Pendugaan Parameter part 2

Slides:



Advertisements
Presentasi serupa
Menggambarkan Data: Tabel Frekuensi, Distribusi Frekuensi, dan Presentasi Grafis Chapter 2.
Advertisements

Statistik dan Parameter
+ Pemrograman Javascript Teknik Informatika Universitas Bunda Mulia Jakarta Chandra Hermawan H., M.Kom., MM.
Pengujian Hipotesis untuk Satu dan Dua Varians Populasi
3. Economic Returns to Land Resources: Theories of Land Rent
PEMOGRAMAN BERBASIS JARINGAN
ESTIMASI PENJUALAN DATA TIME SERIES - DEKOMPOSISI 1. ADDITIVE MODEL 2. MULTIPLICATIVE MODEL.
BAB 8 Estimasi Interval Kepercayaan
Peta Kontrol (Untuk Data Variabel)
1 Pertemuan 21 Pompa Matakuliah: S0634/Hidrologi dan Sumber Daya Air Tahun: 2006 Versi: >
Estimasi Prob. Density Function dengan EM Sumber: -Forsyth & Ponce Chap. 7 -Standford Vision & Modeling Sumber: -Forsyth & Ponce Chap. 7 -Standford Vision.
Problems in The Simplex Method
PROSES PADA WINDOWS Pratikum SO. Introduksi Proses 1.Program yang sedang dalam keadaan dieksekusi. 2.Unit kerja terkecil yang secara individu memiliki.
Review Operasi Matriks
Jeff Howbert Introduction to Machine Learning Winter Classification Nearest Neighbor.
Pengantar Metode Penarikan Contoh dan Sebaran Penarikan Contoh
Ekonomi Manajerial dalam Perekonomian Global
8 Statistik Selang untuk Sampel Tunggal.
Bilqis1 Pertemuan bilqis2 Sequences and Summations Deret (urutan) dan Penjumlahan.
JAVA CLASS Bahasa Pemrogramam BAHASA PEMROGRAMAN PERTEMUAN #9.
VALUING COMMON STOCKS Expected return : the percentage yield that an investor forecasts from a specific investment over a set period of time. Sometimes.
Ekonometrika Ilustrasi Permasalah Multiple Regression Dengan Software
Pertemuan 3 Menghitung: Nilai rata-rata (mean) Modus Median
Pengujian Hipotesis.
Analysis of Variance (ANOVA)
Pendugaan Parameter.
METODE SAMPLING by Achmad Prasetyo, S.Si., M.M..
MEMORY Bhakti Yudho Suprapto,MT. berfungsi untuk memuat program dan juga sebagai tempat untuk menampung hasil proses bersifat volatile yang berarti bahwa.
3 nd Meeting Chemical Analysis Steps and issues STEPS IN CHEMICAL ANALYSIS 1. Sampling 2. Preparation 3. Testing/Measurement 4. Data analysis 2. Error.
Basisdata Pertanian. After completing this lesson, you should be able to do the following Identify the available group functions Describe the use of group.
Statistic Process Control
I Made Kardena Fakultas Kedokteran Hewan Universitas Udayana Bali
STATISTIK UJI ‘T’ DAN UJI ‘Z’
Amortization & Depresiasi
GROUP 4. MORTALITAS Ketua: Prof. Budi Utomo Anggota:
Contentment Philippians 4: Contentment What does it mean to be content? What does it mean to be content? Are you a content person? Are you a content.
Pendugaan Parameter.
1. 2 Work is defined to be the product of the magnitude of the displacement times the component of the force parallel to the displacement W = F ║ d F.
© 2009 Fakultas Teknologi Informasi Universitas Budi Luhur Jl. Ciledug Raya Petukangan Utara Jakarta Selatan Website:
Uji Hypotesis Materi Ke.
TCP, THREE-WAY HANDSHAKE, WINDOW
Retrosintetik dan Strategi Sintesis
Web Teknologi I (MKB511C) Minggu 12 Page 1 MINGGU 12 Web Teknologi I (MKB511C) Pokok Bahasan: – Text processing perl-compatible regular expression/PCRE.
VI. ESTIMASI PARAMETER Estimasi Parameter : Metode statistika yang berfungsi untuk mengestimasi/menduga/memperkirakan nilai karakteristik dari populasi.
Sesi 9. Pengantar Dalam penelitian komparasional yang melakukan pembandingan antar dua variabel, yaitu apakah memang secara signifikan dua variabel yang.
Modul 6 : Estimasi dan Uji Hipotesis
INTERVAL KONFIDENSI Disusun Oleh: Desi Fatmawati K
BESAR SAMPEL Setiyowati Rahardjo.
PENDUGAAN PARAMETER.
SAMPLING DAN DISTRIBUSI SAMPLING
ESTIMASI (PENDUGAAN) Mugi Wahidin, M.Epid Prodi Kesehatan masyarakat
Appropriate Measures of Central Tendency Nominal variables Mode Ordinal variables Median Interval level variables Mean - If the distribution is normal.
PENDUGAAN PARAMETER Pertemuan 7
STATISTIK II Pertemuan 4: Interval Konfidensi Dosen Pengampu MK:
Estimasi.
Pengujian Hipotesis (I) Pertemuan 11
Matakuliah : I0014 / Biostatistika Tahun : 2005 Versi : V1 / R1
STATISTIK II Pertemuan 5: Interval Konfidensi Dosen Pengampu MK:
STATISTIK BISNIS Pertemuan 11: Interval Konfidensi Dosen Pengampu MK:
STATISTIK Pertemuan 6: Interval Konfidensi Dosen Pengampu MK:
Pendugaan Parameter (II) Pertemuan 10
STATISTIK Pertemuan 6: Teori Estimasi (Interval Konfidensi)
Estimasi.
STATISTIK II Pertemuan 5-6: Metode Sampling dan Interval Konfidensi
Pertemuan Kesembilan Analisa Data
Estimasi.
STATISTIK II Pertemuan 5: Metode Sampling dan Interval Konfidensi
STATISTIK II Pertemuan 9: Interval Konfidensi Satu Sampel
STATISTIK II Pertemuan 4: Interval Konfidensi Dosen Pengampu MK:
Lecture 8 Normal model.
Transcript presentasi:

Pendugaan Parameter part 2

Confidence Intervals Confidence Intervals Population Mean Population Proportion Population Variance 1 population 2 populations

Confidence Intervals for the Population Proportion, p Standar deviasi dari populasi: Standar deviasi dari sampel:

Estimasi Selang Kepercayaan where z is the standard normal value for the level of confidence desired p is the sample proportion n is the sample size

Contoh Dari suatu random sampel sebanyak 100 orang, terdapat 25 orang bertangan kidal. Buat selang kepercayaan dengan tingkat kepercayaan 95 % untuk proporsi sebenarnya dari orang-orang yang bertangan kidal!

Contoh (continued) Jawab: 1. 2. 3.

Interpretasi Kita yakin 95% bahwa persentase sebenarnya orang bertangan kidal dalam populasi antara 16,51% sampai dengan 33,49% Meskipun selang ini dapat mengandung maupun tidak mengandung proporsi sebenarnya, 95% dari interval yang terbentuk dengan menggunakan cara ini mungkin akan mengandung proporsi populasi

Penentuan Ukuran Sampel Define the margin of error: Solve for n: p can be estimated with a pilot sample, if necessary (or conservatively use p = .50)

Contoh How large a sample would be necessary to estimate the true proportion defective in a large population within 3%, with 95% confidence? (Assume a pilot sample yields p = .12)

Contoh Solution: For 95% confidence, use Z = 1.96 E = .03 (continued) Solution: For 95% confidence, use Z = 1.96 E = .03 p = .12, so use this to estimate p So use n = 451

Confidence Intervals for Two Population Proportions, p Untuk contoh berukuran besar Selang kepercayaan 1−𝛼 100% bagi selisih dua proporsi adalah ( 𝑝 1 − 𝑝 2 )± 𝑍 𝛼 2 𝑝 1 𝑞 1 𝑛 1 + 𝑝 2 𝑞 2 𝑛 2

Confidence Intervals Confidence Intervals Population Mean Population Proportion Population Variance 1 population 2 populations

Confidence Intervals for the Population Variance, 𝜎 2 Selang kepercayaan bagi 𝜎 2 dapat diperoleh dengan menggunakan statistik khi kuadrat 𝜒 2 = (𝑛−1) 𝑆 2 𝜎 2 Dengan derajat bebas v= n-1

Confidence Intervals for the Population Variance, 𝜎 2 Selang kepercayaan 1−𝛼 100% bagi 𝜎 2 adalah: (𝑛−1) 𝑠 2 𝜒 2 𝛼/2 < 𝜎 2 < (𝑛−1) 𝑠 2 𝜒 2 1−𝛼/2

Confidence Intervals for two Population Variances, 𝜎 1 2 𝜎 2 2 Bila 𝑠 2 1 dan 𝑠 2 2 adalah ragam dua contoh acak bebas berukuran 𝑛 1 dan 𝑛 2 yang ditarik dari populasi normal dengan ragam 𝜎 2 1 dan 𝜎 2 2 , maka 𝑓= 𝑠 2 1 𝜎 2 1 𝑠 2 2 𝜎 2 2 = 𝜎 2 2 .𝑠 2 1 𝜎 2 1 . 𝑠 2 2 Merupakan nilai bagi peubah acak F yang mempunyai sebaran F dengan 𝑣 1 = 𝑛 1 −1 dan 𝑣 2 = 𝑛 2 −1 derajat bebas.

Confidence Intervals for two Population Variances, 𝜎 1 2 𝜎 2 2 Bila 𝑠 2 1 dan 𝑠 2 2 adalah ragam dua contoh acak bebas berukuran 𝑛 1 dan 𝑛 2 yang ditarik dari populasi normal dengan ragam 𝜎 2 1 dan 𝜎 2 2 , maka selang kepercayaan 1−𝛼 100% bagi 𝜎 2 1 𝜎 2 2 diberikan oleh 𝑠 2 1 𝑠 2 2 1 𝑓 𝛼 2 ( 𝑣 1 , 𝑣 2 ) < 𝜎 2 1 𝜎 2 2 < 𝑠 2 1 𝑠 2 2 𝑓 𝛼 2 ( 𝑣 2 , 𝑣 1 ) Dengan 𝑓 𝛼 2 ( 𝑣 1 , 𝑣 2 ) merupakan nilai 𝑓untuk 𝑣 1 = 𝑛 1 -1 dan 𝑣 2 = 𝑛 2 -1 derajat bebas yang sebelah kanannya terdapat daerah seluas 𝛼 2 .