TUGAS KELOMPOK ANALISIS DATA KATEGORI

DISUSUN OLEH :

FITRIA RAHMI (140610160013)

NISA NUR FITRIANY (140610160029)

PUTRI KHAIRA (140610160017)

DHITA DIANA DEWI (140610160043)

YESSICA NATALIA (140610160055)

KELAS A

PROGRAM STUDI STATISTIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS PADJADJARAN
JATINANGOR
2019
4.1. A study used logstic regression to determine characteristics associated with Y = whether a
cancer patient achieved remission (1=yes, 0=no). The most important explanatory variable was a
labeling index (LI = percentage of “labeled” cells) that measures proliferative activity of
cells after a patient receives an injection of tritiated thymidine. It represents the percentage of
cells that are “labeled.” Table 4.8 shows thegrouped data. Software reports Table 4.9 for a
logistic regression model using LI to predict π = P(Y = 1).

a. Show how software obtained π

̂ = 0.068 when LI = 8.
Jawab :
exp⁡(𝛼+⁡𝛽𝑥 )
π=
1+exp⁡(𝛼+⁡𝛽𝑥 )
𝑒 −3.7771+0.1449(8)
Persamaan prediksi memberikan π
̂ = = 0.068
1+𝑒 −3.7771+0.1449(8)
b. Show that π̂ = 0.50 software when LI = 26.0.
Jawab :
−𝛼̂ 3.7771
π
̂ = 0.50 di ̂ = 0.1449 = 26.0
𝛽
c. Show that the rate of change in π ̂ is 0.009 when LI = 8 and is 0.036 when LI = 26.
Jawab :
Ketika LI = 8, π̂ = 0.068, jadi rate of change atau tingkat perubahannya adalah :
̂
𝛽π ̂(1 − π
̂) = 0.1449(0.068)(0.932) = 0.009.
d. The lower quartile and upper quartile for LI are 14 and 28. Show that π̂ increases by 0.42, fro
0.15 to 0.57, between those values.
Jawab :
Ketika LI = 14,
𝑒 −3.7771+0.1449(14)
π
̂= = 0.15.
1+𝑒 −3.7771+0.1449(14)
e. Summarize the LI increase by 1, show the estimated odds of remission multiply by 1.16.
Jawab :
̂
𝑒 𝛽 = 𝑒 0.1449 = 1.16.
4.5. For the 23 space shuttle flights before the Challenger mission disaster in 1986,
Table 4.6 and the Shuttle data file at the text website shows the temperature (OF)

at the time of the flight and whether at least one primary O-ring suffered thermal
distress.
a. Use logistic regression to model the effect of temperature on the probability of
thermal distress. Interpret the effect. O-ring suffered thermal distress.
Model Regresi Logistik Sederhana
Jawab :
logit(π) = 𝛼 + ⁡ 𝛽𝑥
exp⁡(𝛼+⁡𝛽𝑥 )
π=
1+exp⁡(𝛼+⁡𝛽𝑥 )
π adalah probabilitas terprediksi dari setidaknya satu gangguan termal dan x adalah suhu, artinya
bahwa untuk setiap satu kenaikan derajat suhu, 𝛽 dikurangi dari odds log yang diprediksi. Setara
untuk setiap satu derajat penurunan suhu, 𝛽 ditambah ke odds log yang diprediksi. Tanda
koefisien suhu menunjukkan bahwa tekanan termal cenderung lebih panas dari suhu karena
tandanya positif (+). Tanda koefisien suhu menunjukkan bahwa tekanan termal cenderung lebih
dingin dari suhu jika tandanya negatif (-).

b. Estimate the probability of thermal distress at 31o, the temperature at the time of
the Challenger flight.
Jawab :
Regresi Logistik Sederhana
logit(π) = 𝛼 + ⁡ 𝛽𝑥
exp⁡(𝛼+⁡𝛽𝑥 )
π=
1+exp⁡(𝛼+⁡𝛽𝑥 )

Regresi Logistik Multiple

logit(π) = 𝛼 + ⁡ 𝛽1 𝑥1 + ⋯ + 𝛽𝑘 𝑥𝑘

exp⁡(𝛼+⁡𝛽1 𝑥1 +⁡…⁡+𝛽𝑘 𝑥𝑘 )
π=
1+exp⁡(𝛼+⁡𝛽1 𝑥1 +⁡…⁡+𝛽𝑘 𝑥𝑘 )

Dengan bantuan software R, di dapat nilai 𝛼 dan 𝛽 sebagai berikut :

logit(π
̂) = 15,043 - 0,232(31) = 7,851
exp⁡(15,043⁡−⁡0,232(31))
̂=
π =…
1+exp⁡(15,043⁡−⁡0,232(31))
Sehingga, estimasi peluang untuk distress termal pada suhu 31oF saat Challenger flight adalah
sebesar …
c. At what temperature does the estimated probability equal 0.50? At that temperature,
give a linear approximation for the change in the estimated probability per
degree increase in temperature.
Jawab :
Tingkat kenaikan perubahan = 𝛽̂ π
̂ (1 - π
̂)
1 1 −0.232
̂ (1 – π
𝛽̂ π ̂) = -0,232 ( ) ( ) = = -0,058
2 2 4
Maka, estimasi peluang untuk setiap kenaikan derajat suhu adalah sebesar -0,058.

d. Interpret the effect of temperature on the odds of thermal distress.

Jawab :
Peluang distress termal diperkirakan menurun dengan faktor e-0,232 untuk masing-masing
1o peningkatan suhu.
Secara ekuivalen, peluang distress termal diperkirakan meningkat dengan faktor e-0,232
untuk setiap 1o penurunan suhu.

e. Test the hypothesis that temperature has no effect.

Jawab :
Dengan menggunakan likelihood-ratio test, maka :

LR statistic = -2(L0 - L1) = perbedaan penyimpangan

LR stat = 28,267 – 20,315 = 7,952
df = 22 - 21 = 1
p-value < 0,005

Ada bukti yang sangat kuat bahwa probabilitas distress termal tergantung pada suhu.
Pengerjaan dengan menggunakan software R
4.8 For the horseshoe crab data (Table 3.2, available at www.stat.ufl.edu/~aa/
intro-cda/appendix.html), fit the logistic regression model for π = probability
of a satellite, using weight as the predictor.
a. Report the ML prediction equation.
Jawab :
̂) = -3.695 + 1.815(berat)
logit(π
b. Find π
̂ at the weight values 1.20, 2.44, and 5.20 kg, which are the sample minimum, mean,
and maximum.
Jawab :
pada saat nilai berat 1.20 estimasi peluangnya = 0.18, saat nilai berat 2.44 estimasi peluangnya =
0.68, dan saat nilai berat 5.20 estimasi peluangnya = 0.997.

c. Find the weight at which π

̂ = 0.50.
Jawab :
3.695
estimasi probabilitas = 0.50 pada berat = 1.815 = 2.04
Sehingga, bobot di mana π̂ = 0,50 adalah 2.04

d. At the weight value found in (c), give a linear approximation for the estimated
effect of (i) a 1 kg increase in weight. This represents a relativelylarge increase, so convert this to
the effect of (ii) a 0.10 kg increase, and
(iii) a standard deviation increase in weight (0.58 kg).
Jawab :
̂
𝛽 1.815
(i) = 4 = 0.45
4
(ii) untuk kenaikan 0.10kg, estimasi peningkatan probabilitas adalah 0.045.
 (iii)
e. Construct a 95% confidence interval to describe the effect of weight on the
odds of a satellite. Interpret.
Jawab :
Confidence Interval untuk β dari 1.815 ± 1.96(0.3767), atau (1.077,2.5535), memberikan satu
(exponentiating) untuk efek exp (β) pada odds (2.9,12.9).

f. Conduct the Wald or likelihood-ratio test of the hypothesis that weight has
no effect. Report the P-value, and interpret.
Jawab :
Wald statistic z2 = 23.4
Likelihood Ratio-Test = 30.0
Keduanya berdasarkan dari derajat bebas (df) = 1, memberikan bukti efek bobot yang sangat
kuat (P <0,0001).