5. Fungsi dari Peubah Acak

dokumen-dokumen yang mirip
6. Teori Estimasi. EL2002-Probabilitas dan Statistik. Dosen: Andriyan B. Suksmono

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

Probabilitas dan Statistika Distribusi Peluang Kontinyu 1. Adam Hendra Brata

STATISTIKA. Muhamad Nursalman Pendilkom/Ilkom UPI

DISTRIBUSI NORMAL. Pertemuan 3. 1 Pertemuan 3_Statistik Inferensial

DISTRIBUSI NORMAL. Pertemuan 3. Distribusi Normal_M. Jainuri, M.Pd 1

Penyusunan Hipotesa : 1. : µ 1 = µ 2 : µ 1 µ 2 2. : µ 1 µ 2 : µ 1 > µ 2 3. : µ 1 µ 2 : µ 1 < µ 2 Apabila data yang diambil dari hasil eksperimen, maka

Distribusi Diskrit dan Kontinu yang Penting. Oleh Azimmatul Ihwah

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

4. Sebaran Peluang Kontinyu

MODUL TEORI ESTIMASI ATAU MENAKSIR TEORI ESTIMASI ATAU MENAKSIR

DISTRIBUSI PROBABILITAS KONTINYU. Nur Hayati, S.ST, MT Yogyakarta, Maret 2016

MODUL DISTRIBUSI T. Objektif:

ESTIMASI. Arna Fariza PENDAHULUAN

Distribusi Normal. Statistika (MAM 4137) Syarifah Hikmah JS

STK511 Analisis Statistika. Pertemuan 4 Sebaran Penarikan Contoh

(ESTIMASI/ PENAKSIRAN)

DISTRIBUSI TEORITIS. P(M) = p = probabilitas untuk mendapat bola merah (sukses) 30

STATISTIKA II Distribusi Sampling. (Nuryanto, ST., MT)

STATISTIK PERTEMUAN IV

QUIZ AKHIR SEMESTER GANJIL 2004/2005 TULISKAN PADA LEMBAR JAWABAN ANDA :

Ayundyah Kesumawati. April 27, 2015

6.1 Distribusi Chi Kuadrat Gambar distribusi Chi kuadrat. α Jika x berdistribusi χ 2 (v) dengan v = derajat kebebasan = n 1 maka P (c 1.

Pengantar Statistika Bab 1

Distribusi Probabilitas Kontinyu Teoritis

BAB 9 DISTRIBUSI PELUANG KONTINU

MA5283 STATISTIKA Bab 3 Inferensi Untuk Mean

STATISTIKA II (BAGIAN

PENGUJIAN HIPOTESIS DESKRIPTIF (Satu sampel) Wahyu Hidayat, M.Pd

SEBARAN PENARIKAN CONTOH (SAMPLING DISTRIBUTION)

Metode Statistika. Statistika Inferensia: Pendugaan Parameter (Selang Kepercayaan)

Contoh Solusi PR 4 Statistika & Probabilitas. 1. Nilai probabilitas pada masing-masing soal mengacu pada tabel Standard Normal Distribution.

statistika untuk penelitian

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

ANALISIS KARAKTERISTIK POLA PERJALANAN PENGGUNA DAN NON PENGGUNA INTERNET

TINJAUAN PUSTAKA. mengestimasi parameter regresi. Distribusi generalized. digunakan dalam bidang ekonomi dan keuangan.

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

Ummu Kalsum UNIVERSITAS GUNADARMA

PENGUJIAN HIPOTESA #1

PENGUJIAN HIPOTESIS 1

PENGERTIAN PENGUJIAN HIPOTESIS

BAHAN AJAR STATISTIKA DASAR Matematika STKIP Tuanku Tambusai Bangkinang 4. BEBERAPA DISTRIBUSI PELUANG DISKRET

Pengertian Pengujian Hipotesis

Pertemuan ke Nilai Harapan (Mean atau Rata rata) dan Varians Distribusi Kontinu

TEORI PENDUGAAN (TEORI ESTIMASI)

Makalah Statistika Distribusi Normal

Pengujian Hipotesis. 1. Pendahuluan. Topik Bahasan:

Tugas Kelompok. Mata Kuliah Metodologi Penelitian Kuantitatif. Judul Makalah Revisi DISTRIBUSI PELUANG

PENAKSIRAN PARAMETER TM_3

MINGGU KE-8 HARGA HARAPAN DAN BEBERAPA KETAKSAMAAN DALA

S T A T I S T I K A OLEH : WIJAYA

Beberapa Distribusi Peluang. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB

Pertemuan 9 II. STATISTIKA INFERENSIAL

BAB II DISTRIBUSI PROBABILITAS

Muhammad Arif Rahman

2. Peubah Acak (Random Variable)

Pokok Bahasan: Chi Square Test

UJI HIPOTESIS UNTUK PROPORSI

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

TeoriPenaksiran. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB

BAB IV METODE PENELITIAN

Pengujian Hipotesis. Oleh : Dewi Rachmatin

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

STATISTICS. Oleh: Hanung N. Prasetyo DISTRIBUSI NORMAL WEEK 6 TELKOM POLTECH/HANUNG NP

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

Konsep Dasar Statistik dan Probabilitas

UJI HIPOTESIS SATU-SAMPEL

Pengantar Statistika Matematika II

SEBARAN PENARIKAN CONTOH

Ayundyah Kesumawati. May 31, 2015

Pengantar Statistika Matematika II

Variansi dan Kovariansi. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB

BAB 2 LANDASAN TEORI

STK 511 Analisis statistika. Materi 6 Pengujian Hipotesis

BAB II LANDASAN TEORI

KURVA NORMAL. (Sumber: Buku Metode Statistika tulisan Sudjana)

TEORI PENDUGAAN. diketahui berdasarkan informasi sampel.

Bagian 2. Probabilitas. Struktur Probabilitas. Probabilitas Subyektif. Metode Frekuensi Relatif Kejadian untuk Menentukan Probabilitas

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

Distribusi Normal Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai

Chi Square Test. Edi Minaji Pribadi, SP., MSc. Pokok Bahasan: Oleh:

BAB 6 PENAKSIRAN PARAMETER

Bab 5 Distribusi Sampling

Pendugaan Parameter. Ayundyah Kesumawati. April 13, Prodi Statistika FMIPA-UII. Ayundyah (UII) Pendugaan Parameter April 13, / 30

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

PENGUJIAN HIPOTESIS. 100% - 5 % = 95% (Ho di terima) 2,5% (Ho ditolak) 2,5% ( Ho ditolak ) - Zα 0 Zα

Materi 1 : Review Statistika Inferensia Pengujian Hipotesis PERANCANGAN PERCOBAAN

CIRI-CIRI DISTRIBUSI NORMAL

Distribusi Peluang. Kuliah 6

Estimasi dan Confidence Interval

Pertemuan Ke Pengujian hipotesis mengenai rata-rata Nilai Statistik Uji. Wilayah Kritik

PENGUJIAN HIPOTESIS. 2,5% (Ho ditolak) 2,5% ( Ho ditolak )

Misalkan peluang seorang calon mahasiswa IT Telkom memilih prodi TI adalah sebesar 0.6. Berapa peluang bahwa ;

ESTIMASI. Podojoyo, SKM, M.Kes. Podojoyo 1

BAB V HASIL DAN PEMBAHASAN

Penduga : x p s r b. Pertemuan Ke 9. BAB V PENDUGAAN PARAMETER

STMIK KAPUTAMA - BINJAI

KULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output:

Distribusi Peluang Kontinu. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB

Distribusi Probabilitas : Gamma & Eksponensial

Transkripsi:

5. Fungsi dari Peubah Acak EL2002-Probabilitas dan Statistik Dosen: Andriyan B. Suksmono

Sebaran cuplikan (n-1)s 2 / σ 2 TEOREMA 5.16 Jika S 2 adalah variansi dari cuplikan acak berukuran n yang diambil dari populasi tersebar normal dengan variansi σ 2, maka peubah acak X 2 = (n-1)s 2 / σ 2 akan memiliki sebaran chi-kuadrat dengan v=n-1 derajat bebas. Nilai dari setiap peubah acak X 2 dihitung dari setiap cuplikan dengan rumus χ 2 = (n-1)s 2 /σ 2 Peluang bahwa cuplikan acak menghasilkan nilai χ 2 lebih besar dari nilai tertentu akan sama dng daerah dibawah kurva dibagian kanan dari nilai ini. Biasanya batas ini disebut α dan luas daerah disebelah kanannya ditulis χ α2. 0 χ α 2 α χ Tabel VI menampilkan nilai χ 2 α untuk berbagai harga α dan derajat bebas v. Sebagai contoh χ 2 0.05 = 14.067 untuk v=7 = 2.167 untuk v=7 χ 2 0.95

Contoh 5.19 Soal: Sebuah pabrik batere (aki) mobil menjamin akinya tdk akan rusak selama rata-rata 3 tahun dengan simpangan baku 1 tahun. Jika lima dari batere ini dapat bertahan selama 1.9, 2.4, 3.0, 3.5, dan 4.2 tahun, apakah pabrik ini masih yakin bahwa simpangan baku waktu hidup batere 1 tahun? Jawab: Kita temukan bahwa variansi cuplikan adalah s 2 = {(5)(48.26) (15) 2 }/{(5)(4)}=0.815 Maka χ 2 = (5-1)(0.815)/1 = 3.26 adalah nilai dari sebaran chi-kuadrat dengan 4 derajat bebas. Karena 95% dari χ 2 dengan 4 derajat bebas akan jatuh antara 0.484 (yaitu χ 2 0.95 ) dan 11.143 (yaitu χ 2 0.05 ) dan nilai χ 2 =3.26 berada didalam selang nilai ini, maka variansi σ 2 =1 adalah masuk akal dan tidak perlu ada kecurigaan bahwa simpangan bakunya bukan 1 tahun.

Sebaran-t atau Sebaran Student Seringkali nilai variansi populasi tdk diketahui. Jika besar cuplikan n 30, maka variansi cuplikan S 2 adalah estimasi yang cukup baik untuk σ 2. Apa yng terjadi dng statistik (X- μ)/(σ/ n) pada Teorema 5.14 jika σ 2 digantikan S 2? Jika n 30 sebaran statistik (X- μ)/(s/ n) akan mendekati normal baku Jika n<30, S 2 akan berfluktuasi dan sebaran statistik (X- μ)/(s/ n) tidak lagi normal baku. Sebagai gantinya, kita akan menganalisis statistik T yng diberikan oleh T=(X-μ)/(S/ n) Selama penurunan, cuplikan acak dilakukan terhadap populasi yang tersebar normal.

Lanjutan Bisa kita tuliskan bahwa T = {(X-μ)/(σ/ n)}/ (S 2 /σ 2 ) = Z/ [V/(n-1)] dimana Z=(X-μ)/(σ/ n) tersebar normal dan V=(n-1)S 2 /σ 2 tersebar chi-kuadrat dengan v=n-1 derajat bebas. Dapat ditunjukkan bahwa X dan S 2 saling bebas, demikian pula Z dan V. TEOREMA 5.17 Andaikan Z peubah acak normal baku dan V peubah acak chi-kuadrat dengan v derajat bebas. Jika Z dan V saling bebas, maka sebaran dari peubah acak T dimana T = Z/ (V/v) diberikan oleh h(t) = {Γ[(v+1)/2]/Γ[(v/2) ( πv)]} [1+(t 2 /v)] -(v+1)/2, - <t< Sebaran ini dikenal sebagai sebaran-t dengan v derajat bebas.

Student Sebaran dari T dipublikasikan pd tahun 1908 oleh WS Gosset. Tempat kerja Gosset melarang hasil riset dipublikasikan, karena itu dipakai nama samaran Student. Sebaran T midirp dengan sebaran Z, yaitu simetrik terhadap mean nol. Keduanya berbentuk lonceng, tetapi sebaran T lebih bervariasi akibat fluktuasi nilai X dan S 2, sdngkan Z hanya bergantung pd X. v= v=5 v=2 Kedua sebaran akan sama ketika n mencapai takhingga Nilai sebaran T diberikan pada Tabel V Tepat 95% dari sebaran-t berderajat (n-1) jatuh antara t 0.025 dan t 0.025. Dengan demikian, t diluar selang ini menggambarkan kejadian yang sangat jarang terjadi atau asumsi terhadap μ salah. Artinya, kalau mean yang sebenarnya sedikit berbeda dengan yang diklaim tidak menjadi masalah, interval t sebaiknya diperlebar ke t 0.01 dan t 0.01 dimana t pasti jatuh disini.

Contoh 5.20 Soal: Pabrik bolam (bola lampu listrik) meng-klaim bahwa produknya memiliki waktu hidup rata-rata 500 jam. Untuk menjaga nilai ini, setiap bulan 25 buah bolam diuji. Jika t hasil hitungannnya jatuh dalam interval -t 0.05 dan t 0.05 hasilnya dianggap memuaskan. Jika dari cuplikan diperoleh mean x=518 jam dan simpangan baku s=40 jam dan sebaran waktu hidup adalah normal, kesimpulan apa yng bisa diambil? Jawab: Dari Tabel V kita temukan bahwa t 0.05 =1.711 untuk 24 derajat bebas. Oleh karena itu, pabrik puas dengan klaim-nya jika cuplikan 25 bolam menghasilkan t antara -1.711 dan 1.711. Karena mean μ = 500, maka t=(518-500)/(40/ 25) = 2.25 sebuah nilai diatas 1.711. Peluang mendapatkan nilai t, dengan v=24, sama dengan atau lebih dari 2.25 adalah sekitar 0.02. Untuk μ>500, nilai t yang terhitung dari cuplikan akan lebih masuk akal. Dengan demikian, pemilik pabrik akan menyimpulkan produknya lebih bagus yang dikira.

Latihan: {12, 14}, 17, 26, 31