Metode Statistika

Statistika Inferensia: Pendugaan Parameter (Selang Kepercayaan)

Pengantar ¡ ¡ Seringkali kita tertarik dengan karakteristik umum dari suatu populasi à parameter Misalnya saja berapa rata-rata pendapatan penduduk Indonesia. apakah metode pengobatan baru lebih efektif dibandingkan dengan metode lama. . berapa persen yang berada di bawah garis kemiskinan.

Pengantar ¡ ¡ Pada kasus-kasus ini kita berbicara mengenai suatu penduga bagi paramater Klasifikasi penduga: l l Penduga titik Penduga selang .

Pendugaan Parameter ¡ ¡ ¡ ¡ Untuk menggambarkan karakteristik umum suatu populasi yang diukur dalam skala rasio. Sehingga informasi besarnya x (statistik) digunakan untuk menduga µ (parameter). bisa digunakan rata-ratanya (µ). Untuk mempelajari suatu populasi umumnya digunakan sebagian anggotanya saja (contoh). Namun untuk menduga µ dapat pula digunakan median ataupun modus contoh. à perlu pemilihan penduga .

¡ Sifat-sifat penduga yang diinginkan l l l Takbias Efisien Konsisten .

Hal ini berarti apabila proses penarikan contoh diulang-ulang dan untuk setiap contoh tersebut dihitung x-nya.Tak Bias ¡ Takbias berarti nilai harapan penduga sama dengan parameter yang diduga. maka rata-rata dari tadi akan sama dengan µ. . Penduga x merupakan penduga yang takbias bagi µ.

di antara penduga yang takbias. . Secara teori.Efisien ¡ Efisiensi penduga ditunjukkan oleh besarnya ragam penduga tersebut. x merupakan penduga dengan ragam paling kecil. Makin kecil ragam suatu penduga makin efisien penduga tersebut.

Konsisten ¡ Konsisten berarti dengan makin besarnya ukuran contoh maka ragam penduga makin kecil .

Rata-rata contoh dikatakan sebagai penduga titik bagi µ.Pendugaan Titik bagi µ ¡ ¡ Untuk menduga rata-rata populasi (µ) digunakan rata-rata contoh ( x ). .

¡ Penduga x sering tidak memuaskan l Terpengaruh oleh adanya pencilan ¡ Kemungkinan besar nilai tidak sama dengan µ. l l à tingkat kepercayaan kecil à dikembangkan penduga dalam bentuk selang nilai dengan tingkat kepercayaan tertentu (penduga selang). .

Pendugaan Terhadap Nilai Tengah Satu Populasi ¡ ¡ Dari Sebaran Penarikan Contoh x ∼ Normal (µ.σ2/n). Konsep sebaran normal : l P(-Zα/2 < Z < Zα/2) = 1.α Z= X −μ σ/ n ¡ Sehingga P(-Zα/2 X− μ < σ/ n < Zα/2) = 1-α X ± zα/2σ / n .

α) 100% bagi µ adalah X ± t α/2.n -1 s / n .¡ ¡ Nilai x ± Zα/2 σ/√n dinamakan sebagai selang kepercayaan (1α)x100% bagi µ. Apabila σ tidak diketahui dan digunakan s à sebaran t-student l SK (1.

5 dl.5 dl. Seorang ahli hendak menentukan waktu yang diperlukan untuk membuat tiga lubang pada suatu penjepit logam.Teladan ¡ ¡ Sebuah mesin minuman ringan diatur sehingga banyaknya minuman yang dikeluarkan menyebar normal dengan simpangan baku 1. Tentukan selang kepercayaan 95% dan 99% bagi rata-rata banyaknya minuman yang dikeluarkan oleh mesin ini. bila suatu contoh acak 36 gelas mempunyai isi rata-rata 22. . Berapa besar contoh yang diperlukan agar ia percaya 95% bahwa rata-rata contohnya berada dalam 15 detik dari nilai tengah yang sesungguhnya? Anggap bahwa dari penelitian terdahulu diketahui bahwa σ=40 detik.

p(1-p)/n) Dari konsep mengenai sebaran normal P(-Zα/2 < Z < Zα/2) = 1.α ˆ p−p < < Zα/2) p(1 − p)/n .Pendugaan Terhadap Proporsi Satu Populasi ¡ ¡ ˆ Dari Sebaran Binomial p ∼ Normal (p.α ˆ p−p Z= p(1 − p)/n ¡ Sehingga P(-Zα/2 = 1.

¡ SK (1-α)100% bagi p adalah: ˆ p ± Zα/2 p(1 − p)/n ¡ Nilai p biasanya diduga oleh dugaannya .

Buat selang kepercayaan 98% bagi proporsi rumah-rumah di kota ini yang menggunakan pemanas gas alam. Berapa besarnya ukuran contoh pada latihan no. ditemukan bahwa 628 rumah menggunakan pemanas gas alam.1 di atas apabila kita ingin percaya 95% bahwa proporsi contoh yang diperoleh akan terletak dalam jarak yang tidak lebih daripada 0.Teladan ¡ ¡ Dari suatu contoh acak 1000 rumah di sebuah kota.05 dari proporsi populasi yang sebenarnya .

Sign up to vote on this title
UsefulNot useful