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