02 Metode Statistika Ii

Pertemuan II
METODE STATISTIKA II
Peubah Acak (Random Variable)
1
Ruang
Sampel
Peubah Acak
Bilanga
n Riil
There are two ways of lying. One, not telling the truth and the other,
making up statistics. (Josefina Vazquez Mota)
Contoh 1
Diambil dua bola dari suatu
kotak berisi 4 bola merah
dan 3 bola hijau secara
berurutan tanpa pengembalian. Jika Y adalah jumlah
merah terambil, maka hasil
yang mungkin (ruang
sampel) dan nilai y dari
Ruan
y
peubah acak Y tersebut
adalah: g
Samp
el
MM
MH
HM
HH
2
1
1
0
Contoh 2
Seorang petugas quality
control menggunakan
tekhnik sampling untuk
memeriksa suatu barang.
Dari 100 barang, misal
diketahui 12 diantaranya
rusak, diambil 10 barang
menjadi sampel. Misalkan
X adalah banyaknya
barang rusak yang terpilih
menjadi sampel, maka x
akan bernilai
0,1,2,3, ...,9,10
Contoh 3
Misalkan X adalah peubah acak yang
mendefinisikan interval waktu mobil yang
melintas di suatu jembatan dalam satuan
menit, maka seluruh nilai x pada peubah
acak X akan bernilai x 0
Ruang Sampel
Jika suatu ruang

sampel mengandung
titik yang berhingga
banyaknya atau
sederatan anggota
yang banyaknya
sebanyak bilangan
bulat, maka ruang
sampel disebut ruang
sampel diskrit.
Jika sebuah ruang

sampel mengandung
titik sampel dengan
kemungkinan tak
berhingga banyaknya
dan sama dengan
jumlah titik pada ruas
garis, maka ruang
sampel itu disebut
Dari contoh di atas, tentukan jenis ruang
ruang sampel
sampelnya
Distribusi
Peluang
Disk
rit
Kontin
yu
There are two kinds of statistics, the kind you look up and the kind you make up. (Rex Stout)
Distribusi Peluang Diskrit

Suatu himpunan pasangan berurut (x, f(x))
merupakan suatu fungsi peluang, fungsi
kepadatan peluang, atau distribusi
peluang peubah acak diskrit X, jika untuk
setiap kemungkinan hasil x berlaku :
Contoh Soal
Misal diketahui dari 20
laptop dengan merk,
warna dan tipe yang sama
yang dijual di sebuah toko,
3 di antaranya memiliki
cacat pabrik. Jika
seseorang membeli dua
buah laptop dari toko
tersebut, tentukan
distribusi peluang untuk
jumlah laptop cacat terbeli.
Solusi
Misal X adalah peubah acak dengan x merupakan

jumlah laptop cacat terbeli. Nilai x yang mungkin
adalah 0,1, atau 2, sehingga
Maka distribusi peluang dari X adalah
X
f(x)
Distribusi Peluang Kontinyu

Suatu fungsi peluang, fungsi kepadatan
peluang, atau distribusi peluang peubah
acak kontinyu X, berlaku :
Peluang kejadian pada fungsi densitas peubah acak

kontinu dilukiskan oleh luas daerah antara kurva f(x)
dengan sumbu X
Distribusi Binomial
Distribusi
Multinomial
Distribusi
Hipergeometrik
Distribusi Poison
Distribusi Peluang Diskrit
Distribusi Binomial
Statistics is the grammar of science. (Karl Pearson)
WHAT IS IT?
1. Hanya memiliki dua
kemungkinan hasil: sukses
atau gagal.
2. Antar hasil atau outcomes
adalah independen.
3. Peluang sukses p adalah
konstan.
4. Peubah acak X berdistribusi
binomial memiliki nilai x =
0, 1, 2, 3, ..., n, dimana nilai
n diketahui.
Distribusi
peluang binomial:
dimana:
x : jumlah kejadian sukses dari sebanyak n
percobaan
p : peluang kejadian sukses
q : peluang kejadian gagal, dimana q = 1 p
Rataan atau mean dari distribusi binomial :
= np
Varians dari distribusi binomial :
2 = npq
Distribusi
Multinomial
There are three kinds of lies: lies, damned lies, and statistics. (Benjamin Disraeli)
DESCRIPTION
Bila suatu usaha dapat
menghasilkan k hasil yang mungkin
E1, E2, ,Ek dengan peluang p1,p2,
, pk , maka distribusi multinomial
memberikan peluang bahwa E1
terjadi sebanyak x1 kali, E2 sebanyak
x2 kali, . . . Ek sebanyak xk kali dalam
n usaha bebas dengan x1 + x2 +
+ xk = n. Distribusi peluang
gabungan seperti ini dinyatakan
dengan f(x1, x2,, xn; p1,p2, , pk).
Dan jelas p1+p2,+ + pk = 1
Distribusi
peluang multinomial:
Rataan atau mean dari distribusi Multinomial

adalah
i = npi
Varians dari distribusi binomial :
i2 = npi (1 pi)
Distribusi
Hipergeometrik
If the statistics are boring, then you've got the wrong numbers. (Edward R. Tufte)
PERCOBAAN HIPERGEOMETRIK
Suatu sampel acak
berukuran n dipilih dari
sejumlah N item tanpa
pengembalian.
Dari N item tersebut,
sejumlah k
dikategorikan sebagai
sukses dan sebanyak
N k dikategorikan
sebagai gagal.
Distribusi
peluang hipergeometrik:
dimana, max{0, n (N k)} x min{n, k}

Distribusi hipergeometrik mempunyai rataan
dan varians
Distribusi Poisson
Statistics are like bikinis. What they reveal is suggestive, but

what they conceal is vital.
(Aaron Levenstein)
DESCRIPTION
Suatu percobaan yang
dilakukan sebanyak N kali
yang menghasilkan peubah
acak X banyaknya sukses
selama selang waktu atau
pada daerah tertentu, dimana
peluang terjadinya sangat
kecil, maka percobaan
tersebut dinamakan Poisson
dan distribusi peluangnya
disebut distribusi Poisson
Sifat distribusi Poisson:
KARAKTERISTI
K
Banyaknya kejadian (sukses) yang

terjadi dalam suatu selang waktu
tertentu atau daerah tertentu,
tidak terpengaruh oleh apa yang
terjadi pada selang waktu atau
daerah yang lain.
Peluang suatu kejadian tunggal
dalam selang waktu yang sangat
pendek atau daerah yang sangat
kecil proporsional (sebanding)
terhadap lamanya selang waktu
atau ukuran dari daerah tersebut.
Peluang terjadinya lebih dari satu
peristiwa sukses dalam selang
waktu atau daerah tertentu sangat
kecil dan bisa diabaikan
Distribusi
Poisson dari peubah acak X diberikan

sebagai berikut:
dimana
e : bilangan natural 2,71828...
: rata-rata peluang terjadinya sukses per
satuan waktu, jarak, luas, atau volume
Dalam literatur lain, cukup ditulis menjadi ,
karena
Distribusi Normal
Distribusi Studentt
Distribusi Gamma
Distribusi
Eksponensial
Distribusi Khi
kuadrat
Distribusi Peluang Kontinyu
Distribusi Normal
Do not put your faith in what statistics say until you have
carefully considered what they do not say. (William W. Watt)
DESCRIPTION
Distribusi normal atau
disebut juga distribusi Gauss
Distribusi peluang kontinu
terpenting dan paling
banyak digunakan.
Grafiknya disebut kurva
normal, berbentuk seperti
lonceng yang
menggambarkan kumpulan
data yang muncul dalam
penelitian
Sifat Kurva Normal:
KURVA
NORMAL
Modus, dalam grafik terlihat

sebagai titik puncak kurva,
terjadi pada x =
Kurva simetris terhadap sumbu
vertikal yang melewati .
Kurva memiliki titik belok pada x
= ; cekung ke bawah jika
- < X < + dan cekung ke
atas jika sebaliknya.
Kurva normal mendekati sumbu
datar x secara asimtotik ketika
menjauh dari titik x =
Luas daerah dibawah kurva
normal dan di atas sumbu x
adalah sama dengan 1.
Suatu
peubah acak normal X, dengan rataan

dan varians 2 mempunyai fungsi densitas:
dalam distribusi normal berlaku:
The Normal Distribution

Bell Shaped
Symmetrical
Mean, Median and Mode
are Equal
Location is determined by
the mean,
Spread is determined by
the standard deviation,
The random variable has

an infinite theoretical
range:
+ to
f(x)
Business Statistics: A DecisionMaking Approach, 6e 2005

Prentice-Hall, Inc.
Mean
= Median
= Mode
Chap 5-32
Many Normal
Distributions
By varying the parameters and , we obtain different

normal distributions
Business Statistics: A
Decision-Making
Approach, 6e 2005
Chap 5-33
The Normal Distribution

Shape
f(x)
Changing shifts
the distribution left
or right.
Changing increases
or decreases the
spread.
Decision-Making
Approach, 6e 2005
Chap 5-34
Finding Normal Probabilities

Probability is the
area under the
curve!
Probability is measured by the area

under the curve
f(x)
P (a x b)

Prentice-Hall, Inc.
x
Chap 5-35
Probability as
Area Under the Curve
The total area under the curve is 1.0, and the curve is
symmetric, so half is above the mean, half is below
f(x)
P( x ) 0.5
0.5
P( x ) 0.5
0.5
Decision-Making
Approach, 6e 2005
P( x ) 1.0
Chap 5-36
Empirical Rules
What can we say about the distribution of
values around the mean? There are some
general
f(x) rules:
1 encloses about
68% of xs
Decision-Making
Approach, 6e 2005
68.26%
Chap 5-37
The Empirical Rule

(continue
d)
2 covers about 95% of xs
3 covers about 99.7% of xs
95.44%
Decision-Making
Approach, 6e 2005
99.72%
Chap 5-38
Importance of the Rule
If a value is about 2 or more

standard
deviations away from the mean in a
normal
distribution, then it is far from the
mean
The chance that a value that far or
farther
away from the mean is highly
Decision-Making
Approach, 6e 2005
Chap 5-39
The Standard Normal

Distribution
Also known as the z distribution

Mean is defined to be 0
Standard Deviation is 1
f(z)
1
0
Values above the mean have positive z-values, values below

the mean have negative z-values
Decision-Making
Approach, 6e 2005
Chap 5-40
The Standard Normal
Any normal distribution (with any

mean and standard deviation
combination) can be transformed
into the standard normal
distribution (z)
Need to transform x units into z

units
Decision-Making
Approach, 6e 2005
Chap 5-41
DISTRIBUSI NORMAL BAKU

Distribusi
normal baku bisa diperoleh dengan

transformasi:
Sehingga fungsi densitasnya menjadi:
Example
If x is distributed normally with mean

of 100 and standard deviation of 50,
the z value for x = 250 is
x 250 100
z
3.0
50
This says that x = 250 is three

standard deviations (3 increments of 50
units) above the mean of 100.
Decision-Making
Approach, 6e 2005
Chap 5-43
Comparing x and z
units
= 100
= 50
10
00
250
3.0
x
z
Note that the distribution is the same, only the scale has
changed. We can express the problem in original units
(x) or in standardized units (z)
Decision-Making
Approach, 6e 2005
Chap 5-44
The Standard Normal

Table
The Standard Normal table in the textbook
(Lampiran Tabel A.4, walpole 3rd)

gives the probability from the mean (zero)
up to a desired value for z
0.977
2
Example:
P(z < 2.00) = .9772
0
Decision-Making
Approach, 6e 2005
Chap 5-45
2.00
The Standard Normal

Table
(continue
d)
z
0
.
0
0
.
0
1
0
.
0
2
.0.1
0
2
The column gives the value of z to

the second decimal point
The row shows

the value of z to
the first decimal
point
.
.
.
2.0
P(< 2.00) = .9772
2.0
Decision-Making
Approach, 6e 2005
Chap 5-46
.9772
The value within

the table gives the
probability up to
the desired z value
General Procedure for

Finding Probabilities
To find P(a < x < b) when x is
distributed normally:
Draw the normal curve for the problem in

terms of x
Translate x-values to z-values

Use the Standard Normal Table

Prentice-Hall, Inc.
Chap 5-47
Z Table example
Suppose x is normal with mean 8.0 and

standard deviation 5.0. Find P(8 < x < 8.6)
Calculate z-values:
x 8 8
z
5
x 8.6 8
z
0.12
8 8.6
0 0.12
P(8 < x < 8.6)

= P(0 < z < 0.12)
Decision-Making
Approach, 6e 2005
Chap 5-48
Z Table example
(continue
d)
Suppose x is normal with mean 8.0 and

standard deviation 5.0. Find P(8 < x <
8.6)
=8
=5
8 8.6
=0
=1
P(8 < x < 8.6)

Decision-Making
Approach, 6e 2005
0 0.12
P(0 < z < 0.12)
Chap 5-49
Solution: Finding P(0 < z <

0.12)
Standard Normal Probability
Table (Portion)
.00
.01
P(8 < x < 8.6)

= P(0 < z < 0.12)
=0.5-.54
78
=0.0478
.02
0.0 .0500 .5040 .5080
0.1.5398 .5438 .5478

0.2.5793 .5832 .5871
0.3.6179 .6217 .6255
Prentice-Hall, Inc.
0.00
0.12
Chap 5-50
Suppose x is normal with mean

8.0 and standard deviation 5.0.
Now Find P(x < 8.6)
8.0
Decision-Making
Approach, 6e 2005
Chap 5-51
8.6

(continue
d)

Now Find P(x < 8.6)
.0478
.5000
P(x < 8.6)

= P(z < 0.12)
= P(z < 0) + P(0 < z < 0.12)
= .5 + .0478 = .5478
Decision-Making
Approach, 6e 2005
0.00
Chap 5-52
0.12
Upper Tail Probabilities

Now Find P(x > 8.6)
8.0
Decision-Making
Approach, 6e 2005
Chap 5-53
8.6
Upper Tail Probabilities

(continue
d)
Now Find P(x > 8.6)

P(x > 8.6) = P(z > 0.12) = P(z > 0) - P(0 < z < 0.12)
= .5 - .0478 = .4522
.0478
.5000
0
Decision-Making
Approach, 6e 2005
.50 - .0478
= .4522
0.12
Chap 5-54
0
0.12
Lower Tail Probabilities

Now Find P(7.4 < x < 8)
Decision-Making
Approach, 6e 2005
8.0
7.4
Chap 5-55
Lower Tail Probabilities
Now Find P(7.4 < x < 8)

The Normal distribution is
symmetric, so we use the same
table even if z-values are
negative:
(continue
d)
.0478
P(7.4 < x < 8)

= P(-0.12 < z < 0)
= .0478
Decision-Making
Approach, 6e 2005
8.0
7.4
Chap 5-56
The Student-t Distribution

Probability
Distributions
Continuous
Probability
Distributions
Normal
Student-t
Chi kuadrat
Fisher
Decision-Making
Approach, 6e 2005
Chap 5-57
DESCRIPTION
Untuk sampel kecil (n < 30)
pendekatan distribusi normal
baku Z kurang tepat dimana
varians 2 menjadi tidak
diketahui, sehingga diperlukan
modifikasi yang tepat. Salah
satu pendekatan untuk sampel
kecil adalah Student-t atau
cukup disebut distribusi-t.
Misal
X1, X2, ..., Xn adalah kumpulan peubah acak

yang semuanya berdistribusi normal dengan
rataan dan varians 2, sehingga diketahui
maka peubah acak T dimana:
adalah berdistribusi-t dengan derajat bebas v = n
1
The Student-t Distribution

Jika v besar (v30) maka grafik f(t)
mendekati kurva normal standard.
Bentuk Distribusi student -t
Decision-Making
Approach, 6e 2005
Chap 5-60
The Chi Square

Distribution
Probability
Distributions
Continuous
Probability
Distributions
Normal
Student-t
Chi Square
Fisher
Decision-Making
Approach, 6e 2005
Chap 5-61
The Chi Square Distribution

Beberapa manfaat dari distribusi Chi-Kuadrat antara
lain:
Menguji perbedaan secara signifikan antara frekuensi
yang diamati dengan frekuensi teoritis
menguji kebebasan antar faktor dari data dalam
daftar kontingensi
menguji kedekatan data sampel dengan suatu fungsi
distribusi seperti binomial, Poisson, atau normal.
Juga dapat berguna sebagai kriteria untuk pengujian
hipotesis mengenai varian dan uji penerapan suatu
fungsi apabila digunakan untuk data hasil
observasi/data empiris.
Decision-Making
Approach, 6e 2005
Chap 5-62
The Chi Square Distribution

Peubah acak kontinu X berdistribusi chi-square
dengan derajat kebebasan v v, bila
fungsi padatnya
x
1
1
diberikan oleh
2
x e 2,x 0
f (x)
2 v / 2 ( v / 2)
0
, untuk x lainnya
Dengan v bilangan bulat positif. v
Rataan dan varians distribusi chi-square
Dengan :
Decision-Making
Approach, 6e 2005
Chap 5-63
2v
2
The Fisher Distribution

Probability
Distributions
Continuous
Probability
Distributions
Normal
Student-t
Chi Square
Fisher
Decision-Making
Approach, 6e 2005
Chap 5-64

Misalkan U dan V dua peubah acak bebas
masing-masing berdistribusi chi-square dengan
derajat bebas v dan v. Maka distribusi peubah
U / v1
acak
F
Diberikan oleh
h( f )
V / v2
v1 v2 / 2 v1 / v2
(v1 / 2)(v2 / 2)
v1 / 2
f v1 / 21
,0 f
( v1 v2 ) / 2
(1 v1 f / v2 )
untuk 0x lainnya
Ini dikenal dengan nama distribusi-F
Decision-Making
Approach, 6e 2005
Chap 5-65

f
Misalf (v1 , v2 )
untuk
dengan
v1
v2
derajat kebebasan
dan
, maka
1
f1 (v1 , v2 )
f (v1 , v2 )
Decision-Making
Approach, 6e 2005
Chap 5-66
Is it more Exciting now?
Distribusi Sampling
Pendahuluan
Penarikan sampel atau sampling
merupakan cara yang tepat untuk

mengestimasi parameterparameter populasi
Statistik tertentu dapat dihitung
untuk setiap sampel yang mungkin
ditarik dari populasi itu, misal
diperoleh XX1, XX2, ..., XXn. Distribusi
dari besaran-besaran statistik yang
muncul dari sampel-sampel disebut
Distribusi Sampling Statistik.
Perbedaan antara hasil yang
diperoleh dari satu sampel
(statistik) dan hasil yang telah
diperoleh dari populasi (parameter
yang bersangkutan) disebut
sampling error (kesalahan
sampling)
Distribusi Sampling
Rataan (Mean)
Torture numbers, and they'll confess to anything. ~Gregg

Easterbrook
sampel XX berdistribusi normal dengan

rata-rata dan varians XX2 .
Rataan
)
Jika n adalah jumlah sampel, adalah rataan
populasi, XX adalah rataan sampel, dan E(XX)
adalah nilai harapan dari rataan sampel, maka:
Nilai harapan : E(XX) =
Simpangan baku rataan :
Distribusi Sampling
Varians
Statistics, likelihoods, and probabilities mean everything to

men, nothing to God.
Richelle E. Goodrich
Jika
suatu sampel acak berukuran n ditarik dari

suatu populasi beridstribusi normal N(, 2) ,
diperoleh varians sampel S2 maka statistik
berdistribusi khi-kuadrat dengan derajat bebas v
= n 1.
End of Presentation
TERIMA KASIH
dan Allah menghitung segala sesuatunya satu per satu (secara detail)
(QS 72:28)

02 Metode Statistika Ii

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

02 Metode Statistika Ii

Diunggah oleh

Hak Cipta:

Format Tersedia

Pertemuan II

Peubah Acak (Random Variable)

Jika suatu ruang

Jika sebuah ruang

Distribusi Peluang Diskrit

Misal X adalah peubah acak dengan x merupakan

Maka distribusi peluang dari X adalah

Distribusi Peluang Kontinyu

Peluang kejadian pada fungsi densitas peubah acak

Distribusi Peluang Diskrit

Statistics is the grammar of science. (Karl Pearson)

Rataan atau mean dari distribusi Multinomial

dimana, max{0, n (N k)} x min{n, k}

Statistics are like bikinis. What they reveal is suggestive, but

Sifat distribusi Poisson:

Banyaknya kejadian (sukses) yang

Poisson dari peubah acak X diberikan

Sifat Kurva Normal:

Modus, dalam grafik terlihat

peubah acak normal X, dengan rataan

dalam distribusi normal berlaku:

The Normal Distribution

The random variable has

Business Statistics: A DecisionMaking Approach, 6e 2005

By varying the parameters and , we obtain different

The Normal Distribution

Finding Normal Probabilities

Probability is measured by the area

Business Statistics: A DecisionMaking Approach, 6e 2005

The Empirical Rule

2 covers about 95% of xs

3 covers about 99.7% of xs

Importance of the Rule

If a value is about 2 or more

The Standard Normal

Also known as the z distribution

Values above the mean have positive z-values, values below

The Standard Normal

Any normal distribution (with any

Need to transform x units into z

DISTRIBUSI NORMAL BAKU

normal baku bisa diperoleh dengan

If x is distributed normally with mean

This says that x = 250 is three

The Standard Normal

(Lampiran Tabel A.4, walpole 3rd)

The Standard Normal

The column gives the value of z to

The row shows

The value within

General Procedure for

Draw the normal curve for the problem in

Translate x-values to z-values

Business Statistics: A DecisionMaking Approach, 6e 2005

Suppose x is normal with mean 8.0 and

P(8 < x < 8.6)

Suppose x is normal with mean 8.0 and

P(8 < x < 8.6)

Solution: Finding P(0 < z <

P(8 < x < 8.6)

0.0 .0500 .5040 .5080

0.1.5398 .5438 .5478

Finding Normal Probabilities