P. 1
Teori_Penaksiran

Teori_Penaksiran

|Views: 158|Likes:
Published by diezQ0407809

More info:

Published by: diezQ0407809 on Oct 31, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

08/16/2015

pdf

text

original

Teori Penaksiran

Oleh :
Dewi Rachmatin
Pendahuluan
 Ada 2 metode inferensi : metode
klasik dan metode Bayes dalam
menaksir parameter populasi
 Dalam metode klasik inferensi
didasarkan pada informasi yang
diperoleh melalui sampel acak
 Dalam metode Bayes, inferensi
menggunakan pengetahuan subjektif
terdahulu mengenai distribusi
peluang parameter yang tak
diketahui bersama dengan informasi
yang diberikan oleh data sampel
Metode Penaksiran Klasik
 Inferensi terbagi menjadi penaksiran
dan pengujian hipotesis
 Penaksir (taksiran) suatu parameter
dapat berupa taksiran titik atau
taksiran selang
 Statistik yang digunakan untuk
mendapatkan taksiran titik disebut
penaksir atau fungsi keputusan. Jadi
fungsi keputusan S adalah penaksir
σ dan taksiran s adalah ‘tindakan’
yang diambil
 Himpunan semua tindakan yang
mungkin yang dapat dilaksanakan
dalam masalah penaksiran disebut
ruang keputusan
 Tidak dapat diharapkan suatu
penaksir akan menaksir parameter
populasi tanpa kesalahan. Tidak
beralasan mengharapkan akan
menaksir µ dengan tepat, tapi
tentunya diharapkan tidak terlalu
jauh menyimpang
X
Sifat-sifat Penaksir yang Baik
 Penaksir Takbias
(Unbiased Estimator)
Statistik dikatakan penaksir takbias
parameter θ bila E[ ]= θ
Contoh : penaksir takbias untuk µ
karena E[ ] = µ , dan
penaksir takbias untuk σ
2
θ
ˆ
θ
ˆ
X
X
( )
1
1
2
2


=

=
n
X X
S
n
i
i
 Penaksir paling efisien
penaksir yang memberikan variansi
terkecil dari semua penaksir θ yang
mungkin dibuat
 Penaksir konsisten
 Penaksir yang takbias dan
variansinya minimum adalah
penaksir yang terbaik
( ) 1
ˆ
lim : berlaku 0 = < − > ∀
∞ →
ε θ θ ε P
n
Selang Kepercayaan
(Taksiran Selang)
 Selang kepercayaan untuk θ
adalah selang yang berbentuk
dimana dan nilainya
tergantung pada nilai
 Daripada mengatakan bahwa
tepat sama dengan µ akan lebih
meyakinkan bila mengatakan
2 1
θ
ˆ
θ θ
ˆ
< <
1
θ
ˆ
2
θ
ˆ
θ
ˆ
x
k x k x + < < − μ
 Jika ukuran sampel membesar maka
mengecil sehingga kemungkinan
besar taksiran bertambah dekat dengan µ,
yang berarti selang lebih pendek. Jadi
taksiran selang menunjukkan, berdasarkan
panjangnya, ketepatan titik
 Makin besar nilai k yang dipilih, makin
panjang selangnya dan makin yakin bahwa
sampel yang diambil akan memberikan
selang parameter yang tak diketahui
n
σ
σ
2
2
X
=
Menaksir rataan (mean)
 σ diketahui , untuk n yang cukup
besar :
( )
( )
α 1 z
n σ/
μ X
z - P
α 1 z Z z - P Karena
0,1 N ~
n σ/
μ X
Z : akibatnya
n
σ
μ, N ~ X : Pusat Limit Dalil
α/2 α/2
α/2 α/2
2
− =
|
|
.
|

\
|
<

<
− = < <

=
|
|
.
|

\
|
 Contoh :
Rataan dan simpangan baku nilai ujian
matematika sampel acak 36 mahasiswa
2,6 dan 0,3. Hitung selang kepercayaan
95% dan 99% untuk rataan nilai
matematika semua mahasiswa.
n
σ
. z μ
n
σ
. z : μ untuk
α)100% (1 n kepercayaa selang Sehingga
α 1
n
σ
. z X μ
n
σ
. z X P
α/2 α/2
α/2 α/2
+ < < −

− =
|
.
|

\
|
+ < < −
x x
 Jawab : diketahui =2,6
Karena ukuran sampel cukup besar maka
simpangan baku populasi dapat dihampiri
oleh s=0,3. Nilai z yang luas di sebelah
kanannya 0,025 adalah z
0,025
= 1,96.
Jadi selang kepercayaannya 95% :
atau 2,50 < µ <2,70. Untuk 99% :
atau 2,47 < µ < 2,73.
x
|
.
|

\
|
+ < < |
.
|

\
|

36
3 , 0
) 575 , 2 ( 6 , 2 μ
36
3 , 0
) 575 , 2 ( 6 , 2
|
.
|

\
|
+ < < |
.
|

\
|

36
3 , 0
) 96 , 1 ( 6 , 2 μ
36
3 , 0
) 96 , 1 ( 6 , 2
 Untuk menaksir µ dengan derajat
ketetapan yang lebih tinggi diperlukan
selang yang lebih besar.
 Selang kepercayaan (1- α)100%
memberikan taksiran ketepatan taksiran
titik kita.
 Bila µ sesungguhnya merupakan titik pusat
selang, maka menaksir µ tanpa galat.
Tetapi umumnya sampel tidak
menghasilkan tepat sama dengan µ
sehingga taksiran titik umumnya akan
meleset (mengandung galat).
x
x
 σ tak diketahui, populasi normal dan n<30
p=α/2 dan dk = n-1
 Jika n relatif besar dibanding N yakni
(n/N)>5% , gunakan :
1
.
n
. z μ
1
.
n
. z
/2 /2


+ < <



N
n N
x
N
n N
x
σ σ
α α
n
s
. t μ
n
s
. t
p p
+ < < − x x
 Contoh :
Tujuh botol yang mirip masing-
masing berisi asam sulfat 9,8 ; 10,2;
10,4; 9,8; 10,0; 10,2; dan 9,6 liter.
Carilah selang kepercayaan 95%
untuk rataan isi botol semacam itu
bila distribusinya dianggap hampir
normal.
Teorema
 Bila dipakai untuk menaksir µ, maka
dapat dipercaya (1-α)100% bahwa
galatnya akan lebih dari suatu bilangan g
yang ditetapkan sebelumnya asal ukuran
sampel :
 Contoh : Berapa besar sampel yang
diperlukan pada contoh sebelumnya bila
ingin percaya 95% bahwa taksiran untuk
µ meleset kurang dari 0,05 ? n=138,3
x
2
2 /
.
|
|
.
|

\
|
=
g
z
n
σ
α
Menaksir Selisih Dua Rataan
 Bila ada dua populasi masing-masing
dengan rataan µ
1
dan µ
2
dan variansi
dan , maka penaksir titik untuk
selisih rataan untuk selisih µ
1
dan µ
2
:
ukuran sampel : n
1
dan n
2
.
2
2
σ
2
1
σ
2 1
X X −
( )
( ) ( )
( ) ( )
( ) ( ) α 1
n
σ
n
σ
z X X μ μ
n
σ
n
σ
z X X
α 1 z
/n σ /n σ
μ μ X X
z P
α 1 z Z z P
1
2
2
1
2
1
α/2 2 1 2 1
1
2
2
1
2
1
α/2 2 1
α/2
2
2
2 1
2
1
2 1 2 1
α/2
α/2 α/2
− =
|
|
.
|

\
|
+ + − < − < + − −
− =
|
|
.
|

\
|
<
+
− − −
< −
− = < < −
P
 Contoh :
Suatu ujian kimia yang telah dibakukan
diberikan pada 50 siswa wanita dan 76
siswa pria. Nilai rata-rata wanita 76 dan
simpangan baku 6, sedangkan rata-rata
pria 82 dan simpangan baku 8. Carilah
selang kepercayaan 96% untuk selisih ,
bila menyatakan rataan nilai semua siswa
pria dan rataan nilai semua siswa wanita
yang mungkin akan mengikuti ujian.
(
(
¸
(

¸

+ + − + − −
2
2
2
1
2
1
2 / 2 1
2
2
2
1
2
1
2 / 2 1
) ( , ) (
n n
z x x
n n
z x x
σ σ σ σ
α α
Selisih Dua Rataan
 Selang kepercayaan sampel kecil
untuk µ
1

2
; = tapi tidak
diketahui, selang kepercayaan
(1-α)100% untuk µ
1

2
diberikan :
ukuran sampel masing-masing n
1
dan n
2
berasal dari distribusi normal,
dk= n
1
+n
2
-2 ;
2
1
σ
2
2
σ
(
¸
(

¸

+ + − + − −
2 1
2 / 2 1
2 1
2 / 2 1
1 1
. . ) ( ,
1 1
. . ) (
n n
s t x x
n n
s t x x
p p α α
( ) ( )
2
1 1
2 1
2
2 2
2
1 1
2
− +
− + −
=
n n
s n s n
s
p
 Contoh : Dalam sekelompok proses kimia,
pengaruh dua katalisator ingin
dibandingkan dengan hasilnya pada
proses reaksi. Katalisator 1 digunakan
pada suatu sampel dengan 12 angkatan
dan katalisator 2 digunakan pada sampel
dengan 10 angkatan. Ke 12 angkatan yang
menggunakan katalisator 1 memberikan
rata-rata sampel 85 dengan simpangan
baku sampel 4, yang kedua rata-rata
sampel 81 dan simpangan baku sampel 5.
Carilah selang kepercayaan 90% untuk
selisih kedua rataan populasi bila dianggap
kedua populasi berdistribusi hampir normal
dengan variansi yang sama.
Selisih Dua Rataan
 Selang kepercayaan sampel kecil
untuk µ
1

2
; ≠ tapi tidak
diketahui, selang kepercayaan
(1-α)100% untuk µ
1

2
diberikan :
ukuran sampel masing-masing n
1
dan n
2
berasal dari distribusi
normal, dk=
2
1
σ
2
2
σ
( ) ( )
(
(
¸
(

¸

+ + − + − −
1
2
2
1
2
1
2 / 2 1
1
2
2
1
2
1
2 / 2 1
,
n
s
n
s
t x x
n
s
n
s
t x x
α α
( )
| | | | | | ) 1 /( ) / ( ) 1 /( ) / (
) / ( ) / (
2
2
2
2
2 1
2
1
2
1
2
2
2
2 1
2
1
− + −
+
=
n n s n n s
n s n s
ν
 Contoh : Catatan selama 15 tahun terakhir
menunjukkan bahwa rata-rata curah hujan
di suatu kabupaten selama bulan Mei 4,93
cm dengan simpangan baku 1,14 cm. Di
kabupaten lain rata-rata curah hujan
selama bulan Mei 2,64 cm dengan
simpangan baku 0,66 cm selama 10 tahun
terakhir. Carilah selang kepercayaan 95%
untuk selisih rata-rata sesungguhnya curah
hujan di kedua kabupaten; anggap bahwa
pengamatan berasal dari populasi normal
dengan variansi yang berbeda.
 Selang kepercayaan untuk µ
1

2

D
untuk pengamatan pasangan.
Selang kepercayaan (1-α)100%
untuk µ
D
diberikan oleh :
dengan dan s
d
menyatakan rataan
dan simpangan baku selisih n
pasangan pengukuran dan
menyatakan nilai distribusi t dengan
dk : ν =n-1 sehingga luas di sebelah
kanannya α/2.
d
2 / α
t
n
s
t d
n
s
t d
d
D
d
2 / 2 / α α
µ + < < −
1
~
/


=
n
d
D
t
n S
D
T
µ
Menaksir Proporsi
 Penaksir titik untuk proporsi p dalam
suatu percobaan binomial diberikan oleh
 Jadi akan digunakan sebagai
taksiran titik untuk parameter p
 Proporsi p yang tak diketahui diharapkan
tidak akan terlalu dekat dengan 0 atau 1,
maka selang kepercayaan untuk p dapat
dicari dengan distribusi sampel , yang
sama saja dengan distribusi p.a. X
 Distribusi hampir normal dengan
rataan
n
X
P =
ˆ
P
ˆ
n
x
p = ˆ
P
ˆ
| | p
n
np
n
X
E P E
P
= =
(
¸
(

¸

= =
ˆ
ˆ
µ
dengan variansi :
 P(-z
α/2
< Z < z
α/2
) = 1 - α dengan
n
p p
n
p np
n
X
P
) 1 ( ) 1 (
2 2
2
2
ˆ

=

= =
σ
σ
n p p
p P
Z
/ )] 1 .( [
ˆ


=
α
α α
− =
|
|
.
|

\
|

+ < <

− 1
) 1 (
ˆ
) 1 (
ˆ
2 / 2 /
n
p p
z P p
n
p p
z P P
 Selang kepercayaan untuk p, n 30 :
: proporsi sukses dalam sampel acak
berukuran n, dan menyatakan nilai
kurva normal baku sehingga luas di
sebelah kanannya α/2.
 Contoh : Pada suatu sampel acak n=500
keluarga yang memiliki pesawat televisi di
kota Hamilton Kanada, ditemukan bahwa x
= 340 memiliki TV berwarna. Carilah
selang kepercayaan 95% untuk proporsi
sesungguhnya dari keluarga yang memiliki
TV berwarna di kota tsb?
n
p p
z p p
n
p p
z p
) 1 (
ˆ
) 1 (
ˆ
2 / 2 /

+ < <


α α
2 / α
z

p
ˆ
 Jika dipakai sebagai taksiran p ,
maka galatnya akan lebih kecil dari :
dengan kepercayaan (1-α)100%.
 Akibatnya galat akan lebih kecil dari
g jika
p
ˆ
n
p p
z
) 1 (
2 /

α
2
2
2 /
)
ˆ
1 (
ˆ
g
p p z
n

=
α
Menaksir Selisih Dua Proporsi
 Selang kepercayaan untuk p
1
-p
2
;
n
1
dan n
2
30. Selang
kepercayaan (1-α)100% untuk
selisih dua parameter binomial
p
1
-p
2
diberikan

( )
( )
2
2 2
1
1 1
2 / 2 1
2 1
2
2 2
1
1 1
2 / 2 1
ˆ ˆ ˆ ˆ
ˆ ˆ
ˆ ˆ ˆ ˆ
ˆ ˆ
n
q p
n
q p
z p p
p p
n
q p
n
q p
z p p
+ + −
< − < + − −
α
α
 Contoh :
Suatu perubahan dalam cara pembuatan
suku cadang sedang direncanakan.
Sampel diambil dari cara lama maupun
yang baru untuk melihat apakah cara baru
tsb memberi perbaikan. Bila 75 dari 1500
suku cadang yang berasal dari cara lama
ternyata cacat dan 80 dari 2000 yang
berasal dari cara baru ternyata cacat,
carilah selang kepercayaan 90% untuk
selisih sesungguhnya proporsi yang cacat
dalam kedua cara.
Menaksir Variansi
 Taksiran selang untuk dapat
diturunkan dengan statistik
 Selang kepercayaan (1-α)100%
untuk suatu populasi normal
2
σ
( )
2
1
2
2
1


=
n
2
~
S n
X χ
σ
( ) α χ χ
α α
− = < <

1
2
2 /
2
2 / 1
2
X P
2
σ
2
2 / 1
2
2
2
2 /
2
) 1 ( ) 1 (
α α
χ
σ
χ


< <
− s n s n
 Contoh :
Data berikut menyatakan berat
dalam gram dari 10 bungkus bibit
sejenis tanaman yang dipasarkan
oleh suatu perusahaan :
46,4;46,1;45,8;47,0;46,1;45,9;
45,8;46,9;45,2 dan 46,0. Tentukan
selang kepercayaan 95% untuk
varians semua bungkusan bibit yang
dipasarkan perusahaan tersebut.
Menaksir Nisbah Dua Variansi
 Bila dan variansi dua populasi
normal, maka taksiran selang untuk
/ dapat diperoleh dengan
memakai statistik :
 Peubah acak F mempunyai
distribusi F dengan dk : ν
1
=n
1
-1 dan
ν
2
=n
2
-1. Jadi
2
1
σ
2
2
σ
2
1
σ
2
2
σ
2
2
2
1
2
1
2
2
S
S
F
σ
σ
=
| | α ν ν ν ν
α α
− = < <

1 ) , ( ) , (
2 1 2 / 2 1 2 / 1
f F f P
 Selang kepercayaan (1-α)100% untuk
dengan ν
1
=n
1
-1 ν
2
=n
2
-1.
 Contoh : Suatu ujian masuk yang telah
dibakukan dalam matematika diberikan
kepada 25 siswa pria dan 16 wanita. Siswa
pria mendapat nilai rata-rata 82 dengan
simpangan baku 8,
2
2
2
1
/ σ σ
) , (
) , (
1
1 2 2 /
2
2
2
1
2
2
2
1
2 1 2 /
2
2
2
1
ν ν
σ
σ
ν ν
α
α
f
s
s
f s
s
< <
sementara wanita mendapat nilai
rata-rata 78 dengan simpangan baku
7. Hitung selang kepercayaan 98%
untuk
dan bila dan
masing-masing menyatakan varians
populasi nilai pria dan wanita yang
telah/akan mengikuti ujian.
Pengujian Hipotesis
2
2
2
1
/ σ σ
2 1
/ σ σ
2
2
σ
2
1
σ

Pendahuluan

Ada 2 metode inferensi : metode klasik dan metode Bayes dalam menaksir parameter populasi Dalam metode klasik inferensi didasarkan pada informasi yang diperoleh melalui sampel acak Dalam metode Bayes, inferensi menggunakan pengetahuan subjektif terdahulu mengenai distribusi peluang parameter yang tak diketahui bersama dengan informasi yang diberikan oleh data sampel

Metode Penaksiran Klasik

Inferensi terbagi menjadi penaksiran dan pengujian hipotesis Penaksir (taksiran) suatu parameter dapat berupa taksiran titik atau taksiran selang Statistik yang digunakan untuk mendapatkan taksiran titik disebut penaksir atau fungsi keputusan. Jadi fungsi keputusan S adalah penaksir σ dan taksiran s adalah ‘tindakan’ yang diambil

Tidak beralasan mengharapkan X akan menaksir µ dengan tepat.  Himpunan semua tindakan yang mungkin yang dapat dilaksanakan dalam masalah penaksiran disebut ruang keputusan Tidak dapat diharapkan suatu penaksir akan menaksir parameter populasi tanpa kesalahan. tapi tentunya diharapkan tidak terlalu jauh menyimpang .

dan S2 = ∑ (X n i =1 i −X) 2 n −1 penaksir takbias untuk σ2 .Sifat-sifat Penaksir yang Baik  Penaksir Takbias (Unbiased Estimator) ˆ Statistik θ dikatakan penaksir takbias ˆ parameter θ bila E[θ ]= θ Contoh : X penaksir takbias untuk µ karena E[ X ] = µ .

  Penaksir paling efisien penaksir yang memberikan variansi terkecil dari semua penaksir θ yang mungkin dibuat Penaksir konsisten ˆ ∀ε > 0 berlaku : lim P θ − θ < ε = 1 n →∞ ( )  Penaksir yang takbias dan variansinya minimum adalah penaksir yang terbaik .

Selang Kepercayaan (Taksiran Selang)   Selang kepercayaan untuk θ adalah selang yang berbentuk ˆ ˆ ˆ ˆ θ1 < θ < θ 2 dimana θ1 dan θ 2nilainya ˆ tergantung pada nilai θ Daripada mengatakan bahwa x tepat sama dengan µ akan lebih meyakinkan bila mengatakan x −k <μ < x +k .

Jadi taksiran selang menunjukkan. yang berarti selang lebih pendek. berdasarkan panjangnya. ketepatan titik Makin besar nilai k yang dipilih. makin panjang selangnya dan makin yakin bahwa sampel yang diambil akan memberikan selang parameter yang tak diketahui .  Jika ukuran sampel membesar maka σ2 σ2 = mengecil sehingga kemungkinan X n besar taksiran bertambah dekat dengan µ.

z α/2 < Z < z α/2 ) = 1 − α   X −μ < z α/2  = 1 − α P .   n    X −μ akibatnya : Z = ~ N(0.1) σ/ n Karena P(. untuk n yang cukup besar : 2  σ  Dalil Limit Pusat : X ~ N μ.z α/2 <   σ/ n   .Menaksir rataan (mean)  σ diketahui .

 = 1− α n n  Sehingga selang kepercayaan (1 − α)100% σ σ untuk μ : x − z α/2 . Hitung selang kepercayaan 95% dan 99% untuk rataan nilai matematika semua mahasiswa. < μ < X + z α/2 .6 dan 0. < μ < x + z α/2 . n n Contoh : Rataan dan simpangan baku nilai ujian matematika sampel acak 36 mahasiswa 2.3. σ σ   P X − z α/2 . .

3.6 + (2.6 − (1.3  2.575)   36   36  atau 2.96)  < μ < 2.47 < µ < 2.025 = 1.3   0.6 Karena ukuran sampel cukup besar maka simpangan baku populasi dapat dihampiri oleh s=0. Untuk 99% :  0. Jawab : diketahui x =2.3  2.96)   36   36  atau 2.3   0. .50 < µ <2. Jadi selang kepercayaannya 95% :  0.6 − (2.96.575)  < μ < 2.6 + (1.025 adalah z0. Nilai z yang luas di sebelah kanannya 0.73.70.

   Untuk menaksir µ dengan derajat ketetapan yang lebih tinggi diperlukan selang yang lebih besar. Bila µ sesungguhnya merupakan titik pusat selang.α)100% memberikan taksiran ketepatan taksiran titik kita. Selang kepercayaan (1. Tetapi umumnya sampel tidak menghasilkan x tepat sama dengan µ sehingga taksiran titik umumnya akan meleset (mengandung galat). . maka x menaksir µ tanpa galat.

n N −1 n N −1 σ . σ tak diketahui. . < μ < x + tp. n n  Jika n relatif besar dibanding N yakni (n/N)>5% . populasi normal dan n<30 p=α/2 dan dk = n-1 s s x − tp. gunakan : σ N −n N −n . x − zα/2 . < μ < x + zα/2 .

10. dan 9.8. 10. Contoh : Tujuh botol yang mirip masingmasing berisi asam sulfat 9.6 liter. Carilah selang kepercayaan 95% untuk rataan isi botol semacam itu bila distribusinya dianggap hampir normal.2. . 10. 10.8 . 9.0.2.4.

Teorema  Bila x dipakai untuk menaksir µ.05 ? n=138.σ  n=  g     Contoh : Berapa besar sampel yang diperlukan pada contoh sebelumnya bila ingin percaya 95% bahwa taksiran untuk µ meleset kurang dari 0. maka dapat dipercaya (1-α)100% bahwa galatnya akan lebih dari suatu bilangan g yang ditetapkan sebelumnya asal ukuran sampel : 2  zα / 2 .3  .

P(− z α/2 < Z < z α/2 ) = 1 − α  (X1 − X2 ) − (μ1 − μ 2 ) < z  = 1 − α  P − z α/2 < α/2 2   σ1 /n1 + σ 2 /n 2 2   2 2  σ1 σ 2 σ1 σ 2  2 + < μ1 − μ 2 < (X1 − X 2 ) + z α/2 + 2  = 1− α P (X1 − X 2 ) − z α/2  n1 n1 n1 n1    ( ) ( ) . maka penaksir titik untuk selisih rataan untuk selisih µ1 dan µ2 : X1 − X 2 ukuran sampel : n1 dan n2.Menaksir Selisih Dua Rataan  Bila ada dua populasi masing-masing dengan rataan µ1 dan µ2 dan variansi 2 2 σ1 dan σ 2 .

2 2  σ 12 σ 2 σ 12 σ 2  . Nilai rata-rata wanita 76 dan simpangan baku 6. ( x1 − x2 ) + zα / 2 + +  ( x1 − x2 ) − zα / 2 n1 n2 n1 n2      Contoh : Suatu ujian kimia yang telah dibakukan diberikan pada 50 siswa wanita dan 76 siswa pria. . Carilah selang kepercayaan 96% untuk selisih . sedangkan rata-rata pria 82 dan simpangan baku 8. bila menyatakan rataan nilai semua siswa pria dan rataan nilai semua siswa wanita yang mungkin akan mengikuti ujian.

+  ( x1 − x2 ) − tα / 2 . n1 n2 n1 n2   Selang kepercayaan sampel kecil 2 untuk µ1-µ2 . ( x1 − x2 ) + tα / 2 . selang kepercayaan (1-α)100% untuk µ1-µ2 diberikan : ukuran sampel masing-masing n1 dan n2 berasal dari distribusi normal. σ1 = σ 2 tapi tidak 2 diketahui.s p .s p . 2 (n1 − 1)s12 + (n2 − 1)s2 sp = n1 + n2 − 2 .Selisih Dua Rataan   1 1 1 1 + . 2 dk= n1+n2-2 .

Ke 12 angkatan yang menggunakan katalisator 1 memberikan rata-rata sampel 85 dengan simpangan baku sampel 4. Katalisator 1 digunakan pada suatu sampel dengan 12 angkatan dan katalisator 2 digunakan pada sampel dengan 10 angkatan. . yang kedua rata-rata sampel 81 dan simpangan baku sampel 5. Carilah selang kepercayaan 90% untuk selisih kedua rataan populasi bila dianggap kedua populasi berdistribusi hampir normal dengan variansi yang sama. Contoh : Dalam sekelompok proses kimia. pengaruh dua katalisator ingin dibandingkan dengan hasilnya pada proses reaksi.

Selisih Dua Rataan  Selang kepercayaan sampel kecil 2 untuk µ1-µ2 . dk= 2 2 2 ν= [[ / n1 ) + ( s2 / n2 ) 2 ( s12 / n1 ) 2 /(n1 − 1) + ( s2 / n2 ) 2 /(n2 − 1) 1 ((s ] [ ) ]] . σ1 ≠ σ 2 tapi tidak 2 diketahui. (x1 − x2 ) + tα / 2 +  (x1 − x2 ) − tα / 2 n1 n1 n1 n1     ukuran sampel masing-masing n1 dan n2 berasal dari distribusi normal. selang kepercayaan (1-α)100% untuk µ1-µ2 diberikan : 2 2  s12 s2 s12 s2  + .

64 cm dengan simpangan baku 0. Carilah selang kepercayaan 95% untuk selisih rata-rata sesungguhnya curah hujan di kedua kabupaten.66 cm selama 10 tahun terakhir.14 cm.93 cm dengan simpangan baku 1. Contoh : Catatan selama 15 tahun terakhir menunjukkan bahwa rata-rata curah hujan di suatu kabupaten selama bulan Mei 4. anggap bahwa pengamatan berasal dari populasi normal dengan variansi yang berbeda. . Di kabupaten lain rata-rata curah hujan selama bulan Mei 2.

D − µD T= ~ t n −1 Sd / n  Selang kepercayaan untuk µ1-µ2=µD untuk pengamatan pasangan. . Selang kepercayaan (1-α)100% untuk µD diberikan oleh : sd sd d − tα / 2 < µ D < d + tα / 2 n n dengan d dan sd menyatakan rataan dan simpangan baku selisih n pasangan pengukuran dan tα / 2 menyatakan nilai distribusi t dengan dk : ν =n-1 sehingga luas di sebelah kanannya α/2.

X ˆ Distribusi P hampir normal dengan X np ˆ rataan µ Pˆ = E [P ] = E   = = p   x ˆ X P= n    n n .a. yang sama saja dengan distribusi p. maka selang kepercayaan untuk p dapat ˆ dicari dengan distribusi sampel P .Menaksir Proporsi  Penaksir titik untuk proporsi p dalam suatu percobaan binomial diberikan oleh ˆ Jadi p = n akan digunakan sebagai taksiran titik untuk parameter p Proporsi p yang tak diketahui diharapkan tidak akan terlalu dekat dengan 0 atau 1.

α dengan ˆ P− p Z= [ p.(1 − p )] / n n n n ˆ P P − zα / 2   p (1 − p ) ˆ < p < P + zα / 2 n p (1 − p )   = 1−α  n  .dengan variansi : 2 σ X np(1 − p) p(1 − p) 2 = σP = 2 = ˆ 2  P(-zα/2< Z < zα/2) = 1 .

Contoh : Pada suatu sampel acak n=500 keluarga yang memiliki pesawat televisi di kota Hamilton Kanada. ditemukan bahwa x = 340 memiliki TV berwarna. Carilah selang kepercayaan 95% untuk proporsi sesungguhnya dari keluarga yang memiliki TV berwarna di kota tsb? . n ≥30 : ˆ p − zα / 2 p (1 − p ) ˆ < p < p + zα / 2 n p (1 − p ) n ˆ p : proporsi sukses dalam sampel acak berukuran n. Selang kepercayaan untuk p. dan zα / 2 menyatakan nilai  kurva normal baku sehingga luas di sebelah kanannya α/2.

 ˆ Jika p dipakai sebagai taksiran p . Akibatnya galat akan lebih kecil dari g jika 2 ˆ ˆ zα / 2 p (1 − p ) n= g2  . maka galatnya akan lebih kecil dari : p (1 − p ) zα / 2 n dengan kepercayaan (1-α)100%.

Menaksir Selisih Dua Proporsi  Selang kepercayaan untuk p1-p2 . n1 dan n2 ≥ 30. Selang kepercayaan (1-α)100% untuk selisih dua parameter binomial p1-p2 diberikan ˆ ˆ ( p1 − p2 ) − zα / 2 ˆ ˆ ( p1 − p2 ) + zα / 2 ˆ ˆ ˆ ˆ p1q1 p2 q2 + < p1 − p2 < n1 n2 ˆ ˆ ˆ ˆ p1q1 p2 q2 + n1 n2 .

carilah selang kepercayaan 90% untuk selisih sesungguhnya proporsi yang cacat dalam kedua cara. Sampel diambil dari cara lama maupun yang baru untuk melihat apakah cara baru tsb memberi perbaikan. Contoh : Suatu perubahan dalam cara pembuatan suku cadang sedang direncanakan. . Bila 75 dari 1500 suku cadang yang berasal dari cara lama ternyata cacat dan 80 dari 2000 yang berasal dari cara baru ternyata cacat.

Menaksir Variansi  Taksiran selang untuk σ 2 dapat diturunkan dengan statistik σ2 2 2 2 P χ1−α / 2 < X < χα / 2 = 1 − α ( (n − 1)S 2 X2 = 2 ~ χ n −1 )  Selang kepercayaan (1-α)100% untuk σ 2 suatu populasi normal (n − 1) s 2 (n − 1) s 2 <σ 2 < 2 2 χα / 2 χ1−α / 2 .

46.45.46.0.47.9.45.8.1.1.4.0. 45.2 dan 46. .9. Contoh : Data berikut menyatakan berat dalam gram dari 10 bungkus bibit sejenis tanaman yang dipasarkan oleh suatu perusahaan : 46.8.46. Tentukan selang kepercayaan 95% untuk varians semua bungkusan bibit yang dipasarkan perusahaan tersebut.45.

ν 2 ) < F < fα / 2 (ν 1 .ν 2 )] = 1 − α Bila σ dan σ variansi dua populasi normal. maka taksiran selang untuk 2 σ 12/σ 2 dapat diperoleh dengan 2 2 memakai statistik : σ 2 S1 F= 2 2 σ 1 S2 Peubah acak F mempunyai distribusi F dengan dk : ν1=n1-1 dan ν2=n2-1. Jadi 2 1 2 2 .Menaksir Nisbah Dua Variansi   P[ f1−α / 2 (ν 1 .

Siswa pria mendapat nilai rata-rata 82 dengan simpangan baku 8.ν 1 ) 2 s2 fα / 2 (ν 1 . 2 Selang kepercayaan (1-α)100% untuk σ 12 / σ 2 1 σ 12 s12 s12 < 2 < 2 fα / 2 (ν 2 . . Contoh : Suatu ujian masuk yang telah dibakukan dalam matematika diberikan kepada 25 siswa pria dan 16 wanita.ν 2 ) σ 2 s2  dengan ν1=n1-1 ν2=n2-1.

Hitung selang kepercayaan 98% untuk 2 2 2 2 σ 1 / σ 2 dan σ 1 / σ 2 bila σ 1 dan σ 2 masing-masing menyatakan varians populasi nilai pria dan wanita yang telah/akan mengikuti ujian.sementara wanita mendapat nilai rata-rata 78 dengan simpangan baku 7. Pengujian Hipotesis .

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->