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

dokumen-dokumen yang mirip
Contoh Solusi PR 5 Statistika & Probabilitas

Probabilitas dan Statistika Distribusi Peluang Kontinyu 1. Adam Hendra Brata

MA5283 STATISTIKA Bab 3 Inferensi Untuk Mean

INFERENSI STATISTIS: RENTANG KEYAKINAN

Estimasi dan Confidence Interval

Pengantar Statistika Matematika II

Pengantar Statistika Matematika II

STATISTIKA. Muhamad Nursalman Pendilkom/Ilkom UPI

BI5106 ANALISIS BIOSTATISTIK Bab 5 Uji Hipotesis

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.

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Estimasi dan Confidence Interval

Ummu Kalsum UNIVERSITAS GUNADARMA

BAB I PENDAHULUAN. sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat

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

Interval Estimation. Tjipto Juwono, Ph.D. May TJ (SU) Interval Estimation May / 19

Magister Pengelolaan Air dan Air Limbah Universitas Gadjah Mada. 18-Aug-17. 1http://istiarto.staff.ugm.ac.id. Statistika Teknik.

SEBARAN PENARIKAN CONTOH

5. Fungsi dari Peubah Acak

Interval Estimation. Tjipto Juwono, Ph.D. May 20, TJ (SU) Interval Estimation May / 24

Statistika Psikologi 2

Interval Estimation. Tjipto Juwono, Ph.D. May 13, TJ (SU) Interval Estimation May / 17

TEORI PENDUGAAN. diketahui berdasarkan informasi sampel.

Peubah Acak. 14-Sep-07 TPADF (Kelas Ganjil/ Rahmat) Lecture 2 page 1

BAB III ANALISIS FAKTOR. berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal

Materi Kuliah: Statistik Inferensial

Materi Kuliah: Statistik Inferensial

Pengantar Statistika Matematika II

PENDUGAAN PARAMETER STATISTIK INDUSTRI 1

Materi 1 : Review Statistika Inferensia Pengujian Hipotesis PERANCANGAN PERCOBAAN

Bab 2 LANDASAN TEORI

Medan, Juli Penulis

Pengantar Statistika Matematika II

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

BAB III METODE PENELITIAN

BAB 4 METODE PENELITIAN

Statistik Non Parametrik

Statistika. Rentang Keyakinan. Universitas Gadjah Mada Fakultas Teknik Jurusan Teknik Sipil dan Lingkungan Prodi S2 Teknik Sipil.

BAB II TINJAUAN PUSTAKA. Hidrologi merupakan salah satu cabang ilmu bumi (Geoscience atau

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

TEORI PENDUGAAN (TEORI ESTIMASI)

ANALYSIS OF VARIANCE

MENAKSIR PARAMETER µ DARI N( µ, ) DENGAN METODE BAYES

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

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

BAB 2 LANDASAN TEORI

Pengantar Statistika Matematika II

SILABUS MATA KULIAH. : Dapat menganalisis tentang statistika inferensial secara teoritik beserta komponen dan sifat-sifatnya

statistika untuk penelitian

BAB IV HASIL DAN PEMBAHASAN

Estimasi Titik. (Point Estimation) Minggu ke 1-3. Prof. Dr. Sri Haryatmi, M. Sc. Universitas Gadjah Mada

Populasi dan Sampel. Materi 1 Distribusi Sampling

BAB IV HASIL DAN PEMBAHASAN

Distribusi Diskrit dan Kontinu yang Penting. Oleh Azimmatul Ihwah

BAB 2 LANDASAN TEORI. 1. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan

STATISTIKA INDUSTRI 2 TIN 4004

PENGUJIAN HIPOTESIS (1) Debrina Puspita Andriani /

Uji Mengenai Variansi dan Proporsi. Oleh Azimmatul Ihwah

PENS. Probability and Random Process. Topik 8. Estimasi Parameter. Prima Kristalina Juni 2015

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL

Uji Statistik yang Digunakan Untuk ANALISA BIVARIAT

1. PENGERTIAN. Manfaat Sampling :

ANALISIS PENDUDUK BEKERJA BERDASARKAN SEKTOR PEKERJAAN DAN JAM KERJA MENGGUNAKAN REGRESI PROBIT BIVARIAT DI PROVINSI ACEH

BAB II TINJAUAN PUSTAKA

Analisis of Varians (Anova) dan Chi-Square. 1/26/2010 Pengujian Hipotesis 1

(ESTIMASI/ PENAKSIRAN)

ESTIMASI. Arna Fariza PENDAHULUAN

MODUL TEORI ESTIMASI ATAU MENAKSIR TEORI ESTIMASI ATAU MENAKSIR

BAB XII PENGUJIAN DISTRIBUSI CHI-SQUARED. Pada bab ini akan dibahas mengenai pengujian distribusi dengan menggunakan chi-squared.

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

ESTIMASI. Widya Setiafindari

3.3 Pengumpulan Data Primer

BAB II LANDASAN TEORI

DISTRIBUSI NORMAL. Pertemuan 3. 1 Pertemuan 3_Statistik Inferensial

BAB I PENDAHULUAN. penerbangan, kedokteran, teknik mesin, software komputer, bahkan militer

4.1.1 Distribusi Binomial

PENDUGAAN PARAMETER STATISTIK INDUSTRI 1

ASUMSI MODEL SEM. d j

VI. FAKTOR-FAKTOR YANG MEMPENGARUHI PERSEPSI DAN SIKAP RESPONDEN TERHADAP PRODUK OREO SETELAH ADANYA ISU MELAMIN

Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada STATISTIKA. Continuous Probability Distributions.

Distribusi Probabilitas Kontinyu Teoritis

Lampiran 1. No 1-2. No.:..1.

RENCANA MUTU PEMBELAJARAN

BAB 2 LANDASAN TEORI

PENGUJIAN HIPOTESIS 1

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

Analisa Frekuensi dan Probabilitas Curah Hujan

PEMODELAN REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSION PADA REGRESI POISSON

PENGERTIAN PENGUJIAN HIPOTESIS

Pengantar Statistika Matematika II

Lampiran Hasil Output SPSS. Statistics. Skor Kepuasan Pasien Rawat Jalan. Valid 200 Missing 0 Mean Skor Kepuasan Pasien Rawat Jalan Frequenc y

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

BAB II METODE ANALISIS DATA. memerlukan lebih dari satu variabel dalam membentuk suatu model regresi.

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

BAB 3 PEMBAHASAN. Tabel 3.1 Data Jumlah dan Rata-Rata Waktu Pelayanan Pasien (menit) Waktu Pengamatan

BAB 9 DISTRIBUSI PELUANG KONTINU

KONSEP DASAR TERKAIT METODE BAYES

MODUL UJI NON PARAMETRIK (CHI-SQUARE/X 2 )

Algoritma Expectation-Maximization(EM) Untuk Estimasi Distribusi Mixture

Distribusi Normal. Statistika (MAM 4137) Syarifah Hikmah JS

Transkripsi:

Contoh Solusi PR 4 Statistika & Probabilitas 1. Nilai probabilitas pada masing-masing soal mengacu pada tabel Standard Normal Distribution. a X := curah hujan satu tahun. X : N 42,16. Dit: PX > 50. 50 42 PX > 50 = P Z > 16 = PZ > 2 =.0228. b Definisi dan jenis distribusi X sama dengan a. Dit: P40 < X < 43. 40 42 43 42 P40 < X < 43 = P < Z < 16 16 = P 0.5 < Z < 0.25 = PZ < 0.25 PZ < 0.5 =.5987.3085 =.2902. c Definisi dan jenis distribusi X sama dengan a. Dit: x sehingga PX > x = 0.975. Akan dicari x sehingga PX < x = 0.025. Nilai z sehingga PZ < z = 0.025 adalah 1.96. Jadi x harus memiliki nilai-z sebesar 1.96. x = µ + zσ = 42 1.964 = 34.16. d Definisikan X i sebagai curah hujan tahun ke-i, i = 1,2,3,4,5. Definisikan X = X 1 + X 2 + + X 5 yaitu jumlah curah hujan 5 tahun ke depan. X : N 5µ,5σ 2. Dit: PX > 200. 200 210 PX > 200 = P Z > 4 5 = PZ > 1.12 = 1 PZ < 1.12 = 1.1314 =.8686. e Definisi X i sama dengan d. Definisikan X = 1 5 X 1 + X 2 + + X 5 yaitu rata-rata curah hujan 5 tahun ke depan. X : N µ,σ 2 /5. 1

Dit: P40 < X < 43. 40 42 P40 < X < 43 = P 4/ 43 42 < Z < 5 4/ 5 = P 1.12 < Z < 0.56 = PZ < 0.56 PZ < 1.12 =.7123.1314 =.5809. f Definisikan X banyak tahun dari 5 tahun ke depan yang curah hujannya di atas 50 inchi. X : Bin5, 0.0228 berdasarkan a. Dit: PX 1. PX 1 = 1 PX = 0 5 = 1 0.0228 0 0.9772 5 0 =.109. Bobot: 30 angka a Setiap sub-soal a, b,..., f masing-masing berbobot 5 angka. b Untuk masing-masing sub-soal, 5 angka diberikan dengan komposisi sebagai berikut: i. 2 angka untuk mendefinisikan variabel acak yang digunakan dan parameternya dengan baik ii. 1 angka untuk memformulasikan yang ditanyakan pada sub-soal dengan baik iii. 2 angka untuk perhitungan yang benar termasuk pembacaan tabel-z c Penggunaan variabel acak yang sama dan tidak ditulis ulang tidak apa-apa. 2. Ini adalah permasalahan pemilihan sampel dari populasi berhingga. a X :=jumlah laki-laki yang merokok dari 300 orang laki-laki µ = 300.284 = 85.2. σ 2 = 300.2841.284 = 61.0032. X : µ,σ 2. Dit: PX 100. 100 85.2 PX 100 = P Z < 61.0032 = PZ < 1.89 =.9706. b X := jumlah perempuan yang jarang sarapan dari 300 perempuan. µ = 300.42 = 126. σ 2 = 300.421.42 = 73.08. X : N µ,σ 2. Dit: PX 100. 2

100 126 PX 100 = P Z 73.08 = PZ 3.04 =.9988. c L := jumlah laki-laki yang tidur kurang dari 6 jam dari 300 laki-laki. P := jumlah perempuan yang tidur kurang dari 6 jam dari 300 perempuan. µ L = 300.227 = 68.1. µ P = 300.214 = 64.2. = 300.2271.227 = 52.6413. σl 2 σp 2 = 300.2141.214 = 50.4612. Definisikan S := L P yaitu jumlah laki-laki dikurangi jumlah perempuan yang tidur kurang dari 6 jam. µ S = µ L µ P = 3.9. σs 2 = σ L 2 + σ P 2 = 103.1025. S : N µ S,σS 2. Dit: PS 0. Bobot: 25 angka PS 0 = P Z 0 3.9 103.1025 = PZ 0.38 =.352. a Sub-soal a dan b masing-masing berbobot 6 angka dengan komposisi: i. 3 angka untuk mendefinisikan semua variabel acak yang digunakan dan parameternya dengan benar. ii. 1 angka untuk memformulasikan yang ditanyakan dengan benar. iii. 2 angka untuk perhitungan yang benar. b Soal c berbobot 13 poin dengan komposisi sebagai berikut: i. 5 poin mendefinisikan semua variabel acak yang digunakan dan parameternya dengan baik. ii. 2 poin memformulasikan yang ditanyakan dengan benar. iii. 3 poin untuk perhitungan yang benar termasuk pembacaan tabel-z. 3. Jika S 2 adalah variansi sampel berukuran n dan σ 2 adalah variansi populasi, maka X : n 1S 2 /σ 2 memiliki distribusi Chi-Square dengan degree of freedom df n 1. Tabel Chi-Square menunjukkan probabilitas PX χα 2 = α. Kita ingin mencari n terkecil sehingga n 1S 2 P σ 2 2.25n 1 sedikitnya 0.99. Dengan demikian, kita perlu mencari pada kolom α = 0.1, nilai χ 2 α lebih kecil dari 2.25 d f. Untuk d f = 10, diperoleh χ 2 α = 23.209 > 22.5. Untuk d f = 11, diperoleh χ 2 α = 24.725 < 24.75. Jadi, ukuran sampel yang dibutuhkan adalah n = d f + 1 = 11 + 1 = 12 bungkus. 3

Bobot: 10 angka a 4 angka untuk memformulasikan yang ditanya dengan baik. Mahasiswa dapat menghubungkan apa yang ditanyakan dengan distribusi Chi-Square, menyederhanakan apa yang ditanya dalam istilah/parameter pada distribusi Chi-Square. b 4 angka untuk pembacaan Tabel Chi-Square dengan benar. c 2 angka untuk memperoleh nilai n yang benar. 4. Maximum Likelihood Estimator digunakan untuk mengestimasi parameter yang belum diketahui dari suatu distribusi populasi yang jenisnya sudah diketahui. a Likelihood function-nya adalah f x 1,x 2,...,x 20 p = f x 1 p f x 2 p... f x 20 p Di sini, n = 20 dan 20 i=1 x i = 47. b Log-likelihood function-nya adalah = 1 p x 1 1 p 1 p x 2 1 p... 1 p x n 1 p = 1 p 20 i=1 x i 20 p 20. f x 1,x 2,...,x 20 p = 1 p 27 p 20. log f = 27log1 p + 20log p. c Nilai maksimum log f dapat diperiksa pada nilai p yang membuat d d p log f = 0: 27 1 p + 20 p = 0 47p 20 p1 p = 0 p = 20 47. Dapat diperiksa bahwa nilai p = 47 20 0.426 membuat nilai f di atas maksimum. Bobot: 20 angka a 5 angka untuk mendapatkan ekspresi untuk Likelihood Function. Jika masih dinyatakan dalam n,x 1,x 2,...,x n, tidak apa-apa. b 5 angka untuk mendapatkan Log-likehood function. c 10 angka untuk berhasil mendapatkan parameter p yang memaksimumkan fungsi Likelihood. 5. 1001 0.1% CI yang two-sided: α = 0.1. z α/2 = 1.65. 4

z α/2 σ n = 1.65 11.3 81 = 2.072. CI: x z α/2 σ n,x + z α/2 σ n = 74.6 2.072,74.6 + 2.072 = 72.528, 76.672. 1001 0.1% CI yang one-sided: α = 0.1. z α = 1.28. z α σ n = 1.28 11.3 81 = 1.607. CI lower:,x + z α σ n =,74.6 + 1.607 =,76.207. CI upper: σ x z α n, = 74.6 1.607, = 72.903,. Bobot: 15 angka a Ada tiga interval estimate yang diminta pada soal. b Masing-masing interval estimate membawa 5 angka dengan komposisi: i. 3 angka untuk menentukan nilai x, σ n,α,z α/2, atau z α yang benar. ii. 2 angka untuk perhitungan yang benar hingga mendapatkan interval estimates yang sesuai. c Penggunaan nilai yang sama dan tidak ditulis ulang tidak apa-apa. 5