Apa itu Good-Of-Fit?
Goodness of fit test adalah uji hipotesis statistik untuk melihat seberapa baik data sampel cocok dengan distribusi dari populasi dengan distribusi normal. Dengan kata lain, tes ini menunjukkan apakah data sampel Anda mewakili data yang Anda harapkan akan ditemukan dalam populasi aktual atau jika entah bagaimana condong. Goodness-of-fit menetapkan perbedaan antara nilai-nilai yang diamati dan nilai-nilai yang diharapkan dari model dalam kasus distribusi normal.
Ada beberapa metode untuk menentukan good-of-fit. Beberapa metode yang paling populer digunakan dalam statistik termasuk chi-square, tes Kolmogorov-Smirnov, tes Anderson-Darling dan tes Shipiro-Wilk.
Pengambilan Kunci
- Tes good-of-fit adalah tes statistik yang bertujuan untuk menentukan apakah satu set nilai yang diamati cocok dengan yang diharapkan di bawah model yang berlaku. Ada beberapa jenis tes good-of-fit, tetapi yang paling umum adalah tes chi-square. tes dapat menunjukkan kepada Anda apakah data sampel Anda cocok dengan set data yang diharapkan dari populasi dengan distribusi normal.
Memahami Good-Of-Fit
Tes good-of-fit sering digunakan dalam pengambilan keputusan bisnis. Untuk menghitung good-of-fit chi-square, perlu dinyatakan pertama hipotesis nol dan hipotesis alternatif, pilih tingkat signifikansi (seperti α = 0, 5) dan tentukan nilai kritisnya.
Uji good-of-fit yang paling umum adalah uji chi-square, biasanya digunakan untuk distribusi diskrit. Tes chi-square digunakan secara eksklusif untuk data yang dimasukkan ke dalam kelas (tempat sampah), dan itu membutuhkan ukuran sampel yang cukup untuk menghasilkan hasil yang akurat.
Tes good-of-fit umumnya digunakan untuk menguji normalitas residu atau untuk menentukan apakah dua sampel dikumpulkan dari distribusi yang identik.
Contoh Uji Goodness-Of-Fit
Misalnya, gym komunitas kecil mungkin beroperasi di bawah asumsi bahwa ia memiliki kehadiran tertinggi pada hari Senin, Selasa dan Sabtu, kehadiran rata-rata pada hari Rabu dan Kamis, dan kehadiran terendah pada hari Jumat dan Minggu. Berdasarkan asumsi ini, gym mempekerjakan sejumlah anggota staf tertentu setiap hari untuk memeriksa anggota, fasilitas bersih, menawarkan layanan pelatihan dan mengajar kelas.
Namun, gym tidak berkinerja baik secara finansial dan pemilik ingin tahu apakah asumsi kehadiran dan tingkat staf ini benar. Pemilik memutuskan untuk menghitung jumlah peserta gym setiap hari selama enam minggu. Dia kemudian dapat membandingkan asumsi kehadiran gym dengan kehadiran yang diamati menggunakan uji chi-square good-of-fit misalnya. Dengan data baru, ia dapat menentukan cara terbaik mengelola gym dan meningkatkan profitabilitas.
