Selamat datang

Uji Hipotesa adalah proses yang menggunakan sampel statistik untuk menguji klaim tentang nilai dari parameter populasi. Para peneliti di bidang-bidang seperti kedokteran, psikologi, dan bisnis mengandalkan hipotesis pengujian untuk membuat keputusan berdasarkan informasi tentang obat-obatan baru, perawatan, dan pemasaran strategi. Pernyataan tentang parameter populasi disebut hipotesis statistik. Untuk menguji parameter populasi, Anda harus hati-hati menyatakan sepasang hipotesis—yang mewakili klaim dan yang lainnya, pelengkapnya. Ketika salah satu hipotesis ini salah, yang lain harus benar. Salah satu hipotesis — nol hipotesis atau hipotesis alternatif — dapat mewakili klaim asli. Istilah hipotesis nol diperkenalkan oleh Ronald Fisher. Jika pernyataan dalam hipotesis nol tidak benar, maka hipotesis alternatif harus benar. Menulis Hipotesa 1. Tulis hipotesis nol dan alternatif, terjemahkan klaim yang dibuat tentang populasi parameter dari pernyataan verbal ke pernyataan matematis. Kemu...

 Confidence Intervals for Population Proportions  Kerangka Keseluruhan Kita mulai dengan melihat gambaran besarnya sebelum kita membahas secara spesifik. Jenis interval kepercayaan yang akan kita pertimbangkan adalah dari bentuk berikut: Perkiraan +/- Margin of Error Artinya ada dua angka yang perlu kita tentukan. Nilai ini merupakan perkiraan untuk parameter yang diinginkan, beserta margin kesalahannya. Sampel dan Proporsi Populasi Kami mulai dengan perkiraan proporsi populasi kami. Sama seperti kita menggunakan mean sampel untuk memperkirakan mean populasi, kita menggunakan proporsi sampel untuk memperkirakan proporsi populasi. Proporsi populasi adalah parameter yang tidak diketahui. Proporsi sampel adalah statistik. Statistik ini ditemukan dengan menghitung jumlah keberhasilan dalam sampel kami dan kemudian membaginya dengan jumlah total individu dalam sampel. Proporsi populasi dilambangkan dengan p dan cukup jelas. Notasi untuk proporsi sampel sedikit lebih terlibat. Kami ...

Confidence Interval for the Mean dengan nilai Standard Deviation diketahui Estimasi titik adalah estimasi nilai tunggal untuk parameter populasi. Estimasi titik yang paling tidak bias dari rata-rata populasi adalah rata-rata sampel Validitas metode estimasi meningkat ketika Anda menggunakan statistik sampel yang tidak bias dan memiliki variabilitas rendah. Statistik sampel tidak bias jika tidak melebih-lebihkan atau meremehkan parameter populasi The level of confidence The level of confidence adalah probabilitas bahwa estimasi interval berisi parameter populasi, dengan asumsi bahwa proses estimasi diulang beberapa kali. Kita tahu dari Teorema Limit Pusat bahwa ketika n > 30 distribusi sampling rata-rata sampel adalah distribusi normal. Tingkat kepercayaan Nilai kritis adalah nilai yang memisahkan statistik sampel yang mungkin dari statistik sampel yang tidak mungkin, atau tidak biasa. Kita dapat melihat dari gambar yang ditunjukkan di bawah ini bahwa -zc = zc. Confidence Interval fo...

  Distribusi Sampel Sampling Distribution  Pengantar Distribusi Sampel Distribusi mean Sampel dari Nilai Rata-rata  Distribusi mean Sampel dari Nilai Proporsi  Distribusi Sampel  Distribusi sampel adalah distribusi dari ratarata atau proporsi sampel yang diambil secara berulang-ulang (n kali) dari populasi.         Ada sebanyak n rata-rata atau n nilai proporsi          Distribusi dari rata-rata atau proporsi tersebut yang disebut sebagai distribusi sampel (sampling distribution)  Distribusi Sampel Sifat-sifat dari distribusi sampel tersebut dikenal dengan Central Limit Theorem  Bentuk distribusi dari rata-rata sampel akan mendekati distrbusi normal meskipun distribusi populasi tidak normal.  Rata-rata dari rata-rata sampel sama dengan rata-rata populasi (µ)  Standar deviasi dari rata-rata sampel sama dengan standar deviasi populasi (σ) dibagi dengan akar jumlah sampel. Dikenal ...

Distribusi Norma Distribusi normal merupakan sebuah fungsi probabilitas yang menunjukkan distribusi atau penyebaran suatu variabel. Fungsi tersebut umumnya dibuktikan oleh sebuah grafik simetris yang disebut kurva lonceng ( bell curve ). Saat menandakan distribusi yang merata, kurva akan memuncak di bagian tengah dan melandai di kedua sisinya dengan nilai yang setara.  Teori distribusi ini dikenal pula dengan istilah Distribusi Gauss ( Gaussian Distribution ). Istilah tersebut mengacu pada Carl Friedrich Gauss, seorang matematikawan asal Jerman yang mengembangkan teori distribusi berisi fungsi eksponensial dua parameter pada periode 1794-1809. Meski demikian, teori awal yang menjadi cikal-bakal fungsi distribusi tersebut sebenarnya mulai dikembangkan oleh Abraham de Moivre pada tahun 1733. Parameter Distribusi Normal Seperti halnya teori distribusi lain dalam statistika probabilitas, bentuk kurva serta nilai peluang distribusi normal ditentukan oleh sejumlah par...

Distribusi normal merupakan sebuah fungsi probabilitas yang menunjukkan distribusi atau penyebaran suatu variabel. Fungsi tersebut umumnya dibuktikan oleh sebuah grafik simetris yang disebut kurva lonceng ( bell curve ). Saat menandakan distribusi yang merata, kurva akan memuncak di bagian tengah dan melandai di kedua sisinya dengan nilai yang setara.  Teori distribusi ini dikenal pula dengan istilah Distribusi Gauss ( Gaussian Distribution ). Istilah tersebut mengacu pada Carl Friedrich Gauss, seorang matematikawan asal Jerman yang mengembangkan teori distribusi berisi fungsi eksponensial dua parameter pada periode 1794-1809. Meski demikian, teori awal yang menjadi cikal-bakal fungsi distribusi tersebut sebenarnya mulai dikembangkan oleh Abraham de Moivre pada tahun 1733. Karakteristik Distribusi Normal Saat menunjukkan nilai penyebaran data, distribusi normal memiliki sejumlah karakteristik utama sebagai berikut: Teori distribusi ini memiliki nilai mean, media...

  Geometrik distribution merupakan suatu discrete probability distribution yang memenuhi kriteria berikut. Percobaan trial akan dilakukan berulang kali sampai mendapatkan outcome sukses. Setiap percobaan trial adalah independent terhadap trials lainnya. Memiliki nilai probability sukses p yang sama untuk setiap trial. Random variabel x merepresentasikan banyak trial yang dilakukan sampai mendapati kondisi sukses. Geometrik distribution, contoh. Diketahui seorang pemain basket sejauh ini mencatat keberhasilan 75% dalam melakukan free throw.Berapa probabilitas pemain tersebut mendapatkan point free throw pertamanya pada pelemparan ketiga atau keempat? Poisson distribution. Poison distribusikan merupakan suatu discrete probability distribution yang memenuhi kriteria berikut. Random variabel x merepresentasikan banyaknya kemunculan suatu event dalam interval waktu tertentu. Nilai probability untuk memunculkan event adalah sama untuk setiap interval. Jumlah kemunculan event pada suatu i...

Nama : Eko Haryadi kelas   : TK19A Npm   : 19316029 Geometric Distribution Percobaan (trial) akan dilakukan berulang kali sampai mendapatkan outcome success. Setiap percobaan (trial) adalah independent terhadap trials lainnya. Memiliki nilai probability success (p) yang sama untuk tiap trial. Random variable x merepresentasikan banyaknya trials yang dilakukan sampai mendapati kondisi success. Geometric Distribution: Formula Geometric Distribution: contoh Diketahui seorang pemain basket sejauh ini mencatat keberhasilan 75% dalam melakukan free throws. Berapa probability pemain tersebut mendapatkan point free throw pertamanya pada pelemparan ketiga atau keempat? Poisson Distribution Poisson Distribution merupakan suatu discrete probability distribution yang memenuhi kriteria berikut: Random variable x merepresentasikan banyaknya kemunculan suatu event dalam interval waktu            tertentu. Nilai probability untuk kemunculan event adalah...

  Nama : Eko Haryadi Kelas  : TK19A Npm   : 19316029 Rangkuman Addition Rule Aturan Penjumlahan Mutually Exclusive Events exclusive events bila A dan B tidak dapat muncul pada waktu yang bersamaan.

  Nama : Eko Haryadi Kelas  : Tk 19 A Npm   : 19316029 Addition Rule Aturan Penjumlahan Mutually Exclusive Events Dua buah events A dan B adalah mutually exclusive events bila A dan B tidak dapat muncul pada waktu yang bersamaan. Mutually Exclusive Events Contoh  The Addition Rule : Contoh 1 Berapa probability mendapatkan kartu 4 atau Ace pada pengambilan kartu secara acak dari tumpukan playing cards (52 kartu)? The Addition Rule : Contoh 2 Berapa probability mendapatkan angka lebih kecil dari 3 atau mendapatkan angka ganjil dari pelemparan dadu enam sisi? The Addition Rule : Contoh 3 Berdasarkan tabel omset penjualan (dalam rentang 3 tahun) berikut ini; berapakah probability untuk seorang sales person menghasilkan omset dengan rentang $75,000 s.d. $124,999 di bulan berikutnya? The Addition Rule : Contoh 4 Rangkuman

  Nama : Eko Haryadi Kelas : TK 19 A Npm   : 19316029 Measure of Position dapat didefinisikan sebagai suatu pengukuran nilai yang digunakan untuk menentukan posisi relatif dari suatu entri data (data point) pada dataset. Quartile adalah nilai yang membagi suatu dataset terurut menjadi empat bagian yang sama.  Terdapat tiga nilai quartile, yaitu: Q1, Q2, dan Q3. Interquartile Range (IQR) adalah measure of Variation (pengukuran keberagaman/sebaran data) dengan menselisihkan nilai quartile ketiga dan quartile pertama. IQR = Q₃ - Q₁ Deteksi Outlier Entri data (data point) pada suatu dataset bisa dikategorikan sebagai outlier bila: Lebih kecil dari Q1-1.5(IQR)  Lebih besar dari Q3+1.5(IQR) Deteksi Outlier dengan IQR: contoh Box and Whisker Plot (Box Plot) Box and Whisker Plot: contoh Percentile (Persentil)   Percentile adalah nilai yang membagi suatu dataset   terurut menjadi 100 bagian yang sama.   Terdapat 99 nilai percentaile, yaitu: P1, P2, …, P99 ...

  Nama : Eko Haryadi Npm : 19316029 Kelas : TK 19 A Pengantar Beberapa karakteristik yang umum digunakan untuk mendeskripsikan data yang kita miliki adalah dengan mencari tahu titik tengah data (center), variasi/sebaran data (variability/spread), dan bentuk data (shape). Ini bisa dicapai bila data yang kita miliki dikelola dengan baik; salah satu cara yang paling mudah untuk mengelola data adalah dengan memanfaat distribusi frekuensi (frequency distribution) Distribusi Frekuensi (Frequency Distribution) Definisi - Distribusi frekuensi adalah bentuk pengelolaan data di mana data dikelompokkan ke dalam beberapa kelas (classes) berdasarkan interval tertentu. - Jumlah kemunculan data untuk tiap kelas akan dihitung dan dikenal sebagai frekuensi dari kelas. Pengantar Beberapa teknik visualisasi data yang akan dipelajari: - Stem and Leaf Plot - Dot Plot - Pie Chart - Bar Plot - Scatter Plot - Time Series Chart - Visualisasi Data dengan Python