02 Metode Statistika Ii
02 Metode Statistika Ii
METODE STATISTIKA II
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
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)
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
X
f(x)
Distribusi Binomial
Distribusi
Multinomial
Distribusi
Hipergeometrik
Distribusi Poison
Distribusi Binomial
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:
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:
Distribusi Poisson
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
KARAKTERISTI
K
Distribusi
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
KURVA
NORMAL
Suatu
f(x)
Mean
= Median
= Mode
Chap 5-32
Many Normal
Distributions
Chap 5-33
Changing shifts
the distribution left
or right.
Changing increases
or decreases the
spread.
Business Statistics: A
Decision-Making
Approach, 6e 2005
Chap 5-34
P (a x b)
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
Business Statistics: A
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
Business Statistics: A
Decision-Making
Approach, 6e 2005
68.26%
Chap 5-37
95.44%
Business Statistics: A
Decision-Making
Approach, 6e 2005
99.72%
Chap 5-38
Business Statistics: A
Decision-Making
Approach, 6e 2005
Chap 5-39
1
0
Chap 5-40
Business Statistics: A
Decision-Making
Approach, 6e 2005
Chap 5-41
Example
x 250 100
z
3.0
50
Business Statistics: A
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)
Business Statistics: A
Decision-Making
Approach, 6e 2005
Chap 5-44
Example:
P(z < 2.00) = .9772
0
Business Statistics: A
Decision-Making
Approach, 6e 2005
Chap 5-45
2.00
z
0
.
0
0
.
0
1
0
.
0
2
.0.1
0
2
.
.
.
2.0
P(< 2.00) = .9772
2.0
Business Statistics: A
Decision-Making
Approach, 6e 2005
Chap 5-46
.9772
Chap 5-47
Z Table example
Calculate z-values:
x 8 8
z
5
x 8.6 8
z
0.12
8 8.6
0 0.12
Business Statistics: A
Decision-Making
Approach, 6e 2005
Chap 5-48
Z Table example
(continue
d)
8 8.6
=0
=1
0 0.12
P(0 < z < 0.12)
Chap 5-49
.00
.01
.02
0.00
0.12
Chap 5-50
8.0
Business Statistics: A
Decision-Making
Approach, 6e 2005
Chap 5-51
8.6
.0478
.5000
Business Statistics: A
Decision-Making
Approach, 6e 2005
0.00
Chap 5-52
0.12
8.0
Business Statistics: A
Decision-Making
Approach, 6e 2005
Chap 5-53
8.6
.0478
.5000
0
Business Statistics: A
Decision-Making
Approach, 6e 2005
.50 - .0478
= .4522
0.12
Chap 5-54
0
0.12
Business Statistics: A
Decision-Making
Approach, 6e 2005
8.0
7.4
Chap 5-55
(continue
d)
.0478
Business Statistics: A
Decision-Making
Approach, 6e 2005
8.0
7.4
Chap 5-56
Continuous
Probability
Distributions
Normal
Student-t
Chi kuadrat
Fisher
Business Statistics: A
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
Business Statistics: A
Decision-Making
Approach, 6e 2005
Chap 5-60
Continuous
Probability
Distributions
Normal
Student-t
Chi Square
Fisher
Business Statistics: A
Decision-Making
Approach, 6e 2005
Chap 5-61
Chap 5-62
f (x)
2 v / 2 ( v / 2)
0
, untuk x lainnya
Dengan v bilangan bulat positif. v
Rataan dan varians distribusi chi-square
Dengan :
Business Statistics: A
Decision-Making
Approach, 6e 2005
Chap 5-63
2v
2
Continuous
Probability
Distributions
Normal
Student-t
Chi Square
Fisher
Business Statistics: A
Decision-Making
Approach, 6e 2005
Chap 5-64
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
Business Statistics: A
Decision-Making
Approach, 6e 2005
Chap 5-65
1
f1 (v1 , v2 )
f (v1 , v2 )
Business Statistics: A
Decision-Making
Approach, 6e 2005
Chap 5-66
Distribusi Sampling
Pendahuluan
Penarikan sampel atau sampling
Distribusi Sampling
Rataan (Mean)
)
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
Jika
End of Presentation
TERIMA KASIH
dan Allah menghitung segala sesuatunya satu per satu (secara detail)
(QS 72:28)