UNIVERSITI SAINS MALAYSIA. Peperiksaan Semester Pertama Sidang 1991/92. Oktober/November 1991

dokumen-dokumen yang mirip
BAB 1 PENDAHULUAN. 1.1 Latar Belakang

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

PERTEMUAN 14-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB 2. Tinjauan Teoritis

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

SOLUSI TUGAS I HIMPUNAN

REGRESI & KORELASI LINIER SEDERHANA

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

UKURAN GEJALA PUSAT DAN UKURAN LETAK

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

BAB II LANDASAN TEORI

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB III UKURAN PEMUSATAN DATA

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

Uji Statistika yangb digunakan dikaitan dengan jenis data

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

Regresi & Korelasi Linier Sederhana

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

2.2.3 Ukuran Dispersi

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

BAB II TINJAUAN PUSTAKA

INTERPOLASI. FTI-Universitas Yarsi

BAB 1 STATISTIKA RINGKASAN MATERI

BAB 5. ANALISIS REGRESI DAN KORELASI

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

UKURAN GEJALA PUSAT (UGP)

POLIGON TERBUKA TERIKAT SEMPURNA

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi.

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

MATEMATIKA INTEGRAL RIEMANN

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

REGRESI & KORELASI LINIER SEDERHANA

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

Pengajar: Dr. Agus M Soleh

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDUGAAN RASIO, BEDA DAN REGRESI

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

Integrasi 1. Metode Integral Reimann Metode Integral Trapezoida Metode Integral Simpson. Integrasi 1

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

REGRESI LINIER SEDERHANA

UKURAN PEMUSATAN & PENYEBARAN

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

Pertemuan VII IV. Titik Berat dan Momen Inersia

BAB III METODOLOGI PENELITIAN

Penyelesaian Sistem Persamaan Linier Kompleks Dengan Invers Matriks Menggunakan Metode Faddev (Contoh Kasus: SPL Kompleks dan Hermit)

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB II LANDASAN TEORI. penulisan skripsi yaitu mengenai data panel, beberapa bentuk dan sifat

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB II TINJAUAN PUSTAKA

MENAKSIR PROPORSI CALON PEMIMPIN DARI KELOMPOK MINORITAS. Anneke Iswani A **

b) Untuk data berfrekuensi fixi Data (Xi)

STATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J)

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI

Pada saat upacara bendera, kita sering memperhatikan teman-teman kita.

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

PENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA

Peperiksaan Semester Kedua Sidang Akademik 2003/2004. FebruarVMac Masa: [3 jam] ARAHAN KEPADA CALON:

III. METODOLOGI PENELITIAN. Menurut Arikunto (1991 : 3) penelitian eksperimendalah suatu penelitian yang

EKIVALENSI PRESENT WORTH FUTURE WORTH ANNUAL WORTH GRADIENT SERIES. Christina Wirawan 1

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE

BAB 1 ERROR PERHITUNGAN NUMERIK

8. MENGANALISIS HASIL EVALUASI

Regresi Linier Sederhana Definisi Pengaruh

Transkripsi:

UIVERSII SAIS MALAYSIA Peperksaa Semester Pertama Sdag 99/9 Oktober/ovember 99 MK 38 jaua Sampel da ekk Pesampela Masa [3 jam] Jawab LIMA soala sahaja. Sflr ew Cambrdge Elemetary Statstcal ables dsedaka. Meskra o-programmable boleh dguaka. Formula-formula tertetu dlamprka bersama.. (a) Suatu populas megadug dvdu. Satu sampel rawak rgkas saz dambl dar populas tu (tapa peggata) da terdapat 'a' dvdu dalam sampel a memlk kereta. ujukka bahawa p = adalb:h pegaggar saksama bag P da tetuka pegaggar saksama bag! yep). Kataka II I Yl kebaragkala dvdu ke- terph memlk kereta dvdu ke- dalam sampel da Jka t I I a = L y /II I I = Jka dvdu ke- terp l.h ke dalam sampel memlk kereta 0 selaya. tujukka a adalah pegaggar saksama bag A, jumlah dvdu dalam populas yag memlk kereta. (60/00)... /- '55

- - [MK 38] (b) Dar satu sampel rawak rgkas dega = 60 yag dlamb~ dar suatu populas yag terdr dar 000 orag kotraktor pembaa, 0 orag 'ddapat peragaa mereka telah ddaftarka dalam kelas A. Berka aggara jumlah kotraktor dalam kelas A da drka. Ada telah dlatk megetua sebuah ahll jawatakuasa d Pusat Pegaja Sas Matematk, Ulverst Sas' Malaysa utuk megkaj masalah keccra dalam peperlksaa Sjl Pelajara Malaysa d egerl Pulau Plag. Utuk medapat maktumat yag dperluka ada bercadag utuk mejalaka satu tjaua sampel. Bcagka bagamaa ada aka megedalka projek tu. Perbcaga ada meragkum populas, keragka pesampela, jes sampel, kaedah pegumpula data da pembaa soalseldk. (00/00) 3. (a) Jka ada duastratum, seseorag pesampel tu leblh gemar megambl saz sampel yag sara darl setlap stratum utuk kemudaha petadbra, sebaga gat kepada saz sampel yag dberka oleh perutuka eyma. Kataka V da V masg-masg meadaka E. varas bag aggara m populas yag megguaka perutuka eyma da perutuka sara. Jka pembetula populas terhgga dabaka tujukka V E V + (~r r + d maa r = I yag dperoleh dar perutuka eyma. Ber kome terhadap keputusa d atas [formula,v(y st ) boleh dguaka tapa membuktkaya]. (6500) (b) eragka dega jelas maksud sebuta-sebuta berkut: () sampel rawak berstratum () () sampel rawak berkelompok sampel rawak bersstem' (35/00)'... 3/- I5'll

- 3 - [MK 38] 4. Blaga peduduk d sebuah pulau alah da pedudukpeduduk d pulau tu dbahag-bahaglka kepada k stratum dega saz (,,... k). Setap peduduk tu dlarahka membuat plha sara ada meyokog ataupu tdak meyokog uttk dpdahka dar pulau tu ke tempat la. Satu sampel rawak rgkas saz ( =, ;... k) dambl. dar! setap stratum utuk megaggar lal P, kadar popul~s yag meyokog pemldaha tu. Jumlah saz sampel alah k L =. Jlka P da p,.masg-masg meadaka kadara = bag populas da sampel yag meyokog pemdaha tu dalam stratum, tujukka bahawa () k P L Pst = = adalah pegaggar saksama bag P, u W ( - ) () V(p ) st L P ( - P ) ( - ) = Apakah betuk formula V(p st ) bla () (Iv) perutuka berkadara, perutuka sama dguaka. [w = /). (OO/lOO) 5. (a) Suatu populas megadug kelompok dega setap kelompok megadug M eleme. Jka. kelompok da m eleme dlambl dar kelompok terplh megguaka pesampela rawak rgkas, tujukka bahawa y adalah pegaggar saksama bag Y. (b) Pertmbagka kes dega m M [yak, semua eleme dambll dar kelompok terplhl. ujukka bahawa M... 4/- 57

- 4 - [MK 38] P = y = E(Y j -Y)(Ylk ~ y) M L L YIJ M E(y _ y) J (e) Beagka kelemaha da kelebha soalseldk. mel sebaga kaedah pegumpula data. (00/00) 6. (a) Adaka lal Y da x damat pada setap ut dalam sampel saz da m populas X dketahu. Aggara lear regres bag Y db~rkaoleh Ylr = y + bo(x - ~) b suatu al yag dpraumpukka. ujukka o () Y adalah pegaggar sak9ama bag Y lr () varas Y r yak. adalah mmum Jka b S /S o xy x v. (y ) mi lr (b) Sekumpula 00 ekor ayam telah dguaka utuk kaja pemakaa. Sebelu"m kaja djalaka berat setap ekor ayam tu drekodka. M berat ayam tu alah 3. Ibs. Selepas dua bula kaja tu berlalu. peyeldlk tu g meetuka aggara m berat ayam-ayam tersebut. Satu sampel rawak rgkas saz = 0 telah dlambll da meghasllka maklumat berlkut: Ayam 3 4 5 6 7 8 9 0 Berat sebelum 3. 3.0.9.8.8 3. 3.0 3..9.8 kaja Berat semasa 4. 4.0 4. 3.9 3. 4. 4. 4. 3.9 3.8 Aggarka m berat semasa da klraka varasya. (00/00)... 5/- 58

- 5 - [MK 38] 7. (a) Dalam pegaggara sbah suatu pembolehubah batu X, yag berkorelas dega Y, damat pada tap-tap ut. dalam sampe saz t yag telah dambl dar suatu populas salz. Kataka y da x masg-masg meadaka jumlah sampel bag Y da X, Y da X l masg-masg meadaka jumlah populas utuk kedua-dua pembolehubah' tu. Kataka R = Y IX da R = Y Ix. ujukka, jka saz sampel besar, Y adalah pegaggar R saksama bag Y, da varasya dberka oleh (l - f) L (Y _ RX ) V(y ) R ( ) Y R [::)Xo Apakah aggara sampel bag V(Y )? R (b) Satu sampel rawak rgkas saz = 000 telah dambl dar suatu populas saz = 75,000 da meghaslka maklumat berkut: L Y = 5,700, L x = 6,900 = = X,353,000, L = L = Y t = 596,700 x,937,800, L yx =,46,300 t Dapatka suatu aggara bag R da kraka pawaya. ralat... 6/- 5~ )

- 6 - [MK 38] Lampra. _ x L x =.. 3. 4. v(x) = ~ ( ~ ) COV(X, X ) = _ S j V{X ) - - - ---- S 5. 6. 7. 8. v - - k prop(x st ) = ----- L ~ S -. ) k L W S 9. 0.. y = ~ X R x Y - Y X R - X p(l-p). R = ~ -x 3. 4..../- 60

- 7 - [MK 38] 5. 6. 7. b :: ~(y - ;)(x - x) L. - [(X - X) 8. V(y ) = (.- )5 ke - ) 5 sy wsy k 9. V(y ) (y..:.y).sy = k [ 0. V(y ) sy - - 5 (Y) [ + ( - )pw ] 5. V(y ) wst - -- sy Jp ws t ( ~ ) [ + I - "] - 00000000-6