Statistika inferensial menarik kesimpulan tentang populasi dari sampel. Section ini menjelaskan distribusi sampling, Central Limit Theorem, standard error, dan point estimation, lalu membangun confidence interval untuk mean, proporsi, dan selisih dua mean, memperkuat dugaan dengan galat standar robust dan bootstrap, ditutup cara menentukan ukuran sampel.

# Distribusi Sampling

Bangun distribusi sampling dari populasi enam siswa: hitung seluruh 15 rata-rata sampel berukuran 2, buktikan mean distribusi sampling sama dengan μ, dan lihat sebaran x̄ yang lebih sempit dari populasi.

Buka → # Central Limit Theorem

Lihat Central Limit Theorem bekerja lewat simulasi: populasi eksponensial yang miring menghasilkan distribusi rata-rata sampel berbentuk lonceng, lengkap dengan pedoman ukuran sampel dan implikasi bagi inferensi.

Buka → # Standard Error

Kuasai standard error SE = σ/√n sebagai simpangan baku distribusi sampling: bedakan SE dari standard deviation, pahami hukum akar-n, dan hitung SE untuk mean serta proporsi.

Buka → # Point Estimation

Formalkan penaksiran dengan konsep estimator dan taksiran: sifat tak-bias, konsistensi, dan efisiensi dibuktikan lewat angka, ditutup method of moments dan sekilas maximum likelihood.

Buka → # Confidence Interval

Bangun confidence interval mean dan proporsi dengan z dan t: contoh lengkap sembilan siswa menghasilkan CI 95% [76.10, 90.56], dilengkapi interpretasi yang benar dan tabel nilai kritis.

Buka → # Menentukan Ukuran Sampel

Balik rumus confidence interval menjadi rumus ukuran sampel n = (z·σ/E)²: hitung kebutuhan untuk mean dan proporsi, sesuaikan nonresponse dan faktor koreksi, dan susun langkah perancangan survei.

Buka → # Confidence Interval untuk Proporsi

Perdalam confidence interval untuk proporsi: syarat keberhasilan-kegagalan yang membuat interval Wald keluar dari rentang [0, 1], Wilson score interval untuk kasus 8 dari 10, dan interval selisih dua proporsi.

Buka → # Confidence Interval untuk Selisih Dua Mean

Taksir selisih dua mean dengan confidence interval: variance gabungan pada data kelas A vs kelas B menghasilkan CI 95% [-1.64, 9.64], dilengkapi versi Welch, desain berpasangan, dan jebakan membaca dua CI yang bertumpang tindih.

Buka → # Galat Standar Robust

Bangun taksiran yang tahan outlier: median, trimmed mean, IQR, dan MAD dengan konstanta 1.4826 diuji pada data pendapatan tujuh pedagang, lalu sandwich estimator Huber-White (HC1) mengoreksi standard error regresi saat varians residual tidak konstan.

Buka → # Bootstrap Resampling

Taksir standard error dan confidence interval tanpa rumus lewat resampling dengan penggantian: bootstrap B = 10.000 pada data sembilan siswa menghasilkan SE mean 2.9580 serta SE dan CI persentil untuk median dan trimmed mean, disertai aturan praktik dan batasannya.

Buka →