Malam ni kena jaga baby..... wife nak siapkan research dia...... Nine pulak dah nak berdiri terpaksalah duduk dekat2 takut jatuh..... Sambil tu curi2 menaip blog ini....Anda yang buat research jangan pulak curi2 tengok TV..... tak siap ler assignment. Kena ada passion dalam memahami apa juga berkaitan dengan kajian anda..... baru ler jadik!!
Saya masih menyentuh soal kenormalan data, kerana konsep asas ini tidak dihiraukan oleh sebahagian pelajar siswazah, sedang ianya penting.
Jika anda ukur berat 10000 kanak2 berusia 6 tahun di daerah Kajang, anda akan dapati terdapat peratusan yang kecil kanak2 underweight ataupun overweight. Wbp majoritinya akan berada pada berat purata, katakan min = 30 kg. Ini menghasilkan taburan normal.
Saya masih menyentuh soal kenormalan data, kerana konsep asas ini tidak dihiraukan oleh sebahagian pelajar siswazah, sedang ianya penting.
Jika anda ukur berat 10000 kanak2 berusia 6 tahun di daerah Kajang, anda akan dapati terdapat peratusan yang kecil kanak2 underweight ataupun overweight. Wbp majoritinya akan berada pada berat purata, katakan min = 30 kg. Ini menghasilkan taburan normal.
Jika anda ambil jumlah perbezaan berat individu kanak2 setelah ditolak dengan berat min, selisih ini dikuasaduakan dan seterusnya dibahagi dengan bilangan semua kanak2…. Anda akan mendapat varian. Varian ini jk dipuncakuasaduakan akan memberikan nilai sisihan piawai. Nilai ini akan mewakili besarnya individu data berserak (disperse) dalam taburan populasi. Katakan s.p = 5, maka anda boleh membayang nilai serakan data tertabur sebagai 30 ± 5 kg.
Apabila anda mengambil sampel 50 kanak2 dari populasi yang sama, iaitu daerah kajang, anda akan mendapat min ketinggian dan s.p sampel tersebut katakan 28 ± 4 kg, menghampiri nilai populasi. Jika anda ulangi lagi sebanyak 30 kali dengan sampel (n=50), dan plot individu min sampel ini, bentuk graf akan menghampiri bentuk taburan normal populasi.
MAKA ANDA BOLEH MEMBUAT INFERENS DARI CIRI SAMPEL KE CIRI POPULASI. SEBAGAI CONTOH - JIKA MIN SAMPEL 32kg MAKA ANDA BOLEH MEMBUAT INFERENS ATAU ANGGARAN BAHAWA MIN POPULASI JUGA ADALAH 32 kg.
Walau bagaimanapun, katakanlah min sebenar populasi adalah 30 kg maka akan terdapat perbezaan 2 kg berbanding min sample, perbezaan ini dipanggil standard error, s.e.
Walau bagaimanapun, katakanlah min sebenar populasi adalah 30 kg maka akan terdapat perbezaan 2 kg berbanding min sample, perbezaan ini dipanggil standard error, s.e.
Jika s.p adalah berkaitan taburan individu data dalam populasi atau sampel, tetapi s.e adalah perbezaan taburan sample dengan taburan populasi (mana boleh 100% sama maa).. Ahli statistic telah mengira s.e ini dengan nilai s.p dibahagi dengan punca kuasadua saiz sampel (maaf ler sebab anda kena bayangkan formula tersebut…. Blog tak compatible dengan symbol matematik).
Ideanya disini adalah….. sampel yang tidak tertabur secara normal tidak boleh menggunakan statistic parametric (iaitu statistic populasi) untuk membuat inferens. Alasannya - sedangkan sampel yang tertabur secara normalpun tetap ada s.e, nikan pula sampel yang tidak tertabur secara normal. Pasti anda tidak boleh membuat inference kerana asas inference adalah kerana sampel tertabur secara normal sebagaimana populasi !!
 |
| Apa inferens boleh dibuat dari pic ini? |
OKlah... malam ni malam Jumaat... kena tido awal sikit ler........ Wassalam
OT
No comments:
Post a Comment