Lompat ke konten utama

Ajak teman, raih Rp1.000.000. Ikut kompetisi

Contekan · 15 lembar · 508 baris

Rumus, pintasan, dan perintah yang paling sering dipakai

Tiap baris menaut ke pelajaran yang melatihnya. Buka satu lembar untuk mencetaknya dan menempelnya di samping layar.

30 baris · “Latih” membuka latihannya

  • Ukuran pusat dan sebaran

    median

    Nilai tengah setelah data diurutkan; bila banyak datanya genap, rata-rata dua nilai tengah.42, 42, 45, 48, 53 → 45 · =MEDIAN(A2:A6)

    Latih: Rata-rata, median, dan modus
  • modus

    Nilai yang paling sering muncul; =MODE.SNGL menghasilkan #N/A bila tidak ada nilai yang berulang.

    Latih: Rata-rata, median, dan modus
  • jangkauan = maksimum − minimum

    Ukuran sebaran tercepat, tetapi hanya membaca dua nilai sehingga satu salah ketik menguasainya.=MAX(A2:A8)-MIN(A2:A8)

    Latih: Jangkauan: ukuran sebaran yang paling sederhana
  • posisi kuartil = 1 + (n − 1) × p

    Cara inklusif yang sama dengan QUARTILE; p = 0,25 untuk Q1 dan 0,75 untuk Q3.9 data terurut: Q1 di posisi 3, Q3 di posisi 7

    Latih: Kuartil dan jangkauan antar-kuartil
  • pencilan: < Q1 − 1,5 × JAK atau > Q3 + 1,5 × JAK

    Batasnya dihitung dari kuartil, sehingga tidak ikut tertarik oleh pencilan yang sedang dicari.12, 14, 15, 16, 40: batas 11 dan 19, jadi 40 pencilan

    Latih: Misi: mengenali pencilan pada waktu tempuh
  • s = √(Σ(x − x̄)² ÷ (n − 1))

    Simpangan baku sampel, =STDEV.S. Bila datanya seluruh populasi, pembaginya n: =STDEV.P.2, 4, 4, 4, 5, 5, 7, 9: populasi 2, sampel 2,14

    Latih: Simpangan baku dan artinya
  • frekuensi relatif = frekuensi ÷ banyak data

    Dibaca sebagai bagian atau persen; jumlah semua frekuensi harus sama dengan banyak data.

    Latih: Tabel frekuensi
  • persen perubahan = (akhir − awal) ÷ awal × 100

    Pembaginya nilai awal. Selisih dan persen perubahan adalah dua angka yang berbeda.40 → 52 pesanan: 12 ÷ 40 × 100 = 30%

    Latih: Membaca diagram yang sudah jadi
  • Peluang dan sebaran diskret

    P(A dan B) = P(A) × P(B)

    Hanya untuk kejadian bebas; hasil lemparan sebelumnya tidak mengubah peluang lemparan berikutnya.tiga angka berturut-turut: 0,5³ = 0,125

    Latih: Peluang majemuk dan kekeliruan penjudi
  • P(A | B) = P(A dan B) ÷ P(B)

    Peluang bersyarat: pembaginya hanya baris atau kolom tempat syarat itu berlaku. A dan B bebas bila P(A | B) = P(A).36 dari 80 pemakai promo memesan lagi: 0,45

    Latih: Peluang bersyarat dan kebebasan
  • P(K | T) = P(T | K) × P(K) ÷ P(T)

    Teorema Bayes; laju dasar P(K) yang kecil membuat sebagian besar tanda positif berasal dari kelompok yang keliru ditandai.

    Latih: Teorema Bayes
  • E(X) = Σ x × P(x)

    Nilai harapan, yaitu rata-rata jangka panjang; jumlah semua peluangnya harus tepat 1.=SUMPRODUCT(A2:A4,B2:B4)

    Latih: Peubah acak diskret dan nilai harapan
  • binomial: C(n, k) × pᵏ × (1 − p)ⁿ⁻ᵏ

    Peluang tepat k berhasil dari n percobaan bebas dengan p tetap; rata-ratanya n × p dan simpangan bakunya √(n × p × (1 − p)).=BINOM.DIST(8,10,0.8,FALSE) → 0,302

    Latih: Sebaran binomial
  • Poisson: e^(−λ) × λᵏ ÷ k!

    Peluang tepat k kejadian per selang dengan laju rata-rata λ; rata-rata dan ragamnya sama-sama λ.=POISSON.DIST(0,2.5,FALSE) → 0,082

    Latih: Sebaran Poisson dan hipergeometrik
  • Sebaran normal dan menaksir

    z = (x − μ) ÷ σ

    Skor baku: jarak sebuah nilai dari rata-ratanya dalam satuan simpangan baku.=STANDARDIZE(150,120,15) → 2

    Latih: Skor baku dan aturan empiris
  • aturan 68–95–99,7

    Pada sebaran normal, sekitar 68%, 95%, dan 99,7% nilai berada dalam 1, 2, dan 3 simpangan baku dari rata-rata.

    Latih: Skor baku dan aturan empiris
  • galat baku = σ ÷ √n

    Simpangan baku rata-rata sampel; sampel empat kali lipat membagi dua galat bakunya. Dari data sampel: s ÷ √n.σ = 4, n = 64: 4 ÷ 8 = 0,5

    Latih: Sebaran rata-rata sampel dan teorema limit pusat
  • x̄ ± t* × s ÷ √n

    Selang kepercayaan rata-rata dengan derajat bebas n − 1; =CONFIDENCE.T(0,05; s; n) memberi margin galatnya.x̄ 20, s 3, n 9: t* 2,306 → 17,69 sampai 22,31

    Latih: Selang kepercayaan rata-rata
  • p̂ ± 1,96 × √(p̂(1 − p̂) ÷ n)

    Selang kepercayaan 95% untuk proporsi, layak bila jawaban ya dan tidak masing-masing paling sedikit 10.90 dari 150: 0,522 sampai 0,678

    Latih: Selang kepercayaan proporsi dan ukuran sampel
  • n = z*² × p(1 − p) ÷ E²

    Ukuran sampel untuk margin galat E; pakai p = 0,5 bila belum ada perkiraan, dan bulatkan ke atas.

    Latih: Selang kepercayaan proporsi dan ukuran sampel
  • Uji hipotesis

    H0: μ = μ0

    Hipotesis nol selalu memuat tanda sama dengan; arah H1 ditetapkan dari pertanyaannya sebelum data dilihat.

    Latih: Gagasan uji hipotesis
  • p < α → tolak H0

    Nilai p bukan peluang H0 benar, dan gagal menolak H0 tidak membuktikan H0. Galat tipe I menolak H0 yang benar; peluangnya α.

    Latih: Gagasan uji hipotesis
  • t = (x̄ − μ0) ÷ (s ÷ √n)

    Uji t satu sampel dengan derajat bebas n − 1; nilai p dua sisinya =T.DIST.2T(ABS(t), n − 1).x̄ 197, μ0 200, s 4, n 9: t = −2,25

    Latih: Uji t untuk rata-rata
  • T.TEST(larik1, larik2, 2, tipe)

    Tipe 1 untuk data berpasangan seperti sebelum–sesudah, 2 untuk dua sampel bebas beragam sama, 3 untuk uji Welch.

    Latih: Uji t untuk rata-rata
  • z = (p̂ − p0) ÷ √(p0(1 − p0) ÷ n)

    Uji satu proporsi; galat bakunya memakai p0 dari H0, bukan p̂.

    Latih: Uji proporsi
  • χ² = Σ(O − E)² ÷ E

    Uji chi-kuadrat; frekuensi harapan sel = jumlah baris × jumlah kolom ÷ total, derajat bebas (baris − 1) × (kolom − 1).=CHISQ.TEST(teramati, harapan)

    Latih: Uji chi-kuadrat
  • Korelasi dan regresi

    r antara −1 dan 1

    Korelasi Pearson mengukur hubungan yang lurus, =CORREL; korelasi tidak membuktikan sebab-akibat.

    Latih: Diagram pencar dan korelasi
  • ŷ = a + b × x

    Garis regresi kuadrat terkecil: b =SLOPE(y, x), a =INTERCEPT(y, x), dengan larik y ditulis lebih dulu. =RSQ(y, x) memberi r².a = 40, b = 18, x = 10 → ŷ = 220

    Latih: Regresi linear sederhana
  • residu = y − ŷ

    Positif bila titiknya di atas garis. Prediksi di luar rentang x pada data adalah ekstrapolasi.tagihan 232, prediksi 220: residu 12

    Latih: Regresi linear sederhana
  • korelasi Spearman

    Korelasi Pearson atas peringkat data; mengukur hubungan monoton dan lebih tahan terhadap pencilan.stats.spearmanr(x, y)

    Latih: Korelasi Spearman

© 2026 KelasGratis. Seluruh hak cipta dilindungi undang-undang. Syarat & hak cipta