asumsi kenormalan.ppt
TRANSCRIPT
![Page 1: Asumsi Kenormalan.ppt](https://reader036.vdocuments.mx/reader036/viewer/2022081504/55cf96ba550346d0338d6488/html5/thumbnails/1.jpg)
Asumsi Kenormalan(Normalitas/Distribusi
Normal)
![Page 2: Asumsi Kenormalan.ppt](https://reader036.vdocuments.mx/reader036/viewer/2022081504/55cf96ba550346d0338d6488/html5/thumbnails/2.jpg)
• Sifat dasar :• Berbentuk genta dengan puncak tunggal yang
dapat digambarkan dengan mudah• Nilai rata-rata distribusi normal terletak di
tengah kurva normal• Median dan modus juga terletak di tengah
kurva normal, sehingga rata-rata hitung, median dan modus adalah sama
• Dua sisi kurva normal tidak pernah menyentuh garis horisontal
• Variabel acak kontinu yang mempunyai distribusi berbentuk genta, disebut variabel acak normal.
![Page 3: Asumsi Kenormalan.ppt](https://reader036.vdocuments.mx/reader036/viewer/2022081504/55cf96ba550346d0338d6488/html5/thumbnails/3.jpg)
Bentuk Kurva Distribusi Normal
![Page 4: Asumsi Kenormalan.ppt](https://reader036.vdocuments.mx/reader036/viewer/2022081504/55cf96ba550346d0338d6488/html5/thumbnails/4.jpg)
Regresi normal klasik mengasumsikanBahwa setiap μi didistribusikan secara
normal dengan
• Rata-rata : E (μi) = 0
• Varians : E (μi2) = σ2
• Cov (μi , μj) : E (μi , μj) = 0 i ≠j
![Page 5: Asumsi Kenormalan.ppt](https://reader036.vdocuments.mx/reader036/viewer/2022081504/55cf96ba550346d0338d6488/html5/thumbnails/5.jpg)
Asumsi ini dapat diringkas : μi ~ N(0, σ2),
atau μi didistribusikan sebagai distribusi
normal dengan rata-rata 0 dan varians σ2,sedangkan kovarians (korelasi nol)Berarti dua variabel tersebut independen(bebas).
![Page 6: Asumsi Kenormalan.ppt](https://reader036.vdocuments.mx/reader036/viewer/2022081504/55cf96ba550346d0338d6488/html5/thumbnails/6.jpg)
Teorema Chebyshev
• Sebanyak 68 % pengamatan akan berada dalam kurang lebih 1 standar deviasi di dalam area di bawah kurva normal
• Sebanyak 95.5 % pengamatan akan berada dalam kurang lebih 2 standar deviasi di dalam area di bawah kurva normal
• Sebanyak 99.7 % pengamatan akan berada dalam kurang lebih 3 standar deviasi di dalam area di bawah kurva normal
![Page 7: Asumsi Kenormalan.ppt](https://reader036.vdocuments.mx/reader036/viewer/2022081504/55cf96ba550346d0338d6488/html5/thumbnails/7.jpg)
![Page 8: Asumsi Kenormalan.ppt](https://reader036.vdocuments.mx/reader036/viewer/2022081504/55cf96ba550346d0338d6488/html5/thumbnails/8.jpg)
![Page 9: Asumsi Kenormalan.ppt](https://reader036.vdocuments.mx/reader036/viewer/2022081504/55cf96ba550346d0338d6488/html5/thumbnails/9.jpg)
![Page 10: Asumsi Kenormalan.ppt](https://reader036.vdocuments.mx/reader036/viewer/2022081504/55cf96ba550346d0338d6488/html5/thumbnails/10.jpg)
Pentingnya asumsi kenormalan dalam regresiadalah untuk analisis data, yaitu untukmenghindari kesalahan dalam analisis.
Umumnya,data yang tidak normal – terlalu tinggi atau terlalu rendah dalam distribusi data –harus dikeluarkan sebagai data yang harus dianalisis (bisa diganti dengan data yang lebihnormal)
![Page 11: Asumsi Kenormalan.ppt](https://reader036.vdocuments.mx/reader036/viewer/2022081504/55cf96ba550346d0338d6488/html5/thumbnails/11.jpg)
Linieritas
Sebuah penduga/[enaksir dikatakan sebagaipenaksir linier, bila merupakan suatu fungsilinier dari observasi sampel .
Contoh : rata-rata sampel adalah penaksir linier
nXXXnn
XX
......
121
![Page 12: Asumsi Kenormalan.ppt](https://reader036.vdocuments.mx/reader036/viewer/2022081504/55cf96ba550346d0338d6488/html5/thumbnails/12.jpg)
Linieritas dalam variabelPengertian yang umum tentang linieritas adalahbahwa nilai rata-rata bersyarat dari variabel tak bebas merupakan fungsi linier dari variabel bebas
E(Y│Xi) = B1 + B2Xi atau Yi = B1 + B2Xi + μi
Fungsi non linier : Y = B1 + B2Xi2
Y = B1 + B2(1/Xi)
![Page 13: Asumsi Kenormalan.ppt](https://reader036.vdocuments.mx/reader036/viewer/2022081504/55cf96ba550346d0338d6488/html5/thumbnails/13.jpg)
Penting asumsi asumsi linieritas dalam regresi,Karena yang dibicarakan dalam regresi adalah bentuk linier dalam model.
Dalam metode kuadrat terkecil (ordinary leastsquare/OLS),penaksir parameter harusmempunyai sifat BLUE (Best Linear UnbiasedEstimator/Penaksir Tak Bias Linier Terbaik)