You are on page 1of 27

Erlina Ambarwati

 POPULASI X

Sampel/
Parameter:(,2)
X1, X2, X3, contoh
Statistik:

…..XN
X ,.  2

n
N

 Xi  Xi
X  i 1
 i 1
n
N
n

  
N 2
 ( Xi   ) 2 ( Xi )
 2 i 1 2  i 1

N n
3/20/2019 Erlina Ambarwati 2
X  N ( , ) 2

 2  Penduga. 2 .(bias )

X  Penduga..(tidakbias)
n

Penduga tidak bias 2


 ( Xi   ) 2

2  i 1
n 1

X  N(X , n )
2

3/20/2019 Erlina Ambarwati 3



2
 Varian rerata contoh = var (x) = x
n

 Standar deviasi =  x

3/20/2019 Erlina Ambarwati 4


 Jika X (variabel random normal)
Transformasi

X’=a+cX ( a & c konstanta)

•Distribusi normal
•Rerata = a + c E(X)
•Varian = c22x

Erlina Ambarwati 3/20/2019 5


X  x
Z Z ~N(0,1)

X1, X2, …..,Xn Komb. Linear: a1X1 +a2X2+…+anXn


Variabel random Berdistribusi normal
Rerata= aiE(Xi), Varian= ai22(Xi)
normal independen

Area = .95

Area =.025 Area =.025

rejection region rejection region

27.23 0=30 32.77


non-rejection region
Erlina Ambarwati 3/20/2019 6
 Jika Z1, Z2, …., Zn => normal standar independen

 Z12 + Z22 + ….+ Zn2 = 2 (n)

 2 (n) mempunyai parameter db

 Rerata distribusi 2 (n) dg db n : E (2 (n))= n

Pembandingnya Tabel 2

Erlina Ambarwati 3/20/2019 7


 Misal Z dan 2 (n) : var
random independen Z
t( n )  1/ 2
 Z dan 2(n) : independen   (n) 
2

 Distribusi t mempunyai  n 
parameter = db(n)  
 Rerata =E(t(n))=0
 Pembanding: tabel t
Luas=1

Rerata = 0
3/20/2019 Erlina Ambarwati 8
Area = .95

Area =.025 Area =.025

rejection region rejection region


27.23 0=30 32.77

non-rejection region

Erlina Ambarwati 3/20/2019 9


 Jika 2 (nY) dan 2 (nX) : var random
independen
 n2  n2
F( nY ;n X )  Y
: X

vY vX

3/20/2019 Erlina Ambarwati 10


 E(a) = a, jika a konstan
 E(X) = x
 E(aX) = a E(X)
 E (X + Y) = E(X) + E(Y)
 E(X-Y) = E(X)-E(Y)

Variannya silakan dicari sendiri!

Erlina Ambarwati 3/20/2019 11


The subjects in the experiment are
randomly assigned to the treatments.
For example, ten rats are randomly
assigned to a half of dose levels of an
experimental drug under investigation.

Erlina Ambarwati 3/20/2019 12


Subjects are randomly selected from
different populations of interest.
For example, 50 male and 50 female
dogs are randomly selected from animal
shelters in large and small cities, and
tested for the presence of heartworm.

Erlina Ambarwati 3/20/2019 13


 Ho: Y= X Y- X =0 (kecil atau b)

 E(b)=E(Y- X ) = E(Y-X) = E(Y) – E(X)


Y- X  Y  X
 Var (b) = var (Y – X)
= var (Y) + var (X) – 2 cov (Y,X)

Y  X b
t hit 
 2
 2
Y
 x
nY nX

3/20/2019 Erlina Ambarwati 14


2. Ho : Y=2 X => Y - 2 X = 0
jika b = Y - 2 X

 E(b)=E(Y- 2X ) = E(Y-2X) = E(Y) – 2E(X)


Y - 2X  Y  2X

 Var (b) = var (Y – 2X)


= var (Y) + 4var (X) – 4 cov(Y,X)

Y  2X  b 1
Y  X b
thit  t hit  2

 2
4 2 1
 Y2  2
Y X 4
 X
nY nX nY nX
3/20/2019 Erlina Ambarwati 15
 Langkah
1. Tentukan hipotesisnya: Ho & Ha
2. Tentukan tingkat signifikansinya (=1% or
5%)
3. Tentukan daerah penolakan (batas kritis)
4. Tentukan nilai ujinya (t, F, 2 hitung)
5. Simpulkan berdasarkan uji dan tabel
Link to langkah uji hipotesis

Erlina Ambarwati 3/20/2019 16


Data berpasangan
Y  X b
t hit 
 Y2  X2

nY nX Data tidak berpasangan:
•Varian homogen
•Varian tidak homogen

Max ( ,  ) 2 2
Perlu
F Y X
Uji Homogenitas varian
Min ( ,  ) 2
Y
2
X

Erlina Ambarwati 3/20/2019 17


Motivation: true difference does not exist, BUT presence of other
sources of variation -> rejection of the Ho of no difference
The other way: true differences masked by presence of these factors

Goal: minimize extraneous sources of variation

Approach: use one sample instead of two independent samples


Sample may be:
(a) same individuals measured under two conditions
(b) paired or matched individuals in extraneous variables

Test: for a mean but using the differences between observations

Disadvatage: loss of n-1 degrees of freedom compared to


independent samples
n

d  d0 d   (x 1i  x 2i ) / n
t i 1
sd
sd  sd / n

Erlina Ambarwati 3/20/2019 18


d
 d
d  do
i

n
t hit    d) 2

d
(d
 2
 i

n 1
d

 2
d  d
n
ttabel  t ( , db)
( n  1) 2
 ( n  1) 2
p  Y
2 Y X X
nY  nX  2
(Y  X )   0 YX
t hit  
Y  X 1 1
P 
nY n X

bandingkan

ttabel  t ( , db)  t ( , nY  nX  2)
Erlina Ambarwati 3/20/2019 20
YX
t hit 
 Y2  X2
 2
   2
 2
Y X
nY nX
Y
 X
nY nX

ttabel  t ( , db)
db  k
2 2
1 1   / nY
2
 1   / nX 2

  2
Y
  
X

k nY  1   Y / nY   X / n X  n X  1   Y2 / nY   X2 / n X 
2

3/20/2019 Erlina Ambarwati 21


t tabel jika varian dua populasi tidak
homogen

δX2 δY2
+ tY
nX tX nY
t tabel =
δX2 δY2
+
nX nY

Erlina Ambarwati 3/20/2019 22


 Dari dua kelas masing-masing diambil contoh
sebanyak 6 (kelas A) dan 5 (kelas B). Nilai
statistik yang diperoleh sebagai berikut:
Statistik A B
Rerata 70 75
Sampel (n) 6 5
Var 9,2 24,5

 Apakah nilai kedua kelas tersebut berbeda


nyata?

3/20/2019 Erlina Ambarwati 23


Ha :  A2   B2  2 24,5
Fhit  2   2,68
B

Ho :  A2   B2  A 9,2

Ftabel  F (0,025;4;5)  7,39

Fhit<F tabel : varian kedua populasi indentik

3/20/2019 Erlina Ambarwati 24


 
2 (5)9,2  (4)24,5
 16  2
4
1 1
  p 4
p
4  5 X AX B
6 5

X A  X B  0 | 70  75 |
t hit    2,06
X AX B
2,42

ttabel  t (2,5%,9)  2,262

t. Hitung < t tabel:


nilai kedua kelas tersebut tidak berbeda nyata

3/20/2019 Erlina Ambarwati 25


LATIHAN SOAL

 Seorang dokter ingin menguji apakah obat baru dapat


meningkatkan denyut nadi secara nyata. Tunjukkan apakah
efek obat baru sama dengan obat lama jika hasil pengujian
seperti berikut:
Nama Lama Baru
Andi 120 125
Anwar 130 133
Agus 118 128
Abdul 100 120
Ida 120 128
Ayu 110 121
Mia 130 133
Atmo 122 130

3/20/2019 Erlina Ambarwati 26


 Akan diuji apakah ada perbedaan kualitas
layanan PT A dengan PT B dengan metode uji
beda. Diperoleh nilai dari masing-masing 75
responden sebagai berikut:

 PT A : nilai rata-rata 86 dg simpangan baku 6


 PT B : nilai rata-rata 88 dg simpangan baku 8

 Apakah ada beda kualitas diantara keduanya?

Erlina Ambarwati 3/20/2019 27

You might also like