You are on page 1of 61

JTW 123/125

Statistik Perniagaan
Kursus Intensif
BAB 8: Penganggaran selang
keyakinan
BAB 9: Asas pengujian hipotesis:
ujian satu sampel
27 Januari 2014; 10am-12pm

Objektif pelajaran
Membina anggaran selang keyakinan
untuk min dan perkadaran.
Mentafsir anggaran selang keyakinan
untuk min dan perkadaran.

Perbezaan antara anggaran


titik dan anggaran selang

Anggaran titik adalah satu nombor tunggal

Anggaran selang memberikan maklumat


tambahan mengenai kebolehubahan
(variability) selang tersebut

Had atas

Had bawah

Anggaran titik
Lebar selang
keyakinan

Anggaran titik

Kita boleh menganggarkan


parameter populasi

Min
Perkadaran

Dengan sampel
statistik (satu
anggaran titik)

Selang keyakinan

Suatu anggaran selang memberikan lebih


banyak maklumat mengenai ciri-ciri populasi
berbanding anggaran titik.

Anggaran selang ini dinamakan selang


keyakinan.

Anggaran selang keyakinan

Selang memberikan satu julat nilai:

Berdasarkan pemerhatian dari 1 sampel

Dinyatakan dalam bentuk paras keyakinan

Contoh, 95% yakin, 99% yakin

Tidak boleh 100% yakin

Contoh selang keyakinan


Populasi dengan = 368 and = 15.
Sekiranya anda mengambil sampel dengan
saiz n = 25, gunakan paras keyakinan 95%, anda
dapat:
368 1.96 * 15 / 25 = (362.12, 373.88)

Contoh selang keyakinan


Had
atas

mengandungi
=368?

# Sampel

Had
bawah

362.30

356.42

368.18

Ya

369.50

363.62

375.38

Ya

360.00

354.12

365.88

Tidak

362.12

356.24

368.00

Ya

373.88

368.00

379.76

Ya

Contoh selang keyakinan

Dalam praktis, anda hanya akan mengambil


satu sampel dengan saiz n
Anda tidak tahu , maka anda juga tidak tahu
sama ada selang tersebut mengandungi
Walau bagaimanapun, anda tahu 95% daripada
selang yang terbentuk dengan cara ini akan
mengandungi

Contoh selang keyakinan

Maka, berdasarkan satu sampel yang anda


pilih, anda boleh 95% yakin bahawa selang
anda akan mengandungi (ini adalah satu
selang keyakinan 95%)

Formula am

Formula am untuk semua selang


keyakinan adalah:

Anggaran titik (Nilai kritikal)(Ralat piawai)


Anggaran titik adalah statistik sampel yang menganggarkan
parameter populasi
Nilai kritikal adalah nilai jadual berdasarkan taburan
persampelan anggaran titik dan paras keyakinan yang
dikehendaki
Ralat piawai adalah sisihan piawai anggaran titik

Paras keyakinan, (1-)

Katakan paras keyakinan = 95%


Juga boleh ditulis sebagai (1 - ) = 0.95,
(maka = 0.05)
Dalam pembentukan selang keyakinan, kita
gunakan /2
Maka, untuk paras keyakinan 95%, /2 =
0.025. Berdasarkan jadual E.2, nilai Z yang
memberikan keluasan di bawah keluk=0.025
adalah 1.96.

Selang keyakinan
Selang
Keyakinan

Min populasi

diketahui

tidak
diketahui

Perkadaran
populasi

Selang keyakinan untuk


( diketahui)

Andaian
Sisihan piawai populasi diketahui
Populasi bertaburan normal
Jika populasi tidak normal, guna sampel yang besar

Anggaran selang keyakinan:

X Z /2
X
Z/2
/ n

adalah anggaran titik


adalah nilai kritikal taburan normal untuk kebarangkalian /2 di setiap
ekor
adalah ralat piawai

Mencari nilai kritikal, Z/2

Z /2 = 1.96

Pertimbangkan selang keyakinan 95% :


1 = 0.95 so = 0.05

= 0.025
2
Z units:
X units:

= 0.025
2

Z/2 = -1.96
Had bawah

0
Anggaran titik

Z/2 = 1.96
Had atas

Paras keyakinan umum

Paras keyakinan yang biasa digunakan


adalah 90%, 95%, and 99%
Confidence
Level
80%
90%
95%
98%
99%
99.8%
99.9%

Confidence
Coefficient,

Z/2 value

0.80
0.90
0.95
0.98
0.99
0.998
0.999

1.28
1.645
1.96
2.33
2.575
3.08
3.27

Selang keyakinan untuk


( tidak diketahui)

Sekiranya sisihan piawai populasi tidak


diketahui, kita akan menggantikannya
dengan sisihan piawai sampel, S.

Langkah ini memperkenalkan


ketidakpastian tambahan
memandangkan S berubah-ubah dari
sampel ke sampel.

Oleh yang demikian, kita akan gunakan


taburan t.

Selang keyakinan untuk


( tidak diketahui)

Anggaran selang keyakinan:

X t / 2

S
n

(t/2 adalah nilai kritikal taburan t dengan darjah


kebebasan n -1 dan keluasan di bawah keluk
dengan /2 di setiap ekor)
Nota: boleh gunakan taburan Z sekiranya n 30.

Darjah kebebasan (df)


Bilangan pemerhatian yang bebas berubah selepas
min sampel telah dikira
Contoh: Katakan min untuk 3 nombor adalah 8.0
Biar X1 = 7
Biar X2 = 8
Apakah X3?

Jika min nilai-nilai ini adalah


8.0,
Maka X3 mestilah 9
(iaitu, X3 adalah tidak bebas
untuk berubah)

Di sini, n = 3, maka darjah kebebasan = n 1 = 3 1 = 2


(2 nilai boleh jadi sebarang nombor, tetapi yang ketiga tidak
bebas untuk berubah untuk satu min yang diberikan)

Taburan t
Nota: t
Z apabila n
meningkat
Normal
piawai
(t with df = )
t (df = 13)
Taburan t adalah berbentuk
loceng dan simetri, tetapi
mempunyai ekor yang
lebih gemuk berbanding
normal

t (df = 5)

Jadual t
Upper Tail Area
df

.10

.05

.025

1 3.078 6.314 12.706

Let: n = 3
df = n - 1 = 2
= 0.10
/2 = 0.05

2 1.886 2.920 4.303


3 1.638 2.353

/2 = 0.05

3.182

The body of the table


contains t values, not
probabilities

2.920 t

Contoh
Satu sampel rawak n = 25 mempunyai X = 50 dan
S = 8. Binakan selang keyakinan 95% untuk

d.f. = n 1 = 24, maka t /2 = t 0.025 = 2.0639

Selang keyakinan tersebut adalah

X t /2

= 50 (2.0639)

46.698 53.302

8
25

Tafsiran selang keyakinan


46.698 53.302

Kita adalah 95% yakin bahawa min populasi


adalah antara 46.698 dan 53.302.

Selang keyakinan untuk


perkadaran populasi,

Had atas dan bawah untuk perkadaran populasi


dikira dengan formula

p(1 p)
p Z /2
n

Z/2 adalah nilai normal piawai untuk paras keyakinan yang


dikehendaki
p adalah perkadaran sampel
n adalah saiz sampel

Nota: pastikan np 5 dan n(1 p) 5, jika tidak, kena guna


taburan binomial

Contoh

Satu sampel rawak 100 orang


menunjukkan 25 orang adalah kidal.
Binakan selang keyakinan 95% untuk
perkadaran sebenar orang yang kidal.

np

Pastikan
sampel
adalah cukup
besar

= 100 * 0.25 = 25 > 5 & n(1-p) = 100 * 0.75 = 75 > 5

p Z/2 p(1 p)/n


= 25/100 1.96 0.25(0.75)/100

= 0.25 1.96 (0.0433)


0.1651 0.3349

Tafsiran selang keyakinan

Kita adalah 95% yakin bahawa perkadaran


sebenar orang yang kidal dalam populasi
adalah antara 16.51% dan 33.49%.

Tamat bab 8

BAB 9: Asas pengujian


hipotesis: Ujian satu sampel

Objektif pelajaran

Menyatakan prinsip-prinsip asas pengujian


hipotesis

Menggunakan pengujian hipotesis untuk


menguji min atau perkadaran

Andaian setiap prosedur pengujian hipotesis,


cara menilai mereka dan akibatnya sekiranya
andaian tersebut dilanggar

Apakah hipotesis?

Hipotesis adalah satu tuntutan


mengenai parameter
populasi:

Min populasi
Contoh: Min bulanan bil telefon bimbit di
bandar ini adalah = RM42

Perkadaran populasi
Contoh: Perkadaran orang dewasa di
bandar ini yang mempunyai telefon bimbit
adalah = 0.68

Hipotesis nol, H0

Menyatakan tuntutan atau dakwaan yang akan diuji

Contoh: Purata diameter bolt yang dihasilkan


adalah 30mm ( H 0 : = 30 )

Adalah sentiasa mengenai parameter


populasi dan bukannya statistik sampel

H 0 : = 30

H 0 : X = 30

Hipotesis nol, H0

Mula dengan andaian bahawa hipotesis nol


adalah benar
Serupa dengan tanggapan bahawa
seseorang itu tidak bersalah sehingga
dibuktikan sebaliknya

Nol sentiasa mengandungi simbol =


Mungkin ditolak atau tidak akan ditolak

Hipotesis alternatif, H1

Adalah bertentangan dengan hipotesis nol

cth., Purata diameter bolt yang dihasilkan tidak


bersamaan dengan 30mm ( H1: 30 )

Alternatif tidak mempunyai simbol =


Boleh atau tidak boleh dibuktikan
Biasanya merupakan hipotesis yang cuba
dibuktikan oleh penyelidik

Ujian statistik dan nilai kritikal


Taburan persampelan ujian statistik

Kawasan
penolakan

Kawasan
bukan
penolakan

Kawasan
penolakan

Nilai kritikal

Terlalu jauh daripada min taburan persampelan

Kesilapan yang mungkin dalam proses


membuat keputusan ujian hipotesis

Ralat jenis I
Menolak hipotesis nol yang benar
Dianggap sebagai jenis kesilapan yang serius
Kebarangkalian ralat jenis I adalah

Dipanggil sebagai aras keertian ujian

Ditetapkan oleh penyelidik terlebih dahulu

Ralat jenis II
Kegagalan menolak hipotesis nol yang palsu
Kebarangkalian ralat jenis II adalah

Kesilapan yang mungkin dalam proses


membuat keputusan ujian hipotesis

Pekali keyakinan (1-) adalah kebarangkalian


tidak menolak H0 apabila ianya adalah benar.

Paras keyakinan suatu ujian hipotesis adalah


(1-)*100%.

Kuasa ujian statistik (1-) adalah


kebarangkalian menolak H0 apabila ianya
adalah palsu.

Hubungan ralat I & II


Tidak boleh berlaku pada masa yang sama
Ralat I hanya boleh berlaku apabila H0 adalah
benar

Ralat II hanya boleh berlaku apabila H0 adalah


palsu

Apabila kebarangkalian ralat I ()


kebarangkalian ralat II ()

Faktor mempengaruhi ralat jenis II

Segalanya sama,

apabila berbezaan antara hipotesis


parameter dan nilai sebenar

apabila

apabila

apabila

Ujian hipotesis untuk min


Ujian hipotesis
untuk
diketahui
(ujian Z)

tidak diketahui
(ujian t)

6 langkah dalam pengujian


hipotesis
1.

Nyatakan hipotesis nol, H0 dan hipotesis


alternatif, H1

2.

Pilih paras keyakinan, ,

3.

Tentukan ujian statistik yang bersesuaian

4.

Tentukan nilai kritikal dan kawasan yang


membahagikan kawasan penolakan dari
kawasan bukan penolakan

5.

Keputusan

6.

Kesimpulan

Contoh
Ujikan dakwaan bahawa min sebenar diameter
bolt yang dihasilkan adalah 30mm.
(Andaikan = 0.8, = 0.05, X = 29.84 dan n = 100)
1. H0: = 30
H1: 30 (ini adalah ujian 2 ekor)
2. = 0.05
3. diketahui, maka ujian Z digunakan
ZSTAT =

.16
X
29.84 30
=
=
= 2.0

0.8
0.08
n
100

4. Nilai kritikal Z/2 = Z0.025 = 1.96

Contoh
5. Keputusan: Tolak H0 jika ZSTAT < -1.96 atau ZSTAT >
1.96
Oleh kerana ZSTAT = -2.0 < -1.96, maka tolak H0
6. Kesimpulan: Terdapat bukti yang mencukupi untuk
menyatakan bahawa min diameter bolt yang
dikeluarkan tidak bersamaan dengan 30mm.

Pendekatan nilai p untuk pengujian: tafsiran

Bandingkan nilai p dengan

Jika p-value < , tolak H0

Jika p-value , gagal tolak H0

Contoh
Ujikan dakwaan bahawa min sebenar diameter
bolt yang dihasilkan adalah 30mm.
(Andaikan = 0.8, = 0.05, X = 29.84 dan n = 100)
1. H0: = 30
H1: 30 (ini adalah ujian 2 ekor)
2. = 0.05
3. diketahui, maka ujian Z digunakan
ZSTAT =

.16
X
29.84 30
=
=
= 2.0

0.8
0.08
n
100

3. (bersambung) Mengira nilai p.

P(Z > 2.0) = 0.0228

P(Z < -2.0) = 0.0228

0
-2.0

2.0

p-value = 0.0228 + 0.0228 = 0.0456

4. Keputusan: Tolak H0 jika nilai p <

Oleh kerana nilai p = 0.0456 < = 0.05, maka tolak


H0

5. Kesimpulan: Terdapat bukti yang mencukupi


untuk menyatakan bahawa min diameter bolt
yang dikeluarkan tidak bersamaan dengan
30mm pada aras keertian 0.05.

Kaitan antara ujian dua ekor


dengan selang keyakinan

Untuk X = 29.84, = 0.8 dan n = 100, selang keyakinan


95% adalah:

0.8
0.8
29.84 - (1.96)
to 29.84 + (1.96)
100
100
29.6832 29.9968

Memandangkan selang ini tidak mengandungi hipotesis


min (30), kita tolak hipotesis nol pada = 0.05

Ujian t hipotesis untuk min ( tidak


diketahui)
Hypothesis
Tests for
Known
Known
(Z test)

Unknown
Unknown
(t test)
The test statistic is:

t STAT

X
=
S
n

Contoh: ujian 2 ekor ( tidak diketahui)


Purata kos untuk satu bilik hotel
di KL dikatakan adalah RM168
satu malam. Untuk menentukan
sama ada dakwaan ini adalah
benar, satu sampel rawak 25
hotel diambil dan didapati X =
RM172.50 dan S = RM15.40. Uji
hipotesis yang sesuai pada =
0.05.

H0: ______
H1: ______

Contoh penyelesaian: ikut 6 langkah


untuk pengujian hipotesis
H0: = 168
H1: 168
= 0.05
n = 25, df = 25-1=24
tidak diketahui,
guna statistik t
Nilai kritikal:
t24,0.025 = 2.0639

/2=.025

/2=.025

Reject H0

-t 24,0.025
-2.0639

t STAT =

Do not reject H0

Reject H0

1.46

t 24,0.025
2.0639

172.50 168
X
=
= 1.46
15.40
S
n

25

Gagal tolak H0: Tiada bukti yang mencukupi


untuk menyatakan bahawa min kos sebenar
adalah berbeza daripada RM168 pada aras
keertian 0.05.

Ujian satu ekor

Dalam kebanyakan kes, hipotesis alternatif


memberi tumpuan pada arah tertentu
H0: 3
H1: < 3
H0: 3
H1: > 3

Ini adalah ujian bawah ekor (lowertail test) memandangkan hipotesis


alternatif tertumpu pada bahagian
ekor di bawah min = 3
Ini adalah ujian atas ekor (upper-tail
test) memandangkan hipotesis
alternatif tertumpu pada bahagian
ekor di atas min = 3

Ujian bawah ekor


H0: 3

Hanya ada satu nilai


kritikal kerana
kawasan penolakan
cuma di satu hujung

H1: < 3

Reject H0

-Z or -t

Do not reject H0

Nilai kritikal

Z or t
X

Ujian atas ekor

Hanya ada satu nilai


kritikal kerana
kawasan penolakan
cuma di satu hujung

Z or t
_
X

H0: 3
H1: > 3

Do not reject H0

Reject H0

Z or t

Nilai kritikal

Contoh: ujian t atas ekor untuk


min ( tidak diketahui)
Seorang pengurus syarikat telefon
berpendapat bahawa bil bulanan telefon
pelanggan telah meningkat kepada purata
lebih dari RM52 sebulan. Syarikat tersebut
ingin menguji dakwaan ini. Gunakan = 0.1.

H0: 52

purata bil tidak melebihi RM52 sebulan

H1: > 52

purata bil melebihi RM52 sebulan

Andaikan satu sampel diambil dan keputusan


berikut diperolehi:
n = 25, X = 53.1, and S = 10

Ujian statistik:

t STAT

X
53.1 52
=
=
= 0.55
S
10
n
25

Reject H0

= 0.10

Do not reject H0

1.318
0
tSTAT = 0.55

Reject H0

Gagal tolak H0 memandangkan tSTAT = 0.55


1.318
Tiada bukti yang mencukupi untuk menyatakan
bahawa purata bil adalah melebihi RM52.

Perkadaran

Perkadaran sampel berkepentingan ditandakan


dengan p
X number in category of interest in sample
p=
=
n
sample size

Apabila kedua-dua X (np) dan n X [n(1-p)]


adalah sekurang-kurangnya 5, p boleh
dianggarkan dengan taburan normal dengan
min dan sisihan piawai:

p =

p =

(1 )
n

Ujian hipotesis untuk perkadaran

The sampling
distribution of p is
approximately
normal, so the test
statistic is a ZSTAT
value:

ZSTAT =

p
(1 )
n

Hypothesis
Tests for p
X5
and
nX5

X<5
or
nX<5
Not discussed
in this chapter

Ujian Z untuk perkadaran


Sebuah syarikat
pemasaran mendakwa
bahawa ia menerima
maklum balas sebanyak
8% daripada mereka
yang ditinjau. Untuk
menguji dakwaan ini,
satu sampel rawak 500
dikaji dan 25 maklum
balas diterima. Uji pada
aras keeertian = 0.05

Check:
X = 25
n-X = 475

Ujian Z untuk perkadaran: penyelesaian


Ujian statistik:

H0: = 0.08
H1: 0.08

ZSTAT =

= 0.05
n = 500, p = 0.05
Nilai kritikal: 1.96
Reject

Reject

.025

.025
-1.96

-2.47

1.96

p
(1 )
n

.05 .08
.08(1 .08)
500

= 2.47

Keputusan:
Oleh kerana ZSTAT = -2.47 < 1.96, maka tolak H0
Kesimpulan:
Terdapat bukti yang
mencukupi untuk menolak
dakwaan syarikat bahawa
kadar respons adalah 8%
pada aras keertian 0.05.

Penyelesaian nilai p
Mengira nilai p dan bandingkan dengan
(untuk ujian 2 ekor, nilai p juga sentiasa 2 ekor)
Do not reject H0

Reject H0
/2 = .025

Reject H0

p-value = 0.0136:

/2 = .025

P(Z 2.47) + P(Z 2.47)


0.0068

0.0068
-1.96

Z = -2.47

= 2(0.0068) = 0.0136

1.96
Z = 2.47

Tolak H0 kerana p-value = 0.0136 < = 0.05

Tamat bab 9

Sekian, terima kasih.

You might also like