Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more
Download
Standard view
Full view
of .
Save to My Library
Look up keyword
Like this
5Activity
0 of .
Results for:
No results containing your search query
P. 1
Uji hipotesis statistik

Uji hipotesis statistik

Ratings: (0)|Views: 350 |Likes:
Published by -Iman Nalupe-

More info:

Published by: -Iman Nalupe- on Mar 08, 2012
Copyright:Attribution Non-commercial

Availability:

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

12/24/2013

pdf

text

original

 
Uji hipotesis statistikDua bidang utama inferensi statistik merupakan bidang perkiraan parameter dan uji hipotesis statistik.Masalah perkiraan parameter, baik perkiraan titik dan interval, telah ditafsirkan. Dalam bagian 6.4 dan6.5 beberapa aspek hipotesis statistik dan uji hipotesis statistik akan dipertimbangkan. Bagian pokoknyaakan diperkenalkan melalui contoh.Contoh 1. D
iketahui bahwa hasil percobaan acak X adalah N (θ, 100). Mi
salnya, X dapat menunjukkannilai pada pengujian, yang mana nilai kita asumsikan berdistribusi normal dengan mean
θ
dan variansi100. Kita katakan pengalaman masa lalu dengan percobaan acak
ini menunjukkan bahwa θ = 75.
Misalkan, kemungkinan untuk beberapa penelitian pada daerah yang berkaitan dengan penelitian ini,beberapa perubahan yang dibuat dalam metode acak untuk melakukan percobaan ini. Hal ini kemudiandiduga bahwa tidak
lagi θ = 75 tapi sekarang θ
> 75. Belum ada bukti eksperimental yang formalmengatakan bahwa
θ
> 7
5; maka laporan θ
> 75 adalah dugaan atau hipotesis statistik. Dalammengasumsikan
bahwa hipotesis statistik θ
> 75 mungkin salah, kami membolehkan, kemungkinan
bahwa θ ≤ 75. Jadi sebenarnya ada dua hipotesis statistik.
Pertama, bahwa parameter yang tidak
diketahui θ ≤ 75, yaitu belum ada peningkatan θ. Kedua, bahwa parameter yang tidak diketahui θ
> 75.
Dengan demikian, parameter ruang Ω = {θ:
-
∞ <θ <∞}. Kita menyatakan
yang pertama dari hipotesis inidisimbolkan dengan
H_0 : θ ≤ 75 dan
yang kedua disimbolkan
H_1:> θ 75. Karena nilai θ
> 75 adalahsolusi
di mana θ ≤ 75, hipotesis H_1: θ> 75 disebut hipotesis alternatif. Tak perlu dikatakan,
bahwa H_0bisa disebut alternatif untuk H_1 Namun, dugaan
di sini θ
> 75, yang dibuat oleh peneliti biasanyadianggap hipotesis alternatif. Dalam kasus ini adalah untuk menentukan mana yang hipotesis yang akanditerima. Untuk mencapai keputusan, percobaan acak harus diulang beberapa kali, katakanlah n, danhasilnya akan diamati. Artinya, kita mempertimbangkan sampel acak X_1, X_2, ..., X_n dari distribusinormal
N (θ,
100), dan kami merancang pola yang akan memberitahu kita apakah keputusan untukmembuat satu kali nilai eksperimental, mengatakan x_1, x_2, ..., x_n, telah ditentukan. Aturan tersebutdisebut suatu uji dari hipotesis H_0
: θ ≤ 75 melawan hipotesis alternatif H_1: θ> 75. Tidak ada pola yang
terikat pada jumlah aturan atau uji yang bisa dibuat. Kita akan membahas tiga uji tersebut. Pengujiankami akan buat di sekitar gagasan berikut. Kita akan membagi ruang sampel A ke himpunan bagian Cdan yang melengkapi C*. Jika nilai-nilai percobaan X_1, X_2, ..., X_n, mengatakan x_1, x_1, ..., x_n,adalah sedemikian rupa sehingga titik
(x
_1, x_1, ..., x_n)
C, kita akan menolak hipotesis H_0(menerima hipotesis H_1). Jika kita memiliki (x_1, x_1, ..., x_n)
C*, kita akan menerima hipotesis H_0(menolak hipotesis H1).Test 1. Misalkan n = 25. Ruang Sampel A adalah membatasi{(X_1, x_2, ..., x_25): -
∞ <x_i <∞, i = 1,2, ..., 25}
 Biarkan himpunan bagian C dari ruang sampel akanC = {(x_1, x_2, ..., x_25): x_1 + x_2 +
+ x_25> (25) (75)}Kita akan menolak hipotesis H_0 jika dan hanya jika nilai eksperimen kita adalah 25 seperti itu (x_1, x_2,..., x_25)
C. Jika (x_1, x_2, ..., x_25) bukan merupakan elemen dari C, kita akan menerima hipotesisH_0. Ini adalah himpunan bagian C dari ruang sampel yang mengarah ke penolakan hipotesis H_0
: θ ≤ 75
disebut uji
daerah kritis 1. Sekarang Σ_1 ^ 25
 ▒ 
 
x_i> (25) (75)
jika dan hanya jika x
  
,> 75 di mana x
  
=
Σ_1 ^ 25
 ▒ 
 
x_i/25.
Demikian kita bisa jauh lebih mudah mengatakan bahwa kita harus menolak
 
hipotesis H_0: θ ≤ 75 dan menerima hipotesis H_1: θ> 75 jika dan hanya jika n
ilai mean eksperimenditentukan mean dari sampel x
  
lebih besar dari 75. Jika x
  
 
≤ 75, kita menerima
hipotesis H_0
: θ ≤ 75 jika
mean dari distribusi ketika hipotesis H_0 benar.Ini akan membantu kita untuk mengevaluasi uji hipotesis statistik jika kita tahu kemungkinan menolakbahwa hipotesis (dan karenanya untuk menerima hipotesis alternatif). Dalam pengujian kami 1, iniberarti bahwa kita ingin menghitung probabilitasPr [(X_1, ..., X_25.)
C] = Pr (X
  
> 75).
Jelas, probabilitas ini adalah fungsi dari parameter θ dan kami akan menunjukkan itu dengan K_1 (θ).Fungsi K_1 (θ) = Pr
(X
  
> 75) disebut fungsi kekuatan uji 1, dan nilai fungsi daya pada titik parameterdisebut kekuatan uji 1 pada saat itu. Karena X
  
 
adalah N (θ, 4), kita memiliki
 
K_1 (θ) = Pr
 
((X
  
-
θ) / 2
> (75-
θ) / 2) = 1
-
Φ ((
75-
θ) / 2)
 
Jadi, untuk ilustrasi, kita miliki, dengan Tabel III lampiran B, bahwa kekuasaan pada θ = 75 adalah K_1(75) = 0,500. daya lainnya adalah K_1 (73) = 0.159, K_1 (77) = 0,841, dan K_1 (79) = 0,977. Grafik K_1 (θ)
uji 1 digambarkan pada Gambar 6.
1. Antara lain, ini berarti bahwa, jika θ = 75, sehinggaH_0 benar, probabilitas menolak hipotesis H_0: θ ≤ 75 adalah 1 / 2. Artinya, jika θ = 75 sehingga H_0 itu
benar,GAMBAR 6.1Kemungkinan menolak ini H_0 hipotesis yang benar adalah 1 / 2. Banyak statistik penelitian dan pekerjamerasa sangat tidak diinginkan untuk memiliki probabilitas tinggi sebagai 1 / 2 ditugaskan untuk jeniskesalahan: yaitu penolakan H_0 ketika H_0 adalah hipotesis benar. Jadi Test 1 tidak tampaknya tessangat memuaskan. Mari kita coba untuk merancang tes lain yang tidak memiliki fitur ini pantas. Kitaakan melakukan hal ini dengan membuatnya lebih sulit untuk menolak H_0 hipotesis dengan harapanbahwa ini akan memberikan probabilitas yang lebih kecil menolak H_0 ketika hipotesis itu benar.Uji 2.
Misalkan n = 25. Kita akan menolak H_0 hipotesis: θ ≤ 75 dan menerima hipotesis H_1: θ> 75 jika
dan hanya jika x
  
> 78. Oleh karena itu daerah kritis adalah C = {(x_1, ..., x_25): x_1 +
+ x_25> (25) (78)}.Fungsi daya Uji 2 adalah, karena X
  
 
adalah N (θ, 4),
 
K_2 (θ) = Pr
 
(X
  
> 78) =
1-
Φ ((78
-
θ) / 2).
Beberapa nilai fungsi kekuatan Ujian 2 adalah K_2 (73) = 0,006, K_2 (75) = 0,067, K_2 (77) = 0,309, dan
K_1 (79) = 0,691. Artinya, jika θ = 75, probabilitas H_0 menolak: θ ≤ 75 adalah 0,067, ini jauh lebih
diinginkan maka probabilitas yang sesuai 1 / 2 yang dihasilkan dari Ujian 1. Namun, jika H_0 adalah palsu
dan, pada kenyataannya, θ = 77, probabilitas H_0 menolak: θ ≤ 75 (dan karenanya penerima H_1: θ> 75)
hanya 0,309. Dalam kasus tertentu, ini probabilitas rendah 0,309 dari sebuah keputusan yang tepat(penerimaan H_1 ketika H_1is benar) adalah menyenangkan. Artinya, Uji 2 tidak sepenuhnyamemuaskan. Mungkin kita bisa mengatasi fitur yang tidak diinginkan Uji 1 dan 2 jika kita lanjutkanseperti dalam Test 3.Test 3.
Mari kita memilih K_3 daya fungsi (θ) yang memiliki fitur nilai kecil pada θ = 75 dan nilai besar diθ = 77. Sebagai contoh, ambil K_3 (75) = 0.159 dan K_3 (77) = 0,841. Untuk menentukan tes dengan
seperti fu
ngsi kekuasaan, mari kita menolak H_0: θ ≤ 75 jika dan hanya jika nilai eksperimental x
  
darimean sampel acak n ukuran lebih besar dari beberapa konstan c. sehingga daerah kritis adalah C = {(x_1,x_2, ..., x_n): x_1 + x_2 +
+ x_n> nc}. Perlu dicatat bahwa ukuran sampel n dan konstanta c belumditentukan belum. Namun, karena X
  
 
adalah N (θ, 100 / n), fungsi daya
 
 
K_3 (θ) = Pr
 
(X
  
> c) = 1-
Φ ((c
-
θ) / (10 / √ n))
.The K_3 kondisi (75) = 0.159 dan K_3 (77) = 0,841 mengharuskan1-
Φ ((c
-
75) / (10 / √ n)) = 0.159, 1
-
Φ ((c
-
77) / (10 / √ n)) = 0.841.
Setara, dari Tabel III dari lampiran B, kami telah((C-
75) / (10 / √ n)) = 1, ((c
-
77) / (10 / √ n)) =
- 1.Solusi bagi kedua persamaan dalam n dan c adalah n = 100, c = 76. Dengan nilai n dan c, kekuatan laindari Test 3 adalah K_3 (3) = 0,001 dan K_3 (79) = 0,999. adalah penting untuk mengamati bahwawalaupun Test 3 memiliki fungsi daya lebih diinginkan daripada Tes 1 dan 2, sebuah "harga" tertentutelah dibayar-ukuran sampel n = 100 dibutuhkan dalam Ujian 3, sedangkan kita telah n = 25 di tessebelumnya.Keterangan. Seluruh teks kita sering mengatakan bahwa kita menerima hipotesis H_0 jika kita tidakmenolak H_0 mendukung H_1. Jika keputusan ini dibuat, tentu tidak berarti H_0 itu benar atau bahwakita bahkan percaya bahwa itu benar. Semua itu berarti, berdasarkan data di tangan, bahwa kita tidakyakin bahwa H_0 hipotesis yang salah. Oleh karena itu, pernyataan "Kami menerima H_0" mungkin akanlebih baik dibaca sebagai "Kami tidak menolak H_0". Namun, karena sedang dipakai cukup umum, kitamenggunakan pernyataan "Kami menerima H_0", namun membacanya dengan komentar dalam pikiran.Kita sekarang telah menggambarkan konsep berikut.Sebuah hipotesis statistikSebuah uji hipotesis terhadap suatu hipotesis alternatif dan konsep terkait daerah kritis pengujian.Kekuatan tes.Konsep-konsep ini sekarang akan ditetapkan secara formal.Definisi 3. Sebuah hipotesis statistik adalah pernyataan tentang distribusi dari satu atau lebih variabelacak. Jika hipotesis statistik yang benar-benar menentukan distribusi, hal itu disebut hipotesis statistiksederhana, jika tidak, itu disebut hipotesis statistik komposit.
Jika kita lihat Contoh 1, kita melihat bahwa kedua H_0: θ ≤ 75 dan H_1:> θ 75 adalah
hipotesis statistikkomposit, karena baik dari mereka benar-
benar menentukan distribusi. Jika ada, bukan H_0: θ ≤ 75,kami telah H_0: θ = 75, maka H_0 akan menjadi hipotesis statistik sederhana.
Definisi 4. Sebuah uji suatu hipotesis statistik adalah aturan yang, ketika nilai-nilai sampel eksperimentaltelah diperoleh, mengarah ke keputusan untuk menerima atau menolak hipotesis yang sedangdipertimbangkan,Definisi 5. Biarlah C jadi bahwa himpunan bagian dari ruang sampel yang sesuai dengan tes ditentukan,mengarah pada penolakan hipotesis dalam pertimbangan. Maka C disebut daerah kritis uji.Definisi 6. Fungsi kekuatan tes dari H_0 hipotesis statistik melawan hipotesis alternatif H_1 adalahbahwa fungsi, pasti untuk seluruh distribusi yang dipertimbangkan, yang menghasilkan kemungkinanbahwa titik sampel jatuh di C daerah kritis uji, yaitu, fungsi bahwa hasil probabilitas menolak hipotesisyang sedang dipertimbangkan. Nilai fungsi daya pada titik parameter disebut kekuatan uji pada titiktersebut.Definisi 7. Biarkan H_0 menunjukkan hipotesis yang akan diuji melawan hipotesis alternatif H_1 sesuaidengan tes yang ditentukan. Tingkat signifikansi uji (atau ukuran daerah kritis C) adalah nilai maksimum(sebenarnya supremum) dari fungsi kuasa uji ketika H_0 adalah benar.Jika kita lihat lagi untuk Contoh 1, kita melihat bahwa tingkat signifikansi dari Tes 1, 2, dan 3 contoh yang

Activity (5)

You've already reviewed this. Edit your review.
1 thousand reads
1 hundred reads
Sigit Triwibowo liked this
Sapto Sutardi liked this
Destiana Sela liked this

You're Reading a Free Preview

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