deck of 52 cards

http://www.amstat.org/publications/jse/v2n1/eckert.html
 Volunteer
• "I am going to have (...............) pull
out a card from the deck.

• What is the probability that she/he

pulls out a red card?“
• P=.......
• "If I have her/him select 10
different cards, and I replace the
selected card and shuffle between
picks, how many of the 10 cards do
we expect to be red?"
Is she/he guaranteed to get
exactly 5?

RED BLACK
• "Do you believe that there is a 50%
chance for drawing a red card with
this deck?“
• I agree. Now, is it possible that a
person with a normal deck of half red
and half black cards could pull out 10
red cards in a row?
• Is it very likely that a person would
pull out 10 red cards if the deck were
half red?
• Now, we have two seemingly contradictory
pieces of information about the deck of
cards. We have a claim that p=0.5, and we
have done an experiment in which 10 out of
10 cards chosen were red. The data which
we collected seem 'inconsistent' with the
hypothesis. That is, if the hypothesis were
true, it would be very unlikely to have all
10 chosen cards be red. And yet, in our
experiment, we selected 10 red cards.
What should we conclude?
Metode Statistika
Pertemuan X-XI
Statistika Inferensia:
Pengujian Hipotesis
 Permainan (1)
• Ambil sekeping uang coin. Masing-masing
mahasiswa lempar satu kali. Kemudian catat
hasil lemparan dari 40 mahasiswa.

Kejadian Turus Jumlah

Muncul
Angka
Muncul
Gambar
 Lanjutan Permainan (1)
• Berapa persen muncul sisi angka dari
permainan tersebut?
• Apakah dapat dikatakan bahwa coin
tersebut setimbang (peluang
munculnya sisi angka dan peluang
munculnya sisi gambar sama)?
 Lanjutan
Persentase
Permainan (1)
munculnya sisi
angka dari pˆ 
a
permainan n
tersebut

Coin p = 50% = 0.5

setimbang ?
 Coin Analogy

Hypothesis Significance Level

Collect Evidence Decision Rule

  > 20?
Butuh pembuktian
berdasarkan Mana yang
contoh!!! benar?
Apa yang
diperlukan?

Populasi :
 = 20

Ok, itu adalah

Sampel : pengujian hipotesis,
butuh pengetahuan
mengenai SEBARAN
x  25 PENARIKAN
CONTOH
 Pengujian Hipotesis
• Merupakan perkembangan ilmu
experimantal  terminologi dan
subyek
• Menggunakan 2 pendekatan :
– Metode inferensi induktif  R.A. Fisher
– Metode teori keputusan  J. Neyman &
E.S. Pearson mengatasi kekurangan
dari metode inferensia induktif
 Coin Analogy

Hypothesis Significance Level

Collect Evidence Decision Rule

 Pengujian Hipotesis
• Merupakan perkembangan ilmu
experimantal  terminologi dan
subyek
• Menggunakan 2 pendekatan :
– Metode inferensi induktif  R.A. Fisher
– Metode teori keputusan  J. Neyman &
E.S. Pearson mengatasi kekurangan
dari metode inferensia induktif
 Pengujian Hipotesis
Dalam proses penemuan kebenaran ilmiah
secara induksi seringkali diperlukan
pengujian hipotesis..

Ada dua hipotesis yg Hipotesis nol merupakan keadaan

disandingkan yaitu yg ingin disangkal. Hipotesis ini mirip
hipotesis nol dan praduga takbersalah dalam
hipotesis alternatif.. proses peradilan.

Sementara itu
hipotesis alternatif
merupakan keadaan yg
menyangkal hipotesis nol..
Pengujian Hipotesis
Tergantung data dan
fakta yg terkumpul
maka kita pada
akhirnya bisa
menolak/menerima
hipotesis nol..
 Pengujian Hipotesis
Ketika kita menolak hipotesis nol
maka kondisinya seperti tertuduh
yg bisa dibuktikan bersalah.

Sebaliknya ketika menerima hipotesis nol

maka kondisinya spt tertuduh
yg tidak bisa dibuktikan bersalah,
azas praduga tak bersalah.
 Pengujian Hipotesis

Pendek kata jika kita menolak hipotesis nol

maka kita punya keyakinan tertentu bahwa
hipotesis nol itu salah..

Tapi jika kita menerima hipotesis nol

maka kita sesungguhnya tdk punya keyakinan yg terukur
apakah hipotesis nol itu salah/benar.
 Unsur Pengujian
Hipotesis

• Hipotesis Nol
• Hipotesis Alternatif
• Statistik UJi
• Daerah Penolakan H0
 Hipotesis
•  Suatu pernyataan / anggapan yang mempunyai
nilai mungkin benar / salah atau suatu pernyataan
/anggapan yang mengandung nilai ketidakpastian

• Misalnya:
– Besok akan turun hujan  mungkin benar/salah
– Penambahan pupuk meningkatkan produksi  mungkin
benar/salah
– Varietas A lebih baik dibandingkan dengan varietas B
 mungkin benar/salah
 Hipotesis Statistik
Suatu pernyataan tentang nilai suatu parameter populasi

– H0 (hipotesis nol): suatu pernyataan

yang bersifat “status quo” (tidak ada
beda , tidak ada perubahan)
– H1 (hipotesis tandingan): pernyataan lain
yang akan diterima jika H0 ditolak (”ada”
perbedaan, ”terdapat perubahan”)
Dalam pengambilan keputusan
memungkinkan untuk terjadi
kesalahan
H0 benar H0 salah
Tolak H0 Peluang salah jenis I Kuasa pengujian
(Taraf nyata; ) (1-)
Terima H0 Tingkat kepercayaan Peluang salah jenis II
(1-) ()

P(salah jenis I) = P(tolak H0/H0 benar) = 

P(salah jenis II) = P(terima H0/H1 benar) = 
 Daerah
Daerah
PEnolakan
Penerimaan
H0
H0

ˆ
H0: H1:
=20 =24

 = P(Terima H0 | H1 benar)  = P(tolak H0 | Ho benar)

22
 = P( < 22 |  = 24)  = P( > 22 |  = 20)

 Merupakan sembarang parameter

 CONTOH (1)
Sampel diambil secara acak dari populasi normal(;2 = 9), berukuran 25.
Hipotesis yang akan diuji,
H0 :  = 15
H1 :  = 10
Tolak H0 jika rata-rata kurang dari atau sama dengan 12.5
Berapakah besarnya kesalahan jenis I dan II ?
Jawab:
P(salah jenis I) = P(tolak H0/ = 15) = P(z  (12.5-15)/3/25))
= P(z  - 4.167 )  0
P(salah jenis II) = P(terima H0/ = 10) = P(z  (12.5-10)/3/25))
= P(z  4.167 ) = 1 - P(z  4.167 )  0
 Sifat  dan 

H1 H0 H1
H0

   

  
  
H1
H0
Jika n   dan  akan
menurun lihat KURVA 
KATERISTIK OPERASI 
 Hipotesis yang diuji
H0 :  = 0 H0 :   0 H0 :   0

H1 :   0 H1 :  < 0 H1 :  > 0

Hipotesis dua arah Hipotesis SATU arah

Statistik uji :
ˆ
v
sˆ

 merupakan sembarang parameter

v merupakan sembarang statistik uji
 Wilayah kritik
Daerah Penolakan H0
Tergantung dari H1. Misalkan v = z  N (0,1)

H1 :   0

Daerah
Penerimaan
H0
/2 /2
Nilai kritik
Daerah
Penolakan H0
-z/2 z/2

Tolak H0 jika v < -z/2 atau v > z/2

H1 :  < 0

Daerah
Penerimaan
H0


Daerah
Penolakan H0
-z
Tolak H0 jika v < -z/2

H1 :  > 0

Daerah
Penerimaan
H0 

Daerah
Tolak H0 jika v > z Penolakan H0
z
  & nilai p
•  = taraf nyata dari uji
statistik
• Nilai p = taraf nyata dari
contoh  peluang 
merupakan suatu ukuran
“kewajaran” untuk
menerima H0 atau
menerima H1
• Jika nilai p <  maka Tolak
Nilai p
H0 

z zh
Nilai p = P (Tolak H0 | contoh)
Misalnya : nilai p = P(Z > zh)
 Tujuan pengujian

Satu Populasi Dua populasi

Nilai Satu Data saling Data

Tengah() Populasi (p) bebas berpasangan

2
1 - 2 p1 - p2 d
diketahui Tidak
diketahui
12 &
22 Tidak Uji z Uji t
Uji z Uji t Uji z diketahui
diketahui

12 &
Uji z 22
sama Tidak sama

Uji t Uji t
Formula 1 Formula 2
Uji Nilai Tengah
Populasi ()
 Hipotesis yang dapat diuji:
Hipotesis satu arah
• H0 :   0 vs H1 :  < 0
• H0 :   0 vs H1 :  > 0
Hipotesis dua arah
• H0 :  = 0 vs H1 :   0

• Statistik uji:
x  0
– Jika ragam populasi (2) diketahui : zh 
 / n

– Jika ragam populasi (2) tidak diketahui :x   0

th 
s/ n
 Contoh (2)
Batasan yang ditentukan oleh pemerintah
terhadap emisi gas CO kendaraan bermotor
adalah 50 ppm. Sebuah perusahaan baru yang
sedang mengajukan ijin pemasaran mobil,
diperiksa oleh petugas pemerintah untuk
mennetukan apakah perusahaan tersebut laya
diberikan ijin. Sebanyak 20 mobil diambil secara
acak dan diuji emisi CO-nya. Dari data
didapatkan, rata-ratanya 55 dan ragamnya 4.2.
Dengan menggunakan taraf nyata 5%, layakkah
perusahaan tersebut mendapat ijin?
One-Sample T

Test of mu = 50 vs > 50

95%
Lower
N Mean StDev SE Mean Bound T P
20 55.0000 2.0494 0.4583 54.2076 10.91 0.000