353-370
Metode ini dilakukan untuk memperoleh informasi dengan mengambil sampel dari populasi.
Digunakan untuk populasi skala besar yang tidak bisa atau tidak memungkinkan untuk
pengambilan sensus
1. PENAKSIRAN TITIK
Salah satu cara untuk memperoleh informasi tentang rata2 populasi μ tanpa
pengambilan sensus namun dengan memperkirakannya dengan sampel rata-
rata.
Contoh:
SOAL
Harga New Mobile Homes ditinjau kembali harga (populasi) rata-rata, μ,
dengan menggunakan data sampel pada tabel sebelumnya. Jika
standar deviasi populasi dari semua harga tersebut adalah $ 7,2 ribu,
yaitu $ 7200.
terdistribusi secara
normal
Langkah 1
Untuk tingkat kepercayaan 1 − α,
menginginkan interval keyakinan 95%, jadi α = 1−0.95 = 0,05. Dari Tabel II atau zα / 2 = z0.05 / 2 =
z0.025 = 1.96.
JAWA
B
Langkah 2
Jika x adalah variabel terdistribusi normal dengan rata-rata μ dan standar deviasi σ, maka, untuk
sampel ukuran n, variabel ẋ (rata-rata) juga terdistribusi normal dan memiliki rata-rata μ dan
standar deviasi σ / √n. Ekuivalen, versi standar dari ẋ (rata-rata) :
8.3 interval kepercayaan untuk satu populasi berarti ketika σ tidak diketahui
Bila tidak diketahui penyimpangan standar populasi (σ), maka kita tidak dapat
menggunakan prosedur interval kepercayaan pada versi standar ẋ. Yang
dapat lakukan adalah mengganti penyimpangan standar populasi (σ)
dengan standar deviasi sampel (s) dalam Persamaan (8.2) dan mendasarkan
prosedur interval keyakinan pada variabel yang dihasilkan
8.3
Kedua histogram menunjukkan bahwa distribusi dari kedua versi standar dari ẋ yang
variabel z dalam Persamaan (8.2) dan the studentized version dari ẋ yang variabel t
pada persamaan (8.3). variable z berbentuk lonceng dan variable t berbentuk simetris
sekitar 0. Terdapat perbedaan dalam distribusi : the studentized version lebih luas
daripada versi standar, hal ini dikarenakan variasi dalam nilai-nilai yang mungkin dari
versi standar adalah karena semata-mata untuk variasi sarana sampel, sedangkan dari
the studentized version adalah karena variasi dari kedua sarana sampel dan standar
deviasi sampel.
Pada tahun 1908, William Gosset menentukan distribusi the studentized version of ẋ.
Dimana sekarang distribusi tersebut dinamakan dengan Student’s t-distribution atau
distribusi-t.
8.3 Distribusi-t dan Kurva-t
• Pada distribusi t memiliki perbedaan untuk setiap ukuran sampel. Dalam mengidentifikasi
distribusi-t tertentu menggunakan jumlah derajat kebebasan (df). Untuk the studentized version
of ẋ, jumlah derajat kebebasan (df) adalah 1 kurang dari ukuran sampel, yang secara simbolis
df = n − 1
8.3 Distribusi-t dan Kurva-t
• Suatu variabel dengan distribusi-t memiliki kurva terkait, yang disebut kurva-t
8.3
• Meskipun terdapat perbedaan dalam kurva-t untuk setiap jumlah derajat kebebasan. Semua
kurva-t adalah serupa dan menyerupai kurva normal standar, seperti yang diilustrasikan pada
Gambar 8.8. Angka itu juga menggambarkan sifat-sifat dasar dari kurva-t, yang tercantum
dalam Key Fact 8.6.
8.3
• Ilustrasi pada Gambar 8.8, kurva-t memiliki lebih banyak penyebaran daripada kurva normal
standar. Properti ini mengikuti dari fakta bahwa, untuk kurva-t dengan ν (diucapkan "baru")
derajat kebebasan, di mana ν> 2, standar deviasi adalah √ν / (ν − 2). Kuantitas ini selalu
melebihi 1, yang merupakan standar deviasi kurva normal standar.
8.3 Menggunakan Tabel-t
8.3
Persentase (dan probabilitas) untuk variabel yang memiliki distribusi t area yang sama di bawah
kurva t terkait variabel. Untuk tujuan salah satunya adalah mendapatkan interval kepercayaan untuk
rata-rata populasi, tidak memerlukan tabel-t lengkap untuk setiap kurva-t : hanya area tertentu yang
penting. Tabel IV, yang muncul dalam Lampiran A dan dalam bentuk singkat di dalam sampul
belakang, cukup untuk tujuan kita.
Dua kolom luar dari Tabel IV, berlabel df, menampilkan jumlah derajat kebebasan. Seperti yang
diharapkan, simbol tα menunjukkan nilai t yang memiliki area α di sebelah kanannya di bawah kurva-t.
Jadi kolom menuju t0.10, misalnya, berisi t-nilai yang memiliki area 0,10 di sebelah kanannya.
8.3
Perhatikan bahwa Tabel IV dalam Lampiran A mengandung derajat kebebasan dari 1 hingga 75, tetapi
kemudian hanya memiliki derajat kebebasan tertentu. Jika jumlah derajat kebebasan yang Anda cari
tidak dalam Tabel IV, Anda dapat menemukan tabel-t yang lebih detail, menggunakan teknologi, atau
menggunakan interpolasi linier dan Tabel IV. Pilihan yang kurang tepat adalah menggunakan derajat
kebebasan pada Tabel IV paling dekat dengan yang diperlukan.
8.3
Seperti yang kita catat sebelumnya, kurva-t terlihat semakin seperti kurva normal standar karena
jumlah derajat kebebasannya semakin besar. Untuk derajat kebebasan lebih dari 2000, kurva-t dan kurva
normal standar hampir tidak dapat dibedakan. Akibatnya, kami menghentikan tabel-t pada df = 2000 dan
memberikan nilai-nilai yang sesuai dari zα di bawah. Nilai-nilai ini dapat digunakan tidak hanya untuk
distribusi normal standar, tetapi juga untuk distribusi-t yang memiliki derajat kebebasan lebih besar dari
2000.
Mendapatkan Interval Keyakinan untuk Populasi, ketika σ
8.3
tidak diketahui
• prosedur dalam mendapatkan interval kepercayaan untuk populasi berarti ketika standar deviasi
populasi tidak diketahui.
• Misalkan dalam mendapatkan interval keyakinan untuk rata-rata populasi berdasarkan sampel
kecil, tetapi analisis data awal menunjukkan baik adanya outlier atau bahwa variabel yang
dipertimbangkan jauh dari distribusi normal. Maka prosedur interval-z atau prosedur interval-t
tidak tepat untuk digunakan. dapat diganti dengan menggunakan metode nonparametrik yang
disebut juga prosedur interval keyakinan Wilcoxon untuk menemukan interval kepercayaan
untuk rata-rata populasi
• Sebagian besar metode nonparametrik tidak memerlukan kenormalan yang mendekati normal,
resisten terhadap outlier dan nilai ekstrim lainnya, dan dapat diterapkan terlepas dari ukuran
sampel.
• Namun, metode parametrik, seperti prosedur interval-z dan interval-t, cenderung memberikan
hasil yang lebih akurat daripada metode nonparametrik yang hanya menggunakan asumsi
normalitas dan persyaratan lain untuk penggunaannya dapat terpenuhi
8.3
Pada bagian 8.2, khususnya, Formula 8.1 di halaman 364, batas kesalahan untuk
perkiraan rata-rata populasi adalah zα/2 · σ/√n. batas kesalahan ini untuk kasus ketika
standar deviasi populasi, σ diketahui.
Ketika σ tidak diketahui, batas kesalahan untuk perkiraan rata-rata populasi adalah
tα/2·s/√n, seperti dari Langkah ke 2 dari Prosedur 8.2 pada halaman 377. Batas
kesalahan dalam kasus ini memiliki dasar yang sama properti mengenai tingkat
keyakinan dan ukuran sampel (Key Facts 8.3 dan 8.4 pada halaman 365 dan 366).
8.3 Pusat Teknologi
• Sebagian besar teknologi statistik memiliki program yang secara otomatis melakukan satu
prosedur interval-t rata-rata. Dalam bagian ini, menyajikan output dan petunjuk langkah demi
langkah untuk program-program tersebut
EXCEL
1. Simpan data dari Tabel 8.6 dalam Untuk pengguna Excel : Langkah 6 dari
kolom bernama LOSS instruksi Excel menyatakan untuk
2. Pilih XLSTAT ➤ Uji parametrik ➤ mengetikkan 5 dalam kotak teks Tingkat
Uji t dan uji z satu sampel signifikansi (%). Memang, untuk
3. Klik tombol reset di sudut kiri bawah prosedur ini, XLSTAT menggunakan α
kotak dialog (yaitu, 1 dikurangi tingkat keyakinan),
4. Klik pada kotak Data selection dan dinyatakan sebagai persentase, bukan
kemudian pilih kolom worksheet yang tingkat kepercayaan. Jadi, misalnya,
berisi data LOSS ketik 5 untuk interval kepercayaan 95%
5. Klik tab Opsi dan ketik 10 untuk interval kepercayaan
6. Ketik 5 di kotak teks Tingkat 90%.
signifikansi (%)
7. Klik OK
8. Klik tombol Continue di XLSTAT –
Selections kotak dialog
THANKYOU
CHAPTER 9
HYPOTHESIS TESTS FOR ONE
POPULATION MEAN
CHAPTER OUTLINE
A. THE NATURE OF HYPOTHESIS TESTING
• Null hypothesis
H 0 : 0
• Alternative hypothesis
H a : 0
Two-tailed
H a : 0 Left-tailed
H a : 0 Right-tailed
The Logic of Hypothesis Testing
• Setelah kami memilih H0 dan Ha, kita harus memutuskan apakah akan
menolak H0 yang mendukung Ha.
Type I and Type II Errors
• kita perlu untuk memilih nilai kritis (s) sehingga area di bawah kurva normal standar
yang terletak di atas wilayah penolakan sama dengan α.
• nilai kritis (s) untuk tingkat signifikansi yang ditentukan α. Untuk uji dua-ekor, nilai
kritisnya = ± zα / 2; untuk uji berekor kiri = −zα; dan untuk tes berekor kanan, nilai
kritisnya adalah zα.
• Pada tingkat signifikansi α, untuk pengujiannya.
CRITICAL-VALUE APPROACH TO HYPOTHESIS
TESTING
1. Tentukan H0 dan Ha .
2. Tentukan tingkat signifikansi, α.
3. Hitung nilai statistik uji.
4. Tentukan nilai kritis (s).
5. Jika nilai statistik uji jatuh di wilayah
penolakan, tolak H0 ; jika tidak, jangan
menolak H0.
6. Menafsirkan hasil uji hipotesis.
C. P-VALUE APPROACH TO
HYPOTHESIS TESTING
TERMINOLOGI PENDEKATAN NILAI-P
• Ingat bahwa hasil uji hipotesis secara statistik signifikan jika hipotesis nol
ditolak pada tingkat α yang dipilih. Signifikansi statistik berarti bahwa
datamemberikan bukti yang mencukupi untuk menyimpulkan bahwa
kebenaran itu berbeda dari yang dinyatakan hipotesa nol. Namun, itu tidak
berarti bahwa perbedaan itu penting dalam arti praktis apa pun.
HUBUNGAN ANTARA UJI
HIPOTESIS DAN INTERVAL CONIDENCE
• Seperti yang Anda lihat, Prosedur 9.2 mencakup nilai kritis pendekatan untuk
t-test satu mean dan pendekatan P-value untuk t-test satu mean. Properti
dan panduan untuk menggunakan uji-t adalah sama dengan uji-z,
F. THE WILCOXON SIGNED-RANK TEST
• Jika observasi sama dengan μ0 (nilai untuk mean dalam hipotesis nol), itu
observasi harus dihapus dan ukuran sampel dikurangi dengan 1.
• Jika dua atau lebih perbedaan mutlak terikat, masing-masing harus diberi
nilai tengah dari jajaran yang akan mereka miliki jika tidak ada ikatan.
WILCOXON SIGNED-RANK TEST
VERSUS THE T-TEST
Misalkan Anda ingin melakukan uji hipotesis untuk mean populasi. Ketika
memutuskan antara uji-t dan theWilcoxon signed-rank test, ikuti panduan ini:
• Jika Anda cukup yakin bahwa variabel yang dipertimbangkan secara
normal didistribusikan, gunakan t-test.
• Jika Anda tidak cukup yakin bahwa variabel yang dipertimbangkan juga
tidak didistribusikan secara maya tetapi cukup yakin bahwa ia memiliki
distribusi simetris , gunakan Wilcoxon signed-rank test.
TESTING A POPULATION MEDIAN
WITH THE WILCOXON
SIGNED-RANK PROCEDURE
Karena mean dan median dari distribusi simetris identik, the wilcoxon signed-
rank test dapat digunakan untuk melakukan uji hipotesis untuk median
populasi, η,serta untuk mean populasi, μ. Untuk menggunakan prosedur
melakukan uji hipotesis untuk median populasi, cukup ganti μ dengan η dan μ0
oleh η0.
THE TECHNOLOGY CENTER
Note to • TI-83/84 Plus users:
• Excel users: Pada saat penulisan ini, TI-83/84
Program Excel yang kami Plus tidak memiliki program built-in untuk
gunakan untuk melakukan (satu melakukan uji peringkat masuk Wilcoxon.
sampel) Wilcoxon signed-rank test Namun, kami menulis sebuah program TI
sebenarnya dirancang untuk uji yang disebut WILCOX untuk melakukan
dua sampel. Meskipun demikian, tes itu. Itu terletak di program TI di situs
seperti kami menunjukkan, adalah WeissStats. Instruktur Anda dapat
mungkin untuk menggunakan menunjukkan cara mengunduh program
program itu untuk melakukan ke kalkulator Anda. Peringatan: Data apa
(satu sampel) Wilcoxon signed- pun yang mungkin Anda simpan
rank test. sebelumnya di Daftar 1–6 akan dihapus
selama eksekusi program, jadi salin data
tersebut ke daftar lain sebelum eksekusi
program jika Anda ingin
mempertahankannya.
G. TYPE II ERROR PROBABILITIES;
POWER
Type II error probabilities for a one mean z test
Langkah 1 Langkah 2
Nilai kritis x untuk uji sisi kiri adalah μ0− zα· σ / √n. Probabilitas kesalahan tipe II, β, sama
Diketahui za = z0.05 = 1.645. oleh karena itu, dengan area dibawah kurva normal
nillai kritis x adalah . dengan parameter μ0− zα· σ / √n
yang terletak di sebelah kanan nilai
kritis X.
Ada sekitar 12.5% kemungkinan bahwa konsumen gagal menolak klaim pabrik bahwa
jarak tempuh rata-rata dari semua orion adalah 26 mpg. Padahal rata-rata sebenarnya
adalah 25,3 mpg.
Interpretasi
Kekuatan uji hipotesis adalah probabilitas Power Curve for a One-Mean z-Test
untuk tidak membuat kesalahan tipe II,
yaitu probabilitas penolakan hipotesis nol.
Kita punya: Tujuan untuk membangun kekuatan
Power = 1 − P (Type II error) = 1 − β kurva untuk one mean z-test
Asumsi 1. Sampel acak sederhana
2. Populasi normal atau sampel
besar
3. mengenali σ
Langkah 3
Langkah 1
untuk setiap nilai μ yang dipilih pada
tentukan nilai μa yang sama untuk langkah 1, gunakan prosedur sebelumnya
digunakan dalam merencanakan untuk mendapatkan pribabilitas kesalahan
kekuatan melengkung. Pilih nilai μa pada tipe II. Isi kolom kedua tabel kerja.
kedua sisi μ0, disebelah kiri μ0, atau
disebelah kanan μ0.
Langkah 4
Langkah 2 Gunakan hasil langkah 3 dan relasi power
= 1 – β untuk mengisi kolom ketiga dari
buat tabel kerja tabel kerja.
Langkah 5
plot nilai-nilai di kolom pertama dan ketiga
dari tabel kerja sebagai titik pada grafik
dengan μ pada sumbu horizonta dan
Isi kolom pertama dari tabel kerja dengan daya pada sumbu vertikal. Termasuk
nilai μ yang dipilih pada langkah 1. berongga rongga unuk hipotesis nol (μ0)
dan tingkat signifikansi (a).
Langkah 6 SAMPLE SIZE AND POWER
Hubungkan titik titik dalam grafik dari
langkah 5 dengan lengkungan yang “Untuk tingkat signifikansi tetap,
halus. meningkatkan ukuran sampel akan
meningkatkan daya”.