KULIAH 8

UJIAN HIPOTESIS
MELIBATKAN MIN
DAN PERKADARAN
SATU SAMPEL
 Objektif Pembelajaran
Objektif pembelajaran topik ini ialah:
• Mempelajari prinsip asas ujian hipotesis
• Menyatakan logik dan mengubah kenyataan kepada
hipotesis nol (null) dan alternatif.
• Menyatakan apa yang dimaksudkan dengan ralat
jenis I dan II (Type I and Type II errors).
• Mempelajari langkah-langkah dalam ujian hipotesis
• Melakukan ujian hipotesis bagi satu populasi min dan
kadaran.
• Menentukan dan menjelaskan nilai-p (p-value) bagi
satu statistik ujian.
 Apa itu hipotesis?
n Hipotesis adalah kenyataan
(assertion) berkenaan
parameter populasi
n Min populasi
Contoh: Min bagi bil bulanan telefon bimbit
bagi bandar ini ialah μ = $42
n Perkadaran populasi
Contoh: Perkadaran orang dewasa yang
memiliki telefon bimbit di bandar, π = 0.68
 Hipotesis Null, H0
§ Merupakan kenyataan berkenaan nilai paremeter
populasi (kenyataan yang diuji berkenaan
parameter populasi)
§ Contoh: Purata diameter skru yang dibuat ialah
30mm ( H 0 : μ = 30 )
§ Ia adalah berkenaan parameter populasi
bukannya statistik sampel.
H 0 : μ = 30 H 0 : X = 30
 Hipotesis Null, H0
n Bermula dengan andaian yang hipotesis
null adalah benar
n Merujuk status quo atau nilai historik
(historical value)
n Null selalunya dinyatakan dengan tanda
“=“
n Mungkin atau tidak mungkin ditolak
 Hipotesis Alternatif, H1
n
 Ralat Dalam Membuat Keputusan
Ujian Hipotesis
n Ralat Jenis I (Type I Error)
n Anda menolak hipotesis ‘null’ apabila ia benar
n Menolak H0 yang benar
n Merupakan jenis ralat yang serius
n Kebarangkalian ralat jenis I ialah a
n Disebut aras keertian (level of significance) bagi ujian
n Ditetapkan oleh penyelidik
n Ralat Jenis II (Type II Error)
n Anda gagal menolak hipotesis ‘null’ apabila ia salah
n Gagal menolak H0 yang salah
n Kebarangkalian ralat jenis II ialah β
 Ralat Dalam Membuat Keputusan
Ujian Hipotesis
Kemungkinan Keputusan Ujian Hipotesis
Situasi Sebenar
Keputusan H0 Benar H0 Salah
Tidak Tiada Ralat Ralat Jenis II
Tolak H0 Kebarangkalian: 1 – α
Kebarangkalian: β
(Keputusan Betul)
Tolak H0 Ralat Jenis I Tiada Ralat
Kebarangkalian: α Kebarangkalian: 1 –β
(Keputusan Betul)
 Hubungan Ralat Jenis I dan II
§ Ralat Jenis I dan II tidak berlaku serentak
dalam satu masa
§ Ralat Jenis I berlaku hanya jika H0 benar
§Ralat Jenis II berlaku hanya jika H0 salah
Jika kebarangkalian Ralat I (a) , maka
kebarangkalian Ralat II (β)
 Contoh: Ralat I dan II
n PIBG sebuah sekolah rendah telah
mencadangkan penambahan masa pengajaran
sebanyak 10 minit kepada kelas darjah 6 yang
akan menduduki peperiksaan UPSR.
n Jika pihak PIBG mempercayai bahawa
penambahan masa belajar akan meningkatkan
prestasi calon UPSR, nyatakan ralat jenis I dan
II dalam kajian ini.
 Pendekatan Pengujian Hipotesis
Terdapat dua pendekatan untuk menguji sama ada min
sampel atau perkadaran sampel menyokong hipothesis
alternatif (H1)
n Kaedah kawasan penolakan (rejection region)
adalah dimestikan bagi pengujian manual (tapi boleh
juga digunakan bila pengujian disokong oleh perisian
statistik)
n Kaedah nilai-p (p-value) yang kebanyakannya diguna
apabila perisian (sofware) statistik tersedia.
 Ujian Statistik dan Nilai Kritikal
n Jika min sampel menghampiri min populasi, maka
hipotesis null tidak ditolak.
n Jika min sampel jauh (far enough) daripada min
populasi, maka hipotesis null akan ditolak.
n How far is “far enough” to reject H0?
n Nilai kritikal bagi ujian statistik membentuk satu
tanda aras (benchmark) untuk membuat
keputusan – menjawab persoalan “far enough”
 Ujian Statistik dan Nilai
Kritikal
Taburan persampelan bagi ujian statistik – terbahagi kepada
2 iaitu kawasan penolakan dan kawasan penerimaan
Kawasan Kawasan
penolakan penolakan
Kawasan
Penerimaan
Nilai Kritikal
“Too Far Away”daripada min taburan sampel
Ujian Hipotesis Bagi Min
Ujian Hipotesis
Bagi µ
s Diketahui s Tidak diketahui
(Ujian Z ) (Ujian t )
 Ujian Z Bagi Hipotesis Untuk Min
(σ Diketahui)
n Tukar statistik sampel ( X ) kepada statistik ujian ZSTAT
Formula:
X -μ
ZSTAT =
σ
n
 Pendekatan Nilai Kritikal Untuk
Ujian
n Ujian 2 hujung bagi min dengan σ diketahui:
n Tukar statistik sampel ( X ) kepada ujian
statistik (ZSTAT)
n Tentukan nilai kritikal Z bagi aras keertian a
yang telah ditentukan daripada jadual.
n Peraturan keputusan: Jika ujian statistik berada
dalam kawasan penolakan, tolak H0 ; jika
sebaliknya, gagal tolak H0
 Ujian Dua Hujung
H0: μ = 30
n Ada dua nilai
H1: μ ¹ 30
nilai kritikal
(cutoff),
menunjukkan
kawasan a/2 a/2
penolakan
30 X
Tolak H0 Tidak Tolak H0 Tolak H0
-Zα/2 0 +Zα/2 Z
Nilai Nilai
kritikal kritikal
bawah atas
 6 Langkah Dalam Ujian Hipotesis
1. Tentukan hipotesis ‘null’, H0 dan hipotesis
alternatif, H1
2. Pilih aras keertian, a,
3. Tentukan ujian statistik
4. Tentukan nilai kritikal dan bahagikan kawasan
penerimaan dan kawasan penolakan.
 6 Langkah Dalam Ujian Hipotesis
5. Kumpul data dan hitung nilai untuk ujian
statistik
6. Buat keputusan statistik dan kesimpulan
pengurusan.
q Jika ujian statistik berada dalam kawasan
penerimaan (non-rejection region), jangan tolak
hipotesis ‘null’ H0.
q Jika ujian statistik berada dalam kawasan
penolakan, tolak H0 .
q Buat kesimpulan pengurusan yang berkaitan
dengan masalah.
 Contoh Ujian
Hipotesis Guna Ujian Z:
(σ Diketahui)
Uji kenyataan bahawa min sebenar
diameter skru ialah 30mm
(Andaikan σ = 0.8)
1. Tentukan hipotesis null dan alternatif
H0: μ = 30 H1: μ ≠ 30 (Ini ujian 2 hujung)
2. Tentukan aras keertian
n Andaikan a = 0.05
 Ujian Hipotesis: Contoh
3. Tentukan teknik yang sesuai
n σ diandaikan diketahui maka guna ujian Z.
4. Tentukan nilai kritikal
n Bagi a = 0.05 nilai kritikal Z ialah ±1.96
5. Kumpul data dan hitung ujian statistik
n Andaikan keputusan sampel ialah:
n = 100, X = 29.84 (σ = 0.8 andaikan diketahui)
Jadi ujian statistik ialah:
X - μ 29.84 - 30 - .16
ZSTAT = = = = -2.0
σ 0.8 0.08
n 100
 Ujian Hipotesis: Contoh
n 6. Adakah ujian statistik berada di kawasan penolakan?
a/2 = 0.025 a/2 = 0.025
Tolak H0 jika Reject H0 Do not reject H0 Reject H0
ZSTAT < -1.96 or -Zα/2 = -1.96 0 +Zα/2 = +1.96
ZSTAT > 1.96;
sebaliknya
Tidak tolak H0 Di sini, ZSTAT = -2.0 < -1.96, jadi
ujian statistik berada dalam
kawasan penolakan
 Ujian Hipotesis: Contoh
6 Buat dan interpretasi keputusan
a = 0.05/2 a = 0.05/2
Reject H0 Do not reject H0 Reject H0
-Zα/2 = -1.96 0 +Zα/2= +1.96
-2.0
Didapati ZSTAT = -2.0 < -1.96, tolak hipotesis ‘null’ dan
buat kesimpulan iaitu terbukti bahawa diameter min
bagi skru tidak bersamaan dengan 30
 Pendekatan Nilai-p Untuk Ujian
n Nilai-p: Kebarangkalian mendapat ujian
statistik yang sama atau lebih ekstrem
daripada nilai statistik sampel dengan
andaian H0 adalah benar (how confident are
we in rejecting null hypothesis)
n Nilai-p disebut aras keertian yang diamati
(observed level of significance)
n H0 ditolak jika nilai-p kurang daripada α
 Pendekatan Nilai-p Untuk Ujian
n Bandingkan nilai-p dengan a
n Jika nilai-p < a , Tolak H0
n Jika nilai-p ³ a , Tidak Tolak H0
 5 Langkah Pendekatan Nilai-p
Untuk Ujian Hipotesis
1. Tentukan hipotesis null, H0, dan hipotesis alternatif H1
2. Pilih aras keertian, a, dan saiz sampel, n
3. Tentukan ujian statistik dan taburan persampelan yang
sesuai.
4. Kumpul data dan hitung nilai ujian statistik dan nilai-p.
5. Buat keputusan statistik dan keputusan pengurusan .
Jika nilai-p < α , tolak H0, sebaliknya tidak tolak H0.
Buat keputusan pengurusan berkaitan dengan masalah.
 Ujian Hipotesis Menggunakan
Nilai-p : Contoh
Uji kenyataan bahawa min diameter skru
ialah 30mm.
(Andaikan σ = 0.8)
1. Tentukan hipotesis null, H0, dan hipotesis alternatif H1
H0: μ = 30 H1: μ ≠ 30 (Ujian 2 hujung)
2. Pilih aras keertian, a, dan saiz sampel, n
n Andaikan a = 0.05 dan n = 100 telah dipilih untuk ujian
 Ujian Hipotesis Menggunakan
Nilai-p : Contoh
3. Tentukan ujian statistik yang sesuai.
n σ diketahui jadi gunakan ujian Z.
4. Kumpul data, hitung ujian statistik dan nilai-p
n Andaikan keputusan sampel ialah:
n = 100, X = 29.84 (σ = 0.8 andaikan diketahui)
Ujian statistik:
X - μ 29.84 - 30 - .16
ZSTAT = = = = -2.0
σ 0.8 0.08
n 100
 Ujian Hipotesis Menggunakan
Nilai-p : Menghitung Nilai-p
4. Hitung nilai-p (Guna jadual Z Normal)
0.4772
0.0228 0.5 – 0.4772 = 0.0228
0 Z
-2.0 2.0
p-value = 0.0228 + 0.0228 = 0.0456
 Ujian Hipotesis Menggunakan
Nilai-p : Contoh
n 5. Adakah nilai-p < α?
n Diberi nilai-p = 0.0456 < α = 0.05 Tolak H0
n 5. Buat keputusan pengurusan berkaitan
dengan masalah
n Bukti adalah mencukupi untuk membuat kesimpulan
bahawa purata diameter skru tidak bersamaan
30mm.
 Ujian Hipotesis:
σ Tidak Diketahui
n Guna sisihan piawai sampel, S
n Guna taburan student-t dan bukannya taburan Z
n Semasa guna taburan t andaikan populasi yang
disampelkan bertaburan normal (jika populasi tidak
bertaburan normal maka saiz sampel mesti > 30 – Teorem
Had )
n Semua langkah, konsep dan keputusan adalah sama
dengan taburan Z.
 Ujian Hipotesis t Bagi Min
(σ Tidak Diketahui)
n Tukar statistik sampel ( X ) kepada ujian statistik
tSTAT
X -μ
t STAT =
S
n
 Contoh: Ujian Dua Hujung
(s Tidak Diketahui)
Kos purata penginapan hotel di
Kuala Lumpur ialah RM168 per
malam.
Untuk membuktikannya, sampel
rawak 25 buah hotel telah diambil
dan memberikan keputusan X ialah
$172.50 dan S= $15.40. Uji
hipotesis bahawa kos purata
penginapan hotel adalah berbeza H0: ______
daripada RM168 pada a = 0.05. H1: ______
(Andaikan taburan populasi adalah normal)
 Ujian-t Dua Hujung
H0: μ = 168 a/2=.025 a/2=.025
H1: μ ¹ 168
n a = 0.05 Reject H0 Do not reject H0 Reject H0
t 24,0.025
-t 24,0.025 0
n n = 25, df = 25-1=24 -2.0639 1.46
2.0639
n s tidak diketahui, X-μ 172.50 - 168
t STAT = = = 1.46
jadi guna ujian t S 15.40
n 25
n Nilai kritikal:
Keputusan: Tidak Tolak H0 kerana t stat > +t24,0.025
±t24,0.025 = ± 2.0639 Kesimpulan:Tidak cukup bukti untuk menyatakan min
sebenar kos berbeza daripada $168
 Ujian Satu Hujung
n Dalam banyak kes, hipotesis alternatif fokus
kepada satu arah
Ini merupakan ujian had bawah
H0: μ ≥ 3
(lower-tail) kerana hipotesis alternatif
H1: μ < 3 fokus kepada hujung had bawah
iaitu min kurang daripada 3
H0: μ ≤ 3 Ini merupakan ujian had atas (upper-
tail) kerana hipotesis alternatif fokus
H1: μ > 3
kepada hujung had atas iaitu min
lebih daripada 3
 Ujian Hujung Kiri
(Lower-Tail Test)
H0: μ ≥ 3
n Hanya ada satu nilai H1: μ < 3
kritikal kerana
kawasan penolakan
hanya pada satu
a
hujung sahaja.
Reject H0 Do not reject H0
Z or t
-Zα or -tα 0
Penting:
a Tidak
dibahagi 2 Nilai Kritikal
 Ujian Hujung Kanan
(Upper-Tail Tests)
H0: μ ≤ 3
n Hanya terdapat satu
nilai kritikal kerana H1: μ > 3
kawasan penolakan
hanya pada satu a
hujung sahaja.
Do not reject H0 Reject H0
Z or t Zα or tα
0
Penting: Nilai Kritikal
a Tidak dibahagi 2
 Contoh: Ujian t Hujung Kanan Bagi
Min(s Tidak Diketahui)
Pengurus industri telefon menganggap bil bulanan
telefon telah meningkat, dan sekarang purata
melebihi $52 sebulan. Syarikat mahu menguji
kenyataan ini pada α = 10%.
(Andaikan taburan normal)
Bentukkan Ujian Hipotesis:
H0: μ ≤ 52 purata tidak melebihi $52 sebulan
H1: μ > 52 purata melebihi $52 sebulan
(i.e., adakah bukti cukup untuk mengesahkan kenyataan pengurus)
 Contoh: Ujian Statistik
Dapatkan sampel dan hitung statistik sampel
Andaikan sampel diambil dengan keputusan
berikut: n = 25, X = 53.1, dan S = 10.
n Ujian Statistik ialah:
X-μ 53.1 - 52
t STAT = = = 0.55
S 10
n 25
 Contoh: Keputusan
Buat dan Interpret keputusan:
Tolak H0
a = 0.10
Do not reject H0 Reject H0
1.318
0
tSTAT = 0.55
Tidak Tolak H0 kerana tSTAT = 0.55 ≤ 1.318
Terbukti bahawa bahawa min bil tidak melebihi $52.
Oleh itu, dakwaan pengurus adalah tidak benar.
 Ujian Hipotesis Bagi Perkadaran
n Melibatkan pemboleh ubah kategori
n Dua kemungkinan hasil
n Mengandungi kriteria yang dikehendaki
n Tidak mengandungi kriteria yang dikehendaki
n Bahagian atau perkadaran populasi dalam
kategori yang dikehendaki ialah π.
 Perkadaran
n Perkadaran sampel dalam kategori yang
dikehendaki ialah p.
X Bilangan kategori yang dikehendaki dalam sampel
p= n
=
n saiz sampel
n Apabila X dan n – X sekurang-kurangnya 5, p
menghampiri taburan normal dengan min dan
sisihan piawai
n
μp = p p (1- p )
σp =
n
 Ujian Hipotesis Bagi Perkadaran
Syarat taburan normal:
n Taburan persampelan bagi X³5
p menghampiri normal, jadi dan
guna ujian ZSTAT n–X³5
p-π
ZSTAT =
π (1 - π )
n
 Contoh: Ujian Z Bagi Perkadaran
Sebuah syarikat
pemasaran menyatakan
mendapat maklum balas
daripada 8% pelanggan.
Untuk menguji
kenyataan ini, satu
Check:
sampel rawak terdiri
X = 25
ü
daripada 500 pelanggan
telah dikaji dengan 25 n-X = 475
maklum balas. Uji pada
aras keertian a = 0.05.
 Ujian Z Test Bagi Perkadaran:
Penyelesaian
H0: π = 0.08 Ujian Statistik:
H1: π ¹ 0.08 p -π .05 - .08
ZSTAT = = = -2.47
π (1 - π ) .08(1 - .08)
a = 0.05
n 500
n = 500, p = 0.05
Nilai kritikal: ± 1.96 Keputusan:
Reject Reject Tolak H0 pada a = 0.05
Kesimpulan:
.025 .025
Terbukti menolak
-1.96 0 1.96 z kenyataan syarikat
-2.47 yang kadar maklum
balas ialah 8%.
 Penyelesaian Nilai-p
Hitung nilai-p dan bandingkan dengan a
(For a two-tail test the p-value is always two-tail)
Do not reject H0
Reject H0 Reject H0 p-value = 0.0136:
a/2 = .025 a/2 = .025
2(0.0068) = 0.136
0.0068 0.4932 0.0068
-1.96 0 1.96
Z = -2.47 Z = 2.47
Tolak H0 kerana p-value = 0.0136 < a = 0.05