ANALISIS RAGAM (VARIANS)

Slides:



Advertisements
Presentasi serupa
PENGUJIAN HIPOTESIS SAMPEL KECIL
Advertisements

RAKL (Rancangan Acak Kelompok Lengkap)
RBSL (Rancangan Bujur Sangkar Latin)
ANALISIS RAGAM SEDERHANA
Rancangan Acak Kelompok
Rancangan Acak Lengkap
Rancangan Acak Kelompok Lengkap (RAK)
Percobaan satu faktor (single factor exp.)
ANALISIS EKSPLORASI DATA
Analisis Peragam (Kovarians) pada RAK
1 Pertemuan 17 Pengujian hipotesis regresi Matakuliah: I0174/Analisis regresi Tahun: 2005 Versi: 1.
Contoh Penerapan ANCOVA Pada RAL
PENDUGAAN SELANG (INTERVAL) NILAI TENGAH
UJI KEBAIKAN SUAI DENGAN PARAMETER DIKETAHUI
VII. RAK FAKTORIAL Percobaan RAK pola faktorial adalah penelitian dengan rancangan dasar RAK dan faktor perlakuan labih dari atau sama dengan 2. Contoh.
METODE KOMPARATIF DAN METODE KORELASIONAL Program MPMT PPs UT
Rancangan Acak Lengkap (RAL) (Completely Randomized Design)
RANCANGAN ACAK KELOMPOK (RANDOMIZED BLOcK Design)
Uji Perbandingan / Beda Dua Nilai Tengah
SEBARAN PEUBAH ACAK KONTINU KHUSUS 3
MODUL XII ANALISIS RAGAM KLASIFIKASI DUA ARAH DENGAN INTERAKSI
Pengujian Hipotesis Oleh : Enny Sinaga.
Same Subject Design Definisi :
Analisis Variansi.
ANALISIS VARIANSI (ANOVA)
STATISTIK INDUSTRI.
Analisis Ragam dan Peragam (I) Pertemuan 23
Matakuliah : I0014 / Biostatistika Tahun : 2005 Versi : V1 / R1
Analisis Variansi Part 1 & 2 – Tita Talitha, MT.
MODUL X Kn Kn  ( Xij X ) = [( Xi. X ..) [( Xij X )
Program Studi Statistika Semester Ganjil 2012
MODUL XI 2 k  ni  (ni 1)si N k ANALISIS RAGAM
RANCANGAN ACAK KELOMPOK (RANDOMIZED BLOcK Design)
Perancangan Percobaan (Rancob)
RAL (Rancangan Acak Lengkap)
Rancangan Acak Lengkap (RAL) (Completely Randomized Design)
RANCANGAN ACAK KELOMPOK LENGKAP
PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER
Materi Pokok 26 KORELASI DUA PEUBAH ACAK
STATISTIKA Pertemuan 10-11: Pengantar Rancob dan Rancangan Acak Lengkap, Uji Lanjutan Dosen Pengampu MK:
Rancangan Bujur Sangkar Latin
TEORI PENARIKAN CONTOH DAN SEBAGAINYA
PENDUGAAN SELANG RAGAM DAN PROPORSI
UJI KESAMAAN DUA SEBARAN NORMAL
Rancangan Cross-Over Dalam kondisi-kondisi tertentu pemberian perlakuan dilakukan secara serial dimana setiap objek diterapkan seluruh perlakuan pada periode.
Rancangan Bujur Sangkar Latin (RBSL)
Program Studi Statistika Semester Ganjil 2012
PENDAHULUAN Dalam kehidupan sering ditemukan adanya sekelompok peubah yang diantaranya terdapat hubungan alamiah, misalnya panjang dan berat bayi yang.
Pertemuan 21 Penerapan model not full rank
Pertemuan 23 Penerapan model not full rank
Materi Pokok 21 RANCANGAN KELOMPOK
Matakuliah : I0014 / Biostatistika Tahun : 2005 Versi : V1 / R1
PEMBANDINGAN GANDA PADA RANCANG KELOMPOK
Pertemuan 24 Penerapan model not full rank
Analisis Variansi.
Perbedaan Taksiran Nisbah dengan Rataan Per Unit
SEBARAN PEUBAH ACAK KONTINU KHUSUS 1
RANCANGAN ACAK KELOMPOK (RANDOMIZED BLOCK DESIGN) atau RANCANGAN KELOMPOK LENGKAP TERACAK (RANDOMIZED COMPLITE BLOCK DESIGN) Prof.Dr. Kusriningrum.
Rancangan Acak Kelompok Lengkap (RAK)
ANALYSIS OF VARIANCE (ANOVA)
Pertemuan 11 Regresi polinomial
Analisis Variansi.
Percobaan satu faktor (single factor exp.)
RANCANGAN ACAK LENGKAP
Uji Nilai Tengan Lebih dari 2 populasi
Analisis Variansi.
Analisis Variansi.
ANALISIS VARIANSI (AnaVa)
STATISTIKA 2 8. ANOVA OLEH: RISKAYANTO
Analisis Variansi.
Transcript presentasi:

ANALISIS RAGAM (VARIANS) Materi Pokok 19 ANALISIS RAGAM (VARIANS) Beberapa Sebaran Normal Dengan Ragam σ2 Ada m buah sebaran normal dengan nilai tengah 1, 2,… n dan ragam σ2 tetapi besarnya tidak diketahui Hipotesis diuji adalah H0 : 1 = 2 = …. m = .  tidak diketahui terhadap semua hipotesis alternatif yang mungkin 1 contoh acak bebas diambil xi1, xi2, …, xini adalah contoh ηi dari sebaran normal N(1, σ2), i = 1, 2,…, m dan n = n1 + n2 + …+ nm

Nilai Pengamatan JKT = Jumlah Kuadrat total JKP = Jumlah Kuadrat Perlakuan JKG = Jumlah Kuadrat Galat

E[JKT/ 2] = n – 1, E[JKT/(n – 1)] = 2 Partisi Jumlah Kuadrat JKT = JKP + JKG Bila H0 benar kita dapat menganggap Xij , I = 1, 2, …, m, j = 1, 2, …., ni sebagai contoh acak berukuran n = n1 + n2 + …. + nm dari sebaran normal N(, 2) maka JKT/(n – 1) sebagai penduga tidak bias dari 2 karena JKT/ 2 ~ 2 (n – 1) sehingga E[JKT/ 2] = n – 1, E[JKT/(n – 1)] = 2

Merupakan penduga tidak bias terhadap 2 karena Jumlah m peubah acak Khi-Kuadrat Dengan derajat bebas. (n1 – 1) + (n2 – 1) + … + (nm – 1) = n – m Akibatnya: JKG/(n – m) menjadi penduga tidak bias kepada 2.

Teorema 19.1 Misalkan Q = Q1 + Q2 + …. + Qk dengan Q, Q1, …., Qk merupakan k + 1 bentuk kuadratik (quadratic form) adalah bebas sesamanya menyebar normal dengan ragam sama = 2. Ambil: Q/2, Q1/2, …., Qk – 1/2 mempunyai sebaran Khi-Kuadrat dengan derajat bebas r, r1, …, rk – 1. Bila Qk non negatif maka: Q1, …., Qk bebas sesamanya. Qk/2 mempunyai sebaran Khi-Kuadrat dengan derajat bebas r – (r1 + …. + rk – 1) = rk Pada H0 = JKP/2 ~ 2(m – 1) sehingga E(JKP/2) = m – 1 akibatnya E(JKP/(m – 1)) = 2

Uji F dan ANOVA mempunyai sebaran T dengan derajat bebas m – 1 dan ni – m. F  F (m – 1, n – m) tolak H0 Contoh 19.1 Misalkan X1, X2, X3, X4 adalah peubah acak bebas dengan sebaran normal N(i, 2), I = 1, 2, 3, 4 H0 = 1 = 2 = 3 = 4

Hasil Pengamatan X1: 13 8 9 10 X2: 15 11 X3: 12 7 X4: Melalui ANOVA dilakukan uji F. Untuk F  F (3, 8) tolah H0.

Tabel ANOVA dari hasil Rumus lain: Sumber Keragaman JK db KT F. Perlakuan 30 3 30/3 1,6 Galat 50 8 50/8 Total 80 11