Uji kecocokan chi-kuadrat pada kalkulator ti-84


Uji kesesuaian chi-kuadrat digunakan untuk menentukan apakah suatu variabel kategori mengikuti distribusi hipotetis atau tidak.

Tutorial ini menjelaskan cara melakukan uji kecocokan chi-kuadrat pada kalkulator TI-84.

Contoh: Uji kecocokan chi-kuadrat pada kalkulator TI-84

Seorang pemilik toko mengatakan bahwa jumlah pelanggan yang datang ke tokonya sama setiap hari dalam seminggu. Untuk menguji hipotesis ini, seorang peneliti independen mencatat jumlah pelanggan yang datang ke toko pada minggu tertentu dan menemukan hal berikut:

  • Senin: 50 pelanggan
  • Selasa: 60 pelanggan
  • Rabu: 40 pelanggan
  • Kamis: 47 pelanggan
  • Jumat: 53 pelanggan

Kami akan menggunakan langkah-langkah berikut untuk melakukan uji kesesuaian chi-kuadrat untuk menentukan apakah data konsisten dengan klaim pemilik toko.

Langkah 1: Masukkan datanya.

Pertama, kita akan memasukkan nilai data untuk jumlah pelanggan yang diharapkan setiap hari dan jumlah pelanggan yang diamati setiap hari. Tekan Stat lalu tekan EDIT . Masukkan nilai berikut untuk jumlah pelanggan yang diamati di kolom L1 dan nilai jumlah pelanggan yang diharapkan di kolom L2:

Nilai mentah di kalkulator TI-84

Catatan: Total ada 250 pelanggan. Jadi, jika pemilik toko mengharapkan jumlah pelanggan yang sama masuk ke tokonya setiap hari, maka jumlah tersebut akan menjadi 50 pelanggan per hari.

Langkah 2: Lakukan uji kecocokan chi-kuadrat.

Selanjutnya, kita akan melakukan uji kesesuaian chi-kuadrat. Tekan Stat lalu gulir ke TESTS . Kemudian gulir ke bawah ke X 2 GOF-Test dan tekan Enter .

Uji kecocokan chi-kuadrat pada kalkulator TI-84

Untuk Observed , pilih daftar L1. Untuk Expected , pilih daftar L2. Untuk df (derajat kebebasan), masukkan #categories – 1. Dalam kasus kita, kita memiliki 5-1 = 4. Kemudian sorot Hitung dan tekan Enter .

Uji kecocokan chi-kuadrat pada kalkulator TI-84

Output berikut akan muncul secara otomatis:

Hasil uji kecocokan chi-kuadrat pada kalkulator TI-84

Langkah 3: Interpretasikan hasilnya.

Statistik uji X2 untuk tes ini adalah 4,36 dan nilai p yang sesuai adalah 0,3595 . Karena nilai p ini tidak kurang dari 0,05, kita gagal menolak hipotesis nol. Artinya, kami tidak memiliki cukup bukti untuk mengatakan bahwa sebaran pelanggan sebenarnya berbeda dengan yang dilaporkan oleh pemilik toko.

Tambahkan komentar

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *