Pertemuan 5

Estimasi Parameter
 Statistical Inference
Inferensia statistik adalah proses di mana kita
mendapatkan informasi dan menarik kesimpulan
tentang populasi dari sampel
Statistics

Data Information

Population
Supaya dapat
melakukan inferensia, Sample
kemampuan dan Inference
pengetahuan descriptive
statistics, distribusi Statistic
peluang, dan distribusi Parameter
sampling diperlukan.
 Statistical Inference

Ada dua jenis inferensi: estimasi dan uji hipotesis;

estimasi diperkenalkan terlebih dahulu.

Tujuan dari estimasi adalah untuk menentukan

nilai pendekatan dari parameter populasi
berdasarkan sampel statistik.

E.g., rata-rata sampel ( X ) digunakan untuk

mengestimasi rata-rata populasi ( μ ).
 Estimation

Tujuan dari estimasi adalah untuk menentukan

nilai pendekatan dari parameter populasi
berdasarkan sampel statistik.

Ada dua jenis estimator:

1. Estimator Titik

2. Estimator Interval
 Estimasi Titik dan Interval

◼ Estimasi titik adalah angka tunggal,

◼ Estimasi interval (Confidence interval)
memberikan informasi tambahan tentang
variabilitas

Lower Upper
Confidence Confidence
Point Estimate Limit
Limit
Width of
confidence interval
 Estimasi Titik

Kita dapat mengestimasi Dengan statistik

parameter population Sample
(Estimasi titik)

Mean μ x
Proportion p p
 Confidence Intervals

◼ Seberapa besar ketidakpastian yang

berkaitan dengan suatu estimasi titik dari
parameter populasi?

◼ Suatu estimasi interval memberikan

informasi yang lebih tentang suatu
karakteristik populasi daripada yang berikan
oleh estimasi titik

◼ Estimasi interval seperti itu dinamakan

confidence intervals
 Confidence Interval Estimate

◼ Suatu interval memberikan range nilai:

◼ Mempertimbangkan variasi pada statistik
sampel dari sampel ke sampel
◼ Berdasarkan observasi dari sample
◼ Memberikan informasi tentang kedekatan
pada parameter populasi yang tidak diketahui
◼ Dinyatakan dalam suatu level kepercayaan
◼ Tidak pernah 100% pasti
 Proses Estimasi

Random Sample I am 95%

confident that
μ is between
Population Mean 40 & 60.
(mean, μ, is x = 50
unknown)

Sample
 Formula Umum

◼ Formula umum untuk semua

interval kepercayaan adalah:

Point Estimate  (Critical Value)(Standard Error)

 Tingkat Kepercayaan

◼ Tingkat Kepercayaan atau

Confidence Level
◼ Kepercayaan di mana interval akan
memuat parameter populasi yang
tidak diketahui
◼ Suatu persentase (kurang dari 100%)
 Confidence Intervals

Confidence
Intervals

Population Population Population

Mean Proportion Variance

σ Known σ Unknown
 Confidence Interval for μ
(σ Known)
◼ Assumptions
◼ Population standard deviation σ is known

◼ Population is normally distributed

◼ If population is not normal, use large sample

◼ Confidence interval estimate

σ
x  z α/2
n
 Finding the Critical Value
◼ Consider a 95% confidence interval: zα/2 = 1.96
1−  = .95

α α
= .025 = .025
2 2

z units: z.025= -1.96 0 z.025= 1.96

Lower Upper
x units: Confidence Point Estimate Confidence
Limit Limit
 Common Levels of Confidence

◼ Commonly used confidence levels are

90%, 95%, and 99%
Confidence
Confidence z value,
Coefficient,
Level
1−  z /2
80% .80 1.28
90% .90 1.645
95% .95 1.96
98% .98 2.33
99% .99 2.57
99.8% .998 3.08
99.9% .999 3.27
 Margin of Error

◼ Margin of Error (e): the amount added and

subtracted to the point estimate to form the
confidence interval

Example: Margin of error for estimating μ, σ known:

σ σ
x  z/2 e = z/2
n n
 Contoh

◼ Sampel 11 sirkuit dari populasi normal yang

besar memiliki rata-rata ketahanan 2,20
ohm. Dari pengujian terakhir diketahui
bahwa standar deviasi populasi adalah 0,35
ohm
◼ Tentukan 95% confidence interval bagi
rata-rata yang sebenarnya dari ketahanan
populasi.
 Contoh
(continued)
◼ Sampel 11 sirkuit dari populasi normal yang
besar memiliki rata-rata ketahanan 2,20 ohm.
Dari pengujian terakhir diketahui bahwa
standar deviasi populasi adalah 0,35 ohm.
σ
◼ Solution: x  z /2
n

= 2.20  1.96 (.35/ 11)

= 2.20  .2068
1.9932 .......... ..... 2.4068
 Interpretation

◼ Kita 95% percaya bahwa rata-rata sebenarnya

dari resistance adalah di antara 1,9932 dan
2,4068 ohms
 Confidence Intervals

Confidence
Intervals

Population Population Population

Mean Proportion Variance

σ Known σ Unknown
 Confidence Interval for μ
(σ Unknown)
(continued)
◼ Assumptions
◼ Population standard deviation is unknown
◼ Population is normally distributed
◼ If population is not normal, use large sample
◼ Use Student’s t Distribution
◼ Confidence Interval Estimate

s
x  t /2
n
 Student’s t Distribution

◼ The t is a family of distributions

◼ The t value depends on degrees of
freedom (d.f.)
◼ Number of observations that are free to vary after
sample mean has been calculated

d.f. = n - 1
 Degrees of Freedom (df)
Idea: Number of observations that are free to vary
after sample mean has been calculated
Example: Suppose the mean of 3 numbers is 8.0

Let x1 = 7
If the mean of these three
Let x2 = 8
values is 8.0,
What is x3? then x3 must be 9
(i.e., x3 is not free to vary)
Here, n = 3, so degrees of freedom = n -1 = 3 – 1 = 2
(2 values can be any numbers, but the third is not free to vary
for a given mean)
 Student’s t Distribution
Note: t z as n increases

Standard
Normal
(t with df = )

t (df = 13)
t-distributions are bell-
shaped and symmetric, but
have ‘fatter’ tails than the t (df = 5)
normal

0 t
 Student’s t Table

Upper Tail Area

Let: n = 3
df .25 .10 .05 df = n - 1 = 2
 = .10
1 1.000 3.078 6.314 /2 =.05

2 0.817 1.886 2.920

3 0.765 1.638 2.353 /2 = .05

The body of the table

contains t values, not 0 2.920 t
probabilities
 t distribution values
With comparison to the z value

Confidence t t t z
Level (10 d.f.) (20 d.f.) (30 d.f.) ____

.80 1.372 1.325 1.310 1.28

.90 1.812 1.725 1.697 1.64
.95 2.228 2.086 2.042 1.96
.99 3.169 2.845 2.750 2.57

Note: t z as n increases
 Example
A random sample of n = 25 has x = 50 and
s = 8. Form a 95% confidence interval for μ

◼ d.f. = n – 1 = 24, so t /2 , n−1 = t.025,24 = 2.0639

The confidence interval is

s 8
x  t /2 = 50  (2.0639)
n 25
46.698 …………….. 53.302
 Approximation for Large Samples

◼ Since t approaches z as the sample size

increases, an approximation is sometimes
used when n  30:

Technically Approximation
correct for large n

s s
x  t /2 x  z/2
n n
 Confidence Intervals

Confidence
Intervals

Population Population Population

Mean Proportion Variance

σ Known σ Unknown
 Confidence interval endpoints
◼ Upper and lower confidence limits for the
population proportion are calculated with the
formula

pˆ (1 − pˆ )
pˆ  z /2
n
◼ where
◼ z is the standard normal value for the level of confidence desired

◼ p is the sample proportion
◼ n is the sample size
 Contoh

◼ Sampel acak 100 orang menunjukkan

bahwa 25 diantaranya adalah kidal.
◼ Bentuklah 95% interval kepercayaan
untuk proporsi sebenarnya dari orang
kidal.
 Contoh
(continued)
◼ A random sample of 100 people shows
that 25 are left-handed. Form a 95%
confidence interval for the true proportion
of left-handers.
1. pˆ = 25/100 = 0.25
2. S pˆ = pˆ (1 − pˆ )/n = 0.25(0.75)/n = 0.0433

3. .25  1.96 (.0433)

0.1651 . . . . . 0.3349
 Confidence Intervals

Confidence
Intervals

Population Population Population

Mean Proportion Variance

σ Known σ Unknown
 Confidence Intervals for the
Population Variance, 𝜎 2

Confidence interval for 𝜎 2 can be obtained by

using the chi square statistic
(𝑛 − 1)𝑆 2
𝜒2 =
𝜎2

With degrees of freedom v= n-1

𝑠 2 is point estimator for 𝜎 2
 Confidence Intervals for the
Population Variance, 𝜎 2

If 𝑠 2 is the variance of a random sample of size n

drawn from a normal population with variance 𝜎 2 ,
then
2
(𝑛 − 1)𝑆
𝜒2 =
𝜎2
Is a value of random variable 𝜒 2 which has a chi
square distribution with degrees of freedom v=n-1
 Confidence Intervals for the
Population Variance, 𝜎 2

If 𝑠 2 is variance random sample size n which

drawn from normal population, then confidence
interval 1 − 𝛼 100% for 𝜎 2 is
(𝑛−1)𝑠2 2 (𝑛−1)𝑠
2

2
<𝜎 < 2
𝜒 𝛼/2 𝜒 1−𝛼/2

While the 𝜒 2 𝛼/2 and 𝜒 21−𝛼/2 is the value of 𝜒 2

with degrees of freedom v=n-1, that wide area
on the right in a row is 𝛼Τ2 and 1- 𝛼Τ2
Confidence Intervals for the
Population Variance, 𝜎 2
Confidence Intervals for the
Population Variance, 𝜎 2
Confidence Intervals for the
Population Variance, 𝜎 2
Confidence Intervals for the
Population Variance, 𝜎 2
Confidence Intervals for the
Population Variance, 𝜎 2
Confidence Intervals for the
Population Variance, 𝜎 2
Confidence Intervals for the
Population Variance, 𝜎 2
Confidence Intervals for the
Population Variance, 𝜎 2
 Soal 1

Suatu perusahaan listrik yang membuat

bola lampu yang panjang umurnya
berdistribusi hampir normal dengan
simpangan baku 40 jam. Bila sample 30
bola lampu berumur rata-rata 780 jam,
hitunglah selang kepercayaan 96% untuk
rata-rata populasi bola lampu yang
dihasilkan perusahaan tersebut
 Soal 2

Sebuah mesin menghasilkan potongan

logam yang berbentuk silinder. Sampel
beberapa potongan diukur dan ternyata
diameternya 1,01 ; 0,97 ; 1,03 ; 1,04 ; 0,99
; 0,98 ; 0,99 ; 1,01 ; dan 1,03 cm. hitunglah
selang kepercayaan 99% untuk rata-rata
diameter potongan yang dihasilkan mesin
tersebut bila dimisalkan distribusinya
hampir normal
 Soal 3

Sampel acak 12 lulusan suatu sekolah

sekretaris mengetik rata-rata 79,3 kata per
menit dengan standar deviasi 7,8 kata per
menit. Anggap jumlah kata yang diketik per
menit berdistribusi normal. Buatlah selang
kepercayaan 95% untuk rata-rata jumlah
kata yang diketik per menit oleh semua
lulusan sekolah tadi
 Soal 4

Suatu sampel acak 200 pemilih diambil dan

ternyata 114 daripadanya mendukung
calon A. Hitunglah selang kepecayaan 95%
untuk proporsi populasi pemilih yang
mendukung calon A.
 Soal 5

Dari suatu sampel acak 1000 rumah di

suatu kota ternyata 228 menggunakan gas
elpiji. Cari selang kepercayaan 99% untuk
proporsi rumah di kota tadi yang
menggunakan gas elpiji.
 Soal 6
Suatu sistem peluncur roket tertentu sedang
dipertimbangkan untuk dipakai meluncurkan
sejumlah roket jarak pendek. Sistem yang
sekarang mempunyai peluang berhasil
meluncurkan sebuat roket p=0,8. Sampel 40
peluncuran percobaan dengan system yang baru
menunjukkan 34 yang berhasil.
a. Buatlah selang kepercayaan 95% untuk p.
b. Apakah kenyataannya cukup besar untuk
mendukung bahwa sistem yang baru ini lebih
baik? Jelaskan.