang
besar.
Seberapa besar besar? Dapat ditunjukkan (bukti dihilangkan) bahwa ketika ukuran
sampel sedang hingga besar katakanlah, setiap ukuran sampel sama dengan lima atau
lebih besar dan ketika H0 benar, statistik H akan memiliki kira-kira distribusi chi-
kuadrat dengan (k — 1) derajat kebebasan. Oleh karena itu, untuk nilai a tertentu,
Anda dapat menolak H0 s ketika statistik H melebihi x 2 (lihat Gambar 15.5).
e
GAMBAR 15.5
f(H
●
Perkiraan distribusi
dari statistik H ketika H0 Distribusi chi-kuadrat
adalah benar

0   H
Wilayah penolakan
CONTOH 15.6
Data pada Tabel 15.9 dikumpulkan dengan menggunakan rancangan acak lengkap.
Itu adalah nilai tes prestasi untuk empat kelompok siswa yang berbeda, masing-
masing kelompok diajar dengan teknik mengajar yang berbeda. Tujuan dari
percobaan ini adalah untuk menguji hipotesis tidak ada perbedaan dalam distribusi
populasi skor tes prestasi versus alternatif yang lokasinya berbeda; yaitu, setidaknya
salah satu distribusi bergeser di atas yang lain. Lakukan pengujian menggunakan uji-
H Kruskal–Wallis dengan a = 0,05.
TABEL 15.9 ● Skor Tes (dan Peringkat) dari Empat Teknik Pengajaran
1 2 3 4
65 (3) 75 (9) 59 (1) 94 (23)
87 (19) 69 (5.5) 78 (11) 89 (21)
73 (8) 83 (17.5) 67 (4) 80 (14)
79 (12.5) 81 (15.5) 62 (2) 88 (20)
81 (15.5) 72 (7) 83 (17.5)
69 (5.5) 79 (12.5) 76 (10)
90(22)
Jumlah Peringkat T1 T2 =89 T3 =45.5 T4 =78
=63.5
LarutanSebelum Anda melakukan analisis nonparametrik pada data ini, Anda dapat
menggunakan analisis varians satu arah untuk menyediakan dua plot pada Gambar
15.6. Tampak bahwa teknik 4 memiliki varian yang lebih kecil daripada tiga teknik
lainnya dan terdapat penyimpangan yang jelas di ujung kanan plot probabilitas
normal. Penyimpangan ini dapat dianggap kecil dan analisis parametrik atau
nonparametrik dapat digunakan.
GAMBAR 15.6 ●
Plot probabilitas normal Plot Probabilitas Normal dari Residual
dan plot residual (respons adalah
Skor)
99
mengikuti analisis varians
satu arah untuk Contoh 95
90
15.6
80
70
60
Persen
50
40
30
20
10
5
1
—20 —10 0 10 20
Sisa
Residu versus Nilai Pas

(respons adalah
Skor)
15
10
0
Sisa
—5
—
10
70 75 80 85 90
Nilai Pas
Dalam prosedur uji-H Kruskal–Wallis, langkah pertama adalah mengurutkan

pengamatan n = 23 dari yang terkecil (peringkat 1) hingga terbesar (peringkat 23).
Peringkat ini ditunjukkan dalam tanda kurung pada Tabel 15.9. Perhatikan bagaimana
dasi ditangani. Misalnya, dua pengamatan pada 69 sama untuk peringkat 5. Oleh
karena itu, mereka diberi rata-rata 5,5 dari dua peringkat (5 dan 6) yang akan mereka
tempati jika mereka sedikit berbeda. Peringkat jumlah T1, T2, T3, dan T4 untuk
empat sampel ditunjukkan pada baris paling bawah dari tabel. Mengganti jumlah
peringkat dan ukuran sampel ke dalam rumus untuk statistik H, Anda dapatkan
12 T2
H =—— S --saya — 3(n + 1)
n(n + 1) ni
(89) (45.5) —
= —— 12
23(24) —— 6 [
(63.5)2
—— + 2—— +2 —— +
7 6
(78)2 3(24)
]
4
= 79,775102 — 72 =
7,775102
Daerah penolakan untuk statistik H untuk a = 0,05 mencakup nilai H ≥ x 2 , di mana
2 .05
.05
x didasarkan pada (k — 1) = (4 — 1) = 3 df. Nilai x2 diberikan pada Tabel 5 di
Lampiran I adalah x 2.05 = 7,81473. Nilai statistik H yang diamati, H = 7,775102,
tidak jatuh ke daerah penolakan untuk pengujian. Oleh karena itu, tidak cukup bukti
untuk menunjukkan perbedaan dalam distribusi nilai tes prestasi untuk keempat
teknik pengajaran tersebut.
Cetakan MINITAB dari uji-H Kruskal–Wallis untuk data ini diberikan pada
Gambar 15.7. Perhatikan bahwa nilai-p, 0,051, hanya sedikit lebih besar dari tingkat
5% yang diperlukan untuk menyatakan signifikansi statistik.
GAMBAR 15.7
●
Tes Kruskal-Wallis: Skor versusTeknik
MINITABcetakan untuk
uji Kruskal–Wallis untuk Tes Kruskal-Wallis pada Skor
Contoh 15.6
Teknik N median Peringkat Z
rata-rata
1 6 76.00 10.6 -0,60
2 7 79.00 12.7 0,33
3 6 71.50 7.6 -1,86
4 4 88.50 19.5 2.43
Keseluruha 23 12.0
n
H = 7,78 DF = 3 P = 0,051
H = 7,79 DF = 3 P = 0,051 (disesuaikan dengan ikatan)
* CATATAN * Satu atau lebih sampel kecil
CONTOH 15.7
Bandingkan hasil analisis uji-F varians dan uji-H Kruskal–Wallis untuk pengujian
perbedaan distribusi nilai tes prestasi untuk keempat teknik pengajaran pada Contoh
15.6.
LarutanCetakan MINITAB untuk analisis varians satu arah untuk data pada Tabel
15.9 diberikan pada Gambar 15.8. Analisis varians menunjukkan bahwa uji-F untuk
menguji perbedaan rata-rata keempat teknik tersebut signifikan pada tingkat
tingkat 0,028. Uji-H Kruskal–Wallis tidak mendeteksi pergeseran distribusi populasi
pada tingkat signifikansi 0,05. Meskipun kesimpulan ini tampaknya berjauhan, hasil
tes tidak berbeda jauh. Nilai-p = 0,028 sesuai dengan F = 3,77, dengan df1 = 3 dan
df2 = 19, sedikit kurang dari 0,05, berbeda dengan nilai-p = 0,051 untuk H = 7,78, df
= 3, yaitu sedikit lebih besar dari 0,05. Seseorang yang melihat nilai p untuk kedua
tes tersebut akan melihat sedikit perbedaan dalam hasil tes F dan H. Namun, jika
Anda mengikuti pilihan a = 0,05, Anda tidak dapat menolak H0 dengan
menggunakan uji-H.
GAMBAR 15.8
●
ANOVA satu arah: Skor versus Teknik
MINITABhasil cetak Contoh 15.7
Sumber DF SS NONA F P
Teknik 3 712.6 237.5 3.77 0,028
Kesalahan 19 1196.6 63.0
Total 22 1909.2
THE KRUSKAL–WALLISH-UJI UNTUK MEMBANDINGKAN

LEBIH DARI DUA POPULASI: DESAIN ACAK SEPENUHNYA
(SAMPEL ACAK INDEPENDEN)
Hipotesis nol: H0 : Distribusi populasi k adalah identik.

Hipotesis alternatif: Ha : Setidaknya dua dari k distribusi populasi
berbeda lokasinya.
12 T2
3. Uji statistik: H = —— S ——i — 3(n + 1)
n(n + 1)ni (lanjutan)
THE KRUSKAL–WALLISH-UJI UNTUK MEMBANDINGKAN

LEBIH DARI DUA PENDUDUK: DESAIN ACAK SEPENUHNYA
(ACAK INDEPENDEN
SAMPEL)(lanjutan)
di mana
ni= Ukuran sampel untuk populasi i Ti = Jumlah peringkat untuk
populasi i
n= Jumlah observasi = n1 + n2 + ∙∙∙ + nk
4. Daerah penolakan untuk diberikan a: Hs > x 2 dengan (k
— 1) df e
b
Asumsi u
a
h
Semua ukuran sampel lebih besar dari atau sama dengan lima.
Dasi mengambil rata-rata peringkat yang akan mereka tempati jika tidak diikat.
Uji-H Kruskal-Wallis adalah alternatif yang berharga untuk analisis varians satu
arah ketika normalitas dan kesamaan asumsi varians dilanggar. Sekali lagi, plot
probabilitas normal residu dan plot residu per kelompok perlakuan sangat membantu
dalam menentukan apakah asumsi ini telah dilanggar. Ingatlah bahwa plot
probabilitas normal akan tampak sebagai garis lurus dengan kemiringan positif; plot
sisa per kelompok perlakuan harus menunjukkan penyebaran yang sama di atas dan
di bawah garis 0.
15.6LATIHAN
TEKNIK DASAR
15.32 Tiga perlakuan dibandingkan 15.33 Empat perlakuan dibandingkan menggunakan
menggunakan
EX1532 desain acak lengkap. Datanya adalah EX1533 desain acak lengkap. Datanya adalah
ditampilkan dalam tabel. ditampilkan di sini:
Perlakuan
Perlakuan
1 2
1 2 3
3
4
26 27 25
124 147 141 117
29 31 24
167 121 144 128
23 30 27
135 136 139 102
24 28 22
160 114 162 119
28 29 24
159 129 155 128
26 32 20
144 117 150 123
30 21
133 109
33
Apakah data memberikan bukti yang cukup untuk Apakah data memberikan bukti yang cukup untuk
menunjukkan perbedaan lokasi untuk setidaknya dua menunjukkan perbedaan lokasi untuk setidaknya dua
distribusi populasi? Uji menggunakan statistik distribusi populasi? Uji menggunakan statistik
Kruskal–Wallis H dengan a = 0,05. Kruskal–Wallis H dengan a = 0,05.
APLIKASI b.Temukan perkiraan nilai-p untuk tes di bagian a.

15.34 Situs Rawa IILatihan 11.13 menyajikan c.Karena uji-F pada Latihan 11.60 dan uji-H pada
data (lihat kumpulan data EX1113) tentang laju bagian a keduanya merupakan uji untuk mendeteksi
pertumbuhan vegetasi di empat lokasi rawa yang perbedaan lokasi dari empat populasi detak jantung,
belum dikembangkan. Enam tanaman dipilih secara bagaimana hasil uji tersebut dibandingkan?
acak di masing-masing dari empat lokasi untuk Bandingkan nilai-p untuk kedua tes dan jelaskan
digunakan dalam perbandingan. Datanya adalah rata- implikasi dari perbandingan tersebut.
rata panjang daun per tanaman (dalam sentimeter)
15.36 Tingkat pH dalam AirContoh dari
untuk sampel acak sepuluh daun per tanaman.
EX1536 keasaman hujan selama sepuluh dipilih secara acak
Lokasi Rata-rata Panjang Daun (cm) curah hujan tercatat di tiga lokasi berbeda di Amerika
1 5.7 6.3 6.1 6.0 5.8 6.2
Serikat: Timur Laut, wilayah Atlantik Tengah, dan
2 6.2 5.3 5.7 6.0 5.2 5.5 Tenggara. Pembacaan pH untuk 30 curah hujan ini
3 5.4 5.0 6.0 5.6 4.9 5.2 ditunjukkan pada tabel. (CATATAN: pembacaan pH
4 3.7 3.2 3.9 4.0 3.5 3.6 berkisar dari 0 hingga 14; 0 adalah asam, 14 adalah
basa. Air murni
a. Apakah data menyajikan bukti yang cukup untuk jatuh melalui udara bersih memiliki pembacaan pH 5,7.)
ditunjukkan
menggunakan Kruskal–Wallis H-test dengan a = .01.

b. Temukan perkiraan nilai p untuk tes ini.
c. Anda menganalisis set data yang sama di Exer-
cise 11.13 menggunakan analisis varians. Carilah
nilai-p untuk uji-F yang digunakan untuk
membandingkan rata-rata empat lokasi pada
Latihan 11.13.
d. Bandingkan nilai-p di bagian b dan c dan jelaskan
implikasi dari perbandingan tersebut.
15.35Denyut Jantung dan LatihanLatihan 11.60
menyajikan data (kumpulan data EX1160) tentang
detak jantung untuk sampel 10 pria yang dipilih secara
acak dari masing-masing empat kelompok umur.
Setiap pria berjalan di treadmill pada tingkat tetap
selama 12 menit, dan peningkatan denyut jantung
(perbedaan sebelum dan sesudah latihan) dicatat
(dalam denyut per menit). Data ditampilkan dalam
tabel.
10–19 20–39 40–59 60–69
29 24 37 28
33 27 25 29
26 33 22 34
27 31 33 36
39 21 28 21
35 28 26 20
33 24 30 25
29 34 34 24
36 21 27 33
22 32 33 32
Total 309 275 295 282
sebuah.Apakah data menyajikan bukti yang cukup

untuk menunjukkan perbedaan lokasi untuk
setidaknya dua dari empat kelompok umur? Uji
perbedaan lokasi untuk setidaknya dua dari kabupaten Timur laut Atlantik Tengah Tenggara
butions rata-rata panjang daun sesuai dengan 4.45 4.60 4.55
656empat
❍ lokasi? Uji menggunakan
BAB 15STATISTIK NONPARAMETRIKKruskal–Wallis 4.02 4.27 4.31
H-tes dengansebuah=.05. 4.13 15.374.31 4.84
Kampanye Periklanan Hasil
3.51 3.88 4.67 EX1537 percobaan untuk menyelidiki pengenalan
4.42 4.49 4.28
produk untuk tiga kampanye iklan dilaporkan dalam
3.89 4.22 4.95
4.18 4.54 4.72 Contoh 11.14. Tanggapannya adalah persentase 400
3.95 4.76 4.63 orang dewasa yang mengenal produk baru yang
4.07 4.36 4.36 diiklankan. Plot probabilitas normal menunjukkan
4.29 4.21 4.47 bahwa data tidak mendekati normal dan metode
a. Apakah data menyajikan bukti yang cukup analisis lain harus digunakan. Apakah ada perbedaan
untuk menunjukkan perbedaan tingkat yang signifikan di antara tiga distribusi populasi dari
keasaman curah hujan di tiga lokasi berbeda? mana sampel ini berasal? Gunakan metode
Uji menggunakan uji-H Kruskal– Wallis. nonparametrik yang tepat untuk menjawab pertanyaan
ini.
b. Temukan perkiraan nilai-p untuk tes di
bagian a dan interpretasikan.
Kampanye
1 2 3
.33 .28 .21
.29 .41 .30
.21 .34 .26
.32 .39 .33
.25 .27 .31
FRIEDMAN Fr-TEST UNTUK DESAIN BLOK

ACAK
15.7
Friedman Fr-test, yang diusulkan oleh ekonom pemenang Hadiah Nobel Milton
Friedman, adalah tes nonparametrik untuk membandingkan distribusi pengukuran
untuk k perawatan yang ditata dalam blok b menggunakan desain blok acak. Prosedur
untuk melakukan tes ini sangat mirip dengan yang digunakan untuk uji-H Kruskal-
Wallis. Langkah pertama dalam prosedur ini adalah mengurutkan k pengamatan
perlakuan dalam setiap blok. Dasi diperlakukan dengan cara biasa; yaitu, mereka
menerima rata-rata peringkat yang ditempati oleh pengamatan yang diikat. Peringkat
tersebut menjumlahkan T1, T2, . . . , Tk kemudian diperoleh dan statistik uji
12 2
Fr = ——S Ti— 3b(k + 1)
bk(k + 1)
dihitung. Nilai statistik Fr minimal ketika jumlah peringkat sama — yaitu, T1 = T2 =
∙∙∙ = Tk — dan nilainya meningkat seiring dengan peningkatan perbedaan di antara
jumlah peringkat. Ketika jumlah k perlakuan atau jumlah b blok lebih besar dari lima,
distribusi sampling Fr dapat didekati dengan distribusi chi-kuadrat dengan (k - 1) df.
Oleh karena itu, untuk uji-H Kruskal–Wallis, daerah penolakan untuk uji-Fr terdiri
dari nilai-nilai Fr yang
Fr>x2 s
e
CONTOH 15.8
Misalkan Anda ingin membandingkan waktu reaksi orang yang terpapar enam
rangsangan berbeda. Pengukuran waktu reaksi diperoleh dengan mengarahkan
seseorang pada suatu rangsangan dan kemudian mengukur waktu sampai orang
tersebut menunjukkan beberapa reaksi tertentu. Tujuan percobaan adalah untuk
menentukan apakah ada perbedaan waktu reaksi untuk rangsangan yang digunakan
dalam percobaan. Untuk menghilangkan variasi waktu reaksi orang-ke-orang, empat
orang berpartisipasi dalam percobaan dan waktu reaksi setiap orang (dalam detik)
diukur untuk masing-masing dari enam rangsangan. Data diberikan pada Tabel 15.10
(peringkat pengamatan ditunjukkan dalam tanda kurung). Gunakan Friedman Fr-test
untuk menentukan apakah data menyajikan bukti yang cukup untuk menunjukkan
perbedaan dalam distribusi waktu reaksi untuk enam rangsangan. Uji menggunakan a
= 0,05.
TABEL 15.10 ● Waktu Reaksi terhadap Enam Rangsangan

Rangsangan
Subjek SEBUAH B C D e F
1 .6 (2.5) 0,9 0,8 (5) 0,7 (4) 0,5 (1) .6 (2.5)
(6)
2 .7 (3.5) 1.1 (6) .7 (3.5) 0,8 (5) .5 (1.5) .5 (1.5)
3 0,9 (3) 1.3 (6) 1.0 (4.5) 1.0 (4.5) 0,7 (1) 0,8 (2)
4 0,5 (2) 0,7 0,8 (6) .6 (3.5) 0,4 (1) .6 (3.5)
(5)
Jumlah T1 =11 T2 =23 T3 =19 T4 =17 T5 =4.5 T6 =9.5
LarutanPada Gambar 15.9, plot residual untuk masing-masing dari enam rangsangan
mengungkapkan bahwa rangsangan 1, 4, dan 5 memiliki variasi yang agak lebih kecil
daripada rangsangan lainnya. Selain itu, plot probabilitas normal dari residu
mengungkapkan perubahan kemiringan garis mengikuti tiga residu pertama, serta
kelengkungan di bagian atas plot. Tampaknya analisis nonparametrik sesuai untuk
data ini.
15.7 FRIEDMAN Fr-TEST UNTUK DESAIN BLOK ACAK ❍ 657
GAMBAR 15.9 ●
Sebuah plot perawatan ver- Residu versus Stimulus
(tanggapanwaktu
residu sus dan normalplot nya)
probabilitas residu untuk
0,10
Contoh 15.8
0,05
0,00
Sisa
0,05
—
0,10
—
0,15
1 2 3 4 5 6
—
0,20 Rangsan
gan
Plot Probabilitas Normal dari Residual (tanggapanwaktu

99 nya)
95
90
80
70
60
Persen
50
40
30
20
10
5
1
— — 0,0 0,1 0,2
0,2 0,1 Sisa
Anda ingin menguji

H0 : Distribusi waktu reaksi untuk enam rangsangan identik dengan
hipotesis alternatif
Hsebuah : Setidaknya dua dari distribusi waktu reaksi untuk enam rangsangan berbeda
lokasi
Tabel 15.10 menunjukkan peringkat (dalam tanda kurung) pengamatan dalam setiap
blok dan jumlah peringkat untuk masing-masing dari enam stimulus (perlakuan).
Nilai statistik Fr untuk data ini adalah
12 2
F r = ——S Ti— 3b(k + 1)
bk(k + 1)
12
=—— 2
[(11) + + + ∙∙∙ + (9,5)2] — 3(4)(7)
(4)(6)(7) (23)2 (19)2
= 100,75 — 84 = 16,75
Karena jumlah k = 6 dari perlakuan melebihi lima, distribusi sampling Fr dapat
didekati dengan distribusi chi-kuadrat dengan (k — 1) = (6 — 1) = 5 df. Oleh karena
itu, untuk a = 0,05, Anda dapat menolak H0 jika
Fr>x2
.05 di mana x2.05 = 11,0705
Daerah penolakan ini ditunjukkan pada Gambar 15.10. Karena diamati nilai Fr = 16,75
melebihi x2
.05= 11,0705, jatuh di daerah penolakan. Oleh karena itu, Anda dapat menolak H0
dan menyimpulkan bahwa distribusi waktu reaksi berbeda di lokasi untuk setidaknya
dua rangsangan. Hasil cetakan MINITAB dari Friedman Fr-test untuk data diberikan
pada Gambar 15.11.
GAMBAR ●
15.10 f(Fr
Penolakanwilayah
untuk Contoh 15.8
=
0,05
0  = 11,0705 Fr
.05
Wilayah Diamatinilai Fr
penolaka
n
GAMBAR
●
15.11 Tes Friedman: Waktu versus Stimulus diblokir oleh Subjek
MINITABhasil cetak S = 16,75 DF = 5 P = 0,005
Contoh 15.8 S = 17,37 DF = 5 P = 0,004 (disesuaikan dengan seri)
Est Jumlah dari

Rangsangan N median Peringkat
1 4 0,6500 11.0
2 4 1.0000 23.0
3 4 0,8000 19.0
4 4 0,7500 17.0
5 4 0,5000 4.5
6 4 0,6000 9.5
Media besar = 0,7167
CONTOH 15.9
Temukan perkiraan nilai-p untuk pengujian dalam Contoh 15.8.
Larutan Konsultasi Tabel 5 dalam Lampiran I dengan 5 df, Anda menemukan bahwa diamati
nilai Fr = 16,75 melebihi nilai tabel x 2 .005 = 16,7496. Oleh karena itu, p-nilai adalah
sangat dekat, tetapi sedikit kurang dari, 0,005.
THE FRIEDMANFr-UJI UNTUK DESAIN BLOK ACAK
1. Hipotesis nol: H0 : Distribusi populasi k adalah identik

2. Hipotesis alternatif: Ha : Setidaknya dua dari k distribusi populasi berbeda
lokasinya
12
3. Ujistatistik: F = ——
r ST 2 — 3b(k + s1)
bk(k + 1) a
y
a
di mana
b= Jumlah blok
k= Jumlah perlakuan
Ti= Jumlah ranking untuk perlakuan i, i = 1, 2, . . . , k
4. Daerah penolakan: Fr > x 2, dimana x 2 didasarkan pada (k — 1) df
sebuah sebuah
Anggapan:Entah jumlah k perawatan atau jumlah b blok lebih besar dari

lima.
15.7LATIHAN
TEKNIK DASAR
15.38 Rancangan acak kelompok digunakan a. Gunakan Friedman Fr-test untuk mendeteksi perbedaan
untuk
EX1538 membandingkan tiga perlakuan dalam lokasi di antara empat distribusi perlakuan. Uji
enam blok. menggunakan a = 0,05.
Perlakuan
Memblokir 1 2 3 b. Temukan perkiraan nilai-p untuk tes di bagian a.
1 3.2 3.1 2.4 c. Lakukan analisis varians dan berikan tabel
2 2.8 3.0 1.7
3 4.5 5.0 3.9
ANOVA untuk analisisnya.
4 2.5 2.7 2.6 d. Berikan nilai statistik F untuk menguji
5 3.7 4.1 3.5 persamaan rata-rata empat perlakuan.
6 2.4 2.4 2.0
e. Berikan perkiraan nilai p untuk statistik F di
a. Gunakan uji Friedman Fr untuk mendeteksi bagian d.
perbedaan lokasi di antara ketiga distribusi
f. Bandingkan nilai-p untuk tes di bagian a dan d,
perlakuan. Uji menggunakan a = 0,05.
dan jelaskan implikasi praktis dari perbandingan
b. Temukan perkiraan nilai-p untuk tes di bagian a. tersebut.
c. Lakukan analisis varians dan berikan tabel
ANOVA untuk analisisnya.
d. Berikan nilai statistik F untuk menguji
APLIKASI
persamaan rata-rata tiga perlakuan.
e. Berikan perkiraan nilai p untuk statistik F di 15.40 Harga SupermarketDalam perbandingan-
bagian d. EX1540 Dari harga barang di lima supermarket, enam
barang dipilih secara acak dan harga masing-masing
f. Bandingkan nilai-p untuk tes di bagian a dan d,
dicatat untuk masing-masing dari lima supermarket.
dan jelaskan implikasi praktis dari perbandingan
Tujuan dari penelitian ini adalah untuk melihat apakah
tersebut.
data menunjukkan adanya perbedaan tingkat harga di
15.39 Rancangan acak kelompok digunakan antara kelima supermarket tersebut. Harga tercantum
untuk dalam tabel.
EX1539 membandingkan empat perlakuan dalam delapan blok.
Kash Winn- Maka
Perlakuan Barang n'Karr Publix Dixie Albertsons nan 4
y Kura
Memblokir 1 2 3 4 ng
1 89 81 84 85 Colgat
pasta gigi .33
1.28 .34
1.49 .69
1.44 .59
1.37 .58
1.28
2 93 86 86 88 milik
Campbell
3 91 85 87 86 Sup daging 1.05 1.19 1.23 1.19 1.10
4 85 79 80 82 Hancur
5 90 84 85 85 nanas .83 .95 .95 .87 .84
6 86 78 83 84 milik Mueller
7 87 80 83 82 spageti .68 .79 .83 .69 .69
8 93 86 88 90 saus tomat Heinz 1.41 1.69 1.79 1.65 1.49
a. Apakah distribusi harga berbeda dari satu

sampel anak sehat untuk menilai reaksi mereka
supermarket ke supermarket lainnya? Uji
terhadap rasa empat antibiotik.4 Respon anak-anak
menggunakan Friedman Fr-test dengan a = 0,05.
diukur pada skala analog visual 10 sentimeter (cm)
b. Temukan perkiraan nilai p untuk tes dan yang menggabungkan penggunaan wajah, dari sedih
interpretasikan. (skor rendah) hingga bahagia (skor tinggi) . Skor
15.41 Bahan Kimia BeracunEksperimen minimum adalah 0 dan maksimum adalah 10. Untuk
dulu data yang menyertai (disimulasikan dari hasil laporan
EX1541 dilakukan untuk membandingkan efek tiga Matsui), masing-masing dari lima anak diminta untuk
bahan kimia beracun, A, B, dan C, pada kulit tikus. mencicipi masing-masing dari empat antibiotik dan
Kotak kulit satu inci dirawat dengan bahan kimia dan menilai mereka menggunakan skala analog visual
kemudian diberi skor dari 0 hingga 10 tergantung pada (wajah). dari 0 hingga 10 cm.
tingkat iritasi. Tiga kotak 1 inci yang berdekatan
ditandai di punggung delapan tikus, dan masing- Antibiotika
masing dari tiga bahan kimia dioleskan ke setiap tikus. Anak 1 2
Dengan demikian, percobaan diblokir pada tikus untuk 3 4
menghilangkan variasi kepekaan kulit dari tikus ke
1 4.8 2.2 6.8 6.2
tikus.
2 8.1 9.2 6.6 9.6
3 5.0 2.6 3.6 6.5
Tikus
4 7.9 9.4 5.3 8.5
5 3.9 7.4 2.1 2.0
1 2 3 4 5 6 7 8
B SEBUA SEBUA C B C C B
a. Desain apa yang digunakan dalam mengumpulkan data ini?
H H b. Dengan menggunakan paket statistik yang sesuai
5 9 6 6 8 5 5 7 untuk klasifikasi dua arah, hasilkan plot
SEB C B B C SEBUA B SEB probabilitas normal dari residu serta plot residu
UAH H UAH versus antibiotik. Apakah analisis asumsi varians
6 4 9 8 8 5 7 6
yang biasa tampak memuaskan?
C B C SEB SEBUA B SEBUA C
a. Apakah data memberikan bukti yang cukup untuk c. Gunakan uji nonparametrik yang sesuai untuk
menunjukkan perbedaan efek toksik dari ketiga menguji perbedaan distribusi respon terhadap rasa
bahan kimia tersebut? Uji menggunakan Friedman keempat antibiotik tersebut.
Fr-test dengan a = 0,05. d. Mengomentari hasil analisis varian pada bagian b
b. Temukan perkiraan nilai p untuk tes dan dibandingkan dengan uji nonparametrik pada
interpretasikan. bagian c.
15.42 Obat EnakDalam sebuah penelitian
EX1542 palatabilitas antibiotik pada anak-anak,
Dr Doreen Matsui dan rekan menggunakan sukarela
KOEFISIEN KORELASI PERINGKAT

15.8
Pada bagian sebelumnya, kami menggunakan peringkat untuk menunjukkan besaran
relatif pengamatan dalam tes nonparametrik untuk perbandingan perlakuan. Kami
sekarang akan menggunakan teknik yang sama dalam menguji hubungan antara dua
variabel peringkat. Dua koefisien korelasi peringkat umum adalah Spearman rs dan
Kendall t. Kami akan menyajikan Spearman rs karena perhitungannya identik dengan
koefisien korelasi sampel r dari Bab 3 dan 12.
Anggaplah delapan guru sains sekolah dasar telah diurutkan oleh seorang juri
menurut kemampuan mengajar mereka dan semuanya telah mengikuti “ujian guru
nasional”. Datanya tercantum pada Tabel 15.11. Apakah data menunjukkan
kesepakatan antara peringkat juri dan nilai ujian? Artinya, apakah ada korelasi antara
peringkat dan nilai ujian?
15.8 KOEFISIEN KORELASI PERINGKAT ❍ 661
TABEL 15.11 ● Peringkat dan Nilai Tes untuk Delapan Guru

Guru Peringkat Hakim Skor Ujian
1 7 44
2 4 72
3 2 69
4 6 70
5 1 93
6 3 82
7 8 67
8 5 80
Dua variabel yang menarik adalah peringkat dan skor tes. Yang pertama sudah
dalam bentuk rangking, dan nilai ujian dapat dirangking dengan cara yang sama,
seperti yang ditunjukkan pada Tabel 15.12. Peringkat untuk pengamatan yang terikat
diperoleh dengan merata-ratakan peringkat yang akan dimiliki oleh pengamatan yang
diikat jika tidak ada hubungan yang diamati. Koefisien korelasi peringkat Spearman
rs dihitung dengan menggunakan peringkat pengukuran berpasangan pada dua
variabel x dan y dalam rumus untuk r (lihat Bab 12).
TABEL 15.12 ● Peringkat Data pada Tabel 15.11

Guru Peringkat Hakim,xi Peringkat Tes,yi
1 7 1
2 4 5
3 2 3
4 6 4
5 1 8
6 3 7
7 8 2
8 5 6
KOEFISIEN KORELASI PERINGKAT SPEARMAN

Sxy
rs= ——
√¯Sxx SY y
di mana xi dan yi mewakili jajaran pasangan pengamatan ke-i
dan
(S x )(S y)
sayasaya
S=S(x
xy — x)(
s y¯— y) s =¯
S xy — ——ii
a a n
y y
a a (S xi)2
S=S(x
xx — x)s = S¯ 2x — ——2s
a a n
y y
(Syi)2
S=S(y
Yy — y)as = S¯ y2 — ——2as
a a
n
y y
Ketika tidak ada
a ikatan baikadalam pengamatan x maupun pengamatan y,
ekspresi untuk rs secara aljabar direduksi menjadi ekspresi yang lebih
sederhana 6Sd2
rs = 1 — ——i dimana di = (xi —
n(n2 — 1)
yi)
Jika jumlah ikatannya kecil dibandingkan dengan jumlah pasangan datanya,
sedikit kesalahan yang dihasilkan dalam menggunakan rumus pintasan ini.
CONTOH 15.10
Hitung rs untuk data pada Tabel 15.12.
Larutan Selisih dan kuadrat selisih antara kedua peringkat disajikan pada Tabel
15.13. Mengganti nilai ke dalam rumus untuk rs, Anda punya
6Sd2
rs = 1 —--saya
n(n2 — 1)
6(144)
= 1 — —— = —.714
8(64 — 1)
TABEL 15.13 ● Selisih dan Kuadrat Perbedaan untuk Peringkat Guru

Guru xi yi di
saya
d2
1 7 1 6 36
2 4 5 —1 1
3 2 3 —1 1
4 6 4 2 4
5 1 8 —7 49
6 3 7 —4 16
7 8 2 6 36
8 5 6 —1 1
Total 144
Koefisien korelasi rank Spearman dapat digunakan sebagai uji statistik untuk
menguji hipotesis tidak adanya hubungan antara dua populasi. Anda dapat berasumsi
bahwa n pasang pengamatan (xi, yi) telah dipilih secara acak dan, oleh karena itu,
tidak ada hubungan antara populasi yang menyiratkan penempatan acak n peringkat
dalam setiap sampel. Setiap tugas acak (untuk dua sampel) mewakili peristiwa
sederhana yang terkait dengan eksperimen, dan nilai rs dapat dihitung untuk masing-
masingnya. Dengan demikian, adalah mungkin untuk menghitung probabilitas bahwa
rs mengasumsikan nilai absolut yang besar semata-mata karena kebetulan dan dengan
demikian menunjukkan hubungan antara populasi ketika tidak ada. Daerah penolakan
untuk uji dua sisi ditunjukkan pada Gambar 15.12. Jika hipotesis alternatif adalah
bahwa korelasi antara x dan y adalah negatif, Anda akan menolak H0 untuk nilai
negatif rs yang mendekati —1 (di bagian bawah Gambar 15.12). Demikian pula, jika
hipotesis alternatif adalah bahwa korelasi antara x dan y adalah positif,
Anda akan menolak H0 untuk nilai rs positif yang besar (di ujung atas Gambar 15.12).
GAMBAR 15.12 ●
Daerah penolakan untuk dua –1
uji berekordari nol hipo- -r0 0 r0 1
tesis tidak ada hubungan,
Wilayah Wilayah
menggunakan uji korelasi penolak penolaka
peringkat Spearman an n
rs= Koefisien korelasi peringkat Spearman
Nilai kritis rs diberikan pada Tabel 9 pada Lampiran I. Versi singkat ditunjukkan
pada Tabel 15.14. Di bagian atas Tabel 15.14 (dan Tabel 9 dalam Lampiran I) adalah
nilai tercatat dari a yang mungkin ingin Anda gunakan untuk uji satu sisi hipotesis nol
yang tidak ada hubungan antara x dan y. Jumlah pasangan peringkat n muncul di sisi
kiri tabel. Entri tabel memberikan nilai kritis r0 untuk uji satu sisi. Jadi, P(rs ≥ r0) = a.
Misalnya, Anda memiliki n = 8 pasangan peringkat dan hipotesis alternatifnya

adalah bahwa korelasi antara peringkat adalah positif. Anda ingin menolak hipotesis
nol tanpa asosiasi hanya untuk nilai rs positif yang besar, dan Anda akan
menggunakan uji satu sisi. Mengacu pada Tabel 15.14 dan menggunakan baris yang
sesuai dengan n = 8 dan kolom untuk a = 0,05, Anda membaca r0 = 0,643. Oleh
karena itu, Anda dapat menolak H0 untuk semua nilai rs lebih besar dari atau sama
dengan 0,643.
Pengujian dilakukan dengan cara yang persis sama jika Anda hanya ingin menguji
hipotesis alternatif bahwa peringkat berkorelasi negatif. Satu-satunya perbedaan
adalah bahwa Anda akan menolak hipotesis nol jika rs ≤ —0,643. Artinya, Anda
menggunakan negatif dari nilai tabulasi r0 untuk mendapatkan nilai kritis ekor
bawah.
Versi Singkat Tabel 9 di Lampiran I;

TABEL 15.14 ● untuk Uji Korelasi Peringkat Spearman
n sebuah= sebuah= sebuah= sebuah
0,05 0,025 0,01 = 0,005
5 .900 — — —
6 .829 .886 .943 —
7 .714 .786 .893 —
8 .643 .738 .833 .881
9 .600 .683 .783 .833
10 .564 .648 .745 .794
11 .523 .623 .736 .818
12 .497 .591 .703 .780
13 .475 .566 .673 .745
14 .457 .545
15 .441 .525
16 .425
17 .412
18 .399
19 .388
20 .377
Untuk melakukan uji dua sisi, Anda menolak hipotesis nol jika rs ≥ r0 atau rs ≤ —
r0. Nilai a untuk tes adalah dua kali lipat dari nilai yang ditampilkan di bagian atas
tabel. Misalnya, jika n = 8 dan Anda memilih kolom 0,025, Anda akan menolak H0
jika rs ≥ ,738 atau rs ≤ —.738. Nilai a untuk tes ini adalah 2(0,025) = 0,05.
UJI KORELASI PERINGKAT SPEARMAN
Hipotesis nol: H0 : Tidak ada hubungan antara pasangan peringkat.

Hipotesis alternatif: Ha : Ada hubungan antara pasangan peringkat (uji
dua sisi). Atau Ha : Korelasi antara pasangan peringkat adalah positif
atau negatif (uji satu sisi).
Sxy Statistik uji: rs = ——
√¯SxxSY y
di mana xi dan yi mewakili jajaran pasangan pengamatan ke-i.
4. Wilayah penolakan: Untuk uji dua sisi, tolak H0 jika rs ≥ r0 atau rs ≤ —r0,
di mana r0 diberikan pada Tabel 9 di Lampiran I. Gandakan probabilitas
tabulasi untuk memperoleh nilai a untuk uji dua sisi. Untuk uji satu sisi,
tolak H0 jika rs ≥ r0 (untuk uji sisi atas) atau rs ≤ —r0 (untuk uji sisi
bawah). Nilai-a untuk uji satu sisi adalah nilai yang ditunjukkan pada
Tabel 9 di Lampiran I.
CONTOH 15.11
Uji hipotesis tidak adanya hubungan antara populasi untuk Contoh 15.10.
Larutan Nilai kritis rs untuk uji satu arah dengan a = 0,05 dan n = 8 adalah
.643. Anda mungkin berasumsi bahwa korelasi antara peringkat juri dan nilai ujian
guru tidak mungkin positif. (Peringkat rendah berarti pengajaran yang baik dan harus
dikaitkan dengan skor ujian yang tinggi jika hakim dan tes tersebut mengukur
kemampuan mengajar.) Hipotesis alternatifnya adalah bahwa koefisien korelasi
peringkat populasi rs kurang dari 0, dan Anda peduli dengan satu -uji statistik
berekor. Jadi, a untuk pengujian adalah nilai tabulasi untuk 0,05, dan Anda dapat
menolak hipotesis nol jika rs ≤ —0,643. Nilai statistik uji yang dihitung, rs = -.714,
lebih kecil dari nilai kritis untuk a = .05. Oleh karena itu, hipotesis nol ditolak pada
tingkat signifikansi a = 0,05. Tampaknya memang ada kesepakatan antara peringkat
juri dan nilai ujian. Namun, perlu dicatat bahwa kesepakatan ini bisa ada ketika tidak
memberikan tolok ukur yang memadai untuk mengukur kemampuan mengajar.
Misalnya, asosiasi bisa ada jika hakim dan mereka yang membangun pemeriksaan
guru memiliki konsep yang benar-benar salah, tetapi mirip dengan karakteristik
pengajaran yang baik.
Apa sebenarnya yang diukur rs? Koefisien korelasi Spearman mendeteksi tidak
hanya hubungan linier antara dua variabel tetapi juga hubungan monoton lainnya
(baik y meningkat ketika x meningkat atau y menurun ketika x meningkat). Sebagai
contoh, jika Anda menghitung rs untuk dua set data pada Tabel 15.15, keduanya akan
menghasilkan nilai rs = 1 karena peringkat yang diberikan untuk x dan y dalam kedua
kasus sama untuk semua pasangan (x, y). Penting untuk diingat bahwa nilai
signifikan rs menunjukkan hubungan antara x dan y yang meningkat atau menurun,
tetapi belum tentu linier.
TABEL 15.15 ● Kumpulan Data Kembar Denganrs=1

x y=x2 x y= log10(x)
1 1 10 1
2 4 100 2
3 9 1000 3
4 16 10.000 4
5 25 100.000 5
6 36 1.000.000 6
15.8LATIHAN
TEKNIK DASAR
15.43 Berikan wilayah penolakan untuk tes untuk 15.45 Berikan wilayah penolakan untuk tes untuk
mendeteksi korelasi peringkat positif jika jumlah mendeteksi korelasi peringkat jika jumlah pasangan
pasangan peringkat adalah 16 dan Anda memiliki peringkat adalah 25 dan Anda memiliki nilai-a ini:
nilai-a ini: sebuah.sebuah= 0,05 b.sebuah= 0,01
sebuah.sebuah= 0,05 b.sebuah= 0,01
15.46 Pengamatan berpasangan berikut
15.44 Berikan wilayah penolakan untuk tes untuk diperoleh pada dua variabel x dan y:
mendeteksi korelasi peringkat negatif jika jumlah
x 1.2 .8 2.1 3.5 2.7 1.5
pasangan peringkat adalah 12 dan Anda memiliki
nilai-a ini: y 1.0 1.3 .1 —.8 —.2 .6
sebuah.sebuah= 0,05 b.sebuah= 0,01

a. Hitung koefisien korelasi peringkat Spearman

rs. 15.49 Raket TenisData yang ditunjukkan
EX1549 pada tabel terlampir memberikan ukuran
b. Apakah data menyajikan bukti yang cukup untuk kekakuan lentur dan kekakuan puntir sebagaimana
menunjukkan a ditentukan oleh uji teknik pada 12 raket tenis.
korelasi antara x dan y? Uji menggunakan a = 0,05.
APLIKASI Kekakuan Kekakua

Raket Membungku n
15.47 Peringkat Kandidat PolitikSEBUAH
k Memuta
EX1547 ilmuwan politik ingin memeriksa hubungan r
hubungan antara citra pemilih dari kandidat politik 1 419 227
konservatif dan jarak (dalam mil) antara tempat 2 407 231
tinggal pemilih dan kandidat. Masing-masing dari 12 3 363 200
4 360 211
pemilih menilai kandidat pada skala 1 sampai 20. 5 257 182
Pemilih Peringkat Jarak 6 622 304
7 424 384
1 12 75 8 359 194
2 7 165 9 346 158
3 5 300 10 556 225
4 19 15 11 474 305
5 17 180
6 12 240
a. Hitung koefisien korelasi peringkat rs antara kekakuan
7 9 120 lentur dan kekakuan puntir.
8 18 60 b. Jika raket memiliki kekakuan lentur, apakah mungkin
9 3 230 juga memiliki kekakuan puntir? Gunakan koefisien
10 8 200
11 15 130
korelasi peringkat untuk menentukan apakah ada
12 4 130 hubungan positif yang signifikan antara kekakuan
lentur dan kekakuan puntir. Gunakan a = 0,05.
a. Hitung koefisien korelasi peringkat Spearman
15.50 Peringkat SiswaSeorang kepala sekolah
rs.
menduga bahwa sikap seorang guru terhadap siswa
b. Apakah data ini memberikan bukti yang cukup kelas satu bergantung pada penilaian aslinya terhadap
untuk menunjukkan korelasi negatif antara kemampuan anak tersebut. Kepala sekolah juga
peringkat dan jarak? menduga bahwa sebagian besar dari penilaian
15.48 Lari KompetitifApakah nomornya tersebut didasarkan pada nilai IQ siswa kelas satu,
yang biasanya diketahui oleh guru. Setelah tiga
EX1548 pengalaman lari kompetitif selama minggu mengajar, seorang guru diminta untuk memberi peringkat
bertahun-tahun
terkait dengan kinerja lari jarak jauh seorang pelari? sembilan anak di kelasnya dari 1 (tertinggi) sampai 9
Data sembilan pelari yang diperoleh dari penelitian (terendah) menurut pendapatnya tentang kemampuan
Scott Powers dan rekannya disajikan dalam tabel:5 mereka. Hitung rs untuk peringkat guru-IQ ini:
Guru123456789
Tahun Waktu Selesai
Pelari KompetitifBerlari 10 Kilometer IQ312457968
(mnt) 15.51 Rating Siswa, lanjutLihat Latihan-hal 15.50.
1 9 33.15 Apakah data memberikan bukti yang cukup untuk
2 13 33.33 menunjukkan korelasi positif antara peringkat guru
3 5 33.50
4 7 33.55
dan peringkat IQ? Gunakan a = 0,05.
5 12 33.73 15.52 Kritikus SeniDua kritikus senimasing-masing
6 6 33.86 peringkat
7 4 33.90
EX1552 10 lukisan karya kontemporer (namun anonim)
8 5 34.15
9 3 34.90 menunjukkan korelasi peringkat antara y dan x? Uji
a. Hitung koefisien korelasi peringkat antara tahun menggunakan a = 0,05.
lari kompetitif x dan waktu finis seorang pelari y
dalam lomba lari 10 kilometer.
b. Apakah data memberikan bukti yang cukupuntuk
seniman sesuai dengan daya tarik mereka untuk
masing-masing kritikus. Peringkat ditampilkan
dalam tabel. Apakah para kritikus tampaknya setuju
dengan penilaian seni kontemporer mereka?
Artinya, apakah data memberikan bukti yang cukup
untuk menunjukkan korelasi positif antara kritik A
dan B? Tes dengan menggunakan nilai mendekati
0,05.
Lukisan Kritikus A Kritikus

B
Hitung Rp. Apakah data memberikan bukti yang cukup
untuk menunjukkan hubungan antara peringkat grader
1 6 5 dan kadar air daun?
2 4 6 15.54Pelatihan Keterampilan SosialSebuah
3 9 10
keterampilan sosial
4 1 2
5 2 3 EX1554 program pelatihan dilaksanakan dengan tujuh
6 7 8 siswa yang agak tertantang dalam sebuah penelitian
7 3 1 untuk menentukan apakah program tersebut
8 8 7
9 5 4 menyebabkan peningkatan dalam tindakan pra/pasca
10 10 9 dan penilaian perilaku. Untuk satu tes tersebut, nilai
pretest dan posttest untuk tujuh siswa diberikan dalam
15.53 Penilaian Daun tabel:
EX1553 TembakauSebuah Siswa Pretes Posttest
pengalamanment dilakukan
Pangeran 101 113
untuk mempelajari hubungan Ned 89 89
tersebut Jasper 112 121
antara peringkat grader daun tembakau dan kadar air daun tembakau. Charlie 105 99
Dua belas daun dinilai oleh grader pada skala 1 sampai 10, dan tom 90 104
pembacaan kadar air yang sesuai dibuat. Susi 91 94
Lori 89 99
Daun Peringkat Grader Kelembaban Isi
1 9 .22
2 6 .16
3 7 .17 a. Gunakan uji nonparametrik untuk menentukan
4 7 .14 apakah ada hubungan positif yang signifikan antara
5 5 .12 skor sebelum dan sesudah tes.
6 8 .19
7 2 .10 b. Apakah hasil ini sesuai dengan hasil uji
8 6 .12 parametrik pada Latihan 12.51?
9 1 .05
10 10 .20
11 9 .16
12 3 .09
RINGKASAN
15.9
Uji nonparametrik yang disajikan dalam bab ini hanyalah beberapa dari sekian
banyak uji nonparametrik yang tersedia bagi para peneliti. Tes yang disajikan di sini
adalah tes yang tabel nilai kritisnya sudah tersedia.
Metode statistik nonparametrik sangat berguna ketika pengamatan dapat diurutkan
tetapi tidak dapat ditempatkan secara tepat pada skala pengukuran. Selain itu, metode
nonparametrik adalah satu-satunya metode yang dapat digunakan ketika desain
pengambilan sampel telah dipatuhi dengan benar, tetapi data tidak atau tidak dapat
diasumsikan mengikuti satu atau lebih asumsi distribusi yang ditentukan.
Kami telah menyajikan beragam teknik nonparametrik yang dapat digunakan
ketika data tidak terdistribusi secara normal atau asumsi lain yang diperlukan tidak
terpenuhi. Prosedur satu sampel tersedia dalam literatur; namun, kami berkonsentrasi
pada analisis dua atau lebih sampel yang telah dipilih dengan benar menggunakan
pengambilan sampel acak dan independen seperti yang dipersyaratkan oleh desain
yang terlibat. Analog nonparametrik dari prosedur parametrik yang disajikan dalam
Bab 10-14 sangat mudah dan cukup sederhana untuk diimplementasikan:
• Uji jumlah peringkat Wilcoxon adalah analog nonparametrik dari dua sampel
t-uji.
• Uji
tan
da
da
n
uji
per
ing
kat
ber
tan
da
Wi
lco
xo
n
ad
ala
h
an
alo
g
no
np
ara
me
tri
k
dar
i
uji
-t
sa
mp
el
ber
pa
sa
ng
an.
TINJAUAN BAB ❍ 667
• Uji-H Kruskal–Wallis adalah peringkat yang setara dengan analisis uji-F

varians satu arah.
• Friedman Fr-test adalah setara peringkat dari desain acak blok dua arah
analisis varians F-test.
• Korelasi peringkat Spearman rs adalah persamaan peringkat dari koefisien
korelasi Pearson.
Ini dan lebih banyak lagi prosedur nonparametrik tersedia sebagai alternatif dari
uji parametrik yang disajikan sebelumnya. Penting untuk diingat bahwa ketika asumsi
yang diperlukan dari populasi sampel dilonggarkan, kemampuan kita untuk
mendeteksi perbedaan signifikan dalam satu atau lebih karakteristik populasi
menurun.
TINJAUAN BABW
Konsep Kunci dan Formula

I. Metode Nonparametrik
III. Uji Tanda Tangan untuk Eksperimen
1. Metode ini dapat digunakan ketika data tidak Berpasangan
dapat diukur pada skala kuantitatif, atau ketika
1. Temukan x, berapa kali pengamatan A
2. Skala pengukuran numerik ditentukan melebihi pengamatan B untuk pasangan
secara sewenang-wenang oleh peneliti, atau tertentu.
kapan
2. Untuk menguji perbedaan dalam dua populasi,
3. Asumsi parametrik seperti normalitas atau uji H0 : p = 0,5 versus alternatif satu atau dua
varian konstan dilanggar secara serius. sisi.
II. Wilcoxon Rank Sum Test: Sampel 3. Gunakan Tabel 1 Lampiran I untuk menghitung
Acak Independen p-nilai untuk ujian.
1. Bersama-sama peringkat dua sampel. 4. Ketika ukuran sampel besar, gunakan
Tunjuk sampel yang lebih kecil sebagai pendekatan normal:
sampel 1. Lalu x— .5n
z= ——
T1 = Jumlah peringkat sampel 1 .5√n¯
T*1 = n 1(n1 + n +2 1) — T 1
2. Gunakan T1 untuk menguji populasi 1 di IV. Tes Peringkat Bertanda Wilcoxon:
sebelah kiri populasi1 2. Gunakan T* untuk Eksperimen Berpasangan
menguji populasi 1 di sebelah kanan populasi
1. Hitung perbedaan dalam pengamatan
2. Gunakan
1 T1 dan T* yang lebih kecil untuk
berpasangan. Urutkan nilai absolut dari
menguji perbedaan letak kedua populasi.
perbedaan. Hitung jumlah peringkat T + dan T
3. Tabel 7 Lampiran I memiliki nilai kritis — untuk perbedaan positif dan negatif,
untuk penolakan H0. masing-masing. Statistik uji T adalah yang
4. Ketika ukuran sampel besar, gunakan lebih kecil dari dua jumlah peringkat.
pendekatan normal: 2. Tabel 8 dalam Lampiran I memiliki nilai kritis
n(n + n + 1) untuk penolakan H0 untuk uji satu sisi dan dua
T1 =1 —— 2
m 2 sisi.
2 n 1 n 2 (n1 + n2 + 1)
s 3. Ketika ukuran sampel besar, gunakan
pendekatan normal:
T = —— st
12
T—m
= ——
z
T
+
—
[
n
(
n
+
1
)
/
4
]
z=
———
√
¯
[
n
(
n
+
¯
1
)
(
2
n
¯
+
1
)
]
/
¯
2
4
V. Kruskal–WallisH-Uji:Rancangan
3. Untuk ukuran blok lima atau lebih besar,
Acak Lengkap
daerah penolakan untuk Fr didasarkan pada
1. Bersama-sama peringkat n pengamatan dalam distribusi chi-kuadrat dengan (k - 1) derajat
sampel k. Hitung jumlah pangkat, Ti = jumlah kebebasan.
pangkat sampel i, dan uji statistik
VII. Koefisien Korelasi Peringkat
Spearman
12 T 2
H =——S --saya —3(n + 1) 1. Beri peringkat tanggapan untuk dua variabel

n(n + 1) ni dari yang terkecil hingga yang terbesar.
2. Jika hipotesis nol persamaan distribusi salah, H 2. Hitung koefisien korelasi untuk peringkat
akan menjadi luar biasa besar, hasil- pengamatan:
dalam uji satu sisi. Sxy 6Sd
2
rs =——atau rs = 1 — ——i
3. Untuk ukuran sampel lima atau lebih besar, √¯SxxSY y n(n2 — 1)
daerah penolakan untuk H didasarkan pada
jika tidak ada
distribusi chi-kuadrat dengan (k - 1) derajat
ikatan
kebebasan.
3. Tabel 9 dalam Lampiran I memberikan nilai
VI. Si FriedmanFr-Test: Desain Blok
kritis untuk korelasi peringkat yang berbeda
Acak
secara signifikan
1. Beri peringkat tanggapan dalam setiap blok dari dari 0.
1 hingga
4. Koefisien korelasi peringkat mendeteksi tidak
k.Hitung jumlah peringkat, T1, T2, . . . , Tk,
hanya korelasi linier yang signifikan tetapi
dan statistik uji
juga hubungan monoton lainnya antara kedua
12 2
Fr = ——ST i— 3b(k + 1) variabel.
bk(k + 1)
2. Jika hipotesis nol persamaan distribusi
perlakuan salah, Fr akan menjadi luar biasa
besar, menghasilkan uji satu arah.
Prosedur Nonparametrik
Banyak prosedur nonparametrik tersedia dalam paket MINITAB, termasuk kebanyakantes
yang dibahas dalam bab ini. Semua kotak Dialog sudah tidak asing lagi bagi Anda
sekarang, dan kami akan membahas tes dalam urutan yang disajikan di bab ini.
Untuk menerapkan uji jumlah peringkat Wilcoxon untuk dua sampel acak
independen, masukkan dua set data sampel ke dalam dua kolom (katakanlah, C1 dan
C2) dari lembar kerja MINITAB. Kotak Dialog pada Gambar 15.13 dihasilkan
menggunakan Stat → Nonparamet-
rics→ Mann-Whitney. Pilih C1 dan C2 untuk Sampel Pertama dan Kedua, dan
menunjukkan koefisien kepercayaan yang sesuai (untuk interval kepercayaan) dan alternatif
hipotesis asli. Mengklik OK akan menghasilkan output pada Gambar 15.1.
Tes tanda dan uji peringkat bertanda Wilcoxon untuk sampel berpasangan
dilakukan dengan cara yang persis sama, dengan perubahan hanya pada perintah
terakhir dari urutan. Bahkan kotak Dialognya identik! Masukkan data ke dalam dua
kolom lembar kerja MINITAB (kami menggunakan data campuran kue di Bagian
15.5). Sebelum Anda dapat menerapkan
salah satu tes, Anda harus membuat kolom selisih menggunakan Calc → Calculator,
seperti yang ditunjukkan pada Gambar 15.14. Gunakan Stat → Nonparametrik → 1-
Sample Sign atau Stat → Nonparametrics → 1-Sample Wilcoxon untuk
MINITA SAYA❍669
menghasilkan kotak Dialog yang sesuai
GAMBAR 15.13 ●
GAMBAR 15.14 ●
ditunjukkan pada Gambar 15.15. Ingatlah bahwa median adalah nilai suatu variabel
sehingga 50% nilainya lebih kecil dan 50% lebih besar. Oleh karena itu, jika dua
distribusi populasi adalah sama, median perbedaannya adalah 0. Hal ini setara dengan
hipotesis nol
H0 : P(selisih positif) = P(selisih negatif) = .5
MINITA SAYA❍671
GAMBAR 15.15 ●
digunakan untuk uji tanda. Pilih kolom selisih untuk kotak Variabel, dan pilih uji
median sama dengan 0 dengan alternatif yang sesuai. Klik OK untuk mendapatkan
hasil cetak untuk salah satu dari dua pengujian. Cetakan jendela Sesi untuk uji tanda,
ditunjukkan pada Gambar 15.16, menunjukkan perbedaan yang tidak signifikan
dalam distribusi densitas untuk dua adonan kue. Perhatikan bahwa nilai p (0,2188)
tidak sama dengan nilai p untuk uji peringkat bertanda Wilcoxon (0,093 dari Gambar
15.4). Namun, jika Anda menguji pada tingkat 5%, kedua pengujian menghasilkan
perbedaan yang tidak signifikan.
GAMBAR 15.16 ●
Prosedur untuk mengimplementasikan Kruskal-Wallis H-test untuk k sampel

independen dan Friedman's Fr-test untuk desain blok acak identik dengan prosedur
yang digunakan untuk ekuivalen parametriknya. Tinjau metode yang dijelaskan di
bagian “MyMINITAB ” di Bab 11. Setelah Anda memasukkan data seperti yang
dijelaskan di bagian itu, perintah Stat → Nonparametrics → Kruskal–Wallis atau Stat
→
Nonparametrik→ Friedman akan menghasilkan kotak Dialog di mana Anda
menentukan
Kolom respons dan kolom Faktor, atau kolom respons, kolom perlakuan
umn dan kolom blok, masing-masing. Klik OK untuk mendapatkan output untuk
pengujian nonparametrik ini.
LATIHAN TAMBAHAN ❍ 671
Terakhir, Anda dapat menghasilkan koefisien korelasi peringkat nonparametrik rs

jika Anda memasukkan data ke dalam dua kolom dan memeringkat data
menggunakan Data → Peringkat. Misalnya, data peringkat juri dan nilai tes
dimasukkan ke dalam kolom C6 dan C7 lembar kerja MINITAB kami. Karena
peringkat juri sudah dalam urutan peringkat, kita hanya perlu memberi peringkat C7
dengan memilih “Nilai Ujian” dan menyimpan peringkat di C8 [bernama “Peringkat (
y)” pada Gambar 15.17]. Perintah Stat → Basic Statistics → Correlation sekarang
akan menghasilkan koefisien korelasi peringkat ketika C6 dan C8 dipilih. Namun,
nilai-p yang Anda lihat di output tidak menghasilkan tes yang persis sama dengan
kritik.
nilai ical pada Tabel 15.14. Anda harus membandingkan nilai rs Anda dengan nilai
tabel untuk memeriksa hubungan yang signifikan antara kedua variabel.
GAMBAR 15.17 ●
Latihan Tambahan
15.55 Waktu ResponsEksperimen dulu
a. Gunakan uji tanda untuk menentukan apakah cukup
EX1555 dilakukan untuk membandingkan waktu bukti ada untuk menunjukkan perbedaan rata-rata
respon untuk
dua rangsangan yang berbeda. Untuk menghilangkan waktu respon untuk dua rangsangan. Gunakan
variabilitas alami orang-ke-orang dalam tanggapan, daerah penolakan yang a ≤ 0,05.
kedua rangsangan disajikan kepada masing-masing b. Uji hipotesis tidak ada perbedaan waktu
dari sembilan subjek, sehingga memungkinkan analisis respons rata-rata menggunakan uji-t Student.
perbedaan antara rangsangan dalam setiap orang.
Tabel mencantumkan waktu respons (dalam detik). 15.56 Waktu Respons, lanjutanLihat Latihan-hal
15.55. Uji hipotesis bahwa tidak ada perbedaan dalam
Subjek Stimulus 1 Rangsangan 2 distribusi waktu respons untuk dua rangsangan, dengan
1 9.4 10.3
2 7.8 8.9 menggunakan uji peringkat bertanda Wilcoxon.
3 5.6 4.1 Gunakan daerah penolakan dimana a sedekat mungkin
4 12.1 14.7
5 6.9 8.7
dengan a yang dicapai pada Latihan 15.55, bagian a.
6 4.2 7.1 15.57 Kembar identikUntuk membandingkan dua
7 8.8 11.3
EX1557 sekolah menengah pertama, A dan B, di bidang akademik
8 7.7 5.2
9 6.4 7.8 efektivitas, percobaan dirancang membutuhkan
penggunaan 10 pasang kembar identik, masing- a. Peringkat sampel gabungan.

masing kembar baru saja menyelesaikan kelas enam.
b. Beri nomor pengamatan peringkat "dari luar ke
Dalam setiap kasus, si kembar di set yang sama
dalam"; yaitu, beri nomor pengamatan terkecil 1,
memperoleh sekolah mereka di ruang kelas yang
terbesar 2, berikutnya terkecil 3, berikutnya
sama di setiap tingkat kelas. Satu anak dipilih secara
terbesar 4, dan seterusnya. Urutan angka ini
acak dari setiap pasangan kembar dan ditempatkan di
menginduksi pengurutan pada simbol A (item
sekolah A. Anak-anak yang tersisa dikirim ke sekolah
populasi A) dan B (item populasi B). Jika s2 > s2 ,
B. Menjelang akhir kelas sembilan, seorang
satu SEBUAH B
tes prestasi tertentu diberikan kepada setiap anak di akan berharap untuk menemukan keunggulan A di
percobaan. Skor tes ditunjukkan pada tabel. dekat urutan pertama, dan dengan demikian
Pasangan Kembar Sekolah A Sekolah "jumlah peringkat" yang relatif kecil untuk
B pengamatan A.
1 67 39 c.
Mengingat pengukuran dalam tabel yang dihasilkan oleh
2 80 75 instrumen presisi A dan B yang dikalibrasi dengan baik,
3 65 69 ujilah pada tingkat mendekati a = 0,05 untuk menentukan
4 70 55
5 86 74
apakah instrumen B yang lebih mahal lebih presisi
6 50 52 daripada
7 63 56 A. (Perhatikan bahwa ini menyiratkan uji satu sisi.)
72
Gunakan statistik uji jumlah peringkat Wilcoxon.
8 81 Instrumen A
Instrumen nt B
9 86 89
10 60 47 1060.21 1060.24
sebuah.Uji (menggunakan uji tanda) hipotesis 1060.34
1060.27 1060.28
1060.32
bahwa
dua sekolah sama dalam efektivitas akademik 1060.36 1060.30
ness, yang diukur dengan skor pada prestasi 1060.40
tes, versus alternatif bahwa sekolah tidak sama d.Uji menggunakan uji-F persamaan varians.
efektifnya.
b.Misalkan diketahui bahwa SMP A memiliki fakultas 15.61 Pelunak DagingEksperimen
yang lebih unggul dan fasilitas belajar yang lebih EX1561 dilakukan untuk membandingkan keempukan
baik. Uji hipotesis keefektifan akademik yang setara potongan daging yang diperlakukan dengan dua alat
versus alternatif bahwa sekolah A lebih unggul. pelunak daging yang berbeda, A dan B. Untuk
mengurangi pengaruh variabel asing, data dipasangkan
15.58 Kembar Identik IILihat Latihan dengan potongan daging tertentu, dengan
15.57.Jawaban apa yang diperoleh jika uji peringkat menggunakan alat pelunak pada dua potongan yang
bertanda Wilcoxon digunakan dalam menganalisis diambil dari sapi jantan yang sama. , dengan memasak
data? Bandingkan dengan jawaban Anda sebelumnya. potongan berpasangan, dan dengan menggunakan juri
15.59 Kecerahan KertasNilai-nilai yang tunggal untuk setiap pasangan. Setelah dimasak, setiap
dikodekan potongan dinilai oleh juri pada skala 1 sampai 10,
dengan 10 sesuai dengan daging yang paling empuk.
Data ditampilkan untuk dosa-
EX1559 untuk ukuran kecerahan di kertas (light hakim gle. Apakah data memberikan bukti yang cukup untuk
reflektifitas), disiapkan oleh dua proses yang berbeda, 15.60Instrumen PresisiAsumsikan (seperti dalam
diberikan dalam tabel untuk sampel sembilan kasus pengukuran yang dihasilkan oleh dua alat ukur yang
pengamatan yang diambil secara acak dari masing- dikalibrasi dengan baik) rata-rata dari dua populasi adalah
masing dua proses. Apakah data menyajikan bukti sama. Gunakan statistik jumlah peringkat Wilcoxon untuk
yang cukup untuk menunjukkan perbedaan dalam menguji hipotesis mengenai varians populasi sebagai
pengukuran kecerahan untuk kedua proses tersebut?
Gunakan tes parametrik dan nonparametrik dan
bandingkan hasilnya.
ProsesKecerahan
SEBUAH6.19.28.78.97.67.19.58.39.0
B9.18.28.66.97.57.98.37.88.9
menunjukkan bahwa salah satu dari dua tenderizer Panggang panggang 6 5
cenderung menerima peringkat lebih tinggi dari Daging iga 8 9
Sandung lamur 4 5
yang lain? Apakah uji-t Student sesuai untuk Steak klub 9 9
menganalisis data ini? Menjelaskan. Steak bulat 3 5
Daging panggang 7 6
Bahan
Stik sirloin 8 8
pelunak Memotong Steak ujung sirloin 8 9
Steak T-bone 9 10
SEBUAH B 15.62 Mewawancarai Prospek PekerjaanBesar

Panggang bahu 5
berikut: EX1562 perusahaan memilihlulusan perguruan tinggi untuk
pekerjaan menggunakan wawancara dan tes prestasi Siswa Matematika Siswa Matematika Seni
psikologis. Wawancara yang dilakukan di kantor pusat 1 22
Seni 53 9 62 55
perusahaan jauh lebih mahal daripada tes yang bisa 2 37 68 10 65 74
dilakukan di kampus. Akibatnya, kantor personalia 3 36 42 11 66 68
4 38 49 12 56 64
tertarik untuk menentukan apakah skor tes berkorelasi 5 42 51 13 66 67
dengan peringkat wawancara dan apakah tes dapat 6 58 65 14 67 73
menggantikan wawancara. Idenya bukan untuk 7 58 51 15 62 65
menghilangkan wawancara tetapi untuk 8 60 71
mengurangi jumlah mereka. Untuk menentukan
15.66 Matematika dan Seni, lanjutLihat Latihan
apakah ukuran berkorelasi, 10 prospek diberi
15.65. Hitung koefisien korelasi peringkat Spearman untuk
peringkat selama wawancara dan diuji. Skor
data ini dan uji H0 : tidak ada hubungan antara pasangan
berpasangan adalah seperti yang tercantum di sini:
peringkat pada tingkat signifikansi 10%.
Subjek Peringkat Wawancara Skor Tes 15.67 Hasil GandumLatihan 11.68 menyajikan
1 8 74 analisis varians hasil dari lima varietas gandum yang
2 5 81 berbeda, diamati pada satu petak masing-masing di
3 10 66 enam lokasi yang berbeda (lihat kumpulan data
4 3 83 EX1168). Data dari rancangan acak kelompok ini
5 6 66
6 1 94
tercantum di sini:
7 4 96
Lokasi
8 7 70
Varietas 1 2 3 4 5 6
9 9 61 SEBUA 35.3 31.0 32.7 36.8 37.2 33.1
H
10 2 86 B 30.7 32.2 31.4 31.7 35.0 32.7
C 38.2 33.4 33.6 37.1 37.3 38.2
Hitung koefisien korelasi peringkat Spearman rs. D 34.9 36.1 35.2 38.3 40.2 36.0
Peringkat 1 diberikan kepada kandidat yang dinilai sebagai e 32.4 28.9 29.2 30.7 33.9 32.1
terbaik.
a. Gunakan uji nonparametrik yang sesuai untuk
15.63Wawancara, lanjutanLihat Latihan menentukan apakah data memberikan bukti yang
15.62. Apakah data menyajikan bukti yang cukup cukup untuk menunjukkan perbedaan hasil panen
untuk menunjukkan bahwa korelasi antara peringkat untuk lima varietas gandum yang berbeda. Uji
wawancara dan skor tes kurang dari nol? Jika bukti menggunakan a = 0,05.
ini memang ada, dapatkah Anda mengatakan bahwa b. Latihan 11.68 menampilkan cetakan komputer
tes dapat digunakan untuk mengurangi jumlah dari analisis varians untuk membandingkan hasil
wawancara? rata-rata lima varietas gandum. Bagaimana hasil
analisis variansi uji F dibandingkan dengan uji
15.64 Eksperimen Asosiasi KataSebuah
pada bagian a? Menjelaskan.
perbandingananak waktu reaksi untuk dua rangsangan
yang berbeda dalam percobaan asosiasi kata psikologis 15.68 Belajar MenjualDalam Latihan 11.61, Anda
menghasilkan hasil yang menyertai ketika diterapkan membandingkan jumlah penjualan per peserta
pada sampel acak dari 16 orang: pelatihan setelah menyelesaikan salah satu dari empat
program pelatihan penjualan yang berbeda (lihat
Rangsangan Waktu Reaksi (detik) kumpulan data EX1161). Enam orang peserta
1 1 3 2 1 2 1 3 2 menyelesaikan program pelatihan 1, delapan orang
2 4 2 3 3 1 2 3 3 menyelesaikan program 2, dan seterusnya. Jumlah
penjualan per peserta pelatihan ditunjukkan pada tabel.
Apakah data menyajikan bukti yang cukup untuk
menunjukkan perbedaan waktu reaksi rata-rata untuk Program pelatihan
dua rangsangan? Gunakan tes nonparametrik yang 1 2 3 4
sesuai dan jelaskan kesimpulan Anda.
78 99 74 81
15.65 Matematika dan SeniTabel 84 86 87 63
memberikan 86 90 80 71
92 93 83 65
EX1565 skor dari sekelompok 15 siswa dalam matematika 69 94 78 86
dan seni. Gunakan uji peringkat bertanda Wilcoxon 73 85 79
untuk menentukan apakah nilai median bagi para siswa 97 73
91 70
ini berbeda secara signifikan untuk kedua mata
pelajaran tersebut.
a. Apakah data menyajikan bukti yang cukup untuk akumulasi logam berat pada tanaman yang ditanam
menunjukkan bahwa distribusi jumlah penjualan pada tanah yang diubah dengan lumpur dan apakah
per peserta pelatihan berbeda dari satu program terdapat akumulasi logam berat pada serangga
pelatihan ke program pelatihan lainnya? Uji pemakan tanaman tersebut.7 Data dalam tabel adalah
menggunakan uji nonparametrik yang sesuai. konsentrasi kadmium (dalam mg/kg) pada tanaman
b. Bagaimana perbandingan hasil uji bagian a dengan yang tumbuh di bawah enam tingkat penerapan
hasil analisis varians F-test pada Latihan 11.61? lumpur yang berbeda untuk tiga panen yang berbeda.
Tingkat aplikasi adalah perawatan. Tiga panen
15.69 Polusi dari Pabrik KimiaDi Ekser-cise
mewakili blok waktu dalam desain dua arah.
11.66, Anda melakukan analisis varians untuk
membandingkan tingkat rata-rata efluen dalam air di Memanen
empat pabrik industri yang berbeda (lihat kumpulan
Kecepat 1 2 3
data EX1166). Lima sampel limbah cair diambil pada an
keluaran masing-masing empat pabrik industri. Data Kontrol 162.1 153.7 200.4
ditampilkan dalam tabel. 1 199.8 199.6 278.2
Tanaman Polusi Efluen (lb/gal limbah) 2 220.0 210.7 294.8
3 194.4 179.0 341.1
SEBUA 1.65 1.72 1,50 1.37 1.60 4 204.3 203.7 330.2
H 5 218.9 236.1 344.2
B 1.70 1.85 1.46 2.05 1.80
C 1.40 1.75 1.38 1.65 1.55 a. Berdasarkan plot probabilitas normal MINITAB dan
D 2.10 1.95 1.65 1.88 2.00 plot residual versus rate, apakah Anda bersedia
a. Apakah data menyajikan bukti yang cukup untuk berasumsi bahwa asumsi normalitas dan varians
menunjukkan perbedaan tingkat polutan untuk konstan terpenuhi?
empat pabrik industri yang berbeda? Uji dengan
menggunakan uji nonparametrik yang sesuai. MINITABplot sisa untuk Latihan 15.71
b. Temukan perkiraan nilai p untuk tes dan Residu versus Tarif
interpretasikan nilainya. (responsnya adalah
Kadmium)
40
c. Bandingkan hasil pengujian pada bagian a dengan
analisis uji variansi pada Latihan 11.66. Apakah 30
hasilnya setuju? Menjelaskan. 20
10
15.70 Penelitian AIDSPara ilmuwan telah
Sisa
0
menunjukkan bahwa vaksin yang baru dikembangkan
dapat melindungi monyet rhesus dari infeksi virus —10
yang terkait erat dengan human immunodeficiency —20
virus (HIV) penyebab AIDS. Dalam pekerjaan mereka, —30
Ronald C. Resrosiers dan rekan-rekannya di Pusat —40 0 1 2 3 4 5
Penelitian Primata Regional New England memberi Kece

pata
masing-masing n = 6 monyet rhesus lima inokulasi n
dengan vaksin simian immunodeficiency virus (SIV). Plot Probabilitas Normal dari Residual
Satu minggu setelah vaksinasi terakhir, setiap kera (responsnya adalah
Kadmium)
99
menerima suntikan SIV hidup. Dua dari enam monyet
yang divaksinasi tidak menunjukkan bukti infeksi SIV 95
90
selama satu setengah tahun setelah penyuntikan SIV.6 80
Ilmuwan mampu mengisolasi virus SIV dari empat 70
60
monyet yang divaksinasi lainnya, meskipun hewan ini
Persen
50
40
tidak menunjukkan tanda-tanda. dari penyakit. Apakah 30
20
informasi ini mengandung bukti yang cukup untuk 10
menunjukkan bahwa vaksin tersebut efektif dalam 5
melindungi kera dari SIV? Menggunakan 1

10 20304050
sebuah= 0,10. —40 —30 —20 —100
Sisa
15.71 Logam beratEksperimen dulu

EX1571 dilakukan untuk menentukan apakah ada
b. Dengan menggunakan metode analisis yang 15.73 Penilaian Pelamar MengajarSebelum

sesuai, analisis data untuk menentukan apakah mengisi beberapa posisi pengajar baru di sekolah
terdapat perbedaan yang signifikan di antara menengah tersebut, kepala sekolah membentuk dewan
respons yang disebabkan oleh tingkat penerapan. peninjau yang terdiri dari lima guru yang diminta
15.72 Lihat Latihan 15.71. Data di untuk mewawancarai 12 pelamar dan mengurutkan
EX1572 tabel ini adalah konsentrasi kadmium yang mereka berdasarkan prestasi. Tujuh dari 12 pelamar
ditemukan pada kutu daun yang memakan tanaman memiliki gelar sarjana tetapi memiliki pengalaman
yang ditanam di tanah yang diubah dengan lumpur. mengajar yang terbatas. Dari lima pelamar yang
Meman
tersisa, semuanya memiliki gelar sarjana dan
en pengalaman yang substansial. Peringkat dewan
peninjau diberikan dalam tabel.
Kecepata 1 2 3
n Pengalaman Pengalaman
Kontrol 16.2 55.8 65.8 Terbatas
4 substansial
1
1 16.9 119.4 181.1 6 2
2 12.7 171.9 184.6 7 3
3 31.3 128.4 196.4 9 5
4 38.5 182.0 163.7 10 8
5 20.6 191.3 242.8 11
12
a. Gunakan plot probabilitas normal MINITAB dari
residu dan plot residu versus tingkat penerapan Apakah peringkat ini menunjukkan bahwa dewan
untuk menilai apakah asumsi normalitas dan peninjau menganggap pengalaman sebagai faktor
varian konstan masuk akal dalam kasus ini. utama dalam pemilihan kandidat terbaik? Uji
b. Berdasarkan kesimpulan Anda di bagian a, menggunakan a = 0,05.
gunakan metode statistik yang sesuai untuk 15.74 Kontaminan dalam Bahan KimiaSEBUAH
menguji perbedaan yang signifikan dalam EX1574 produsen menggunakan sejumlah besar bahan
konsentrasi kadmium untuk enam tingkat aplikasi. kimia tertentu. Karena hanya ada dua pemasok bahan
MINITABplot sisa untuk Latihan 15.72 kimia ini, pabrikan ingin menguji apakah persentase
kontaminan sama untuk kedua sumber terhadap
Residu versus Tarif
(responsnya adalah
alternatif yang ada perbedaan persentase kontaminan
Kadmium) untuk kedua pemasok. Data dari sampel acak
50 independen ditunjukkan di bawah ini:
25 Pemasok
1 2
Sisa
0
.86 .65 .55 .58
.69 1.13 .40 .16
—25
.72 .65 .22 .07
—50 1.18 .50 .09 .36
0 1 2 3 4 5 .45 1.04 .16 .20
Kece 1.41 .41 .26 .15
pata
n
a. Gunakan uji jumlah peringkat Wilcoxon untuk
menentukan apakah ada perbedaan persentase
kontaminan untuk kedua pemasok. Gunakan a =
0,05.
Plot Probabilitas Normal dari Residual b. Gunakan perkiraan sampel besar untuk uji jumlah
(responsnya adalah Kadmium)
peringkat Wilcoxon untuk menentukan apakah ada
Persen
99
95 perbedaan persentase kontaminan untuk kedua

90 pemasok. Gunakan a = 0,05. Bandingkan
80
70
kesimpulan Anda dengan kesimpulan dari bagian a.
60
50
40 15.75 Pencahayaan di KelasProduktivitas 35
30
20 siswa diamati dan diukur sebelum dan sesudah
10 pemasangan lampu baru di ruang kelas mereka.
5
Produktivitas 21 dari 35 siswa diamati telah
1
—75 —50 —250 25 50 meningkat, sedangkan produktivitas yang lain
Sisa
tampaknya tidak menunjukkan peningkatan yang
nyata.
hasil pencahayaan baru. Gunakan pendekatan normal

untuk uji tanda untuk menentukan apakah 15.78 Kelelahan PekerjaUntuk menyelidiki met-
pencahayaan baru efektif atau tidak dalam EX1578 Untuk mengurangi kelelahan di antara
meningkatkan produktivitas siswa pada tingkat karyawan yang pekerjaannya melibatkan prosedur
signifikansi 5%. perakitan yang monoton, 12 karyawan yang dipilih
secara acak diminta untuk melakukan pekerjaan
15.76 Mengurangi KolesterolSebuah obat
mereka yang biasa di bawah masing-masing dari tiga
kondisi percobaan.
EX1576 dikembangkan untuk menurunkan kadar tions. Sebagai ukuran kelelahan, eksperimen digunakan
kolesterol di
pasien jantung. Kadar kolesterol sebelum dan jumlah penghentian jalur perakitan selama periode 4
sesudah terapi obat diperoleh dari sampel acak 25 jam untuk setiap kondisi percobaan.
pasien jantung dengan hasil sebagai berikut: Kondisi
Pasien Sebelum Setelah Pasien Sebelum Karyawan 1 2 3
Setelah
1 31 22 26
1 257 243 14 210 217
2 20 15 23
2 222 217 15 263 243
3 177 174 16 214 198 3 26 21 18
4 258 260 17 392 388 4 31 22 32
5 294 295 18 370 357
6 244 236 19 310 299 5 12 16 18
7 390 383 20 255 258 6 22 29 34
8 247 233 21 281 276 7 28 17 26
9 409 410 22 294 295 8 15 9 12
10 214 216 23 257 227 9 41 31 46
11 217 210 24 227 231 10 19 19 25
12 340 335 25 385 374 11 31 34 41
13 364 343 12 18 11 21
a. Gunakan uji tanda untuk menentukan apakah obat ini a. Rancangan percobaan apakah yang digunakan
menurunkan kadar kolesterol pasien jantung. Gunakan a = 0,01. dalam percobaan ini?
b. Gunakan uji peringkat bertanda Wilcoxon untuk menguji b. Gunakan uji nonparametrik yang sesuai untuk
hipotesis pada bagian a pada tingkat signifikansi 1%. Apakah menentukan apakah distribusi penghentian jalur
kesimpulan Anda sama dengan yang ada di bagian a? perakitan (dan akibatnya kelelahan pekerja)
15.77Lego®Waktu yang dibutuhkan untuk berbeda untuk ketiga kondisi ini. Uji pada tingkat
TK- signifikansi 5%.
EX1577 anak-anak taman untuk merakit kreasi Lego 15.79 Peringkat QuarterbackPeringkat
tertentu diukur untuk anak-anak yang telah quarterback di delapan tim teratas Liga Sepak Bola
diinstruksikan untuk empat jangka waktu yang Nasional dibuat dengan polling sejumlah pelatih
berbeda. Empat anak secara acak ditugaskan untuk sepak bola profesional dan penulis olahraga.
masing-masing kelompok instruksional, tapi dua "Peringkat sebenarnya" ini ditampilkan di bawah,
dieliminasi selama percobaan karena sakit. Lamanya bersama dengan "peringkat saya".
waktu (dalam menit) untuk merakit Lego ciptaan
Gelandang belakang
dicatat untuk setiap anak dalam percobaan.
SEB B C D e F G H
Periode Pelatihan (jam) UA
.5 1.0 1.5 2.0 H
8 9 4 4 Peringkat Sejati 1 2 3 4 5 6 7 8
14 7 6 7 Peringkat saya 3 1 4 5 2 8 6 7
9 5 7 5
12 8 a. Hitung Rp.
b. Apakah data menunjukkan korelasi positif antara
Gunakan Kruskal–Wallis H-Test untuk menentukan
peringkat saya dan para pakar? Tes di
apakah terdapat perbedaan dalam distribusi waktu
tingkat signifikansi 5%.
untuk empat lama waktu pembelajaran yang berbeda.
Gunakan a = 0,01.
680 ❍ BAB 15STATISTIK NONPARAMETRIK STUDI KASUS❍677
STUDI KASUS Bagaimana Tingkat Kolesterol Anda?

Ketika konsumen semakin tertarik untuk mengonsumsi makanan sehat, banyak produk “ringan”
Telur Produk “bebas lemak” dan “bebas kolesterol” bermunculan di pasar. Salah satu
produk tersebut adalah pengganti telur beku, produk bebas kolesterol yang dapat
digunakan dalam memasak dan memanggang dengan banyak cara yang sama seperti
telur biasa—walaupun tidak semuanya. Beberapa konsumen bahkan menggunakan
pengganti telur untuk saus salad Caesar dan resep lain yang meminta telur mentah
karena produk ini dipasteurisasi dan dengan demikian menghilangkan kekhawatiran
tentang kontaminasi bakteri.
Sayangnya, produk yang saat ini beredar di pasaran menunjukkan perbedaan yang
kuat baik dalam rasa maupun tekstur saat dicicipi dalam persiapan utamanya sebagai
telur orak-arik. Lima panelis, semuanya ahli dalam nutrisi dan penyiapan makanan,
diminta untuk menilai masing-masing dari tiga pengganti telur berdasarkan rasa,
penampilan, tekstur, dan apakah mereka akan membeli produk tersebut.8 Juri
mencicipi tiga pengganti telur dan menilainya berdasarkan skala 0 sampai 20. Hasil
yang ditunjukkan pada tabel menunjukkan bahwa peringkat tertinggi, sebesar 23
poin, diberikan kepada Produk Telur Pilihan Sehat ConAgra, yang disetujui oleh para
pencicip dengan suara bulat paling mirip dengan telur karena berasal dari ayam
betina. . Produk peringkat kedua, Morningstar Farms' Scramblers, menurut beberapa
pencicip memiliki “rasa yang anehnya manis . . . mirip dengan wortel.” Akhirnya,
tidak ada pencicip yang menunjukkan bahwa mereka bersedia membeli Pengocok
Telur Fleishmann, yang dijelaskan oleh penguji sebagai "berair", "licin", dan "tidak
menyenangkan". Anehnya, hasil ini bertentangan dengan uji rasa serupa yang
dilakukan 4 tahun sebelumnya, di mana Pengocok Telur dianggap lebih baik daripada
pengganti telur pesaing.
Pengecap Pilihan Sehat Pengacak Pengocok

telur
Dan Bowe 16 9 7
John Caroll 16 7 8
Donna Katzl 14 8 4
Rick O'Connell 15 16 9
Roland Pasot 13 11 2
Total 74 51 30
Sumber:Data dari “Kisaran Pengganti Telur dalam Kualitas,” oleh K. Sakekel, The San Francisco Chronicle,
10 Februari 1993, hal. 8. Hak Cipta © 1993 San Francisco Chronicle.
1. Jenis desain apa yang digunakan dalam percobaan uji rasa ini?
2. Apakah data memenuhi asumsi yang diperlukan untuk analisis varians
parametrik? Menjelaskan.
3. Gunakan teknik nonparametrik yang sesuai untuk menentukan apakah ada
perbedaan yang signifikan antara skor rata-rata untuk ketiga merek pengganti
telur.
Halaman ini sengaja dikosongkan
Lampiran I
Tabel
ISI
Tabel 1 Probabilitas Binomial Kumulatif 680

Meja 2 Probabilitas Poisson Kumulatif
686Tabel 3 Area di bawah Kurva Normal
688Tabel 4 Nilai Kritis darit691
Tabel 5 Nilai Kritis Chi-Square 692
Tabel 6 Persentase Poin dari
FDistribusi 694
Tabel 7 Nilai Kritis dariTuntuk WilcoxonTes
Jumlah Peringkat,n1 ≤n2 702
Tabel 8 Nilai Kritis dariTuntuk Tes Peringkat
Bertanda Wilcoxon,n=5(1)50 704
Tabel 9 KritisNilai Peringkat
SpearmanKoefisien Korelasi untuk a
Tes Satu Sisi 705
Tabel 10 Angka Acak 706
Tabel 11 Persentase Poin SiswaJarak,qα(k,df)
708
679
680 ❍ LAMPIRAN ITABEL
p(x)
0 k x
MEJA1Probabilitas Binomial Kumulatif Nilai yang

ditabulasikan adalah P(x≤k)=p(0)+p(1)+ ∙ ∙ ∙+p(k).
(Perhitungan dibulatkan di tempat desimal ketiga.)
n=2
k .01 .05 .10 .20 .30 .40 .50 .60 .70 .80 .90 .95 .99 k
0 .980 .902 .810 .640 .490 .360 .250 .160 .090 .040 .010 .002 .000 0
1 1.000 .998 .990 .960 .910 .840 .750 .640 .510 .360 .190 .098 .020 1
2 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 2
n=3
k .01 .05 .10 .20 .30 .40 .50 .60 .70 .80 .90 .95 .99 k
0 .970 .857 .729 .512 .343 .216 .125 .064 .027 .008 .001 .000 .000 0
1 1.000 .993 .972 .896 .784 .648 .500 .352 .216 .104 .028 .007 .000 1
2 1.000 1.000 .999 .992 .973 .936 .875 .784 .657 .488 .271 .143 .030 2
3 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 3
n=4
k .01 .05 .10 .20 .30 .40 .50 .60 .70 .80 .90 .95 .99 k
0 .961 .815 .656 .410 .240 .130 .062 .026 .008 .002 .000 .000 .000 0
1 .999 .986 .948 .819 .652 .475 .312 .179 .084 .027 .004 .000 .000 1
2 1.000 1.000 .996 .973 .916 .821 .688 .525 .348 .181 .052 .014 .001 2
3 1.000 1.000 1.000 .998 .992 .974 .938 .870 .760 .590 .344 .185 .039 3
4 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 4
LAMPIRAN ITABEL ❍ 681
MEJA1(lanjutan)
n=5
k .01 .05 .10 .20 .30 .40 .50 .60 .70 .80 .90 .95 .99 k
0 .951 .774 .590 .328 .168 .078 .031 .010 .002 .000 .000 .000 .000 0
1 .999 .977 .919 .737 .528 .337 .188 .087 .031 .007 .000 .000 .000 1
2 1.000 .999 .991 .942 .837 .683 .500 .317 .163 .058 .009 .001 .000 2
3 1.000 1.000 1.000 .993 .969 .913 .812 .663 .472 .263 0,081 .023 .001 3
4 1.000 1.000 1.000 1.000 .998 .990 .969 .922 .832 .672 .410 .226 0,049 4
5 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 5
n=6
k .01 .05 .10 .20 .30 .40 .50 .60 .70 .80 .90 .95 .99 k
0 .941 .735 .531 .262 .118 .047 .016 .004 .001 .000 .000 .000 .000 0
1 .999 .967 .886 .655 .420 .233 .109 .041 .011 .002 .000 .000 .000 1
2 1.000 .998 .984 .901 .744 .544 .344 .179 .070 .017 .001 .000 .000 2
3 1.000 1.000 .999 .983 .930 .821 .656 .456 .256 .099 .016 .002 .000 3
4 1.000 1.000 1.000 .998 .989 .959 .891 .767 .580 .345 .114 .033 .001 4
5 1.000 1.000 1.000 1.000 .999 .996 .984 .953 .882 .738 .469 .265 0,059 5
6 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 6
n=7
k .01 .05 .10 .20 .30 .40 .50 .60 .70 .80 .90 .95 .99 k
0 .932 .698 .478 .210 0,082 .028 .008 .002 .000 .000 .000 .000 .000 0
1 .998 .956 .850 .577 .329 .159 .062 .019 .004 .000 .000 .000 .000 1
2 1.000 .996 .974 .852 .647 .420 .227 .096 .029 .005 .000 .000 .000 2
3 1.000 1.000 .997 .967 .874 .710 .500 .290 .126 .033 .003 .000 .000 3
4 1.000 1.000 1.000 .995 .971 .904 .773 .580 .353 .148 .026 .004 .000 4
5 1.000 1.000 1.000 1.000 .996 .981 .938 .841 .671 .423 .150 .044 .002 5
6 1.000 1.000 1.000 1.000 1.000 .998 .992 .972 .918 .790 .522 .302 .068 6
7 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 7
n=8
k .01 .05 .10 .20 .30 .40 .50 .60 .70 .80 .90 .95 .99 k
0 .923 .663 .430 .168 .058 .017 .004 .001 .000 .000 .000 .000 .000 0
1 .997 .943 .813 .503 .255 .106 .035 .009 .001 .000 .000 .000 .000 1
2 1.000 .994 .962 .797 .552 .315 .145 .050 .011 .001 .000 .000 .000 2
3 1.000 1.000 .995 .944 .806 .594 .363 .174 .058 .010 .000 .000 .000 3
4 1.000 1.000 1.000 .990 .942 .826 .637 .406 .194 .056 .005 .000 .000 4
5 1.000 1.000 1.000 .999 .989 .950 .855 .685 .448 .203 .038 .006 .000 5
6 1.000 1.000 1.000 1.000 .999 .991 .965 .894 .745 .497 .187 .057 .003 6
7 1.000 1.000 1.000 1.000 1.000 .999 .996 .983 .942 .832 .570 .337 .077 7
8 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 8
MEJA1(lanjutan)
n=9
k .01 .05 .10 .20 .30 .40 .50 .60 .70 .80 .90 .95 .99 k
0 .914 .630 .387 .134 .040 .010 .002 .000 .000 .000 .000 .000 .000 0
1 .997 .929 .775 .436 .196 0,071 .020 .004 .000 .000 .000 .000 .000 1
2 1.000 .992 .947 .738 .463 .232 .090 .025 .004 .000 .000 .000 .000 2
3 1.000 .999 .992 .914 .730 .483 .254 .099 .025 .003 .000 .000 .000 3
4 1.000 1.000 .999 .980 .901 .733 .500 .267 .099 .020 .001 .000 .000 4
5 1.000 1.000 1.000 .997 .975 .901 .746 .517 .270 .086 .008 .001 .000 5
6 1.000 1.000 1.000 1.000 .996 .975 .910 .768 .537 .262 .053 .008 .000 6
7 1.000 1.000 1.000 1.000 1.000 .996 .980 .929 .804 .564 .225 0,071 .003 7
8 1.000 1.000 1.000 1.000 1.000 1.000 .998 .990 .960 .866 .613 .370 .086 8
9 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 9
n=10
k .01 .05 .10 .20 .30 .40 .50 .60 .70 .80 .90 .95 .99 k
0 .904 .599 .349 .107 .028 .006 .001 .000 .000 .000 .000 .000 .000 0
1 .996 .914 .736 .376 .149 .046 .011 .002 .000 .000 .000 .000 .000 1
2 1.000 .988 .930 .678 .383 .167 .055 .012 .002 .000 .000 .000 .000 2
3 1.000 .999 .987 .879 .650 .382 .172 .055 .011 .001 .000 .000 .000 3
4 1.000 1.000 .998 .967 .850 .633 .377 .166 .047 .006 .000 .000 .000 4
5 1.000 1.000 1.000 .994 .953 .834 .623 .367 .150 .033 .002 .000 .000 5
6 1.000 1.000 1.000 .999 .989 .945 .828 .618 .350 .121 .013 .001 .000 6
7 1.000 1.000 1.000 1.000 .998 .988 .945 .833 .617 .322 .070 .012 .000 7
8 1.000 1.000 1.000 1.000 1.000 .998 .989 .954 .851 .624 .264 .086 .004 8
9 1.000 1.000 1.000 1.000 1.000 1.000 .999 .994 .972 .893 .651 .401 .096 9
10 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 10
n=11
k .01 .05 .10 .20 .30 .40 .50 .60 .70 .80 .90 .95 .99 k
0 .895 .569 .314 .086 .020 .004 .000 .000 .000 .000 .000 .000 .000 0
1 .995 .898 .697 .322 .113 .030 .006 .001 .000 .000 .000 .000 .000 1
2 1.000 .985 .910 .617 .313 .119 .033 .006 .001 .000 .000 .000 .000 2
3 1.000 .998 .981 .839 .570 .296 .113 .029 .004 .000 .000 .000 .000 3
4 1.000 1.000 .997 .950 .790 .533 .274 .099 .022 .002 .000 .000 .000 4
5 1.000 1.000 1.000 .988 .922 .754 .500 .246 .078 .012 .000 .000 .000 5
6 1.000 1.000 1.000 .998 .978 .901 .726 .467 .210 .050 .003 .000 .000 6
7 1.000 1.000 1.000 1.000 .996 .971 .887 .704 .430 .161 .019 .002 .000 7
8 1.000 1.000 1.000 1.000 .999 .994 .967 .881 .687 .383 .090 .015 .000 8
9 1.000 1.000 1.000 1.000 1.000 .999 .994 .970 .887 .678 .303 .102 .005 9
10 1.000 1.000 1.000 1.000 1.000 1.000 1.000 .996 .980 .914 .686 .431 .105 10
11 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 11
MEJA1(lanjutan)
n=12
k .01 .05 .10 .20 .30 .40 .50 .60 .70 .80 .90 .95 .99 k
0 .886 .540 .282 .069 .014 .002 .000 .000 .000 .000 .000 .000 .000 0
1 .994 .882 .659 .275 .085 .020 .003 .000 .000 .000 .000 .000 .000 1
2 1.000 .980 .889 .558 .253 .083 .019 .003 .000 .000 .000 .000 .000 2
3 1.000 .998 .974 .795 .493 .225 .073 .015 .002 .000 .000 .000 .000 3
4 1.000 1.000 .996 .927 .724 .438 .194 .057 .009 .001 .000 .000 .000 4
5 1.000 1.000 .999 .981 .882 .665 .387 .158 .039 .004 .000 .000 .000 5
6 1.000 1.000 1.000 .996 .961 .842 .613 .335 .118 .019 .001 .000 .000 6
7 1.000 1.000 1.000 .999 .991 .943 .806 .562 .276 .073 .004 .000 .000 7
8 1.000 1.000 1.000 1.000 .998 .985 .927 .775 .507 .205 .026 .002 .000 8
9 1.000 1.000 1.000 1.000 1.000 .997 .981 .917 .747 .442 .111 .020 .000 9
10 1.000 1.000 1.000 1.000 1.000 1.000 .997 .980 .915 .725 .341 .118 .006 10
11 1.000 1.000 1.000 1.000 1.000 1.000 1.000 .998 .986 .931 .718 .460 .114 11
12 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 12
n=15
k .01 .05 .10 .20 .30 .40 .50 .60 .70 .80 .90 .95 .99 k
0 .860 .463 .206 .035 .005 .000 .000 .000 .000 .000 .000 .000 .000 0
1 .990 .829 .549 .167 .035 .005 .000 .000 .000 .000 .000 .000 .000 1
2 1.000 .964 .816 .398 .127 .027 .004 .000 .000 .000 .000 .000 .000 2
3 1.000 .995 .944 .648 .297 0,091 .018 .002 .000 .000 .000 .000 .000 3
4 1.000 .999 .987 .836 .515 .217 0,059 .009 .001 .000 .000 .000 .000 4
5 1.000 1.000 .998 .939 .722 .403 .151 .034 .004 .000 .000 .000 .000 5
6 1.000 1.000 1.000 .982 .869 .610 .304 .095 .015 .001 .000 .000 .000 6
7 1.000 1.000 1.000 .996 .950 .787 .500 .213 .050 .004 .000 .000 .000 7
8 1.000 1.000 1.000 .999 .985 .905 .696 .390 .131 .018 .000 .000 .000 8
9 1.000 1.000 1.000 1.000 .996 .966 .849 .597 .278 .061 .002 .000 .000 9
10 1.000 1.000 1.000 1.000 .999 .991 .941 .783 .485 .164 .013 .001 .000 10
11 1.000 1.000 1.000 1.000 1.000 .998 .982 .909 .703 .352 .056 .005 .000 11
12 1.000 1.000 1.000 1.000 1.000 1.000 .996 .973 .873 .602 .184 .036 .000 12
13 1.000 1.000 1.000 1.000 1.000 1.000 1.000 .995 .965 .833 .451 .171 .010 13
14 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 .995 .965 .794 .537 .140 14
15 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 15
MEJA1(lanjutan)
n=20
k .01 .05 .10 .20 .30 .40 .50 .60 .70 .80 .90 .95 .99 k
0 .818 .358 .122 .012 .001 .000 .000 .000 .000 .000 .000 .000 .000 0
1 .983 .736 .392 .069 .008 .001 .000 .000 .000 .000 .000 .000 .000 1
2 .999 .925 .677 .206 .035 .004 .000 .000 .000 .000 .000 .000 .000 2
3 1.000 .984 .867 .411 .107 .016 .001 .000 .000 .000 .000 .000 .000 3
4 1.000 .997 .957 .630 .238 0,051 .006 .000 .000 .000 .000 .000 .000 4
5 1.000 1.000 .989 .804 .416 .126 .021 .002 .000 .000 .000 .000 .000 5
6 1.000 1.000 .998 .913 .608 .250 .058 .006 .000 .000 .000 .000 .000 6
7 1.000 1.000 1.000 .968 .772 .416 .132 .021 .001 .000 .000 .000 .000 7
8 1.000 1.000 1.000 .990 .887 .596 .252 .057 .005 .000 .000 .000 .000 8
9 1.000 1.000 1.000 .997 .952 .755 .412 .128 .017 .001 .000 .000 .000 9
10 1.000 1.000 1.000 .999 .983 .872 .588 .245 .048 .003 .000 .000 .000 10
11 1.000 1.000 1.000 1.000 .995 .943 .748 .404 .113 .010 .000 .000 .000 11
12 1.000 1.000 1.000 1.000 .999 .979 .868 .584 .228 .032 .000 .000 .000 12
13 1.000 1.000 1.000 1.000 1.000 .994 .942 .750 .392 .087 .002 .000 .000 13
14 1.000 1.000 1.000 1.000 1.000 .998 .979 .874 .584 .196 .011 .000 .000 14
15 1.000 1.000 1.000 1.000 1.000 1.000 .994 .949 .762 .370 .043 .003 .000 15
16 1.000 1.000 1.000 1.000 1.000 1.000 .999 .984 .893 .589 .133 .016 .000 16
17 1.000 1.000 1.000 1.000 1.000 1.000 1.000 .996 .965 .794 .323 .075 .001 17
18 1.000 1.000 1.000 1.000 1.000 1.000 1.000 .999 .992 .931 .608 .264 .017 18
19 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 .999 .988 .878 .642 .182 19
20 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 20
MEJA1(lanjutan)
n=25
k .01 .05 .10 .20 .30 .40 .50 .60 .70 .80 .90 .95 .99 k
0 .778 .277 0,07 .004 .000 .000 .000 .000 .000 .000 .000 .000 .000 0
2
1 .974 .642 .271 .027 .002 .000 .000 .000 .000 .000 .000 .000 .000 1
2 .998 .873 .537 .098 .009 .000 .000 .000 .000 .000 .000 .000 .000 2
3 1.000 .966 .764 .234 .033 .002 .000 .000 .000 .000 .000 .000 .000 3
4 1.000 .993 .902 .421 .090 .009 .000 .000 .000 .000 .000 .000 .000 4
5 1.000 .999 .967 .617 .193 .029 .002 .000 .000 .000 .000 .000 .000 5
6 1.000 1.000 .991 .780 .341 .074 .007 .000 .000 .000 .000 .000 .000 6
7 1.000 1.000 .998 .891 .512 .154 .022 .001 .000 .000 .000 .000 .000 7
8 1.000 1.000 1.000 .953 .677 .274 .054 .004 .000 .000 .000 .000 .000 8
9 1.000 1.000 1.000 .983 .811 .425 .115 .013 .000 .000 .000 .000 .000 9
10 1.000 1.000 1.000 .994 .902 .586 .212 .034 .002 .000 .000 .000 .000 10
11 1.000 1.000 1.000 .998 .956 .732 .345 .078 .006 .000 .000 .000 .000 11
12 1.000 1.000 1.000 1.000 .983 .846 .500 .154 .017 .000 .000 .000 .000 12
13 1.000 1.000 1.000 1.000 .994 .922 .655 .268 .044 .002 .000 .000 .000 13
14 1.000 1.000 1.000 1.000 .998 .966 .788 .414 .098 .006 .000 .000 .000 14
15 1.000 1.000 1.000 1.000 1.000 .987 .885 .575 .189 .017 .000 .000 .000 15
16 1.000 1.000 1.000 1.000 1.000 .996 .946 .726 .323 .047 .000 .000 .000 16
17 1.000 1.000 1.000 1.000 1.000 .999 .978 .846 .488 .109 .002 .000 .000 17
18 1.000 1.000 1.000 1.000 1.000 1.000 .993 .926 .659 .220 .009 .000 .000 18
19 1.000 1.000 1.000 1.000 1.000 1.000 .998 .971 .807 .383 .033 .001 .000 19
20 1.000 1.000 1.000 1.000 1.000 1.000 1.000 .991 .910 .579 .098 .007 .000 20
21 1.000 1.000 1.000 1.000 1.000 1.000 1.000 .998 .967 .766 .236 .034 .000 21
22 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 .991 .902 .463 .127 .002 22
23 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 .998 .973 .729 .358 .026 23
24 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 .996 .928 .723 .222 24
25 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 25
MEJA2Probabilitas Poisson Kumulatif Nilai tabulasi

adalahP(x≤k)=p(0)+p(1)+ ∙ ∙ ∙+p(k). (Perhitungan
dibulatkan di tempat desimal ketiga.)
k .1 .2 .3 .4 .5 .6 .7 .8 .9 1.0 1.5
0 .905 .819 .741 .670 .607 .549 .497 .449 .407 .368 .223
1 .995 .982 .963 .938 .910 .878 .844 .809 .772 .736 .558
2 1.000 .999 .996 .992 .986 .977 .966 .953 .937 .920 .809
3 1.000 1.000 .999 .998 .997 .994 .991 .987 .981 .934
4 1.000 1.000 1.000 .999 .999 .998 .996 .981
5 1.000 1.000 1.000 .999 .996
6 1.000 .999
7 1.000
k 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5 6.0 6.5 7.0
0 .135 0,082 .055 .033 .018 .011 .007 .004 .003 .002 .001
1 .406 .287 .199 .136 .092 .061 .040 .027 .017 .011 .007
2 .677 .544 .423 .321 .238 .174 .125 .088 .062 .043 .030
3 .857 .758 .647 .537 .433 .342 .265 .202 .151 .112 0,082
4 .947 .891 .815 .725 .629 .532 .440 .358 .285 .224 .173
5 .983 .958 .916 .858 .785 .703 .616 .529 .446 .369 .301
6 .995 .986 .966 .935 .889 .831 .762 .686 .606 .563 .450
7 .999 .996 .988 .973 .949 .913 .867 .809 .744 .673 .599
8 1.000 .999 .996 .990 .979 .960 .932 .894 .847 .792 .729
9 1.000 .999 .997 .992 .983 .968 .946 .916 .877 .830
10 1.000 .999 .997 .993 .986 .975 .957 .933 .901
11 1.000 .999 .998 .995 .989 .980 .966 .947
12 1.000 .999 .998 .996 .991 .984 .973
13 1.000 .999 .998 .996 .993 .987
14 1.000 .999 .999 .997 .994
15 1.000 .999 .999 .998
16 1.000 1.000 .999
17 1.000
MEJA1(lanjutan)
k 7.5 8.0 8.5 9.0 9.5 10.0 12.0 15.0 20.0
0 .001 .000 .000 .000 .000 .000 .000 .000 .000

1 .005 .003 .002 .001 .001 .000 .000 .000 .000
2 .020 .014 .009 .006 .004 .003 .001 .000 .000
3 0,059 .042 .030 .021 .015 .010 .002 .000 .000
4 .132 .100 .074 .055 .040 .029 .008 .001 .000
5 .241 .191 .150 .116 .089 .067 .020 .003 .000
6 .378 .313 .256 .207 .165 .130 .046 .008 .000
7 .525 .453 .386 .324 .269 .220 .090 .018 .001
8 .662 .593 .523 .456 .392 .333 .155 .037 .002
9 .776 .717 .653 .587 .522 .458 .242 .070 .005
10 .862 .816 .763 .706 .645 .583 .347 .118 .011
11 .921 .888 .849 .803 .752 .697 .462 .185 .021
12 .957 .936 .909 .876 .836 .792 .576 .268 .039
13 .978 .966 .949 .926 .898 .864 .682 .363 .066
14 .990 .983 .973 .959 .940 .917 .772 .466 .105
15 .995 .992 .986 .978 .967 .951 .844 .568 .157
16 .998 .996 .993 .989 .982 .973 .899 .664 .221
17 .999 .998 .997 .995 .991 .986 .937 .749 .297
18 1.000 .999 .999 .998 .996 .993 .963 .819 .381
19 1.000 .999 .999 .998 .997 .979 .875 .470
20 1.000 1.000 .999 .998 .988 .917 .559
21 1.000 .999 .994 .947 .644
22 1.000 .997 .967 .721
23 .999 .981 .787
24 .999 .989 .843
25 1.000 .994 .888
26 .997 .922
27 .998 .948
28 .999 .966
29 1.000 .978
30 .987
31 .992
32 .995
33 .997
34 .999
35 .999
36 1.000
Daer
ah
0 z
MEJA3Area di bawah Kurva Normal
z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
—3.4 .0003 .0003 .0003 .0003 .0003 .0003 .0003 .0003 .0003 .0002
—3.3 .0005 .0005 .0005 .0004 .0004 .0004 .0004 .0004 .0004 .0003
—3.2 .0007 .0007 .0006 .0006 .0006 .0006 .0006 .0005 .0005 .0005
—3.1 .0010 .0009 .0009 .0009 .0008 .0008 .0008 .0008 .0007 .0007
—3.0 .0013 .0013 .0013 .0012 .0012 .0011 .0011 .0011 .0010 .0010
—2.9 .0019 .0018 .0017 .0017 .0016 .0016 .0015 .0015 .0014 .0014
—2.8 .0026 .0025 .0024 .0023 .0023 .0022 .0021 .0021 .0020 .0019
—2.7 .0035 .0034 .0033 .0032 .0031 .0030 0,0029 .0028 .0027 .0026
—2.6 .0047 .0045 .0044 .0043 0,0041 .0040 .0039 .0038 .0037 .0036
—2.5 .0062 .0060 .0059 .0057 .0055 .0054 .0052 .0051 0,0049 .0048
—2.4 .0082 .0080 .0078 .0075 .0073 .0071 .0069 .0068 .0066 .0064
—2.3 .0107 .0104 .0102 .0099 .0096 .0094 .0091 .0089 .0087 .0084
—2.2 .0139 .0136 .0132 .0129 .0125 .0122 .0119 .0116 .0113 .0110
—2.1 .0179 .0174 .0170 .0166 .0162 .0158 .0154 .0150 .0146 .0143
—2.0 .0228 .0222 .0217 .0212 .0207 .0202 .0197 .0192 .0188 .0183
—1.9 .0287 0,0281 0,0274 .0268 .0262 .0256 .0250 .0244 .0239 .0233
—1.8 .0359 .0351 .0344 .0336 0,0329 .0322 .0314 .0307 .0301 0,0294
—1.7 0,0446 .0436 0,0427 .0418 0,0409 0,0401 .0392 .0384 0,0375 .0367
—1.6 0,0548 .0537 0,0526 0,0516 0,0505 0,0495 .0485 0,0475 .0465 0,0455
—1.5 .0668 .0655 .0643 .0630 .0618 .0606 0,0594 0,0582 0,0571 0,0559
—1.4 .0808 0,0793 .0778 .0764 0,0749 .0735 0,0722 .0708 .0694 .0681
—1.3 .0968 .0951 .0934 .0918 .0901 .0885 .0869 .0853 .0838 .0823
—1.2 .1151 .1131 .1112 .1093 .1075 .1056 .1038 .1020 .1003 .0985
—1.1 .1357 .1335 .1314 .1292 .1271 .1251 .1230 .1210 .1190 .1170
—1.0 .1587 .1562 .1539 .1515 .1492 .1469 .1446 .1423 .1401 .1379
—0,9 .1841 .1814 .1788 .1762 .1736 .1711 .1685 .1660 .1635 .1611
—0,8 .2119 .2090 .2061 .2033 .2005 .1977 .1949 .1922 .1894 .1867
—0,7 .2420 .2389 .2358 .2327 .2296 .2266 .2236 .2206 .2177 .2148
—0,6 .2743 .2709 .2676 .2643 .2611 .2578 .2546 .2514 .2483 .2451
—0,5 .3085 .3050 .3015 .2981 .2946 .2912 .2877 .2843 .2810 .2776
—0,4 .3446 .3409 .3372 .3336 .3300 .3264 .3228 .3192 .3156 .3121
—0,3 .3821 .3783 .3745 .3707 .3669 .3632 .3594 .3557 .3520 .3483
—0,2 .4207 .4168 .4129 .4090 .4052 .4013 .3974 .3936 .3897 .3859
—0,1 .4602 .4562 .4522 .4483 .4443 .4404 .4364 .4325 .4286 .4247
—0,0 .5000 .4960 .4920 .4880 .4840 .4801 .4761 .4721 .4681 .4641
MEJA1(lanjutan)
z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
0,0 .5000 .5040 .5080 .5120 .5160 .5199 .5239 .5279 .5319 .5359
0,1 .5398 .5438 .5478 .5517 .5557 .5596 .5636 .5675 .5714 .5753
0,2 .5793 .5832 .5871 .5910 .5948 .5987 .6026 .6064 .6103 .6141
0,3 .6179 .6217 .6255 .6293 .6331 .6368 .6406 .6443 .6480 .6517
0,4 .6554 .6591 .6628 .6664 .6700 .6736 .6772 .6808 .6844 .6879
0,5 .6915 .6950 .6985 .7019 .7054 .7088 .7123 .7157 .7190 .7224
0,6 .7257 .7291 .7324 .7357 .7389 .7422 .7454 .7486 .7517 .7549
0,7 .7580 .7611 .7642 .7673 .7704 .7734 .7764 .7794 .7823 .7852
0,8 .7881 .7910 .7939 .7967 .7995 .8023 .8051 .8078 .8106 .8133
0,9 .8159 .8186 .8212 .8238 .8264 .8289 .8315 .8340 .8365 .8389
1.0 .8413 .8438 .8461 .8485 .8508 .8531 .8554 .8577 .8599 .8621
1.1 .8643 .8665 .8686 .8708 .8729 .8749 .8770 .8790 .8810 .8830
1.2 .8849 .8869 .8888 .8907 .8925 .8944 .8962 .8980 .8997 .9015
1.3 .9032 .9049 .9066 .9082 .9099 .9115 .9131 .9147 .9162 .9177
1.4 .9192 .9207 .9222 .9236 .9251 .9265 .9279 .9292 .9306 .9319
1.5 .9332 .9345 .9357 .9370 .9382 .9394 .9406 .9418 .9429 .9441
1.6 .9452 .9463 .9474 .9484 .9495 .9505 .9515 .9525 .9535 .9545
1.7 .9554 .9564 .9573 .9582 .9591 .9599 .9608 .9616 .9625 .9633
1.8 .9641 .9649 .9656 .9664 .9671 .9678 .9686 .9693 .9699 .9706
1.9 .9713 .9719 .9726 .9732 .9738 .9744 .9750 .9756 .9761 .9767
2.0 .9772 .9778 .9783 .9788 .9793 .9798 .9803 .9808 .9812 .9817
2.1 .9821 .9826 .9830 .9834 .9838 .9842 .9846 .9850 .9854 .9857
2.2 .9861 .9864 .9868 .9871 .9875 .9878 .9881 .9884 .9887 .9890
2.3 .9893 .9896 .9898 .9901 .9904 .9906 .9909 .9911 .9913 .9916
2.4 .9918 .9920 .9922 .9925 .9927 .9929 .9931 .9932 .9934 .9936
2.5 .9938 .9940 .9941 .9943 .9945 .9946 .9948 .9949 .9951 .9952
2.6 .9953 .9955 .9956 .9957 .9959 .9960 .9961 .9962 .9963 .9964
2.7 .9965 .9966 .9967 .9968 .9969 .9970 .9971 .9972 .9973 .9974
2.8 .9974 .9975 .9976 .9977 .9977 .9978 .9979 .9979 .9980 .9981
2.9 .9981 .9982 .9982 .9983 .9984 .9984 .9985 .9985 .9986 .9986
3.0 .9987 .9987 .9987 .9988 .9988 .9989 .9989 .9989 .9990 .9990
3.1 .9990 .9991 .9991 .9991 .9992 .9992 .9992 .9992 .9993 .9993
3.2 .9993 .9993 .9994 .9994 .9994 .9994 .9994 .9995 .9995 .9995
3.3 .9995 .9995 .9995 .9996 .9996 .9996 .9996 .9996 .9996 .9997
3.4 .9997 .9997 .9997 .9997 .9997 .9997 .9997 .9997 .9997 .9998
Halaman ini sengaja dikosongkan
s
e
tsebuah
b
u
a
h
MEJA4
df t.100 t.050 t.025 t.010 t.005 df
Nilai Kritis
darit 1 3.078 6.314 12.706 31.821 63.657 1
2 1.886 2.920 4.303 6.965 9.925 2
3 1.638 2.353 3.182 4.541 5.841 3
4 1.533 2.132 2.776 3.747 4.604 4
5 1.476 2.015 2.571 3.365 4.032 5
6 1.440 1.943 2.447 3.143 3.707 6
7 1.415 1.895 2.365 2.998 3.499 7
8 1.397 1.860 2.306 2.896 3.355 8
9 1.383 1.833 2.262 2.821 3.250 9
10 1.372 1.812 2.228 2.764 3.169 10
11 1.363 1.796 2.201 2.718 3.106 11
12 1.356 1.782 2.179 2.681 3.055 12
13 1.350 1.771 2.160 2.650 3.012 13
14 1.345 1.761 2.145 2.624 2.977 14
15 1.341 1.753 2.131 2.602 2.947 15
16 1.337 1.746 2.120 2.583 2.921 16
17 1.333 1.740 2.110 2.567 2.898 17
18 1.330 1.734 2.101 2.552 2.878 18
19 1.328 1.729 2.093 2.539 2.861 19
20 1.325 1.725 2.086 2.528 2.845 20
21 1.323 1.721 2.080 2.518 2.831 21
22 1.321 1.717 2.074 2.508 2.819 22
23 1.319 1.714 2.069 2.500 2.807 23
24 1.318 1.711 2.064 2.492 2.797 24
25 1.316 1.708 2.060 2.485 2.787 25
26 1.315 1.706 2.056 2.479 2.779 26
27 1.314 1.703 2.052 2.473 2.771 27
28 1.313 1.701 2.048 2.467 2.763 28
29 1.311 1.699 2.045 2.462 2.756 29
∞ 1.282 1.645 1.960 2.326 2.576 ∞
SOURCE:Dari “Tabel Poin Persentase Distribusi-t,”Biometrika32 (1941):300. Direproduksidengan izin

dariBiometrikaPengawas.
s
0 2 e
sebuah
b
u
a
MEJA5 h
Nilai Kritis df 2
x.995 2
x.990 2
x.975 2
x.950 2
x.900
Chi-Square 1 .0000393 .0001571 .0009821 .0039321 .0157908
2 .0100251 .0201007 .0506356 .102587 .210720
3 .0717212 .114832 .215795 .351846 .584375
4 .206990 .297110 .484419 .710721 1,063623
5 .411740 .554300 .831211 1,145476 1.61031

6 .675727 .872085 1.237347 1,63539 2.20413
7 .989265 1.239043 1,68987 2.16735 2.83311
8 1.344419 1,646482 2.17973 2.73264 3.48954
9 1,734926 2.087912 2.70039 3.32511 4.16816
10 2.15585 2.55821 3.24697 3.94030 4.86518

11 2.60321 3.05347 3.81575 4.57481 5.57779
12 3.07382 3.57056 4.40379 5.22603 6.30380
13 3.56503 4.10691 5.00874 5.89186 7.04150
14 4.07468 4.66043 5.62872 6.57063 7.78953
15 4.60094 5.22935 6.26214 7.26094 8.54675

16 5.14224 5.81221 6.90766 7.96164 9.31223
17 5.69724 6.40776 7.56418 8.67176 10.0852
18 6.26481 7.01491 8.23075 9.39046 10.8649
19 6.84398 7.63273 8.90655 10.1170 11.6509
20 7.43386 8.26040 9.59083 10.8508 12.4426

21 8.03366 8.89720 10.28293 11.5913 13.2396
22 8.64272 9.54249 10.9823 12.3380 14.0415
23 9.26042 10.19567 11.6885 13.0905 14.8479
24 9.88623 10.8564 12.4011 13.8484 15.6587
25 10.5197 11.5240 13.1197 14.6114 16.4734

26 11.1603 12.1981 13.8439 15.3791 17.2919
27 11.8076 12.8786 14.5733 16.1513 18.1138
28 12.4613 13.5648 15.3079 16.9279 18.9392
29 13.1211 14.2565 16.0471 17.7083 19.7677
30 13.7867 14.9535 16.7908 18.4926 20.5992

40 20.7065 22.1643 24.4331 26.5093 29.0505
50 27.9907 29.7067 32.3574 34.7642 37.6886
60 35.5346 37.4848 40.4817 43.1879 46.4589
70 43.2752 45.4418 48.7576 51.7393 55.3290
80 51.1720 53.5400 57.1532 60.3915 64.2778
90 59.1963 61.7541 65.6466 69.1260 73.2912
100 67.3276 70.0648 74.2219 77.9295 82.3581
SOURCE:Dari “Tabel Poin Persentase darix2-Distribusi,"Tabel Biometrika untuk Statistikcia,Vol. 1, edisi ke-3.
(1966). Direproduksi atas izin dariBiometrikaPengawas.
MEJA5
.100
(lanjutan) x2 2
x.050 2
x.025 2
x.010 2
x.005 df
2.70554 3.84146 5.02389 6.63490 7.87944 1
4.60517 5.99147 7.37776 9.21034 10.5966 2
6.25139 7.81473 9.34840 11.3449 12.8381 3
7.77944 9.48773 11.1433 13.2767 14.8602 4
9.23635 11.0705 12.8325 15.0863 16.7496 5

10.6446 12.5916 14.4494 16.8119 18.5476 6
12.0170 14.0671 16.0128 18.4753 20.2777 7
13.3616 15.5073 17.5346 20.0902 21.9550 8
14.6837 16.9190 19.0228 21.6660 23.5893 9
15.9871 18.3070 20.4831 23.2093 25.1882 10

17.2750 19.6751 21.9200 24.7250 26.7569 11
18.5494 21.0261 23.3367 26.2170 28.2995 12
19.8119 22.3621 24.7356 27.6883 29.8194 13
21.0642 23.6848 26.1190 29.1413 31.3193 14
22.3072 24.9958 27.4884 30.5779 32.8013 15

23.5418 26.2962 28.8485 31.9999 34.2672 16
24.7690 27.8571 30.1910 33.4087 35.7185 17
25.9894 28.8693 31.5264 34.8053 37.1564 18
27.2036 30.1435 32.8523 36.1908 38.5822 19
28.4120 31.4104 34.1696 37.5662 39.9968 20

29.6151 32.6705 35.4789 38.9321 41.4010 21
30.8133 33.9244 36.7807 40.2894 42.7956 22
32.0069 35.1725 38.0757 41.6384 44.1813 23
33.1963 36.4151 39.3641 42.9798 45.5585 24
34.3816 37.6525 40.6465 44.3141 46.9278 25

35.5631 38.8852 41.9232 45.6417 48.2899 26
36.7412 40.1133 43.1944 46.9630 49.6449 27
37.9159 41.3372 44.4607 48.2782 50.9933 28
39.0875 42.5569 45.7222 49.5879 52.3356 29
40.2560 43.7729 46.9792 50.8922 53.6720 30

51.8050 55.7585 59.3417 63.6907 66.7659 40
63.1671 67.5048 71.4202 76.1539 79.4900 50
74.3970 79.0819 83.2976 88.3794 91.9517 60
85.5271 90.5312 95.0231 100.425 104.215 70
96.5782 101.879 106.629 112.329 116.321 80
107.565 113.145 118.136 124.116 128.299 90
118.498 124.342 129.561 135.807 140.169 100
s
MEJA6Persentase Poin dariFDistribusi e
b
u
a
h
0 Fsebuah
df1
df2 sebuah 1 2 3 4 5 6 7 8 9
1 .100 39.86 49,50 53.59 55.83 57.24 58.20 58.91 59.44 59.86
.050 161.4 199.5 215.7 224.6 230.2 234.0 236.8 238.9 240.5
.025 647.8 799.5 864.2 899.6 921.8 937.1 948.2 956.7 963.3
.010 4052 4999.5 5403 5625 5764 5859 5928 5982 6022
.005 16211 20000 21615 22500 23056 23437 23715 23925 24091
2 .100 8.53 9.00 9.16 9.24 9.29 9.33 9.35 9.37 9.38
.050 18.51 19.00 19.16 19.25 19.30 19.33 19.35 19.37 19.38
.025 38.51 39.00 39.17 39.25 39.30 39.33 39.36 39.37 39.39
.010 98,50 99.00 99.17 99,25 99.30 99.33 99.36 99.37 99.39
.005 198.5 199.0 199.2 199.2 199.3 199.3 199.4 199.4 199.4
3 .100 5.54 5.46 5.39 5.34 5.31 5.28 5.27 5.25 5.24
.050 10.13 9.55 9.28 9.12 9.01 8.94 8.89 8.85 8.81
.025 17.44 16.04 15.44 15.10 14.88 14.73 14.62 14.54 14.47
.010 34.12 30.82 29.46 28.71 28.24 27.91 27.64 27.49 27.35
.005 55.55 49.80 47.47 46.19 45.39 44.84 44.43 44.13 43.88
4 .100 4.54 4.32 4.19 4.11 4.05 4.01 3.98 3.95 3.94
.050 7.71 6.94 6.59 6.39 6.26 6.16 6.09 6.04 6.00
.025 12.22 10.65 9.98 9.60 9.36 9.20 9.07 8.98 8.90
.010 21.20 18.00 16.69 15.98 15.52 15.21 14.98 14.80 14.66
.005 31.33 26.28 24.26 23.15 22.46 21.97 21.62 21.35 21.14
5 .100 4.06 3.78 3.62 3.52 3.45 3.40 3.37 3.34 3.32
.050 6.61 5.79 5.41 5.19 5.05 4.95 4.88 4.82 4.77
.025 10.01 8.43 7.76 7.39 7.15 6.98 6.85 6.76 6.68
.010 16.26 13.27 12.06 11.39 10.97 10.67 10.46 10.29 10.16
.005 22.78 18.31 16.53 15.56 14.94 14.51 14.20 13.96 13.77
6 .100 3.78 3.46 3.29 3.18 3.11 3.05 3.01 2.98 2.96
.050 5.99 5.14 4.76 4.53 4.39 4.28 4.21 4.15 4.10
.025 8.81 7.26 6.60 6.23 5.99 5.82 5.70 5.60 5.52
.010 13.75 10.92 9.78 9.15 8.75 8.47 8.26 8.10 7.98
.005 18.63 14.54 12.92 12.03 11.46 11.07 10.79 10.57 10.39
7 .100 3.59 3.26 3.07 2.96 2.88 2.83 2.78 2.75 2.72
.050 5.59 4.74 4.35 4.12 3.97 3.87 3.79 3.73 3.68
.025 8.07 6.54 5.89 5.52 5.29 5.12 4.99 4.90 4.82
.010 12.25 9.55 8.45 7.85 7.46 7.19 6.99 6.84 6.72
.005 16.24 12.40 10.88 10.05 9.52 9.16 8.89 8.68 8.51
8 .100 3.46 3.11 2.92 2.81 2.73 2.67 2.62 2.59 2.56
.050 5.32 4.46 4.07 3.84 3.69 3.58 3.50 3.44 3.39
.025 7.57 6.06 5.42 5.05 4.82 4.65 4.53 4.43 4.36
.010 11.26 8.65 7.59 7.01 6.63 6.37 6.18 6.03 5.91
.005 14.69 11.04 9.60 8.81 8.30 7.95 7.69 7.50 7.34
9 .100 3.36 3.01 2.81 2.69 2.61 2.55 2.51 2.47 2.44
.050 5.12 4.26 3.86 3.63 3.48 3.37 3.29 3.23 3.18
.025 7.21 5.71 5.08 4.72 4.48 4.32 4.20 4.10 4.03
.010 10.56 8.02 6.99 6.42 6.06 5.80 5.61 5.47 5.35
.005 13.61 10.11 8.72 7.96 7.47 7.13 6.88 6.69 6.54
SOURCE: Sebagian dari “Tabel Titik Persentase Distribusi Beta (F) Terbalik,”biometrik,Vol. 33 (1943) oleh M. Merrington dan CM Thompson dan
dari Tabel 18 dariTabel Biometrika untuk Ahli Statistik,Vol. 1, Cambridge University Press, 1954, diedit oleh ESPearson dan HO Hartley.
Direproduksi dengan izin dari penulis, editor, danBiometrikaPengawas.
MEJA6(lanjutan)
df1
10 12 15 20 24 30 40 60 120 ∞ sebua df2

h
60.19 60.71 61.22 61.74 62.00 62.26 62.53 62.79 63.06 63.33 .100 1
241.9 243.9 245.9 248.0 249.1 250.1 251.2 252.2 253.3 254.3 .050
968.6 976.7 984.9 993.1 997.2 1001 1006 1010 1014 1018 .025
6056 6106 6157 6209 6235 6261 6287 6313 6339 6366 .010
24224 24426 24630 24836 24940 25044 25148 25253 25359 25465 .005
9.39 9.41 9.42 9.44 9.45 9.46 9.47 9.47 9.48 9.49 .100 2
19.40 19.41 19.43 19.45 19.45 19.46 19.47 19.48 19.49 19.50 .050
39.40 39.41 39.43 39.45 39.46 39.46 39.47 39.48 39.49 39,50 .025
99,40 99.42 99.43 99,45 99.46 99.47 99.47 99.48 99,49 99,50 .010
199.4 199.4 199.4 199.4 199.5 199.5 199.5 199.5 199.5 199.5 .005
5.23 5.22 5.20 5.18 5.18 5.17 5.16 5.15 5.14 5.13 .100 3
8.79 8.74 8.70 8.66 8.64 8.62 8.59 8.57 8.55 8.53 .050
14.42 14.34 14.25 14.17 14.12 14.08 14.04 13.99 13.95 13.90 .025
27.23 27.05 26.87 26.69 26.60 26.50 26.41 26.32 26.22 26.13 .010
43.69 43.39 43.08 42.78 42.62 42.47 42.31 42.15 41.99 41.83 .005
3.92 3.90 3.87 3.84 3.83 3.82 3.80 3.79 3.78 3.76 .100 4
5.96 5.91 5.86 5.80 5.77 5.75 5.72 5.69 5.66 5.63 .050
8.84 8.75 8.66 8.56 8.51 8.46 8.41 8.36 8.31 8.26 .025
14.55 14.37 14.20 14.02 13.93 13.84 13.75 13.65 13.56 13.46 .010
20.97 20.70 20.44 20.17 20.03 19.89 19.75 19.61 19.47 19.32 .005
3.30 3.27 3.24 3.21 3.19 3.17 3.16 3.14 3.12 3.10 .100 5
4.74 4.68 4.62 4.56 4.53 4.50 4.46 4.43 4.40 4.36 .050
6.62 6.52 6.43 6.33 6.28 6.23 6.18 6.12 6.07 6.02 .025
10.05 9.89 9.72 9.55 9.47 9.38 9.29 9.20 9.11 9.02 .010
13.62 13.38 13.15 12.90 12.78 12.66 12.53 12.40 12.27 12.14 .005
2.94 2.90 2.87 2.84 2.82 2.80 2.78 2.76 2.74 2.72 .100 6
4.06 4.00 3.94 3.87 3.84 3.81 3.77 3.74 3.70 3.67 .050
5.46 5.37 5.27 5.17 5.12 5.07 5.01 4.96 4.90 4.85 .025
7.87 7.72 7.56 7.40 7.31 7.23 7.14 7.06 6.97 6.88 .010
10.25 10.03 9.81 9.59 9.47 9.36 9.24 9.12 9.00 8.88 .005
2.70 2.67 2.63 2.59 2.58 2.56 2.54 2.51 2.49 2.47 .100 7
3.64 3.57 3.51 3.44 3.41 3.38 3.34 3.30 3.27 3.23 .050
4.76 4.67 4.57 4.47 4.42 4.36 4.31 4.25 4.20 4.14 .025
6.62 6.47 6.31 6.16 6.07 5.99 5.91 5.82 5.74 5.65 .010
8.38 8.18 7.97 7.75 7.65 7.53 7.42 7.31 7.19 7.08 .005
2.54 2.50 2.46 2.42 2.40 2.38 2.36 2.34 2.32 2.29 .100 8
3.35 3.28 3.22 3.15 3.12 3.08 3.04 3.01 2.97 2.93 .050
4.30 4.20 4.10 4.00 3.95 3.89 3.84 3.78 3.73 3.67 .025
5.81 5.67 5.52 5.36 5.28 5.20 5.12 5.03 4.95 4.86 .010
7.21 7.01 6.81 6.61 6.50 6.40 6.29 6.18 6.06 5.95 .005
2.42 2.38 2.34 2.30 2.28 2.25 2.23 2.21 2.18 2.16 .100 9
3.14 3.07 3.01 2.94 2.90 2.86 2.83 2.79 2.75 2.71 .050
3.96 3.87 3.77 3.67 3.61 3.56 3.51 3.45 3.39 3.33 .025
5.26 5.11 4.96 4.81 4.73 4.65 4.57 4.48 4.40 4.31 .010
6.42 6.23 6.03 5.83 5.73 5.62 5.52 5.41 5.30 5.19 .005
MEJA6(lanjutan)
df1
df2 sebua 1 2 3 4 5 6 7 8 9
h
10 .100 3.29 2.92 2.73 2.61 2.52 2.46 2.41 2.38 2.35
.050 4.96 4.10 3.71 3.48 3.33 3.22 3.14 3.07 3.02
.025 6.94 5.46 4.83 4.47 4.24 4.07 3.95 3.85 3.78
.010 10.04 7.56 6.55 5.99 5.64 5.39 5.20 5.06 4.94
.005 12.83 9.43 8.08 7.34 6.87 6.54 6.30 6.12 5.97
11 .100 3.23 2.86 2.66 2.54 2.45 2.39 2.34 2.30 2.27
.050 4.84 3.98 3.59 3.36 3.20 3.09 3.01 2.95 2.90
.025 6.72 5.26 4.63 4.28 4.04 3.88 3.76 3.66 3.59
.010 9.65 7.21 6.22 5.67 5.32 5.07 4.89 4.74 4.63
.005 12.23 8.91 7.60 6.88 6.42 6.10 5.86 5.68 5.54
12 .100 3.18 2.81 2.61 2.48 2.39 2.33 2.28 2.24 2.21
.050 4.75 3.89 3.49 3.26 3.11 3.00 2.91 2.85 2.80
.025 6.55 5.10 4.47 4.12 3.89 3.73 3.61 3.51 3.44
.010 9.33 6.93 5.95 5.41 5.06 4.82 4.64 4.50 4.39
.005 11.75 8.51 7.23 6.52 6.07 5.76 5.52 5.35 5.20
13 .100 3.14 2.76 2.56 2.43 2.35 2.28 2.23 2.20 2.16
.050 4.67 3.81 3.41 3.18 3.03 2.92 2.83 2.77 2.71
.025 6.41 4.97 4.35 4.00 3.77 3.60 3.48 3.39 3.31
.010 9.07 6.70 5.74 5.21 4.86 4.62 4.44 4.30 4.19
.005 11.37 8.19 6.93 6.23 5.79 5.48 5.25 5.08 4.94
14 .100 3.10 2.73 2.52 2.39 2.31 2.24 2.19 2.15 2.12
.050 4.60 3.74 3.34 3.11 2.96 2.85 2.76 2.70 2.65
.025 6.30 4.86 4.24 3.89 3.66 3.50 3.38 3.29 3.21
.010 8.86 6.51 5.56 5.04 4.69 4.46 4.28 4.14 4.03
.005 11.06 7.92 6.68 6.00 5.56 5.26 5.03 4.86 4.72
15 .100 3.07 2.70 2.49 2.36 2.27 2.21 2.16 2.12 2.09
.050 4.54 3.68 3.29 3.06 2.90 2.79 2.71 2.64 2.59
.025 6.20 4.77 4.15 3.80 3.58 3.41 3.29 3.20 3.12
.010 8.68 6.36 5.42 4.89 4.56 4.32 4.14 4.00 3.89
.005 10.80 7.70 6.48 5.80 5.37 5.07 4.85 4.67 4.54
16 .100 3.05 2.67 2.46 2.33 2.24 2.18 2.13 2.09 2.06
.050 4.49 3.63 3.24 3.01 2.85 2.74 2.66 2.59 2.54
.025 6.12 4.69 4.08 3.73 3.50 3.34 3.22 3.12 3.05
.010 8.53 6.23 5.29 4.77 4.44 4.20 4.03 3.89 3.78
.005 10.58 7.51 6.30 5.64 5.21 4.91 4.69 4.52 4.38
17 .100 3.03 2.64 2.44 2.31 2.22 2.15 2.10 2.06 2.03
.050 4.45 3.59 3.20 2.96 2.81 2.70 2.61 2.55 2.49
.025 6.04 4.62 4.01 3.66 3.44 3.28 3.16 3.06 2.98
.010 8.40 6.11 5.18 4.67 4.34 4.10 3.93 3.79 3.68
.005 10.38 7.35 6.16 5.50 5.07 4.78 4.56 4.39 4.25
18 .100 3.01 2.62 2.42 2.29 2.20 2.13 2.08 2.04 2.00
.050 4.41 3.55 3.16 2.93 2.77 2.66 2.58 2.51 2.46
.025 5.98 4.56 3.95 3.61 3.38 3.22 3.10 3.01 2.93
.010 8.29 6.01 5.09 4.58 4.25 4.01 3.84 3.71 3.60
.005 10.22 7.21 6.03 5.37 4.96 4.66 4.44 4.28 4.14
19 .100 2.99 2.61 2.40 2.27 2.18 2.11 2.06 2.02 1.98
.050 4.38 3.52 3.13 2.90 2.74 2.63 2.54 2.48 2.42
.025 5.92 4.51 3.90 3.56 3.33 3.17 3.05 2.96 2.88
.010 8.18 5.93 5.01 4.50 4.17 3.94 3.77 3.63 3.52
.005 10.07 7.09 5.92 5.27 4.85 4.56 4.34 4.18 4.04
20 .100 2.97 2.59 2.38 2.25 2.16 2.09 2.04 2.00 1.96
.050 4.35 3.49 3.10 2.87 2.71 2.60 2.51 2.45 2.39
.025 5.87 4.46 3.86 3.51 3.29 3.13 3.01 2.91 2.84
.010 8.10 5.85 4.94 4.43 4.10 3.87 3.70 3.56 3.46
.005 9.94 6.99 5.82 5.17 4.76 4.47 4.26 4.09 3.96
MEJA6(lanjutan)
df1
10 12 15 20 24 30 40 60 120 ∞ sebuah df2
2.32 2.28 2.24 2.20 2.18 2.16 2.13 2.11 2.08 2.06 .100 10
2.98 2.91 2.85 2.77 2.74 2.70 2.66 2.62 2.58 2.54 .050
3.72 3.62 3.52 3.42 3.37 3.31 3.26 3.20 3.14 3.08 .025
4.85 4.71 4.56 4.41 4.33 4.25 4.17 4.08 4.00 3.91 .010
5.85 5.66 5.47 5.27 5.17 5.07 4.97 4.86 4.75 4.64 .005
2.25 2.21 2.17 2.12 2.10 2.08 2.05 2.03 2.00 1.97 .100 11
2.85 2.79 2.72 2.65 2.61 2.57 2.53 2.49 2.45 2.40 .050
3.53 3.43 3.33 3.23 3.17 3.12 3.06 3.00 2.94 2.88 .025
4.54 4.40 4.25 4.10 4.02 3.94 3.86 3.78 3.69 3.60 .010
5.42 5.24 5.05 4.86 4.76 4.65 4.55 4.44 4.34 4.23 .005
2.19 2.15 2.10 2.06 2.04 2.01 1.99 1.96 1.93 1.90 .100 12
2.75 2.69 2.62 2.54 2.51 2.47 2.43 2.38 2.34 2.30 .050
3.37 3.28 3.18 3.07 3.02 2.96 2.91 2.85 2.79 2.72 .025
4.30 4.16 4.01 3.86 3.78 3.70 3.62 3.54 3.45 3.36 .010
5.09 4.91 4.72 4.53 4.43 4.33 4.23 4.12 4.01 3.90 .005
2.14 2.10 2.05 2.01 1.98 1.96 1.93 1.90 1.88 1.85 .100 13
2.67 2.60 2.53 2.46 2.42 2.38 2.34 2.30 2.25 2.21 .050
3.25 3.15 3.05 2.95 2.89 2.84 2.78 2.72 2.66 2.60 .025
4.10 3.96 3.82 3.66 3.59 3.51 3.43 3.34 3.25 3.17 .010
4.82 4.64 4.46 4.27 4.17 4.07 3.97 3.87 3.76 3.65 .005
2.10 2.05 2.01 1.96 1.94 1.91 1.89 1.86 1.83 1.80 .100 14
2.60 2.53 2.46 2.39 2.35 2.31 2.27 2.22 2.18 2.13 .050
3.15 3.05 2.95 2.84 2.79 2.73 2.67 2.61 2.55 2.49 .025
3.94 3.80 3.66 3.51 3.43 3.35 3.27 3.18 3.09 3.00 .010
4.60 4.43 4.25 4.06 3.96 3.86 3.76 3.66 3.55 3.44 .005
2.06 2.02 1.97 1.92 1.90 1.87 1.85 1.82 1.79 1.76 .100 15
2.54 2.48 2.40 2.33 2.29 2.25 2.20 2.16 2.11 2.07 .050
3.06 2.96 2.86 2.76 2.70 2.64 2.59 2.52 2.46 2.40 .025
3.80 3.67 3.52 3.37 3.29 3.21 3.13 3.05 2.96 2.87 .010
4.42 4.25 4.07 3.88 3.79 3.69 3.58 3.48 3.37 3.26 .005
2.03 1.99 1.94 1.89 1.87 1.84 1.81 1.78 1.75 1.72 .100 16
2.49 2.42 2.35 2.28 2.24 2.19 2.15 2.11 2.06 2.01 .050
2.99 2.89 2.79 2.68 2.63 2.57 2.51 2.45 2.38 2.32 .025
3.69 3.55 3.41 3.26 3.18 3.10 3.02 2.93 2.84 2.75 .010
4.27 4.10 3.92 3.73 3.64 3.54 3.44 3.33 3.22 3.11 .005
2.00 1.96 1.91 1.86 1.84 1.81 1.78 1.75 1.72 1.69 .100 17
2.45 2.38 2.31 2.23 2.19 2.15 2.10 2.06 2.01 1.96 .050
2.92 2.82 2.72 2.62 2.56 2.50 2.44 2.38 2.32 2.25 .025
3.59 3.46 3.31 3.16 3.08 3.00 2.92 2.83 2.75 2.65 .010
4.14 3.97 3.79 3.61 3.51 3.41 3.31 3.21 3.10 2.98 .005
1.98 1.93 1.89 1.84 1.81 1.78 1.75 1.72 1.69 1.66 .100 18
2.41 2.34 2.27 2.19 2.15 2.11 2.06 2.02 1.97 1.92 .050
2.87 2.77 2.67 2.56 2.50 2.44 2.38 2.32 2.26 2.19 .025
3.51 3.37 3.23 3.08 3.00 2.92 2.84 2.75 2.66 2.57 .010
4.03 3.86 3.68 3.50 3.40 3.30 3.20 3.10 2.99 2.87 .005
1.96 1.91 1.86 1.81 1.79 1.76 1.73 1.70 1.67 1.63 .100 19
2.38 2.31 2.23 2.16 2.11 2.07 2.03 1.98 1.93 1.88 .050
2.82 2.72 2.62 2.51 2.45 2.39 2.33 2.27 2.20 2.13 .025
3.43 3.30 3.15 3.00 2.92 2.84 2.76 2.67 2.58 2.49 .010
3.93 3.76 3.59 3.40 3.31 3.21 3.11 3.00 2.89 2.78 .005
1.94 1.89 1.84 1.79 1.77 1.74 1.71 1.68 1.64 1.61 .100 20
2.35 2.28 2.20 2.12 2.08 2.04 1.99 1.95 1.90 1.84 .050
2.77 2.68 2.57 2.46 2.41 2.35 2.29 2.22 2.16 2.09 .025
3.37 3.23 3.09 2.94 2.86 2.78 2.69 2.61 2.52 2.42 .010
3.85 3.68 3.50 3.32 3.22 3.12 3.02 2.92 2.81 2.69 .005
MEJA6(lanjutan)
df1
df2 sebua 1 2 3 4 5 6 7 8 9
h
21 .100 2.96 2.57 2.36 2.23 2.14 2.08 2.02 1.98 1.95
.050 4.32 3.47 3.07 2.84 2.68 2.57 2.49 2.42 2.37
.025 5.83 4.42 3.82 3.48 3.25 3.09 2.97 2.87 2.80
.010 8.02 5.78 4.87 4.37 4.04 3.81 3.64 3.51 3.40
.005 9.83 6.89 5.73 5.09 4.68 4.39 4.18 4.01 3.88
22 .100 2.95 2.56 2.35 2.22 2.13 2.06 2.01 1.97 1.93
.050 4.30 3.44 3.05 2.82 2.66 2.55 2.46 2.40 2.34
.025 5.79 4.38 3.78 3.44 3.22 3.05 2.93 2.84 2.76
.010 7.95 5.72 4.82 4.31 3.99 3.76 3.59 3.45 3.35
.005 9.73 6.81 5.65 5.02 4.61 4.32 4.11 3.94 3.81
23 .100 2.94 2.55 2.34 2.21 2.11 2.05 1.99 1.95 1.92
.050 4.28 3.42 3.03 2.80 2.64 2.53 2.44 2.37 2.32
.025 5.75 4.35 3.75 3.41 3.18 3.02 2.90 2.81 2.73
.010 7.88 5.66 4.76 4.26 3.94 3.71 3.54 3.41 3.30
.005 9.63 6.73 5.58 4.95 4.54 4.26 4.05 3.88 3.75
24 .100 2.93 2.54 2.33 2.19 2.10 2.04 1.98 1.94 1.91
.050 4.26 3.40 3.01 2.78 2.62 2.51 2.42 2.36 2.30
.025 5.72 4.32 3.72 3.38 3.15 2.99 2.87 2.78 2.70
.010 7.82 5.61 4.72 4.22 3.90 3.67 3.50 3.36 3.26
.005 9.55 6.66 5.52 4.89 4.49 4.20 3.99 3.83 3.69
25 .100 2.92 2.53 2.32 2.18 2.09 2.02 1.97 1.93 1.89
.050 4.24 3.39 2.99 2.76 2.60 2.49 2.40 2.34 2.28
.025 5.69 4.29 3.69 3.35 3.13 2.97 2.85 2.75 2.68
.010 7.77 5.57 4.68 4.18 3.85 3.63 3.46 3.32 3.22
.005 9.48 6.60 5.46 4.84 4.43 4.15 3.94 3.78 3.64
26 .100 2.91 2.52 2.31 2.17 2.08 2.01 1.96 1.92 1.88
.050 4.23 3.37 2.98 2.74 2.59 2.47 2.39 2.32 2.27
.025 5.66 4.27 3.67 3.33 3.10 2.94 2.82 2.73 2.65
.010 7.72 5.53 4.64 4.14 3.82 3.59 3.42 3.29 3.18
.005 9.41 6.54 5.41 4.79 4.38 4.10 3.89 3.73 3.60
27 .100 2.90 2.51 2.30 2.17 2.07 2.00 1.95 1.91 1.87
.050 4.21 3.35 2.96 2.73 2.57 2.46 2.37 2.31 2.25
.025 5.63 4.24 3.65 3.31 3.08 2.92 2.80 2.71 2.63
.010 7.68 5.49 4.60 4.11 3.78 3.56 3.39 3.26 3.15
.005 9.34 6.49 5.36 4.74 4.34 4.06 3.85 3.69 3.56
28 .100 2.89 2.50 2.29 2.16 2.06 2.00 1.94 1.90 1.87
.050 4.20 3.34 2.95 2.71 2.56 2.45 2.36 2.29 2.24
.025 5.61 4.22 3.63 3.29 3.06 2.90 2.78 2.69 2.61
.010 7.64 5.45 4.57 4.07 3.75 3.53 3.36 3.23 3.12
.005 9.28 6.44 5.32 4.70 4.30 4.02 3.81 3.65 3.52
29 .100 2.89 2.50 2.28 2.15 2.06 1.99 1.93 1.89 1.86
.050 4.18 3.33 2.93 2.70 2.55 2.43 2.35 2.28 2.22
.025 5.59 4.20 3.61 3.27 3.04 2.88 2.76 2.67 2.59
.010 7.60 5.42 4.54 4.04 3.73 3.50 3.33 3.20 3.09
.005 9.23 6.40 5.28 4.66 4.26 3.98 3.77 3.61 3.48
30 .100 2.88 2.49 2.28 2.14 2.05 1.98 1.93 1.88 1.85
.050 4.17 3.32 2.92 2.69 2.53 2.42 2.33 2.27 2.21
.025 5.57 4.18 3.59 3.25 3.03 2.87 2.75 2.65 2.57
.010 7.56 5.39 4.51 4.02 3.70 3.47 3.30 3.17 3.07
.005 9.18 6.35 5.24 4.62 4.23 3.95 3.74 3.58 3.45
MEJA6(lanjutan)
df1
10 12 15 20 24 30 40 60 120 ∞ sebuah df2
1.92 1.87 1.83 1.78 1.75 1.72 1.69 1.66 1.62 1.59 .100 21
2.32 2.25 2.18 2.10 2.05 2.01 1.96 1.92 1.87 1.81 .050
2.73 2.64 2.53 2.42 2.37 2.31 2.25 2.18 2.11 2.04 .025
3.31 3.17 3.03 2.88 2.80 2.72 2.64 2.55 2.46 2.36 .010
3.77 3.60 3.43 3.24 3.15 3.05 2.95 2.84 2.73 2.61 .005
1.90 1.86 1.81 1.76 1.73 1.70 1.67 1.64 1.60 1.57 .100 22
2.30 2.23 2.15 2.07 2.03 1.98 1.94 1.89 1.84 1.78 .050
2.70 2.60 2.50 2.39 2.33 2.27 2.21 2.14 2.08 2.00 .025
3.26 3.12 2.98 2.83 2.75 2.67 2.58 2.50 2.40 2.31 .010
3.70 3.54 3.36 3.18 3.08 2.98 2.88 2.77 2.66 2.55 .005
1.89 1.84 1.80 1.74 1.72 1.69 1.66 1.62 1.59 1.55 .100 23
2.27 2.20 2.13 2.05 2.01 1.96 1.91 1.86 1.81 1.76 .050
2.67 2.57 2.47 2.36 2.30 2.24 2.18 2.11 2.04 1.97 .025
3.21 3.07 2.93 2.78 2.70 2.62 2.54 2.45 2.35 2.26 .010
3.64 3.47 3.30 3.12 3.02 2.92 2.82 2.71 2.60 2.48 .005
1.88 1.83 1.78 1.73 1.70 1.67 1.64 1.61 1.57 1.53 .100 24
2.25 2.18 2.11 2.03 1.98 1.94 1.89 1.84 1.79 1.73 .050
2.64 2.54 2.44 2.33 2.27 2.21 2.15 2.08 2.01 1.94 .025
3.17 3.03 2.89 2.74 2.66 2.58 2.49 2.40 2.31 2.21 .010
3.59 3.42 3.25 3.06 2.97 2.87 2.77 2.66 2.55 2.43 .005
1.87 1.82 1.77 1.72 1.69 1.66 1.63 1.59 1.56 1.52 .100 25
2.24 2.16 2.09 2.01 1.96 1.92 1.87 1.82 1.77 1.71 .050
2.61 2.51 2.41 2.30 2.24 2.18 2.12 2.05 1.98 1.91 .025
3.13 2.99 2.85 2.70 2.62 2.54 2.45 2.36 2.27 2.17 .010
3.54 3.37 3.20 3.01 2.92 2.82 2.72 2.61 2.50 2.38 .005
1.86 1.81 1.76 1.71 1.68 1.65 1.61 1.58 1.54 1,50 .100 26
2.22 2.15 2.07 1.99 1.95 1.90 1.85 1.80 1.75 1.69 .050
2.59 2.49 2.39 2.28 2.22 2.16 2.09 2.03 1.95 1.88 .025
3.09 2.96 2.81 2.66 2.58 2.50 2.42 2.33 2.23 2.13 .010
3.49 3.33 3.15 2.97 2.87 2.77 2.67 2.56 2.45 2.33 .005
1.85 1.80 1.75 1.70 1.67 1.64 1.60 1.57 1.53 1.49 .100 27
2.20 2.13 2.06 1.97 1.93 1.88 1.84 1.79 1.73 1.67 .050
2.57 2.47 2.36 2.25 2.19 2.13 2.07 2.00 1.93 1.85 .025
3.06 2.93 2.78 2.63 2.55 2.47 2.38 2.29 2.20 2.10 .010
3.45 3.28 3.11 2.93 2.83 2.73 2.63 2.52 2.41 2.29 .005
1.84 1.79 1.74 1.69 1.66 1.63 1.59 1.56 1.52 1.48 .100 28
2.19 2.12 2.04 1.96 1.91 1.87 1.82 1.77 1.71 1.65 .050
2.55 2.45 2.34 2.23 2.17 2.11 2.05 1.98 1.91 1.83 .025
3.03 2.90 2.75 2.60 2.52 2.44 2.35 2.26 2.17 2.06 .010
3.41 3.25 3.07 2.89 2.79 2.69 2.59 2.48 2.37 2.25 .005
1.83 1.78 1.73 1.68 1.65 1.62 1.58 1.55 1.51 1.47 .100 29
2.18 2.10 2.03 1.94 1.90 1.85 1.81 1.75 1.70 1.64 .050
2.53 2.43 2.32 2.21 2.15 2.09 2.03 1.96 1.89 1.81 .025
3.00 2.87 2.73 2.57 2.49 2.41 2.33 2.23 2.14 2.03 .010
3.38 3.21 3.04 2.86 2.76 2.66 2.56 2.45 2.33 2.21 .005
1.82 1.77 1.72 1.67 1.64 1.61 1.57 1.54 1,50 1.46 .100 30
2.16 2.09 2.01 1.93 1.89 1.84 1.79 1.74 1.68 1.62 .050
2.51 2.41 2.31 2.20 2.14 2.07 2.01 1.94 1.87 1.79 .025
2.98 2.84 2.70 2.55 2.47 2.39 2.30 2.21 2.11 2.01 .010
3.34 3.18 3.01 2.82 2.73 2.63 2.52 2.42 2.30 2.18 .005
MEJA6(lanjutan)
df1
df2 sebua 1 2 3 4 5 6 7 8 9
h
40 .100 2.84 2.44 2.23 2.09 2.00 1.93 1.87 1.83 1.79
.050 4.08 3.23 2.84 2.61 2.45 2.34 2.25 2.18 2.12
.025 5.42 4.05 3.46 3.13 2.90 2.74 2.62 2.53 2.45
.010 7.31 5.18 4.31 3.83 3.51 3.29 3.12 2.99 2.89
.005 8.83 6.07 4.98 4.37 3.99 3.71 3.51 3.35 3.22
60 .100 2.79 2.39 2.18 2.04 1.95 1.87 1.82 1.77 1.74
.050 4.00 3.15 2.76 2.53 2.37 2.25 2.17 2.10 2.04
.025 5.29 3.93 3.34 3.01 2.79 2.63 2.51 2.41 2.33
.010 7.08 4.98 4.13 3.65 3.34 3.12 2.95 2.82 2.72
.005 8.49 5.79 4.73 4.14 3.76 3.49 3.29 3.13 3.01
120 .100 2.75 2.35 2.13 1.99 1.90 1.82 1.77 1.72 1.68
.050 3.92 3.07 2.68 2.45 2.29 2.17 2.09 2.02 1.96
.025 5.15 3.80 3.23 2.89 2.67 2.52 2.39 2.30 2.22
.010 6.85 4.79 3.95 3.48 3.17 2.96 2.79 2.66 2.56
.005 8.18 5.54 4.50 3.92 3.55 3.28 3.09 2.93 2.81
∞ .100 2.71 2.30 2.08 1.94 1.85 1.77 1.72 1.67 1.63
.050 3.84 3.00 2.60 2.37 2.21 2.10 2.01 1.94 1.63
.025 5.02 3.69 3.12 2.79 2.57 2.41 2.29 2.19 2.11
.010 6.63 4.61 3.78 3.32 3.02 2.80 2.64 2.51 2.41
.005 7.88 5.30 4.28 3.72 3.35 3.09 2.90 2.74 2.62
MEJA6(lanjutan)
df1
10 12 15 20 24 30 40 60 120 ∞ sebuah df2
1.76 1.71 1.66 1.61 1.57 1.54 1.51 1.47 1.42 1.38 .100 40
2.08 2.00 1.92 1.84 1.79 1.74 1.69 1.64 1.58 1.51 .050
2.39 2.29 2.18 2.07 2.01 1.94 1.88 1.80 1.72 1.64 .025
2.80 2.66 2.52 2.37 2.29 2.20 2.11 2.02 1.92 1.80 .010
3.12 2.95 2.78 2.60 2.50 2.40 2.30 2.18 2.06 1.93 .005
1.71 1.66 1.60 1.54 1.51 1.48 1.44 1.40 1.35 1.29 .100 60
1.99 1.92 1.84 1.75 1.70 1.65 1.59 1.53 1.47 1.39 .050
2.27 2.17 2.06 1.94 1.88 1.82 1.74 1.67 1.58 1.48 .025
2.63 2.50 2.35 2.20 2.12 2.03 1.94 1.84 1.73 1.60 .010
2.90 2.74 2.57 2.39 2.29 2.19 2.08 1.96 1.83 1.69 .005
1.65 1.60 1.55 1.48 1.45 1.41 1.37 1.32 1.26 1.19 .100 120
1.91 1.83 1.75 1.66 1.61 1.55 1,50 1.43 1.35 1.25 .050
2.16 2.05 1.94 1.82 1.76 1.69 1.61 1.53 1.43 1.31 .025
2.47 2.34 2.19 2.03 1.95 1.86 1.76 1.66 1.53 1.38 .010
2.71 2.54 2.37 2.19 2.09 1.98 1.87 1.75 1.61 1.43 .005
1.60 1.55 1.49 1.42 1.38 1.34 1.30 1.24 1.17 1.00 .100 ∞
1.83 1.75 1.67 1.57 1.52 1.46 1.39 1.32 1.22 1.00 .050
2.05 1.94 1.83 1.71 1.64 1.57 1.48 1.39 1.27 1.00 .025
2.32 2.18 2.04 1.88 1.79 1.70 1.59 1.47 1.32 1.00 .010
2.52 2.36 2.19 2.00 1.90 1.79 1.67 1.53 1.36 1.00 .005
MEJA7Nilai Kritis dariTuntuk Tes Jumlah Peringkat Wilcoxon,n1 ≤ n2

TABEL 7(a) n1
5% Ekor-Kiri
Nilai Kritis n2 2 3 4 5 6 7 8 9 10 11 12 13 14 15
3 — 6
4 — 6 11
5 3 7 12 19
6 3 8 13 20 28
7 3 8 14 21 29 39
8 4 9 15 23 31 41 51
9 4 10 16 24 33 43 54 66
10 4 10 17 26 35 45 56 69 82
11 4 11 18 27 37 47 59 72 86 100
12 5 11 19 28 38 49 62 75 89 104 120
13 5 12 20 30 40 52 64 78 92 108 125 142
14 6 13 21 31 42 54 67 81 96 112 129 147 166
15 6 13 22 33 44 56 69 84 99 116 133 152 171 192
TABEL 7(b)
2.5 % Ekor- n1
KiriNilai Kritis
n2 2 3 4 5 6 7 8 9 10 11 12 13 14 15
4 — — 10
5 — 6 11 17
6 — 7 12 18 26
7 — 7 13 20 27 36
8 3 8 14 21 29 38 49
9 3 8 14 22 31 40 51 62
10 3 9 15 23 32 42 53 65 78
11 3 9 16 24 34 44 55 68 81 96
12 4 10 17 26 35 46 58 71 84 99 115
13 4 10 18 27 37 48 60 73 88 103 119 136
14 4 11 19 28 38 50 62 76 91 106 123 141 160
15 4 11 20 29 40 52 65 79 94 110 127 145 164 184
SOURCE:Data dari “Tabel Tambahan Nilai Kritis untuk Statistik Dua Sampel Mann-Whitney (Wilcoxon)” oleh
Roy C. Milton, hlm. 925–934 dalamJurnal Asosiasi Statistik Amerika,Volume 59, No. 307, September 1964.
Dicetak ulang dengan izin dariJurnal Statistik AmerikaAsosiasi.Hak Cipta 1964 oleh Asosiasi Statistik
Amerika. Seluruh hak cipta.
TABEL 7(c)
1% Ekor-Kiri n1
Nilai Kritis n2 2 3 4 5 6 7 8 9 10 11 12 13 14 15
3 — —
4 — — —
5 — — 10 16
6 — — 11 17 24
7 — 6 11 18 25 34
8 — 6 12 19 27 35 45
9 — 7 13 20 28 37 47 59
10 — 7 13 21 29 39 49 61 74
11 — 7 14 22 30 40 51 63 77 91
12 — 8 15 23 32 42 53 66 79 94 109
13 3 8 15 24 33 44 56 68 82 97 113 130
14 3 8 16 25 34 45 58 71 85 100 116 134 152
15 3 9 17 26 36 47 60 73 88 103 120 138 156 176
TABEL 7(d)
0,5%Nilai Kritis Ekor Kiri n1
n2 3 4 5 6 7 8 9 10 11 12 13 14 15
3 —
4 — —
5 — — 15
6 — 10 16 23
7 — 10 16 24 32
8 — 11 17 25 34 42
9 6 11 18 26 35 45 56
10 6 12 19 27 37 47 58 71
11 6 12 20 28 38 49 61 73 87
12 7 13 21 30 40 51 63 76 90 105
13 7 13 22 31 41 53 65 79 93 109 125
14 7 14 22 32 43 54 67 81 96 112 129 147
15 8 15 23 33 44 56 69 84 99 115 133 151 171
Teks tidak tersedia karena pembatasan hak cipta

Teks tidak tersedia karena pembatasan hak

cipta
MEJA10Angka Acak
Kolom
Garis 1 2 3 4 5 6 7 8 9 10 11 12 13 14
1 10480 15011 01536 02011 81647 91646 69179 14194 62590 36207 20969 99570 91291 90700
2 22368 46573 25595 85393 30995 89198 27982 53402 93965 34095 52666 19174 39615 99505
3 24130 48360 22527 97265 76393 64809 15179 24830 49340 32081 30680 19655 63348 58629
4 42167 93093 06243 61680 07856 16376 39440 53537 71341 57004 00849 74917 97758 16379
5 37570 39975 81837 16656 06121 91782 60468 81305 49684 60672 14110 06927 01263 54613
6 77921 06907 11008 42751 27756 53498 18602 70659 90655 15053 21916 81825 44394 42880
7 99562 72905 56420 69994 98872 31016 71194 18738 44013 48840 63213 21069 10634 12952
8 96301 91977 05463 07972 18876 20922 94595 56869 69014 60045 18425 84903 42508 32307
9 89579 14342 63661 10281 17453 18103 57740 84378 25331 12566 58678 44947 05585 56941
10 84575 36857 53342 53988 53060 59533 38867 62300 08158 17983 16439 11458 18593 64952
11 28918 69578 88231 33276 70997 79936 56865 05859 90106 31595 01547 85590 91610 78188
12 63553 40961 48235 03427 49626 69445 18663 72695 52180 20847 12234 90511 33703 90322
13 09429 93969 52636 92737 88974 33488 36320 17617 30015 08272 84115 27156 30613 74952
14 10365 61129 87529 85689 48237 52267 67689 93394 01511 26358 85104 20285 29975 89868
15 07119 97336 71048 08178 77233 13916 47564 81056 97735 85977 29372 74461 28551 90707
16 51085 12765 51821 51259 77452 16308 60756 92144 49442 53900 70960 63990 75601 40719
17 02368 21382 52404 60268 89368 19885 55322 44819 01188 65255 64835 44919 05944 55157
18 01011 54092 33362 94904 31273 04146 18594 29852 71585 85030 51132 01915 92747 64951
19 52162 53916 46369 58586 23216 14513 83149 98736 23495 64350 94738 17752 35156 35749
20 07056 97628 33787 09998 42698 06691 76988 13602 51851 46104 88916 19509 25625 58104
21 48663 91245 85828 14346 09172 30168 90229 04734 59193 22178 30421 61666 99904 32812
22 54164 58492 22421 74103 47070 25306 76468 26384 58151 06646 21524 15227 96909 44592
23 32639 32363 05597 24200 13363 38005 94342 28728 35806 06912 17012 64161 18296 22851
24 29334 27001 87637 87308 58731 00256 45834 15398 46557 41135 10367 07684 36188 18510
25 02488 33062 28834 07351 19731 92420 60952 61280 50001 67658 32586 86679 50720 94953
26 81525 72295 04839 96423 24878 82651 66566 14778 76797 14780 13300 87074 79666 95725
27 29676 20591 68086 26432 46901 20849 89768 81536 86645 12659 92259 57102 80428 25280
28 00742 57392 39064 66432 84673 40027 32832 61362 98947 96067 64760 64585 96096 98253
29 05366 04213 25669 26422 44407 44048 37937 63904 45766 66134 75470 66520 34693 90449
30 91921 26418 64117 94305 26766 25940 39972 22209 71500 64568 91402 42416 07844 69618
31 00582 04711 87917 77341 42206 35126 74087 99547 81817 42607 43808 76655 62028 76630
32 00725 69884 62797 56170 86324 88072 76222 36086 84637 93161 76038 65855 77919 88006
33 69011 65795 95876 55293 18988 27354 26575 08625 40801 59920 29841 80150 12777 48501
34 25976 57948 29888 88604 67917 48708 18912 82271 65424 69774 33611 54262 85963 03547
35 09763 83473 73577 12908 30883 18317 28290 35797 05998 41688 34952 37888 38917 88050
36 91567 42595 27958 30134 04024 86385 29880 99730 55536 84855 29080 09250 79656 73211
37 17955 56349 90999 49127 20044 59931 06115 20542 18059 02008 73708 83517 36103 42791
38 46503 18584 18845 49618 02304 51038 20655 58727 28168 15475 56942 53389 20562 87338
39 92157 89634 94824 78171 84610 82834 09922 25417 44137 48413 25555 21246 35509 20468
40 14577 62765 35605 81263 39667 47358 56873 56307 61607 49518 89656 20103 77490 18062
41 98427 07523 33362 64270 01638 92477 66969 98420 04880 45585 46565 04102 46880 45709
42 34914 63976 88720 82765 34476 17032 87589 40836 32427 70002 70663 88863 77775 69348
43 70060 28277 39475 46473 23219 53416 94970 25832 69975 94884 19661 72828 00102 66794
44 53976 54914 06990 67245 68350 82948 11398 42878 80287 88267 47363 46634 06541 97809
45 76072 29515 40980 07391 58745 25774 22987 80059 39911 96189 41151 14222 60697 59583
46 90725 52210 83974 29992 65831 38857 50490 83765 55657 14361 31720 57375 56228 41546
47 64364 67412 33339 31926 14883 24413 59744 92351 97473 89286 35931 04110 23726 51900
48 08962 00358 31662 25388 61642 34072 81249 35648 56891 69352 48373 45578 78547 81788
49 95012 68379 93526 70765 10592 04542 76463 54328 02349 17247 28865 14777 62730 92277
50 15664 10493 20492 38391 91132 21999 59516 81652 27195 48223 46751 22923 32261 85653
SOURCE:DariHandbook of Tables for Probability and Statistics,Edisi ke-2, diedit oleh William H. Beyer (CRC Press). Digunakan dengan izin
dariWilliam H. Beyer.
MEJA10(lanjutan)
Kolom
Garis 1 2 3 4 5 6 7 8 9 10 11 12 13 14
51 16408 81899 04153 53381 79401 21438 83035 92350 36693 31238 59649 91754 72772 02338
52 18629 81953 05520 91962 04739 13092 97662 24822 94730 06496 35090 04822 86774 98289
53 73115 35101 47498 87637 99016 71060 88824 71013 18735 20286 23153 72924 35165 43040
54 57491 16703 23167 49323 45021 33132 12544 41035 80780 45393 44812 12515 98931 91202
55 30405 83946 23792 14422 15059 45799 22716 19792 09983 74353 68668 30429 70735 25499
56 16631 35006 85900 98275 32388 52390 16815 69298 82732 38480 73817 32523 41961 44437
57 96773 20206 42559 78985 05300 22164 24369 54224 35033 19687 11052 91491 60383 19746
58 38935 64202 14349 82674 66523 44133 00697 35552 35970 19124 63318 29686 03387 59846
59 31624 76384 17403 53363 44167 64486 64758 75366 76554 31601 12614 33072 60332 92325
60 78919 19474 23632 27889 47914 02584 37680 20801 72152 39339 34806 08930 85001 87820
61 03931 33309 57047 74211 63445 17361 62825 39908 05607 91284 68833 25570 38818 46920
62 74426 33278 43972 10119 89917 15665 52872 73823 73144 88662 88970 74492 51805 99378
63 09066 00903 20795 95452 92648 45454 09552 88815 16553 51125 79375 97596 16296 66092
64 42238 12426 87025 14267 20979 04508 64535 31355 86064 29472 47689 05974 52468 16834
65 16153 08002 26504 41744 81959 65642 74240 56302 00033 67107 77510 70625 28725 34191
66 21457 40742 29820 96783 29400 21840 15035 34537 33310 06116 95240 15957 16572 06004
67 21581 57802 02050 89728 17937 37621 47075 42080 97403 48626 68995 43805 33386 21597
68 55612 78095 83197 33732 05810 24813 86902 60397 16489 03264 88525 42786 05269 92532
69 44657 66999 99324 51281 84463 60563 79312 93454 68876 25471 93911 25650 12682 73572
70 91340 84979 46949 81973 37949 61023 43997 15263 80644 43942 89203 71795 99533 50501
71 91227 21199 31935 27022 84067 05462 35216 14486 29891 68607 41867 14951 91696 85065
72 50001 38140 66321 19924 72163 09538 12151 06878 91903 18749 34405 56087 82790 70925
73 65390 05224 72958 28609 81406 39147 25549 48542 42627 45233 57202 94617 23772 07896
74 27504 96131 83944 41575 10573 08619 64482 73923 36152 05184 94142 25299 84387 34925
75 37169 94851 39117 89632 00959 16487 65536 49071 39782 17095 02330 74301 00275 48280
76 11508 70225 51111 38351 19444 66499 71945 05422 13442 78675 84081 66938 93654 59894
77 37449 30362 06694 54690 04052 53115 62757 95348 78662 11163 81651 50245 34971 52924
78 46515 70331 85922 38329 57015 15765 97161 17869 45349 61796 66345 81073 49106 79860
79 30986 81223 42416 58353 21532 30502 32305 86482 05174 07901 54339 58861 74818 46942
80 63798 64995 46583 09785 44160 78128 83991 42865 92520 83531 80377 35909 81250 54238
81 82486 84846 99254 67632 43218 50076 21361 64816 51202 88124 41870 52689 51275 83556
82 21885 32906 92431 09060 64297 51674 64126 62570 26123 05155 59194 52799 28225 85762
83 60336 98782 07408 53458 13564 59089 26445 29789 85205 41001 12535 12133 14645 23541
84 43937 46891 24010 25560 86355 33941 25786 54990 71899 15475 95434 98227 21824 19585
85 97656 63175 89303 16275 07100 92063 21942 18611 47348 20203 18534 03862 78095 50136
86 03299 01221 05418 38982 55758 92237 26759 86367 21216 98442 08303 56613 91511 75928
87 79626 06486 03574 17668 07785 76020 79924 25651 83325 88428 85076 72811 22717 50585
88 85636 68335 47539 03129 65651 11977 02510 26113 99447 68645 34327 15152 55230 93448
89 18039 14367 61337 06177 12143 46609 32989 74014 64708 00533 35398 58408 13261 47908
90 08362 15656 60627 36478 65648 16764 53412 09013 07832 41574 17639 82163 60859 75567
91 79556 29068 04142 16268 15387 12856 66227 38358 22478 73373 88732 09443 82558 05250
92 92608 82674 27072 32534 17075 27698 98204 63863 11951 34648 88022 56148 34925 57031
93 23982 25835 40055 67006 12293 02753 14827 23235 35071 99704 37543 11601 35503 85171
94 09915 96306 05908 97901 28395 14186 00821 80703 70426 75647 76310 88717 37890 40129
95 59037 33300 26695 62247 69927 76123 50842 43834 86654 70959 79725 93872 28117 19233
96 42488 78077 69882 61657 34136 79180 97526 43092 04098 73571 80799 76536 71255 64239
97 46764 86273 63003 93017 31204 36692 40202 35275 57306 55543 53203 18098 47625 88684
98 03237 45430 55417 63282 90816 17349 88298 90183 36600 78406 06216 95787 42579 90730
99 86591 81482 52667 61582 14972 90053 89534 76036 49199 43716 97548 04379 46370 28672
100 38534 01715 94964 87288 65680 43772 39560 12918 86737 62738 19636 51132 25739 56947
TABEL 11(a)
Persentase k
Poin dari df 2 3 4 5 6 7 8 9 10 11
Terpelajar
Jarak, 1 17.97 26.98 32.82 37.08 40.41 43.12 45.40 47.36 49.07 50.59
q.05(k,df); 2 6.08 8.33 9.80 10.88 11.74 12.44 13.03 13.54 13.99 14.39
Atas 5% 3 4.50 5.91 6.82 7.50 8.04 8.48 8.85 9.18 9.46 9.72
Poin 4 3.93 5.04 5.76 6.29 6.71 7.05 7.35 7.60 7.83 8.03
5 3.64 4.60 5.22 5.67 6.03 6.33 6.58 6.80 6.99 7.17
6 3.46 4.34 4.90 5.30 5.63 5.90 6.12 6.32 6.49 6.65
7 3.34 4.16 4.68 5.06 5.36 5.61 5.82 6.00 6.16 6.30
8 3.26 4.04 4.53 4.89 5.17 5.40 5.60 5.77 5.92 6.05
9 3.20 3.95 4.41 4.76 5.02 5.24 5.43 5.59 5.74 5.87
10 3.15 3.88 4.33 4.65 4.91 5.12 5.30 5.46 5.60 5.72
11 3.11 3.82 4.26 4.57 4.82 5.03 5.20 5.35 5.49 5.61
12 3.08 3.77 4.20 4.51 4.75 4.95 5.12 5.27 5.39 5.51
13 3.06 3.73 4.15 4.45 4.69 4.88 5.05 5.19 5.32 5.43
14 3.03 3.70 4.11 4.41 4.64 4.83 4.99 5.13 5.25 5.36
15 3.01 3.67 4.08 4.37 4.60 4.78 4.94 5.08 5.20 5.31
16 3.00 3.65 4.05 4.33 4.56 4.74 4.90 5.03 5.15 5.26
17 2.98 3.63 4.02 4.30 4.52 4.70 4.86 4.99 5.11 5.21
18 2.97 3.61 4.00 4.28 4.49 4.67 4.82 4.96 5.07 5.17
19 2.96 3.59 3.98 4.25 4.47 4.65 4.79 4.92 5.04 5.14
20 2.95 3.58 3.96 4.23 4.45 4.62 4.77 4.90 5.01 5.11
24 2.92 3.53 3.90 4.17 4.37 4.54 4.68 4.81 4.92 5.01
30 2.89 3.49 3.85 4.10 4.30 4.46 4.60 4.72 4.82 4.92
40 2.86 3.44 3.79 4.04 4.23 4.39 4.52 4.63 4.73 4.82
60 2.83 3.40 3.74 3.98 4.16 4.31 4.44 4.55 4.65 4.73
120 2.80 3.36 3.68 3.92 4.10 4.24 4.36 4.47 4.56 4.64
∞ 2.77 3.31 3.63 3.86 4.03 4.17 4.29 4.39 4.47 4.55
TABEL 11(a)
(lanjutan) k
12 13 14 15 16 17 18 19 20 df
51.96 53.20 54.33 55.36 56.32 57.22 58.04 58.83 59.56 1

14.75 15.08 15.38 15.65 15.91 16.14 16.37 16.57 16.77 2
9.95 10.15 10.35 10.52 10.69 10.84 10.98 11.11 11.24 3
8.21 8.37 8.52 8.66 8.79 8.91 9.03 9.13 9.23 4
7.32 7.47 7.60 7.72 7.83 7.93 8.03 8.12 8.21 5

6.79 6.92 7.03 7.14 7.24 7.34 7.43 7.51 7.59 6
6.43 6.55 6.66 6.76 6.85 6.94 7.02 7.10 7.17 7
6.18 6.29 6.39 6.48 6.57 6.65 6.73 6.80 6.87 8
5.98 6.09 6.19 6.28 6.36 6.44 6.51 6.58 6.64 9
5.83 5.93 6.03 6.11 6.19 6.27 6.34 6.40 6.47 10

5.71 5.81 5.90 5.98 6.06 6.13 6.20 6.27 6.33 11
5.61 5.71 5.80 5.88 5.95 6.02 6.09 6.15 6.21 12
5.53 5.63 5.71 5.79 5.86 5.93 5.99 6.05 6.11 13
5.46 5.55 5.64 5.71 5.79 5.85 5.91 5.97 6.03 14
5.40 5.49 5.57 5.65 5.72 5.78 5.85 5.90 5.96 15

5.35 5.44 5.52 5.59 5.66 5.73 5.79 5.84 5.90 16
5.31 5.39 5.47 5.54 5.61 5.67 5.73 5.79 5.84 17
5.27 5.35 5.43 5.50 5.57 5.63 5.69 5.74 5.79 18
5.23 5.31 5.39 5.46 5.53 5.59 5.65 5.70 5.75 19
5.20 5.28 5.36 5.43 5.49 5.55 5.61 5.66 5.71 20

5.10 5.18 5.25 5.32 5.38 5.44 5.49 5.55 5.59 24
5.00 5.08 5.15 5.21 5.27 5.33 5.38 5.43 5.47 30
4.90 4.98 5.04 5.11 5.16 5.22 5.27 5.31 5.36 40
4.81 4.88 4.94 5.00 5.06 5.11 5.15 5.20 5.24 60

4.71 4.78 4.84 4.90 4.95 5.00 5.04 5.09 5.13 120
4.62 4.68 4.74 4.80 4.85 4.89 4.93 4.97 5.01 ∞
SOURCE:DariTabel Biometrika untuk Ahli Statistik,Vol. 1, edisi ke-3, diedit oleh ES Pearson dan HO Hartley
(Cambridge University Press, 1966). Direproduksi atas izin dariBiometrikaPengawas.
TABEL 11(b)
Persentase k
Poin dari df 2 3 4 5 6 7 8 9 10 11
Terpelajar
Jarak, 1 90.03 135.0 164.3 185.6 202.2 215.8 227.2 237.0 245.6 253.2
q.01(k, df); 2 14.04 19.02 22.29 24.72 26.63 28.20 29.53 30.68 31.69 32.59
Atas 1% 3 8.26 10.62 12.17 13.33 14.24 15.00 15.64 16.20 16.69 17.13
Poin 4 6.51 8.12 9.17 9.96 10.58 11.10 11.55 11.93 12.27 12.57
5 5.70 6.98 7.80 8.42 8.91 9.32 9.67 9.97 10.24 10.48
6 5.24 6.33 7.03 7.56 7.97 8.32 8.61 8.87 9.10 9.30
7 4.95 5.92 6.54 7.01 7.37 7.68 7.94 8.17 8.37 8.55
8 4.75 5.64 6.20 6.62 6.96 7.24 7.47 7.68 7.86 8.03
9 4.60 5.43 5.96 6.35 6.66 6.91 7.13 7.33 7.49 7.65
10 4.48 5.27 5.77 6.14 6.43 6.67 6.87 7.05 7.21 7.36
11 4.39 5.15 5.62 5.97 6.25 6.48 6.67 6.84 6.99 7.13
12 4.32 5.05 5.50 5.84 6.10 6.32 6.51 6.67 6.81 6.94
13 4.26 4.96 5.40 5.73 5.98 6.19 6.37 6.53 6.67 6.79
14 4.21 4.89 5.32 5.63 5.88 6.08 6.26 6.41 6.54 6.66
15 4.17 4.84 5.25 5.56 5.80 5.99 6.16 6.31 6.44 6.55
16 4.13 4.79 5.19 5.49 5.72 5.92 6.08 6.22 6.35 6.46
17 4.10 4.74 5.14 5.43 5.66 5.85 6.01 6.15 6.27 6.38
18 4.07 4.70 5.09 5.38 5.60 5.79 5.94 6.08 6.20 6.31
19 4.05 4.67 5.05 5.33 5.55 5.73 5.89 6.02 6.14 6.25
20 4.02 4.64 5.02 5.29 5.51 5.69 5.84 5.97 6.09 6.19
24 3.96 4.55 4.91 5.17 5.37 5.54 5.69 5.81 5.92 6.02
30 3.89 4.45 4.80 5.05 5.24 5.40 5.54 5.65 5.76 5.85
40 3.82 4.37 4.70 4.93 5.11 5.26 5.39 5.50 5.60 5.69
60 3.76 4.28 4.59 4.82 4.99 5.13 5.25 5.36 5.45 5.53
120 3.70 4.20 4.50 4.71 4.87 5.01 5.12 5.21 5.30 5.37
∞ 3.64 4.12 4.40 4.60 4.76 4.88 4.99 5.08 5.16 5.23
TABEL 11(b)
(lanjutan) k
12 13 14 15 16 17 18 19 20 df
260.0 266.2 271.8 277.0 281.8 286.3 290.0 294.3 298.0 1

33.40 34.13 34.81 35.43 36.00 36.53 37.03 37.50 37.95 2
17.53 17.89 18.22 18.52 18.81 19.07 19.32 19.55 19.77 3
12.84 13.09 13.32 13.53 13.73 13.91 14.08 14.24 14.40 4
10.70 10.89 11.08 11.24 11.40 11.55 11.68 11.81 11.93 5
9.48 9.65 9.81 9.95 10.08 10.21 10.32 10.43 10.54 6
8.71 8.86 9.00 9.12 9.24 9.35 9.46 9.55 9.65 7
8.18 8.31 8.44 8.55 8.66 8.76 8.85 8.94 9.03 8
7.78 7.91 8.03 8.13 8.23 8.33 8.41 8.49 8.57 9
7.49 7.60 7.71 7.81 7.91 7.99 8.08 8.15 8.23 10
7.25 7.36 7.46 7.56 7.65 7.73 7.81 7.88 7.95 11
7.06 7.17 7.26 7.36 7.44 7.52 7.59 7.66 7.73 12
6.90 7.01 7.10 7.19 7.27 7.35 7.42 7.48 7.55 13
6.77 6.87 6.96 7.05 7.13 7.20 7.27 7.33 7.39 14
6.66 6.76 6.84 6.93 7.00 7.07 7.14 7.20 7.26 15
6.56 6.66 6.74 6.82 6.90 6.97 7.03 7.09 7.15 16
6.48 6.57 6.66 6.73 6.81 6.87 6.94 7.00 7.05 17
6.41 6.50 6.58 6.65 6.72 6.79 6.85 6.91 6.97 18
6.34 6.43 6.51 6.58 6.65 6.72 6.78 6.84 6.89 19
6.28 6.37 6.45 6.52 6.59 6.65 6.71 6.77 6.82 20
6.11 6.19 6.26 6.33 6.39 6.45 6.51 6.56 6.61 24
5.93 6.01 6.08 6.14 6.20 6.26 6.31 6.36 6.41 30
5.76 5.83 5.90 5.96 6.02 6.07 6.12 6.16 6.21 40
5.60 5.67 5.73 5.78 5.84 5.89 5.93 5.97 6.01 60
5.44 5.50 5.56 5.61 5.66 5.71 5.75 5.79 5.83 120
5.29 5.35 5.40 5.45 5.49 5.54 5.57 5.61 5.65 ∞
SOURCE:DariTabel Biometrika untuk Ahli Statistik,Vol. 1, edisi ke-3, diedit oleh ES Pearson dan HO Hartley
(Cambridge University Press, 1966). Direproduksi atas izin dariBiometrikaPengawas.
Sumber data
pengantar
1. Sheldon Gawiser, Tiffany Turner, dan Costas Panagopoulos, “Jajak Pendapat: GOP Tampaknya
Akan Mempertahankan Kontrol Senat,” MSNBC
News,http://www.msnbc.com/ID/15547023/page/2/5 Nov 2006/, 5 November 2006.
2. berita rubah,http://www.foxnews.com/story/0,2933,102511,00.html,10 Februari 2004.
3. “Berita Panas: 98,6 Tidak Normal,” The Press-Enterprise (Riverside, CA), 23 September 1992.
Bab 1
1. “Gedung Putih 2008: Pemilihan Umum,” FOX News/Opinion Dynamics Poll,http://www
.pollingreport.com/2008.htm#misc,16–18 Mei 2006.
2. “Menjalankan Negara? Kebanyakan Remaja Akan Lulus,
”http://abcnews.go.com/images/pdf/ 943a1TeensandthePresidency.pdf,22 Januari
2004.
3. “Who They Are,” Time, 5 Januari 2004, hlm. 98–99.
4. “Kembali Bekerja,”http://www.usatoday.com/snapshot/news/ 2001-07-
17-backtowork.htm,2 Oktober 2001.
5. William A. McGeveran, Jr., Ed., The World Almanac and Book of Facts 2007 (New
York: WRC Media, Inc.), 2007.
6. Diadaptasi dari Arlene Eisenberg, Heidi Murkoff, dan Sandee Hathaway. Apa yang
Diharapkan Tahun Pertama (New York: Workman Publishing), 2003.
7. “Laporan ke Komunitas,” Kantor Pendidikan Wilayah Riverside, 16 Februari 2004, hal. 3.
8. Borgna Brunner, Ed., Time Almanac 2007 (Boston, MA: Pearson Education), 2006.
9. “Aktual Box Office AS,”http://www.radiofree.com/mov-tops.shtml,13 Agustus 2006.
10. Robert P. Wilder, D. Brennan, dan DE Schotte, “Ukuran Standar untuk Resep Latihan untuk
Lari Aqua,” American Journal of Sports Medicine 21, no. 1 (1993):45.
11. http://www.kentuckyderby.info/kentuckyderby-history2006.php.
12. Robyn Greenspan, “Rumah Adalah Tempat Jaringan
Berada,”http://www.clickz.com/stats/
big_picture/applications/article.php/1301_3073431,5 September 2003.
13. “Perang Melawan Terorisme,”http://www.pollingreport.com/terror.htm,14 Agustus 2006.
14. luka bakar enid,“Populasi Internet Seluler
Tumbuh,”http://www.clickz.com/showPage. html?halaman=3623146,14 Agustus
2006.
15. Iklan Asuransi GEICO, Waktu, 10 November 2003.
16. A. Tubb, AJ Parker, dan G. Nickless, "Analisis Tembikar Romawi-Inggris dengan
Spektrofotometri Serapan Atom," Archaeometry 22 (1980):153.
17. Mike Schwartz dan Mark Kendall, “The Great Calorie Debate,” The Press-Enterprise
(Riverside, CA), 10 Februari 2004, hal. E1.
18. Lawrence E. Levine dan Victorina Wasmuth, “Laptop, Teknologi, dan Aljabar 1: Studi
Kasus Eksperimen,” Guru Matematika 97, no. 2 (Februari 2004):I36.
19. A. Azzalini dan AW Bowman, “A Look at Some Data on the Old Faithful Geyser,” Applied
Statistics (1990):57.
SUMBER DATA ❍ 713
20. http://www/starbucks.com/retail/locator/default.aspx,15 Maret 2006.

21. PA Mackowiak, SS Wasserman, dan MM Levine, “Penilaian Kritis 98,6 Derajat F, Batas Atas
Suhu Tubuh Normal, dan Warisan Lain dari Carl Reinhold August Wunderlich,” Jurnal
Asosiasi Medis Amerika (268):1578– 1580.
22. Allen L. Shoemaker, “Apa yang Normal? Suhu, Jenis Kelamin, dan Detak Jantung,”
Jurnal Pendidikan Statistik (1996).
23. DG Altman dan JM Bland. “Data Waktu untuk Bertahan Hidup,” BMJ (British Medical
Journal) 317:468–469 (15 Agustus
1998),http://bmj.bmjjournals.com/cgi/content/full/317/7156/4687.
Bab 2
1. http://interactive.web.insurance.ca.gov/survey/survey?type=autoSurvey&event=autoResults, 5
November 2006.
2. Borgna Brunner, Ed., Time Almanac 2007 (Boston, MA: Pearson Education, Inc.), 2006.
3. “Birth Order and the Baby Boom,” American Demographics (Trend Cop), Maret 1997, hal. 10.
4. “Tuna Goes Upscale,” Consumer Reports, Juni 2001, hal. 19.
5. http://www/starbucks.com/retail/locator/default.aspx,15 Agustus 2006.
6. “TV LCD,”http://www.consumerreports.org/cro/electronics-computers/tvs/lcd-tvs/
laporan/pemilih-produk/index.htm,22 Agustus 2006.
8. A. Azzalini dan AW Bowman, “A Look at Some Data on the Old Faithful Geyser,” Applied
Statistics (1990):57.
9. http://sports.espn.go.com/nfl/players/,2 Januari 2007.
10. DG Altman, dan JM Bland. “Data Waktu untuk Bertahan Hidup,” BMJ (British Medical
Journal) 317:468–469 (15 Agustus
1998),http://bmj.bmjjournals.com/cgi/content/full/317/7156/4687.
12. “Four People Movers,” Consumer Reports, Juli 1997, hal. 57.
13. “Kegiatan Berkemah Favorit,”http://www.usatoday.com/snapshot/news/2001-05-22-
berkemah.htm,26 September 2001 (Sumber: Wirthlin Worldwide untuk Coleman
Company).
14. www.mlb.com,16 Agustus 2006.
15. “Bekerja di Penjualan,”http://www.usatoday.com/news/snapshot.htm?section=S&label=
2006-08-16-nlhits,15 Agustus 2006.
16. “Jam Kerja per Minggu,”http://www.usatoday.com/news/snapshot.htm?section=
S&label=2006-08-16-nlhits,15 Agustus 2006.
17. “Penyihir Gaji,”http://swz.salary.com/salarywizard/layout.htmls/swzl_compresult_
nasional_ED03000133.html,16 Agustus 2006.
18. William A. McGeveran Jr., Ed., The World Almanac and Book of Facts 2007 (New York:
WRC Media, Inc.), 2007, danhttp://sports.espn.go.com/mlb/stats/batting?league=al.
bagian 3
1. Diadaptasi darihttp://nces.ed.gov/programs/digest/d05/tables/dt05_240.asp.
2. Diadaptasi dari Michael J. Weiss, “The New Summer Break,” American Demographics,
Agustus 2001, hal. 55.
3. www.bls.gov/data/home.htm,19 Juni 2007.
4. William A. McGeveran Jr., Ed., The World Almanac and Book of Facts 2007 (New York:
WRC Media, Inc.), 2007.
5. Gregory K. Torrey, SF Vasa, JW Maag, dan JJ Kramer, "Intervensi Keterampilan Sosial di
Seluruh Pengaturan Sekolah: Tinjauan Studi Kasus Siswa dengan Disabilitas Ringan,"
Psikologi di Sekolah 29 (Juli 1992):248.
714 ❍ SUMBER DATA
6. Mark Rechtin, "Bos Menempatkan 'Buzz' di Daftar Tugas Pemimpin Mewah AS," Berita Otomotif,
26 Januari 2004, hal. 4; dan Buku Data Pasar Berita Otomotif 2006, 22 Mei 2006, hal. 25.
8. Stellan Ohlsson, “Kurva Pembelajaran untuk Menulis Buku: Bukti dari Profesor Asimov,”
Ilmu Psikologi3, tidak. 6 (1992):380–382.
9. “The Armed Forces: Who Are They,” Time, 29 Desember 2003 sampai 5 Januari 2004, hal. 98.
10. http://www.ew.com/ew/chart/movie/0,6115,_1 ,00.html,22 Agustus 2006.
11. http://sports.espn.go.com/nfl/players/profil?statsId=1025, 2 Januari 2007.
13. Robyn Greenspan, “Rumah Adalah Tempat Jaringan
Berada,”http://www.clickz.com/stats/ big_
picture/applications/article.php/1301_3073431,5 September 2003.
14. Bettye Wells Miller, “Faith Shows Ballot Clout,” The Press-Enterprise (Riverside, CA)
1 Maret 2004, hlm. A7.
15. Borgna Brunner, Ed., Time Almanac 2007 (Boston, MA: Pearson Education, Inc.), 2006.
16. “Peringkat: Telepon Tanpa Kabel,”www.consumerreports.org/cro/electronics-computers/
telepon nirkabel/laporan,26 Oktober 2006.
17. “Dishwashers,” Consumer Reports, September 2007.
Bab 4
1. C. Salmon, JP Cartron, dan P. Rouger, Kelompok Darah Manusia (New York: Masson
Publishing, 1984).
2. Tabel diadaptasi darihttp://www.pollingreport.com/science.htm#Stem,30 Oktober 2006.
3. Bruce E. Morgan dan Michael A. Oberlander, “An Examination of Injuries in Major League
Soccer,” The American Journal of Sports Medicine, 29(4), 2001, hlm. 426–429.
4. http://sports.espn.go.com/nba/players,5 November 2006.
5. Data diadaptasi dari “Demo Memo,” American Demographics, Mei 1997, hal. 32; dan The
World Almanac and Book of Facts, 2004, hlm. 377.
6. “Kopi Istirahat Setiap Hari,”www.usataoday.com/news/snapshot.htm?section=L&label=
26-10-2006-sel,26 Oktober 2006.
7. Diadaptasi dari David L. Wheeler, “Lebih Banyak Peran Sosial Berarti Lebih Sedikit
Pilek,” Kronik Pendidikan Tinggi XLIII, no. 44 (11 Juli 1997):A13.
8. Andrew S. Levy, MJ Wetzler, M. Lewars, dan W. Laughlin, “Cedera Lutut pada Pemain
Rugby Perguruan Tinggi Wanita,” The American Journal of Sports Medicine 25, no. 3
(1997):360.
9. PD Franklin, RA Lemon, dan HS Barden, “Akurasi Pencitraan Menisci pada
In-Office, Dedicated, Magnetic Resonance Imaging Extremity System,”The American Journal
of Sports Medicine 25, no. 3 (1997):382.
10. Michael Crichton, Kongo (New York: Knopf, 1980).
Bab 5
1. http://www.collegeboard.com/student/testing/sat/scores/understanding/average.html,Hak
Cipta ©collegeboard.com, Inc., 2006.
2. "Siapa yang membaca Harry Potter,"http://usatoday.com/snapshot/life/2001-06-11-potter.htm.
Sumber:Tren Buku Ipsos-NPD, 9 Oktober 2001.
3. “Bagaimana nyeri punggung membatasi
olahraga?”http://www.usatoday.com/news/snapshot.htm?section= L&label=2006-10-27-
cuci.
4. http://hsus.org/pets/issues_affecting_our_pets/pet_overpopulation_and_
kepemilikan_statistik/us_pet_ownership_statistics.html,26 Oktober 2006.
5. http://healthlink.mcw.edu/article/1031002172.html.
6. http://cnn.com/2006/HEALTH/10/26/tainted.spinach.ap/index.html.
SUMBER DATA ❍ 715
7. "Apakah Anda akan dikeluarkan dari pekerjaan

Anda?"http://www.usatoday.com/news/snapshot.htm? section=L&label=2006-10-27-
cuci.
8. Usia Periklanan, 7 Agustus 2006, hal. 4.
9. “Memeriksa saat liburan,”http://www.usatoday.com/news/snapshot.htm?section=L&label= 27-10-
2006-cuci.
10. “Call It in the Air,” The Press-Enterprise (Riverside, CA), 19 Oktober 1992.
11. Mark A. Atkinson, "Diet, Genetika, dan Diabetes," Teknologi Pangan 51, no. 3 (Maret 1997), hal. 77.
12. “Cokelat paling populer,”http://usatoday.com/news/snapshot.htm?section=L&label= 27-10-
2006-cuci.
13. “Mengapa kita membolos,”http://www.usatoday.com/news/snapshot.htm,2 November 2006.
14. "Bagaimana wanita makan dalam pelarian,"http://www.usatoday.com,1 Januari 2004.
15. “Tujuan teratas untuk wisatawan,”http://www.usatoday.com/news/snapshots,2 November 2006.
16. Matthew L. Wald, “Cancers Near a Reactor: A Mystery and a Debate,” New York Times,
21 Mei 1987, hal. A-22.
Bab 6
1. http://en.wikipedia.org/wiki/List_of_U.S._Presidents_by_height_order.
2. Diadaptasi dari AM Goodman dan AR Ennos, “The Response of Field-Grown Sunflower and
Jagung to Mechanical Support,” Annals of Botany 79 (1997):703.
3. John Fetto, “Shop Around the Clock,” American Demographics, September 2003, hal. 18.
4. "Ensiklopedia Medis: Denyut Nadi," Medline Plus: Informasi Kesehatan Tepercaya untuk Anda,http://www
.nlm.nih.gov/medlineplus/ency/article/003399.htm#Normal%20Values,2 April 2004.
5. “Seberapa sering kita membuat film di
rumah,”http://usatoday.com/news/snapshot.htm, 2 November 2006.
6. Laporan Tahunan PepsiCo,http://www.pepsico.com/PEP_Investors/AnnualReports/05/
Pepsi2005Annual.pdf.
7. Sonja Steptoe, “Siap, Bersiap, Santai!” Waktu, 27 Oktober 2003, hal. 38.
8. Philip A. Altman dan DS Dittmer, The Biology Data Book, 2nd ed., Vol I. (Bethesda, MD:
Federation of American Societies for Experimental Biology, 1964), hal. 137.
10. “Seberapa sopan pengguna ponsel?”http://usatoday/com/news/snapshot.htm?section=
L&label=27-10-2006.
11. Situs web Pusat Statistik Pendidikan Nasional,http://nces.ed.gov/
program/digest/d05/tables/dt05_240.asp.
12. Daniel Seligman, “Keeping Up,” Fortune, 27 Juli 1981.
Bab 7
1. “Produk Sampingan Air Klorin, Terkait Kanker Tikus,” The Press-Enterprise (Riverside,
CA), 18 Juni 1997, hlm. A-6.
2. Chris Gilberg, JL Cos, H. Kashima, dan K. Eberle, “Bias Survei: Kapan Masalah
Ras Pewawancara?” Chance, Musim Gugur 1996, hal. 23.
3. Chery Smith dan Stefanie Fila, “Perbandingan Kuesioner Frekuensi Makanan Blok Anak-anak
dengan Recall 24-Jam di Pemuda Penduduk Asli Amerika Perkotaan,” American Journal of
Human Biology, 18:706–709 (2006).
4. “Obat Baru Sedikit Lebih Baik Daripada Aspirin,” The Press-Enterprise (Riverside, CA), 14
November 1996, hal. A-14.
5. "Penjelajahan Luar Angkasa," CNN/USA Today/Gallup
Poll,http://www.pollingreport.com/ science.htm#Space,5 April 2004.
6. “TANYA AMERIKA: Survei Kebijakan Nasional 2003,” Distrik Kongres #44, 23 Juni 2003.
7. Pusat Nasional untuksitus web Statistik Pendidikan,http://www.nces.ed.gov/programs/digest/
d05/tables/dt05_236.asp.
716 ❍ SUMBER DATA
9. Nicola Maffulli, V. Testa, G. Capasso, dan A. Sullo, “Calcific InsertionalTendinopati Achilles,”
Jurnal Kedokteran Olahraga Amerika32, tidak. 1 (Januari/Februari2004):174.
10. "Berat yang ingin kita turunkan (dalam pound),"http://www.usatoday.com/news/snapshot
.htm?section=N&label=2006-11-08-permen.
11. http://www.usatoday.com/news/snapshot.htm?section= N&label=2006-11-08-permen.
12. http://www1.mms.com/us/about/products/milkchocolate/,27 November 2006.
13. Judy Holland, “'Cheeseburger Bill' on the Menu,” The Press-Enterprise (Riverside, CA),
9 Maret 2004, hal. E1.
14. Adam Fernandez, “Nuts About You,” Demografi Amerika 26, no. 1 (Februari 2004):14.
15. PC Karalekas, Jr., CR Ryan, dan FB Taylor, “Pengendalian Timbal, Tembaga, dan
Korosi Pipa Besi di Boston,” American Water Works Journal, Februari 1983.
16. Berita Sains136 (19 Agustus 1989):124.
17. http://www.pollingreport.com/abortion.htm,8 Nopember 2006.
18. Catherine M. Santaniello dan RE Koning, “Apakah Lobak Benar-benar Alelopati Terhadap Selada?”
Guru Biologi Amerika58, tidak. 2 (Februari 1996):102.
19. http://www.gallup.com/poll/indicators/indairlines.asp#RelatedAnalyses.Berita Jajak Pendapat
GallupLayanan, 16 Oktober 2001.
20. J. Hackl, Jurnal Teknologi Kualitas, April 1991.
21. Daniel Seligman, “The Road to Monte Carlo,” Fortune, 15 April 1985.
Bab 8
1. Diadaptasi dari “Kutub Beruang,"
http://en.wikipedia.org/wiki/Polar_Bear#Size_and_weight, 9 November 2006.
3. Polling Dinamika Opini/Berita FOX,http://www.pollingreport.com/
imigrasi.htm,11–12 Juli 2006.
4. Diadaptasi dari “Suite Dreams,” Consumer Reports, Juli 2001, hal. 12–16.
5. "Eksplorasi Luar Angkasa," Jajak Pendapat Associated
Press,http://www.pollingreport.com/ science.htm#Space,5 April 2004.
6. “Bottom Line—Tuning In,” The Press Enterprise, 28 Juli 2006, hlm. E2.
7. Newsweek Poll dilakukan oleh Princeton Survey Research Associates International. 26–27
Oktober 2006,http://www.pollingreport.com/abortion.htm,8 Nopember 2006.
8. Alison Stein Wellner, “Penyembuhan Baru untuk Shoppus Interuptus,” Direktori Alat Pemasaran, 2002.
10. Christopher Reynolds, “Mengayunkan Suara,” Demografi Amerika 26, no. 1,
(Februari 2004):48.
11. William Leonard, Barbara Speziale, dan John Pernick, “Penilaian Kinerja Kurikulum
Biologi Sekolah Menengah Berbasis Standar,” Guru Biologi Amerika 63, no. 5
(2001):310–316.
12. http://pewresearch.org/obdeckID=86,Pusat Penelitian Pew, 9 November 2006.
13. Mark Gillespie, "Penggemar Bisbol Sangat Menginginkan Pengujian Steroid Wajib,"
Layanan Berita Gallup,http://gallup.com/content/print.aspx?ci=11245,14 Februari 2004.
14. David L. Wheeler, “Lebih Banyak Peran Sosial Berarti Lebih Sedikit Pilek,” Kronik Pendidikan Tinggi
XLIII, no. 44 (11 Juli 1997):A13.
15. “Generasi Berikutnya: Sebuah Cuplikan,”www.pewtrusts.org/ideas,9 November 2006 dan
“The American Freshman: Norma Nasional untuk Musim Gugur
2005,”http://www.gseis.ucla.edu/heri/ PDF/ResearchBrief05.pdf,9 November 2006.
SUMBER DATA ❍ 717
16. Reed Abelson, “Survei Wall St. Menemukan Wanita Berkecil Hati,” The New York Times di
Web,http://www.nytimes.com,26 Juli 2001.
17. Shannon Dortch, “American Weighs In,” American Demographics, Juni 1997, hal. 39.
18. Diadaptasi dari AM Goodman dan AR Ennos, “The Responses of Field-Grown Sunflower and
Jagung to Mechanical Support,” Annals of Botany 79 (1997):703.
19. “Apakah Amerika Siap untuk Presiden Wanita,” CBS News/New York Times
Poll,http://www. cbsnews.com/stories/2006/02/03/opinion/polls/main1281319.shtml,5 Februari
2006.
20. G. Wayne Marino, “Faktor Mekanik Terpilih Terkait dengan Percepatan dalam Seluncur Es,”
Penelitian Kuartalan untuk Latihan dan Olahraga54, tidak. 3 (1983).
21. “Upah per jam untuk pekerja sekolah,”http://www.usatoday.com/news/snapshot
.htm?section=N&label=2006-11-10-gas.
22. http://cbsnews.com/stories/2005/11/20/opinion/polls/printaale1060315.shtml, 10
November 2005.
Bab 9
1. Jan Pergl, Irena Perglova, Petr Pysek, dan Hansjörg Dietz, “Struktur Umur Populasi dan
Perilaku Reproduksi Monokarpis Abadi Heraculaneum Mantegazzianum (Apiaceae)
dalam Rentang Distribusi Asli dan Terinvasinya,” American Journal of Botany, 93(7):
1018– 1028, (2006).
2. “America by the Numbers,” Time, 30 Oktober 2006, hlm. 43–55.
4. “Berita Panas: 98,6 Tidak Normal,” The Press-Enterprise (Riverside, CA), 23 September 1992.
5. Nicola Maffulli, V. Testa, G. Capasso, dan A. Sullo, “Calcific InsertionalTendinopati Achilles,”
Jurnal Kedokteran Olahraga Amerika32, tidak. 1 (Januari/Februari2004):174.
6. Diadaptasi dari “Suite Dreams,” Consumer Reports, Juli 2001, hlm. 12–16.
7. Lance Wallace dan Terrence Slonecker, "Konsentrasi Udara Sekitar dari Mangan Halus
(PM 2.5) di Taman Nasional AS dan di Kota California dan Kanada: Kemungkinan
Dampak Menambahkan MMT ke Bensin Tanpa Timbal," Jurnal Asosiasi Pengelolaan Air
dan Limbah 47 ( Juni 1997):642–651.
8. Dianne Hales, “Kita Mengubah Cara Kita Makan,” PARADE, 12 November 2006, hlm. 4–5.
9. “Melihat Dunia Melalui Lensa Berwarna,” Washington Post, 16 Maret 1993, hal. 5.
10. “Amerika Berdasarkan Angka: Bagaimana Kami Memilih . . . ,” Waktu, 30 Oktober 2006, hal. 46.
11. http://hsus.org/pets/issues_affecting_our_pets/pet_overpopulation_and_
kepemilikan_.. .10/26/2006.
12. Diadaptasi dari Pamela Paul, “Coming Soon: More Ads Tailored to Your Tastes,”
American Demographics, Agustus 2001, hlm. 28.
13. Denise Grady, "Studi Menemukan Bahaya Alzheimer dalam Terapi Hormon," The Press-Enterprise
(Riverside, CA), 28 Mei 2003.
14. Wanita Sehat Jantungsitus web,http://www.hearthealthywomen.org/patients/medications/
obat_pengencer darah aspirin_6.html.
15. Jonathan W. Jantz, CD Blosser, dan LA Fruechting, “A Motor Milestone Change Noted with a
Change in Sleep Position,” Archives of Pediatric Adolescent Medicine 151 (Juni 1997):565.
16. “Generasi Berikutnya: Sebuah Cuplikan,”www.pewtrusts.org/ideas,9 November 2006; dan
"The American Freshman: Norma Nasional untuk Musim Gugur
2005,"http://www.gseis.ucla.edu/heri/PDFs/ ResearchBrief05.PDF,9 November 2006.
17. Loren Hill, Bassmaster, September/Oktober 1980.
18. Joe Sylvester, "Jaksa Wilayah: Jangan Menilai Kami dari Statistik," Item Harian
(Sunbury, PA), 17 Agustus 1997, hal. A-1.
19. Charles Dickey, “A Strategy for Big Bucks,” Field and Stream, Oktober 1990.
718 ❍ SUMBER DATA
21. Jeeseung Choi, Janet Meininger, dan Robert E. Roberts, “Perbedaan Etnis dalam Tekanan
Mental Remaja, Stres Sosial, dan Sumber Daya,” Adolescence, Vol. 41, tidak. 162, Musim
Panas 2006, hlm. 263–278.
22. http://www.infoplease.com/ipa/A0883611.html.
23. Lev Grossman, “Mengapa Konspirasi 9/11 Tidak Akan Berlalu,” Time, 11 September 2006, hal. 46.
24. Cadonna Peyton, “Pupils Build English Skills,” The Press-Enterprise (Riverside, CA),
19 Maret 2004, hlm. B-1.
25. Kurt Grote, TL Lincoln, dan JG Gamble, “Cedera Adduktor Pinggul pada Perenang Kompetitif,”
Jurnal Kedokteran Olahraga Amerika32, tidak. 1 (Januari/Februari 2004):104.
26. “Upah per jam untuk pekerja sekolah,”http://www.usatoday.com/news/snapshot
.htm?section=N&label=2006-11-10-gas.
27. Joel B. Greenhouse dan Samuel W. Greenhouse, “Sebuah Aspirin Sehari . . . ?”
Peluang: Arah Baru untuk Statistik dan Komputasi 1, no. 4 (1988):24–31.
Bab 10
1. “Pricing of Tuna,” Consumer Reports, Juni 2001.
2. WB Jeffries, HK Voris, dan CM Yang, “Diversity ad Distribution of the Pedunculate
Barnacles Octolasmis Grey, 1825 Epizoic on the Scyllarid Lobster Thenus orientalis (Lund,
1793),” Crustaceana 46, no. 3 (1984).
3. Pemain ESPN NFLIndeks.http://sports.espn.go.com/nfl/players,2 Januari 2007.
4. Wendy K. Baell dan EH Wertheim, “Predictors of Outcome in the Treatment of Bulimia
Nervosa,” British Journal of Clinical Psychology 31 (1992):330–332.
5. "Data Jantung LA." Diadaptasi dari data yang ditemukan dihttp://www-
unix.oit.umass.edu/~statdata/ statdata/data/laheart.dat.
6. Jan D. Lindhe, “Penilaian Klinis Agen Antiplak,” Ringkasan Pendidikan Berkelanjutan
dalam Kedokteran Gigi, Tambahan 5 (1984).
7. Susan J. Beckham, WA Grana, P. Buckley, JE Breasile, dan PL Claypool, “Perbandingan
Tekanan Kompartemen Anterior pada Pelari Kompetitif dan Pengendara Sepeda,” American
Journal of Sports Medicine 21, no. 1 (1992):36.
8. Michael A. Brehm, JS Buguliskis, DK Hawkins, ES Lee, D. Sabapathi, dan RA Smith,
“Menentukan Perbedaan Khasiat Dua Disinfektan Menggunakan uji-t,” Guru Biologi
Amerika 58, no. 2 (Februari 1996):111.
10. “Asuransi Mobil 2006–2007,” Departemen Asuransi California,http://interaktif.
web.insurance.ca.gov/survey/survey?type=autoSurvey&event=autoSearch,28 November 2006.
11. Collegeboard SAT: 2006 College Bound Seniors, Total Laporan Profil Grup,http://www.
collegeboard.com/prod_downloads/about/news_info/cbsenior/yr2006/national-report.pdf.
12. Carlos E. Macellari, "Revisi Serpulid dari Genus Rotularia (Annelida) di Pulau Seymour
(Semenanjung Antartika) dan Nilainya dalam Stratigrafi," Jurnal Paleontologi 58, no. 4
(1984).
13. TM Casey, ML May, dan KR Morgan, "Energetika Penerbangan Lebah Euglossine dalam
Hubungannya dengan Morfologi dan Frekuensi Stroke Sayap," Jurnal Biologi Eksperimental
116 (1985).
14. Karl J. Niklas dan TG Owens, “Modifikasi Fisiologis dan Morfologis Plantago Major
(Plantaginaceae) dalam Menanggapi Kondisi Cahaya,” American Journal of Botany 76, no. 3
(1989):370–382.
15. Laporan konsumensitus web,http://www.consumerreports.org/cro/cars/past-road-test/
index.htm.
16. “KFC: Terlalu Menjilat Jari?” Good Housekeeping Tes Produk Konsumen Saavy,
http://magazines.ivillege.com/goodhousekeeping/print/0,446041,00.html,11 Maret 2004.
17. John Fetto, “Berbelanja Sepanjang Jam,” Demografi Amerika 25, no. 7 (September 2003):18.
SUMBER DATA ❍ 719
18. Diadaptasi dari Donald L. Barlett dan James B. Steele, “Mengapa Kita Membayar Begitu Banyak untuk
Narkoba,”
Waktu,2 Februari 2004, hal. 44.
19. Charles S. Catlin, “Pekan Kerja Empat Hari Meningkatkan Lingkungan,” Kesehatan Lingkungan,
Maret 1997, hal. 12.
Bab 11
1. “Pricing of Tuna,” Consumer Reports, Juni 2001.
2. “Asuransi Mobil 2006–2007,” Departemen Asuransi California,http://interaktif.web
.insurance.ca.gov/survey/survey?type=autoSurvey&event=autoSearch,28 November 2006.
3. “Makanan WinCo: Bandingkan dan Hemat,” 12880 Day St., Moreno Valley, CA, dikirim
melalui pengiriman massal 4–6 Oktober 2006.
4. HF Barsam dan ZM Simutis, “Grafis Berbasis Komputer untuk Pelatihan Visualisasi Medan,”
Faktor Manusia, no. 26, 1984. Hak Cipta 1984 oleh Human Factors Society, Inc. Direproduksi
dengan izin.
5. “How Fares Differ by Airport and Airline,” Consumer Reports, Juli 1997, hal. 24.
6. Perusahaan Pers(Riverside, CA), 11 Februari 1993.
7. Russell R. Pate, Chia-Yih Wang, Marsha Dowda, Stephen W. Farrell, dan Jennifer R. O'Neill,
“Tingkat Kebugaran Kardiorespirasi Di Antara Pemuda AS Usia 12 hingga 19 Tahun,” Arsip
Kedokteran Remaja Anak, Vol. 160, Oktober 2006, hlm. 1005–1011.
8. “Rata-rata Gaji Pria dan Wanita Fakultas Menurut Kategori, Afiliasi, dan Peringkat
Akademik, 2005–2006, Akademik, Maret–April 2006, Vol. 92, tidak. 2, hal. 38. Hak Cipta
© Asosiasi Profesor Universitas Amerika.
10. Harry R. Weber, “Apakah Perbaikan Sudah Masuk?” ItuTekan-Perusahaan(Riverside, CA), 19 Februari 2004,
hal. G-1.
11. Robert McGarvey, “A Fine Mess,” Avenues, Juli/Agustus 1994, hlm. 19–25.
Bab 12
1. Stellan Ohlsson, “Kurva Pembelajaran untuk Menulis Buku: Bukti dari Profesor Asimov,”
Ilmu Psikologi3, tidak. 6 (1992):380–382.
2. Daniel C. Harris, Analisis Kimia Kuantitatif, edisi ke-3. (Jakarta: Freeman, 1991).
3. “2001 Academic Performance Index (API) Report,” The Press-Enterprise (Riverside, CA),
16 Oktober 2001, hal. A8.
4. Diadaptasi dari J. Zhou dan S. Smith, “Pengukuran Konsentrasi Ozon di Udara Sekitar
Menggunakan Monitor Pasif Jenis Lencana,” Jurnal Asosiasi Pengelolaan Air & Limbah 47
(Juni 1997):697.
5. “Tarif Pulang Pergi pada Rute Paling Populer di Amerika,” Consumer Reports, Juli 1997, hal. 25.
6. Lawrence E. Levine dan Victorina Wasmuth, “Laptop, Teknologi, dan Aljabar 1: Studi
Kasus Eksperimen,” Guru Matematika 97, no. 2 (Februari 2004):136.
8. “#12, Tom Brady,”http://sports.espn.go.com/nfl/players/profil?statsId=5228,3 Januari 2007.
9. WB Jeffries, HK Voris, dan CM Yang, “Diversity and Distribution of the Pedunculat
Barnacles Octolasmis Grey, 1825 Epizoic on the Scyllarid Lobster, Thenus orientalis (Lund,
1793),” Crustaceana 46, no. 3 (1984).
10. Gregory K. Torrey, SF Vasa, JW Maag, dan JJ Kramer, "Intervensi Ketrampilan Sosial di
Seluruh Pengaturan Sekolah: Peninjauan Kajian Siswa Penyandang Disabilitas Ringan,"
Psikologi di Sekolah 29 (Juli 1992):248.
11. G. Wayne Marino, “Faktor Mekanik Terpilih Terkait dengan Percepatan dalam Seluncur Es,”
Penelitian Kuartalan untuk Latihan dan Olahraga54, tidak. 3 (1983).
12. AJ Ellis, “Sistem Panas Bumi,” Ilmuwan Amerika, September/Oktober 1975.
720 ❍ SUMBER DATA
14. http://sports.espn.go.com/mlb/teams,12 Desember 2006.
15. David R. McAllister et al., “Perbandingan Teknik Pencitraan Praoperasi untuk Memprediksi
Panjang Cangkok Tendon Patela sebelum Rekonstruksi Ligamen Cruciate,” The American
Journal of Sports Medicine, 20(4):461–465.
16. Henry Gleitman, Psikologi Dasar, edisi ke-4. (Jakarta: Norton, 1996).
17. http://www.ew.com/ew/chart/movie/0,6115,_1 ,00.html,22 Agustus 2006.
18. Mark Rechtin, "Bos Menempatkan 'Buzz' di Daftar Tugas Pemimpin Mewah AS," Berita Otomotif,
26 Januari 2004, hal. 4, dan 22 Mei 2006.
19. “Rincian Minuman dan Makanan
Starbucks,”http://www.starbucks.com/retail/nutrition_info.asp, 4 Mei 2004.
20. “Rating: Walking Shoes,” Consumer Reports, Oktober 2006, hal. 52.
21. Berita Otomotif: Buku Data Pasar 1997,28 Mei 1997, 2001 Buku Data Pasar (online),
www.automotivenews.com/datacenter.cms,20 September 2001; Data Pasar 2003Buku,
26 Mei 2003, Buku Data Pasar 2005, 23 Mei 2005, dan Buku Data Pasar 2006, 22 Mei 2006.
Bab 13
1. WS Bagus, “Produktivitas dalam Perdagangan Eceran Kelontong,” Jurnal Ritel 60, no. 3 (1984).
2. “Burgers from the Garden,” Consumer Reports, Juli 1997, hal. 36.
3. Diadaptasi dari J. Zhou dan S. Smith, “Pengukuran Konsentrasi Ozon di Udara Sekitar
Menggunakan Monitor Pasif Jenis Lencana,” Jurnal Asosiasi Pengelolaan Air & Limbah
(Juni 1997):697.
4. Diadaptasi darihttp://blog.qumana.com/blog/_archives/2006/7/12/2108371.html,7 Nopember
2006.
5. “2001 Academic Performance Index (API) report,” The Press-Enterprise (Riverside, CA),
16 Oktober 2001, hal. A8.
6. R. Blair dan R. Miser, “Biotin Bioavailabilitas dari Suplemen Protein dan Biji-bijian Sereal
untuk Menumbuhkan Ayam Broiler,” International Journal of Vitamin and Nutrition Research
59 (1989):55–58.
7. “Tarif Pulang Pergi pada Rute Paling Populer di Amerika,” Consumer Reports, Juli 1997, hal. 25.
8. “Ban: Performer Musiman,” Consumer Reports, November 2006, hlm. 52–54
9. “Tuna Goes Upscale,” Consumer Reports, Juni 2001, hal. 19.
10. Berita Otomotif: Buku Data Pasar 1997,28 Mei 1997, hal. 50; Buku Data Pasar 2001
(online),www.automews.com/datacenter.cms,20 September 2001; dan Buku Data Pasar
2003, 26 Mei 2003, hal. 40, Buku Data Pasar 2006, 22 Mei 2006, hal. 25.
Bab 14
1. Daniel Q. Haney, “Mondays May Be Hazardous,” The Press-Enterprise (Riverside, CA),
17 November 1992, hal. A16.
2. “Warna Apa yang Ada di Tas Anda?”http://us.mms.com/us/about/products/milkchocolate/, 4
Januari 2007.
3. “Warna Apa yang Ada di Tas Anda?”http://us.mms.com/us/about/products/peanut/, 4
Januari 2007.
4. http://www.pollingreport.com/health3.htm,Polling ABC News/Washington Post, 6–9 April 2006.
5. Diadaptasi dari Linda Schmittroth, ed., Statistical Record of Women Worldwide (Detroit
dan London: Gale Research, 1991).
6. “Menunggu resep (waktu rata-rata dalam menit),” Diadaptasi darihttp://www.USATODAY
.com/snapshot/life/2001-06-10-drugwait.htm, 26 September 2001.
7. Diadaptasi dari Dana Blanton, “Poll: Paling Percaya 'Menutupi' Fakta Pembunuhan JFK,”
http://www.foxnews.com/story/0,2933,102511,00.html, 10 Februari 2004.
SUMBER DATA ❍ 721
8. “Tidak Ada Pertunjukan,” Demografi Amerika, 25, no. 9 (Nopember 2003):11.

9. Diadaptasi dari Tamar Lewin, “Laporan Menatap Generasi, dan Peduli Muda dan Tua,”
The New York Times di Web,11 Juli 2001.
10. Siobhan Reilly, Michele Abendstern, Jane Hughes, David Challis, Dan Venables, dan Irene
Pedersen, “Quality in Long-Term Care Home for People with Dementia: An Assessment of
Specialist Provision,” Aging and Society, 26(2006):649– 668.
11. WW Menard, “Waktu, Peluang, dan Asal Mangan Nodul Mangan,” Ilmuwan Amerika,
September/Oktober 1976.
12. Elizabeth A. Crowley, “Kegiatan ke Gereja Meningkat Seiring
Usia,”http://www.usatoday.com/news/ snapshot.htm,30 Januari 2004.
13. Thomas Lord dan Terri Orkwiszewski, “Pindah dari Didaktik ke Instruksi Berbasis Inkuiri di
Laboratorium Sains,” American Journal of Primatolgy, 68 (Oktober 2006).
14. Jonathan W. Jantz, CD Blosser, dan LA Fruechting, “A Motor Milestone Change Noted
with a Change in Sleep Position,” Archives of Pediatric Adolescent Medicine 151 (Juni
1997):565.
15. Diadaptasi dari “Salmonella May Taint Many Holiday Turkeys,” The Press-Enterprise
(Riverside, CA) 20 November 2001, hal. A3.
16. William A. McGeveran, Jr., Ed., “Homeschooled Students,” The World Almanac and Book
of Facts 2007 (New York: WRC Media, Inc.), 2007, hlm. 406 danhttp://www.census.gov/
prod/2004pubs/p20-550.pdf.
17. Dan Smith, "Pengendara Sedikit Menghormati Keterampilan Orang Lain," Perusahaan Pers
(Riverside, CA), 15 Maret 1991.
18. William A. McGeveran, Jr., Ed., “Warna Paling Populer, berdasarkan Jenis Kendaraan, Model 2005
Tahun,” The World Almanac and Book of Facts 2007 (New York: WRC Media, Inc.), 2007, hal. 83.
19. “Setiap Ayah Memiliki Harinya,” Time, 16 Juni 1997, hlm. 16.
20. Doreen Matsui, R. Lim, T. Tschen, dan MJ Rieder, “Penilaian Kelezatan
Antibiotik Tahan-Laktamase pada Anak-Anak,” Arsip Pengobatan Remaja Anak 151 (Juni
1997):599.
21. Andrew S. Levy, MJ Wetzler, M. Lewars, dan W. Laughlin, “Cedera Lutut pada Pemain
Rugby Perguruan Tinggi Wanita,” The American Journal of Sports Medicine 25, no. 3
(1997):360.
22. Diadaptasi dari David L. Wheeler, “Lebih Banyak Peran Sosial Berarti Lebih Sedikit
Pilek,” Kronik Pendidikan Tinggi XLIII, no. 44 (11 Juli 1997):A13.
23. Carole Day dan Del Lowenthal, “The Use of Open Group Discussions in Marketing Library
Services to Young Adults,” British Journal of Educational Psychology 62 (1992):324–340.
Bab 15
1. TM Casey, ML May, dan KR Morgan, "Energetika Penerbangan Lebah Euglossine dalam
Hubungannya dengan Morfologi dan Frekuensi Stroke Sayap," Jurnal Biologi Eksperimental
116 (1985).
2. “Pengujian Alzheimer untuk Obat Memori Baru,” The Press-Enterprise (Riverside,
CA), 18 November 1997, hal. A-4.
3. Berita Sains136 (Agustus 1989):126.
4. D. Matsui et al., “Penilaian Palatabilitas Antibiotik Tahan-Laktamase pada Anak-
Anak,” Arsip Kedokteran Remaja Anak 151 (1997):559–601.
5. Scott K. Powers dan MB Walker, “Karakteristik Fisiologis dan AnatomiPemain Tenis Junior
Wanita Berprestasi,” Research Quarterly for Exercise and Sport 53, no. 2 (1983).
6. Berita Sains,1989, hal. 116.
7. G. Merrington, L. Winder, dan I. Green, “Penyerapan Cadmium dan Seng oleh Birdcherry Oat
Aphid Rhopalosiphum Padi (Homoptera:Aphididae) Memberi Makan pada Gandum yang
Ditumbuhkan di Tanah Pertanian Limbah Lumpur yang Diubah,” Pencemaran Lingkungan 96,
no. 1 (1997):111–114.
8. Karola Sakekel, "Kisaran Pengganti Telur dalam Kualitas," San Francisco Chronicle, 10
Februari 1993, hal. 8.
Jawaban untuk Latihan
yang Dipilih
Bab 1 1.33b.Batang Daun Umur N = 37 Satuan
Daun = 1,0
1.1sebuah.siswa b. ujian c. pasien 2 4 69
d.tanaman e. mobil 3 5 3
7 5 6678
1.3sebuah.diskrit b. c.terus menerus kontinu 13 6 003344
d.diskrit (6) 6 567778
1,5 sebuah.kendaraan b. jenis (kualitatif); 18 7 0111234
11 7 7889
membuat (kualitatif); carpool (kualitatif); 7 8 013
jarak (kontinu kuantitatif); usia (kontinu 4 8 58
kuantitatif) c. multivariasi 2 9 00
1.7Populasi adalah kumpulan preferensi pemilih relatif simetris c.Kennedy, Garfield,
untuk semua pemilih di negara bagian. dan Lincoln dibunuh.
Preferensi pemilih dapat berubah seiring waktu. 1.35b.0,05
1.9 sebuah.skor pada tes membaca; kuantitatif 1.37sebuah.jumlah tempat pembuangan limbah berbahaya
b.siswa c. kumpulan skor untuk semua (diskrit) b.miring ke kanan c.ukuran
siswa tunarungu yang secara hipotetis negara; jumlah kegiatan industri
mungkin mengikuti tes 1.39sebuah.miring b.simetris c.simetris
1.11 sebuah.sepasang jeans b. negara bagian di d.simetris e.miring f.miring
mana jeans diproduksi; kualitatif e. 8/25 1.41sebuah.kontinu b.kontinu c.diskrit
f.Californiag. Ketiga negara bagian tersebut d.diskrit e.diskrit
menghasilkan jeans dengan jumlah yang
kira-kira sama. 1.437 8 9
1.13 sebuah.Tidak; tambahkan kategori yang
8 0 17
disebut "Lainnya" 9 0 1244566688
1.15sebuah.Tidak b.tidak terlalu 10 1 79
c.diagram batang 11 2
1.17Jawaban akan bervariasi. 1.45c.miring ke kanan
1.19sebuah.delapan sampai sepuluh interval kelas 1.49sebuah.Tidak b.berbentuk gundukan kasar
c.43/50 d.33/50 e.Ya 1.51sebuah.miring ke kanan c.Ya; negara bagian besar
1.21b..30 c..70 d..30 1,53 sebuah.Suara rakyat miring ke kanan; persen
e.relatif simetris; Tidak suara relatif simetris. b.Ya c.Setelah
1.25b.berpusat di 75; dua puncak (bimodal) ukuran negara bagian dihilangkan, setiap
c.Skor dibagi menjadi dua kelompok sesuai negara bagian akan diukur dengan dasar yang
dengan kemampuan siswa. sama.
1.27sebuah.diagram lingkaran, diagram batang 1.55d.Jawaban akan bervariasi.
1.29c.diagram Pareto 1.57sebuah.Tidak
1.31sebuah.miring ke kanan; beberapa outlier
JAWABAN LATIHAN TERPILIH ❍ 723
1.59b.distribusi bimodal, outlier; situs

2.23 sebuah.s ≈ .20 b. ¯x= 0,76; s = 0,165
pembakaran yang berbeda c.Ya
2.25sebuah.sekitar 0,68 b.sekitar 0,95
1.63sebuah.Tampilan Batang-dan-Daun:
Persen c.sekitar 0,003
Batang-dan-daun Persen N=51 2.27 sebuah.≈ 4.5 b. ≈ 2.25 c.¯x= 4.586;
Satuan Daun=1.0 s= 2,892
1 0 8
3 1 00
2.29sebuah.miring ke kanan b.0 hingga 104 hari
3
5
1
1 44 2.31 b. ¯x= 7.729 c.s = 1.985
10 1 66777 Empiris
20 1 8888889999 kx ¯±ks Sebenarnya Tchebysheff Aturan
(11) 2 00000000011
1 (5.744, 9.714) .71 Setidaknya 0 Kira-kira .68
20 2 233333 2 (3.759, 11.699) .96 Setidaknya 3/4 Kira-kira .95
14 2 444555 3 (1.774, 13.684) 1.00 Setidaknya 8/9 Kira-kira .997
8 2 67
6 2 89 2.33 sebuah.42 b.s≈ 10.5 c.s= 13.10
4 3 01 d.1,00; 1,00; Ya
2 3 22
2.35sebuah.s≈ 0,444 b.s= 0,436
b.berbentuk gundukan kasar
c.tiga agak rendah—Alaska, Georgia,dan 2.37 a–b.¯x= 1.4; s 2 = 1,4
Jersey baru 2.39 sebuah.x¯ = 2,04; s = 2,806
1.65Gunakan diagram lingkaran atau diagram b–c.
batang. Empiris
1.67sebuah.kurang lebih berbentuk gundukan kx ¯±ks Aturan Tchebysheff yang sebenarnya
b.bar berpusat di 100,8 1 (—.766, 4.846) .84 Setidaknya 0 Kira-kira .68
c.sedikit di atas tengah 2 (—3.572, 7.652) .92 Setidaknya 3/4 Kira-kira .95
3 (—6.378, 10.458) 1.00 Pada minimal 8/9 Kira-kira .997
1.69sebuah.agak berbentuk gundukan b..2
1.73a–b.miring ke kiri c.8 dan 11 2.41
Pengukuran Pengukuran
Bab 2 Kumpula Posisi Di atas Posisi Di atas
n Data Q1 danDi Q1 Q3 danDi Q3
2.1 b. ¯x= 2; m = 1; modus = 1 c.miring yang bawah bawah
Diurutka
2.3sebuah.5.8 b.5.5 c.5 dan 6 n
2.5 sebuah.agak miring ke kanan c.¯x= 1,08; 1, 1,5, 2, 1.5 1 dan 1.5 1.25 4.5 2 dan 2.1
m= 1; modus = 1 2, 2.2 2.2
2.72,5 adalah angka rata-rata yang dihitung 0, 1.7, 1.8, 3 Tidak ada 1.8 9 Tidak ada 8.9
(atau diperkirakan) untuk semua 3.1, 3.2,
keluarga dalam kategori tertentu. 7, 8, 8.8,
8.9, 9,
2.9Median, karena distribusinya sangat miring ke 10
kanan. .23, .30, 2.25 .30 dan .3125 6.75 .58 dan .7150
2.11 sebuah.¯x= 4,72; m= 3,50; modus = 1 .35, .41, .35 .76
.56, .58,
b. miring ke kanan c.Ya
.76, .80
2.13sebuah.2.4 b.2.8 c.1.673
2.43min = 0, Q1 = 6, m = 10, Q3 = 14,
2.15sebuah.3 b.2.125 c.s2 = 1,2679;
maks = 19; IQR = 8
s= 1,126
2.45pagar bawah dan atas: —2.25 dan 15.25;
2.17sebuah.1.11 b.s2 = 0,19007, s = 0,436
x= 22 adalah outlier
c. R ≈ 2,5 dtk
2.47sebuah.min = 1,70, Q1 = 130,5, m = 246,5,
2.19sebuah.s≈ 1,67 b.s= 1,75 c.Tidak
Q3 = 317,5, maks = 485
d. Ya e.Tidak
b.pagar bawah dan atas: —150 dan 598 c–d.
2.21sebuah.sekitar 0,68 b.sekitar.95 Tidak, tetapi ada empat observasi yang
c.sekitar 0,815 d.sekitar.16 sangat kecil, tidak teridentifikasi oleh plot
kotak sebagai outlier.
724 ❍ JAWABAN LATIHAN TERPILIH
2.49sebuah. Variabel Minimum Q1 Median Q3 2.77 sebuah.Setidaknya 3/4 memiliki antara 145
Maksimum
dan 205 guru.b..16
Favre 5.00 19.25 22.00 24.75 31.00
Manning 14.00 20.25 23.50 26.75 32.00
b. Favorit:pagar bawah dan atas: 11 dan33; satu

outlier (x = 5); relatif simetris, kecuali outlier.
Manning: pagar atas dan bawah:
10.5 dan 36.5; tidak ada outlier, relatif simetris.
2.51 sebuah.miring ke kiri b. ¯x= 108.15; m =
123,5; mean < median menyiratkan miring ke
kiri
c. pagar bawah dan atas: —43.125 dan
259.875; miring ke kiri, tidak ada
outlier.
2.53Suhu betina memiliki pusat (median) yang lebih
tinggi dan lebih bervariasi; tiga outlier dalam
kelompok perempuan.
2.55sebuah.Umum: m= 26, Q1 = 25,Q3 =
27,25, IQR = 2,25; Sunmaid: m = 26, Q1
= 24,
Q3 = 28, IQR = 4 b. Umum:pagar bawah
dan atas: 21.625 dan 30.625; Sunmaid: pagar
bawah dan atas: 18 dan 34 c.Ya
d. Ukuran rata-rata hampir sama;ukuran
kismis individu lebih bervariasi untuk
kismis Sunmaid.
2.57sebuah.R = 32,1 b.s≈ 8.025 c.s= 7,671
2.59m= 6,35, Q1 = 2,325, Q3 = 12,825; lebih
rendah dan
pagar atas: —13.425 dan 28.575; satu outlier
(x = 32,3).
2.61a, b.
k x¯±ks Tchebysheff Aturan Empiris
1 (.16, .18) Setidaknya 0 Kira-kira .68
2 (.15, .19) Setidaknya 3/4 Kira-kira .95
3 (.14, .20) Setidaknya 8/9 Kira-kira .997
c.Tidak, distribusi n = 4 pengukuran tidak dapat
berbentuk gundukan.
2.6368%; 95%
2.65sebuah.27; 20.2; 6.8 b.agak miring ke kiri
c. 23,96; 1.641 d.x terbesar = 27, skor-z
= 1,85; x terkecil = 20,2, z-score = —2,29;
Tidak
e.24.3 f.22.95 dan 24.85
2.67 sebuah.s ≈ 7.75 b. ¯x= 59.2; s = 10,369
c.m= 60, Q1 = 51,25, Q3 = 69,75; lebih
rendah dan
pagar atas: 23,5 dan 97,5; tidak ada outlier.
2.69s≈ 100
2.71sebuah.16% b.81,5%
2.73sebuah..9735 b..16
2.75sebuah..025 b..84
2.81sebuah.8.36 b.4 tidak.
c.miring ke kanan 3.23 sebuah.usia prajurit (kuantitatif), status
d.pagar bawah dan atas: — prajurit—tentara atau perwira (kualitatif),
24.375 dan 42.625; Tidak; Ya cabang
2.83b.Ya c.lebih dari 2 atau 3
standar deviasi dari rata-rata
2.85sebuah.2.5, 3.75, 4.2, 4.75, 5.7 b.lebih rendah
dan
pagar atas: 2.25 dan 6.25 c.Tidak
d. berbentuk gundukan; Ya
2.87b.rata-rata sampel semakin kecil
d.5 ≤ m ≤ 10
2.89c.Standar deviasi saat membagi dengan
n- 1 lebih dekat kes.
2,91 b–c.miring ke kiri dengan satu outlier di
sebelah kanan pengamatan lainnya (x =
520)
bagian 3
3.3 sebuah.diagram lingkaran komparatif;
bagan batang berdampingan atau
bertumpuk c.Proporsi yang
dibelanjakan di keempat kategori secara
substansial berbeda untuk pria dan wanita.
3,5 sebuah.Populasi:tanggapan terhadap
pertanyaan waktu luang untuk semua orang
tua dan anak-anak di Amerika Serikat.
Contoh: tanggapan untuk 398 orang dalam
survei. b.data bivariat, mengukur
hubungan (kualitatif) dan respon (kualitatif)
c.jumlah orang yang
termasuk dalam kategori opini-hubungan
itu
e. bagan batang bertumpuk atau berdampingan
3.9
x y xy Menghitu Kovarian
ng:
1 6 6 n=3
(Sx)(Si)
Sxy — —— n
—2 seksi=—— =
3 2 6 sx=1 n—1
2 4 8 sy=2 Koefisien
sx Korelasi
r = —y =—1
Sx=6 Sy=12 Sxy=20 —
sxsy
3.11b.Saat x bertambah, y bertambah. c..903

d.y= 3,58 + 0,815x; Ya
3.13b.Saat x bertambah, y berkurang. c.—.987
3.15sebuah.y= 56,11 + 23,83x c.$199,06; Tidak
3.17b.tren positif tipis c.r= 0,760
3.19 sebuah.harga = variabel dependen; ukuran =
variabel bebas b.Ya
3.21b.Produktivitas profesor tampaknya
meningkat,dengan lebih sedikit waktu yang
dibutuhkan untuk menulis buku-buku selanjutnya;
layanan (kualitatif) b.populasi respons untuk 4.1780

semua tentara di Angkatan Darat AS dan Korps
Marinir AS; populasi pada waktu tertentu
c.bagan batang
berdampingan; diagram batang bertumpuk
3.27 sebuah..882 (.886 menggunakan cetakan
Minitab)
b. x= minggu rilis, y = bruto hingga saat ini
c..148; —.642
3.29 sebuah.Tidak b.r= —.039; Ya
c.Cluster besar di pojok kiri bawah
tidak menunjukkan hubungan yang jelas; 7
sampai 10 negara membentuk cluster dengan
tren linier negatif d.peraturan lingkungan
setempat; populasi per mil persegi; wilayah
geografis
3.31 sebuah.aluminium oksida (kuantitatif), situs
(kualitatif) b.kadar aluminium oksida
yang lebih tinggi di Ashley Rails dan Island
Thorns
3.33 sebuah.tahun (kuantitatif), jumlah jaringan
rumah (kuantitatif), jenis jaringan (kualitatif)
c.Jaringan nirkabel akan
meningkat dan jaringan kabel akan
berkurang.
3.35 sebuah.hubungan linear positif yang kuat
b..946 c.b≈ 1 d.y= 12,221 + ,815x
3.37b.hubungan linear positif yang kuat
3.39b.hubungan linier negatif lemah
c. Ya; Juniau, AK
d. hubungan negatif yang lebih kuat
3.43sebuah..635
3.45sebuah.0,5 b.meningkatkanc.2.0; perpotongan y
d.3,25; 4
Bab 4
4.1sebuah.{1, 2, 3, 4, 5, 6} c.1/6
e.P(A) = 1/6; P(B) = 1/2; P(C) = 2/3;
P(D) = 1/6; P(E) = 1/2; P(F) = 0
4.3P(E1) = 0,45; P(E2) = 0,15; P(Ei) = 0,05 untuk
saya= 3, 4, . . . , 10
4.5sebuah.{NDQ, NDH, NQH, DQH} b.3/4
c.3/4
4.9sebuah..58 b..14 c..46
4.11 sebuah.secara acak memilih tiga orang
dan mencatat jenis kelamin mereka b.
{FFF, FMM, MFM, MMF, MFF, FMF,
FFM, MMM}
c.1/8 d.3/8 e.1/8
4.13sebuah.peringkat A, B, C
b.{ABC, ACB, BAC, BCA, CAB, CBA}
d.1/3, 1/3
4.15sebuah..467 b..513 c..533
4.75sebuah..6585 b..3415 c.kiri
4.19 sebuah.60 b.3.628.800
c.720 d.20
4.21 6720
4.23 216
4.25 120
4.27 720
4.29 sebuah.140.608 b.132.600
c..00037
d..943
4.31 sebuah.2.598.960 b.4
c..000001539
4.33 5.720645×(1012)
4.35 sebuah.49 b.1/49 c.2/7
4.37 1/56
4!(3!)4
4.39——
12!
4.41
Kondisi untuk
P(S P(B) AcaraSEBUAHda P(SEBU P(SEBU P(SE
EB nB AH∩B) AHASB) BUAH
UA |B)
H)
.3 .4 Saling eksklusif 0 .7 0
.3 .4 Mandiri .12 .58 .3
.1 .5 Mandiri .05 .55 .1
4.43sebuah.3/5 b.4/5
4.45sebuah.1 b.1/5 c.1/5
4.47sebuah.1 b.1 c.1/3 d.0 e.1/3
f.0 g.0 h.1 saya.5/6
4.49sebuah..08 b..52
4.51sebuah..3 b.Tidak c.Ya
4.53sebuah.tidak, karena P(A
∩ B) G 0
b.tidak, karena P(A) GP(A|B)
4.55sebuah..14 b..56 c..30
4.59sebuah.P(A) = 0,9918; P(B) =
0,0082
b.P(A) = 0,9836; P(B) = 0,0164
4.61.05
4.63sebuah..99 b..01
4.65sebuah.154/256 b.155/256 c.88/256
d.88/154 e.44/67 f.23/35
g.12/101 h.189/256
4.67sebuah..64 b..4982 c..011236
4.69sebuah..23 b..6087; .3913
4.71.38
4.73.012
4.77.3130
4.137sebuah.p(2) = p(12) = 1/36, p(3) = p(11) = 2/36,
4.79sebuah.P(D) = 0,10; P(DC) = 0,90; P(N | DC) p(4) = p(10) = 3/36, p(5) = p(9) = 4/36,
= 0,94; p(6) = p(8) = 5/36, p(7) = 6/36
P(N | D) = 0,20 b..023 c..023
4.139sebuah.p(0) = 0,5, p(1) = 0,5
d..056 e..20 f.negatif palsu
4.81sebuah.kontinu b.kontinu
c.diskrit d.diskrit e.kontinu Bab 5
4.83sebuah..2c.m= 1,9;s = 1,29;s= 1,136
2
5.1
d..3 e..9 k 0 1 2 3 4 5 6 7 8
4.851.5 P(x≤k) .000 .001 .011 .058 .194 .448 .745 .942 1.000
4.87sebuah.{S, FS, FFS, FFFS} Daftar Nilai Masalah TulisTulis ulang
b.p(1) = p(2) = p(3) = p(4) = 1/4 darix TemukanKemungkinanKemungkina
4.89sebuah.p(0) = 3/10; p(1) = 6/10; p(2) = 1/10 nKemungkinan
3 atau 0, 1, 2,
4.91sebuah..1; 0,09; 0,081 b.p(x) = (.9)x kurang 3
3, 4, 5, 6, 7, P(x≤3)bukan
8 diperlukan.058
1—P(x≤2) .989
3 atau P(x≥3)
—1(.1)
lebih 4, 5, 6, P(x>3) 1—P(x≤3) .942
4.93sebuah.4.0656 b.4.125 c.3.3186 Lebih dari 7, 8
3 0, 1, P(x<3) P(x≤2) .01
4.95$1500
Lebih 2 1
4.97sebuah..28 b..18 c.m= 1,32;s= 1,199 sedikitdari 3, 4, P(3≤x≤5) P(x≤5)— .43
d..94 3 5 P(x≤2) 7
Antara 3
4.99$20.500 dan 5 3 P(x=3) P(x≤3)— .04
4.1010,0713 (inklusif) P(x≤2) 7
Tepat 3
4.103P(A) = 1/2; P(B) = 2/3; P(A ∩ B) = 1/3;
P(AUB) = 5/6; P(C) = 1/6; P(A ∩ C) = 0; 5.3bukan binomial; uji coba tergantung; p bervariasi
P(AUC) = 2/3
dari percobaan ke percobaan.
4.1052/7
5.5sebuah..2965 b..8145 c..1172
4.107p(0) = 0,0256; p(1) = 0,1536; p(2) = 0,3456; d..3670
p(3) = 0,3456; p(4) = 0,1296; .4752
5.7sebuah..097 b..329 c..671 d.2.1
4.109sebuah..4565 b..2530 c..3889 e.1.212
4.1113/10; 6/10 5.9p(0) = 0,000; p(1) = 0,002; p(2) = 0,015;
4.113sebuah..73 b..27 p(3) = 0,082; p(4) = 0,246; p(5) = 0,393;
4.115.999999 p(6) = 0,262
4.1178 5.11sebuah..251 b..618 c..367 d..633
e.4 f.1.549
4.119sebuah..3582 b..4883 c..4467
5.13sebuah..901 b..015 c..002 d..998
4.121 a.1/8 b.1/64 c.Belum tentu;
mereka bisa belajar bersama, dan 5.15sebuah..748 b..610 c..367 d..966
seterusnya. e..656
4.123sebuah.5/6 b.25/36 c.11/36 5.17sebuah.1; .99 b.90; 3 c.30; 4.58
4.125sebuah..8 b..64 c..36 d.70; 4.58 e.50; 5
5.19sebuah..9568 b..957 c..9569
4.127.0256; .1296
d.m= 2;s= 1,342 e..7455; .9569; .9977
4.129.2; .1 f.Ya; Ya
4.131sebuah..5182 b..1136 c..7091 5.21Tidak; variabelnya bukan jumlah keberhasilan
d..3906 npercobaan. Sebaliknya, jumlah percobaan n adalah
4.133sebuah..0625 b..25 variabel.
4.135sebuah.
x012 5.23sebuah.1.000 b..997 c..086
p(x)6/158/151/15 5.25sebuah..098 b..991 c..098 d..138
b.m= 2/3;s = 16/45
2 e..430 f..902
5.27sebuah..0081 b..4116 c..2401 5.65 sebuah..228b.tidak ada indikasi bahwa orang

5.29 sebuah. m= 10 b.4 sampai 16 lebih cenderung memilih angka tengah
c.Jika nilai yang tidak mungkin
ini benar-benar diamati, ada kemungkinan
bahwa uji coba (bidang) tidak independen.
5.31sebuah..016796 c..98320
5.33sebuah..107 b..762
5.35
Kemungkina Rumus Nilai yang
n Dihitung
k —m 0 —2.5
P(x=0) m
——e =2.5——
e .082085
k! 0!
k —m 1 —2.5
P(x=1) m
——e =2.5——
e .205212
k! 1!
k —m 2 —2.5
P(x=2) m
—— e =2.5——e .256516
k! 2!
P(2 keberhasilan P(x=0)+P(x=1) .543813
atau kurang)
5.37
k 012345678910
P(x≤k) .055 .199 .423 .647 .815 .916 .966 .988 .996 .999
1.000
Cantumkan Tulis Tulis ulang Temukan
Masalah Nilai darix Probabilitasn Probabilitas Probabilitas
ya nya
3 atau kurang 0, 1, 2, 3 P(x≤3) tidak .647
dibutuhkan
3 atau lebih 3, 4, 5, . . . P(x≥3) 1—P(x≤2) .577
Lebih dari 3 4, 5, 6, . . . P(x>3) 1—P(x≤3) .353
Kurang dari 3 0, 1, 2 P(x<3) P(x≤2) .423
Antara 3 3, 4, 5 P(3≤x≤5) P(x≤5)— .493
dan 5 P(x≤2)
(inklusif)
Tepat 3 3 P(x=3) P(x≤3)— .224
P(x≤2)
5.39sebuah..135335 b..27067 c..593994

d..036089
5.41sebuah..677 b..6767 c.Ya
5.43sebuah..0067 b..1755 c..560
5.45sebuah..271 b..594 c..406
5.47P(x > 5) = 0,017; tidak sepertinya.
5.49sebuah..6b. .5143 c. 0,0714
5.51sebuah.p(0) = 0,36; p(1) = 0,48; p(2) = 0,15;
p(3) = 0,01
c.m= 0,8,s2= 0,50286 d.0,99; 0,99; Ya
5.53p(0) = 0,2; p(1) = 0,6; p(2) = .2
5.55sebuah.hipergeometrik b..1786 c..01786
d..2857
5.61sebuah.p(0) = 0,729; p(1) = 0,243; p(2) = 0,027;
p(3) = 0,001 c..3; .520 d..729; .972
5.63sebuah..234 b..136 c.Klaim tidak mungkin.
5.67sebuah. m= 280 b.s= 9,165
c.261,67 hingga
298.33 d.Ya; x = 225 terletak 6
simpangan baku di bawah rata-rata.
5.69sebuah.20 b.4 c..006
d.Psikiater tidak benar.
5.71sebuah.m= 50;s= 6,124
b.Nilai x = 35 terletak 2,45 standar deviasi di
bawah rata-rata. Agaktidak mungkin angka
25% mewakili kampus ini.
5.73sebuah..5b. m = 12,5; s = 2,5 c.Ada
sebuahpreferensi untuk desain kedua.
5.75sebuah.Ya; n = 10; p = 0,25 b..2440
c..0000296 d.Ya; model genetik
tidak berperilaku seperti yang
diharapkan.
5.77sebuah.Ya b.1/8192 = 0,00012
5.79 sebuah.hipergeometrik, atau kira-kira
binomial
b. Poisson c.sekitar 0,85; 0,72; .61
5.81sebuah..015625 b..421875 c..25
5.83sebuah.p= 1/3 b..3292 c..8683
5.85sebuah.14 b.2.049 c.Tidak; x = 10 saja
1,95 standar deviasi di bawah rata-rata
5.87sebuah..135335 b..676676
5.89.655
5.91sebuah..794 b..056 c.—0,82 hingga 3,82 atau
0 sampai 3
5.93sebuah.36 b.4.8
c. Ya, karena x = 49 terletak 2,71
simpangan baku di atas rata-rata.
5.95sebuah..00006 b..042 c..0207
d..5948 e.1
5.99sebuah..0176 b..9648 c..9648
Bab 6
6.1
Tulis ulang
Tulis Probabilitas Temukan
Interval Probabilitasnya (jika perlu) Probabilitas
nya
Kurang dari—2 P(z<—2) tidak dibutuhkan .0228
Lebih P(z>1.16) 1—P(z≤1.16) .1230
besardibandingk
1.645 an
1.16
Lebih besar dari P(z>1.645) 1—P(z≤1.645) 0,0500
Di antara P(—2.33<z P(z≤2.33)— .9802

—2.33 <2.33) P(z≤ —2.33)
dan 2.33
Antara 1,24 P(1.24<z<2.58) P(z≤2.58)— .1026
dan 2.58 P(z≤1.24)
Kurang dari atau tidak dibutuhkan .9699
6.3sebuah..9452 b..9664 c..8159 6.65.0336

d.1.0000 6.6785,36 menit
6.5sebuah..6753 b..2401 c..2694
d..0901 e.≈ 0
6.7sebuah.1.96 b.1.44
6.9sebuah.1.65 b.—1,645
6.11sebuah.1.28 b.1.645 c.2.05 d.2.33
6.13sebuah..1596 b..1151 c..1359
6.1558.3
6.17m= 8;s= 2
6.19sebuah..1949 b..4870 c.Tidak d.Ya; y
= 18 terletak 3,82 standar deviasi di atas rata-
rata.
6.21sebuah..4586 b.0,0526 c..0170
6.23.1562; .0012
6.25sebuah.0,0475 b..00226 c.29.12
hingga 40.88
d.38.84
6.27sebuah..1056 b..2676
6.290,0475
6.3163.550
6.33sebuah..3085 b..2417 c..0045
6.35sebuah.15; 10 b.Ya c.15; 2.449
d.10, 11, . . . , 25 e.10; 9.5
f.z= —2,25 g.—2,25; .0122; .9878
6.37sebuah.Ya b.m= 7,5;s= 2,291 c..6156
d..618
6.39sebuah..2676 b..3520 c..3208
d..9162
6.41sebuah..178 b..392
6.43sebuah..245 b..2483
6.45sebuah.0,0446 b..0104
c.0,0446
6.47.9441
6.49 sebuah..5000 b.Mereka tidak
mempertimbangkan ketinggian saat
memberikan suara mereka.
6.51sebuah..0050b..8394 c..9767
d. Ya; Pangsa pasar Pepsi lebih tinggi
dari yang diklaim.
6.53sebuah.31 b.3.432 c.Tidak; x = 25 saja
1,75 standar deviasi di bawah rata-rata.
6.55sebuah..3227 b..1586
6.57z0= 0
6.59z0 = 0,67; persentil ke-25 dan ke-75
6.61Tidak
6.635,065 bulan
6.69Tidak; x = 184 terletak hanya 1,26 standar
deviasi di bawah rata-rata.
6.717.301 ons
6.73sebuah.141 b.0,0401
6.75.9474
6.77.3557
6.79sebuah.Q1 = 269,96; Q3 = 286,04 b.Ya;
x= 180 terletak 8,17 standar deviasi
di bawah rata-rata.
6.81sebuah.≈ 0b..6026 c.Sampel
tidak acak; hasilnya akan bias.
6.83sebuah.± 0,52 standar deviasi
b. ±1,28 standar
deviasi6.85sebuah..3085
b.99,92
derajat6.87sebuah..9544
b.0,0561
6.89sebuah.z0 = —1,96 b.z0 = 0,36
6.91sebuah..9651 b..1056 c..0062
6.93sebuah.0,0442 b.0,0445
6.95sebuah.1.273 b..1016
6.970,1244 (probabilitas pasti = 0,1236)
Bab 7
7.11/500
7.11 sebuah. sampel kenyamanan c.Ya,
tetapi hanya jika siswa berperilaku seperti
sampel acak dari populasi umum pemuda
penduduk asli Amerika.
7.13 sebuah.pertanyaan pertama b. Persen
disukaiprogram menurun, mungkin karena
kata-kata "menghabiskan miliaran dolar"
dalam pertanyaan.
7.15normal; 53; 3
7.17normal; 100; 3.16
7.19 sebuah.m = 10; s/√¯n = 0,5
b. m = 5; s/√¯n = .2
c.m = 120; s/√¯n = 0,3536
7.21c.berbentuk gundukan kasar
7.23sebuah.1 b..707 c..500 d..333
e..250 f..200 g..100
7.25sebuah.106; 2.4 b.0,0475 c..9050
7.27b.sejumlah besar replikasi
7.31sebuah.1890; 69.282 b.0,0559
7.33sebuah.≈ 0 b. Ya; nilai ¯x = 98,25
hampir 5 standar deviasi di bawah rata-rata
yang diasumsikan, m = 98,6.
7.35normal; .7; .0648
7.37sebuah.p= 0,3; SE = 0,0458 b.p= 0,1; 8.11pˆ = 0,728; margin kesalahan (MOE) = 0,029
SE= 0,015 c.p= 0,6; SE = 0,0310
8.13 x¯ = 39,8; MOE = 4,768
7.39sebuah..7019 b..5125
8.15 x¯ = 7,2%; MOE = 0,776
7.41sebuah..0099 b..03
e..0458 f..03
c..0458
g..0099
d..05 8.17 sebuah.pˆ = 0,51; MOE = 0,0327
√ ¯—
b. .5(.5)
1.96 —
900
8.19sebuah.Tidak b.Tidak ada apa-apa;
7.43sebuah.Ya; p = 0,19; SE = 0,03923b..0630
Tidak
c. .0604 d.Nilainya tidak biasa karena pˆ
8.21 Estimasi titik adalah x¯ = 19,3 dengan
= 0,30 terletak 2,80 standar deviasi di atas margin of error = 1,86.
rata-rata p = 0,19.
8.23sebuah.(.797, .883) b.(21.469, 22.331)
7.45 suatu.mendekati normal dengan rata-rata c.Interval dibangun dengan cara ini melampirkan
0,13 dan standar deviasi 0,0453 b..9382 nilai sebenarnya m 90% dari waktu dalam
c.≈ 0 d.0,04 hingga 0,22 pengambilan sampel berulang.
7.47 sebuah.mendekati normal dengan rata- 8.25(.846, .908)
rata 0,75 dan standar deviasi 0,0306 8.27sebuah.3.92 b.2.772 c.1.96
b.0,0516 8.29sebuah.3.29 b.5.16 c.Lebar bertambah.
c.0,69 hingga 0,81
8.31(3.496, 3.904); contoh acak
7.49sebuah.LCL = 150,13; UCL = 161,67
8.33 sebuah.(.932, 1.088) c.Tidak; m = 1 adalah
7.51sebuah.LCL = 0; UCL = 0,090 nilai yang mungkin untuk rata-rata populasi
7.53sebuah.LCL = 8598,7; UCL = 12.905,3
8.35 suatu.(.106, .166) b.Tingkatkan ukuran
7.55LCL = 0,078; UCL = 0,316 sampel dan/atau kurangi tingkat kepercayaan.
7.57LCL = 0,0155; UCL = 0,0357 8.37 sebuah.98,085 < m < 98,415 b.Tidak;
7.59berarti terlalu besar pada jam 2, 3, dan 4 mungkin nilai 98,6 bukanlah suhu tubuh rata-
7.63sebuah.≈ 12.5 b..9986 c.Mereka rata yang sebenarnya untuk orang sehat.
mungkinbenar. 8.39sebuah.(4.61, 5.99) b.Ya
7.65c.Tidak 8.41(15.463, 36.937)
7.71 sebuah.sampel klaster b.Sampel 8.43sebuah.(17.676, 19.324) b.(15.710, 17.290)
sistematik 1-dalam-10 c.sampel bertingkat c.(.858, 3.142) d.Ya
d. Sampel sistematik 1-dalam-10 e.sampel 8.45 sebuah.x¯1 — ¯x2 = 2617; MOE = 902.08 b. Ya
acak sederhana 8.47sebuah.(3.333, 16.667) b.(—22.040, —7.960)
7.73sebuah.131.2; 3.677 b.Ya c..1515 c.Tidak d.Ya; Ya
7.75sebuah.LCL = 0; UCL = 0,0848 b.pˆ > .0848 8.49 sebuah.(—.528, — .032); ya, karena m1 — m2
7.77Ya = 0 adalahtidak dalam selang waktu.
7.81 sebuah.mendekati normal dengan rata-rata 8.51 sebuah.(—.203, —.117) b.sampel acak
288 dan standar deviasi 0,9798 b..0207 dan independen dari distribusi binomial
c..0071 8.53sebuah.(—.221, .149) b.Tidak
7.83UCL = 0,2273; LCL = —.0273 8.55sebuah.(—.118, —.002)b.Ya, sejak
7.85sebuah.3.5; 1.208 p1 — p2 = 0 tidak ada dalam interval.
7.87sebuah.3.5; .854 8.57sebuah.(.095, .445) b.Ya
7.89sebuah..4938 b..0062 c..0000 8.59(.061, .259)
8.61sebuah.(—.082, .022) b.Tidak, sejak
p1 — p2 pq
= 0 ada di .5(.5)
dalam interval.
8.38sebuah..16 b..339 c..438
Bab
0
1.96
√¯ ; 1.96
√¯
——
; 385;
——
8.5sebuah..55 b..175 c..055 8.63 n n
10 97
kuantitatif; satu; 1,96——;
4
√¯n
8.7sebuah..17 b..098 c.0,049 d..031
sebuah.m<76,63 b.m<1,89
9
8.67m1 —m2 < 4 9.3sebuah.z> 2.33 b.|z|> 1,96

8.69505 c.z<-2.33 d.|z|> 2.58
8.71n1 = n2 = 1086 9.5 sebuah.Jangan tolak H0; hasilnya tidak
8.73b.9604 signifikan secara statistik. b.Tolak H0;
8.75n1 = n2 = 360 hasilnya sangat signifikan. c.Tolak H0;
hasilnya signifikan secara statistik.
8.7797
9.7 sebuah..0207 b.Tolak
8.79n1 = n2 = 136 H0; hasilnya signifikan secara
8.81n1 = n2 = 98 statistik. c.Ya
8.83 sebuah.x¯ = 29.1; MOE = 0,9555 b. 9.9p-nilai = 0,0644; tidak menolak H0; hasilnya
(28.298, tidak signifikan secara statistik.
29.902) c.m> 28.48 d.234 9.11sebuah.H0: m = 1; Ha: m G 1
8.85n1 = n2 = 224 b.p-nilai = 0,7414; tidak menolak H0
8.871083 c.Tidak ada bukti yang menunjukkan
bahwa berat rata-rata berbeda dari 1 pon.
8.89n1 = n2 = 925
9.13sebuah. H0: m= 80 b.Hsebuah: m G 80
8.91 sebuah.pˆ W = .5; pˆM = 0,75 b. —0,313 < pW c.z= —3,75; tolak H0
—
9.15 suatu.z= 2,63; nilai-p = 0,0043; tolak
pm<—.187 c.Ada perbedaan dalam dua
proporsi. H0 pada tingkat signifikansi 1% dan 5%.
9.17Ya; z = 10,94
8.93(8.087, 11.313)
9.19Tidak; z = —1,334 dengan nilai-p = 0,0918;
8.9597
tidak menolak H0
8.97(33.41, 34.59)
9.21sebuah.H0: m1 — m2 = 0; Ha: m1 — m2 > 0;
8.99sebuah.MOE = 0,029 b.6147 satu ekor b.z= 2,074; tolak H0
8.101sebuah.(.522, .578) b.(.035, .145); Ya. 9.23sebuah.z= —2,26; nilai-p = 0,0238; tolak H0
8.103setidaknya tahun 1825 b.(—3.55, —.25) c.Tidak
8.105.3874; .651 9.25sebuah.H0: m1 — m2 = 0; Ha: m1 — m2 G 0
8.107sebuah.(2.837, 3.087) b.276 b.Ya; z = 8,77 c.p-nilai ≈ 0
8.109($10,52, $12,38); Tidak 9.27sebuah.Ya; z = —3,18; nilai-p = 0,0014
b.(—3.01, —.71); Ya
8.111(2.694, 2.716)
9.29sebuah.z= -2,22 dengan nilai-p = 0,0264
8.113(.161, .239)
b.signifikan pada tingkat 5% tetapi tidak pada tingkat
8.115minimal 97 1%.
8.117b.Lebarnya sama. 9.31H0: p = 0,4; Ha: p G .4 b.p-nilai = 0,093;
8.119sebuah.9.702 b. tidak signifikan secara statistik c.Tidak
(746.298, 765.702) c.Ya 9.33sebuah.H0: p = 0,15; Ha: p <.15 b.Tolak H0;
8.121b.Kesalahan standar dan lebar interval z = —4,53. c.∆0
berkurang. 9.35sebuah.H0: p = 2/3 b.Hsebuah: hal > 2/3
c.Ya; z = 4,6 d.p-nilai < .0002
Bab 9 9.37Tidak; z = —.90
9.1 9.39Tidak; z = —1,06
Signifikan- Satu atau 9.41Tidak; z = —.71
Uji membatalkanBerekor Dua Penolakan
9.43sebuah.H0: p1 — p2 = 0; Ha: p1 — p2 < 0
Statisti Kritis
TingkatUji? Nilai WilayahKesimpulan
k b.satu ekor c.Jangan tolak H0; z = —.84
sebuah=.05 1.96 |z|>1.96Mengerjakan
z=0,88 Berekor dua bukan 9.45sebuah.Ya; z = —2,40 b.(—.43, —.05)
z= —2.67 sebuah=.05 Satu 1.64 menolakHo z<—1,645 9.47Jangan tolak H0; z = —.39; ada cukup bukti
ekor 5 Tolak H0 untuk menunjukkan perbedaan dalam dua
(lebih Berekor
z=5.05sebuah=.01 rendah) 2.58|z|>2.58Tolak H0
proporsi populasi.
dua
z= —1.22 sebuah=.01 Satu 2.33z<—2.33 Tidak
ekor tolak H0
(lebih rendah)
9.49p1— p2 > .001; risikonya setidaknya 1/1000 lebih

10.21sebuah. H0: m1 — m2 = 0; Ha: m1 — m2 G 0
tinggisaat mengambil Prempro. b.|t|> 2.771 c.t= 2,795
9.51Tolak H0; z = 3.14 dengan p-value = .0008; d.p-nilai < 0,01 e.Tolak H0
kesimpulan peneliti dikonfirmasi.
10.23sebuah.Ya; s2 lebih besar/s2 lebih kecil = 1,36
9.55Kekuatan meningkat. b.t= 0,06dengan nilai-p = 0,95 c.19.1844
9.57sebuah.p-nilai < .0002 b.Tolak H0; z = 4,47 d.Jangan tolak H0. e.(—5.223, 5.503); Ya
9.59sebuah.H0: m = 7,5; Ha: m <7,5 10.25sebuah. Tidak; t = —1,16 b.p-nilai = 0,260
b.satu ekor d.z= —5,477; tolak H0 c.Ya; lebih besar s 2/lebih kecil s 2 = 2,88
9.61sebuah. H0: m1 — m2 = 0; Ha: m1 — m2 G 0 10.27sebuah.Tidak; lebih besar s 2 / lebih
b. dua sisi c.Tidak; z = —.954 kecil s 2 = 16,22
9.63Tidak; tidak menolak H0; z = 1,684 b.Ya; t = -2,412; .02 < nilai p < .05
9.65sebuah.tidak, z= 0,16 b..4364 10.29sebuah.Ya b.Tidak; lebih besar s 2/lebih kecil s 2 = 3,72
c. Jangan tolak H0. c.Jangan tolak H0; t = .10 dengan nilai-p > .20.
9.67Ya; z = 4; tolak H0 10.31Jangan tolak H0; t = 0,24 dengan p-value > .10.
9.69Ya; z = 4,00 10.33sebuah.Jangan tolak H0; t = —.93.
9.71sebuah.Ya; z = 4,33 b.(7.12, 18.88) b.(—5.81, 2.18), menggunakan df = 29; Ya
9.73sebuah.Tidak; z = —.92 10.35sebuah.Tolak H0; t = 2,372 dengan 0,02 < nilai p.
b.Tidak; z = —.42 < 0,05 b.(.014, .586) c.62 pasang
c.Tidak 10.37sebuah.Jangan tolak H0; t = 1,177.
9.75Tidak; z = 2,19 b.p-nilai > .20 c.(—.082, .202)
9.77Ya; z = —2,08 d.sampel acak dari distribusi normal
9.79Ya; z = 3,32 10.39 pagi.Jangan tolak H0; t = 1,984; (—7.28,
170.94). b.Tolak H0; t = 2,307; (6.867,
9.81 sebuah.(1447.49.4880.51) b. antara 1500 dan 208.433). c.Tolak H0; t = 4,38.
5000 meter lebih per minggu; mereka hanya d.(—1.6, 8.2); Ya
memiliki satu pukulan untuk berlatih.
10.41b.Ya; t = 9,150 dengan p-value < .01
9.83sebuah.H0: m = 94; Ha: m G 94
c.(80.472, 133.328)
b.z= —1,331 c. .1832
d. Jangan tolak H0. e. Tidak 10.43sebuah.Ya; t = —4,326; tolak H0.
b.(—2.594, —.566) c.minimal 65 pasang
9.85sebuah..7422b. .9783c. kekuatan meningkat
10.45sebuah.Ya; t = 2,82; tolak H0. b.1.488 d. Ya
10.47Jangan tolak H0; t = 1,03 denganp-nilai > .10;
Bab 10 jangan lanjutkan instalasi.
10.1sebuah.2.015 b.2.306 c.1.330 10.49(.190, .685)
d.1.96 10.51Tolak H0; x 2 = 22,449.
10.3sebuah..02 < nilai p < .05 10.53sebuah. Tidak; t = —.232 b.Ya; x 2 = 20,18
b.p-nilai < 0,005 c.p-nilai > .20
10.55sebuah.Tidak b.Ya; z = 3,262
d.p-nilai < 0,005
10.57Tidak; x 2 = 29,433
10.5 sebuah.¯x= 7,05; s = 0,4994 b. (7.496)
c.Tolak H0; t = -2,849 d.Ya. 10.59(.667, 4.896)
10.7Tidak; t = -1,195 10.61F= 1,057 dengan p-value > .20; jangan menolak
10.9sebuah.Ya; t = -3,044 b.98.316 H0: s 12 = s 22.
10.11(3.652, 3.912) 10.63 (1,544, 4,003)
10.13sebuah.Tolak H0; t = -4,31. b.(23.23, 29.97) 10.65Sisanya: F = 1,03 dengan nilai p > ,20; O2
c.Rata-rata pretreatment terlihat lebih kecil maksimal 80%: F = 2.01 dengan p-value
dari dua rata-rata lainnya. > .20; O2 maksimal: F = 14,29 dengan p-value
10.17(233.98, 259.94) <.01; gunakan unpooled t-test untuk O2
10.19sebuah.3.775 b.21.2258 maksimal.
10.71(9.860, 12.740)
10.73ya, t = 5,985; tolak H0; (28.375, 33.625).

11.3sebuah.(2.731, 3.409) b.(.07, 1.03)
10.75ya, F = 3,268
11.5sebuah.Sumber df SS NONA F
10.7772 Perawatan 3 339.8 113.267 16.98
10.79(22.578, 26.796) Kesalahan 20 133.4 6.67
10.81paling sedikit 136b. Turunkan tingkat Total 23
kepercayaan; mendesain ulang b.df1 = 3 dan df2 = 20 c.F> 3.10
percobaan sebagai uji perbedaan d. ya, F = 16,98 e.p-nilai < 0,005; Ya
berpasangan. 11.7 sebuah.CM = 103,142857; Jumlah SS = 26,8571
10.83 suatu.Ya b.F= 19,516; terdapat b.SST = 14,5071; MST = 7,2536
perbedaan variansi populasi. c.SSE = 12,3500; MSE = 1,1227
d.Analisis Varians
10.85 pagi.sampel independen acak dari distribusi Sumber DF SS NONA F
normal dengan varian yang sama; Tidak PTrt 2 14,51 7,25 6,46
b. Ya; t = 3,237 dengan p-value < .01 0,014
c. Ya; t = 60,36 dengan p-value < .01 Kesalahan 11 12.35 1.12
Total 13 26.86
10.87Tidak; t = 2.2 dengan p-value > .10
f.F= 6,46; tolak H0 dengan .01 < p-value < .025.
10.89Tidak; t = —.177 dengan p-value > .20
11.9sebuah.(1,95, 3,65) b.(.27, 2.83)
10.91tidak, t = -1,712
11.11sebuah.(67.86, 84.14) b.(55.82, 76.84)
10.93tidak berpasangan: (—1.69, .19); berpasangan: c.(—3.629, 22.963) d.Tidak, mereka
(—1.49, —.01);interval berpasangan sedikit tidak mandiri.
lebih sempit.
11.13 suatu.Setiap pengamatan adalah rata-
10.95sebuah.tidak, t = 2,571 b.(.000, .020) rata panjang 10 daun. b.ya, F = 57,38
10.97sebuah.dua sisi; H : s 2 G s 2 b.lebih
rendah- dengan
berekor; sebuah 1 p-nilai = 0,000 c.Tolak H0; t = 12,09.
HsebuahH s 2 : s 1 < s 2 c.berekor atas;
2 22
: sebuah d.(1.810, 2.924)
>s2
1 2
11.15
10.99sebuah.tidak, x 2 = 7,008 b.(.185, 2.465)
Analisis Varians untuk Persen
10.101Tolak H0; t = 2,425; obat meningkatkan Sumber DF SS NONA F P
waktu reaksi rata-rata. metode 2 0,0000041 0,0000021 16,38 0,000
Kesal 12 0,0000015 0,0000001
10.103ya, t = -2,945 ahan
Total 14 0,0000056
10.105Tidak
10.107tidak, t = 1,86 dengan p-value = 0,112 11.17sebuah.desain acak lengkap
10.109 Gunakan uji-t gabungan; t = -1,82 dengan b.
p-nilai > .10; hasilnya tidak signifikan. Sumber DF SS NONA F PNegara 3
3272,2 1090,7 26,44 0,000
10.111a.(5.814, 7.886) b.contoh acak; Kesalahan 16 660.0 41.3
sampel populasi adalah normal. Total 19 3932.2
10.113Tolak H0; t = 4,57; Ya. c.F= 26,44; tolak H0 dengan p-value = .000.
10.115sebuah.Tolak H0; t = 4,38; Ya. 11.19Sarana sampel harus independen; ukuran
b.p-nilai <.01; Ya sampel yang sama.
10.117sebuah. t> 1.8 b.|t|> 2.37 c.t<-2.6 11.21sebuah.1,878 dtk b.2.1567 detik
10.121Jangan tolak H0; t = -1,438 dengan 11.23 x¯1 x¯2 x¯3 x¯4
p-nilai = 0,1782 11.25sebuah.Tidak; F = .60 dengan p-value = .562
10.123Ya; t = -3.33 dengan p-value = .0030 b.tidak ada perbedaan
11.27sebuah.Ya; F = 8,55, nilai-p = 0,005
Bab 11
b. (—157.41, —28.59) c.¯x3x1 x¯2
11.1Sumber df 11.29Sumber df SS NONA F
Perawatan 2 11.4 5.70 4.01
Perawatan 5 Blok 5 17.1 3.42 2.41
Kesalahan 54 Kesalahan 10 14.2 1.42
Total 59 Total 17 42.7
11.31(—3.833, —.767)
b.Tidak. F = 1,47; nilai-p = 0,248. c.Tidak
11.33sebuah.Ya; F = 19,19 b.Ya; F = 135,75 F= 3,46; nilai-p = 0,087. d.Ya
c.¯x1 x¯3 x¯4 x¯2 d. (—5.332, — F= 117,49; nilai-p = 0,000.
e.Ya 2.668) 11.57perbedaan nyata antar perlakuan A
11.35sebuah.7 b.7 c.5 e.Ya; F = 9,68 dan C, B dan C, C dan E dan D dan E
f.Ya; F = 8,59 11.59 suatu.perbedaan yang signifikan dalam cara pengobatan;
11.37 F= 27,78 b.v Tukey = 0,190
ANOVA dua arah: y versus Blok, Bahan Kimia c.Ya; F = 6,59
Analisis Varians untuk y 11.61
Sumber DF SS NONA F P
Blok 2 7.1717 3.5858 40.21 0.000 ANOVA satu arah: Penjualan versus Program
Bahan 3 5.2000 1,7333 19.44 0,002 Analisis Varians untuk Penjualan
kimia Sumber DF SS NONA F
Kesalahan 6 0,5350 0,0892 PProgram 3 1385,8 461,9
Total 11 12.9067 9,84 0,000
Kesalah 23 1079.4 46.9
11.39sebuah.Ya; F = 10,06 b.Ya; F = 10,88 an
c.ay= 4,35 d.(1.12, 5.88) Total 26 2465.2
11.41 11.63sebuah.Tidak; F = 1,40 b.p-nilai > .10

ANOVA Dua Arah: Biaya versus Penaksir, Pekerjaan c.Ya; F = 6,51 d.Ya; F = 7,37
Analisis Varians untuk Biaya 11.65sebuah.percobaan faktorial 2×3 b.Tidak;
Sumber DF SS NONA F P F= 0,45 dengan nilai p = 0,642
Penaksir 2 10.862 5.431 7.20 0,025
Pekerjaan 3 37.607 12.536 16.61 0,003 d.(—22.56, —5.84)
Kesalahan 6 4.528 0,755 11.67sebuah.desain blok acak
Total 11 52.997
b.
11.43 suatu.Blok adalah item; perawatan ANOVA dua arah: Total versus Minggu, Toko
adalah toko. Analisis Varians untuk Total
b.ya, F = 14,79; nilai-p = 0,000 Sumber DF SS NONA F P
Pekan 3 571.7 190.6 8.27 0,003
c.ya, F = 19,39; nilai-p = 0,000 Toko 4 684.6 171.2 7.43 0,003
11.45sebuah.20 b.60 c.Sumber df Kesala 12 276.4 23.0
han
SEBUAH 3 Total 19 1532.7
B 4
AB 12 c.Ya; F = 7,43 d.ay= 10,82
Kesalahan 40 11.69sebuah.percobaan faktorial b.Ya; F = 7,61
Total 59 c.ay= 2,67
11.47(—1.11, 5.11) 11.71sebuah.desain acak lengkap
11.49sebuah.interaksi yang kuat hadir b.Ya, ada perbedaan yang signifikan.
b.F=37,85 dengan p-value = .000; Ya F= 126,85, nilai-p = 0,000
Sumber DF SS NONA F
PLokasi 2 132.277 66.139
d.Tidak
126.85 0.000
11.51b.Ya c.Karena interaksinya Kesala 21 10.950 0,521
signifikan,perhatian harus difokuskan pada han
Total 23 143.227
sarana untuk kombinasi tingkat faktor individu.
11.73Tidak ada bukti non-normalitas. Di
d.Pelatihan: 0,05 < nilai p < 0,10; kemampuan:
sanatampaknya variasi kesalahan yang sedikit
p-nilai < 0,005; interaksi: 0,01 < nilai p < 0,025
lebih besar untuk nilai yang lebih kecil
11.53 suatu.2 × 4 faktorial; siswa; gender di dibandingkan dengan nilai y yang lebih besar.
dua tingkat, sekolah di empat tingkat
c.Tidak; Bab 12
F= 1,19 e.Efek utama untuk sekolah
12.1y-intersep = 1, kemiringan = 2
adalah signifikan; F = 27,75; V Tukey =
82,63. 12.3y= 3 — x
11.55sebuah.
Sumber DF SS NONA F P 12.7sebuah. yˆ=6.00—.557x c. 4.05
Pelatihan 1 4489.00 4489.00 117.49 0.000 d.Analisis Varians
Situasi 1 132.25 132.25 3.46 0,087 Sumber DF SS NONA
Interaksi 1 56.25 56.25 1.47 0,248 Regresi 1 5.4321 5.4321
Kesalahan 12 458.50 38.21 Kesalahan Sisa 4 0,1429 0,0357
Total 15 5136.00 Total 5 5.5750
12.9sebuah.Sxx = 21066,82; Syy = .374798; 12.43sebuah.(198.178, 244.254)

Sxy = 88,80003 b.yˆ = 0,0187 + 0,00422x b.(126.235, 316.197) c.Tidak
d..44
e.Analisis Varians
Sumber DF SS NONA
Regresi 1 0,37431 0,37431
Kesalahan Sisa 7 0,00049 0,00007
Total 8 0,37480
12.11sebuah.y= API; x = ELL b. Ya
c.yˆ = 731,277 — 3,040x d.Ya
12.13sebuah.Ya b.yˆ = —11,665 + ,755x
c.yˆ = 52,51
12.15sebuah.hubungan linear positif yang kuat
b.kurang lebih 1
c.yˆ = 12.221+ .815x d. yˆ = 62,75
12.17sebuah.ya, t = 5,20 b. F = 27.00
c.t.025 = 3,182; F.05 = 10.13
12.19sebuah.ya, F = 152.10 dengan p-value = .000
b.r2 = 0,974
12.21sebuah.y= biaya, x =
jarak b. yˆ = 128,58 +
,12715x d. t = 6,09; r2
= 0,699
12.23sebuah.Ya; t = 3,79 dan F = 14,37 dengan
p-nilai = 0,005 b. tidak c. r2 = 0,642
d.MSE = 5,025 e. (.186, .764)
12.25sebuah. Ya b. yˆ = —26,82 + 1,2617x
c.Ya; t = 7,49 dan F = 56,05 dengan
p-nilai = 0,000 d. (.7768, 1.7466)
12.27sebuah.Ya; tolak H0, t = 7,15
b.(.5362, 1.0944) c. Ya; nilai
b= 1 terkandung dalam interval.
12.29plot residual versus fit; sebaran poin
secara acak, bebas dari pola
12.31Tidak
12.33 suatu.sedikit kurva b.95,9% variasi
keseluruhan dijelaskan oleh model garis
lurus
c.pola lengkung yang kuat
menunjukkan hubungan mungkin
lengkung
12.35sebuah.hubungan positif yang cukup kuat
b.Ya; Toshiba 37HLX95 c.Ya; Tidak
12.37sebuah.(4.6006, 5.1708) b.(4.2886, 5.4829)
c.x= 8; ekstrapolasi
12.39 pagi.sedikit kurva b.95,7% variasi
keseluruhan dijelaskan oleh model garis lurus.
c.Pola menunjukkan hubungan mungkin
lengkung.
12.41 sebuah.(2.01, 3.74) b.
(—.77, 3.02) c.¯x=0
12.47sebuah.positif b.r= 0,9487; r2 = 0,9000
12.49b.r= 0,982 c.96,5%
12.51sebuah.positif b.r= 0,760; ya, t = 2,615
12.53Ya; t = 3,158 dengan p-value < .01
12.55sebuah.analisis korelasi b.r= 0,981
12.57sebuah.mungkinb.r= 0,658; ya, t = 2,140
12.59sebuah.Ya b.yˆ = 80,85 + 270,82x
c.Ya; t = 3,96 dengan p-value = 0,003
d.(112.1, 157.9)
12.61sebuah.r= 0,980 b.r2 = 0,961
c.yˆ = 21,9 + 15,0x d.Varians
tidak konstan untuk semua x.
12.63
Analisis Regresi: API versus ELL
Persamaan regresi
adalah API = 731 -
3,04 ELL
Prediktor Koef StDev T P
Konstan 731.28 22.81 32.06 0.000
ELO -3,0399 0,7551 -4.03 0,007
S = 33,72 R-Sq = 73,0% R-Sq(adj) = 68,5%
Analisis Varians
NONA F Sumber DF SS
16,21 0,007 Regresi 1 18422
1137 Kesalahan Sisa 6 6820
Total 7 25242
12.65sebuah.Tidak; t = 2.066 dengan p-value > .05
b.r2 = 0,299
12.67Tidak; varians tidak konstan untuk semua x.
12.69sebuah.hubungan positif yang kuat
b.r2 = 0,778; 77,8%
c.yˆ = —14,150 + 21,430x; ya, t = 5,30
d.Ya
12.71di ujung-ujung daerah percobaan
12.73sebuah.yˆ = 20,47 — ,758x
b.
Sumber DF SS NONA F
1 287,28 287,28 493,40
0.000
Kesalahan Sisa 8 4.66 0,58
Total 9 291.94
c.Tolak H0, t = —22.21 d.(—.86, —.66)
e.(9.296, 10.420) f.r2 = 0,984
12.77sebuah.y-intersep = 3; kemiringan = —0,5
Bab 13
13.1b.garis sejajar
13.3sebuah.ya, F = 57,44 dengan p-value <.005
b.R2 = 0,94
13.5sebuah.kuadrat b.R2= 0,815; kecocokan yang relatif baik
c.ya, F = 37,37 dengan p-value = 0,000
13.7sebuah.b0 = 10,5638 b.ya, t = 15,20 dengan

e.Linear: R2(adj) = 91,9%, kuadrat:
p-nilai = 0,000
R2(adj) = 99,8%, suku kuadrat signifikan.
13.9b.t= -8.11 dengan p-value = .000; tolak f.Suku kuadrat tidak ada.
H0:
b2 = 0 mendukung Ha:b2 < 0. Bab 14
13.11sebuah.R = 0,9955 b.R (adj) = 99,3%
2 2
14.3sebuah.X2 > 12.59 b.X2 > 21.666
c.Model kuadrat lebih cocok sedikit. c.X2 > 29.8194 d.X2 > 5,99
13.13sebuah.Gunakan variabel x , x , dan x .
b.Tidak
23 4
13.15sebuah.yˆ = —8,177 + 292x1 + 4,434x2 14.5sebuah.H0: p1 = p2 = p3 = p4 = p5 = 1/5

b.Tolak H0, F = 16.28 dengan p-value = .002. b.4 c.9.4877 d.X2 = 8.00
Model memberikan kontribusi informasi yang e.Jangan tolak H0.
signifikan untuk prediksi y. c.ya, t 14.7Ya, X2 = 24,48; pengemudi cenderung
= 5,54 dengan p-value = 0,001d.R2 = 0,823; memilih jalur dalam.
82,3% 14.9tidak, X2 = 3,63
13.17sebuah.kuantitatifb.kuantitatif 14.11tidak, X2 = 13,58
c.kualitatif; x1 = 1 jika tanam B, 0 jika tidak;
14.13Ya; tidak menolak H0; X2 = 1,247
x2= 1 jika tanaman C, 0 jika tidak d.kuantitatif
e.kualitatif; x1 = 1 jika shift siang, 0 jika shift 14.15Ya; tolak H0; X2 = 28,386
malam 14.178
13.19sebuah.x2 b.yˆ = 12,6 + 3,9x 2 2atau 14.19Tolak H0; X2 = 18.352 dengan p-value = .000.
yˆ = 13,14 — 1,2x2 + 3,9x 22 14.21sebuah.Ya; X2 = 7,267
13.21sebuah.y=b0 +b1x1 +b2x2 +b3x1x2 +edengan b.0,025 < nilai p < 0,05
x2 = 1 jika ketimun, 0 jika kapas c.Tidak, 14.23sebuah.Ya; tolak H0; X2 = 20,937
uji interaksi menghasilkan t = 0,63 dengan b.Tidak; X2 = 1,255
p-nilai = 0,533. d.Ya 14.25sebuah.Tidak; jangan tolak H ; X2 = 6,447
13.23y=b02 +b1x1 +b2x +b13x2 +b4x1x2
2
+bx x+6
512 0
13.25sebuah.yˆ = 8,585+ 3,8208x — 0,21663x 2 b.p-nilai > .10; Ya
b.R2 = 0,944 c.Ya; F = 33,44 14.27sebuah.X2= 10.597 b.X2 > 13.2767
d.Ya; t = -4.93 dengan p-value = .008 c.Jangan tolak H0. d.0,025 < nilai p < 0,05
e.Tidak 14.29Ya; X2 = 24,31
13.27b.yˆ = 4,10 + 1,04x1 + 3,53x2 + 4,76x3 —
14.31 pagi.Setiap jenis perawatan mewakili
0,43x1x2 — 0,08x1x3 c.Ya; t = -2.61
populasi binomial di mana kami mengukur
dengan p-value = .028 d.Tidak; F =3,86;
ada tidaknya layanan EMI.
pertimbangkan untuk menghilangkan
b.Ya; X2 = 18,446
istilah interaksi. 2
13.29sebuah.y=b0 +b1x1 +b2x2+ bx 2 +
b4x1x2
31
14.33Ya, tolak H0; X = 36.499.
+bx52x+e
12
b.F= 25,85; R2 = 0,768 14.35tidak, X2 = 4,4 dengan p-value > .10
c.yˆ = 4,51 + 6,394x1 + ,1318x 2 1 14.37tidak, X2 = 1,89 dengan p-value > .10
d.yˆ = —46,34+ 23,458x1 — ,3707x 21 14.39sebuah.tidak, X2 = 1,815 b.p-nilai > .10
e.Tidak; t = 0,78 dengan p-value = 0,439 14.43Tidak; tidak menolak H0; X2 = 1,311.
13.31sebuah.Tidak; x1, x2, x3 b.y=b0 +b1x1 14.45sebuah.Tolak H0; X2 = 18,527. b.Tolak H0;
+b2x2 z = 4,304; Ya.
+b3x3 +b4x4 +b5x5 +e 14.49ya, X2 = 7,488 dengan 0,005 < p-value < 0,01
c.R2 = 91,4% dan R2(adj) = 88,7%; Ya.
d.x, x , dan mungkin x ; y = b + bx + bx
12 4 0 11 2 2
+b3x4 +e; R2(adj) = 89,8%; model yang b. Ya; F = 1676.61 dengan p-value = .000
dikurangi lebih baik daripada model c. Ya; t = -2.65 dengan p-value = .045
penuh. d. Ya; t = 15,14 dengan p-value = .000
13.35sebuah.99,9%
14.51ya, X2 = 6,190 dengan 0,025 < p-value < 0,05;
(.347, .483)
14.53sebuah.Tidak; X2 = 3,259 dengan
p-value = 0,196
b.Tidak; X2 = 1,054 dengan p-value =
0,788
c.Ya
14.55tidak, X2 = 3,953 dengan p-value = 0,139
14.57sebuah.Jangan tolak H0; X2 = 3,660 dengan

15.33 ya, H = 13,90
p-nilai = 0,454; Ya.
15.35sebuah.Tidak; H = 2,63 b.p-nilai > .10
14.59sebuah.Ya; X2 = 11,690 dengan p-value =
c.p-nilai > .10
0,003
b.Kerentanan terhadap flu tampaknya 15.37Tidak; H = 2.54 dengan p-value > .10
berkurang seiring bertambahnya 15.39sebuah.Tolak H0; Fr = 21.19.
jumlah hubungan. b.p-nilai < 0,005 d.F= 75,43
14.61Ya, tolak H0; X2 = 16,535. e.p-nilai < 0,005 f.Hasilnya identik.
14.63sebuah.27.69 b.5.99 15.41sebuah.Jangan tolak H0; Fr =
5,81.
14.65Konsumen memiliki preferensi; X2 = 18,5
b.0,05 < nilai-p < 0,10
dengan
p-nilai = 0,0001. 15.43sebuah.rs≥ 0,425 b.rs≥ .601
14.69Tidak; X2 = 2.87 dengan p-value = .2378 15.45sebuah.|rs|≥ 0,400 b.|rs|≥ 0,526
15.47sebuah.—.593b.Ya
Bab 15 15.49sebuah.rs= 0,811 b.Ya
15.1sebua 1 b.T≤ 31 c.T≤ 27 15.51Ya
h. T*
15.3 suatu.H0: distribusi populasi identik; Ha : uji peringkat bertanda Wilcoxon b.Tolak H0
populasi 1 bergeser ke kiri populasi 2. b.T1 dengan kedua pengujian; x = 0 dan T = 0.
= 16; T * = 39 1
c.T≤ 19 d.Ya; tolak H0
15.5Jangan tolak H0; z = —1,59.
15.7Jangan tolak H0; T = 102.
15.9Ya; tolak H0; T = 45
15.11Ya; tolak H0; T = 44
15.13b.sebuah= .002, .007, .022, .054, .115
15.15satu arah: n = 10: a = .001, .011, .055;
n= 15:sebuah= .004, .018, .059; n=
20:
sebuah= .001, .006, .021, .058, .132;
dua sisi:
n= 10:sebuah= .002, .022, .110; n=
15:
sebuah= .008, .036, .118; n=
20:sebuah= .002, .012,
.042, .116
1 1
15.17sebuah.H:
0 p——2= ; H
s : hal ——2G ; wilayah
penolakan: e
{0, 1, 7, 8}; x = 6; tidak menolak H0 di

sebuah= 0,07; nilai-p = 0,290.
15.19z= 3,15; tolak H0.
15.21b.T= min{T +, T —} c.T≤ 137
d.Jangan tolak H0.
15.23Jangan tolak H0; z = —.34.
15.25sebuah.Tolak H0; T = 1,5 b.Hasil tidak
setuju.
15.27sebuah.Tidak; T = 6,5
15.29sebuah.Jangan tolak H0; x = 8. b.Jangan
tolak H0; T = 14,5.
15.31 pagi.uji perbedaan berpasangan, uji tanda,
15.53ya, rs = 0,9118
15.55sebuah.Jangan tolak H0; x = 2.
b.Jangan tolak H0; t = -1,646.
15.57sebuah.Jangan tolak H0;
x = 7.
b.Jangan tolak H0; x = 7.
15.59Jangan tolak H0 dengan uji Wilcoxon
rank sum (T = 77) atau uji beda
berpasangan
(t = 0,30).
15.61Jangan tolak H0 dengan
menggunakan uji tanda (x =
2); tidak.
15.63 Ya; rs = —.845
15.65Tolak H0; T = 14.
15.67sebuah.Tolak H0; Fr = 20,13.
b.Hasilnya sama.
15.69sebuah.Tolak H0; H = 9,08.
b.0,025 < nilai p < 0,05 c.Hasilnya
sama.
15.71 suatu.Tidak b.perbedaan
yang signifikan antara tanggapan
terhadap tiga tingkat penerapan; Fr =
10.33 dengan p-value = .006
15.73T= 19. T.05 = 21 (T.01 = 18.) Tolak H0.
15.75z= 1,18 < z,05 = 1,645; pencahayaan tidak efektif
15.77H= 7,43 df = 3 nilai p = 0,059;
tidak ada perbedaan yang
signifikan
15.79sebuah.rs= 0,738. b.p-nilai = .025 < .05;
ya, korelasi positif
Indeks
Nilai absolut,61,644 peristiwa sederhana,138 rata-rata dan standar deviasi untuk,186–

Wilayah penerimaan,346,347 uji sampel kecil rata-rata populasi,396 188 perkiraan normal dan,237–238
Aturan probabilitas t siswa,389,392,412 uji Penjelasan data
Penambahan,146–147 kemiringan,516 bivariat,9,98
Hipotesis alternatif t-probabilitas,537 uji grafik untuk variabel kualitatif
penjelasan tentang,344–345,403 t dua sampel,404 dan,98–100
penggunaan,349,350 penggunaan,35–37 MINITAB untuk
Analisis varians (ANOVA). Lihat juga perbedaan,64 menggambarkan,115–118 ukuran
Perbedaan z-skor,232–233 numerik untuk kuantitatif,
asumsi untuk,449–450,487–490 Perkiraan 105–112
perhitungan untuk,459 normal,237–243,634–637,640–641, sebar untuk variabel kuantitatif dan,102–
untuk rancangan acak 647–648 104
lengkap,450–458 Poisson,201–202,237 Pemblokiran. Lihat juga Rancangan
penjelasan tentang,449,490–491 milik Satterthwaite,406 blok acak
Fuji,481–482,518,556 Rata-rata aritmatika. Lihat peringatan tentang,473
untuk regresi linier,509–511 Berarti Rata-Rata. Lihat penjelasan
dalam kuadrat rata-rata,452,454,457,468, Sarana tentang,414,467 Blok
470,510 artinya
MINITAB,453–454,458,483,489–490, Diagram batang membandingkan pengobatan
492–495,653 penjelasan tentang,12–14 dan472–473 pengujian untuk,470
untuk regresi berganda,555–556 untuk data kuantitatif,17– Blok,414
untuk desain blok acak,467–473 19 ditumpuk,98–100 Plot kotak
peringkat rata-rata populasi dan,462– menggunakan MINITAB,13,14,39,40 applet,82–83
465 plot sisa dan,488–490 Aturan Bayes,160–161 konstruksi dari,81–82
sebuah× b percobaan faktorial Garis paling pas,110,506 penjelasan tentang,80
dan,478–484 Tabel analisis varians Bias, dalam survei sampel,256,257
(ANOVA),452, Penaksir bias,301 Kategori data
453,468–469,481,510,555,556 Distribusi bimodal,23,57 aplikasi uji chi-kuadrat dan,615–
Applet distribusi binomial,201–202,237 616
probabilitas binomial,190–192,239–240 Eksperimen binomial tabel kontingensi dan,602–607
plot kotak,82–83 contoh dari,184–186 kesetaraan uji statistik dan,
Teorema Limit Pusat,265 penjelasan tentang,184,614 614–615
probabilitas chi-kuadrat,419–420,596 rumus binomial,188,191,237 penjelasan tentang,10,595 tes
uji chi-kuadrat kemerdekaan,605 Probabilitas binomial kebaikan untuk,597–599 grafik
membandingkan t dan z,390–391 perhitungan,201,240–241 untuk,11–14
selang kepercayaan,312,314 kumulatif,188–189 Statistik chi-kuadrat Pearson untuk,596–
korelasi,106–107,535 individu,188 597 klasifikasi dua arah dengan baris
distribusi probabilitas diskrit,165–166 MINITAB,209–211 tetap atau
penjelasan tentang,6,34 Applet distribusi probabilitas total kolom dan,610–612
Fprobabilitas,456,470 binomial,190–192 hubungan sebab akibat,580
tes kebaikan,598 perhitungan,188 Jumlah sel
uji sampel besar rata-rata penjelasan tentang,184–189 perkiraan,603–604
populasi,353–354 MINITAB,192,202,209–211 penjelasan tentang,595
metode kuadrat terkecil,506,508 perkiraan normal,237–243 probabilitas
garis,109 Proporsi binomial sel,597PusatTeorema Limit
rata-rata dan median,56 memperkirakan perbedaan antara (CLT)
perkiraan normal untuk dua,324–326 applet,265
probabilitas binomial,239– uji hipotesis sampel besar untuk,368– penjelasan tentang,263–265,281–282
240 371,373–376 MINITAB,288–290
kurva normal,224 Contoh variabel acak inferensi statistik dan,266
probabilitas distribusi normal,230–233 binomial,275 Bagan. Lihat juga Grafik
probabilitas normal untuk rata-rata,270– penjelasan tentang,184 batang,12–14,17–19,98–100
271 kekuatan uji-z,358 garis,19
sebar,104,504 Pareto,13
pai,12,13,17–19,98–100
738 ❍INDEKS
Applet distribusi probabilitas Chi- Deviasi

applet koefisien
kuadrat,419–420,596 penjelasan tentang,61–62
korelasi,106– standar,62–63,65–70
penjelasan
107,535
tentang,418,596 Statistik
perhitungan,107–108,111
chi-kuadrat
penjelasan tentang,105–106,518,533
aplikasi dari,615–616
penjelasan tentang,595,596 pengujian hipotesis tentang,536–537
tabel chi-kuadrat,419,692–693 Contoh momen produk Pearson,533–534
populasi,536
Uji chi-kuadrat
pangkat,660–664
aplikasi dari,615–616
penggunaan,11
kebaikan,597–599,615
kemerdekaan,602–603,605 1–112 Aturan
MINITAB,617–620 menghitung
variabel Chi-kuadrat,418 untuk kombinasi,140–142
Cluster,258 Aturan mn
Sampel kluster,258 diperpanjang,138–139 M
koefisien determinasi,518–519, 556– NAturan,137–138,142
untuk permutasi,140–141
557
Kovariansi,106
Koefisien, korelasi,105–106 Kombinasi,
Rumus kovarians,106
aturan penghitungan untuk,140–142
Nilai kritis
Varian umum,449
dari chi-kuadrat,692–693
Pelengkap
penjelasan tentang,347
menghitung probabilitas,146–147
tes hipotesis dan,349,353,364,394,
peristiwa,144,146,147
aturan untuk,147–148 422
berekor kiri,632,702–703
Aturan Komplemen,147–148
berekor kanan,454
Desain acak lengkap
koefisien korelasi peringkat Spearman
analisis varian untuk,451–458
untuk uji satu sisi,705
penjelasan tentang,450–
dari t,691
451,466Kruskal-WallisH-tes
untuk uji peringkat bertanda
untuk,650–654
Wilcoxon,704 luas
Distribusi bersyarat,100
kumulatif,225,229 Probabilitas
Probabilitas bersyarat
penjelasan tentang,149– binomial kumulatif
applet,190–192
151 metode untuk
perhitungan,190–193
menemukan,159–161
penjelasan tentang,188–189
Penjelasan koefisien
tabel,680–
kepercayaan dari,307–
685Kumulatiftabel binomial
308
penggunaan,308,30
penggunaan,201,237
9Keyakinanapplet
fungsi distribusi kumulatif,192 tabel
interval,312,314
Poisson kumulatif,198,686–687
konstruksi dari,308–309 estimasi
fungsi lengkung,537
dan prediksi dan,529 penjelasan
tentang,300
Data
pengujian hipotesis dan,365–
bivariat, 9,98(Lihat juga data Bivariat)
366 interpretasi dari,311–315
kategorikal,10–14(Lihat juga Kategori
sampel besar,310–311,319–320,325
data)
untuk rata-rata pengobatan
penjelasan
tunggal,457
tentang,8
untuk lereng,517
rumus untuk rata-rata dan varian
sampel kecil,392–393,402,413,
untuk,74 metode untuk
421–422,428,429
menggambarkan,53
dua sisi,328
multivariasi,9
Asumsi varian konstan,490 Tabel
kuantitatif,17–24,105–107
kontingensi
univariat,9
penjelasan tentang,602,606,610
Barang cacat,283–285
multidimensi,616
Derajat kebebasan
Koreksi kontinuitas,240
menentukan jumlah yang
Distribusi probabilitas berkelanjutan,220–222
sesuai,596–597,606,611
Variabel acak kontinu
penjelasan tentang,388,391,392,400,
menghitung nilai yang diharapkan
406,452
untuk,170 diskrit vs.,163,221
regresi berganda dan,555 desain blok
distribusi probabilitas untuk,220–223
acak dan,468 sumber variasi dibagi
Variabel kontinyu,10,11,17 Grafik
dengan,481,510
kontrol
Kepadatan, probabilitas,221
fungsi kerapatan, rumus
untuk rata-rata proses,282–283
untuk,388 Acara yang
untuk proporsi cacat,283–285
bergantung,149,151,152
kelompok kontrol,448
Variabel dependen,108
Sampel kenyamanan,258
Statistik deskriptif,4
Koreksi rata-rata (CM),451
Model deterministik,503–504
Analisis korelasi,533–537
INDEKS❍739
Alat diagnostik Es
untuk analisis asumsi varians,488 t
untuk memeriksa asumsi regresi, i
522–524 m
Applet distribusi probabilitas a
diskrit untuk,165–166 t
binomium,184–197 o
hipergeometris,205–207 r
MINITAB untuk,173–175
Poisson,197–205 b
persyaratan i
untuk,164–165 Variabel a
acak diskrit s
kontinyu vs.,163,221
,
rata-rata dan standar deviasi
3
untuk,166–170 distribusi probabilitas 0
untuk,163–170 persyaratan 1
untuk,164–165 penjelasan tentang,299–300
Variabel diskrit,10,11,17 selang,300,307
Acara terpisah,146–
147Penyebaran.Lihat
Variabilitas
fungsi distribusi, kumulatif,192
Distribusi. Lihat juga Probabilitas
distribusi; Distribusi sampel;
jenis distribusi tertentu
bimodal,23,57
binomium,201–202
bersyarat,100
normal,68
miring,22–23,56
simetris,22,56,223
satu
modal,23
Dotplot
applet,35
distribusi aktif,23,24
menunjukkan penyimpangan
poin dari rata-rata,61
menggunakan MINITAB,20,23,40,41
Variabel boneka,567
Efisiensi, relatif,644
Elemen sampel,3
Aturan Empiris
perhitungan s
dan,70 penjelasan
tentang,67–69
variabel acak normal dan,224,229
penggunaan,68–70,193
z-skor
dan,76
Kesalahan
estimasi,302
margin dari,302
sisa,511,523
contoh,305
Tipe I,347,356–357
Tipe II,356,357
Istilah kesalahan,
tergantung,523 Perkiraan.
Lihat juga Sampel besar
kesala
han
estimasi,
302
selang,300,307–315
titik,299–305
inferensi sampel kecil
dan,391 penggunaan garis
pas untuk,527–531
penggunaan model regresi
untuk,559
740 ❍INDEKS
kuadrat terkecil,507–508 Variabel indikator,567

Fmeja,426
titik,299
F-uji
kesalahan
analisis dari,518
standar,267 tidak
analisis varians,481–482,518,556
memihak,301–303
untuk membandingkan rata-rata
variabilitas,301–303
populasi,455,464
Acara
penjelasan tentang,423,429,430,432
menghitung probabilitas
menggunakan,129–134, 137,153–
model linier umum,552–553 Aturan
154
Perkalian Umum,149–150 Tes
pelengkap dari,144,146,147
kebaikan-of-fit,597–599,615
bergantung,149,151,152
Kebaikan kesimpulan,299 Gosset,
menguraikan,146–147
WS,388
Grafik. Lihat juga Bagan; jenis grafik
mandiri,149,151–153
tertentu
saling eksklusif,129,146–147,153
untuk data kategorikal,11–
hubungan antara,144–148
sederhana,129–134 14 interpretasi dari,22–24
keterbatasan,53
Lengkapacara,158–159
distribusi probabilitas Poisson,200
Nilai yang diharapkan
distribusi probabilitas,168
untuk variabel acak kontinu,170
untuk variabel kualitatif,98–100
variabel acak,166–167
untuk data kuantitatif,17–24
Desain eksperimental
residu,488–489
sepenuhnya acak,450–458
dari garis
elemen dari,448–449
penjelasan tentang,4–5,255–258, lurus,108menggunakan
448–449 MINITAB,38–42
blok acak,466–473
Applet
klasifikasi dua arah,478–484
histogram,35
Kesalahan eksperimental,466,488
–37
Unit percobaan, 3, 8,448
kemungkinan,165
Percobaan,257,448
Frekuensi relatif,24–29,35–37
Eksperimen
menggunakan MINITAB,41–42,69
binomium,184–186,614
tes homogenitas,611,614 Distribusi
contoh dari,128–129
probabilitas hipergeometrik,
205–207
faktorial,473,478–484
Pengujian
multinomial,595,610
hipotesis
berpasangan,644–648
proporsi binomial,368–371 selang
Variabel acak eksponensial,222
kepercayaan dan365–366
Aturan mn diperpanjang,138–139
pertimbangan mengenai,378
Ekstrapolasi,519
koefisien korelasi,536–537
perbedaan antara dua proporsi
penjelasan percobaan
binomial,373–376
faktorial,473,480
tes untuk,482 perbedaan antara dua rata-rata
2 × 3,480 populasi,363–366,401–402
sebuah× b,478–484 persamaan varian populasi,427–
notasi faktorial,139 Faktor, 428
penjelasan tentang,298–299,344
dalam percobaan,448
satu ekor,345,347,349
Negatif palsu,160
perbedaan berpasangan,412–414
Positif palsu,160
rata-rata populasi,347–360,391,392
Fdistribusi
parameter populasi,344
analisis varian dan,454
varians populasi,420–421
kemiringan garis,515–516
poin persentase,694–701
sampel kecil,391–392
Model orde pertama,567
statistik,344–347
Garis terpasang,527–
dua sisi,345,349,350,645
531Lima
populasi hipotetis,257
angkaringkasan
plot kotak yang dibuat
Kemandirian, uji chi-kuadrat
oleh,81–82 penjelasan
dari,602–603,605
tentang,80
Penjelasan peristiwa
Fapplet
independen
probabilitas,45
tentang,149,151
6,470
aturan perkalian untuk,151–152
saling eksklusif vs.,153
frekuensi,11,12,99
Analisis sampel acak independen
histogram frekuensi,24.Lihat
dari tabel varians untuk,452
jugaHistogram frekuensi relatif
Friedman, Milton,656
Tes jumlah peringkat Wilcoxon
Friedman Fr-test untuk desain blok
dan,630–637 Variabel independen,108
acak,656–659
INDEKS❍741
Kesimpulan. Lihat juga Aplikasi Gari
inferensi sampel kecil s
untuk,298,299 kuad
Teorema Limit Pusat dan,266 rat
tentang varians populasi,417–423 terke
tentang kemiringan garis,514–516 cil,5
kebaikan,299 06
sampel acak independen Appl
dan,399–406 et
metode untuk,5,298–299 meto
uji perbedaan berpasangan de
dan,410–414 rata-rata kuad
populasi dan,391–396 rat
keandalan,5 terke
Inferensialpenj cil,5
elasan 06,5
statistik,4 08
masuk,4–5 penjelasan
Plot interaksi,479 tentang,506–
Istilah interaksi,567 508,554–555 Garis
Mencegat,553 regresi kuadrat
Rentang interkuartil terkecil,109–110,
(IQR),78–79 5
Persimpangan, 0
peristiwa,144–146 6
Estimasi interval,300 ,
Estimasi interval 5
konstruksi selang kepercayaan 0
dan308–309 8
penjelasan tentang,300,307 Inklusi
Interpretasi selang kepercayaan kiri,
dan311–314 metode,25
interval kepercayaan sampel
besar dan,310–311,314–
315
Estimator interval,300,307
Sampel keputusan,258
Kendall r,660
Kruskal-Wallis H-test untuk
desain acak lengkap,650–
654
Penjelasan interval kepercayaan

sampel besar,310–311,319–
320 untuk proporsi
populasi,314–315
Estimasi sampel besar
memilih ukuran sampel
dan329–333 memperkirakan
perbedaan antara dua
proporsi binomial dan,324–
326 memperkirakan perbedaan
antara dua
sarana kependudukan
dan318–321 jenis estimator
dan299–300 estimasi interval
dan,307–315 batas kepercayaan
satu sisi dan,
328–329
perkiraan titik dan300–305
inferensi statistik dan,298–
299
Uji hipotesis sampel besar
tentang rata-rata
populasi,347–360 untuk
proporsi binomial,368–371
untuk perbedaan antara rata-rata
populasi,363–366
untuk perbedaan antara dua
proporsi binomial,373–
376
Hukum Probabilitas Total,159,160
Estimator kuadrat terkecil,507–508
742 ❍INDEKS
Tes arah kiri,346

plot kotak,83 model regresi polinomial
Tingkat, dalam
Teorema Limit Pusat,288–290 dan,559–562
percobaan,448 Garis
uji chi-kuadrat,599,617–620 variabel prediktor kuantitatif dan
terpasang,527–531
koefisien korelasi,107,108 fungsi kualitatif dan,566–571
grafik dari,108
distribusi kumulatif,192 distribusi plot sisa dan,578–579
sarana,505,514–516,527,528,553
Korelasi linier,537 probabilitas diskrit, masuk,582
173–175 analisis regresi bertahap dan,579–580
Model probabilistik linier,503–506
dotplot,20,23,40,41 pengujian set koefisien regresi dan,
Regresi linier
garis regresi kuadrat dipasang,561 575–577
analisis varian untuk,509–511
F-uji,423,429 kegunaan model regresi dan,556–
memeriksa asumsi,522–527
tes kebaikan,599 557
analisis korelasi dan,533–537
grafik,38–42 Aturan perkalian
garis terpasang dan,527–531
histogram,41–42,69 umum,149–150
MINITAB,510–511,530–531,540–543
perkenalan pada,37–38 untuk acara mandiri151–152
menguji kegunaan,514–520
Uji-H Kruskal-Wallis,653 Hukum Probabilitas Total
Bagan garis,19
regresi linier,510–511,530–531, dan,159 penggunaan,150,154
Lokasi, sebaran data,22,24
540–543 Data multivariasi,9Saling
model log-linier,616
Tes Mann-Whitney,634 metode eksklusifacara
Batas kepercayaan bawah (LCL),309,328
statistik nonparametrik, lengkap dan,158–159
Kuartil bawah,77,78
668–671 penjelasan tentang,129,146–147
probabilitas normal,246–248 independen vs.,153
Efek utama jumlah kuadrat,480
ukuran numerik,80,88–89
Tes Mann-Whitney,634
berpasangan t,414 Metode statistik nonparametrik
Tes Mann-Whitney U,630
diagram lingkaran,38–40 analisis varians dan,490
Probabilitas marjinal,603
probabilitas Poisson dan binomial,202, penjelasan tentang,630
Batas kesalahan
209–211 Friedman Fr-test untuk desain blok
perkiraan,303–305
metode gabungan,406,410 acak sebagai,656–659
penjelasan
plot probabilitas,489 Kruskal-Wallis H-test untuk desain
tentang,302 Cara
p-nilai,354,395,557 acak lengkap seperti,650–654
untuk variabel acak
regresi,517,530,562,569–571,577, MINITAB,668–671
binomial,186–188
583–585 koefisien korelasi peringkat
histogram frekuensi relatif,27 sebagai,660–664 uji tanda untuk
koreksi untuk,451
kuartil sampel,80 percobaan berpasangan sebagai,
untuk variabel acak diskrit,166–170
distribusi sampel,264 639–641
perkiraan Satterthwaite,406 perbandingan uji statistik dan,643–644
untuk data berkelompok,74
pengujian dan estimasi sampel kecil,423, Tes jumlah peringkat Wilcoxon
garis,505,514–516,527,528,553
434–436 sebagai,630–637 Tes peringkat bertanda
untuk distribusi probabilitas
t-uji,557 Wilcoxon untuk dipasangkan
Poisson,198
Tes Tukey,465 percobaan sebagai,644–648
populasi,54,166,303,304,310–311,
penggunaan,6 pengujian nonparametrik,490
318–321,347–360
perbedaan,534 Nonrespons, dalam survei
Sampel,54,55,266–272
Tes jumlah peringkat sampel,256 Perkiraan normal
kesimpulan sampel kecil untuk
Wilcoxon,634 Tes peringkat untuk distribusi probabilitas
perbedaan antara dua,410–414
bertanda Wilcoxon,647 binomial,237–243
kesalahan standar,267,392
x–bagan,283 untuk uji tanda,640–641
penggunaa
M NAturan untuk uji jumlah peringkat
n,57Berarti
aplikasi dari,142 Wilcoxon,634–637 untuk uji peringkat
kotak
penjelasan tentang,137–138 bertanda Wilcoxon,647–648
dalam analisis varians,452,454,457,
Diperpanjang,138–139 Kurva normal
468,470,510
Kelas moda,57 daerah di bawah,226–228,688–
Mode,57 689 probabilitas binomial
Pengukuran,8
prosedur Monte Carlo,295 dan,238
Pengukuran. Lihat Ukuran numerik
Multikolinearitas,580–581 tabel menghitung probabilitas di bawah,228,229,
Ukuran pusat
kontingensi multidimensi,616 231,232
applet,56
Eksperimen multinomial,595,610 Applet distribusi
populasi multinomial,610–612 normal,224,230–231
berarti sebagai,54–56
Beberapa R2,557 untuk mendekati probabilitas
median sebagai,55–56
Analisis varians analisis regresi binomial,279 penjelasan tentang,68
modus
berganda untuk,555–556 terstandarisasi,225,229–230
sebagai,57
memeriksa asumsi regresi dan,558– Pengamatan yang terdistribusi
median
559 normal,449 Distribusi probabilitas
estimasi dan prediksi dan,559 normal
penggunaan,57
penjelasan tentang,552–554 applet,224,230–233
Metode kuadrat terkecil. Lihat Metode
model linier umum untuk,552– penjelasan tentang,68,223–224
kuadrat terkecil
553 menafsirkan hasil regresi MINITAB,246–248
Metode inklusi kiri,25
yang signifikan dan,557–558 terstandarisasi,225
MINITAB
metode kuadrat terkecil untuk,554– tabulasi area,225–228
analisis varians,453–454,458,469,
555 MINITAB,569–571,577,583– Plot probabilitas normal,488,524,558
483,489–490,492–495,510,653
diagram batang,13–14,39,40 585 Variabel acak normal
salah tafsir,580–581 menghitung probabilitas untuk
data bivariat,115–118
umum,229–230
Aturan Empiris dan,224
INDEKS❍743
standar,225–229
744 ❍INDEKS
Notasi
bersebelahan,98–100 Ramalan
faktorial,139
menggunakan MINITAB,38–40 penggunaan garis pas
untuk ukuran variabilitas,62
Pesawat,553 untuk,527–531 penggunaan
Hipotesis nol
Plot residual versus fit,523,558 model regresi untuk,559 Nilai
analisis varian dan,454,470
Estimasi poin,299 dari,520
Penjelasan estimasi persamaan prediksi,503
penolakan,347,353,357,645
titik,299 Interval prediksi,529
penggunaan,349,350,373,393
sampel besar,325–326 Variabel prediktor
Jumlah derajatkebebasan (df )
parameter populasi,302–303 penjelasan tentang,504,552
terkait dengan s2,388
penggunaan,300–305 dalam model regresi,566–571
Angka, acak,256
Penjelasan estimator Prinsip kuadrat terkecil,506–507
Langkah-langkah
titik,299,315 Probabilitas sebelumnya,160
numerik
distribusi sampel,301 Model probabilistik, linier sederhana,503–
perhitungan s dan,70–71
variabilitas,303 506 Probabilitas
dari pusat,53–57
Pendekatan Poisson, untuk Aturan Bayes dan,158–
ringkasan lima nomor dan plot kotak distribusi binomial,201– 161 binomium,201
202,237 bersyarat,149–151,159–160
dan,80–83
MINITAB dan,88–89 probabilitas aturan menghitung dan137–
untuk data bivariat kuantitatif,105–108 Poisson,237Poissondistribusi 142 binomial kumulatif,188–
kedudukan relatif,75–80 kemungkinan 189 hubungan peristiwa
penjelasan tentang,197–202 dan144–148
standar deviasi dan,66–70
rumus untuk,198 peristiwa dan ruang sampel dan,128–
variabilitas,60–65
grafik dari,200 131 untuk variabel acak normal
studi observasi,256,448 MINITAB,202,209–211 umum,
sampel acak sistematis 1-in-k,258 variabel acak Poisson,197–198 229–232
Batas kepercayaan satu sisi,328–329 jajak pendapat,1–3 kemerdekaan dan,149–154
Model regresi polinomial,560–562 hukum jumlah,159
Uji hipotesis satu sisi,345,347,
349,401 Metode gabungan,403,405,406 Aturan Perkalian dan,149–152,154,159
klasifikasi satu arah,450.Lihat juga Uji t gabungan,410 Poisson,198–202
Koefisien korelasi populasi,536 belakang,160,161
Desain acak lengkap
Pemesanan,139 Kependudukan berarti sebelumnya,160
Penyimpangan memperkirakan perbedaan antara dua,318– hubungan antara statistik dan,128 rata-
pemeriksaan,22,24 321 perkiraan,303,304,318–321 rata sampel,268
isolasi dari,80–82 penjelasan tentang,54,166 acara sederhana,131–134
median dan,56 Ftes untuk membandingkan,455 tak bersyarat,159,603
z-skor dan,76 interval kepercayaan sampel besar untuk serikat pekerja dan
Keluaran,6 untuk,310–311 komplemen,146–148 fungsi kepadatan
uji sampel besar tentang,347–360 probabilitas,192,221,222 Distribusi
Perbandingan berpasangan uji sampel besar untuk perbedaan probabilitas
menjalankan program komputer,465 antara,363–366 binomium,184–193,237–243
peringkat,462–465 chi-kuadrat,418–420
Metode Tukey untuk,463,464,484
kesimpulan sampel kecil kontinu,220–222
Eksperimen beda berpasangan,640
Uji perbedaan berpasangan,410–414,639 tentang,391–392 untuk variabel acak kontinu,220–223
Dipasangkan kesimpulan sampel kecil untuk untuk variabel acak diskrit,164–170
perbedaan antara dua,399–406 penjelasan tentang,163–164,221
t,414,641
penggunaan,55 grafik dari,168
Parameter
Model populasi,503–506 hipergeometris,205–207
penjelasan tentang,53,255
Koefisien korelasi peringkat populasi,664 MINITAB dan,173–175
kesimpulan tentang,298–299
menguji hipotesis tentang populasi,344 Populasi normal,68,223–232
membandingkan multinomial,610–612 Poisson,197–202
nilai-nilai,255
penjelasan tentang, 3,8 persyaratan untuk diskrit,164–165
Bagan Pareto,13
hipotetis,257 histogram probabilitas,165
Penjelasan koefisien regresi
identifikasi,4 tabel probabilitas,131,148,159
parsial,553,554,556
normal,266 Maksud proses,281–
pengujian signifikansi,557
miring,266 283 Proporsi
Lereng sebagian,553,556
simetris,266 dari cacat,283–285
pbagan,283–285
Deviasi standar populasi,167,223 memperkirakan perbedaan antara
Pearson, Karl,595
Varian populasi dua binomial,324–326
Koefisien korelasi sampel momen produk
membandingkan dua,424–430 perkiraan,303
Pearson,533–534
perkiraan,64 Sampel,275–279
Statistik chi-kuadrat Pearson. Lihat statistik
penjelasan tentang,62 ppersentil ke-,76
Chi-kuadrat
rumus untuk,167 p-nilai
Persentase,11
pengujian hipotesis,420–421 perhitungan,351–355,395
Persentil,76,77
kesimpulan tentang,417–423 penjelasan tentang,345,346
Permutasi
kesimpulan tentang,417–423 tes hipotesis dan,365,378,394,422
menghitung aturan untuk,140,141
Probabilitas posterior,160,161
penjelasan
Kekuatan model kuadrat,559–562
tentang,139 Diagram
uji statistik,357–360,643 Variabel kualitatif
lingkaran
uji-z,360 penjelasan tentang,10–11,163
kurva daya,357 grafik untuk,98–100
untuk data kuantitatif,17–19
peramal,566–571 tabel
statistik untuk,11–12
INDEKS❍745
Grafik data tujuan dari,314

penjelasan frekuensi
kuantitatif masalah yang berkaitan dengan,256–257,315
relatif,11,12,100
untuk,17–24
jumlah dari,221
ukuran numerik untuk bivariat,105–107
Distribusi frekuensi relatif
Variabel kuantitatif
untuk ukuran sampel yang semakin
penjelasan tentang,10–11,17,163
besar,220 distribusi probabilitas
grafik dari,19
peramal,566–571 scatterplot dan,166 menunjukkan nilai ekstrim
pada rata-rata dan
untuk dua,102–104
median,56
Kuartil
Konstruksi histogram frekuensi
perhitungan sampel,78–80
relatif,26–28,35–37
lebih rendah,77,78
kegunaan untuk,28–29
atas,77,78
menggunakan
Sampel kuota,258
MINITAB,27 Langkah-
langkah berdiri relatif
R2 penjelasan tentang,75
nilai yang MINITAB dan,80
disesuaikan,557–558 kuartil sampel dan,78
penjelasan tentang,556– jenis dari,75–78
557 Replikasi, percobaan,480
Kesalahan acak,504,505 Sisa,488
Tugas acak,451 Desain blok kesalahan sisa,511,523
acak Plot sisa
analisis varian untuk,467–473 penjelasan tentang,488–490,523–
peringatan tentang,473 524,558
penjelasan tentang,413–414,466– interpretasi dari,578–579
467 Friedman Fr-tes untuk,656– Respons, dalam
659 tes untuk,471 percobaan,448 variabel
Angka acak,256 respon,504,552 Tes arah
tabel angka acak,706–707 kanan
Sampel acak penjelasan tentang,346,454
penjelasan tentang,256 penggunaan,596
mandiri,399–406,630–637 Kokoh,391,433,449
1-dalam-k sistematis,258
sederhana,255–256 s, perhitungan,70–71
bertingkat,257–
258 Variabel acak s2
perhitungan,63,64,401,418
binomium,184,186–188,237,275
kontinu,163,170,220–223
jumlah derajatkebebasan (df )
diskrit,163–170,221
terkait dengan,388,400
Rata-rata sampel
eksponensial,222
menghitung probabilitas,268
hipergeometris,205–206
rumus untuk,54
normal,225–232,266
distribusi sampel,266–272
Poisson,197–198
penggunaan,55
fungsi kepadatan probabilitas
Proporsi sampel
untuk,221 seragam,222
Jarak
distribusi sampel untuk,275–279
perkiraan,70–71
Kluster
sampel,258
interkuartil,78–79
kenyamanan,258
Koefisien korelasi peringkat,660–664
elemen dari,3
Jumlah peringkat,631,644
Regresi,109.Lihat jugaRegresi linier;
pertimbangan,258
Analisis regresi berganda
mengutip,258
Perangkat lunak komputer
pilihan dari,255,256
analisis regresi untuk,517
varian dari,62
salah tafsir,580–581
Ukuran sampel. Lihat juga Interval
memprediksi nilai,522
kepercayaan sampel besar; Estimasi
bertahap,579–580
sampel besar; Uji hipotesis dengan
Koefisien
sampel besar; Inferensi sampel
regresisebagian,575
kecil;
–577
Eksperimen binomial teknik
set pengujian,575–577
sampel kecil dan,186 Teorema
Garis regresi. Lihat juga garis regresi
Limit Pusat dan,266 pilihan
kuadrat-terkecil
dari,329–333
perhitungan,111–112
rumus untuk
menentukan,333 batas
wilayah penolakan,346,347,349,350,352,
kesalahan dan305
355,393
ruang sampel,129,130
efisiensi relatif,644
Survei sampel
746 ❍INDEKS
Perhitungan miring,22
varians –23,56
sampel Lereng
dari,64 se
penjelasan tentang,62–63 la
Contoh skor-z,75 ng
Contoh,3 ke
Desain sampel. Lihat Distribusi pe
sampel desain Eksperimental rc
Teorema Limit Pusat ay
dan,263–266 MINITAB,264 aa
penaksir titik,301 n
rata-rata sampel,266– un
272,318–321 proporsi tu
sampel,275–279 k5
rencana sampling dan desain 17
eksperimental dan,255–258 pe
metode kontrol proses statistik nj
dan,281–285 el
statistik dan,260–262 as
Kesalahan pengambilan sampel,305 an
Rencana pengambilan sampel,255–258,329,448.Lihat te
juga nt
Eksperimenta an
lprosedur g,
pengambilan 10
sampel desain,4–5 8
perkiraan Satterthwaite,406 g
Timbangan, a
pemeriksaan,22,24 r
Scatterplot i
applet,104,504,505 s
penjelasan tentang,102 s
menunjukkan korelasi,535–536 a
untuk dua variabel r
kuantitatif,102–104 Tes a
skrining,159–160 n
Model orde kedua,560,567 a
Jumlah kuadrat ,
berurutan,556 Bentuk, 5
distribusi data,22,24 1
Informasi bersama,581 4
Metode pintas untuk –
menghitung s2,63 Bagan pai 5
berdampingan,98–100 sigma 1
( ),54 6
Tingkat signifikansi
penjelasan s
tentang,347,348,352,356 e
kepentingan praktis b
dan370–371 a
Tes tanda tangan g
perkiraan normal untuk,640– i
641 untuk percobaan a
berpasangan,639–640 n
Peristi ,
wa 5
sede 5
rhan 3
aapp tes untuk,516
let,1 Inferensi sampel
38 kecil. Lihat juga
penjelasan tentang,129–131 Inferensi
probabilitas,131–134,164 tentang rata-rata
Model probabilistik linier populasi,391–
sederhana,503–506 Sampel acak 396 tentang
sederhana,255–256.Lihat juga varians
Acaksamp populasi,417–
el Simulasi 423 sampel
untuk mendekati distribusi acak
probabilitas diskrit,165 independen dan,
untuk memperkirakan distribusi 399–406
sampel,260–261,265 uji perbedaan berpasangan
Prosedur Monte Carlo dan,410–414
dan,295 Distribusi
INDEKS❍747
Asumsi teknik sampel Uji hipotesis dua sisi,345,349,350,

Lapisan,257
kecil,432–433 401,645
sampel acak bertingkat,257–258
membandingkan dua varian
Rentang pelajar
populasi,424–430
penjelasan tentang,463 poin
MINITAB,434–436 persentase,708–711
Siswatapplet
distribusi t siswa,387–391
distribusi,389
penggunaan,630
asumsi di belakang,391
Sumber variasi,468,481
Spearman rs,660
paket komputasi statistik dan,395
Nilai kritis koefisien korelasi peringkat
probabilitas t siswa,389,392,412 tabel t
Spearman dari,705
penjelasan tentang,660–664 siswa,389
Jumlah pengukuran sampel xi,265
uji korelasi peringkat Spearman,663–664
Jumlah kuadrat untuk
Bagan batang bertumpuk
penjelasan tentang,98 kesalahan(SSE),452,480,506 Jumlah kuadrat
penggunaan,99, untuk perawatan (SST),
451–452
100Standardeviasi
Perhitungan jumlah
untuk variabel acak binomial,186–188
kuadrat dari,481
perhitungan,65
efek utama,480
untuk variabel acak diskrit,166–170
sekuensial,556
penggunaan,507,509
untuk distribusi probabilitas
Simbol, untuk proses
Poisson,198 populasi,167,223
penjumlahan,54 distribusi
arti praktis dari,66–70 dalam
simetris,22,56,223
hasil riset,304
Kesalahan standar
Perhitungan Teorema
penaksir,267,528
Tchebysheff tentang s
rata-rata,267,392 dan,70 penjelasan
dalam hasil riset,304 Distribusi tentang,66–69
penggunaan,66,68–70,193
normal standar,225,
z-skor dan,76
229–230
Tes homogenitas,611
Statistik uji standar,348
Variabel acak normal standar,225–229 Statistik uji
analisis varians,454,455
Distribusi z normal standar,388
Keadaan alam,160
modifikasi dari,375–376
Inferensi statistik. Lihat Kontrol
terstandarisasi,348
Proses Statistik Inferensi (SPC)
penggunaan,349,393
peta kendali untuk rata-rata proses
untuk uji peringkat bertanda
dan,281–283
peta kendali untuk proporsi cacat Wilcoxon,644 Pengamatan
terikat,639
dan,283–285
Multinomial yang bergantung pada
waktu,615–616
Signifikansi statistik,352,370–371
Deret waktu,19,523
perangkat lunak statistik,6
Jumlah total kuadrat (TSS),451,452
tabel statistik,11,12,14
t-probabilitas,537
Tes statistik. Lihat juga perbandingan
Pengobatan berarti
pengujian Hipotesis,643–644
persamaan dari,614–615 memperkirakan perbedaan,456–
penting dari,348–350 458,464 menguji kesetaraan,454–456
Perawatan
dalam percobaan,448
sampel besar,350–351,363–366,
mengidentifikasi perbedaan,472–
369–370,373–376
berekor kiri,346 473 desain blok acak dan,467
menguji kesetaraan,470–471
kurva daya
diagram pohon,130–131
untuk,357 kekuatan
Kecenderungan,19
dari,356–360
tstatistik
berekor kanan,346,454,596
derajat kebebasan
teorema statistik,261,262
untuk400 sebagai
Statistik
deskriptif,4 kuat,391
penjelasan tentang,53,260 penggunaan,432
inferensial,4–5 t-uji
berpasangan,414,641
hubungan antara probabilitas dan,128
dikumpulkan,410
distribusi sampling dan,260–262 melatih
dua sampel,404,406
otak Anda untuk,5–6
penggunaan,641
Plot batang dan daun,20–22
Metode Tukey untuk perbandingan
Analisis regresi bertahap,579–580
berpasangan,463,464,484
Uji t dua sampel,404,406
Interval kepercayaan dua sisi,328.Lihat
jugaInterval kepercayaan
748 ❍INDEKS
percobaan faktorial
2×3,480 Kesalahan tipe z-skor
I,347 applet,232–233
Kesalahan tipe II,356,357 penjelasan tentang,75–76
z-uji,358–360
Estimator tak bias,301–303
Probabilitas tanpa syarat,159,603
Undercoverage, dalam survei
sampel,257 Variabel acak
seragam,222 Distribusi
unimodal,23
Serikat pekerja
menghitung probabilitas,146–
148 peristiwa,144–146
Data univariat,9
Batas kepercayaan atas (UCL),309,328
Kuartil atas,77,78
Variabilitas
penaksir,301–303
ukuran dari,60–65
aturan untuk
menjelaskan,67
Variabel
kontinu,10,11,17
acak terus menerus,163,170,220–223
bergantung,108
diskrit,10,11,17
contoh,567
mandiri,108
peramal,552
kualitatif,10,11,98–100,163,566–571
kuantitatif,10,11,17,102–104,566–571
acak,163–170
tanggapan,552
jenis dari,10–11
Perbedaan. Lihat juga Analisis
varians(ANOVA)
perhitungan,63
umum,449
penjelasan
tentang,62
untuk data
berkelompok,7
4
MINITAB,534
notasi untuk,62
populasi,62,64,167,417–430
Sampel,6
2,64
diagram
Venn
acara di,146,147
Rata-rata tertimbang,400
Wilcoxon,
Frank,631,644 Tes
jumlah peringkat
Wilcoxon
perkiraan normal untuk,634–
636 penggunaan,637
Nilai kritis uji peringkat
bertanda Wilcoxon
dari T untuk,704
perkiraan normal untuk,647–
648 untuk percobaan
berpasangan,644–647
Bias kata-kata, dalam survei sampel,257
x–bagan,282–283
y-mencegat,108,109,530
INDEKS❍749
Kredit
Halaman ini merupakan perpanjangan dari halaman hak cipta. Kami telah melakukan
segala upaya untuk melacakkepemilikan semua materi berhak cipta dan untuk
mendapatkan izin dari pemegang hak cipta. Jika ada pertanyaan yang muncul mengenai
penggunaan materi apa pun, kami akan dengan senang hati melakukan koreksi yang
diperlukan di cetakan mendatang. Terima kasih kepada penulis, penerbit, dan agen
berikut atas izin untuk menggunakan materi yang ditunjukkan.
Pengantar. 1:© Mark Karrass/CORBIS; 2: “Berita Panas: 98,6 Tidak Normal,”

© Layanan Informasi McClatchy-Tribune. Seluruh hak cipta. Dicetak ulang
dengan izin.
Bab 1. 7:© Jupiterimages/Merek X/CORBIS; 9: Bagian masukan dan keluaran yang
terkandung dalam publikasi/buku ini dicetak dengan izin Minitab® Inc. Semua
materi tetap menjadi milik eksklusif dan hak cipta Minitab®, Inc. Semua hak
dilindungi undang-undang.www.minitab.com;31, Latihan 1.29:Diadaptasi dari
“Sepuluh Besar Agama Terorganisir
Dunia,”www.infoplease.com/ipa/A0904108.html,seperti yang muncul pada 15
November 2007 Info Please Database, © Pearson Education, Inc. Direproduksi
dengan izin dari Pearson Education, Inc. publishing as Info Please. Seluruh hak cipta;
47, latihan 1.58: Digunakan atas izin GEICO.
Bab 2.52:© Joe Sohm-VisionsofAmerica/Photodisc/Getty.
Bab 3. 97:© Janis Christie/Photodisc/Getty Images; 126: © 2007 oleh Consumers
Union of US, Inc., Yonkers, NY 10703-1057, organisasi nirlaba. Dicetak ulang dengan
izin dari CONSUMER REPORTS® edisi September 2007 hanya untuk tujuan
pendidikan. Tidak ada penggunaan komersial atau reproduksi yang
diizinkan.www.ConsumerReports.org®.
Bab 4. 127:© Tammie Arroyo/Getty Images.
Bab 5. 183:© Kim Steele/Photodisc/Getty Images; 218: Dari The New York Times,
21/5/1987, hal. A22. Hak Cipta © 1987 The New York Times. Seluruh hak cipta.
Digunakan dengan izin dan dilindungi oleh Undang-Undang Hak Cipta Amerika Serikat.
Pencetakan, penyalinan, pendistribusian ulang, atau transmisi ulang Materi tanpa izin
tertulis yang jelas dilarang.
Bab 6. 219:© AFP/Getty Images.
Bab 7. 254:© PictureNet/CORBIS; 291, Latihan 7.66: Dari Newsweek, 26 Oktober
2006, © 2006 Newsweek, Inc. Semua hak dilindungi undang-undang. Digunakan
dengan izin dan dilindungi oleh Undang-Undang Hak Cipta Amerika Serikat.
Pencetakan, penyalinan, pendistribusian ulang, atau transmisi ulang Materi tanpa izin
tertulis yang tegas dilarang;
293, latihan 7.78:Dari J. Hackl, Journal of Quality Technology, April 1991.
Digunakan dengan izin.
KREDIT❍745
Bab 8. 297:© Associated Press; 306, Latihan 8.14: Dicetak ulang dengan izin dari
Science News, majalah berita mingguan Science, hak cipta 1989 oleh Science Services,
Inc.; 322, Latihan 8.43: Dari “Penilaian Kinerja Kurikulum Biologi SMA Berbasis
Standar” oleh W. Leonard, B. Speziale dan J. Pernick dalam The American Biology
Teacher 2001, 63(5); 310–316. Dicetak ulang dengan izin dari Asosiasi Guru Biologi
Nasional; 323, Latihan 8.46: Dari “Penilaian Kinerja Kurikulum Biologi SMA Berbasis
Standar” oleh W. Leonard, B. Speziale dan J. Pernick dalam The American Biology
Teacher 2001, 63(5); 310–316. Dicetak ulang dengan izin dari Asosiasi Guru Biologi
Nasional; 338, Latihan 8.101: Dari jajak pendapat CBS/New York Times, “Is America
Ready For A Woman President?”, 5 Februari 2006. Hak Cipta © 2006 CBS Broadcasting
Inc. Seluruh hak cipta. Digunakan atas izin CBS News.
Bab 9. 343:© Scott Olson/Getty Images.
Bab 10. 386:© CORBIS SYGMA; 397, Latihan 10.6: Dari “Pricing of Tuna,” Hak Cipta
2001 oleh Consumers Union of US, Inc., Yonkers, NY 10703-1057, sebuah organisasi
nirlaba. Dicetak ulang dengan izin dari Consumer Reports® edisi Juni 2001 hanya untuk
tujuan pendidikan. Tidak ada penggunaan komersial atau reproduksi yang
diizinkan.www.ConsumerReports.org®;446:Dari “Pekan Kerja Empat Hari
Meningkatkan Lingkungan” oleh CS Catlin dalam Kesehatan Lingkungan, Vol. 59, No. 7,
Maret 1997. Hak Cipta 1997 Perhimpunan Kesehatan Lingkungan Nasional. Dicetak
ulang dengan izin.
Bab 11. 447:© James Leynse/CORBIS; 462, Latihan 11.16: Dari “Pricing of Tuna,” Hak
Cipta 2001 oleh Consumers Union of US, Inc., Yonkers, NY 10703-1057, sebuah
organisasi nirlaba. Dicetak ulang dengan izin dari Consumer Reports® edisi Juni 2001
hanya untuk tujuan pendidikan. Tidak ada penggunaan komersial atau reproduksi yang
diizinkan.www.ConsumerReports.org®.
Bab 12. 502:© Justin Sullivan/Getty Images; 549, Latihan 12.80: Dari
“Ratings: Walking Shoes,” Hak Cipta 2006 oleh Consumers Union of US, Inc.,
Yonkers, NY 10703-1057, sebuah organisasi nirlaba. Dicetak ulang dengan izin dari
Consumer Reports® edisi Oktober 2006 hanya untuk tujuan pendidikan. Tidak ada
penggunaan komersial atau reproduksi yang diizinkan.www.ConsumerReports.org®.
Bab 13. 551:© Will & Deni McIntyre/CORBIS; 590, Latihan 13.33: Dari “Tuna Goes
Upscale,” Hak Cipta 2001 oleh Consumers Union of US, Inc., Yonkers, NY 10703-
1057, sebuah organisasi nirlaba. Dicetak ulang dengan izin dari Consumer Reports®
edisi Juni 2001 hanya untuk tujuan pendidikan. Tidak ada penggunaan komersial atau
reproduksi yang diizinkan.www.ConsumerReports.org®.
Bab 14. 594:© Dave Bartruff/CORBIS; 601, Latihan 14.13, 14.14: M&M's® dan M®
adalah merek dagang terdaftar yang dimiliki oleh Mars, Incorporated dan afiliasinya.
Merek dagang ini digunakan dengan izin. Mars, Incorporated tidak terkait dengan
Cengage Learning Market Group di seluruh dunia. © Mars, Inc. 2008.
Bab 15. 629:© Don Carstens/Merek X/CORBIS; 677: Dari “Kisaran Pengganti Telur
dalam Kualitas” oleh K. Sakekel dalam The San Francisco Chronicle, 10 Februari 1993,
hal. 8. Hak Cipta © 1993 San Francisco Chronicle.
Lampiran. 691:Dari “Tabel Poin Persentase Distribusi-t,” Biometrika 32 (1941):300.
Direproduksi atas izin Pengawas Biometrika; 692: Dari “Tabel Poin Persentase
Distribusi x2,” Tabel Biometrika untuk Ahli Statistik, Vol. 1, edisi ke-3. (1966).
Direproduksi atas izin Pengawas Biometrika; 694: Sebagian dari “Tabel Poin Persentase
Distribusi Beta (F) Terbalik,” Biometrika, Vol. 33 (1943) oleh M. Merrington dan CM
Thompson dan dari Tabel 18 Biometrika Tables for Statisticians, Vol. 1, Cambridge
University Press, 1954, diedit oleh ES Pearson dan
746❍KREDIT
HO Hartley. Direproduksi dengan izin dari penulis, editor, dan Wali Biometrika; 702,
Tabel 7(a) dan 7(b): Data dari “Tabel Tambahan Nilai Kritis untuk Statistik Dua
Sampel Mann-Whitney (Wilcoxon)” oleh Roy C. Milton,
hlm. 925–934, dalam Journal of American Statistical Association, Vol. 59, No. 307,
September 1964. Dicetak ulang dengan izin dari Journal of American Statistical
Association. Hak Cipta 1964 oleh Asosiasi Statistik Amerika. Seluruh hak cipta; 704:
Dari “Beberapa Prosedur Statistik Perkiraan Cepat” (1964) 28, oleh F. Wilcoxon dan RA
Wilcox. Direproduksi dengan izin dari Lederle Laboratories, sebuah divisi dari American
Cyanamid Company; 705: Dari “Distribution of Sums of Squares of Rank Differences
for Small Samples” oleh EG Olds, Annals of Mathematical Statistics 9 (1938).
Direproduksi dengan izin dari editor, Annals of Mathematical Statistics; 706: Dari
Handbook of Tables for Probability and Statistics, edisi ke-2, diedit oleh William H.
Beyer (CRC Press). Digunakan atas izin William H. Beyer.
Jawaban untuk Latihan Pelatih MyPersonal
Bab 1 SEBUAH. B.
0 0 hingga <15
15 sampai
<30
90 12.86 15 0 0 hingga
<1,0
1,0 hingga
<2,0
500 500 hingga
Bab 2 SEBUAH.
Himpunan data Diurutkan n Posisi Q1 Posisi Q3 Kuartil Bawah, Q1 Kuartil Atas, Q3
2, 5, 7, 1, 1, 2, 8 1, 1, 2, 2, 5, 7, 8 7 2 6 1 7
5, 0, 1, 3, 1, 5, 5, 2, 4, 4, 1 0, 1, 1, 1, 2, 3, 4, 4, 5, 5, 5 11 3 tanggal 9 1 5
B.
Kumpulan Data Posisi Q1 Nilai Berdekatan Q1 Posisi Q3 Nilai Berdekatan Q3
yang Diurutkan
0, 1, 4, 4, 5, 9 1.75 0 dan 1 0+0,75(1)=.75 5.25 5 dan 9 5+.25(4)=6
0, 1, 3, 3, 4, 7, 7, 8 2.25 1 dan 3 1+.25(2)=1.5 6.75 7 dan 7 7+0,75(0)=7
1, 1, 2, 5, 6, 6, 7, 9, 9 2.5 1 dan 2 1+0,5(1)=1.5 7.5 7 dan 9 7+0,5(2)=8
bagian 3 SEBUAH.
x y xy Menghitun Kovarian
g:
0 1 0 n=3 ——(Sx)(Si)
Sxy — n
seksi=—— =1
n—1
2 5 10 sx=2
4 2 8 sy=2.082 Koefisien Korelasi
sx
r = —y = .240
Sx=6 Sy=8 Sxy=18 —
sx sy
B.
Dari Bagian A Dari Bagian A Menghitu Lereng y-Mencegat
ng:
Sx=6 sx=2 x¯=2 sy
b=r
()
——
sx
= .25 sebuah=y¯—
Sy=8 sy=2.082 y¯=2.667 bx¯=2.167
r=.240 Garis Regresi: y=2.167+.25x
Bab 4
P(A) P(B) Kondisi untuk Peristiwa A dan B P(A∩B) P(AASB) P(A|B)
.3 .4 Mandiri .12 .58 .3
.1 .5 Saling eksklusif dan bergantung 0 .6 0
.2 .5 Mandiri .10 .6 .2
Bab 5 Bagian 5.2 SEBUAH. B.

0, 1, 2, 3, 4 P(x≤4) t/a .922
4, 5 P(x≥4) 1—P(x≤3) .337
5 P(x>4) 1—P(x≤4) .078
0, 1, 2, 3 P(x<4) P(x≤3) .663
2, 3, 4 P(2≤x≤4) P(x≤4)—P(x≤1) .835
.010, .087, .317,
4 P(x=4) P(x≤4)—P(x≤3) .259
Bab 5 Bagian 5.3 A. B. C.
0, 1, 2, 3 P(x≤3) t/a .934
1.50e— 3, 4, 5, . . . P(x≥3) 1—P(x≤2) .191
1.5
——, .223 4, 5, 6, . . . P(x>3) 1—P(x≤3) .066
0!
1.51e— 0, 1, 2 P(x<3) P(x≤2) .809
1.5
——, .335 .223, .558, .809,
1! 2, 3, 4 P(2≤x≤4) P(x≤4)—P(x≤1) .423
0, 1, 3 P(x=3) P(x≤3)—P(x≤2) .125
0,558
Bab 6 Bagian 6.3

1.5 t/a .9332
2 1—P(z≤2) 1—.9772=.0228
2.33 1—P(z≤2.33) 1—.9901=.0099
—1,96, 1,96 P(z<1,96)—P(z<—1,96) .9750—.0250=.9500
—1.24, 2.37 P(z<2.37)—P(z<—1.24) .9911—.1075=.8836
—1 t/a .1587
Bab 6 Bagian 6.4

A. B.
1. 12; 18 2. ya 3. 12; 2.683 1. 20, 21, . . . , 30 2. 20; 19.5 3.2.80 4.2.80; .9974; .0026
Bab 7 Bagian 7.5

SEBUAH. B. C.
normal; 75; 2 P(x¯>80); 2.5; 80; 2.5; .9938; .0062 P(70<x¯<72);—2.5;—1,5; 70; 72;—2.5;—1,5; .0668; .0062; .0606
Bab 7 Bagian 7.6

SEBUAH. B. C.
normal; .4; .08165 P(p>.5); 1,22; .5; 1,22; .8888; .1112 P(.5<pˆ<.6); 1,22; 2,45; .5; .6; 1,22; 2,45; .9929; .8888; .1041
Bab 8
Jenis 1 atau MOE Menyelesaikan Ukuran
2 sampel
pq .4(.6)
1.96 √¯——n 1.96 √¯——
n
≤ .1
n≥93
1,96 6 ≤1
Kuantitatif Satu —— n≥139
s 2 √n¯
√¯s 2
36 3 6 n1 ≥70
¯—— + ——
2
1 n√¯
1.96 —— + —— ≤2
n ¯ n2 ≥70
n n
.4(.6) .4(.6) n1 ≥738

Bab 9 SEBUAH. 1.96
√¯ ¯
+ B. ≤
Nilai kritis Wilayah Penolakan Kesimpulan p-nilai p-nilai Kesimpulan

1.645 z>1.645 Jangan tolak H0 <sebuah?
2.33 z>2.33 Tolak H0 .0808 Tidak Jangan tolak H0
1.96 z>1,96 atau z<—1.96 Jangan tolak H0 .0069 Ya Tolak H0
2.58 z>2.58 atau z<—2.58 Tolak H0 .4592 Tidak Jangan tolak H0
≈0 Ya Tolak H0

William - Mendenhall - Robert - J - Beaver - Barbara - M - Bookfi-Org Bab 15.en - Id

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

William - Mendenhall - Robert - J - Beaver - Barbara - M - Bookfi-Org Bab 15.en - Id

Diunggah oleh

Hak Cipta:

Format Tersedia

Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

Misalnya, Anda memiliki n1 = 3 pengamatan dari populasi 1—2, 4, dan 6—dan n2

TABEL 15.1 ● Tujuh Pengamatan dalam Urutan

Pengamatan terkecil, x1 = 2, diberi peringkat 1; pengamatan terkecil berikutnya, y1 =

pengamatan dalam sampel 1. Jika populasi 1 terletak di sebelah kiri populasi 2, T1

RUMUS UNTUK STATISTIK JUMLAH PERINGKAT

Sebagian dari 5% Nilai Kritis Ekor Kiri,

UJI JUMLAH PERINGKAT WILCOXON

Hsebuah : Distribusi untuk populasi 1 dan 2 berbeda (uji dua sisi)

Kami mengilustrasikan penggunaan Tabel 7 dengan contoh berikut.

TABEL 15.3 ● Frekuensi Sapuan Sayap untuk Dua Spesies Lebah

Larutan Pertama-tama Anda perlu mengurutkan pengamatan dari kecil ke besar,

TABEL 15.4 ● Peringkat Frekuensi Pukulan Sayap dari Kecil ke Besar

Hipotesis yang akan diuji adalah

Estimasi poin untuk ETA1-ETA2 adalah 30,50

UJI JUMLAH PERINGKAT WILCOXON UNTUK SAMPEL BESAR:n1

Hipotesis nol: H0 : Distribusi populasi identik

Pengukuran Kekuatan (dan Peringkatnya)

Kapan sebaiknya uji jumlah peringkat Wilcoxon digunakan sebagai preferensi

TEKNIK DASAR 15.5 Misalkan Anda ingin mendeteksi pergeseran

15.8 Kandungan Oksigen TerlarutItu

UJI TANDA UNTUK MEMBANDINGKAN DUA POPULASI

Hipotesis nol: H0 : Kedua distribusi populasi identik dan

LarutanUntuk percobaan beda-berpasangan ini, x adalah berapa kali pengamatan

Perkiraan Normal untuk Tes Tanda

UJI TANDA UNTUK SAMPEL BESAR:nW25

Hipotesis nol: H0 : p = 0,5 (satu perlakuan tidak disukai dari perlakuan

sebuah.Gunakan uji tanda untuk menentukan apakah

PERBANDINGAN UJI STATISTIK

Mungkin metode yang paling umum untuk membandingkan dua prosedur

UJI PERINGKAT BERTANDA

MENGHITUNG STATISTIK UJI UNTUK UJI PERINGKAT BERTANDA

Hitung selisih (x1 — x2) untuk masing-masing n pasangan. Perbedaan sama

WILCOXON SIGNED-RANK TEST UNTUK EKSPERIMEN

Hipotesis nol: H0 : Dua distribusi frekuensi relatif populasi adalah identik

TABEL 15.8 ● Kepadatan Enam Pasang Kue

—0,020—0,015—0,010 —0,005 0.000 0,005

Perkiraan Normal untuk Tes Peringkat

SAMPEL BESAR WILCOXON SIGNED-RANK TEST

1. Hipotesis nol: H0 : Distribusi frekuensi relatif populasi 1 dan 2 adalah identik.

15.23 Lihat Latihan 15.21. Lakukan pengujian

15.29 Kontrol lalu lintasDua metode untuk

Subjek Normal Stres

UJI H KRUSKAL–WALLIS UNTUK DESAIN

Residu versus Nilai Pas

Dalam prosedur uji-H Kruskal–Wallis, langkah pertama adalah mengurutkan

* CATATAN * Satu atau lebih sampel kecil

THE KRUSKAL–WALLISH-UJI UNTUK MEMBANDINGKAN

Hipotesis nol: H0 : Distribusi populasi k adalah identik.

THE KRUSKAL–WALLISH-UJI UNTUK MEMBANDINGKAN

APLIKASI b.Temukan perkiraan nilai-p untuk tes di bagian a.

menggunakan Kruskal–Wallis H-test dengan a = .01.

sebuah.Apakah data menyajikan bukti yang cukup

FRIEDMAN Fr-TEST UNTUK DESAIN BLOK

TABEL 15.10 ● Waktu Reaksi terhadap Enam Rangsangan

Plot Probabilitas Normal dari Residual (tanggapanwaktu

Anda ingin menguji

Est Jumlah dari

Media besar = 0,7167

THE FRIEDMANFr-UJI UNTUK DESAIN BLOK ACAK

1. Hipotesis nol: H0 : Distribusi populasi k adalah identik

Anggapan:Entah jumlah k perawatan atau jumlah b blok lebih besar dari

a. Apakah distribusi harga berbeda dari satu