Goodness of fit

𝜒 2 Goodness of fit
𝐻0 : sampel berasal dari distribusi tertentu
𝐻1 : sampel bukan berasal dari distribusi tertentu 𝑘
2
(𝑂𝑖 − 𝐸𝑖 )
Terdapat 2 test Goodness of fit 𝜒2 = ෍
1. 𝜒 2 𝑡𝑒𝑠𝑡 𝐸𝑖
𝑖=1
2. Kolmogorov-Smirnov test
Pertanyaan relevan:

Apakah distribusi diskrit atau kontinu 𝑂𝑖 = Observed frequency

Apakah parameter ditentukan atau diestimasi dari sampel? 𝐸𝑖 = Expected frequency

𝐸𝑖 = n𝑃𝑖
Distribusi Diskrit Parameter ditentukan Test yang
atau Kontinu atau diestimasi digunakan
2
Test yang digunakan apakah harga 𝜒 2 hitung lebih
Diskrit Ditentukan 𝜒
besar dari harga 𝜒 2 tabel dengan harga 𝛼 yang
Diskrit Diestimasi 𝜒2
ditentukan dan dengan 𝜈(df) = k – r - 1
Kontinu Ditentukan K-S k: jumlah dari variabel
Kontinu Diestimasi 𝜒2 r: jumlah parameter yang diestimasi
Jumlah mesin bubut yang menganggur ditunjukkan pada tabel
𝑘
2
(𝑂𝑖 − 𝐸𝑖 )2
Number of idle lathes Frequency 𝜒 =෍
𝐸𝑖
0 4 𝑖=1

1 13 Bin. Prob. Expected 𝐸𝑖 = n𝑃𝑖 Absolute (𝑂𝑖 − 𝐸𝑖 )2

Idle lathe Observed
2 16 P(x) 50 x p(x) difference 𝐸𝑖
0 4 0.0625 3.125 .875 0.245
3 13
1 13 0.2500 12.500 .500 0.020
4 4 2 16 0.3750 18.750 2.750 0.403
3 13 0.2500 12.500 .500 0.020
50
4 4 0.0625 3.125 .875 0.245
𝜒2 0.933
Apakah data bisa berasal dari distribusi binomial
dengan p = 0.5 dan n = 4
𝜈 = k – r - 1 = 5 -1 = 4 ; r = 0 tidak ada parameter yang diestimate.
Probability Harga 𝜒 2 tabel dengan 𝜈 = 4, dan 𝛼 = 0.05 = 9.49, 𝜒 2 hitung =
x
binomial
0,933. jangan tolak H0. Data bisa berasal dari distribusi binomial.
0 0,0625
1 0,2500
2 0,3750
3 0,2500
4 0,0625
 𝑘
Data kecelakaan: 2
(𝑂𝑖 − 𝐸𝑖 )2
𝜒 =෍
𝐸𝑖
Kecelakaan per bulan Frequency 𝑖=1

0 27
1 12 𝜈 = k – r - 1 = 3 - 1 – 1 = 1 ; r = 1 parameter diestimate dari data,
2 8 data dikelompokkan menjadi 3 data
3 2 χ2 = 2.96. Tabel χ2 (1) dan α = 0.10 = 2.71 dan α = 0.05 = 3.84.
reject H0 pada α = 0.10 dan accept H0 pada α = 0.05.
4 1
5 0
50
Observed Observed Expected Prob. f(x), Expected Expected (Oi − Ei )2
Violation
Apakah data bisa berasal dari distribusi poisson? freq. Oi freq. Oi poisson dengan λ = 0,76 Freq. Ei Freq. Ei Ei
0 27 27 0.467666 23.3833 23.3833 0.55940
1 12 12 0.355426 17.7713 17.7713 1.87425
Dari data dicari harga λ :
2 8 11 0.135062 6.7531 8.83835 0.52869
3 2 0.034216 1.7108
λ = (27 × 0 + 12 × 1 + 8 × 2 + 2 × 3 + 1 × 4 1 0.006501 0.3250
4 + 0 × 5) / 50 = 0.76 5 0 0.000988 0.0494
50 50 2.96234
Perawatan mesin Jumlah Observed Poisson Expected 𝐸𝑖 = n𝑃𝑖 (Oi − Ei )2
breakdowns, X freq. Oi prob. P(x) 40 x P(x) Ei
Jumlah Observed 0 0 0,040762 1,6
Oi(X)
breakdowns, X freq. Oi 6 6,8 0,094
1 6 0,130439 5,2
0 0 0
2 8 0,208702 8,3 0,011
1 6 6
3 11 0,222616 8,9 0,496
2 8 16
4 7 0,178093 7,1 0,001
3 11 33
5 4 0,113979 4,6
4 7 28
6 3 0,060789 2,4
5 4 20
7 1 0,027789 1,1
6 3 18 8 8,8 0,073
8 0 0,011116 0,4
7 1 7
9 0 0,003952 0,2
40 128
10 0 0,001265 0,1
𝜒2 0,675
Apakah data breakdown bisa berasal
dari distribusi poisson?
𝜈 = k – r - 1 = 5 - 1 – 1 = 3 ; r = 1 parameter diestimasi dari data,
Dari data dicari harga λ :
data dikelompokkan menjadi 5 data.
λ = 128/40 = 3,2 χ2 = 0,675. Tabel χ2(df = 3) dan α = 0.05 = 7,81. Terima H0.
Breakdown mesin mengikuti distribusi poisson.
Jumlah rata-rata unit yang tertunda dicari dengan memperhatikan cara pemesanan kepada 4 pemasok. Dikenal 2 cara pemesanan
secara kontrak atau sesuai kebutuhan. Apakah ada kaitan antara pemasok dan cara pemesanan?

Vendor Observed Expected (𝐎𝐢 − 𝐄𝐢 )𝟐

Orders frequency Frequency
1 2 3 4 𝐄𝐢
12 16.3654 1.16445
Observed Frequency 12 17 6 11 46
Contract 17 15.4808 0.14909
Expected Frequency 16.365* 15.4808 7.0769 7.0769 6 7.0769 0.16387
Observed Frequency 25 18 10 5 58 11 7.0769 2.17478
As needed 25 20.6346 0.92353
Expected Frequency 20.6346 19.5192 8.9231 8.9231
18 19.5192 0.11824
37 35 16 16 104 10 8.9231 0.12997
5 8.9231 1.72482
𝝌𝟐 6.54875
16.365 diperoleh dari 37/104 × 46/104 × 104 = 16.365
Independent: P (A ∩ B) = P(A) × P(B)
𝜈 = (m-1)(n-1) = (4-1)(2-1) = 3.
𝐻0 : 𝑃𝑖𝑗 = 𝑃𝑖 𝑃𝑗 4 kolom 2 baris

χ2 hitung = 6.55. Tabel χ2 (3) dan α = 0.10 = 6.25, reject H0.

χ2 hitung = 6.55. Tabel χ2 (3) dan α = 0.05 = 7.81, do not reject H0.
Kolmogorov- Smirnov test Observed
𝑆 𝑥 F 𝑥 𝑆 𝑥 − 𝐹(𝑥)
times, x
Apakah data waktu inspeksi berikut mengikuti 9,8 0,10 0,00 0,10
distribusi uniform U(10, 15)? 10,4 0,20 0,08 0,12
11,3 0,30 0,26 0,04
𝐻0 :sampel berasal dari distribusi uniform
11,5 0,40 0,30 0,10
𝐻1 :sampel berasal bukan dari distribusi uniform
12,6 0,50 0,52 0,02
13,0 0,60 0,60 0,00
11,3 10,4 9,8 12,6 14,8
13,3 0,70 0,66 0,04
13,0 14,3 13,3 11,5 13,6
13,6 0,80 0,72 0,08
14,3 0,90 0,86 0,04

𝑖 14,8 1,00 0,96 0,04

𝑆 𝑥 =
𝑛
0 𝑥 <∝ Untuk x = 11,3, F(x) = (11,3 – 10)/ (15 -10) = 0,26
𝑥−∝
𝐹 𝑥 = 𝛽− ∝ ∝≤𝑥 ≤𝛽
1 𝑥> 𝛽 𝑚𝑎𝑥
𝑑= 𝑥 𝑆 𝑥 − 𝐹(𝑥)
∝ = 10; 𝛽 = 15 d maksimum = 0,12 pada harga x = 10,4
Dari tabel K-S untuk n = 10, dan ∝ = 0,05 harga d = 0,41.
d maksimum < 0,41 terima 𝐻0 :sampel berasal dari distribusi uniform
Kolmogorov- Smirnov test Observed umur
𝑆 𝑥 F 𝑥 𝑆 𝑥 − 𝐹(𝑥)
hidup, x
Apakah data umur hidup perusahan berikut ini
1,7 0,125 0,399504 0,274504
mengikuti distribusi eksponensial dengan 𝜆= 0,3?
4,5 0,250 0,740760 0,490760
𝐻0 :sampel berasal dari distribusi eksponensial 6,0 0,375 0,834701 0,459701
𝐻1 :sampel berasal bukan dari distribusi eksponensial 10,0 0,500 0,950213 0,450213
12,5 0,625 0,976482 0,351482

1 2 3 4 5 6 7 8 15,8 0,750 0,991261 0,241261

1,7 4,5 6,0 10,0 12,5 15,8 22,3 34,2 22,3 0,875 0,998757 0,123757
34,2 1,000 0,999965 0,000035

𝑖
𝑆 𝑥 = Untuk x = 4,5, F(x) = 1 − 𝑒 −0,3𝑥 = 1 − 𝑒 −0,3 4,5 = 0,740760
𝑛
1 − 𝑒 −𝜆𝑥 𝑥≥0 𝑚𝑎𝑥
𝐹 𝑥 =൝ 𝑑= 𝑆 𝑥 − 𝐹(𝑥)
0 𝑥<0 𝑥

d maksimum = 0,491 pada harga x = 4,5

Dari tabel K-S untuk n = 8, dan ∝ = 0,05 harga d = 0,46.
𝜆= 0,3 d maksimum > 0,46 , tolak 𝐻0 :sampel bukan berasal dari distribusi
eksponensial.
Testing differences among k sample proportions

Dicurigai terdapat perbedaan proporsi produk cacat yang dihasilkan pada sif yang berbeda. Suatu pengamatan
produk cacat dilakukan pada berbagai sif seperti ditunjukkan pada tabel. Tentukan apakah terdapat perbedaan
proporsi cacat dari produk yang dihasilkan pada sif yang berbeda.

Sif I Sif II Sif III Total Observed Expected (𝑂𝑖 − 𝐸𝑖 )2

frequency Frequency 𝐸𝑖
Produk Observed Frequency 62 76 86 224
62 79,8 3,970
cacat Expected Frequency 79,8 73,6 70,6 76 73,6 0,078
86 70,6 3,359
Produk Observed Frequency 1238 1124 1064 3426
1238 1220,2 0,260
bagus Expected Frequency 1220,2 1126,4 1079,4 1124 1126,4 0,005
1064 1079,4 0,220
Total 1300 1200 1150 3650
𝜒2 7,892

𝜈 = (m-1)(n-1) = (3-1)(2-1) = 2.
3 kolom 2 baris

χ2 hitung = 7,892. Tabel χ2 (2) dan α = 0.05 = 5,991, reject H0.

 10 − 5
P(𝜒 2 ≥ 29.68) = 5 + 30.144 − 29.68 ×
30.144 − 27.204

P 𝜒 2 ≥ 29.68 = 5.8%
Dengan software P 𝜒 2 ≥ 29.68 = 5.6%