Selang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan

dokumen-dokumen yang mirip
Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari.

Distribusi Pendekatan (Limiting Distributions)

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand

Metode Statistika STK211/ 3(2-3)

Proses Pendugaan. 95% yakin bahwa diantara 40 & 60. Mean X = 50. Mean,, tdk diketahui. Contoh Prentice-Hall, Inc. Chap. 7-1

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu:

Pendugaan Parameter. Debrina Puspita Andriani /

x = μ...? 2 2 s = σ...? x x s = σ...?

STATISTIK PERTEMUAN VIII

9 Departemen Statistika FMIPA IPB

BAB 2 LANDASAN TEORI

JENIS PENDUGAAN STATISTIK

TINJAUAN PUSTAKA Pengertian

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n

ESTIMASI TITIK DAN INTERVAL KEPERCAYAAN

Pendugaan Parameter. Selang Kepercayaan = Konfidensi Interval = Confidence Interval

Statistika Inferensia: Pendugaan Parameter. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015

Statistika Inferensial

2 BARISAN BILANGAN REAL

Secara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real:

I. DERET TAKHINGGA, DERET PANGKAT

SEBARAN t dan SEBARAN F

Pendugaan Parameter. Selang Kepercayaan = Konfidensi Interval = Confidence Interval

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3

BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL

KALKULUS 4. Dra. D. L. Crispina Pardede, DEA. SARMAG TEKNIK MESIN

BARISAN DAN DERET. 05/12/2016 Matematika Teknik 1 1

Barisan. Barisan Tak Hingga Kekonvergenan barisan tak hingga Sifat sifat barisan Barisan Monoton. 19/02/2016 Matematika 2 1

Himpunan/Selang Kekonvergenan

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

MODUL BEBERAPA MACAM SEBARAN TEORITIS BEBERAPA MACAM SEBARAN TEORITIS

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

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


Mata Kuliah: Statistik Inferensial

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang

MODUL BEBERAPA MACAM SEBARAN TEORITIS

Sampling Process and Sampling Distribution Inference : Point and Interval Estimates. Pertemuan 2

Taksiran Interval bagi Rata-rata Parameter Distribusi Poisson Interval Estimate for The Average of Parameter Poisson Distribution

TEKNIK SAMPLING PCA SISTEMATIK. Hazmira Yozza Izzati Rahmi HG. Jurusan Matematika FMIPA - Unand

Distribusi Sampling (Distribusi Penarikan Sampel)

BAB 2 LANDASAN TEORI

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus

DISTRIBUSI SAMPLING (Distribusi Penarikan Sampel)

1 Persamaan rekursif linier non homogen koefisien konstan tingkat satu

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

Bab 3 Metode Interpolasi

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

BAB V ANALISA PEMECAHAN MASALAH

BAHAN AJAR ANALISIS REAL 1 Matematika STKIP Tuanku Tambusai Bangkinang 5. DERET

B a b 1 I s y a r a t

BAB 4 LIMIT FUNGSI Standar Kompetensi Menggunakan konsep limit fungsi dan turunan fungsi dalam pemecahan masalah

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.

MINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA

BAB VII DISTRIBUSI SAMPLING DAN DESKRIPSI DATA

. _.- '~.- BabX EstimasiStatistik

An = an. An 1 = An. h + an 1 An 2 = An 1. h + an 2... A2 = A3. h + a2 A1 = A2. h + a1 A0 = A1. h + a0. x + a 0. x = h a n. f(x) = 4x 3 + 2x 2 + x - 3

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

1 n MODUL 5. Peubah Acak Diskret Khusus

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR

ANUITAS DUE PADA STATUS HIDUP PERORANGAN BERDASARKAN FORMULA WOOLHOUSE

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)

4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

REGRESI LINIER GANDA

BAB 2 LANDASAN TEORI

Elemen Dasar Model Antrian. Aktor utama customer dan server. Elemen dasar : 1.distribusi kedatangan customer. 2.distribusi waktu pelayanan. 3.

II. TINJAUAN PUSTAKA. Secara umum apabila a bilangan bulat dan b bilangan bulat positif, maka ada tepat = +, 0 <

STATISTICS. Confidence Intervals (Rentang Keyakinan) Confidence Intervals (1)

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel.

TUGAS ANALISIS REAL LANJUT. a b < a + A. b + B < A B.

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN

Deret Fourier. Modul 1 PENDAHULUAN

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4

Definisi Integral Tentu

MA1201 MATEMATIKA 2A Hendra Gunawan

PENDUGA SELANG KEPERCAYAAN NILAI TENGAH DENGAN PENDEKATAN KLASIK, BAYES, DAN BOOTSTRAP *

DISTRIBUSI KHUSUS YANG DIKENAL

Yang biasa dinamakan test komposit lawan komposit. c. Hipotesis mengandung pengertian minimum. Perumusan H 0 dan H 1 berbentuk :

Bab 7 Penyelesaian Persamaan Differensial

A.Interval Konfidensi pada Selisih Rata-rata

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy

terurut dari bilangan bulat, misalnya (7,2) (notasi lain 2

Persamaan Non-Linear

Statistika Matematika. Soal dan Pembahasan. M. Samy Baladram

Penarikan Sampel Acak Sederhana

HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN

Statistika Inferensia: Pengujian Hipotesis. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015

,n N. Jelas barisan ini terbatas pada dengan batas M =: 1, dan. barisan ini kovergen ke 0.

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah

Karakteristik Dinamik Elemen Sistem Pengukuran

BAB VIII KONSEP DASAR PROBABILITAS

Institut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan

Transkripsi:

Selag Kepercayaa (Cofidece Iterval) Pegatar Peduga titik (poit estimator) telah dibahas pada kuliah-kuliah sebelumya. Walau statistikawa telah berusaha memperoleh peduga titik yag baik, amu hampir bisa dipastika bahwa ilai dugaa (yag diperoleh) dari data cotoh tidak sama dega ilai parameter yag diduga (igi diketahui). Tidak ada petujuk yag meujukka bahwa ilai dugaa itu sama, dekat atau bahka jauh dari ilai parameter yag sesugguhya. Statistikawa memberi alteratif berupa peduga selag (iterval estimator). Peduga selag ii buka alteratif yag berbeda sama sekali dega peduga titik, amu meambahka iformasi kepada peduga titik sejauh maakah ia berbeda dari parameter sasara dega peluag tertetu. Peduga Selag Peduga selag adalah suatu selag (iterval) dega titik batas bawah B da titik batas atas A

yag bersifat acak (radom) yag dega peluag tertetu kita yakii mecakup parameter yag diduga dega peluag tertetu. Jadi kita memperoleh peryataa: P( B A) x, 0x 1. Lazimya x diambil berilai 0.95 atau 0.99. Setelah data diperoleh, kita aka memperoleh selag kepercayaa ( ba, ) yag dega peluag x kita yakii mecakup paramater. Perlu diigatka bahwa b da a adalah kostata, tidak lagi bersifat acak. Selag ii kita igika pedek. Metode Pivot Metode pivot adalah suatu tekik (cara) yag bersifat umum utuk memperoleh peduga selag. Pivot adalah suatu kuatitas yag bersifat acak yag memiliki dua ciri: (1) merupaka fugsi dari statistik/peduga da parameter yag diduga, serta parameter itu merupaka satusatuya parameter; () mempuyai sebara

peluag yag diketahui da tidak bergatug pada parameter. Utuk suatu kostata tertetu, 0 1, da juga kostata a da b, dega b a, adaika P( b f ( ˆ, ) a) 1. Jika ˆ diketahui, maka pertidaksamaa itu diharapka dapat diselesaika utuk, sehigga diperoleh selag ilai-ilai yag memeuhi pertidaksamaa itu. Telada 1. Buatlah selag kepercayaa 95% bagi parameter berdasarka cotoh acak X1, X,..., X dari populasi N(, ) bila ragam diketahui. Jawab. Kita tahu bahwa ˆ X. Kita tahu pula bahwa jika X N(, ) maka X N(, ). Karea sebara X bergatug pada parameter yag tidak diketahui, maka X tidak dapat dijadika pivot. Aka tetapi kalau dilakuka trasformasi Z X

maka Z dapat dijadika pivot karea Z haya merupa fugsi dari X da parameter da Z N(0,1) tidak bergatug pada parameter. Dari sebara ormal baku kita peroleh P( z Z z ) 0.95 P 0.05 0.05 1.96 Z 1.96 0.95 dalam hal ii z0.05 1.96 adalah ilai peubah acak Z yag luas daerah sebelah kaaya 0.05. X Dega mesubstitusika ilai Z ke dalam peryataa peluag itu diperoleh

X P1.96 1.96 0.95 P1.96 X 1.96 0.95 1.96 1.96 PX X 0.95 1.96 1.96 PX X 0.95 Jadi, selag kepercayaa 95% bagi adalah 1.96 1.96 X, X. Jadi titik batas 1.96 bawahya adalah B X da titik batas 1.96 atasya A X. Telada. Buatlah selag kepercayaa 99% bagi parameter berdasarka cotoh acak X1, X,..., X

dari populasi N(, ) amu bila kali ii ragam tidak diketahui ilaiya. Jawab X Kali ii Z tidak dapat dijadika pivot karea Z juga merupaka fugsi dari selai fugsi dari. Tetapi kalau kita gati dega pedugaya s i ( X ) 1 i X 1, maka T X s Dapat dijadika pivot karea T merupaka fugsi dari X da saja da T mempuyai sebara t- Studet dega derajat bebas 1 yag tidak bergatug pada parameter. Dari tabel sebara t- Studet kita peroleh

P t T t 0.005( 1) 0.005( 1) X Pt0.005( 1) t0.005( 1) s yag dega mudah secara aljabar dapat dimaipulasi mejadi 0.99 0.99 PX t s t s 0.005( 1) 0.005( 1) X 0.99 Jadi titik batas bawah selag kepercayaa 99% bagi bila ragam tidak diketahui adalah t0.005( 1) s B X da titik batas atas t0.005( 1) s A X. Soal Latiha 1. Buat selag kepercayaa 95% bagi ragam populasi N,. Tetuka lebih dulu pivotya. dari sebara ormal

Telada 3. Adaika cotoh acak X1, X,..., X mempuyai sebara U(0, ). Buat selag kepercayaa 90% bagi da tafsirka selag yag ada peroleh. Jawab. Dapat ditujukka bahwa peduga kemugkia maksimum bagi adalah U max 1 i X i Peubah acak U mempuyai fugsi kepekata peluag (fkp) 1 u fu ( u), 0 u yag bergatug pada. Jadi U tidak dapat dijadika pivot, di sampig U buka fugsi dari U parameter. Sekarag defiisika Y. Dega megguaka tekik Jacobia dapat diperlihatka (tujukka) bahwa fkp dari p.a. Y adalah

f y y y 1 Y ( ), 0 1 Jadi Y memeuhi kedua syarat utuk dijadika pivot (apakah syarat). Sekarag harus dicari a da b sehigga U Pb a 0.90 Perhatika bahwa fugsi kepekata kumulatifya adalah Dega demikia sehigga atau F ( y) y, 0 y 1 Y F ( b) 0.05 da F ( a) 0.95 Y b 0.05 da a 0.95 b 0.05 da a 0.95 Sekarag kita memperoleh Y

P P P U 0.05 0.95 0.90 1 1 0.90 0.95 U 0.05 U U 0.95 0.05 Jadi, selag kepercayaaya adalah U U, 0.95 0.05 0.90 Ii dapat ditafsirka sebagai berikut. Bila kita megulag-ulag, misalya 100 kali, megambil cotoh berukura dari populasi U(0, ), da dari setiap cotoh itu dibuat selag kepercayaa dega rumus di atas, sehigga diperoleh 100 selag kepercayaa, maka kurag lebih 90 selag kepercayaa itu aka mecakup parameter yag sebearya.