Apakah Saya Harus Khawatir tentang Kesalahan?
DiperkenalkanDua puluh apel meninggalkan pertanyaan populasi
- Sampel acak fiktif dari dua puluh apel memiliki massa rata-rata 150 g dan simpangan baku sampel 12 g. Targetnya adalah massa rata-rata apel dalam populasi yang diambil sampelnya.
- Sampel acak lain dapat memiliki rata-rata yang berbeda. Rata-rata sampel bisa saja kebetulan sama dengan rata-rata populasi, tetapi kesamaan ini tidak ditetapkan oleh sampel ini.
Rata-rata sampel tidak mungkin terjadi sama persis dengan rata-rata populasi.
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Kesetaraan itu mungkin; hal ini tidak terjamin atau ditetapkan hanya dengan mengamati rata-rata sampel.
Pisahkan variabilitas sampling dari kesalahan data
- Variabilitas sampling adalah variasi alami antara sampel yang valid. Massa yang salah ketik atau metode pengambilan sampel yang bias merupakan masalah yang berbeda.
- Rumus ketidakpastian tidak memperbaiki pengukuran yang salah atau sampel yang hanya dikumpulkan dari apel-apel terbesar.
Inferensi untuk rata-rata menggunakan distribusi t (bukan z) utamanya karena...
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Mengestimasi σ dengan s menambah ketidakpastian → gunakan t.
Cocokkan masalah dengan interpretasinya.
Difficulty 2/5 · 140 coins + a small bonus on first completion today
Model inferensi memodelkan variabilitas pengambilan sampel; model ini tidak memperbaiki data yang rusak atau dikumpulkan secara selektif.
Perkirakan rentang atau evaluasi klaim
- Interval kepercayaan memperkirakan nilai-nilai yang mungkin untuk rata-rata populasi berdasarkan asumsinya. Uji signifikansi mengevaluasi klaim nol yang ditentukan.
- Pilih populasi dan pertanyaan sebelum perhitungan. Penugasan acak dapat mendukung perbandingan kausal tanpa membuat peserta representatif dari setiap populasi.
Variabilitas sampling adalah kesalahan dalam pengumpulan data yang harus diperbaiki.
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Variabilitas adalah alamiah dan terkuantisasi — bukan kelalaian.
Mengapa estimasi sigma mengubah kurva referensi
- Dalam prosedur t ini, simpangan baku populasi $\sigma$ tidak diketahui. Simpangan baku sampel $s$ mengestimasi hal tersebut.
- Statistik terstandarisasi $(\bar x-\mu)/(s/\sqrt n)$ memiliki distribusi Student t dengan $n-1$ derajat kebebasan untuk observasi independen dari populasi normal.
Pada df = 19, kurva t sudah mendekati normal di bagian tengahnya, namun area ekornya masih berbeda. Pada df = 3, ekor yang lebih tebal lebih terlihat.
Dibandingkan dengan normal, distribusi t memiliki...
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Ekor lebih tebal mencerminkan ketidakpastian tambahan dari estimasi σ.
Untuk n = 16 dan SD sampel 12 g, hitung estimasi standar error rata-rata dalam satuan gram.
Difficulty 2/5 · 140 coins + a small bonus on first completion today
12/sqrt(16) = 3 g.
Baca ekor yang lebih tebal dengan benar
- Dengan dua puluh observasi, distribusi referensi memiliki 19 derajat kebebasan. Distribusi ini memiliki lebih banyak probabilitas di ekornya dibandingkan distribusi normal standar.
- Seiring bertambahnya derajat kebebasan, kurva t mendekati kurva normal standar. Kurva normal yang diberi label t tidak menunjukkan perbedaan ini.
Kurva referensi, derajat kebebasan, dan aturan ekor harus sesuai dengan prosedur yang dipilih.
Inferensi untuk rata-rata menggunakan dua alat yang sama seperti inferensi untuk proporsi: interval dan uji.
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Keduanya mengkuantisasi ketidakpastian melalui interval dan uji.
Gunakan model beserta kondisinya
- Untuk populasi non-normal, metode t dapat menjadi pendekatan yang berguna ketika sampel cukup besar dan tidak didominasi oleh observasi ekstrem.
- Periksa desain acak, independensi, dan bentuk data. Kurva referensi t memperhitungkan estimasi variabilitas; namun tidak dapat mengkompensasi setiap masalah desain atau distribusi.
Untuk populasi yang tidak normal, metode t dapat menjadi pendekatan yang berguna ketika sampel cukup besar dan tidak didominasi oleh pengamatan ekstrem.
Ketika σ tidak diketahui, inferensi rata-rata menggunakan distribusi ___- (satu huruf).
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Distribusi t menangani σ yang tidak diketahui.