Inferensia Vektor Rata Rata siswa
Inferensia Vektor Rata-Rata
Ukuran Contoh Besar ( n-p besar )
B. Perbandingan Beberapa Rata-Rata Peubah Ganda
I. Perbandingan Data Berpasangan
Misalkan :
X1ij : peubah ke-i dengan perlakuan I
X2ij : peubah ke-i dengan perlakuan II
i = 1,2,3, …,p ; j = 1,2, 3, …,n
Dij = X1ij - X2ij : perbedaan dari pasangan peubah2 acak
Dj’ = [ D1j D2j D3j …. Dpj ] : vektor acak dari perbedaan2
E (Dj) = δ
Asumsi :
Cov(Dj) = ∑d
Dj ~ Np( δ , ∑d )
II. Perbandingan Perlakuan (treatment) dari
Pengukuran Berulang (repeated measures)
a. Pengujian Hipotesis (Hypothesis Testing)
Asumsi :
Xqx1 ~ Nq( μ , Σ )
q: banyaknya perlakuan
Hipotesis Statistik: Ho: Cμ = 0
H1: Cμ ≠ 0
C: matriks kontras
x
x
x
C. Perbandingan Vektor Rata-Rata dari
Dua Populasi Independen
I. Pengujian Hipotesis (Hypothesis Testing)
Asumsi :
XI ~ Np ( μI , ΣI )
XII ~ Np ( μII , ΣII )
Hipotesis Statistik:
Ho: μI – μII = δo
H1: μI – μII ≠ δo
1. Asumsi : ΣI = ΣII = Σ tidak diketahui nilainya
Σ = Sg =
Sg : matriks ragam-peragam sampel gabungan
(pooled) dari kedua populasi
SI dan SII : matriks ragam peragam sampel dari
populasi I dan populasi II
x x
x x
x x
III. Selang Kepercayaan (Confidence Interval)
1. Selang Kepercayaan simultan (μIi – μIIi) pada (1- α)100%:
ℓ’ (
x I - x II)
± √ c2 ℓ’ (1/nI + 1/nII) Sg ℓ
2. Selang Kepercayaan simultan (μIi – μIIi) pada (1- α)100%:
( Metode Bonferroni )
ℓ’ ( x I - x II) ± t α/2p;nI+nII-2 √ ℓ’ (1/nI + 1/nII) Sg ℓ
2. Asumsi : ΣI ≠ ΣII dan tidak diketahui nilainya
Gunakan ukuran contoh besar : (nI – p) dan (nII – p) besar
*) Statistik Uji :
( x I - xII – δo)’ [1/nI SI + 1/nII SII]-1 ( x I - x II – δo) ~ χ2p
Tolak Ho , terima H1 : μI – μII ≠ δo jika :
nilai statistik uji
>
χ2α ;p
Apabila Ho tidak ditolak, dapat diartikan bahwa pada tingkat
kepercayaan sebesar (1- α)100% vektor (μI – μII) = δo
berada dalam wilayah ellipse.
*) Selang Kepercayaan simultan (μIi – μIIi) pada (1- α)100%:
ℓ’ (
x I - xII )
± √ χ2α ;p ℓ’ (1/nI SI + 1/nII SII) ℓ
Untuk penggunaan sampel yang sama besar dari masing-masing
populasi : nI = nII = n
*) Statistik Uji :
[( xI - xII ) – δo]’ [(2/n) Sg]-1 [( x I -
xII) – δo]
Tolak Ho , terima H1 : μI – μII ≠ δo jika :
nilai statistik uji
>
χ2α ;p
~ χ2p
Ukuran Contoh Besar ( n-p besar )
B. Perbandingan Beberapa Rata-Rata Peubah Ganda
I. Perbandingan Data Berpasangan
Misalkan :
X1ij : peubah ke-i dengan perlakuan I
X2ij : peubah ke-i dengan perlakuan II
i = 1,2,3, …,p ; j = 1,2, 3, …,n
Dij = X1ij - X2ij : perbedaan dari pasangan peubah2 acak
Dj’ = [ D1j D2j D3j …. Dpj ] : vektor acak dari perbedaan2
E (Dj) = δ
Asumsi :
Cov(Dj) = ∑d
Dj ~ Np( δ , ∑d )
II. Perbandingan Perlakuan (treatment) dari
Pengukuran Berulang (repeated measures)
a. Pengujian Hipotesis (Hypothesis Testing)
Asumsi :
Xqx1 ~ Nq( μ , Σ )
q: banyaknya perlakuan
Hipotesis Statistik: Ho: Cμ = 0
H1: Cμ ≠ 0
C: matriks kontras
x
x
x
C. Perbandingan Vektor Rata-Rata dari
Dua Populasi Independen
I. Pengujian Hipotesis (Hypothesis Testing)
Asumsi :
XI ~ Np ( μI , ΣI )
XII ~ Np ( μII , ΣII )
Hipotesis Statistik:
Ho: μI – μII = δo
H1: μI – μII ≠ δo
1. Asumsi : ΣI = ΣII = Σ tidak diketahui nilainya
Σ = Sg =
Sg : matriks ragam-peragam sampel gabungan
(pooled) dari kedua populasi
SI dan SII : matriks ragam peragam sampel dari
populasi I dan populasi II
x x
x x
x x
III. Selang Kepercayaan (Confidence Interval)
1. Selang Kepercayaan simultan (μIi – μIIi) pada (1- α)100%:
ℓ’ (
x I - x II)
± √ c2 ℓ’ (1/nI + 1/nII) Sg ℓ
2. Selang Kepercayaan simultan (μIi – μIIi) pada (1- α)100%:
( Metode Bonferroni )
ℓ’ ( x I - x II) ± t α/2p;nI+nII-2 √ ℓ’ (1/nI + 1/nII) Sg ℓ
2. Asumsi : ΣI ≠ ΣII dan tidak diketahui nilainya
Gunakan ukuran contoh besar : (nI – p) dan (nII – p) besar
*) Statistik Uji :
( x I - xII – δo)’ [1/nI SI + 1/nII SII]-1 ( x I - x II – δo) ~ χ2p
Tolak Ho , terima H1 : μI – μII ≠ δo jika :
nilai statistik uji
>
χ2α ;p
Apabila Ho tidak ditolak, dapat diartikan bahwa pada tingkat
kepercayaan sebesar (1- α)100% vektor (μI – μII) = δo
berada dalam wilayah ellipse.
*) Selang Kepercayaan simultan (μIi – μIIi) pada (1- α)100%:
ℓ’ (
x I - xII )
± √ χ2α ;p ℓ’ (1/nI SI + 1/nII SII) ℓ
Untuk penggunaan sampel yang sama besar dari masing-masing
populasi : nI = nII = n
*) Statistik Uji :
[( xI - xII ) – δo]’ [(2/n) Sg]-1 [( x I -
xII) – δo]
Tolak Ho , terima H1 : μI – μII ≠ δo jika :
nilai statistik uji
>
χ2α ;p
~ χ2p