Statistik Inferensial

NAMA : MUHAMAD FADILA

NIM : 230321802639

STATISTIK INFERENSIAL

 

Statistik inferensial adalah mata kuliah yang sangat penting dalam ilmu statistik yang membantu kita mengambil kesimpulan atau membuat inferensi tentang populasi berdasarkan data yang kita miliki. Mempelajari berbagai metode dan teknik yang digunakan untuk melakukan pengujian hipotesis, membuat estimasi, dan mengambil keputusan berdasarkan data sampel. Statistik inferensial memiliki peran yang krusial dalam ilmu pengetahuan, penelitian, dan pengambilan keputusan dalam berbagai bidang, dan pemahaman yang baik tentang topik ini akan membekali kita dengan kemampuan analisis yang kuat. Mari kita mulai perjalanan kami dalam memahami statistik inferensial.

Akurasi ketika statistic inferensial digunakan sebagai alat pengukuran

Salah satu ciri khas dari ilmu pengetahuan adalah pengukuran, dan Neyman dan Pearson [1] memberikan cara untuk mendekati pengukuran dengan model probabilitas yang berasal dari situasi statistik inferensial. Mereka menggambarkan tingkat kesalahan tipe 1 dengan parameter-parameter yang dikenal dari distribusi sehingga nilai yang menyimpang dari rata-rata sejumlah tertentu atau lebih bisa dianggap sebagai penyimpangan sejati dengan hanya 5% kemungkinan salah. Dengan tingkat kesalahan tipe 2, mereka dapat menentukan peluang gagal menemukan nilai ini hanya sekitar 10 hingga 20% dari waktu. Dalam melakukan ini, mereka mengembangkan paradigma sehingga mungkin masuk akal untuk menghitung nilai pengukuran mengikuti metode Neyman dan Pearson [1] dalam kondisi yang sesuai. Sebenarnya, Wald [2] menggunakan tes inferensial untuk membuat keputusan dalam proses manufaktur.

 

Dibuatlah sebuah distribusi kontrol dengan distribusi normal yang terdiri dari 1.000.000 nilai, dengan rata-rata sebesar 10 dan deviasi standar sebesar 2. Kemudian, dibuat tiga distribusi eksperimental sehingga perbedaan antara distribusi kontrol dan distribusi eksperimental sesuai dengan salah satu definisi Cohen [3] tentang efek kecil (d = 0,20), sedang (d = 0,50), dan besar (d = 0,80).

Hasil

Dengan tingkat kesalahan sebesar 0,05 untuk tipe 1 dan 0,20 serta 0,01 untuk tipe 2 (80 dan 90% daya),

 

Jika seorang analis mengikuti rekomendasi Neyman dan Pearson [1], mereka akan mendekati pengukuran, tetapi hanya dengan distribusi yang sudah diketahui, dan menerima bahwa setiap ukuran efek yang dihitung dari pendekatan tersebut secara inheren agak diperbesar.

link journal : https://link.springer.com/article/10.1186/s13104-016-2045-z