Estimasi

Pertemuan 4-1
 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. Pertemuan 4-2
 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 ).

Pertemuan 4-3
 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

Pertemuan 4-4
 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
Pertemuan 4-5
 Estimasi Titik

Kita dapat mengestimasi Dengan statistik

parameter population Sample
(Estimasi titik)

Mean μ x
Proportion p p

Pertemuan 4-6
 Estimasi Titik
Suatu estimator titik menarik kesimpulan tentang populasi
dengan mengestimasi nilai parameter yang tidak diketahui
dengan menggunakan suatu nilai tunggal atau titik.

Telah diketahui sebelumnya bahwa peluang dari suatu titik

pada distribusi kontinu adalah hampir nol. Dan juga
diharapkan bahwa suatu estimator titik akan semakin dekat
dengan nilai parameter ketika ukuran sampel meningkat,
tetapi estimator titik tidak mencerminkan pengaruh dari
ukuran sampel yang membesar. Oleh karena itu kita akan
menggunakan estimator interval untuk memperkirakan
parameter populasi.

Pertemuan 4-7
 Formula Umum

 Formula umum untuk semua

interval kepercayaan adalah:

Point Estimate  (Critical Value)(Standard Error)

Pertemuan 4-8
 Confidence Intervals

Confidence
Intervals

Population Population
Mean Proportion

σ Known σ Unknown

Pertemuan 4-9
 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
Chap 7-10
 Finding the Critical Value
 Consider a 95% confidence interval: z α/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
Chap 7-11
 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
Chap 7-12
 Interval and Level of Confidence
Sampling Distribution of the Mean

/2 1  /2
x
Intervals μx  μ
extend from x1
σ x2 100(1-)%
x  z /2 of intervals
n
to constructed
σ contain μ;
x  z /2
n 100% do not.
Confidence Intervals Chap 7-13
 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.

Chap 7-14
 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
Chap 7-15
 Interpretation

 Kita 95% percaya bahwa rata-rata sebenarnya

dari ketahanan adalah antara 1,9932 dan
2,4068 ohms

Chap 7-16
 Confidence Intervals

Confidence
Intervals

Population Population
Mean Proportion

σ Known σ Unknown

Chap 7-17
 Confidence Interval for μ
(σ Unknown)

 If the population standard deviation σ is

unknown, we can substitute the sample
standard deviation, s
 This introduces extra uncertainty, since s
is variable from sample to sample
 So we use the t distribution instead of the
normal distribution

Chap 7-18
 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
Chap 7-19
 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

Chap 7-20
 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)
Chap 7-21
 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
Chap 7-22
 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
Chap 7-23
 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
Chap 7-24
 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

Chap 7-25
 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

Chap 7-26
 Determining Sample Size
 The required sample size can be found to
reach a desired margin of error (e) and
level of confidence (1 - )

 Required sample size, σ known:

2
σ  z /2 σ 
2 2
z
n /2
 
 e 
2
e
Chap 7-27
 Required Sample Size Example
If  = 45, what sample size is needed to be
90% confident of being correct within ± 5?

2 2
 z /2 σ   1.645(45) 
n     219.19
 e   5 

So the required sample size is n = 220

(Always round up)

Chap 7-28
 Confidence Intervals

Confidence
Intervals

Population Population
Mean Proportion

σ Known σ Unknown

Chap 7-29
 Confidence Intervals for the
Population Proportion, p

 An interval estimate for the population

proportion ( p ) can be calculated by
adding an allowance for uncertainty to

the sample proportion ( p )

Chap 7-30
 Confidence Intervals for the
Population Proportion, p
(continued)
 Recall that the distribution of the sample
proportion is approximately normal if the
sample size is large, with standard deviation

p(1  p)
σp 
n
 We will estimate this with sample data:

ˆ  p)
p(1 ˆ
s pˆ 
n
Chap 7-31
 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

Chap 7-32
 Contoh

 Sampel acak 100 orang menunjukkan

bahwa 25 diantaranya adalah kidal.
 Bentuklah 95% interval kepercayaan
untuk proporsi sebenarnya dari orang
kidal.

Chap 7-33
 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
Chap 7-34
 Interpretation

 We are 95% confident that the true

percentage of left-handers in the population
is between
16.51% and 33.49%.

Chap 7-35
 Changing the sample size

 Increases in the sample size reduce

the width of the confidence interval.

Example:
 If the sample size in the above example is
doubled to 200, and if 50 are left-handed in the
sample, then the interval is still centered at .25,
but the width shrinks to
.19 …… .31

Chap 7-36
 Finding the Required Sample Size
for proportion problems

 
Define the p(1  p)
margin of error: e  z/2
n
 
z 2
p (1  p)
Solve for n: n /2
2
e
p can be estimated with a pilot sample, if
necessary (or conservatively use p = .50)

Chap 7-37
 What sample size...?

 How large a sample would be necessary

to estimate the true proportion defective in
a large population within 3%, with 95%
confidence?

(Assume a pilot sample yields p = .12)

Chap 7-38
 What sample size...?
(continued)

Solution:
For 95% confidence, use Z = 1.96
e = .03

p = .12, so use this to estimate p

z2 /2 pˆ (1  pˆ ) (1.96)2 (.12)(1  .12)

n 2
 2
 450.74
e (.03)
So use n = 451

Chap 7-39
SOAL LATIHAN

Chap 7-40
 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

Chap 7-41
 Soal 2

Berapa besarkah sampel diperlukan pada

soal 1 bila diinginkan kepercayaan 96%
agar rata-rata sampel paling banyak
meleset 10 jam dari rata-rata
sesungguhnya?

Chap 7-42
 Soal 3

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
Chap 7-43
 Soal 4

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

Chap 7-44
 Soal 5

Suatu sampel acak 200 pemilih diambil dan

ternyata 114 daripadanya mendukung
calon A. Hitunglah selang kepecayaan 96%
untuk proporsi populasi pemilih yang
mendukung calon A.

Chap 7-45
 Soal 6

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.

Chap 7-46
 Soal 7
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.
Chap 7-47