STATISTIKA NAMA : Maulizar NIM : 170603213 TANGGAL : 01-01-2022 1. Sebutkan ciri-ciri dari: (15 menit) a. Distribusi normal b. Distribusi poison c. Sifat probabilitas a. Ciri-ciri distribusi normal : b. Ciri-ciri Distribusi c. Sifat-sifat probabilitas Disusun dari variable random kontinukurva distribusi normal Distribusi Poisson memiliki ciri - ciri sebagai berikut: kejadian A :0 ≤P(A) ≤ 1, artinya mempunyai satu puncak ( uni- normal) •Banyaknya percobaan yang terjadi dalam suatu selang nilai probabilitas kejadian A selalu waktu atau suatu daerah tertentu, tidak tergantung pada terletak antara 0 dan 1P(A) = 0, Kurva berbentuk simetris dan banyaknya hasil percobaan yang terjadi pada selang artinya dalam hal kejadian A tidak menyerupai lonceng hingga waktu atau daerah lain yang terpisah. terjadi (himpunan kosong), maka mean,median dan modus terletak •Peluang terjadinya satu hasil percobaan selama suatu probabilitas kejadian A adalah 0. pada satu titik. selang wakt yang singkat sekali atau dalam suatu selang Dapat dikatakan bahwa kejadian A Kurva normal dibentuk dengan N yang kecil. Sebanding dengan panjang selang waktu mustahil untuk terjadi.P(A) = 1, yang tal terhingga tersebut atau besarnya daerah tersebut dan tidak tergantung pada banyak hasil percobaan yang terjadi artinya dalam hal kejadian A, maka Peristiwa yang dimiliki tetap diluar selang waktu dan daerah tertentu. probabilitas kejadian A adalah 1. independen Dapat dikatakan bahwa kejadian A •Peluang bahwa lebih dari satu hasil percobaan akan pasti terjadi. Ekor kurva mendekati absis pada terjadi dalam selang waktu yang singkat tersebut atau penyimpangan 3 sd kekanan dan dalam daerah yang kecil tersebut diabaikan. kekiri dari rata-rata dan ekor grafik dapat dikembangkan sampai tak $$\begin{align*}f(y,\mu)=\left(\frac{\mathbf{e^{-\mu}\ terbatas tanpa mnyentuh sumbu mu^{y}}}{\mathbf{y!}}\right)\ absis. end{align*} ;y=0,1,2,...$$ dan $\mu>0$ Dalam distribusi Poisson, rataan dan variansi adalah bernilai sama dan dapat dituliskan sebagai berikut: $E(y)=Var(Y)=\mu$ 2. Jelaskan perbedaan dan persamaan analisis linear dan korelasi
PERBEDAAN REGRESI DAN KORELASI
• Perbedaan Kunci Antara Korelasi dan Regresi
• Poin-poin yang diberikan di bawah ini, menjelaskan perbedaan antara korelasi dan regresi secara rinci: 1. Ukuran statistik yang menentukan hubungan atau asosiasi dua kuantitas dikenal sebagai Korelasi. Regresi menggambarkan bagaimana variabel independen secara numerik terkait dengan variabel dependen. 2. Korelasi digunakan untuk merepresentasikan hubungan linier antara dua variabel. Sebaliknya, regresi digunakan agar sesuai dengan garis terbaik dan memperkirakan satu variabel berdasarkan variabel lain. 3. Dalam korelasi, tidak ada perbedaan antara variabel dependen dan independen yaitu korelasi antara x dan y mirip dengan y dan x. Sebaliknya, regresi y pada x berbeda dari x pada y. 4. Korelasi menunjukkan kekuatan hubungan antar variabel. Berbeda dengan, regresi mencerminkan dampak perubahan unit dalam variabel independen pada variabel dependen. 5. Korelasi bertujuan untuk menemukan nilai numerik yang mengekspresikan hubungan antar variabel. Tidak seperti regresi yang tujuannya adalah untuk memprediksi nilai-nilai variabel acak berdasarkan nilai-nilai variabel tetap. ANALISIS REGRESI DAN KORELASI LINEAR
• Analisis regresi berbeda dengan analisis korelasi. Jika
-> Regresi terdiri dari dalam analisis korelasi digunakan untuk Satu variable terikat dengan satu variable bebas melihathubungan dua variable, maka analisis regresi (regresi sederhana) digunakan untuk melihat pengaruh variable bebas Satu variable terikat dengan beberapa variable terhadap variable tergantung serta memprediksi nilai bebas ( regresi berganda) variable tergantung dengan menggunakan variable Didalam analisis regresi terdapat 2 macam bebas. Dalam analisis regresi variable bebas berfungsi linearitas, yaitu: untuk menerangkan (explanatory) sedang variable Linearitas dalam variable tergantung berfungsi sebagai yang diterangkan (the Nilai rata-rata conditional variable tergantung explained). Dalam analisis regresi data harus berskala yang merupakan fungsi linear dari variable bebas interval atau rasio.Hubungan dua variable bersifat Linearitas dalam parameter dependensi. Untuk menggunakan analisis regresi diperlukan beberapa persyaratan Fungsi linear parameter dan dapat tidak linier dalam variabel Persamaan regresi • Persamaan regresi sederhana: Y = a + bX Ket: Y = variabel kriterium X = variabel prediktor a = variabel konstan b = koefisien arah regresi linier Dimana harga a dan b sebagai berikut: Page 4 bentuk persamaan regresi tersebut sering dibaca sebagai regresi X atas Y.Metode kuadrat terkecil Bentuk umum dari persamaan regresi linear adalah Y’= a + b X 3. Peluang seorang mahasiswa lulus statistika adalah 2/3 dan peluang lulus matematika adalah 4/9. Peluang sekurang-kurangnya lulus salah satu pelajaran tersebut adalah 4/5. Berapa peluang lulus kedua pelajaran tersebut?
Di ketahuai? Mahasiswa lulus satatiska = 2/3 Peluang lulus matematika = 4/9 Kurang lulus = 4/5 Penyelesaian : Misalkan A menyatakan kejadian lulus statistika dan B kejadian lulus Matematika maka menurut teorema 1
P(AΩB) = P(A) + P(B)-P(AUB)
= 2/3 + 4/9 – 4/5 = 14/45 Mahasiwa lulus matematika = 4/9 P(AΩB) = P(A) + P(B-P(AUB) = 2/3 + 4/9 – 4/5 = 14/45 Jadi peluang lulus kedua pelajaran tersebut adalah 14/45 4. Saya tidak mengerti buk soal no 4