Keduanya banyak digunakan saat melakukan pengujian hipotesis<\/a> atau membangun interval kepercayaan , namun keduanya sedikit berbeda.<\/span><\/p>\n Berikut rumus masing-masingnya:<\/span><\/p>\n skor t = ( x<\/span> \u2013 \u03bc) \/ (s\/\u221a n<\/span> )<\/strong><\/span><\/p>\n Emas:<\/span><\/p>\n skor-z = ( x<\/span> \u2013 \u03bc) \/ \u03c3<\/strong><\/span><\/p>\n Emas:<\/span><\/p>\n Diagram alur ini menunjukkan kapan Anda harus menggunakan masing-masing, berdasarkan data Anda:<\/span> <\/p>\n Contoh berikut menunjukkan cara menghitung T-score dan Z-score dalam praktiknya.<\/span><\/p>\n Misalkan sebuah restoran menyiapkan hamburger yang mengklaim memiliki berat rata-rata \u03bc = 0,25 pon.<\/span><\/p>\n Misalkan kita mengambil sampel acak n = 20 hamburger dan menemukan bahwa berat rata-rata sampel adalah x<\/span> = 0,22 pon dengan deviasi standar s = 0,05 pon. Lakukan uji hipotesis untuk menentukan apakah berat rata-rata sebenarnya dari semua hamburger yang diproduksi oleh restoran ini sama dengan 0,25 pon.<\/span><\/p>\n Untuk contoh ini, kita akan menggunakan skor-T<\/strong> untuk melakukan uji hipotesis karena tidak satu pun dari dua kondisi berikut ini yang terpenuhi.<\/span><\/p>\n Jadi, kita akan menghitung t-score sebagai berikut:<\/span><\/p>\n Menurut kalkulator skor-T nilai-P<\/a> , nilai-p yang sesuai dengan skor-t ini adalah 0,01481<\/strong> .<\/span><\/p>\n Karena nilai p ini kurang dari 0,05, kami mempunyai cukup bukti untuk mengatakan bahwa berat rata-rata hamburger yang diproduksi di restoran ini tidak sama dengan 0,25 pon.<\/span><\/p>\n Asumsikan sebuah perusahaan memproduksi baterai yang masa pakainya diketahui mengikuti distribusi normal dengan rata-rata \u03bc = 20 jam dan deviasi standar \u03c3 = 5 jam.<\/span><\/p>\n Misalkan kita mengambil sampel acak n = 50 baterai dan menemukan bahwa rata-rata sampelnya adalah x<\/span> = 21 jam. Lakukan uji hipotesis untuk menentukan apakah umur rata-rata sebenarnya dari semua baterai yang diproduksi oleh perusahaan ini sama dengan 20 jam.<\/span><\/p>\n Untuk contoh ini, kita akan menggunakan skor-z<\/strong> untuk melakukan uji hipotesis karena kedua kondisi berikut terpenuhi:<\/span><\/p>\n Jadi, kami akan menghitung skor-z sebagai berikut:<\/span><\/p>\n Menurut kalkulator skor-Z nilai-P, nilai-p yang sesuai dengan skor-z ini adalah 0,84184<\/strong> .<\/span><\/p>\n Karena nilai p ini tidak kurang dari 0,05, kami tidak memiliki cukup bukti untuk mengatakan bahwa umur rata-rata semua baterai yang diproduksi oleh perusahaan ini berbeda dari 20 jam.<\/span><\/p>\n Tutorial berikut menawarkan informasi lebih lanjut tentang skor T dan skor Z:<\/span><\/p>\n Distribusi normal vs distribusi t: apa bedanya?<\/a> Dua istilah yang sering membingungkan mahasiswa pada mata kuliah statistika adalah t-score dan z-score . Keduanya banyak digunakan saat melakukan pengujian hipotesis atau membangun interval kepercayaan , namun keduanya sedikit berbeda. Berikut rumus masing-masingnya: skor t = ( x \u2013 \u03bc) \/ (s\/\u221a n ) Emas: x : mean sampel \u03bc : Rata-rata populasi s […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
\n
![\"Diagram](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/zscore_vs_tscore1.png\")
<\/p>\n Contoh 1: Perhitungan T-Score<\/strong><\/span><\/h3>\n
\n
\n
Contoh 2: Menghitung skor Z<\/strong><\/span><\/h3>\n
\n
\n
Sumber daya tambahan<\/strong><\/span><\/h3>\n
Cara membaca tabel distribusi t<\/a>
Cara membaca tabel Z<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"