7 Sebaran Penarikan Contoh/Sampel dan Penduga Titik Bagi Parameter.

Slides:



Advertisements
Presentasi serupa
METODE STATISTIKA Pertemuan III DISTRIBUSI SAMPLING.
Advertisements

Pendugaan Secara Statistik()
BAB 8 Estimasi Interval Kepercayaan
Uji Hipotesis yang Menggunakan Sebaran t Stat Mat II 25/05/2011Dr. Rahma Fitriani, S.Si., M.Sc.
8 Statistik Selang untuk Sampel Tunggal.
9 Uji Hipotesis untuk Satu Sampel.
Metode Penarikan Contoh I (Praktikum)
Pengujian Hipotesis.
Pendugaan Parameter.
PENGUJIAN HIPOTESIS SAMPEL KECIL
10 Uji Hipotesis untuk Dua Sampel.
1 13 Percobaan dengan Beberapa Perlakuan: Analisis Ragam.
Pendugaan Parameter.
Selamat Bertemu Kembali Pada M. Kuliah STATISTIKA
Pendugaan Parameter.
VI. ESTIMASI PARAMETER Estimasi Parameter : Metode statistika yang berfungsi untuk mengestimasi/menduga/memperkirakan nilai karakteristik dari populasi.
3 Peubah Acak Diskrit dan Sebaran Peluangnya.
2 Teori Peluang.
BAB 3 PENARIKAN SAMPEL DAN PENDUGAAN
PROBABILITAS DAN STATISTIK
PENDUGAAN STATISTIK Tita Talitha, MT.
Statistika 2 Pendugaan Topik Bahasan: Universitas Gunadarma
4 Peubah Acak Kontinyu dan Sebaran Peluangnya
SAMPLING DAN DISTRIBUSI SAMPLING
Penelitian Suatu penelitian sering dihadapkan kepada Populasi dan Sampel Suatu penelitian sering dihadapkan kepada Populasi dan Sampel Kebanyakan penelitian.
ESTIMASI (PENDUGAAN) Mugi Wahidin, M.Epid Prodi Kesehatan masyarakat
Bab1.Teori Penarikan Sampel
1 Peran Statistika Dalam Engineering Dr. Rahma Fitriani, S.Si., M.Sc.
1 6 Statistika Deskriptif. © John Wiley & Sons, Inc. Applied Statistics and Probability for Engineers, by Montgomery and Runger. Ringkasan Numerik dari.
Materi Pokok 04 PENDUGAAN TITIK Konsep Dasar pendugaan titik
PENDUGAAN SELANG (INTERVAL) NILAI TENGAH
Pendugaan Parameter.
PENDUGAAN PARAMETER Luh Putu Suciati 29 Maret 2015.
Pendugaan Parameter Oleh : Enny Sinaga.
D0124 Statistika Industri Pertemuan 15 dan 16
Bab 5 Distribusi Sampling
Introduction Statistics Oleh Farizi Rachman, S. Si, M
PERTEMUAN Ke- 4 Dosen pengasuh: Moraida Hasanah, S.Si., M.Si
MODUL II ESTIMASI ATAU PENDUGAAN
Metode Statistika Pertemuan VI
VI. ESTIMASI PARAMETER Estimasi Parameter : Metode statistika yang berfungsi untuk mengestimasi/menduga/memperkirakan nilai karakteristik dari populasi.
Estimasi Topik Pembahasan: Konsep estimasi (pendugaan statistik)
TEORI PENDUGAAN (TEORI ESTIMASI)
Pengujian Hipotesis Oleh : Enny Sinaga.
Bagian I Statistik Induktif Metode dan Distribusi Sampling
Distribusi Sampling Juweti Charisma.
MODUL IV ESTIMASI/PENDUGAAN (3) A. ESTIMASI RAGAM
STATISTIKA DALAM KIMIA ANALITIK
POPULASI DAN SAMPEL Jaka Nugraha, M.AB., MBA.
Pendugaan Parameter Pendugaan rata-rata (nilai tengah)
Bab 4. Teori Penarikan Sampel
Statistika Industri Week 2
PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER
PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER
STATISTIK II Pertemuan 4: Distribusi Sampling Dosen Pengampu MK:
BAB 14 PENGUJIAN HIPOTESIS SAMPEL KECIL
UKURAN PENYEBARAN Ukuran Penyebaran
Bab1.Teori Penarikan Sampel
Kelompok 5 Nama Kelompok : Ari Eka Saputri Rani Haryani Syafira Ulfah
UKURAN VARIASI ATAU DISPERSI (Pengukuran Varians)
Ukuran Penyebaran Data
Bab 5 Distribusi Sampling
Sebaran Penarikan Contoh
PERTEMUAN Ke- 5 Statistika Ekonomi II
Interval Konfidensi Selisih Mean, Variansi dan Rasio Variansi
Analisis Multivariat Program S2 Matematika Semester Genap 2011/2012
Uji Hipotesis yang melibatkan Ragam
TEORI PENDUGAAN (TEORI ESTIMASI)
Distribusi Sampling Menik Dwi Kurniatie, S.Si., M.Biotech.
Pendugaan Parameter. Populasi : Parameter Sampel : Statistik Statistik merupakan PENDUGA bagi parameter populasi PENDUGA TAK BIAS DAN MEMPUNYAI RAGAM.
Transcript presentasi:

7 Sebaran Penarikan Contoh/Sampel dan Penduga Titik Bagi Parameter

Penduga Titik Penduga titik adalah nilai (yang masuk akal) bagi parameter populasi Data yang dikumpulkan X1, X2,…, Xn adalah peubah acak. Perhitungan statistik: rata-rata dan ragam adalah fungsi dari data. Rata-rata dan ragam juga bersifat acak. Statistik juga mempunyai sebaran: sebaran penarikan sampel.

Sebaran Penarikan Sampel Bagi Rata-rata Satu Populasi ? Population Parameter:  Pengambilan sampel Penarikan Kesimpulan Pendugaan Sampel Statistik: Rata-rata sampel adalah penduga yang paling baik untuk  Rata-rata sampel tidak akan tepat sama dengan , Untuk sampel yang berbeda akan diperoleh rata-rata yang berbeda pula 3

Sebaran Penarikan Sampel Bagi Rata-rata Satu Populasi Semua kemungkinan nilai rata-rata dari beberapa sampel berbeda yang diambil dari populasi yang sama membentuk suatu sebaran Dengan asumsi bahwa pengamatan saling bebas diambil daari populasi dengan nilai tengah  dan rata-rata 2 Sample 1 of size n Sample 2 of size n Sample 3 of size n Sample 4 of size n Sample 5 of size n Sample 6 of size n Sample 7 of size n Sample 8 of size n . Bagaimana sebaran nilai-nilai ini? Populasi Parameters:  and 2

Sebaran Penarikan Sampel Bagi Rata-rata Satu Populasi Sampel acak berukuran n diambil dari populasi yang menyebar normal dengan nilai tengah μ dan ragam σ2. Pengamatan X1, X2,…,Xn, menyebar secara normal dan saling bebas. Rata-rata (Fungsi linier dari pengamatan) juga menyebar normal dengan nilai tengah μ dan ragam σ2/n.

Sebaran Penarikan Sampel Bagi Rata-rata Satu Populasi Pusat dari sebaran penarikan sampel bagi rata-rata adalah nilai tengah populasi μ Dari keseluruhan rata-rata sampel, secara rata-rata akan sama dengan μ. Penyebaran dari sebaran penarikan sampel bagi rata-rata adalah: Semakin besar ukuran sampel, ragam akan mengecil.

Contoh: Resistor Sebuah perusahaan elektronik memproduksi resistor dengan rata-rata tahanan sebesar 100 ohms dan simpangan baku 10 ohms. Sebaran bagi nilai tahnan menyebar normal. Berapa peluang bahwa sampel berukuran 25 akan mempunyai rata-rata tahanan kurang dari 95 ohms? Figure 7-2 Desired probability is shaded

Dua Populasi Jika dipunyai dua populasi yang saling bebas dan menyebar normal, bagaimana sebaran dari selisih rata-rata sampel dari masing-masing populasi? Jika masing-masing populasi mempunyai nilai tengah μ1 dan μ2, dan ragam σ12 dan σ22, Dan Jika X-bar1 dan X-bar2 adalah rata-rata sampel dari dua sampel berukuran n1 dan n2 yang diambil dari masing-masing populasi, maka:

Contoh: Usia Mesin Pesawat Umur efektif suatu komponen mesin yang digunakan pada mesin turbin pesawat terbang menyebar secara normal dengan parameter-parameter tertentu (Old). Produsen mesin memperkenalkan perbaikan pada proses produksi komponen tersebut sehingga terjadi perubahan pada parameter-parameternya (New). Sampel acak diambil dari kedua proses (Old dan New), dengan hasil tersaji pada tabel. Berapa pelugan bahwa perbedaan rata-rata umur kedua proses adalah lebih dari 25 jam? Figure 7-4 Sampling distribution of the sample mean difference.