Operator Mesin Bergerak Bahan Operator mesin bergerak bergerak menggunakan mesin untuk mengangkut berbagai benda. Beberapa operator memindahkan bahan bangunan di sekitar lokasi bangunan atau menggali tanah dari tambang. Lain memindahkan barang di sekitar gudang atau ke kapal kontainer. Sebagian besar operator mesin bergerak material bekerja penuh waktu, dan lembur bagi mereka adalah hal biasa. Karena bahan dikirim sepanjang waktu, beberapa operator terutama bergerak dalam shift pergudangan. Persyaratan pendidikan dan pelatihan berbeda dengan pekerjaan. Operator kereta dan operator galian biasanya memiliki pengalaman beberapa tahun dalam pekerjaan terkait. Upah rata-rata tahunan untuk operator mesin pemindah material adalah 33.640 pada bulan Mei 2015. Pekerjaan operator mesin bergerak diproyeksikan tumbuh 3 persen dari tahun 2014 sampai 2024, lebih lambat dari rata-rata untuk semua pekerjaan. Bukaan pekerjaan harus dihasilkan dari kebutuhan untuk mengganti pekerja yang meninggalkan pekerjaan ini. Jelajahi sumber daya untuk pekerjaan dan upah oleh negara bagian dan area untuk operator mesin pemindah material. Bandingkan tugas pekerjaan, pendidikan, pertumbuhan pekerjaan, dan pembayaran operator mesin bergerak dengan pekerjaan serupa. Pelajari lebih lanjut tentang operator mesin bergerak dengan mengunjungi sumber tambahan, termasuk ONET, sumber mengenai karakteristik utama pekerja dan pekerjaan. Apa yang Dilakukan Operator Mesin Pindah Beredar Tentang bagian ini Operator kereta derek dan menara umumnya bekerja di bidang konstruksi dan transportasi air. Operator mesin bergerak material menggunakan mesin untuk mengangkut berbagai benda. Beberapa operator memindahkan bahan bangunan di sekitar lokasi bangunan atau menggali tanah dari tambang. Lain memindahkan barang di sekitar gudang atau ke kapal kontainer. Operator mesin penggerak material biasanya melakukan hal berikut: Mengatur dan memeriksa peralatan pemindah material Peralatan pengontrol dengan pengungkit, roda, atau pedal kaki Memindahkan material sesuai rencana atau jadwal Simpan catatan materi yang mereka pindahkan dan tempat mereka memindahkannya Buat perbaikan kecil Untuk peralatan mereka Di gudang, sebagian besar operator mesin bergerak menggunakan forklift dan ban berjalan. Sensor dan tag nirkabel semakin sering digunakan untuk melacak barang dagangan, memungkinkan operator untuk menemukannya lebih cepat. Beberapa operator juga memeriksa barang untuk kerusakan. Operator ini biasanya bekerja sama dengan buruh tangan dan penggerak material. Banyak operator bekerja di perusahaan pertambangan bawah tanah dan permukaan. Mereka membantu menggali atau mengekspos tambang, memindahkan tanah dan batu, dan mengambil batubara, bijih, dan bahan tambang lainnya. Dalam konstruksi, operator mesin pemindah material memindahkan bumi untuk membersihkan ruang bangunan. Beberapa bekerja di lokasi bangunan untuk keseluruhan proyek konstruksi. Sebagai contoh, operator mesin bergerak material tertentu membantu membangun bangunan tinggi dengan mengangkut bahan ke pekerja jauh di atas permukaan tanah. Semua operator mesin bergerak material bertanggung jawab atas pengoperasian peralatan atau kendaraan mereka dengan aman. Operator konveyor dan tender mengendalikan sistem conveyor yang memindahkan material pada sabuk otomatis. Mereka memindahkan bahan ke dan dari tempat-tempat seperti area penyimpanan, kendaraan, dan lokasi bangunan. Mereka memonitor sensor pada conveyor untuk mengatur kecepatan sabuk konveyor bergerak. Operator dapat menentukan bahan rute yang dibutuhkan sepanjang conveyor berdasarkan pesanan pengiriman. Operator menara dan menara menggunakan peralatan menara dan kabel untuk mengangkat dan memindahkan material, mesin, atau benda berat lainnya. Dari stasiun kontrol, operator dapat memperpanjang dan menarik kembali booming horizontal, memutar suprastruktur, dan menurunkan dan mengangkat kait yang terpasang pada kabel di ujung derek atau menara mereka. Operator biasanya dipandu oleh pekerja lain di lapangan dengan menggunakan sinyal tangan atau sinyal suara melalui radio. Sebagian besar operator derek dan menara bekerja di lokasi konstruksi atau pelabuhan utama, di mana mereka memuat dan menurunkan muatan. Beberapa operator bekerja di pabrik besi dan baja.160 Operator pengeruk menggali saluran air. Mereka mengoperasikan peralatan di atas air untuk menghilangkan pasir, kerikil, atau batu dari pelabuhan atau danau. Melepaskan bahan ini membantu mencegah erosi dan mempertahankan saluran air yang dapat dilayari, dan memungkinkan kapal yang lebih besar untuk menggunakan lebih banyak pelabuhan. Pengerukan juga digunakan untuk membantu memulihkan lahan basah dan memelihara pantai. Operator penggali dan pemuatan mesin dan dragline menggunakan mesin yang dilengkapi dengan sendok atau sekop. Mereka menggali pasir, tanah, atau bahan lainnya dan memasukkannya ke konveyor atau ke truk untuk transportasi di tempat lain. Mereka mungkin juga memindahkan material di dalam area terbatas, seperti lokasi konstruksi. Operator biasanya menerima instruksi dari pekerja di lapangan melalui sinyal tangan atau radio. Sebagian besar operator ini bekerja di industri konstruksi atau pertambangan. Hoist dan operator winch. Juga disebut operator derek. Mengendalikan pergerakan platform, kabel, dan kandang yang mengangkut pekerja atau bahan untuk operasi industri, seperti membangun gedung bertingkat tinggi. Banyak dari operator ini meningkatkan platform jauh di atas tanah. Operator mengatur kecepatan peralatan berdasarkan kebutuhan pekerja. Banyak yang bekerja di industri manufaktur, pertambangan, dan penggalian. Operator truk dan traktor industri mengendarai truk dan traktor yang memindahkan bahan di sekitar gudang, tempat penyimpanan, atau tempat kerja. Truk-truk ini, yang sering disebut forklift, memiliki mekanisme pengangkat dan garpu, yang membuat mereka berguna untuk memindahkan benda-benda berat dan besar. Beberapa operator truk dan traktor industri mengarahkan traktor yang menarik trailer yang sarat dengan bahan di sekitar pabrik atau area penyimpanan. Operator pemuatan pertambangan bawah tanah memuat batubara, bijih, dan batuan lainnya ke angkutan, mobil tambang, atau konveyor untuk transportasi dari tambang ke permukaan. Mereka mungkin menggunakan sekop listrik, mesin pengangkat dilengkapi dengan pencakar atau sendok, dan lengan pengumpul otomatis yang memindahkan bahan ke conveyor. Operator juga mengarahkan mesin mereka lebih jauh ke tambang untuk mengumpulkan lebih banyak bahan. Lingkungan Kerja Tentang bagian ini Operator truk dan traktor industri menggunakan forklift di fasilitas pergudangan dan penyimpanan. Operator mesin bergerak material memegang sekitar 679.900 pekerjaan pada tahun 2014. Mereka bekerja di berbagai industri, termasuk manufaktur, transportasi dan pergudangan, dan perdagangan grosir. Beberapa operator mesin pemuat material bekerja di bidang konstruksi dan pertambangan. Pekerjaan dalam pekerjaan mendetail yang membentuk kelompok ini pada tahun 2014 didistribusikan sebagai berikut: Operator truk dan traktor industri160 Cedera dan Penyakit Beberapa pekerjaan operator mesin pemindah material bisa berbahaya. Sebagai contoh, operator crane bekerja di luar rumah dengan ketinggian di semua jenis cuaca. Operator derek dan menara, operator truk dan traktor industri, dan operator penggalian dan pemuatan mesin dan dragline, semuanya memiliki tingkat cedera dan penyakit yang lebih tinggi daripada rata-rata nasional. Banyak pekerja memakai sarung tangan, hardhat, atau respirator.160 Jadwal Kerja Sebagian besar operator mesin bergerak bergerak bekerja penuh waktu, dan lembur untuk mereka adalah hal biasa. Karena bahan dikirim sepanjang waktu, beberapa operator terutama bergerak dalam shift pergudangan. Bagaimana Menjadi Penyedia Mesin Bergerak Bahan Tentang bagian ini Operator mesin pemuat material dilatih dalam pekerjaan. Persyaratan pendidikan dan pelatihan berbeda dengan pekerjaan. Operator Crane dan operator mesin penggali biasanya memiliki pengalaman beberapa tahun dalam pekerjaan terkait, seperti operator peralatan konstruksi atau operator kerekan atau winch. Meski tidak ada pendidikan formal yang biasanya dibutuhkan, beberapa perusahaan lebih memilih operator mesin bergerak untuk memiliki ijazah SMA. Untuk operator crane, operator mesin penggalian, dan operator pengeruk, bagaimanapun, ijazah SMA atau yang setara biasanya diperlukan. Sebagian besar operator mesin pemuat material dilatih untuk pekerjaan dalam waktu kurang dari sebulan. Beberapa mesin lebih kompleks daripada yang lain, seperti crane dibandingkan dengan truk industri seperti forklift. Oleh karena itu, jumlah waktu yang dihabiskan dalam pelatihan akan berbeda dengan jenis mesin yang digunakan operator. Belajar mengoperasikan forklift atau truk industri di gudang, misalnya, mungkin hanya memerlukan beberapa hari. Pelatihan untuk mengoperasikan crane untuk operasi pelabuhan mungkin memakan waktu beberapa bulan. Sebagian besar pekerja dilatih oleh atasan atau karyawan berpengalaman lainnya. Persatuan Insinyur Operasi Internasional menawarkan program magang untuk operator alat berat, seperti operator mesin penggali atau operator crane. Magang menggabungkan pelatihan on-the-job berbayar dengan instruksi teknis. Selama pelatihan mereka, operator mesin bergerak bergerak mempelajari sejumlah peraturan keselamatan, yang banyak distandarisasi melalui Administrasi Kesehatan Keselamatan Kerja (OSHA) dan Administrasi Keselamatan dan Kesehatan Tambang (MHA). Pengusaha harus menyatakan bahwa setiap operator telah menerima pelatihan yang benar. Operator yang bekerja dengan bahan berbahaya menerima pelatihan khusus lebih lanjut. Lisensi, Sertifikasi, dan Pendaftaran Sejumlah negara bagian dan beberapa kota memerlukan operator derek untuk dilisensikan. Untuk mendapatkan lisensi, operator biasanya harus menyelesaikan tes keterampilan di mana mereka menunjukkan bahwa mereka dapat mengendalikan derek. Mereka juga harus lulus ujian tertulis yang menguji pengetahuan mereka tentang peraturan dan prosedur keselamatan. Beberapa operator crane dan operator truk dan traktor industri dapat memperoleh sertifikasi, termasuk lulus ujian tertulis. Pengalaman Kerja dalam Pekerjaan Terkait Operator Crane dan operator mesin penggalian biasanya memiliki pengalaman kerja selama beberapa tahun sebagai operator peralatan konstruksi atau operator kerekan dan winch.160 Kewaspadaan Kualitas Penting. Operator mesin pemindah material harus sadar akan lingkungannya saat mengoperasikan mesin. Koordinasi handeyefoot Operator mesin bergerak harus memiliki tangan dan kaki yang mantap untuk membimbing dan mengendalikan mesin berat dengan tepat. Mereka menggunakan kontrol tangan untuk manuver mesin mereka melalui ruang yang rapat, sekitar benda besar, dan pada permukaan yang tidak rata. Keterampilan mekanis Operator mesin bergerak material melakukan penyesuaian kecil pada mesin mereka dan melakukan perawatan dasar. Kemampuan visual Operator mesin pemindah material harus dapat melihat dengan jelas di mana mereka mengemudi atau apa yang mereka pindahkan. Mereka juga harus memperhatikan pekerja di dekatnya, yang mungkin secara tidak sadar berada di jalan mereka. Catatan: Semua Pekerjaan mencakup semua pekerjaan di Ekonomi A. S.. Sumber: Biro Statistik Tenaga Kerja A. S., Statistik Pekerjaan Pekerjaan Upah rata-rata tahunan untuk operator mesin pemindah material adalah 33.640 pada bulan Mei 2015. Upah rata-rata adalah upah di mana separuh pekerja dalam pekerjaan menghasilkan lebih dari jumlah tersebut dan setengahnya memperoleh lebih sedikit. 10 persen terendah memperoleh kurang dari 22.080, dan 10 persen tertinggi memperoleh lebih dari 55.060. Upah rata-rata tahunan untuk operator mesin pemindah material pada bulan Mei 2015 adalah sebagai berikut: Operator mesin pemuatan, penambangan bawah tanah Operator derek dan menara Operator hoist and winch Operator penggali dan pemutus mesin dan dragline Operator truk dan traktor industri Operator dan tender conveyor Operator mesin bergerak material Bekerja penuh waktu, dan lembur untuk mereka adalah hal biasa. Karena bahan dikirim sepanjang waktu, beberapa operator terutama bergerak dalam shift pergudangan. Keanggotaan Serikat Dibandingkan dengan pekerja di semua pekerjaan, operator mesin pemancar material memiliki persentase pekerja yang lebih tinggi yang tergabung dalam serikat pekerja pada tahun 2014. Catatan: Semua Pekerjaan mencakup semua pekerjaan di Ekonomi A. S.. Sumber: Biro Statistik Tenaga Kerja A. S., Program Proyeksi Ketenagakerjaan Pekerjaan operator mesin bergerak diproyeksikan tumbuh 3 persen dari tahun 2014 sampai 2024, lebih lambat dari rata-rata untuk semua pekerjaan. Pekerjaan operator truk dan traktor industri diproyeksikan tumbuh 2 persen dari tahun 2014 sampai 2024. Pekerjaan pekerjaan ini terkonsentrasi di lingkungan gudang. Meskipun kebutuhan akan gudang akan tumbuh seiring dengan meningkatnya belanja konsumen, pertumbuhan lapangan kerja dari operator ini mungkin terbatas karena lebih banyak gudang menggunakan peralatan seperti pemetik robot. Peralatan ini meningkatkan efisiensi operator, yang memungkinkan gudang mempekerjakan lebih sedikit dari mereka. Pekerjaan operator penggalian dan pemuatan mesin dan dragline diproyeksikan tumbuh 6 persen dari tahun 2014 sampai 2024. Banyak operator ini bekerja di industri konstruksi, yang memproyeksikan pertumbuhan akan mendorong pertumbuhan pekerjaan dalam pekerjaan ini. Pekerjaan operator crane dan tower diproyeksikan tumbuh 8 persen dari tahun 2014 sampai 2024. Seiring pelayaran global meningkat, lebih banyak operator ini akan dibutuhkan di pelabuhan untuk memuat dan menurunkan muatan kapal besar. Namun, peningkatan otomasi di pelabuhan mungkin akan mengalami pertumbuhan moderat. Pekerjaan operator crane dan menara juga akan didorong oleh pertumbuhan industri konstruksi, yang mempekerjakan banyak pekerja ini. Pekerjaan operator crane diproyeksikan tumbuh 11 persen dalam konstruksi. Pekerjaan operator dan tender conveyor diproyeksikan akan menunjukkan sedikit atau tidak ada perubahan dari tahun 2014 sampai 2024. Pertumbuhan lapangan kerja akan dibatasi karena lebih banyak gudang menggunakan peralatan seperti conveyor kecepatan tinggi, sistem sortir berkecepatan tinggi, dan pemetik robot. Peralatan ini meningkatkan efisiensi operator dan tender, yang memungkinkan gudang mempekerjakan lebih sedikit dari mereka. Pekerjaan operator pemuatan pertambangan bawah tanah diproyeksikan akan menunjukkan sedikit atau tidak ada perubahan dari tahun 2014 sampai 2024, terutama karena perkiraan penurunan penambangan batubara, di mana banyak dari pekerja ini dipekerjakan. Pekerjaan operator hoist dan winch diproyeksikan tumbuh 2 persen dari tahun 2014 sampai 2024. Serupa dengan operator derek dan menara, mereka akan dibutuhkan di pelabuhan untuk membantu memuat dan menurunkan muatan, namun pertumbuhan lapangan kerja untuk pekerjaan ini mungkin dibatasi oleh otomasi port. Pekerjaan operator pengeruk diproyeksikan tumbuh 9 persen dari tahun 2014 sampai 2024. Permintaan untuk pengerukan berbagai wilayah perairan, termasuk kanal, danau, sungai, dan pelabuhan, untuk memperbaiki lalu lintas di jalur air dan penggunaan rekreasi mereka, akan mendorong pertumbuhan lapangan kerja. Dari para pekerja ini. Prospek Pekerjaan Prospek pekerjaan diharapkan akan menguntungkan. Banyak lowongan pekerjaan harus diciptakan oleh kebutuhan untuk mengganti pekerja yang meninggalkan pekerjaan ini.160 Data proyeksi pekerjaan untuk operator mesin pemindah material, 2014-24 Data Kawasan Negara Bagian ini Statistik Pekerjaan Pekerjaan (OES) Program Statistik Pekerjaan Kerja (OES) Menghasilkan perkiraan pekerjaan dan upah setiap tahun untuk lebih dari 800 pekerjaan. Perkiraan ini tersedia untuk negara secara keseluruhan, untuk masing-masing negara bagian, dan untuk wilayah metropolitan dan nonmetropolitan. Tautan di bawah ini menuju ke peta data OES untuk pekerjaan dan upah oleh negara bagian dan wilayah. Proyeksi Proyeksi ketenagakerjaan saat ini dikembangkan untuk semua negara bagian oleh Kantor Informasi Ketenagakerjaan (LMI) atau kantor Provisi Ketenagakerjaan individual. Semua data proyeksi negara tersedia di proyeksi. Informasi di situs ini memungkinkan proyeksi pertumbuhan lapangan kerja untuk pendudukan dibandingkan di antara negara bagian atau untuk dibandingkan dalam satu negara. Selain itu, negara bagian dapat menghasilkan proyeksi untuk area di mana ada tautan ke setiap situs web statersquos tempat data ini dapat diambil. Career InfoNet Americarsquos Career InfoNet mencakup ratusan profil pekerjaan dengan data yang tersedia oleh negara bagian dan area metro. Ada link di menu sisi kiri untuk membandingkan pekerjaan kerja menurut negara dan upah kerja menurut area lokal atau area metro. Ada juga alat info gaji untuk mencari upah dengan kode pos. Excel For Statistical Data Analysis Ini adalah situs pendamping webtext dari Business Statistics USA Site Para mis visitantes del mundo de habla hispana, este sitio se encuentra disponible en espaol en: Sitio Espejo para Amrica Latina Sitio de los EEUU Excel adalah paket statistik yang banyak digunakan, yang berfungsi sebagai alat untuk memahami konsep statistik dan perhitungan untuk memeriksa perhitungan pekerjaan tangan Anda dalam memecahkan masalah pekerjaan rumah Anda. Situs ini menyediakan pengantar untuk memahami dasar-dasar dan bekerja dengan Excel. Mengulangi contoh numerik bergambar di situs ini akan membantu meningkatkan keakraban Anda dan sebagai hasilnya meningkatkan efektivitas dan efisiensi proses Anda dalam statistik. Untuk mencari situs. Coba E dit F ind di halaman Ctrl f. Masukkan kata atau frasa di kotak dialog, mis. Quot variansquot atau quot meanquot Jika tampilan pertama dari kata kunci bukan apa yang Anda cari, cobalah F ind Next. Pendahuluan Situs ini memberikan pengalaman ilustrasi dalam penggunaan Excel untuk ringkasan data, presentasi, dan untuk analisis statistik dasar lainnya. Saya percaya penggunaan Excel yang populer ada di area di mana Excel benar-benar bisa unggul. Ini termasuk mengatur data, yaitu pengelolaan data dasar, tabulasi dan grafik. Untuk analisis statistik sesungguhnya harus belajar menggunakan paket statistik komersial profesional seperti SAS, dan SPSS. Microsoft Excel 2000 (versi 9) menyediakan seperangkat alat analisis data yang disebut Analysis ToolPak yang dapat Anda gunakan untuk menyimpan langkah-langkah saat Anda mengembangkan analisis statistik yang kompleks. Anda menyediakan data dan parameter untuk setiap analisis alat ini menggunakan fungsi makro statistik yang sesuai dan kemudian menampilkan hasilnya dalam tabel output. Beberapa alat menghasilkan grafik selain tabel output. Jika perintah Analisis Data dapat dipilih pada menu Tools, maka Analysis ToolPak terinstal di sistem anda. Namun, jika perintah Analisis Data tidak ada pada menu Tools, Anda perlu menginstal Analysis ToolPak dengan melakukan hal berikut: Langkah 1: Pada menu Tools, klik Add-Ins. Jika Analisis ToolPak tidak tercantum dalam kotak dialog Add-Ins, klik Browse dan cari nama drive, folder, dan nama file untuk Analysis ToolPak Add-in Analys32.xll biasanya terletak di folder FilesMicrosoft OfficeOfficeLibraryAnalisis Program. Setelah Anda menemukan file tersebut, pilih dan klik OK. Langkah 2: Jika Anda tidak menemukan file Analys32.xll, maka Anda harus menginstalnya. Masukkan Disk Microsoft Office 2000 1 ke dalam drive CD ROM. Pilih Run dari menu Start Windows. Jelajahi dan pilih drive untuk CD Anda. Pilih Setup. exe, klik Open, dan klik OK. Klik tombol Add or Remove Features. Klik next ke Microsoft Excel untuk Windows. Klik next to Add-ins. Klik panah bawah di samping Analysis ToolPak. Pilih Run dari My Computer. Pilih tombol Update Now. Excel sekarang akan memperbarui sistem Anda untuk menyertakan Analysis ToolPak. Luncurkan Excel. Pada menu Tools, klik Add-Ins. - dan pilih kotak centang Analysis ToolPak. Langkah 3: Alat Analisis Add-In sekarang terinstal dan Analisis Data. Sekarang akan dipilih pada menu Tools. Microsoft Excel adalah paket spreadsheet yang kuat yang tersedia untuk Microsoft Windows dan Apple Macintosh. Perangkat lunak Spreadsheet digunakan untuk menyimpan informasi dalam kolom dan baris yang kemudian dapat diatur dan diproses. Spreadsheets dirancang untuk bekerja dengan baik dengan angka tapi sering menyertakan teks. Excel mengatur pekerjaan Anda ke dalam buku kerja setiap buku kerja dapat berisi banyak lembar kerja lembar kerja yang digunakan untuk membuat daftar dan menganalisis data. Excel tersedia di semua PC akses publik (yaitu, di Lab Perpustakaan dan PC). Ini bisa dibuka baik dengan memilih Start - Programs - Microsoft Excel atau dengan mengklik pada Excel Short Cut yang ada di desktop Anda, atau pada PC manapun, atau pada toolbar Office Tool. Membuka Dokumen: Klik File-Open (CtrlO) untuk membuka kembali buku kerja yang ada untuk mengubah area direktori atau drive untuk mencari file di lokasi lain Untuk membuat workbook baru, klik File-New-Blank Document. Menyimpan dan Menutup Dokumen: Untuk menyimpan dokumen Anda dengan nama file, lokasi dan format filenya saat ini, klik File - Save. Jika Anda menabung untuk pertama kalinya, klik File-Save choosetype nama untuk dokumen Anda lalu klik OK. Juga gunakan File-Save jika Anda ingin menyimpan ke filenamelocation yang berbeda. Setelah selesai mengerjakan dokumen, Anda harus menutupnya. Buka menu File dan klik Close. Jika Anda telah membuat perubahan sejak file terakhir disimpan, Anda akan ditanya apakah Anda ingin menyimpannya. Layar Excel Workbook dan lembar kerja: Saat Anda memulai Excel, lembar kerja kosong ditampilkan yang terdiri dari beberapa grid sel dengan baris bernomor di halaman dan kolom dengan judul berdasarkan abjad di seluruh halaman. Setiap sel direferensikan oleh koordinatnya (misalnya A3 digunakan untuk merujuk ke sel di kolom A dan baris 3 B10: B20 digunakan untuk merujuk pada kisaran sel pada kolom B dan baris 10 sampai 20). Pekerjaan Anda disimpan dalam file Excel yang disebut workbook. Setiap buku kerja mungkin berisi beberapa lembar kerja dan grafik - lembar kerja saat ini disebut lembar aktif. Untuk melihat lembar kerja yang berbeda dalam buku kerja, klik Lembar Lembar yang sesuai. Anda dapat mengakses dan menjalankan perintah langsung dari menu utama atau Anda dapat menunjuk ke salah satu tombol toolbar (kotak tampilan yang muncul di bawah tombol, saat Anda meletakkan kursor di atasnya, menunjukkan nama tombol) dan klik sekali. Bergerak di Sekitar Lembar Kerja: Penting untuk dapat bergerak di sekitar lembar kerja secara efektif karena Anda hanya dapat memasukkan atau mengubah data pada posisi kursor. Anda dapat memindahkan kursor dengan menggunakan tombol panah atau dengan mengarahkan mouse ke sel yang diperlukan dan mengkliknya. Setelah dipilih sel menjadi sel aktif dan dikenali oleh batas tebal hanya satu sel yang bisa aktif sekaligus. Untuk berpindah dari satu lembar kerja ke lembar kerja lainnya, klik tab lembar. (Jika buku kerja Anda berisi banyak lembar, klik kanan tombol gulir tab lalu klik lembar yang Anda inginkan.) Nama lembar aktif ditampilkan dalam huruf tebal. Bergerak Antara Sel: Berikut adalah cara pintas keyboard untuk memindahkan sel aktif: Rumah - bergerak ke kolom pertama di baris saat ini CtrlHome - bergerak ke sudut kiri atas dokumen Akhirilah Home - pindah ke sel terakhir dalam dokumen To Bergerak di antara sel pada lembar kerja, klik sel atau gunakan tombol panah. Untuk melihat area sheet yang berbeda, gunakan scroll bar dan klik pada tanda panah atau area di bawah kotak gulir di scroll bar vertikal atau horizontal. Perhatikan bahwa ukuran kotak gulir menunjukkan jumlah proporsional area yang digunakan dari lembar yang terlihat di jendela. Posisi kotak gulir menunjukkan lokasi relatif area yang terlihat dalam lembar kerja. Memasukkan Data Lembar kerja baru adalah kotak baris dan kolom. Baris diberi label dengan angka, dan kolom diberi label dengan huruf. Setiap persimpangan berturut-turut dan kolom adalah sel. Setiap sel memiliki alamat. Yaitu kolom huruf dan nomor baris. Panah pada lembar kerja ke kanan menunjuk ke sel A1, yang saat ini disorot. Menunjukkan bahwa itu adalah sel aktif. Sel harus aktif memasukkan informasi ke dalamnya. Untuk menyorot (pilih) sel, klik di atasnya. Untuk memilih lebih dari satu sel: Klik sel (misalnya A1), lalu tahan tombol shift saat Anda mengklik yang lain (misalnya D4) untuk memilih semua sel antara dan termasuk A1 dan D4. Klik pada sel (misalnya A1) dan seret mouse ke kisaran yang diinginkan, lepaskan pada sel lain (misalnya D4) untuk memilih semua sel antara dan termasuk A1 dan D4. Untuk memilih beberapa sel yang tidak bersebelahan, tekan kontrol dan klik Sel yang ingin Anda pilih. Klik nomor atau huruf yang melabeli baris atau kolom untuk memilih keseluruhan baris atau kolom. Satu lembar kerja bisa memiliki hingga 256 kolom dan 65.536 baris, jadi akan lama sebelum Anda kehabisan ruang. Setiap sel bisa mengandung label. Nilai. Nilai logis Atau formula. Label dapat berisi kombinasi huruf, angka, atau simbol. Nilai adalah angka. Hanya nilai (angka) yang bisa digunakan dalam perhitungan. Nilai juga bisa berupa tanggal atau nilai timeLogical benar atau salah. Formulas secara otomatis melakukan perhitungan terhadap nilai pada sel tertentu lainnya dan menampilkan hasilnya di sel tempat formula dimasukkan (misalnya, Anda dapat menentukan sel D3 itu Adalah berisi jumlah angka di B3 dan C3 nomor yang ditampilkan di D3 kemudian akan menjadi funtion dari angka yang masuk ke B3 dan C3). Untuk memasukkan informasi ke dalam sel, pilih sel dan mulai mengetik. Perhatikan bahwa saat Anda mengetik informasi ke dalam sel, informasi yang Anda masukkan juga ditampilkan di formula bar. Anda juga bisa memasukkan informasi ke dalam formula bar, dan informasinya akan muncul di sel yang dipilih. Bila Anda telah selesai memasukkan label atau nilai: Tekan Enter untuk pindah ke sel berikutnya di bawah ini (dalam kasus ini, A2) Tekan Tab untuk berpindah ke sel berikutnya ke kanan (dalam kasus ini, B1) Klik sel untuk memilih Itu Memasuki Label Kecuali informasi yang Anda masukkan diformat sebagai nilai atau formula, Excel akan menafsirkannya sebagai label, dan default menyelaraskan teks di sisi kiri sel. Jika Anda membuat lembar kerja yang panjang dan Anda akan mengulangi informasi label yang sama di banyak sel yang berbeda, Anda dapat menggunakan fungsi AutoComplete. Fungsi ini akan melihat entri lain di kolom yang sama dan mencoba mencocokkan entri sebelumnya dengan entri Anda saat ini. Misalnya, jika Anda sudah mengetikkan Wesleyan di sel lain dan Anda mengetik W di sel baru, Excel secara otomatis akan masuk Wesleyan. Jika Anda ingin mengetikkan Wesleyan ke dalam sel, tugas Anda selesai, dan Anda dapat beralih ke sel berikutnya. Jika Anda ingin mengetikkan sesuatu yang lain, mis. Williams, masuk ke sel, terus mengetik untuk masuk istilah. Untuk mengaktifkan funtion AutoComplete, klik Tools pada menu bar, lalu pilih Options, lalu pilih Edit, dan klik untuk meletakkan tanda centang di kotak di samping Enable AutoComplete untuk nilai sel. Cara lain untuk cepat memasukkan label berulang adalah dengan menggunakan fitur Pick List. Klik kanan pada sel, lalu pilih Pick From List. Ini akan memberi Anda daftar semua entri lainnya di sel di kolom itu. Klik pada item di menu untuk memasukkannya ke sel yang sekarang dipilih. Nilai adalah angka, tanggal, atau waktu, ditambah beberapa simbol jika perlu untuk menentukan angka lebih jauh seperti. - () 93. Angka diasumsikan positif untuk memasukkan angka negatif, gunakan tanda minus - atau lampirkan nomor dalam tanda kurung (). Tanggal disimpan sebagai MMDDYYYY, namun Anda tidak perlu memasukkannya persis dalam format itu. Jika Anda memasukkan jan 9 atau jan-9, Excel akan mengetahuinya pada tanggal 9 Januari tahun ini, dan menyimpannya pada 192002. Masukkan tahun empat digit selama satu tahun selain tahun berjalan (misalnya jan 9, 1999). Untuk memasukkan tanggal hari ini, tekan kontrol dan pada saat bersamaan. Kali default menjadi 24 jam. Gunakan a atau p untuk menunjukkan am atau pm jika Anda menggunakan jam 12 jam (mis. 8:30 p ditafsirkan pukul 20.30). Untuk memasukkan waktu saat ini, tekan kontrol dan: (shift-titik koma) pada saat bersamaan. Entri yang diartikan sebagai nilai (angka, tanggal, atau waktu) diselaraskan ke sisi kanan sel, untuk memformat ulang sebuah nilai. Angka Pembulatan yang Memenuhi Kriteria Tertentu: Untuk menerapkan warna ke nilai maksimum dan minimum: Pilih sel di wilayah ini, dan tekan CtrlShift (pada Excel 2003, tekan ini atau CtrlA) untuk memilih Current Region. Dari menu Format, pilih Conditional Formatting. Dalam Kondisi 1, pilih Formula Is, dan ketik MAX (F: F) F1. Klik Format, pilih Font tab, pilih warna, dan kemudian klik Oke. Dalam Kondisi 2, pilih Formula Is, dan ketik MIN (F: F) F1. Ulangi langkah 4, pilih warna yang berbeda dari yang Anda pilih untuk Kondisi 1, lalu klik OK. Catatan: Pastikan untuk membedakan antara referensi absolut dan referensi relatif saat memasukkan rumus. Angka Pengambilan yang Memenuhi Kriteria Spesifik Masalah: Membulatkan semua angka di kolom A ke angka nol, kecuali yang ada di desimal pertama. Solusi: Gunakan fungsi IF, MOD, dan ROUND dalam rumus berikut: IF (MOD (A2,1) 0,5, A2, ROUND (A2,0)) Untuk Menyalin dan Memaste Semua Sel dalam Lembar Pilih sel di lembar Dengan menekan CtrlA (di Excel 2003, pilih sel di area kosong sebelum menekan CtrlA, atau dari sel yang dipilih dalam rentang Current RegionList, tekan CtrlAA). ATAU Klik Pilih Semua di persimpangan kiri atas baris dan kolom. Tekan CtrlC. Tekan CtrlPage Down untuk memilih sheet lain, lalu pilih sel A1. Tekan enter. Untuk Menyalin Keseluruhan Lembar Menyalin seluruh lembar berarti menyalin sel, parameter pengaturan halaman, dan Nama-nama rentang yang ditentukan. Opsi 1: Gerakkan penunjuk mouse ke tab lembar. Tekan Ctrl, dan tahan mouse untuk menyeret lembar ke lokasi lain. Lepaskan tombol mouse dan tombol Ctrl. Opsi 2: Klik kanan tab sheet yang sesuai. Dari menu jalan pintas, pilih Pindah atau Salin. Kotak dialog Move atau Copy memungkinkan seseorang untuk menyalin lembaran itu ke lokasi yang berbeda dalam buku kerja saat ini atau ke buku kerja yang berbeda. Pastikan untuk menandai kotak centang Create a copy. Opsi 3: Dari menu Window, pilih Arrange. Pilih Tiled to tile all open workbooks di jendela. Gunakan Opsi 1 (menyeret lembar sambil menekan Ctrl) untuk menyalin atau memindahkan lembaran. Sortasi menurut Kolom Pengaturan default untuk sortir dalam urutan Ascending atau Descending adalah dengan baris. Untuk mengurutkan berdasarkan kolom: Dari menu Data, pilih Sortir, lalu pilih. Pilih tombol pilihan Sortir ke kanan dan klik OK. Di dalam Sort by option dari kotak dialog Sort, pilih nomor baris dimana kolom akan diurutkan dan klik OK. Statistik Deskriptif Alat Analisis DataPak memiliki alat Statistik Deskriptif yang memberi Anda cara mudah untuk menghitung statistik ringkasan untuk sekumpulan data sampel. Ringkasan statistik meliputi Mean, Standard Error, Median, Mode, Standard Deviation, Variance, Kurtosis, Skewness, Range, Minimum, Maximum, Sum, and Count. Alat ini menghilangkan kebutuhan untuk mengetikkan fungsi indivividual untuk menemukan masing-masing hasil ini. Excel menyertakan bilah alat yang rumit dan dapat disesuaikan, misalnya bilah alat standar yang ditunjukkan di sini: Beberapa ikon berguna untuk perhitungan matematis: adalah ikon Autosum, yang memasukkan jumlah rumus () untuk menambahkan rentang sel. Adalah ikon FunctionWizard, yang memberi Anda akses ke semua fungsi yang tersedia. Adalah ikon GraphWizard, memberikan akses ke semua jenis grafik yang tersedia, seperti yang ditunjukkan pada tampilan ini: Excel dapat digunakan untuk menghasilkan ukuran lokasi dan variabilitas variabel. Misalkan kita ingin menemukan statistik deskriptif untuk data sampel: 2, 4, 6, dan 8. Langkah 1. Pilih menu pull-down Tools, jika Anda melihat analisis data, klik opsi ini, jika tidak, klik add-in . Pilihan untuk menginstal alat analisis pak. Langkah 2. Klik pada pilihan analisis data. Langkah 3. Pilih Deskriptif Statistik dari Daftar Alat Analisis. Langkah 4. Saat kotak dialog muncul: Masukkan A1: A4 di kotak input range, A1 adalah nilai pada kolom A dan baris 1. Dalam hal ini nilai ini adalah 2. Menggunakan teknik yang sama masukkan NILAI lain sampai Anda mencapai yang terakhir. Jika sampel terdiri dari 20 nomor, Anda dapat memilih misalnya A1, A2, A3, dan lain-lain sebagai kisaran masukan. Langkah 5. Pilih rentang output. Dalam hal ini B1. Klik ringkasan statistik untuk melihat hasilnya. Bila Anda klik OK. Anda akan melihat hasilnya di kisaran yang dipilih. Seperti yang akan Anda lihat, rata-rata sampel adalah 5, mediannya adalah 5, standar deviasi adalah 2.581989, varians sampelnya adalah 6.666667, kisarannya adalah 6 dan seterusnya. Masing-masing faktor ini mungkin penting dalam perhitungan prosedur statistik yang berbeda. Distribusi Normal Pertimbangkan masalah untuk menemukan probabilitas mendapatkan nilai lebih dari suatu nilai tertentu di bawah distribusi probabilitas normal. Sebagai contoh ilustratif, mari kita anggap nilai SAT nasional secara normal didistribusikan dengan rata-rata dan standar deviasi 500 dan 100. Jawablah pertanyaan berikut berdasarkan informasi yang diberikan: A: Berapakah probabilitas skor siswa yang dipilih secara acak akan kurang dari 600 poin B: Berapakah probabilitas skor siswa yang dipilih secara acak akan melebihi 600 poin C: Berapakah probabilitasnya Bahwa nilai siswa yang dipilih secara acak antara 400 dan 600 Petunjuk: Dengan menggunakan Excel Anda dapat menemukan probabilitas mendapatkan nilai kira-kira kurang dari atau sama dengan nilai tertentu. In a problem, when the mean and the standard deviation of the population are given, you have to use common sense to find different probabilities based on the question since you know the area under a normal curve is 1. In the work sheet, select the cell where you want the answer to appear. Suppose, you chose cell number one, A1. From the menus, select quotinsert pull-downquot. Steps 2-3 From the menus, select insert, then click on the Function option. Step 4. After clicking on the Function option, the Paste Function dialog appears from Function Category. Choose Statistical then NORMDIST from the Function Name box Click OK Step 5. After clicking on OK, the NORMDIST distribution box appears: i. Enter 600 in X (the value box) ii. Enter 500 in the Mean box iii. Enter 100 in the Standard deviation box iv. Type quottruequot in the cumulative box, then click OK. As you see the value 0.84134474 appears in A1, indicating the probability that a randomly selected students score is below 600 points. Using common sense we can answer part quotbquot by subtracting 0.84134474 from 1. So the part quotbquot answer is 1- 0.8413474 or 0.158653. This is the probability that a randomly selected students score is greater than 600 points. To answer part quotcquot, use the same techniques to find the probabilities or area in the left sides of values 600 and 400. Since these areas or probabilities overlap each other to answer the question you should subtract the smaller probability from the larger probability. The answer equals 0.84134474 - 0.15865526 that is, 0.68269. The screen shot should look like following: Calculating the value of a random variable often called the quotxquot value You can use NORMINV from the function box to calculate a value for the random variable - if the probability to the left side of this variable is given. Actually, you should use this function to calculate different percentiles. In this problem one could ask what is the score of a student whose percentile is 90 This means approximately 90 of students scores are less than this number. On the other hand if we were asked to do this problem by hand, we would have had to calculate the x value using the normal distribution formula x m zd. Now lets use Excel to calculate P90. In the Paste function, dialog click on statistical, then click on NORMINV . The screen shot would look like the following: When you see NORMINV the dialog box appears. saya. Enter 0.90 for the probability (this means that approximately 90 of students score is less than the value we are looking for) ii. Enter 500 for the mean (this is the mean of the normal distribution in our case) iii. Enter 100 for the standard deviation (this is the standard deviation of the normal distribution in our case) At the end of this screen you will see the formula result which is approximately 628 points. This means the top 10 of the students scored better than 628. Confidence Interval for the Mean Suppose we wish for estimating a confidence interval for the mean of a population. Depending on the size of your sample size you may use one of the following cases: Large Sample Size (n is larger than, say 30): The general formula for developing a confidence interval for a population means is: In this formula is the mean of the sample Z is the interval coefficient, which can be found from the normal distribution table (for example the interval coefficient for a 95 confidence level is 1.96). S is the standard deviation of the sample and n is the sample size. Now we would like to show how Excel is used to develop a certain confidence interval of a population mean based on a sample information. As you see in order to evaluate this formula you need quotthe mean of the samplequot and the margin of error Excel will automatically calculate these quantities for you. The only things you have to do are: add the margin of error to the mean of the sample, Find the upper limit of the interval and subtract the margin of error from the mean to the lower limit of the interval. To demonstrate how Excel finds these quantities we will use the data set, which contains the hourly income of 36 work-study students here, at the University of Baltimore. These numbers appear in cells A1 to A36 on an Excel work sheet. After entering the data, we followed the descriptive statistic procedure to calculate the unknown quantities. The only additional step is to click on the confidence interval in the descriptive statistics dialog box and enter the given confidence level, in this case 95. Here is, the above procedures in step-by-step: Step 1. Enter data in cells A1 to A36 (on the spreadsheet) Step 2. From the menus select Tools Step 3. Click on Data Analysis then choose the Descriptive Statistics option then click OK . On the descriptive statistics dialog, click on Summary Statistic. After you have done that, click on the confidence interval level and type 95 - or in other problems whatever confidence interval you desire. In the Output Range box enter B1 or what ever location you desire. Now click on OK . The screen shot would look like the following: As you see, the spreadsheet shows that the mean of the sample is 6.902777778 and the absolute value of the margin of error 0.231678109. This mean is based on this sample information. A 95 confidence interval for the hourly income of the UB work-study students has an upper limit of 6.902777778 0.231678109 and a lower limit of 6.902777778 - 0.231678109. On the other hand, we can say that of all the intervals formed this way 95 contains the mean of the population. Or, for practical purposes, we can be 95 confident that the mean of the population is between 6.902777778 - 0.231678109 and 6.902777778 0.231678109. We can be at least 95 confident that interval 6.68 and 7.13 contains the average hourly income of a work-study student. Smal Sample Size (say less than 30) If the sample n is less than 30 or we must use the small sample procedure to develop a confidence interval for the mean of a population. The general formula for developing confidence intervals for the population mean based on small a sample is: In this formula is the mean of the sample. is the interval coefficient providing an area of in the upper tail of a t distribution with n-1 degrees of freedom which can be found from a t distribution table (for example the interval coefficient for a 90 confidence level is 1.833 if the sample is 10). S is the standard deviation of the sample and n is the sample size. Now you would like to see how Excel is used to develop a certain confidence interval of a population mean based on this small sample information. As you see, to evaluate this formula you need quotthe mean of the samplequot and the margin of error Excel will automatically calculate these quantities the way it did for large samples. Again, the only things you have to do are: add the margin of error to the mean of the sample, , find the upper limit of the interval and to subtract the margin of error from the mean to find the lower limit of the interval. To demonstrate how Excel finds these quantities we will use the data set, which contains the hourly incomes of 10 work-study students here, at the University of Baltimore. These numbers appear in cells A1 to A10 on an Excel work sheet. After entering the data we follow the descriptive statistic procedure to calculate the unknown quantities (exactly the way we found quantities for large sample). Here you are with the procedures in step-by-step form: Step 1. Enter data in cells A1 to A10 on the spreadsheet Step 2. From the menus select Tools Step 3. Click on Data Analysis then choose the Descriptive Statistics option. Click OK on the descriptive statistics dialog, click on Summary Statistic, click on the confidence interval level and type in 90 or in other problems whichever confidence interval you desire. In the Output Range box, enter B1 or whatever location you desire. Now click on OK . The screen shot will look like the following: Now, like the calculation of the confidence interval for the large sample, calculate the confidence interval of the population based on this small sample information. The confidence interval is: 6.8 0.414426102 or 6.39 7.21. We can be at least 90 confidant that the interval 6.39 and 7.21 contains the true mean of the population. Test of Hypothesis Concerning the Population Mean Again, we must distinguish two cases with respect to the size of your sample Large Sample Size (say, over 30): In this section you wish to know how Excel can be used to conduct a hypothesis test about a population mean. We will use the hourly incomes of different work-study students than those introduced earlier in the confidence interval section. Data are entered in cells A1 to A36. The objective is to test the following Null and Alternative hypothesis: The null hypothesis indicates that the average hourly income of a work-study student is equal to 7 per hour however, the alternative hypothesis indicates that the average hourly income is not equal to 7 per hour. I will repeat the steps taken in descriptive statistics and at the very end will show how to find the value of the test statistics in this case, z, using a cell formula. Step 1. Enter data in cells A1 to A36 (on the spreadsheet) Step 2. From the menus select Tools Step 3. Click on Data Analysis then choose the Descriptive Statistics option, click OK . On the descriptive statistics dialog, click on Summary Statistic. Select the Output Range box, enter B1 or whichever location you desire. Sekarang klik OK. (To calculate the value of the test statistics search for the mean of the sample then the standard error. In this output, these values are in cells C3 and C4.) Step 4. Select cell D1 and enter the cell formula (C3 - 7)C4. The screen shot should look like the following: The value in cell D1 is the value of the test statistics. Since this value falls in acceptance range of -1.96 to 1.96 (from the normal distribution table), we fail to reject the null hypothesis. Small Sample Size (say, less than 30): Using steps taken the large sample size case, Excel can be used to conduct a hypothesis for small-sample case. Lets use the hourly income of 10 work-study students at UB to conduct the following hypothesis. The null hypothesis indicates that average hourly income of a work-study student is equal to 7 per hour. The alternative hypothesis indicates that average hourly income is not equal to 7 per hour. I will repeat the steps taken in descriptive statistics and at the very end will show how to find the value of the test statistics in this case quottquot using a cell formula. Step 1. Enter data in cells A1 to A10 (on the spreadsheet) Step 2. From the menus select Tools Step 3. Click on Data Analysis then choose the Descriptive Statistics option. Klik Oke. On the descriptive statistics dialog, click on Summary Statistic. Select the Output Range boxes, enter B1 or whatever location you chose. Again, click on OK . (To calculate the value of the test statistics search for the mean of the sample then the standard error, in this output these values are in cells C3 and C4.) Step 4. Select cell D1 and enter the cell formula (C3 - 7)C4. The screen shot would look like the following: Since the value of test statistic t -0.66896 falls in acceptance range -2.262 to 2.262 (from t table, where 0.025 and the degrees of freedom is 9), we fail to reject the null hypothesis. Difference Between Mean of Two Populations In this section we will show how Excel is used to conduct a hypothesis test about the difference between two population means assuming that populations have equal variances. The data in this case are taken from various offices here at the University of Baltimore. I collected the hourly income data of 36 randomly selected work-study students and 36 student assistants. The hourly income range for work-study students was 6 - 8 while the hourly income range for student assistants was 6-9. The main objective in this hypothesis testing is to see whether there is a significant difference between the means of the two populations. The NULL and the ALTERNATIVE hypothesis is that the means are equal and the means are not equal, respectively. Referring to the spreadsheet, I chose A1 and A2 as label centers. The work-study students hourly income for a sample size 36 are shown in cells A2:A37 . and the student assistants hourly income for a sample size 36 is shown in cells B2:B37 Data for Work Study Student: 6, 6, 6, 6, 6, 6, 6, 6.5, 6.5, 6.5, 6.5, 6.5, 6.5, 7, 7, 7, 7, 7, 7, 7, 7.5, 7.5, 7.5, 7.5, 7.5, 7.5, 8, 8, 8, 8, 8, 8, 8, 8, 8. Data for Student Assistant: 6, 6, 6, 6, 6, 6.5, 6.5, 6.5, 6.5, 6.5, 7, 7, 7, 7, 7, 7.5, 7.5, 7.5, 7.5, 7.5, 7.5, 8, 8, 8, 8, 8, 8, 8, 8.5, 8.5, 8.5, 8.5, 8.5, 9, 9, 9, 9. Use the Descriptive Statistics procedure to calculate the variances of the two samples. The Excel procedure for testing the difference between the two population means will require information on the variances of the two populations. Since the variances of the two populations are unknowns they should be replaced with sample variances. The descriptive for both samples show that the variance of first sample is s 1 2 0.55546218 . while the variance of the second sample s 2 2 0.969748 . To conduct the desired test hypothesis with Excel the following steps can be taken: Step 1. From the menus select Tools then click on the Data Analysis option. Step 2. When the Data Analysis dialog box appears: Choose z-Test: Two Sample for means then click OK Step 3. When the z-Test: Two Sample for means dialog box appears: Enter A1:A36 in the variable 1 range box (work-study students hourly income) Enter B1:B36 in the variable 2 range box (student assistants hourly income) Enter 0 in the Hypothesis Mean Difference box (if you desire to test a mean difference other than 0, enter that value) Enter the variance of the first sample in the Variable 1 Variance box Enter the variance of the second sample in the Variable 2 Variance box and select Labels Enter 0.05 or, whatever level of significance you desire, in the Alpha box Select a suitable Output Range for the results, I chose C19 . then click OK. The value of test statistic z-1.9845824 appears in our case in cell D24. The rejection rule for this test is z 1.96 from the normal distribution table. In the Excel output these values for a two-tail test are z 1.959961082. Since the value of the test statistic z-1.9845824 is less than -1.959961082 we reject the null hypothesis. We can also draw this conclusion by comparing the p-value for a two tail - test and the alpha value. Since p-value 0.047190813 is less than a0.05 we reject the null hypothesis. Overall we can say, based on the sample results, the two populations means are different. Small Samples: n 1 OR n 2 are less than 30 In this section we will show how Excel is used to conduct a hypothesis test about the difference between two population means. - Given that the populations have equal variances when two small independent samples are taken from both populations. Similar to the above case, the data in this case are taken from various offices here at the University of Baltimore. I collected hourly income data of 11 randomly selected work-study students and 11 randomly selected student assistants. The hourly income range for both groups was similar range, 6 - 8 and 6-9. The main objective in this hypothesis testing is similar too, to see whether there is a significant difference between the means of the two populations. The NULL and the ALTERNATIVE hypothesis are that the means are equal and they are not equal, respectively. Referring to the spreadsheet, we chose A1 and A2 as label centers. The work-study students hourly income for a sample size 11 are shown in cells A2:A12 . and the student assistants hourly income for a sample size 11 is shown in cells B2:B12 . Unlike previous case, you do not have to calculate the variances of the two samples, Excel will automatically calculate these quantities and use them in the calculation of the value of the test statistic. Similar to the previous case, but a bit different in step 2, to conduct the desired test hypothesis with Excel the following steps can be taken: Step 1. From the menus select Tools then click on the Data Analysis option. Step 2. When the Data Analysis dialog box appears: Choose t-Test: Two Sample Assuming Equal Variances then click OK Step 3 When the t-Test: Two Sample Assuming Equal Variances dialog box appears : Enter A1:A12 in the variable 1 range box (work-study student hourly income) Enter B1:B12 in the variable 2 range box (student assistant hourly income) Enter 0 in the Hypothesis Mean Difference box(if you desire to test a mean difference other than zero, enter that value) then select Labels Enter 0.05 or, whatever level of significance you desire, in the Alpha box Select a suitable Output Range for the results, I chose C1, then click OK. The value of the test statistic t-1.362229828 appears, in our case, in cell D10. The rejection rule for this test is t 2.086 from the t distribution table where the t value is based on a t distribution with n 1 - n 2 -2 degrees of freedom and where the area of the upper one tail is 0.025 ( that is equal to alpha2). In the Excel output the values for a two-tail test are t 2.085962478. Since the value of the test statistic t-1.362229828, is in an acceptance range of t 2.085962478, we fail to reject the null hypothesis. We can also draw this conclusion by comparing the p-value for a two-tail test and the alpha value. Since the p-value 0.188271278 is greater than a0.05 again . we fail to reject the null hypothesis. Overall we can say, based on sample results, the two populations means are equal. Enter data in an Excel work sheet starting with cell A2 and ending with cell C8. The following steps should be taken to find the proper output for interpretation. Step 1. From the menus select Tools and click on Data Analysis option. Step 2. When data analysis dialog appears, choose Anova single-factor option enter A2:C8 in the input range box. Select labels in first row. Step3. Select any cell as output(in here we selected A11). Klik Oke. The general form of Anova table looks like following: Source of Variation Suppose the test is done at level of significance a 0.05, we reject the null hypothesis. This means there is a significant difference between means of hourly incomes of student assistants in these departments. The Two-way ANOVA Without Replication In this section, the study involves six students who were offered different hourly wages in three different department services here at the University of Baltimore. The objective is to see whether the hourly incomes are the same. Therefore, we can consider the following: Treatment: Hourly payments in the three departments Blocks: Each student is a block since each student has worked in the three different departments The general form of Anova table would look like: Source of Variation Degrees of freedom To find the Excel output for the above data the following steps can be taken: Step 1. From the menus select Tools and click on Data Analysis option. Step2. When data analysis box appears: select Anova two-factor without replication then Enter A2: D8 in the input range. Select labels in first row. Step3. Select an output range (in here we selected A11) then OK. Source of Variation NOTE: FMSTMSE 0.9805560.497222 1.972067 F 3.33 from table (5 numerator DF and 10 denominator DF) Since 1.972067 Goodness-of-Fit Test for Discrete Random Variables The CHI-SQUARE distribution can be used in a hypothesis test involving a population variance. However, in this section we would like to test and see how close a sample results are to the expected results. Example: The Multinomial Random Variable In this example the objective is to see whether or not based on a randomly selected sample information the standards set for a population is met. There are so many practical examples that can be used in this situation. For example it is assumed the guidelines for hiring people with different ethnic background for the US government is set at 70(WHITE), 20(African American) and 10(others), respectively. A randomly selected sample of 1000 US employees shows the following results that is summarized in a table. EXPECTED NUMBER OF EMPLOYEES OBSERVED FROM SAMPLE As you see the observed sample numbers for groups two and three are lower than their expected values unlike group one which has a higher expected value. Is this a clear sign of discrimination with respect to ethnic background Well depends on how much lower the expected values are. The lower amount might not statistically be significant. To see whether these differences are significant we can use Excel and find the value of the CHI-SQUARE. If this value falls within the acceptance region we can assume that the guidelines are met otherwise they are not. Now lets enter these numbers into Excel spread - sheet. We used cells B7-B9 for the expected proportions, C7-C9 for the observed values and D7-D9 for the expected frequency. To calculate the expected frequency for a category, you can multiply the proportion of that category by the sample size (in here 1000). The formula for the first cell of the expected value column, D7 is 1000B7. To find other entries in the expected value column, use the copy and the paste menu as shown in the following picture. These are important values for the chi-square test. The observed range in this case is C7: C9 while the expected range is D7: D9. The null and the alternative hypothesis for this test are as follows: H A . The population proportions are not P W 0.70, P A 0.20 and P O 0.10 Now lets use Excel to calculate the p-value in a CHI-SQUARE test. Step 1. Select a cell in the work sheet, the location which you like the p value of the CHI-SQUARE to appear. We chose cell D12. Step 2. From the menus, select insert then click on the Function option, Paste Function dialog box appears. Step 3. Refer to function category box and choose statistical . from function name box select CHITEST and click on OK . Step 4. When the CHITEST dialog appears: Enter C7: C9 in the actual-range box then enter D7: D9 in the expected-range box, and finally click on OK . The p-value will appear in the selected cell, D12. As you see the p value is 0.002392 which is less than the value of the level of significance (in this case the level of significance, a 0.10). Hence the null hypothesis should be rejected. This means based on the sample information the guidelines are not met. Notice if you type CHITEST(C7:C9,D7:D9) in the formula bar the p-value will show up in the designated cell. NOTE: Excel can actually find the value of the CHI-SQUARE. To find this value first select an empty cell on the spread sheet then in the formula bar type CHIINV(D12,2). D12 designates the p-Value found previously and 2 is the degrees of freedom (number of rows minus one). The CHI-SQUARE value in this case is 12.07121. If we refer to the CHI-SQUARE table we will see that the cut off is 4.60517 since 12.071214.60517 we reject the null. The following screen shot shows you how to the CHI-SQUARE value. Test of Independence: Contingency Tables The CHI-SQUARE distribution is also used to test and see whether two variables are independent or not. For example based on sample data you might want to see whether smoking and gender are independent events for a certain population. The variables of interest in this case are smoking and the gender of an individual. Another example in this situation could involve the age range of an individual and his or her smoking habit. Similar to case one data may appear in a table but unlike the case one this table may contains several columns in addition to rows. The initial table contains the observed values. To find expected values for this table we set up another table similar to this one. To find the value of each cell in the new table we should multiply the sum of the cell column by the sum of the cell row and divide the results by the grand total. The grand total is the total number of observations in a study. Now based on the following table test whether or not the smoking habit and gender of the population that the following sample taken from are independent. On the other hand is that true that males in this population smoke more than females You could use formula bar to calculate the expected values for the expected range. For example to find the expected value for the cell C5 which is replaced in c11 you could click on the formula bar and enter C6D5D6 then enter in cell C11. Step 1. Observed Range b4:c5 Smoking and gender So the observed range is b4:c5 and the expected range is b10:c11. Step 3. Click on fx (paste function) Step 4. When Paste Function dialog box appears, click on Statistical in function category and CHITEST in the function name then click OK. When the CHITEST box appears, enter b4:c5 for the actual range, then b10:c11 for the expected range. Step 5. Click on OK (the p-value appears). 0.477395 Conclusion: Since p-value is greater than the level of significance (0.05), fails to reject the null. This means smoking and gender are independent events. Based on sample information one can not assure females smoke more than males or the other way around. Step 6. To find the chi-square value, use CHINV function, when Chinv box appears enter 0.477395 for probability part, then 1 for the degrees of freedom. Degrees of freedom(number of columns-1)X(number of rows-1) Test Hypothesis Concerning the Variance of Two Populations In this section we would like to examine whether or not the variances of two populations are equal. Whenever independent simple random samples of equal or different sizes such as n 1 and n 2 are taken from two normal distributions with equal variances, the sampling distribution of s 1 2 s 2 2 has F distribution with n 1 - 1 degrees of freedom for the numerator and n 2 - 1 degrees of freedom for the denominator. In the ratio s 1 2 s 2 2 the numerator s 1 2 and the denominator s 2 2 are variances of the first and the second sample, respectively. The following figure shows the graph of an F distribution with 10 degrees of freedom for both the numerator and the denominator. Unlike the normal distribution as you see the F distribution is not symmetric. The shape of an F distribution is positively skewed and depends on the degrees of freedom for the numerator and the denominator. The value of F is always positive. Now let see whether or not the variances of hourly income of student-assistant and work-study students based on samples taken from populations previously are equal. Assume that the hypothesis test in this case is conducted at a 0.10. The null and the alternative are: Rejection Rule: Reject the null hypothesis if Flt F 0.095 or Fgt F 0.05 where F, the value of the test statistic is equal to s 1 2 s 2 2. with 10 degrees of freedom for both the numerator and the denominator. We can find the value of F .05 from the F distribution table. If s 1 2 s 2 2. we do not need to know the value of F 0.095 otherwise, F 0.95 1 F 0.05 for equal sample sizes. A survey of eleven student-assistant and eleven work-study students shows the following descriptive statistics. Our objective is to find the value of s 1 2 s 2 2. where s 1 2 is the value of the variance of student assistant sample and s 2 2 is the value of the variance of the work study students sample. As you see these values are in cells F8 and D8 of the descriptive statistic output. To calculate the value of s 1 2 s 2 2. select a cell such as A16 and enter cell formula F8D8 and enter. This is the value of F in our problem. Since this value, F1.984615385, falls in acceptance area we fail to reject the null hypothesis. Hence, the sample results do support the conclusion that student assistants hourly income variance is equal to the work study students hourly income variance. The following screen shoot shows how to find the F value. We can follow the same format for one tail test(s). Linear Correlation and Regression Analysis In this section the objective is to see whether there is a correlation between two variables and to find a model that predicts one variable in terms of the other variable. There are so many examples that we could mention but we will mention the popular ones in the world of business. Usually independent variable is presented by the letter x and the dependent variable is presented by the letter y. A business man would like to see whether there is a relationship between the number of cases of sold and the temperature in a hot summer day based on information taken from the past. He also would like to estimate the number cases of soda which will be sold in a particular hot summer day in a ball game. He clearly recorded temperatures and number of cases of soda sold on those particular days. The following table shows the recorded data from June 1 through June 13. The weatherman predicts a 94F degree temperature for June 14. The businessman would like to meet all demands for the cases of sodas ordered by customers on June 14. Now lets use Excel to find the linear correlation coefficient and the regression line equation. The linear correlation coefficient is a quantity between -1 and 1. This quantity is denoted by R . The closer R to 1 the stronger positive (direct) correlation and similarly the closer R to -1 the stronger negative (inverse) correlation exists between the two variables. The general form of the regression line is y mx b. In this formula, m is the slope of the line and b is the y-intercept. You can find these quantities from the Excel output. In this situation the variable y (the dependent variable) is the number of cases of soda and the x (independent variable) is the temperature. To find the Excel output the following steps can be taken: Step 1. From the menus choose Tools and click on Data Analysis. Step 2. When Data Analysis dialog box appears, click on correlation. Step 3. When correlation dialog box appears, enter B1:C14 in the input range box. Click on Labels in first row and enter a16 in the output range box. Click on OK. As you see the correlation between the number of cases of soda demanded and the temperature is a very strong positive correlation. This means as the temperature increases the demand for cases of soda is also increasing. The linear correlation coefficient is 0.966598577 which is very close to 1. Now lets follow same steps but a bit different to find the regression equation. Step 1. From the menus choose Tools and click on Data Analysis Step 2 . When Data Analysis dialog box appears, click on regression . Step 3. When Regression dialog box appears, enter b1:b14 in the y-range box and c1:c14 in the x-range box. Click on labels . Step 4. Enter a19 in the output range box . Note: The regression equation in general should look like Ym X b. In this equation m is the slope of the regression line and b is its y-intercept. Adjusted R Square The relationship between the number of cans of soda and the temperature is: Y 0.879202711 X 9.17800767 The number of cans of soda 0.879202711(Temperature) 9.17800767. Referring to this expression we can approximately predict the number of cases of soda needed on June 14. The weather forecast for this is 94 degrees, hence the number of cans of soda needed is equal to The number of cases of soda0.879202711(94) 9.17800767 91.82 or about 92 cases. Moving Average and Exponential Smoothing Moving Average Models: Use the Add Trendline option to analyze a moving average forecasting model in Excel. You must first create a graph of the time series you want to analyze. Select the range that contains your data and make a scatter plot of the data. Once the chart is created, follow these steps: Click on the chart to select it, and click on any point on the line to select the data series. When you click on the chart to select it, a new option, Chart, s added to the menu bar. From the Chart menu, select Add Trendline. The following is the moving average of order 4 for weekly sales: Exponential Smoothing Models: The simplest way to analyze a timer series using an Exponential Smoothing model in Excel is to use the data analysis tool. This tool works almost exactly like the one for Moving Average, except that you will need to input the value of a instead of the number of periods, k. Once you have entered the data range and the damping factor, 1- a. and indicated what output you want and a location, the analysis is the same as the one for the Moving Average model. Applications and Numerical Examples Descriptive Statistics: Suppose you have the following, n 10, data: 1.2, 1.5, 2.6, 3.8, 2.4, 1.9, 3.5, 2.5, 2.4, 3.0 Type your n data points into the cells A1 through An. Click on the Tools menu. (At the bottom of the Tools menu will be a submenu Data Analysis. , if the Analysis Tool Pack has been properly installed.) Clicking on Data Analysis. will lead to a menu from which Descriptive Statistics is to be selected. Select Descriptive Statistics by pointing at it and clicking twice, or by highlighting it and clicking on the Okay button. Within the Descriptive Statistics submenu, a. for the input range enter A1:Dn, assuming you typed the data into cells A1 to An. b. click on the output range button and enter the output range C1:C16. C. click on the Summary Statistics box d. finally, click on Okay. The Central Tendency: The data can be sorted in ascending order: 1.2, 1.5, 1.9, 2.4, 2.4, 2.5, 2.6, 3.0, 3.5, 3.8 The mean, median and mode are computed as follows: (1.2 1.5 2.6 3.8 2.4 1.9 3.5 2.5 2.4 3.0) 10 2.48 The mode is 2.4, since it is the only value that occurs twice. The midrange is (1.2 3.8) 2 2.5. Note that the mean, median and mode of this set of data are very close to each other. This suggests that the data is very symmetrically distributed. Variance: The variance of a set of data is the average of the cumulative measure of the squares of the difference of all the data values from the mean. The sample variance-based estimation for the population variance are computed differently. The sample variance is simply the arithmetic mean of the squares of the difference between each data value in the sample and the mean of the sample. On the other hand, the formula for an estimate for the variance in the population is similar to the formula for the sample variance, except that the denominator in the fraction is (n-1) instead of n. However, you should not worry about this difference if the sample size is large, say over 30. Compute an estimate for the variance of the population . given the following sorted data: 1.2, 1.5, 1.9, 2.4, 2.4, 2.5, 2.6, 3.0, 3.5, 3.8 mean 2.48 as computed earlier. An estimate for the population variance is: s 2 1 (10-1) (1.2 - 2.48) 2 (1.5 - 2.48) 2 (1.9 - 2.48) 2 (2.4 -2.48) 2 (2.4 - 2.48) 2 (2.5 - 2.48) 2 (2.6 - 2.48) 2 (3.0 - 2.48) 2 (3.5 -2.48) 2 (3.8 - 2.48) 2 (1 9) (1.6384 0.9604 0.3364 0.0064 0.0064 0.0004 0.0144 0.2704 1.0404 1.7424) 0.6684 Therefore, the standard deviation is s ( 0.6684 ) 12 0.8176 Probability and Expected Values: Newsweek reported that average take for bank robberies was 3,244 but 85 percent of the robbers were caught. Assuming 60 percent of those caught lose their entire take and 40 percent lose half, graph the probability mass function using EXCEL. Calculate the expected take from a bank robbery. Does it pay to be a bank robber To construct the probability function for bank robberies, first define the random variable x, bank robbery take. If the robber is not caught, x 3,244. If the robber is caught and manages to keep half, x 1,622. If the robber is caught and loses it all, then x 0. The associated probabilities for these x values are 0.15 (1 - 0.85), 0.34 (0.85)(0.4), and 0.51 (0.85)(0.6). After entering the x values in cells A1, A2 and A3 and after entering the associated probabilities in B1, B2, and B3, the following steps lead to the probability mass function: Click on ChartWizard. The ChartWizard Step 1 of 4 screen will appear. Highlight Column at ChartWizard Step 1 of 4 and click Next. At ChartWizard Step 2 of 4 Chart Source Data, enter B1:B3 for Data range, and click column button for Series in. A graph will appear. Click on series toward the top of the screen to get a new page. At the bottom of the Series page, is a rectangle for Category (X) axis labels: Click on this rectangle and then highlight A1:A3. At Step 3 of 4 move on by clicking on Next, and at Step 4 of 4, click on Finish. The expected value of a robbery is 1,038.08. E(X) (0)(0.51)(1622)(0.34) (3244)(0.15) 0 551.48 486.60 1038.08 The expected return on a bank robbery is positive. On average, bank robbers get 1,038.08 per heist. If criminals make their decisions strictly on this expected value, then it pays to rob banks. A decision rule based only on an expected value, however, ignores the risks or variability in the returns. In addition, our expected value calculations do not include the cost of jail time, which could be viewed by criminals as substantial. Discrete Continuous Random Variables: Binomial Distribution Application: A multiple choice test has four unrelated questions. Each question has five possible choices but only one is correct. Thus, a person who guesses randomly has a probability of 0.2 of guessing correctly. Draw a tree diagram showing the different ways in which a test taker could get 0, 1, 2, 3 and 4 correct answers. Sketch the probability mass function for this test. What is the probability a person who guesses will get two or more correct Solution: Letting Y stand for a correct answer and N a wrong answer, where the probability of Y is 0.2 and the probability of N is 0.8 for each of the four questions, the probability tree diagram is shown in the textbook on page 182. This probability tree diagram shows the branches that must be followed to show the calculations captured in the binomial mass function for n 4 and 0.2. For example, the tree diagram shows the six different branch systems that yield two correct and two wrong answers (which corresponds to 4(22) 6. The binomial mass function shows the probability of two correct answers as P(x 2 n 4, p 0.2) 6(.2)2(.8)2 6(0.0256) 0.1536 P(2) Which is obtained from excel by using the BINOMDIST Command, where the first entry is x, the second is n, and the third is mass (0) or cumulative (1) that is, entering BINOMDIST(2,4,0.2,0) IN ANY EXCEL CELL YIELDS 0.1536 AND BINOMDIST(3,4,0.2,0) YIELDS P(x3n4, p 0.2) 0.0256 BINOMDIST(4,4,0.2,0) YIELDS P(x4n4, p 0.2) 0.0016 1-BINOMDIST(1,4,0.2,1) YIELDS P(x 179 2 n 4, p 0.2) 0.1808 Normal Example: If the time required to complete an examination by those with a certain learning disability is believed to be distributed normally, with mean of 65 minutes and a standard deviation of 15 minutes, then when can the exam be terminated so that 99 percent of those with the disability can finish Solution: Because t he average and standard deviation are known, what needs to be established is the amount of time, above the mean time, such that 99 percent of the distribution is lower. This is a distance that is measured in standard deviations as given by the Z value corresponding to the 0.99 probability found in the body of Appendix B, Table 5,as shown in the textbook OR the commands entered into any cell of Excel to find this Z value is NORMINV(0.99,0,1) for 2.326342. The closest cumulative probability that can be found is 0.9901, in the row labeled 2.3 and column headed by .03, Z 2.33, which is only an approximation for the more exact 2.326342 found in Excel. Using this more exact value the calculation with mean m and standard deviation s in the following formula would be Z ( X - m ) s That is, Z ( x - 65)15 Thus, x 65 15(2.32634) 99.9 minutes. Alternatively, instead of standardizing with the Z distribution using Excel we can simply work directly with the normal distribution with a mean of 65 and standard deviation of 15 and enter NORMINV(0.99,65,15). In general to obtain the x value for which alpha percent of a normal random variables values are lower, the following NORMINV command may be used, where the first entry is a. the second is m. and the third is s. Another Example: In the early 1980s, the Toro Company of Minneapolis, Minnesota, advertised that it would refund the purchase price of a snow blower if the following winters snowfall was less than 21 percent of the local average. If the average snowfall is 45.25 inches, with a standard deviation of 12.2 inches, what is the likelihood that Toro will have to make refunds Solution: Within limits, snowfall is a continuous random variable that can be expected to vary symmetrically around its mean, with values closer to the mean occurring most often. Thus, it seems reasonable to assume that snowfall (x) is approximately normally distributed with a mean of 45.25 inches and standard deviation of 12.2 inches. Nine and one half inches is 21 percent of the mean snowfall of 45.25 inches and, with a standard deviation of 12.2 inches, the number of standard deviations between 45.25 inches and 9.5 inches is Z: Z ( x - m ) s (9.50 - 45.25)12.2 -2.93 Using Appendix B, Table 5, the textbook demonstrates the determination of P(x 163 9.50) P(z 163 -2.93) 0.17, the probability of snowfall less than 9.5 inches. Using Excel, this normal probability is obtained with the NORMDIST command, where the first entry is x, the second is mean m. the third is standard deviation s, and the fourth is CUMULATIVE (1). Entering NORMDIST(9.5,45.25,12.2,1), Gives P( x 163 9.50) 0.001693. Sampling Distribution and the Central Limit Theorem : A bakery sells an average of 24 loaves of bread per day. Sales (x) are normally distributed with a standard deviation of 4. If a random sample of size n 1 (day) is selected, what is the probability this x value will exceed 28 If a random sample of size n 4 (days) is selected, what is theprobability that xbar 179 28 Why does the answer in part 1 differ from that in part 2 1. The sampling distribution of the sample mean xbar is normal with a mean of 24 and a standard error of the mean of 4. Thus, using Excel, 0.15866 1-NORMDIST(28,24,4,1). 2. The sampling distribution of the sample mean xbar is normal with a mean of 24 and a standard error of the mean of 2 using Excel, 0.02275 1-NORMDIST(28,24,2,1). Regression Analysis: The highway deaths per 100 million vehicle miles and highway speed limits for 10 countries, are given below: (Death, Speed) (3.0, 55), (3.3, 55), (3.4, 55), (3.5, 70), (4.1, 55), (4.3, 60), (4.7, 55), (4.9, 60), (5.1, 60), and (6.1, 75). From this we can see that five countries with the same speed limit have very different positions on the safety list. For example, Britain. with a speed limit of 70 is demonstrably safer than Japan, at 55. Can we argue that, speed has little to do with safety. Use regression analysis to answer this question. Solution: Enter the ten paired y and x data into cells A2 to A11 and B2 to B11, with the death rate label in A1 and speed limits label in B1, the following steps produce the regression output. Choose Regression from Data Analysis in the Tools menu. The Regression dialog box will will appear. Note: Use the mouse to move between the boxes and buttons. Click on the desired box or button. The large rectangular boxes require a range from the worksheet. A range may be typed in or selected by highlighting the cells with the mouse after clicking on the box. If the dialog box blocks the data, it can be moved on the screen by clicking on the title bar and dragging. For the Input Y Range, enter A1 to A11, and for the Input X Range enter B1 to B11. Because the Y and X ranges include the Death and Speed labels in A1 and B1, select the Labels box with a click. Click the Output Range button and type reference cell, which in this demonstration is A13. To get the predicted values of Y (Death rates) and residuals select the Residuals box with a click. Your screen display should show a Table, clicking OK will give the SUMMARY OUTPUT, ANOVA AND RESIDUAL OUTPUT The first section of the EXCEL printout gives SUMMARY OUTPUT. The Multiple R is the square root of the R Square the computation and interpretation of which we have already discussed. The Standard Error of estimate (which will be discussed in the next chapter) is s 0.86423, which is the square root of Residual SS 5.97511 divided by its degrees of freedom, df 8, as given in the ANOVA section. We will also discuss the adjusted R-square of 0.21325 in the following chapters. Under the ANOVA section are the estimated regression coefficients and related statistics that will be discussed in detail in the next chapter. For now it is sufficient to recognize that the calculated coefficient values for the slope and y intercept are provided (b 0.07556 and a -0.29333). Next to these coefficient estimates is information on the variability in the distribution of the least-squares estimators from which these specific estimates were drawn: the column titled Std. Error contains the standard deviations (standard errors) of the intercept and slope distributions the t-ratio and p columns give the calculated values of the t statistics and associated p-values. As shown in Chapter 13, the t statistic of 1.85458 and p-value of 0.10077, for example, indicates that the sample slope (0.07556) is sufficiently different from zero, at even the 0.10 two-tail Type I error level, to conclude that there is a significant relationship between deaths and speed limits in the population. This conclusion is contrary to assertion that speed has little to do with safety. SUMMARY OUTPUT: Multiple R 0.54833, R Square 0.30067, Adjusted R Square 0.21325, Standard Error 0.86423, Observations 10 ANOVA df SS MS F P-value Regression 1 2.56889 2.56889 3.43945 0.10077 Residual 8 5.97511 0.74689 Total 9 8.54400 Coeffs. Estimate Std. Error T Stat P-value Lower 95 Upper 95 Intercept -0.29333 2.45963 -0.11926 0.90801 -5.96526 5.37860 Speed 0.07556 0.04074 1.85458 0.10077 -0.01839 0.16950 Predicted Residuals 3.86222 -0.86222 3.86222 -0.56222 3.86222 -0.46222 4.99556 -1.49556 3.86222 0.23778 4.24000 0.06000 3.86222 0.83778 4.24000 0.66000 4.24000 0.86000 5.37333 0.72667 Microsoft Excel Add-Ins Forecasting with regression requires the Excel add-in called Analysis ToolPak , and linear programming requires the Excel add-in called Solver . How you check to see if these are activated on your computer, and how to activate them if they are not active, varies with Excel version. Here are instructions for the most common versions. If Excel will not let you activate Data Analysis and Solver, you must use a different computer. Excel 20022003: Start Excel, then click Tools and look for Data Analysis and for Solver. If both are there, press Esc (escape) and continue with the respective assignment. Otherwise click Tools, Add-Ins, and check the boxes for Analysis ToolPak and for Solver, then click OK. Click Tools again, and both tools should be there. Excel 2007: Start Excel 2007 and click the Data tab at the top. Look to see if Data Analysis and Solver show in the Analysis section at the far right. If both are there, continue with the respective assignment. Otherwise, do the following steps exactly as indicated: - click the 8220Office Button8221 at top left - click the Excel Options button near the bottom of the resulting window - click the Add-ins button on the left of the next screen - near the bottom at Manage Excel Add-ins, click Go - check the boxes for Analysis ToolPak and Solver Add-in if they are not already checked, then click OK - click the Data tab as above and verify that the add-ins show. Excel 2010: Start Excel 2010 and click the Data tab at the top. Look to see if Data Analysis and Solver show in the Analysis section at the far right. If both are there, continue with the respective assignment. Otherwise, do the following steps exactly as indicated: - click the File tab at top left - click the Options button near the bottom of the left side - click the Add-ins button near the bottom left of the next screen - near the bottom at Manage Excel Add-ins, click Go - check the boxes for Analysis ToolPak and Solver Add-in if they are not already checked, then click OK - click the Data tab as above and verify that the add-ins show. Solving Linear Programs by Excel Some of these examples can be modified for other types problems Computer-assisted Learning: E-Labs and Computational Tools My teaching style deprecates the plug the numbers into the software and let the magic box work it out approach. Personal computers, spreadsheets, e. g. Unggul. professional statistical packages (e. g. such as SPSS), and other information technologies are now ubiquitous in statistical data analysis. Without using these tools, one cannot perform any realistic statistical data analysis on large data sets. The appearance of other computer software, JavaScript Applets. Statistical Demonstrations Applets. and Online Computation are the most important events in the process of teaching and learning concepts in model-based statistical decision making courses. These tools allow you to construct numerical examples to understand the concepts, and to find their significance for yourself. Use any or online interactive tools available on the WWW to perform statistical experiments (with the same purpose, as you used to do experiments in physics labs to learn physics) to understand statistical concepts such as Central Limit Theorem are entertaining and educating. Computer-assisted learning is similar to the experiential model of learning. The adherents of experiential learning are fairly adamant about how we learn. Learning seldom takes place by rote. Learning occurs because we immerse ourselves in a situation in which we are forced to perform and think. You get feedback from the computer output and then adjust your thinking-process if needed. A SPSS-Example . SPSS-Examples . SPSS-More Examples . (Statistical Package for the Social Sciences) is a data management and analysis product. It can perform a variety of data analysis and presentation functions, including statistical analyses and graphical presentation of data. SAS (Statistical Analysis System) is a system of software packages some of its basic functions and uses are: database management inputting, cleaning and manipulating data, statistical analysis, calculating simple statistics such as means, variances, correlations running standard routines such as regressions. Available at: SPSSSAS Packages on Citrix (Installing and Accessing ) Use your email ID and Password: Technical Difficulties OTS Call Center (401) 837-6262 Excel Examples. Excel More Examples It is Excellent for Descriptive Statistics, and getting acceptance is improving, as computational tool for Inferential Statistics. The Value of Performing Experiment: If the learning environment is focused on background information, knowledge of terms and new concepts, the learner is likely to learn that basic information successfully. However, this basic knowledge may not be sufficient to enable the learner to carry out successfully the on-the-job tasks that require more than basic knowledge. Thus, the probability of making real errors in the business environment is high. On the other hand, if the learning environment allows the learner to experience and learn from failures within a variety of situations similar to what they would experience in the real world of their job, the probability of having similar failures in their business environment is low. This is the realm of simulations-a safe place to fail. The appearance of statistical software is one of the most important events in the process of decision making under uncertainty. Statistical software systems are used to construct examples, to understand the existing concepts, and to find new statistical properties. On the other hand, new developments in the process of decision making under uncertainty often motivate developments of new approaches and revision of the existing software systems. Statistical software systems rely on a cooperation of statisticians, and software developers. Beside the professional statistical software Online statistical computation . and the use of a scientific calculator is required for the course. A Scientific Calculator is the one, which has capability to give you, say, the result of square root of 5. Any calculator that goes beyond the 4 operations is fine for this course. These calculators allow you to perform simple calculations you need in this course, for example, enabling you to take square root, to raise e to the power of say, 0.36. dan seterusnya. These types of calculators are called general Scientific Calculators. There are also more specific and advanced calculators for mathematical computations in other areas such as Finance, Accounting, and even Statistics. The last one, for example, computes mean, variance, skewness, and kurtosis of a sample by simply entering all data one-by-one and then pressing any of the mean, variance, skewness, and kurtosis keys. Without a computer one cannot perform any realistic statistical data analysis. Students who are signing up for the course are expected to know the basics of Excel. As a starting point, you need visiting the Excel Web site created for this course. If you are challenged by or unfamiliar with Excel, you may seek tutorial help from the Academic Resource Center at 410-837-5385, E-mail. What and How to Hand-in My Computer Assignment For the computer assignment I do recommend in checking your hand computation homework, and checking some of the numerical examples from your textbook. As part of your homework assignment you don not have to hand in the printout of the computer assisted learning, however, you must include within your handing homework a paragraph entitled Computer Implementation describing your (positive or negative) experience. Interesting and Useful Sites The Copyright Statement: The fair use, according to the 1996 Fair Use Guidelines for Educational Multimedia. of materials presented on this Web site is permitted for non-commercial and classroom purposes only. This site may be mirrored intact (including these notices), on any server with public access. All files are available at home. ubalt. eduntsbarshBusiness-stat for mirroring. Kindly e-mail me your comments, suggestions, and concerns. Terima kasih. EOF: CopyRights 1994-2015.Surprising Stats Simply Orderly invites you to peruse these statistics and consider what clutter and chaos in your life is costing you and whether the value of becoming more organized is worth your time and effort We spend a lot of time looking for lost items. Dapatkah Anda menemukan barang Anda saat Anda membutuhkannya. Rata-rata orang Amerika menghabiskan satu tahun dalam hidup mereka untuk mencari barang yang hilang atau salah tempat. US News and World Report Rata-rata, kami menghabiskan 6 menit mencari kunci kami di pagi hari. IKEA Lima item teratas yang dicari pria di rumah mereka adalah kaus kaki bersih, remote control, album pernikahan, kunci mobil dan lisensi driver8217. Bagi wanita, lima item teratas adalah sepatu, mainan anak-anak, dompet, lipstik dan remote control. IKEA Rata-rata orang Amerika menghabiskan 55 menit sehari (kira-kira 12 hari dalam setahun) mencari barang yang mereka miliki tapi tidak dapat menemukannya. Newsweek Karyawan kantor rata-rata menghabiskan 1,5 jam sehari (6 minggu per tahun) untuk mencari barang. OrganizedWorld Eksekutif khas menghabiskan 150 jam setahun (hampir satu bulan penuh), mencari informasi yang hilang. Bagi seseorang yang berpenghasilan 50.000 setahun, kerugian ini setara dengan 3.842 per tahun. Forbes ASAP Amerika menghabiskan lebih dari 9 juta jam setiap hari untuk mencari artikel yang hilang dan salah tempat. American Demographic Society Kami menyimpan terlalu banyak barang yang tidak perlu. Apakah Anda bug yang berantakan dari apa yang kita simpan yang tidak pernah kita gunakan. Asosiasi Penyelenggara Profesional Nasional (selanjutnya disebut NAPO) Menyingkirkan kekacauan akan menghilangkan 40 pekerjaan rumah tangga di rumah rata-rata. National Soap amp Detergent Association Kami mengenakan 20 baju yang kami miliki saat itu. Sisanya tergantung di sana, untuk berjaga-jaga. NAPO 25 dari pemilik rumah melakukan jajak pendapat dengan garasi dua mobil, mengisinya dengan begitu banyak barang, mereka tidak dapat parkir bahkan 1 mobil di dalamnya dan cocok, tapi tidak ada 2 mobil di dalamnya. Departemen Energi A. S. Ada hampir 40.000 fasilitas penyimpanan mandiri di Amerika Serikat. Permintaan penyimpanan dua kali lipat dari tahun 1994 sampai 2004. Asosiasi Penyimpanan Diri Kami berusaha untuk lebih terorganisir. Apakah Anda membuat kemajuan di departemen ini Lebih dari 1 dari 4 orang Amerika ingin lebih terorganisir. NAPO Produk penyimpanan rumah telah menjadi industri 4,36 miliar. Newsweek Perekonomian bermasalah kita telah mendorong kebutuhan akan pemberdayaan. Membersihkan, mengatur dan mengacaukan rumah Anda dapat memberikan rasa kontrol yang sangat dibutuhkan ini. 25 dari mereka yang disurvei menunjukkan bahwa mereka lebih tertarik pada kegiatan ini sejak resesi dimulai. Panel Komunitas Icono 55 konsumen yang disurvei mengatakan bahwa mereka akan menghemat 16 menit sampai satu jam sehari jika mereka lebih teratur. Konsumen tersebut kemudian membuang 2-15 hari setahun NAPO Kami dibanjiri kertas, dokumen dan informasi. Apakah Anda memiliki pegangan pada masuknya, penyimpanan dan pengambilan informasi atau Anda mengubur 80 dokumen yang kami ajukan, kami tidak pernah merujuk ke lagi. Administrasi Bisnis Kecil Setiap tahun, sekitar 100 juta rumah tangga menerima 16,6 miliar katalog. Direct Mail Association Rata-rata orang Amerika menerima 49.060 buah surat dalam seumur hidup mereka 13 itu adalah surat sampah. Statistik media NAPO Penggunaan kertas kantor telah meningkat tiga kali lipat sejak kelahiran komputer. Dunia Terorganisir Pekerja khas AS terganggu oleh teknologi komunikasi setiap 10 menit. Institute for Future and Gallup Rata-rata eksekutif menghabiskan enam minggu setiap tahun untuk mencari dokumen penting yang hilang di antara kekacauan tersebut. Eksekutif Wall Street Journal biasanya mengambil selembar kertas dari meja mereka 30-40 kali sebelum melakukannya. Michael F. Woolery, Merebut Hari Karyawan AS membuang lebih dari dua jam seminggu untuk menemukan, berbagi dan menyimpan dokumen. Smartbusinessmag 23 orang dewasa membayar tagihan terlambat dan mengeluarkan biaya keterlambatan karena mereka tidak dapat menemukan tagihan mereka. Harris Interactive Setiap hari orang Amerika membeli 62 juta surat kabar dan membuang 44 juta. Itu setara dengan membuang 500.000 pohon ke tempat pembuangan akhir setiap minggu. Colorado. edu Lemari arsip empat laci berisi 18.000 halaman. NAPO Biayanya sekitar 25.000 untuk mengisi empat lemari arsip laci dan lebih dari 2.100 per tahun untuk mempertahankannya. Gartner Group, Coopers amp Lybrand, Ernst amp Young Waktu yang dihabiskan untuk kesalahan penanganan dokumen mengurangi kemampuan perusahaan untuk melayani pelanggan, meningkatkan penjualan, dan memperbaiki intinya. Perusahaan Administrasi Bisnis Kecil tidak memahami nilai pengelolaan dokumen yang efisien atau biaya pengelolaan dokumen yang buruk. Thornton May, penulis buku Imaging World Kantor rata-rata menghabiskan 20 tenaga kerja untuk mengajukan setiap dokumen, 120 di tempat kerja mencari setiap dokumen yang salah, kehilangan satu dari setiap 20 dokumen dan menghabiskan 25 jam untuk menciptakan setiap dokumen yang hilang. PricewaterhouseCoopers Setiap tahun, cukup banyak kertas yang dibuang untuk membuat 12 dinding dari New York ke California. Colorado. edu Kami menjalani hidup yang sibuk. Apakah Anda maju untuk mencapai tujuan Anda atau hanya berkeliaran, stres dan mencapai sangat sedikit Ke mana waktu Anda pergi Jika Anda bisa menciptakan waktu luang yang lebih banyak, apa yang akan Anda lakukan dengan 65 orang yang disurvei, menggambarkan diri mereka sebagai orang yang sangat sibuk atau sibuk. Day Runner Perfeksionisme menghabiskan biaya 50 atau lebih dari total usaha yang dibutuhkan, untuk memeras 10 atau lebih kualitas terakhir. Jeff Olson, Panduan Manajer Agile untuk Mendapatkan Terorganisir Dengan menggunakan alat organisasi yang benar dapat memperbaiki manajemen waktu hingga 38. Produk Teknologi Mobile 8220Para orang menghabiskan rata-rata 23 penjadwalan waktu luang mereka dan mengkoordinasikan anak-anak mereka dan jadwal keluarga.817 Koordinator Survei Online Harris Interactive Jadwal anggota keluarga dan pelacakan tugas pekerjaan rumah adalah area penting dimana orang tua sangat membutuhkan bantuan. 28 orang tua mengatakan bahwa jadwal koordinasi antara kegiatan kerja dan sekolah adalah hal yang paling tidak mereka sukai untuk mengirim anak kembali ke sekolah. Lebih dari 50 orang tua yang ditanyai menyatakan bahwa mereka kesulitan menyelesaikan daftar tugas mereka. Produk FranklinCovey. 40 orang dewasa mengatakan jika mereka memiliki lebih banyak waktu, mereka akan menghabiskannya dengan keluarga. Day Runner Survey Multi-tasking menurunkan produktivitas pada 20-40 lebih banyak daripada yang fokus pada satu proyek pada satu waktu. Waktu yang hilang beralih antar tugas meningkatkan kompleksitas dari tugas-tugas tersebut. Sales repetisi University of Michigan yang disurvei paling produktif saat mereka menugaskan diri mereka hanya tiga tugas per hari dan memiliki rasa pencapaian saat menyelesaikan tugas tersebut. Accountemps Pekerja kantor menghabiskan rata-rata 40 hari kerja mereka, bukan karena mereka tidak pintar, tapi karena mereka tidak pernah mengajarkan keterampilan mengorganisir untuk mengatasi meningkatnya beban kerja dan tuntutan. Laporan Wall Street Journal Kami memiliki rumah dan kantor yang tidak terorganisir. Apakah semua barang Anda memiliki tempat yang ditugaskan atau Anda menyerah pada kekacauan di ruang tamu dan tempat kerja Anda yang 31 konsumen yang disurvei melaporkan bahwa mereka merasa lebih puas setelah membersihkan lemari mereka daripada setelah berhubungan seks. IKEA (Segera kembali ke belakang) Saya punya beberapa lemari untuk dibersihkan) 65 konsumen nasional yang disurvei mencatat bahwa rumah tangga mereka setidaknya tidak teratur, 71 mengatakan bahwa kualitas hidup mereka akan membaik jika mereka lebih terorganisir dengan baik dan96 mengindikasikan bahwa mereka dapat menghemat waktu setiap hari dengan Menjadi lebih teratur Dari jumlah tersebut, 15 merasa mereka bisa menghemat lebih dari satu jam setiap hari dan 30 merasa mereka bisa menghemat setidaknya 30 menit setiap hari jika mereka lebih teratur di rumah. NAPO Area teratas di rumah dimana layanan pengorganisasian diminta adalah kantor pusat atau ruang kerja, dapur, lemari, kamar tidur utama dan area garasi. NAPO Realtors menganggap perbaikan kesan pertama seperti lemari yang berantakan menjadi salah satu cara paling cerdas untuk merapikan rumah Anda sebelum menaruhnya di pasar. NAPO Urutan rumah tangga, yang ditandai dengan rutinitas dan kebersihan, dikaitkan dengan berbagai kemampuan membaca dini dalam sampel 455 anak TK dan kelas satu. Teachers College, Universitas Columbia amp Ohio State University Menikah pria empat kali lebih mungkin untuk meninggalkan piyama mereka di lantai di pagi hari dibandingkan dengan pria lajang. Wanita dengan rak sepatu tujuh kali lebih cenderung tepat waktu bekerja daripada wanita tanpa rak sepatu. IKEA Ketika ditanya apa tantangan terbesar untuk memperbaiki organisasi, 32,9 mengatakan kurangnya ruang, 27,3 mengatakan bahwa menemukan waktu, 25,2 mengatakan terlalu banyak hal, 6.7 mengatakan bahwa produk tersebut tidak dapat dipastikan, 2.7 mengatakan produk di toko eceran lokal tidak memenuhi kebutuhan saya dan 5.1. Kata yang lain Konsumsi Konsumen Homeworld Forecast yang dilakukan oleh NPD Group 50 dari pemilik rumah menilai garasi sebagai tempat yang paling tidak terorganisir di rumah. NAPO 1397 orang bertanya Berapa lama waktu yang dibutuhkan untuk menyiapkan rumah Anda untuk makan malam, memberi jawaban ini: 65 mengatakan 4 jam atau kurang, 11 mengatakan bahwa mereka tidak akan pernah mengundang seseorang ke dalam, 10 mengatakan 8 jam, 7 mengatakan 24 jam dan 6 Kata 40 atau lebih jam. NAPO Anak-anak kita mungkin menuju ke jalan yang kacau yang sama. Layanan terbaik yang diberikan oleh anggota NAPO kepada anak-anak usia sekolah adalah: 1) pengorganisasian ruang dan area studi mereka, 2) organisasi lemari pakaian, 3) membantu menentukan apa yang harus disimpan atau dibuang, 4) saran mengenai manajemen organisasi dan waktu di rumah dan 5) program sekolah tentang manajemen organisasi dan waktu. NAPO 8220 Anak-anak sama sekali tidak mirip dengan kemampuan mereka untuk diorganisir. Beberapa anak memiliki kemampuan organisasi yang lebih baik daripada yang lain. Anak-anak bervariasi dalam kemampuan mereka untuk memenuhi tenggat waktu dan mengatur waktu mereka secara efektif.8221 Pusat Studi Anak NYU Disorganisasi di tempat kerja membuat kita bekerja lebih lama. Apakah informasi dan sistem manajemen waktu Anda membantu atau menghalangi Anda dalam pekerjaan 43 orang Amerika yang disurvei menggambarkan diri mereka tidak teratur dan 21 telah melewatkan batas waktu kerja yang penting. Hampir setengah mengatakan disorganisasi menyebabkan mereka bekerja paling lambat dua sampai tiga kali seminggu. Survei David Lewisson terhadap 2.544 pekerja kantor di Amerika Serikat dan Eropa untuk Esselte Corporation 27 pekerja yang disurvei mengatakan bahwa mereka merasa tidak teratur dan mereka, 91 mengatakan bahwa mereka akan lebih efektif dan efisien jika ruang kerja mereka lebih terorganisir. 28 mengatakan mereka akan menghemat lebih dari satu jam per hari dan 27 mengatakan mereka akan menghemat waktu sekitar 30 sampai 60 menit setiap hari. NAPO 8220Men yang mengatur kantor di rumah mereka lebih cenderung menghabiskan waktu bermain dengan anak-anak mereka daripada pria yang kantor rumahnya berantakan.8221 IKEA Suatu perusahaan yang mempekerjakan 1.000 pekerja pengetahuan menyewakan 48.000 per minggu atau hampir 2,5 juta per tahun karena ketidakmampuan Untuk mencari dan mengambil informasi. NAPO 96 pekerja kantor frustrasi oleh manajemen informasi perusahaan mereka. Harte-Hanks UPS dan GM telah menerapkan kebijakan meja bersih. Karyawan Wall Street Journal menghabiskan sekitar 25 sampai 35 dari waktu mereka untuk mencari informasi yang mereka butuhkan untuk melakukan pekerjaan mereka. Stress Majalah Dokumen membuat kita sakit. Bagaimana Anda bisa mengurangi dan mengendalikan sebagian stres dalam kehidupan Anda? 80 pengeluaran medis kita terkait dengan stres. Pusat Pengendalian Penyakit Penyakit yang berkaitan dengan stres memerlukan biaya 300 miliar setahun untuk biaya medis dan kehilangan produktivitas American Institute of Stress Siapa yang mempekerjakan penyelenggara profesional dan mengapa Kelompok Klien Top 5 adalah bisnis rumahan, rumah-kantor, usaha kecil Di luar rumah, kebutuhan khusus pelanggan dan bisnis besar dan menengah. NAPO Top 5 alasan penyelenggara profesional dipekerjakan adalah: terlalu banyak kekacauan, disorganisasi umum, sulit menentukan apa yang harus disimpan dan dibuang, sulit ditemukan dan dijual di rumah atau dipindahkan. NAPO
Comments
Post a Comment