4/16/2009. H 0 ditolak. H 0 tidak ditolak. ditolak. P(menolak H 0 H 0 benar) keputusan benar. = galat lttipe II = β. P(tidak menolak H 0 H 0 salah)

dokumen-dokumen yang mirip
10/14/2010 UJI HIPOTESIS PENGERTIAN GALAT (ERROR) salah)

MA2081 STATISTIKA DASAR. Utriweni Mukhaiyar 1 November 2012

Uji Hipotesis. MA2081 STATISTIKA DASAR Utriweni Mukhaiyar

UJI RATAAN UJIVARIANSI MA 2081 STATISTIKA DASAR UTRIWENI MUKHAIYAR A PRIL 2011

MA 2081 Statistika Dasar Utriweni Mukhaiyar. 11 September 2012

PEUBAH ACAK DAN DISTRIBUSINYA. MA 2081 Statistika Dasar Utriweni Mukhaiyar

PEUBAH ACAK DAN. MA 2181 Analisis Data Utriweni Mukhaiyar. 22 Agustus 2011

Hipotesis. Penerimaan hipotesis menunjukkan bahwa tidak cukup petunjuk untuk mempercayai sebaliknya

Pengujian Hipotesis. Oleh : Dewi Rachmatin

PELUANG & ATURAN BAYES MA 2181 ANALISIS DATA, 15 AGUSTUS 2011 UTRIWENI MUKHAIYAR

PELUANG 8/18/2010 EKSPERIMEN RUANG SAMPEL. Ruang sampel S, yaitu himpunan dari semua kemungkinanki hasil dari suatu percobaan acak (statistik).

Peluang & Aturan Bayes. MA 2081 STATISTIKA DASAR 5 Februari 2014 Utriweni Mukhaiyar

Peluang & Aturan Bayes. MA 2081 STATISTIKA DASAR, 6 FEBRUARI 2012 Utriweni Mukhaiyar

MA 4085 Pengantar Statistika 5 Februari 2013 Utriweni Mukhaiyar

Ciri-ciri eksperimen acak (Statistik): Dapat dulangi baik oleh si pengamat sendiri maupun orang lain. Proporsi keberhasilan dapat diketahui dari

DISTRIBUSI KONTINU. Uniform Normal Gamma & Eksponensial. MA3181 Teori Peluang 3 November 2014 Utriweni Mukhaiyar

PENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011

ANALISIS VARIANSI. Utriweni Mukhaiyar. 2 November 2011

PEUBAH ACAK DAN DISTRIBUSINYA

DISTRIBUSI KONTINU. Utriweni Mukhaiyar

PELUANG & ATURAN BAYES BI5106 ANALISIS BIOSTATISTIK

STATISTIKA INDUSTRI 2 TIN 4004

DISTRIBUSI DISKRIT KHUSUS

DISTRIBUSI DISKRIT KHUSUS

Penaksiran Titik Penaksiran Selang. Selang Kepercayaan untuk VARIANSI MA2081 STATISTIKA DASAR

STATISTIKA INDUSTRI 2 TIN 4004

dan Korelasi 1. Model Regresi Linear 2. Penaksir Kuadrat Terkecil 3. Prediksi Nilai Respons 4. Inferensi Untuk Parameter-parameter Regresi 6.

REGRESI LINEAR SEDERHANA

PENAKSIRAN M A S T A T I S T I K A D A S A R 1 7 M A R E T 2014 U T R I W E N I M U K H A I Y A R

REVIEW: DISTRIBUSI PELUANG KHUSUS & UJI HIPOTESIS. Utriweni Mukhaiyar MA2281 Statistika Nonparametrik Kamis, 21 Januari 2016

Fungsi Peluang Gabungan

1. Model Regresi Linear dan Penaksir Kuadrat Terkecil 2. Prediksi Nilai Respons 3. Inferensi Untuk Parameter-parameter Regresi 4.

MA2181 Analisis Data - U. Mukhaiyar 1

UNIFORM (SERAGAM) BERNOULLI BINOMIAL POISSON BEBERAPA DISTRIBUSI LAINNYA : MULTINOMIAL, HIPERGEOMETRIK, MA 2081 Statistika Dasar.

Percobaan terdiri dari 1 usaha. Peluang sukses p Peluang gagal 1-p Misalkan. 1, jika terjadi sukses X jika terjadi tidak sukses (gagal)

DISTRIBUSI DISKRIT KHUSUS

DISTRIBUSI DISKRIT. MA 2081 Statistika Dasar Utriweni Mukhaiyar

Pengujian Hipotesis. 1. Pendahuluan. Topik Bahasan:

Regresi Linear Sederhana

UJI HIPOTESIS SATU-SAMPEL

Analisis Variansi (ANOVA) Utriweni Mukhaiyar MA 2081 Statistika Dasar 13 November 2012

DISTRIBUSI SAMPLING. Berdistribusi normal dengan rataan. Dan variasi

STATISTIKA INDUSTRI 2 TIN 4004

STATISTIKA INDUSTRI 2 TIN 4004

PENGUJIAN HIPOTESIS. Konsep: Dua macam kekeliruan. Pengujian hipotesis.

11/8/2010 ANALISIS VARIANSI ILUSTRASI

DISTRIBUSI DISKRIT KHUSUS

Utriweni Mukhaiyar BI5106 Analisis Biostatistik 29 November 2012

Utriweni Mukhaiyar MA2281 Statistika Nonparametrik Kamis, 5 Februari 2015

PENGUJIAN HIPOTESIS RATA-RATA DUA POPULASI -YQ-

MA 2081 STATISTIKA DASAR UTRIWENI MUKHAIYAR 24 FEBRUARI 2011

PRAKTIKUM STATISTIKA INDUSTRI 2013 MODUL IV PENGUJIAN HIPOTESIS

Distribusi Sampel & Statistitik Terurut

STATISTIKA INDUSTRI 2 TIN 4004

PENDUGAAN PARAMETER STATISTIK INDUSTRI 1

FUNGSI PELUANG GABUNGAN M A P E N G A N T A R S T A T I S T I K A 14 F E B R U A R I 2013 U T R I W E N I M U K H A I Y A R

PERBANDINGAN KUASA WILCOXON RANK SUM TEST DAN PERMUTATION TEST DALAM BERBAGAI DISTRIBUSI TIDAK NORMAL

BI5106 Analisis Biostatistik 18 September 2012 Utriweni Mukhaiyar

(HARAPAN MATEMATIKA) BI5106 Analisis Biostatistik 20 September 2012 Utriweni Mukhaiyar

PENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih

Aplikasi Pengujian Hipotesis Statistik dalam Sistem Teknologi Informasi

PENDUGAAN PARAMETER STATISTIK INDUSTRI 1

Ayundyah Kesumawati. April 20, 2015

Ukuran Statistik Bagi Data

PENAKSIRAN METODE PENAKSIRAN CONTOH. Kasus 1: taksiran titik IP = 3,5 Kasus 2: taksiran selang IP = [3,4]

Terima hipotesis Tidak membuat kesalahan Kesalahan tipe II Tolak hipotesis Kesalahan tipe I Tidak membuat kesalahan

Uji Permutasi untuk Masalah Dua Sampel Saling Bebas: Studi Kasus di LAFI-DITKES AD Bandung Jawa Barat

PENGUJIAN HIPOTESIS. Langkah-langkah pengujian hipótesis statistik adalah sebagai berikut :

STATISTIK Hypothesis Testing 2 Contoh kasus

MA2081 Statistika Dasar

DISTRIBUSI SAMPLING besar

Statistika (MMS-1403)

LOGO PENGUJIAN HIPOTESIS HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA UNAND

UJI STATISTIK NON PARAMETRIK. Widha Kusumaningdyah, ST., MT

STK 511 Analisis statistika. Materi 6 Pengujian Hipotesis

BIOSTATISTIK HIPOTESIS UNTUK PROPORSI MARIA ALMEIDA ( ) NURTASMIA ( ) SOBRI ( )

STATISTIKA NON PARAMETRIK

STATISTIKA II (BAGIAN

BI5106 ANALISIS BIOSTATISTIK Bab 5 Uji Hipotesis

MODUL TEORI ESTIMASI ATAU MENAKSIR TEORI ESTIMASI ATAU MENAKSIR

PENGUJIAN HIPOTESIS 1

STATISTIKA. Statistika pengkuantifikasian (pengkuantitatifan) hasil-hasil pengamatan terhadap kejadian, keberadaan, sifat/karakterisitik, tempat, dll.

MA5283 STATISTIKA Bab 3 Inferensi Untuk Mean

PENGUJIAN HIPOTESIS (1) Debrina Puspita Andriani /

PENGERTIAN PENGUJIAN HIPOTESIS

Materi 1 : Review Statistika Inferensia Pengujian Hipotesis PERANCANGAN PERCOBAAN

STATISTIKA INDUSTRI 2 TIN 4004

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER

STATISTIKA INDUSTRI 2 TIN 4004

STATISTIKA INDUSTRI 2 TIN 4004

BAGAIMANA CARA MENGATASI KASUS TERSEBUT? JAWAB: MELAKUKAN UJI HIPOTESIS

Pengertian Pengujian Hipotesis

STATISTIKA DASAR MAF Dosen: Dr. Lutfi Rohman Wenny Maulina, M.Si

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER

Pertemuan 8 STATISTIKA INDUSTRI 2 08/11/2013. Introduction to Linier Regression. Introduction to Linier Regression. Introduction to Linier Regression

BEBERAPA DISTRIBUSI PELUANG KONTINU. Normal, Gamma, Eksponensial, Khi-Kuadrat, Student dan F

BAB III UJI STATISTIK DAN SIMULASI. Menggunakan karakteristik dari distribusi tersebut dan transformasi / = ( ) (3.1.1) / = ( ) (3.1.

PENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih

Contoh Solusi PR 5 Statistika & Probabilitas

Hipotesis : asumsi atau anggapan bisa benar atau bisa salah seringkali dipakai sebagai dasar dalam memutuskan

Transkripsi:

4/6/9 Galat (error) Uji Hipotesis H ditolak H benar H salah a P(menolak H H benar) galat tipe I keputusan benar MA 8 Statistika Dasar Kamis, 6 Februari 9 H tidak ditolak keputusan benar P(tidak menolak H H salah) galat lttipe II β Dosen : Udjianna S. Pasaribu Utriweni Mukhaiyar yang dimanfaatkan dalam pokok bahasan ini 3 Pengertian Hipotesis adalah suatu anggapan yang mungkin benar atau tidak mengenai satu populasi atau lebih yang perlu diuji kebenarannya Dalam statistika, hipotesis yang akan diuji dibedakan menjadi:. Hipotesis nol (H ) ; pernyataan yang mengandung tanda kesamaan (,, atau ). Hipotesis tandingan (H ) ; tandingan hipotesis H, mengandung tanda, >, atau <. Skema Umum Uji Hipotesis H ditolak Kesimpulan H benar Hipotesis Statistik??? Keputusan H tidak ditolak Kesimpulan Tidak cukup bukti untuk menolak H H H mungkin terjadi Hipotesis yang ingin diuji Memuat suatu kesamaan (, atau ) Dapat berupa - hasil penelitian sebelumnya - informasi dari buku atau - hasil percobaan orang lain Hipotesis yang ingin dibuktikan Disebut juga hipotesis alternatif Memuat suatu perbedaan (, > atau <) Tipe I Menolak H padahal H benar P(tipe I) tingkat signifikansi Kesalahan Tipe II Menerima H padahal H salah P(tipe I) β 4

4/6/9 Statistik Uji dan Titik Kritis Statistik uji digunakan untuk menguji hipotesis statistik yang telah dirumuskan. Notasinya berpadanan dengan jenis distribusi yang digunakan. Titik kritis membatasi daerah penolakan dan penerimaan H. Diperoleh dari tabel statistik yang bersangkutan. H ditolak jika nilai statistik uji jatuh di daerah kritis. Statistik Uji untuk Rataan Satu Populasi. Kasus σ diketahui Z X µ ~ N(,) Tabel Z (normal baku) σ / n daerah kritis / titik kritis daerah penerimaan H - daerah kritis / titik kritis daerah penerimaan H diperoleh dari tabel statistik - titik kritis daerah kritis 5. Kasus σ tidak diketahui T X µ ~ t (n-) Tabel t s / n 7 Uji Rataan Satu Populasi Daerah Kritis Uji Rataan Satu Populasi. H : µ µ vs H : µ µ. H : µ µ vs H : µ > µ 3. H : µ µ vs H : µ < µ uji dua arah uji satu arah σ diketahui σ tidak diketahui Statistik uji : Z T H : µ µ vs H : µ µ Z < - Z / atau Z > Z / T < - T / atau T > T / H : µ µ vs H : µ > µ Z > Z T > T H : µ µ vs H : µ < µ Z < - Z T < - T µ adalah suatu konstanta yang diketahui titik kritis dengan derajat kebebasan n - 6 8

4/6/9 Uji Rataan Dua Populasi Daerah Kritis Uji Rataan Dua Populasi. H : µ - µ µ vs H : µ - µ µ. H : µ - µ µ vs H : µ - µ > µ 3. H : µ - µ µ vs H : µ - µ < µ uji dua arah µ adalah suatu konstanta yang diketahui uji satu arah σ, σ diketahui σ, σ tidak diketahui Statistik uji : Z T σ σ σ σ S S Derajat n n n Kebebasan n - v S S (n ) n (n ) n H : µ - µ µ vs Z < - Z / atau T < - T / atau T < - T / atau H : µ - µ µ Z > Z / T > T / T > T / H : µ - µ µ vs H : µ - µ > µ Z > Z T > T T > T H : µ - µ µ vs H : µ - µ < µ Z < - Z T < - T T < - T 9 Statistik Uji untuk Rataan Dua Populasi. Kasus σ dan σ diketahui ( X X ) µ Z H σ σ n n. Kasus σ dan σ tidak diketahui dan σ σ ( ) X X µ T H S S n n 3. Kasus σ dan σ tidak diketahui dan σ σ ( X X ) µ (n )S (n )S T H dengan S p n n S p n n Uji untuk Rataan Berpasangan. H : µ d µ vs H : µ d µ. H : µ d µ vs H : µ d > µ 3. H : µ d µ vs H : µ d < µ Statistik uji menyerupai statistik untuk kasus satu populasi dengan variansi i tidak diketahui. D µ T S / n d ; 3

4/6/9 Contoh Berdasarkan laporan kematian di AS yang diambil secara acak, diperoleh bahwa rata-rata usia saat meninggal adalah 7.8 tahun dengan simpangan baku 8.9 tahun. Hal ini memberikan dugaan bahwa rata-rata usia meninggal di AS lebih dari 7 tahun. a. Nyatakan dugaan tersebut t dalam pernyataan hipotesis statistik b. Untuk tingkat signifikansi 5%, benarkah dugaan tersebut? b. 5%.5, maka titik kritis t.5,(99).66 x µ 7,8 7 s 8,9 n t, Karena t > t.5,(99), maka t berada pada daerah penolakan sehingga keputusannya H ditolak. Jadi dugaan tersebut benar bahwa rata-rata usia meninggal di AS lebih dari 7 tahun. 3 5 Solusi Contoh Diketahui Ditanya: 7, X 7.8, a. Hipotesis statistik b. Kesimpulan uji hipotesis Jawab: Parameter yang akan diuji : µ a. Rumusan hipotesis: H : µ 7 H : µ> 7 µ s 8.9,,5 4 Suatu percobaan dilakukan untuk membandingkan keausan karena gosokan dari dua bahan yang dilapisi. i i Dua belas potong bahan diuji dengan memasukan tiap potong bahan ke dalam mesin pengukur aus. Sepuluh potong bahan diuji dengan cara yang sama. Dalam tiap hal, diamati dalamnya keausan. Sampel bahan memberikan rata-rata keausan (sesudah disandi) sebanyak 85 satuan dengan simpangan baku sampel 4, sedangkan sampel bahan memberikan rata-rata keausan sebanyak 8 dengan simpangan baku sampel 5. Dapatkah disimpulkan, pada taraf keberartian 5%, bahwa rata-rata keausan bahan melampaui rata-rata keausan bahan lebih dari dua satuan? Anggaplah kedua populasi berdistribusi hampir normal dengan variansi yang sama. 6 4

4/6/9 Solusi Misalkan µ dan µ masing-masing menyatakan rata-rata populasi bahan dan populasi bahan. Variansi populasi kedua bahan tidak diketahui, yang diketahui adalah variansi sampel. Diasumsikan variansi populasi kedua bahan adalah sama. Rumusan hipotesis yang diuji adalah: H : µ -µ H : µ -µ > Statistik uji t berdistribusi t-student dengan derajat kebebasan n n - -, sehingga titik kritisnya adalah t.5,.75. Karena t <.75, maka H tidak ditolak. Tidak dapat disimpulkan bahwa rata-rata t keausan bahan melampaui rata-rata keausan bahan lebih dari satuan. 7 9 Tingkat keberartian,.5 x 85, s 4, n x 8, s 5, n Kita gunakan statistik uji untuk variansi kedua populasi tak diketahui tapi dianggap sama, yaitu ( x x ) µ t H Sp n n (n )S (n )S ()(6) (9)(5) dengan S p 4.478 n n Maka diperoleh ( x x ) µ (85 8) t H.4 4.478 (/) (/) Sp n n 8 Contoh 3 (data berpasangan) Pada tahun 976, J.A. Weson memeriksa pengaruh obat succinylcholine li terhadap kadar peredaran hormon androgen dalam darah. Sampel darah dari rusa liar yang hidup bebas diambil melalui urat nadi leher segera setelah succinylcholine disuntikkan pada otot rusa. Rusa kemudian diambil lagi darahnya kira-kira 3 menit setelah suntikan dan kemudian rusa tersebut dilepaskan. Kadar androgen pada waktu ditangkap dan 3 menit kemudian diukur dalam nanogram per ml (ng/ml) untuk 5 rusa. Data terdapat pada tabel berikut 5

4/6/9 N Kadar androgen (ng/ml) sesaat setelah disuntik Kadar androgen (ng/ml) 3 menit setelah disuntik Selisih (d i ) Solusi 3 4 5 6 7 8 9 3 4 5.76 5.8.68 3.5 4. 7.5 6.6 4.79 7.39 73 7.3.78 3.9 6. 67.48 7.4 7. 3. 5.44 3.99 5..6 3.9 8.53 7.9 485 4.85. 3.74 94.3 94.3 4.7 4.6 -.8.76.94. 3. 7.3 3.74.5-45.45 -.68 -.6 68.3 6.55 4.66 Ini adalah data berpasangan karena masing-masing unit percobaan (rusa) memperoleh dua kali pengukuran Misalkan µ dan µ masing-masing menyatakan rata-rata konsentrasi androgen sesaat setelah suntikan dan 3 menit kemudian. Rumusan hipotesis yang diuji adalah H : µ µ atau µ D µ -µ H : µ µ atau µ D µ -µ Tingkat signifikansi yang digunakan adalah 5%.5 3 Anggap populasi androden sesaat setelah suntikan dan 3 menit kemudian berdistribusi normal. Ujilah, pada tingkat keberartian 5%, apakah konsentrasi androgen berubah setelah ditunggu 3 menit. Rata-rata sampel dan variansi sampel untuk selisih ( d i ) adalah d 9.848 dan sd 8.474 Statistik uji yang digunakan adalah d d t s d / n 9.848 Dalam hal ini t.6 8.474 / 5 4 6

4/6/9 Statistik uji t berdistribusi t-student dengan derajat kebebasan n 5 4. Pada tingkat keberartian.5, 5 H ditolak jika t < - t.5,4 -.45 atau t > t.5,4.45. Karena nilai t.6, maka nilai t tidak berada pada daerah penolakan. Dengan demikian, H tidak ditolak. Kendati demikian, nilai t.6 mendekati nilai t.5,4 5.45. Jadi perbedaan rata-rata kadar peredaran androgen tidak bisa diabaikan. Statistisk uji yang digunakan untuk menguji ketiga hipotesis di atas adalah : χ ( n ) S σ Jika H benar, maka statistik uji tersebut berdistribusi chi-square dengan derajat kebebasan n- 5 7 Uji Hipotesis Tentang Variansi Satu Populasi Bentuk hipotesis nol dan tandingannya untuk kasus variansi satu populasi adalah. H : σ σ vs H : σ σ. H : σ σ vs H : σ < σ 3. H : σ σ vs H : σ > σ Dengan σ menyatakan suatu konstanta mengenai variansi yang diketahui 6 Untuk hipotesis H, tolak H : σ σ vs H : σ σ pada tingkat keberartian jika : χ < χ atau χ > χ,( n ),( n ) Untuk hipotesis H, tolak : σ σ vs H : σ < σ H pada tingkat keberartian jika χ < χ,( n ) Untuk hipotesis H, tolak H : σ σ vs H : σ > σ pada tingkat keberartian jika χ > χ,( n ) χ, χ, merupakan nilainilai dari tabel distribusi chi-square dengan derajat,( n ),( n ),(, dan χ n ) χ,( n ) kebebasan n - 8 7

4/6/9 Uji Hipotesis Tentang Variansi Dua Populasi Bentuk hipotesis nol dan tandingannya untuk uji hipotesis mengenai variansi dua populasi adalah. H : σ σ vs H : σ σ. H : σ σ vs H : σ < σ 3. H : σ σ vs H : σ > σ Dengan σ dan σ masing-masing adalah variansi populasi ke- dan variansi populasi ke- 9 Untuk hipotesis H : σ σ vs H : σ σ, tolak H pada tingkat keberartian jika : F < f atau F > f,( v, v),( v, v) Untuk hipotesis H, tolak H : σ σ vs H : σ < σ pada tingkat keberartian jika : F < f,( v, v) Untuk hipotesis H : σ σ vs H : σ > σ, tolak H pada tingkat keberartian jika : F f >,( v, v) f,( v, v), f,( v, v), f/,( v, v),dan f /,( v, v) adalah nilai-nilai dari tabel distribusi Fisher dengan derajat kebebasan v dan v 3 Contoh 4 Statistisk uji yang digunakan untuk menguji ketiga hipotesis di atas adalah S F S Jika H benar, statistik uji tersebut berdistribusi Fisher dengan derajat kebebasan v n dan v n Suatu perusahaan baterai mobil menyatakan bahwa umur baterainya berdistribusi hampir normal dengan simpangan baku.9 tahun. Bila sampel acak baterai tersebut menghasilkan simpangan baku. tahun, apakah anda setuju bahwa σ >.9 tahun? Gunakan taraf kebartian 5%! 3 3 8

4/6/9 Solusi Solusi H : σ.8 H : σ >.8.5 Diketahui simpangan baku sampel, s. Statistik uji ( n ) s (9)(.44) χ 6 σ.8 Titik kritis adalah χ, n χ.5,9 6.99 Karena χ < χ.5,9, maka H tidak ditolak. Simpulkan bahwa simpangan baku umur baterai tidak melebihi.9 Misalkan σ dan σ adalah variansi populasi dari masing-masing keausan bahan dan bahan. rumusan hipotesis yang akan diuji adalah H : σ σ H : σ σ. 33 35 Contoh 5 Dalam pengujian keausan kedua bahan di contoh, dianggap bahwa kedua variansi yang tidak diketahui sama besarnya. Ujilah anggapan ini! Gunakan taraf keberartian.. 34 Statistik uji f s / s 6 / 5.64 H ditolak dengan tingkat keberartian jika f < f atau f > f,( v, v),( v, v) Dalam hal ini., v n, dan v n 9. Maka f f.34 f f 3..95,(.9) dan,(.5,(.9), ) v v,(, ) v v Karena f < f < f, maka jangan tolak H.,( v, v),( v, v) Simpulkan bahwa tidak cukup kenyataan untuk menyatakan bahwa variansinya berbeda. 36 9

4/6/9 Referensi Devore, J.L. and Peck, R., Statistics The Exploration and Analysis of Data,, USA: Duxbury Press, 997. Pasaribu, U.S., 7, Catatan Kuliah Biostatistika. Wild, C.J. and Seber, G.A.F., Chance Encounters A first Course in Data Analysis and Inference,, USA: John Wiley&Sons,Inc.,. Walpole, Ronald E. Dan Myers, Raymond H., Ilmu Peluang dan Statistika untuk Insinyur dan Ilmuwan,, Edisi 4, Bandung: Penerbit ITB, 995. Walpole, Ronald E. et.al., Probability & Statistics for Enginerrs & Scientists,, Eight edition, New Jersey : Pearson Prentice Hall, 7. 37