Latihan Soal- Soal
7.5. Latihan Soal- Soal
1. Tentukan model dan asumsi model linier normal
2. Tentukan bentuk biasa (sumasi) maupun matriks dari jumlah kuadrat kesalahan. UNEJ
3. Tuliskan bentuk akhir (dalam bentuk vektor), persamaan iterasi Sko-
Daftar Isi
ring Fisher untuk mengestimasi parameter regresi pada model linier sederhana dengan metode kuadrat terkecil
Judul
4. Tuliskan bentuk akhir (dalam bentuk vektor), persamaan iterasi Sko- ring Fisher untuk mengestimasi parameter regresi pada model linier
sederhana dengan metode likelihood maksimum Hal. 218 dari 5. Jelaskan distribusi penduga likelihood, baik untuk sampel besar mau- 234 pun untuk sampel kecil.
Cari Halaman
Kembali
Layar Penuh
Tutup
Keluar
UNEJ
GLOSARIUM Daftar Isi
Judul
Hal. 219 dari 234
Cari Halaman
Antarmuka Antarmuka (interface) adalah bagian program/alat yang men-
Kembali
jembatani komunikasi antara pengguna dengan komputer, antara alat ukur dengan komputer, dan sejenisnya.
Layar Penuh
Tutup
aov() aov(formula, ...) adalah fungsi untuk melakukan uji anava.
Keluar
B bartlett.test() bartlett.test(x, ...), adalah fungsi untuk melakukan
uji homogenitas varians.
UNEJ
Boxplot tampilah grafis dari kuantil data yang dinyatakan dalam bentuk kotak. Pada Boxplot digambarkan posisi median (Q2), kuantil
Daftar Isi
1(Q1) dan kuantil 3(Q3). Boxplot juga memberi gambaran ada tidaknya pencilan (outlier).
Judul
◭◭ ◭ ◮ D ◮◮ Diagram Pencar (Scattergram) Diagram pencar adalah representasi gra-
Hal. 220 dari 234
fik dari distribusi dua peubah acak yang disajikan dalam bentuk titik-titik dengan koordinat ditentukan oleh nilai observasi pa- sangan peubah acak tadi. Cari Halaman
Kembali
I Interval/Selang Keyakinan Interval/Selang Keyakinan adalah selang yang Layar Penuh
diyakini memuat nilai parameter populasi dengan tingkat peluang tertentu. Tingkat peluang yang banyak dipakai adalah 95% dan Tutup
Keluar
K Keluarga Eksponensial Keluarga Eksponensial adalah distribusi yang meru-
pakan kesatuan (unifikasi) distribusi-distribusi penting yang banyak dipakai seperti antara lain Normal, Gamma, Binomial, Poisson
UNEJ
dalam satu bentuk distribusi.
Daftar Isi
Kontingensi Tabel kontingensi adalah tabel yang memuat pengelompokan n sampel ke dalam dua atau lebih peubah kualitatif. Tabel kontin-
Judul
gensi dapat digunakan untuk memeriksa hubungan antara dua peubah kualitatif.
Hal. 221 dari M 234 Matriks Diagram Pencar Matriks Diagram Pencar (Scatter Plot Matrix)
Cari Halaman
adalah matriks yang menggambarkan diagram pencar lebih dari dua variabel. Pada diagonal biasanya disajikan densitas, his-
togram atau diagram kuantil, sedangkan pada off diagonal dis- Kembali ajikan diagram pencar masing-masing pasangan variabel.
Layar Penuh
Multimodal multimodal adalah distribusi yang memiliki peluang maksi- mum (modus) di lebih dari satu titik. Dengan kata lain distribusi
Tutup
yang memiliki lebih dari satu modus).
Keluar
O Outlier/pencilan Pencilan adalah data yang besarnya menyimpang dari
kelompoknya melebihi batas kewajaran distribusi data.
UNEJ
P Peluang Penutup (Coverage Probability) adalah prosentase banyaknya in- Daftar Isi
terval keyakinan yang memuat nilai parameter yang sebenarnya dalam simulasi.
Judul
Populasi Populasi adalah himpunan semesta dari variabel yang menjadi
perhatian peneliti.
Hal. 222 dari 234
Q QQPlot QQplot atau Plot Kuantil adalah diagram yang menggambarkan
Cari Halaman
hubungan antara quantil teoritis suatu distribusi dengan kuantil riil suatu data. Khusus untuk distribusi normal grafiknya disebut
Kembali
QQnorm.
Layar Penuh
T t.test() t.test(x, y, ...) , adalah fungsi untuk menganalisis beda rata-
Tutup
rata variabel x dan y.
Keluar
U Unimodal Unimodal adalah distribusi yang memiliki peluang maksimum
(modus) di satu titik. Dengan kata lain distribusi yang memiliki satu modus.
UNEJ
Daftar Isi
Judul
Hal. 223 dari 234
Cari Halaman
Kembali
Layar Penuh
Tutup
Keluar
UNEJ
Daftar Isi
Judul
Hal. 224 dari 234
Cari Halaman
Kembali
Layar Penuh
Tutup
Keluar
UNEJ
DAFTAR PUSTAKA
Daftar Isi
Judul
Hal. 225 dari 234
[1] Bowerman,B.L. R.T. Cornell and D.A. Dickey. Linear Statistical Models, an Appplied Approach. Duxbury Press, Boston, 1986.
Cari Halaman
[2] M. Davidian and D.M. Giltinan. Nonlinear Models for Repeated Mea- surement Data. Chapman and Hall, London, 1995.
Kembali
[3] P.J. Diggle, K-Y. Liang and S.L. Zeger. Analysis of Longitudinal Data.
Layar Penuh
Oxford Science Publications, London, 1st edition, 1994. [4] A.J. Dobson. An Introduction to Generalized Linear Models. Chapman Tutup
and Hall, London, 1990.
Keluar
[5] J.J. Faraway.
Practical Regression and Anova Using R.
http://www.stat. Isa.umic.edu/∼faraway/book/, 2002. [6] Filliben.
NIST/SEMATECH e-Handbook of Statistical Meth- ods, chapter Exploratory Data Analysis.
NIST-SEMATEC,
UNEJ
http://www.itl.nist.gov/div898/handbook/eda/eda.htm, 2006.
Maret 2006].
Daftar Isi
[7] J.P. Guilford & B. Fruchter. Fundamental Statistics in Psychology and Education. McGraw Hill, Tokyo, 6th edition, 1978.
Judul
[8] R.V. Hogg and A.T. Craig. Introduction to Mathematical Statistics. Prentice-Hall, Englewood Cliffs, 5th edition, 1995.
[9] N.M. Laird and J.H. Ware. Random effects models for longitudinal data. Hal. 226 dari Biometrics, 38:963–974, 1982. 234
[10] Y. Lee and J.A. Nelder. Hierarchical generalized linear models. J.R. Statist. Soc., 58:619–678, 1996. Cari Halaman
[11] K-Y Liang and S.L. Zeger. Longitudinal data analysis using generalized
Kembali
linear models. Biometrika, 73:13–22, 1986. [12] J.H. Maindonald. Using R for Data Analysis and Graphics An Intro-
Layar Penuh
duction. ANU-Australia, June 2001. [13] P. McCullagh and J.A. Nelder. Generalized Linear Models. Chapman Tutup and Hall, London, 2nd edition, 1989.
Keluar
[14] W. Mendenhall. Introduction to Probability and Statistics. Duxbury, Belmont USA, 5th edition, 1979.
[15] W. Mendenhall. Beginning Statistics A to Z. Duxbury, Belmont USA, 1993.
UNEJ
[16] P.L. Meyer. Introductory Probability and Statistical Applications. Addison-Wisley Pub. Co., Massachusets, 2nd edition, 1970.
Daftar Isi
[17] J.A. Nelder and R.W.M. Wedderburn. Generalized linear models.
Judul
J.R.Statist.Soc., 57:359–407, 1972. [18] Neter J., W. Wasserman and M.H. Kutner. Applied Linear Statistical
Models. Irwin, Illinois, 2nd edition, 1985. Hal. 227 dari [19] G.K. Smyth. Generalized linear models with varying dispersion. J.R. 234 Statist. Soc, 51:47–60, 1989.
Cari Halaman
[20] G.K. Smyth. Partitioned algorithms for maximum likelihood and other nonlinear estimation. Statistics and Computing, 6:201–216, 1996.
Kembali
[21] I M. Tirta. Analysis of Gamma Data with Random Effects. PhD thesis, Department of Mathematics Statistics and Computing Sciences, The
Layar Penuh
University of New England, Armidale, NSW Australia, 1999. [22] I M. Tirta. Buku Panduan Program Statistika R. Penerbit Universitas Tutup Jember, Jember, 2005. ISBN 979-8176-37-5.
Keluar
[23] W.N. Venables and B.D. Ripley. Modern Applied Statistics with S-plus. Springer, New York, 1994.
[24] J. Vezalini.
http://www.r.project.org, 2002.
UNEJ
[25] Wackerly D.D., Mendenhall W. &Scheafer R. L. . Mathematical Statis- tics with Application. Duxbury, Belmont USA, 5th edition, 1996.
Daftar Isi
[26] R.W.M. Wedderburn. Quasi-likelihood functions, generalized linear
models, and the Gauss-Newton method. Biometrika, 61:439–447, 1974. Judul [27] S.L. Zeger and K-Y. Liang. Longitudinal data analysis for discrete and
continuous outcomes. Biometrics, 42:121–130, 1986. Hal. 228 dari [28] V. 234 Zoonekyn. Statistics with R. http://zoonek2.free.fr/
UNIX/48 R/all.html, 2005.
Cari Halaman
Kembali
Layar Penuh
Tutup