inferensi untuk parameter proporsi
DESCRIPTION
statistikaTRANSCRIPT
-
Inferensi untuk Parameter Proporsi (Inferensi untuk Parameter Proporsi (Inferensi untuk Parameter Proporsi (Inferensi untuk Parameter Proporsi (pipipipi))))
-
Jika Parameter pipipipi telah diketahui, maka dapat digunakan untuk menghitung P(x) (lihat rumus Distribusi binomial)
Jika Parameter pipipipi belum diketahui, maka harus dilakukan perhitungan (estimasi parameter)
Salah satu metode mengestimasi parameter adalah Maximum Salah satu metode mengestimasi parameter adalah Maximum Likelihood Estimator (MLE)
Jika dilakukan estimasi parameter, maka selanjutnya dilakukan inferensi. Uji Hipotesis atau Interval Konfidensi
-
Inferensi Terdapat dua cara untuk inferensi parameter pi, yaitu metode
eksak dan metode pendekatan distribusi normal.
Metode eksak digunakan pada sampel kecil
Metode pendekatan distribusi normal digunakan ketika jumlah sampel besar.jumlah sampel besar.
Dalam inferensi statistik, kita mengenal nilai yang merupakan probabilitas kesalahan Tipe I yang biasa disebut dengan tingkat signifikansi.
Untuk menguji hipotesis H0, peneliti menetapkan nilai yang digunakan.
-
P-value.
Nilai terkecil sedemikian hingga dapat menolak H0 disebut P-value.
P-value dapat dihitung berdasarkan distribusi statistiknya. Contoh, dimisalkan pengujian
H0: pi =0.50 melawan H1 : pi > 0.50 Dari 10 pengujian klinik diperoleh sukses sebanyak y=9. Dari 10 pengujian klinik diperoleh sukses sebanyak y=9. Menolak H0 berarti mendukung H1 yaitu lebih dari,
sehinggaP-value = P(Y=9) + P(Y=10) = 0.010 + 0.001
= 0.011.Oleh karena P-value 0.05 pada y = 9 atau 10, hal ini berarti
bahwa H0 akan ditolak.
-
Mid P-value.
tipe lain dari P-value yang disebut sebagai Mid P-value untuk sampel kecil .
contoh untuk y =9 pada n=10 pengulangan dengan hipotesis
H1: > 0.50
Nilai Mid P-value nya adalah
Pvalue = P(9) + P(10) = 0.010 + 0.001 = 0.011.Pvalue = P(9) + P(10) = 0.010 + 0.001 = 0.011.
mid P-value = P(9)/2 + P(10) = 0.010/2 + 0.001 = 0.006.
-
Tabel 1.5. Nilai P-value untuk n=10 pada H0: pi=0.5 vs H1: pi>0.50
Y P(y) P-value Mid P-value 0 0.001 1.000 1.000
1 0.010 0.999 0.994
2 0.044 0.989 0.967
3 0.117 0.945 0.8873 0.117 0.945 0.887
4 0.205 0.828 0.726
5 0.246 0.623 0.500
6 0.205 0.377 0.274
7 0.117 0.172 0.113
8 0.044 0.055 0.033
9 0.010 0.011 0.006
-
Selanjutnya contoh untuk y =9 pada n=10 pengulanganuntuk hopotesis H1: < 0.50
P-value = P(y=0) + P(y=1)+ +P(y=9) = 0.999
Mid P-value = P(y=0) + P(y=1)+ + P(y=9)/2 = 0.994
- Tabel 1.6. Nilai P-value untuk n=10 pada H0: pi=0.5 vs H1: pi
-
Maximum Likelihood Estimator (MLE)
Fungsi MLE distribusi binomial
L(pi) = piy.(1-pi)n-y
Berapa nilai pi yang memaksimumkan fungsi L(pi)?
!)!(!
yynn
Berapa nilai pi yang memaksimumkan fungsi L(pi)?
n
yp ==pi
-
Uji Proporsi dengan Pendekatan
Distribusi Normal
pi=)( pEn
pVar )1()( pipi =
Hipotesis yang akan diuji adalah Hipotesis yang akan diuji adalah H0: = 0
Statistik uji
n
pZ
)1()(
00
0
pipi
pi
=
Statistik Z berdistribusi normal standar
-
Interval Konfidensi Proporsi dengan
Pendekatan Distribusi Normal.
Interval konfidensi untuk parameter pi dengan tingkat kepercayaan 100(1 )% dengan menggunakan pendekatan sampel besar
SEzp .2/ nppSE )1( =
Statistik Wald untuk hipotesis H : = Statistik Wald untuk hipotesis H0: = 0
SEz
)( 0 = )var(=SE
mendekati distribusi normal standar. Sehingga z2 berdistribusi chi kuadrat dengan derajad bebas satu (df=1). Statistik z dinamakan statistik Wald.Perhatikan bahwa p=
-
Statistik rasio likelihood
Statistik rasio likelihood berdistribusi Chi kuadrat dengan df=1.
10log2
LL
L0 adalah nilai fungsi likelihood pada kondisi H0 benar
L1 adalah nilai fungsi likelihood dari penaksir MLE
-
Score Test.
Z mendekati distribusi normal standar.
SEpp
z)( 0
=
nSE )1( 00 pipi =