Seperti disebutkan sebelumnya, penyesuaian jumlah diukur mengandung random

kesalahan adalah perhatian utama untuk orang yang terlibat dalam ilmu geospasial. Dalam
Sisa bab diasumsikan bahwa semua kesalahan sistematis telah dihapus
dari nilai yang terukur dan bahwa hanya kesalahan acak dan kesalahan (yang
telah lolos dari deteksi) tetap. Dalam bab ini teori umum random
kesalahan dikembangkan, dan beberapa metode sederhana yang dapat digunakan untuk mengisolasi
tersisa blunder di set data yang dibahas.

Probabilitas adalah rasio jumlah kali bahwa suatu peristiwa harus terjadi untuk total jumlah
kemungkinan. Misalnya, probabilitas melempar sebuah dua dengan dadu adalah 1/6 karena ada total
enam kemungkinan (wajah pada mati) dan hanya salah satu dari ini adalah dua. Ketika suatu peristiwa
dapat terjadi dengan cara m dan gagal terjadi dalam n cara, probabilitas terjadinya adalah m / (m+n),
dan probabilitas kegagalan adalah n / (m+n).Probabilitas selalu sebagian kecil berkisar antara nol dan
satu. nol Menandakan kemustahilan, dan satu menunjukkan kepastian. Sejak acara harus baik terjadi
atau gagal terjadi, jumlah semua probabilitas untuk acara apapun adalah 1, dan dengan demikian jika
1/6 adalah probabilitas melemparkan dua dengan satu lemparan dadu, kemudian 1-1/6, atau 5/6,
adalah probabilitas bahwa dua tidak akan muncul.

Dalam terminologi probabilitas, peristiwa senyawa adalah terjadinya simultan

dari dua atau lebih mandiri acara. Ini adalah situasi yang dihadapi paling sering di survei. Misalnya,
kesalahan acak dari sudut dan jarak (peristiwa senyawa) menyebabkan misclosures melintasi.
Probabilitas terjadinya simultan dari dua peristiwa independen adalah produk dari mereka probabilitas
individu.untuk menggambarkan kondisi ini, pertimbangkan contoh sederhana memiliki dua kotak yang
berisi kombinasi dari bola merah dan putih. Kotak A berisi empat bola, satu merah dan tiga putih. Kotak
B berisi lima bola, dua merah dan tiga putih. Berapa probabilitas bahwa dua bola merah akan ditarik jika
satu bola diambil secara acak dari setiap kotak? Jumlah kemungkinan pasangan adalah 4X5 (20) karena
dengan menggambar satu bola dari kotak A, salah satu dari lima bola di dalam kotak B akan
menyelesaikan pasangan. Hanya ada dua cara untuk menarik dua bola merah; yaitu, kotak A Bola merah
dapat dicocokkan dengan baik bola merah dari kotak B. Oleh karena itu, peluang mendapatkan dua bola
merah secara bersamaan adalah 2/20. Dengan demikian, probabilitas acara senyawa ini adalah produk
dari individu probabilitas dari menggambar bola merah dari setiap kotak, at
Demikian pula, probabilitas menggambar dua bola putih secara bersamaan adalah 3/4 X 3/5, atau 9/20,
dan probabilitas mendapatkan satu bola merah dan satu putih bola adalah 1 - (2/20 + 9/20), atau 9/20.

Dari uraian di atas terlihat bahwa probabilitas terjadinya simultan dari dua peristiwa independen adalah
produk dari probabilitas individu dari dua peristiwa. Prinsip ini diperluas untuk mencakup sejumlah
peristiwa: dimana P adalah probabilitas terjadinya simultan peristiwa memiliki probabilitas individu P1,
P2,. . . , Pn. untuk mengembangkan prinsip bagaimana kesalahan acak terjadi, pertimbangkan sangat
Contoh sederhana di mana pengukuran pita tunggal yang diambil antara titik A dan B. Asumsikan bahwa
pengukuran ini berisi satu kesalahan acak berukuran 1. Karena kesalahan adalah random, ada dua
kemungkinan untuk nilai? +1 atau -1. Biarkan t menjadi sejumlah cara bahwa setiap kesalahan bisa
terjadi, dan biarkan T menjadi Jumlah kemungkinan, yang dua. Probabilitas +1, yang dapat terjadi hanya
satu arah (yaitu, t=1), adalah t / T atau 1/2. Ini juga merupakan probabilitas -1. Misalkan sekarang bahwa
dalam mengukur jarak AE, rekaman itu harus ditempatkan ujung ke ujung sehingga hasilnya tergantung
pada kombinasi dari dua pengukuran rekaman tersebut. Maka kombinasi kesalahan yang mungkin
dalam hasil yang -1 dan -1, -1 dan +1,+1 dan +1, dan -1 dan -1, dengan T=4. Kesalahan final -2, 0, dan +2,
dan nilai-nilai t mereka 1, 2, dan 1, masing-masing. Ini menghasilkan probabilitas 1/4, 1/2, dan 1/4,
masing-masing. Secara umum, sebagai n, jumlah pengukuran gabungan tunggal, adalah
meningkat, T meningkat sesuai dengan fungsi T=2^n, dan dengan demikian selama tiga pengukuran
gabungan, T=2^3 = 8, dan selama empat pengukuran, T=2^4 =16.analisis paragraf sebelumnya dapat
terus mendapatkan hasil yang ditunjukkan pada Tabel 3.1. Gambar 3.1 (a) melalui (e) adalah plot
histogram dari hasil pada Tabel 3.1, di mana nilai-nilai dari kesalahan diplot sebagai absis dan
probabilitas diplot sebagai koordinat sebesar-lebar bar.

Jika jumlah menggabungkan pengukuran, n, meningkat secara progresif untuk nilai-nilai yang lebih
besar, plot kesalahan ukuran dibandingkan probabilitas akan mendekati kurva halus dari bentuk bell
karakteristik yang ditunjukkan pada Gambar 3.2. kurva ini dikenal sebagai kurva distribusi kesalahan
normal. Hal ini juga disebut probabilitas fungsi kepadatan dari variabel acak normal. Perhatikan bahwa
ketika n adalah 4, seperti digambarkan pada Gambar 3.1 (d), dan ketika n = 5, seperti yang ditunjukkan
pada Gambar 3.1 (e), garis putus-putus sudah mulai mengambil formulir ini. hal ini penting untuk
melihat bahwa total luas bar vertikal untuk masing-masing plot sama dengan 1. Hal ini berlaku tidak
peduli nilai n, dan dengan demikian daerah di bawah kurva distribusi kesalahan normal halus adalah
sama dengan 1. Jika suatu kejadian memiliki probabilitas dari 1, dapat dipastikan terjadi, dan karena itu
daerah di bawah kurva merupakan jumlah dari semua probabilitas terjadinya kesalahan.

Sebagai berasal dalam Bagian D.1, persamaan dari kurva distribusi normal,
juga disebut fungsi kepadatan probabilitas normal, yang
dimana ƒ (x) adalah fungsi kepadatan probabilitas, e basis logaritma natural,
x kesalahan, dan? standard error seperti yang didefinisikan dalam Bab 2.
Dalam Persamaan (3.2), ƒ (x) adalah probabilitas terjadinya kesalahan ukuran
antara x dan x+dx, di mana dx adalah nilai yang sangat kecil. Kesalahan ini
probabilitas setara dengan daerah di bawah kurva antara batas x
dan x+dx, yang ditampilkan crosshatched pada Gambar 3.3. Seperti yang dinyatakan sebelumnya,
total area di bawah kurva probabilitas merupakan probabilitas total,
yang 1. Hal ini diwakili dalam bentuk persamaan sebagai

Dari kalkulus, turunan pertama fungsi menghasilkan kemiringan berfungsi ketika dievaluasi pada suatu
titik. Dalam Persamaan (3.5), dy/dx = 0 ketika nilai x atau y sama dengan nol. Ini berarti bahwa kurva
sejajar dengan x sumbu di tengah kurva ketika x adalah nol dan asimtotik untuk sumbu x sebagai y
mendekati nol. juga dari kalkulus, turunan kedua fungsi menyediakan tingkat perubahan kemiringan
ketika dievaluasi pada suatu titik. titik infleksi kurva ini (Poin di mana tanda aljabar dari perubahan
kemiringan) dapat ditemukan dengan menemukan di mana turunan kedua fungsi ini sama dengan nol.
Dalam Persamaan (3.8), d^2y / dx^2 = 0 ketika x^2 /Q^2-1=0, dan dengan demikian titik belok kurva ini
terjadi ketika x sama kurang lebih Q sejak e^0 = 1, jika x diatur sama dengan nol, Persamaan (3.2)
memberi kita Ini adalah ordinat pusat kurva ini, dan seperti yang bisa dilihat, itu berbanding terbalik
untuk Q. Menurut Persamaan (3.9), sekelompok pengukuran memiliki kecil Q harus memiliki ordinat
sentral besar. Dengan demikian, daerah di bawah kurva akan terkonsentrasi di dekat ordinat pusat, dan
kesalahan akan Sejalan kecil. Hal ini menunjukkan bahwa set pengukuran adalah tepat. Sejak Q beruang
hubungan terbalik ini untuk presisi, itu adalah ukuran numerik untuk ketepatan set pengukuran. Dalam
Bagian 2.7 kita mendefinisikan Q Sebagai standard error dan memberikan persamaan untuk menghitung
nilai.
Dalam Bagian 3.2 kita mendefinisikan fungsi kepadatan probabilitas normal random variabel sebagai
ƒ(x)=………... Dari sini kita mengembangkan distribusi normal fungsi di mana t adalah batas atas integrasi,
seperti yang ditunjukkan pada Gambar 3.4. sebagaimana dinyatakan dalam Bagian 3.3, area di bawah
kurva densitas normal merupakan
kemungkinan terjadinya. Selanjutnya, integrasi fungsi ini hasil
daerah di bawah kurva. Sayangnya, integrasi yang disebut dalam Persamaan
(3.10) tidak dapat dilakukan dalam bentuk tertutup, dan integrasi dengan demikian numerik
teknik harus digunakan untuk tabulasi nilai untuk fungsi ini. Ini telah
dilakukan untuk fungsi ketika bermaksud adalah nol (u= 0) dan varians adalah 1
(Q^2= 1). Hasil integrasi ini akan ditampilkan dalam standar normal
tabel distribusi, Tabel D.1. Dalam tabel ini kolom paling kiri dengan judul t adalah nilai yang ditunjukkan
pada Gambar 3.4 dalam satuan Q . Bagian atas baris (dengan judul 0 sampai 9) merupakan tempat
seratus desimal untuk nilai t. Itu nilai dalam tubuh Tabel D.1 mewakili daerah di bawah standar normal
kurva distribusi dari –B ke t. Misalnya, untuk menentukan daerah di bawah kurva dari -B 1,68, pertama
cari baris dengan 1,6 pada kolom t. Kemudian memindai sepanjang baris ke kolom dengan judul 8. Di
persimpangan baris 1,6 dan kolom 8 (1,68), nilai 0,95352 terjadi. Ini adalah daerah di bawah standar
kurva distribusi normal dari -B untuk nilai t sebesar 1,68. Demikian pula,
daerah lain di bawah kurva distribusi normal standar dapat ditemukan berbagai nilai untuk t. Karena
daerah di bawah kurva mewakili probabilitas dan luas maksimum adalah 1, ini berarti bahwa ada
95,352% (0,95352 X 100%) probabilitas bahwa t kurang dari atau sama dengan 1,68. Atau, dapat
dinyatakan bahwa ada 4,648% [(1 X 0,95352) X 100%] probabilitas bahwa t lebih besar dari 1,68. setelah
tersedia, Tabel D.1 dapat digunakan untuk mengevaluasi fungsi distribusi untuk rata rata,U , dan
varians,Q^2. Sebagai contoh, jika y adalah acak normal variabel dengan rata-rata U dan varians dari Q^2,
sebuah biasa setara acak variabel Z= (Y-U) /Q dapat didefinisikan yang memiliki rata-rata nol dan varians
1. Mengganti definisi untuk z dengan U= 0 dan Q^2= 1 ke Persamaan (3.2), fungsi kepadatan adalahdan
fungsi distribusi, yang dikenal sebagai fungsi distribusi normal standar,menjadi

Untuk setiap kelompok pengukuran terdistribusi normal, probabilitas variabel acak normal dapat
dihitung dengan menganalisis integrasifungsi distribusi. Sekali lagi, seperti yang dinyatakan sebelumnya,
area di bawah kurva di Gambar 3.4 merupakan probabilitas. Mari z menjadi variabel acak normal, maka
probabilitas bahwa z kurang dari beberapa nilai t diberikan oleh untuk menentukan area (probabilitas)
antara nilai-nilai t a dan b (yang crosshatched
daerah di Gambar 3.5), perbedaan di daerah antara a dan b, masing-masing, dapat dihitung. Dengan
Persamaan (3.13), daerah dari -B untuk b P (z < B)= Nz (b). Dengan persamaan yang sama, daerah dari -B
untuk adalah P (z< a)= Nz (a). Dengan demikian, daerah antara a dan b adalah perbedaan nilai-nilai dan
dinyatakan sebagai
Jika batas-batas yang sama besarnya tetapi berlawanan tanda (yaitu,? A? B? T),
probabilitas adalah dari simetri dari distribusi normal pada Gambar 3.6 terlihat bahwa
untuk setiap t> 0. simetri ini juga dapat ditunjukkan dengan Tabel D.1. tabular yang
Nilai (area) untuk nilai t dari -1,00 adalah 0,15866. Selanjutnya, nilai tabular
untuk nilai t dari +1,00 adalah 0,84134. Karena probabilitas maksimum (area) adalah
1, area di atas +1.00 adalah 1-0,84134, atau 0,15866, yang sama dengan
area di bawah -1.00. Dengan demikian, sejak probabilitas total selalu 1, kita bisa
mendefinisikan hubungan berikut: sekarang mengganti Persamaan (3.17) ke dalam Persamaan (3.15),
kita memiliki persamaan di atas dapat digunakan untuk menentukan probabilitas standar kesalahan,
yang dari diskusi sebelumnya adalah area di bawah distribusi normal kurva antara batas KURANG LEBIH
Q. Untuk distribusi normal standar ketika Q^2 adalah 1, maka perlu untuk menemukan nilai-nilai t= -1
(Q= -1) dan t= +1 (Q=1) pada Tabel D.1. Seperti yang terlihat sebelumnya, nilai yang sesuai dari tabel
untuk t= -1.00 adalah 0,15866. Juga, nilai tabular untuk t= 1.00 adalah 0,84134, dan dengan demikian,
menurut Persamaan (3.15), daerah antara -Q dan Q adalah dari ini telah ditetapkan bahwa sekitar 68,3%
dari semua pengukuran dari setiap kumpulan data diharapkan untuk berbohong antara -Q dan Q. Ini
juga berarti bahwa untuk setiap kelompok pengukuran ada sekitar kesempatan 68,3% yang setiap
pengamatan tunggal memiliki kesalahan antara plus Q dan minus Q. crosshatched yang daerah Gambar
3.7 menggambarkan bahwa sekitar 68,3% dari daerah ada antara plus Q dan minus Q. Hal ini berlaku
untuk setiap set pengukuran memiliki kesalahan terdistribusi normal. Perhatikan bahwa seperti yang
dibahas dalam Bagian 3.3, titik belok dari kurva distribusi normal terjadi pada KURANG LEBIH Q. Ini
diilustrasikan pada Gambar 3.7.
Untuk setiap kelompok pengamatan, yang kemungkinan kesalahan 50% menetapkan batas di mana 50%
dari kesalahan harus jatuh. Dengan kata lain, setiap pengukuran
memiliki kesempatan yang sama datang dalam batas-batas ini karena memiliki jatuh di luar
mereka. Nilainya dapat diperoleh dengan mengalikan standar deviasi dari
pengamatan dengan nilai t yang sesuai. Karena kemungkinan kesalahan 50% memiliki
probabilitas 1/2, Persamaan (3.18) ditetapkan sama dengan 0,50 dan nilai t yang sesuai
ke daerah ini ditentukan sebagai Dari Tabel D.1 jelas bahwa 0,75 antara nilai t 0,67 dan 0,68 ,itu adalah,
Nilai t dapat ditemukan dengan interpolasi linier, sebagai berikut:
dan T=0.67+0,0045=0,6745. untuk setiap set pengamatan, oleh karena itu, kemungkinan kesalahan 50%
dapat diperoleh dengan menghitung standard error dan kemudian mengalikannya dengan 0,6745:
95% kemungkinan kesalahan, E95, adalah terikat di mana, secara teoritis, 95%
kesalahan kelompok pengamatan harus jatuh. Kategori kesalahan ini populer
dengan surveyor untuk mengekspresikan presisi dan memeriksa outlier dalam data. Menggunakan
alasan yang sama seperti dalam mengembangkan persamaan untuk 50% kemungkinan
error, mengganti ke Persamaan (3.18) memberikan lagi dari Tabel D.1, itu ditentukan bahwa 0.975
terjadi dengan nilai t dari 1.960. Jadi, untuk menemukan kemungkinan kesalahan 95% untuk setiap
kelompok pengukuran, persamaan berikut digunakan:
Menggunakan teknik komputasi yang sama seperti di Bagian 3.5.1 dan 3.5.2, lainnya
persen kesalahan kemungkinan dapat dihitung. Satu kesalahan lainnya persen layak
catatan khusus adalah E99.7. Hal ini diperoleh dengan mengalikan standard error oleh
2,968:
Nilai ini sering digunakan untuk mendeteksi kesalahan, seperti yang dibahas dalam Bagian 3.6. Sebuah
ringkasan dari kesalahan kemungkinan dengan berbagai persentase, bersama-sama dengan mereka
pengganda, diberikan dalam Tabel 3.2.
kesalahan standar dan kesalahan probabilitas persen lainnya yang umum digunakan
untuk mengevaluasi pengukuran untuk penerimaan. spesifikasi proyek dan kontrak sering
membutuhkan bahwa kesalahan dapat diterima dalam batas yang ditentukan, seperti 90% dan 95%
kesalahan. 95% error, kadang-kadang disebut dua-sigma (2Q) Kesalahan karena dihitung sebagai sekitar
2Q, paling sering ditentukan. Standar Kesalahan juga sering digunakan. The kemungkinan kesalahan,
E50, jarang digunakan.

Lebih tinggi kesalahan persen digunakan untuk membantu mengisolasi outlier (kesalahan sangat besar)
dan kesalahan dalam data set. Sejak outlier jarang terjadi dalam satu set data, pengukuran luar
persentase yang tinggi kisaran yang dipilih dapat ditolak mungkin blunder. Umumnya, data yang
berbeda dari mean lebih dari 3? Bisa dianggap sebagai kesalahan dan dihapus dari kumpulan data.
Seperti yang terlihat pada Tabel 3.2, menolak pengamatan yang lebih besar bahwa 3? berarti bahwa
sekitar 99,7% dari semua pengukuran harus dipertahankan. Dengan kata lain, hanya sekitar 0,3% dari
pengukuran dalam satu set kesalahan acak terdistribusi normal (atau 3 pengamatan 1000) harus berada
di luar jangkauan KURANG LEBIH 3Q. perhatikan bahwa seperti dijelaskan pada Bab 2, standard error
dan standar deviasi sering digunakan secara bergantian, ketika dalam prakteknya sebenarnya standar
deviasi yang dihitung, bukan standard error. Dengan demikian, untuk aplikasi praktis, Q dalam
persamaan dari bagian sebelumnya digantikan oleh S untuk membedakan antara dua nilai yang terkait
ini.
Contoh 3.1 Misalkan nilai berikut (di kaki) diperoleh di
15 pengamatan jarak independen, Di: 212,22, 212,25, 212,23, 212,15, 212,23, 212,11, 212,29, 212,34,
212,22, 212,24, 212,19, 212,25, 212,27,212,20, dan 212,25. Menghitung mean, S, E50, E95, dan periksa
untuk pengamatan setiap luar tingkat probabilitas 99,7%.
SOLUSI Dari Persamaan (2.1), rata-rata adalah

di mana SIGMA Di = 675,576.955. Dengan memindai data, terlihat bahwa 10 pengamatanNadalah antara
212,22 KURANG LEBIH 0,06 ft atau dalam rentang (212,16, 212,28) 0,1
1The ekspresi (x, y) merupakan kisaran antara x dan y. Artinya, rata-rata populasi kebohongan
antara 212,16 dan 212,28 dalam contoh ini. hal ini terkait dengan 10/15? 100, atau 66,7% dari
pengamatan. Untuk mengatur, ini adalah apa yang diharapkan jika sesuai dengan teori distribusi
kesalahan normal. Dari Persamaan (3.19), E50 adalah

Sekali lagi dengan memindai data, sembilan pengamatan terletak pada kisaran 212,22 KURANG LEBIH
0,04 ft. Artinya, mereka berada dalam kisaran (212,18, 212,26) ft. Ini bersesuaian untuk 9/15 X 100%,
atau 60% dari pengamatan. Meskipun ini harus 50% dan dengan demikian sedikit tinggi untuk distribusi
normal, harus diingat bahwa ini hanya sampel dari populasi dan tidak harus dianggap alasan untuk
menolak seluruh set data. (Dalam Bab 4, interval statistik yang melibatkan sampel set dibahas.)
Dari Persamaan (3.20), E95 adalah perhatikan bahwa 14 dari pengamatan terletak pada kisaran 212,22?
0,11 (212,11, 212,33) ft, atau 93% dari data dalam kisaran.
Pada tingkat 99,7% kepercayaan, jangkauan kurang lebih 2.968S sesuai dengan suatu selang KURANG
LEBIH 0,16 ft. Dengan kriteria ini untuk penolakan outlier, semua nilai dalam data berbaring di kisaran
ini. Dengan demikian, tidak ada alasan untuk percaya bahwa pengamatan setiap adalah blunder atau
outlier.
Contoh 3.2 detik porsi 50 bacaan mikrometer dari 1” theodolite tercantum di bawah ini. Carilah mean,
standar deviasi, dan E95. Memeriksa pengamatan pada tingkat 99% kepastian untuk kesalahan.

41.9 46.3 44.6 46.1 42.5 45.9 45.0 42.0 47.5 43.2 43.0 45.7 47.6
49.5 45.5 43.3 42.6 44.3 46.1 45.6 52.0 45.5 43.4 42.2 44.3 44.1
42.6 47.2 47.4 44.7 44.2 46.3 49.5 46.0 44.3 42.8 47.1 44.7 45.6
45.5 43.4 45.5 43.1 46.1 43.6 41.8 44.7 46.2 43.2 46.8

SOLUSI Jumlah dari 50 pengamatan adalah 2252, dan dengan demikian berarti adalah
2252/50 = 45,04”. Menggunakan Persamaan (2.10), deviasi standar

di mana sigma y^2=101,649.94. Ada 35 pengamatan di kisaran 45,04” KURANG LEBIH 2.12”, atau dari
42,92” untuk 47,16”. Hal ini terkait dengan 35/50 X 100? 70% dari pengamatan dan berkorelasi baik
dengan tingkat diantisipasi 68,3%.

Dari Persamaan (3.20), E95= KURANG LEBIH 1.960 (2.12”)= KURANG LEBIH 4.16 “. Data sebenarnya
mengandung tiga nilai yang menyimpang dari mean lebih dari 4.16? (Yaitu, bahwa berada di luar
jangkauan 40,88” ke 49,20”). Mereka adalah 49,5”(Dua nilai) dan 52,0”. Tidak ada nilai kurang dari
40,88” , dan karena 47/50 X 100%, atau 94% dar observasi terletak pada kisaran E95.

Dari Persamaan (3.21), E99= KURANG LEBIH 2,576 (2.12”)= KURANG LEBIH 5.46”, dan dengan demikian
99% dari data harus jatuh dalam kisaran 45,04” KURANG LEBIH 5.46”, atau (39,58”, 50.50”).
Sebenarnya, satu nilai lebih besar dari 50,50”, dan dengan demikian 98% dari semua pengamatan jatuh
kisaran ini. dengan analisis di atas terlihat bahwa data set miring ke kiri. Bahwa
adalah, nilai lebih tinggi dari kisaran selalu jatuh di sisi kanan dari data. Itu
histogram ditunjukkan pada Gambar 3.8 menggambarkan skewness ini. Hal ini menunjukkan bahwa
mungkin bijaksana untuk menolak nilai 52,0” sebagai sebuah kesalahan. nilai-nilai dihitung ulang
untuk data set (minus 52,0”) adalah

Sekarang setelah recomputing kesalahan, 32 observasi terletak di antara ditambah S atau minus
S, yang mewakili 65,3% dari pengamatan, 47 pengamatan terletak pada E95 Kisaran, yang mewakili
95,9% dari data, dan tidak ada nilai-nilai yang luar E99 jarak. Dengan demikian, tidak ada alasan untuk
menolak data tambahan pada tingkat 99% kepercayaan.
3.1 Tentukan nilai t untuk E80.
3.2 Tentukan nilai t untuk E75.
3.3 Gunakan STATS untuk menentukan t untuk E90.
3.4 Gunakan STATS untuk menentukan t untuk E99.9.
3.5 Dengan asumsi distribusi normal, menjelaskan pernyataan: '' Sebagai standar
deviasi dari kelompok pengamatan menurun, ketepatan
kelompok meningkat. ''
3.6 Jika mean dari populasi adalah 2,456 dan varians adalah 2,042, apa yang
nilai puncak untuk kurva distribusi normal dan titik-titik
infleksi?
3.7 Jika mean dari populasi adalah 13,4 dan varians adalah 5,8, apa yang
puncak nilai untuk kurva distribusi normal dan titik-titik
infleksi?
3.8 Plot kurva pada Soal 3.6 menggunakan Persamaan (3.2) untuk menentukan ordinat
dan absis nilai.
3.9 Plot kurva pada Soal 3.7 menggunakan Persamaan (3.2) untuk menentukan ordinat
dan absis nilai.
3.10 Data berikut merupakan 60 pengamatan planimeter dari daerah
dalam melintasi diplot.
1,677 1,676 1,657 1,667 1,673 1,671 1,673 1,670 1,675 1,664 1,664 1,668
1,664 1,651 1,663 1,665 1,670 1,671 1,651 1,665 1,667 1,662 1,660 1,667
1,660 1,667 1,667 1,652 1,664 1,690 1,649 1,671 1,675 1,653 1,654 1,665
1,668 1,658 1,657 1,690 1,666 1,671 1,664 1,685 1,667 1,655 1,679 1,682
1,662 1,672 1,667 1,667 1,663 1,670 1,667 1,669 1,671 1,660 1,683 1,663
(A) Hitung mean dan standar deviasi.
(B) Plot histogram frekuensi relatif (residu) untuk data
di atas menggunakan interval kelas satu-setengah dari standar deviasi.
(C) Hitung interval E50 dan E90.

(D) Bisa pengamatan setiap ditolak pada tingkat 99% kepastian?

(E) Berapa nilai puncak untuk kurva distribusi normal, dan di mana
adalah titik infleksi pada kurva?
3.11 Diskusikan normalitas setiap set data di bawah ini dan apakah pengamatan setiap
dapat dihapus pada tingkat 99% dari kepastian blunder
atau outlier. Menentukan set lebih tepat setelah blunder jelas
dan outlier dikeluarkan. Plot histogram frekuensi relatif untuk membela
keputusan Anda.
Set 1:
468,09 468,13 468,11 468,13 468,10 468,13 468,12 468,09 468,14
468,10 468,10 468,12 468,14 468,16 468,12 468,10 468,10 468,11
468,13 468,12 468,18
Set 2:
750,82 750,86 750,83 750,88 750,88 750,86 750,86 750,85 750,86
750,86 750,88 750,84 750,84 750,88 750,86 750,87 750,86 750,83
750,90 750,84 750,86
3.12 Menggunakan berikut kumpulan data, menjawab pertanyaan-pertanyaan yang mengikuti.
17,5 15,0 13,4 23,9 25,2 19,5 25,8 30,0 22,5 35,3
39,5 23,5 26,5 21,3 22,3 21,6 27,2 21,1 24,0 23,5
32,5 32,2 24,2 35,7 28,0 24,0 16,8 21,1 19,0 30,7
30,2 33,7 19,7 19,7 25,1 27,9 28,5 22,7 31,0 28,4
31,2 24,6 30,2 16,8 26,9 23,3 21,5 18,8 21,4 20,7
(A) Apa mean dan deviasi standar dari himpunan data?
(B) Buatlah sebuah berpusat histogram frekuensi relatif dari data menggunakan
tujuh interval dan membahas apakah itu tampaknya menjadi data normal
set.
(C) Apa interval E95 untuk set data ini?
(D) Apakah ada alasan untuk mempertanyakan validitas pengamatan setiap
pada tingkat 95%

3.13 Ulangi Soal 3.12 dengan menggunakan data berikut:

2,898 2,918 2,907 2,889 2,901 2,901 2,899 2,899 2,911 2,909
2,904 2,905 2,895 2,920 2,899 2,896 2,907 2,897 2,900 2,897
Gunakan STATS untuk melakukan setiap masalah.
3.14 Soal 3.10
3.15 Soal 3.11
3.16 Soal 3.12
3.17 Soal 3.13
Masalah pemrograman
3.18 Membuat paket komputasi yang memecahkan masalah 3.11.
3.19 Membuat paket komputasi yang memecahkan masalah 3.12.