DISTRIBUSI SAMPLING

Populasi dan Sampel?? Populasi • Keseluruhan pengamatan yang diteliti.

Ada 2 macam, populasi berhingga dan tak berhingga.

• Ukuran populasi : banyaknya pengamatan (N) • Karakteristik : ciri atau sifat dari populasi • Parameter : hasil pengukuran karakteristik (μ dan σ) • Sensus : cara mengumpulkan data Kelemahan Populasi : 1. Memerlukan biaya yang sangat mahal 2. Memerlukan waktu yang lama 3. Memerlukan tenaga dalam jumlah yang besar 4. Data yang diperoleh tidak akurat Sampel • Mengambil sebagian anggota dari populasi • Sampel ada 2, sampel besar dan sampel kecil

Fungsinya untuk menyimpulkan atau mengetahui karakteristik atau parameter dari populasi (potret /gambaran dari populasi)

• Ukuran sampel : banyaknya pengamatan (n)

Statistik : hasil pengukuran karakteristik (X dan S)
Page 1

Rahma Faelasofi

• Sampling : cara mengumpulkan data

Sampling Populasi Populasi N Parameter
μ σ

Sampel Sampel n Statistik
X S

Berhingga/Tak berhingga

Besar/Kecil

Populasi dapat merupakan populasi berhingga ataupun tak-berhingga. Sebagai contoh, jika kita mengambil 10 bola secara berturut-turut dengan tidak mengembalikan lagi bola-bola yang terambil ke dalam kantong yang berisi 100 bola maka kita sebut melakukan sampling dari sebuah populasi berhingga. Sementara itu, jika kita melemparkan sekeping uang logam sebanyak 50 kali dan menghitung banyaknya tanda gambar yang muncul maka kita disebut melakukan sampling dari suatu populasi tak-berhingga.
Rahma Faelasofi Page 2

Tenaga yang diperlukan lebih sedikit 4. Data yang diperoleh lebih akurat Sampel harus representatif dengan ciri-ciri : 1.Kemudian apakah ada perbedaan antara Statistik sampel Vs Parameter populasi?? Keuntungan Sampel : 1. Mempunyai ukuran tertentu yang memakai syarat 2. Mempunyai kesalahan kecil 3. Dipilih dengan prosedur yang benar berdasarkan teknik atau cara sampling tertentu Rahma Faelasofi Page 3 . Biaya lebih murah 2. Waktu yang lebih singkat 3.

X2. sehingga harga statistik bervariasi dari satu sampel ke sampel lainnya.X2.Kemudian adanya penarikan kesimpulan tentang parameter populasi berdasarkan data keterangan tidak lengkap yang diperoleh melalui pengambilan sampel dan penghitungan harga-harga statistik.⋯.X2.X2. Harga suatu statistik tergantung pada data-data yang diamati.XN Parameter μ dan σ2 sampel (n) X1.⋯. Hal tersebut seperti yang disajikan dalam gambar di bawah ini: Populasi (N) X1.Xn sampel (n) X1.⋯.Xn statistik X1 dan S12 statistik X2 dan S22 statistik Xn dan Sn2 Cara pengambilan sampel sedemikian hingga setiap elemen populasi mempunyai kemungkinan sama untuk terpilih sebagai anggota sampel disebut sampel Rahma Faelasofi Page 4 .⋯.Xn sampel (n) X1.

kemudian berikan semua sampel yang mungkin? Rahma Faelasofi Page 5 . 22. Diketahui ada dua cara pengambilan sampel random. yang kemudian diambil sampel berukuran 2. ✔ Jika populasi berukuran N diambil sampel berukuran n dengan tanpa pengembalian maka ada Nn=N!N-n!n! buah sampel yang mungkin diambil. 23. Dalam kasus pengembalian lagi.random. Dalam kasus tanpa pengembalian lagi. yaitu pengambilan sampel random dengan pengambilan dan tanpa pengembalian. sampel tersebut bisa saja muncul kembali dalam pengambilan-pengambilan berikutnya. 21. ada berapa buah sampel semuanya jika diambil dengan pengembalian & tanpa pengembalian. maka ada Nn buah sampel yang mungkin diambil. Sampling dimana masingmasing anggotanya tidak dapat dipilih lebih dari satu kali disebut sebagai sampling tanpa pengembalian. 24. ✔ Jika populasi berukuran N diambil sampel berukuran n dengan pengembalian. sampel yang bersangkutan hanya muncul satu kali. Sampling dimana masing-masing anggota populasi dapat dipilih lebih dari satu kali disebut sebagai sampling dengan pengembalian. Ex: Diberikan populasi dengan data 23.

(23.24).(23.24) BEBERAPA TEKNIK PENARIKAN SAMPEL : 1.21).24).(23.(21.22).(22. (23.22).23).24). program komputer.(21.(23. (24.(23.22).23).21).22).23).22).23). 2.22).(24.(21. Penarikan Sampel Acak Sederhana (Simple Randomized Sampling) Pengacakan dapat dilakukan dengan : undian.(24.21).23). maka : Anggota populasi ke-27 menjadi anggota ke-2 dalam sampel.(23.24) Tanpa pengembalian: Nn=N!N-n!n!=5!3!.24).24).24).(23. (23.23). (24. Penarikan Sampel Sistematik (Systematic Sampling) Tetapkan interval lalu pilih secara acak anggota pertama sampel Ex : Ditetapkan interval = 20 Secara acak terpilih : Anggota populasi ke-7 sebagai anggota ke-1 dalam sampel. (23.(21.22).23).(21.24).(21.23).(24.(21.(23.(23.23).(23.(23.21).(22.23).Jawab: Dengan pengembalian: Nn=52=25 buah sampel Sampel yang mungkin: (23.21).(22.22).23).2!=10 buah sampel Sampel yang mungkin: (23.21).(22.(22. (23. Rahma Faelasofi Page 6 .21). (22. tabel bilangan acak.

Anggota dalam suatu kelas akan (cenderung) sama (homogen). dilakukan pendataan tentang tingkat kepuasan. Dari setiap kelas diambil sampel secara acak. Antar Kelas bersifat (cenderung) berbeda nyata (heterogen). Rahma Faelasofi Page 7 .Anggota populasi ke-47 menjadi anggota ke-3 dalam sampel. dst. Contoh : Dari 1500 penumpang KA (setiap kelas memiliki ukuran yang sama) akan diambil 150 orang sebagai sampel. Penarikan Sampel Acak Berlapis (Stratified Random Sampling) Populasi terdiri dari beberapa kelas/kelompok. Penarikan Sampel Gerombol/Kelompok (Cluster Sampling) Populasi juga terdiri dari beberapa kelas/kelompok Sampel yang diambil berupa kelompok bukan individu anggota. maka sampel acak dapat diambil dari : Kelas Eksekutif : 50 orang Kelas Bisnis : 50 orang Kelas Ekonomi : 50 orang 4. 3. Perlu diingat….

dapat dilakukan dengan memilih secara acak KOTAMADYA tempat pengambilan sampel. Rahma Faelasofi Page 8 . setiap kelas terdiri dari 100 orang. Kodya Bogor. Dari 40 kelas. misalnya terpilih. Contoh : Pengambilan sampel di daerah JAWA BARAT... dilakukan pendataan mengenai lama waktu belajar per hari maka sampel dapat diambil dari 6 kelas.. Anggota Contoh : Terdapat 40 kelas untuk tingkat II Jurusan Ekonomi-GD. Sampel Besar jika ukuran sampel (n) ≥ 30 2. ambil secara acak 6 kelas. 5.Antar kelas bersifat (cenderung) sama (homogen). Pengelompokan ditentukan oleh letak geografis atau administratif. Berdasarkan Ukurannya. maka sampel dibedakan menjadi : 1. Penarikan Sampel Area (Area Sampling) Prinsipnya sama dengan Cluster Sampling. Populasi mahasiswa kelas 2. EkonomiUGD = 40 × 100 = 4000. Jika suatu penelitian dilakukan pada populasi tersebut dan sampel yang diperlukan = 600 orang. Sampel Kecil jika ukuran sampel (n) < 30 dalam suatu kelas akan (cenderung) berbeda (heterogen). Sukabumi dan Bandung.

Distribusi sampel beda dua rata-rata Rahma Faelasofi Page 9 sampling. ukuran sampel. Dalam bab ini. Pandanglah semua kemungkinan sampel berukuran N yang dapat diambil dari suatu populasi yang diberikan (baik dengan ataupun tanpa pengembalian). akan dipelajari distribusi sampel : 1. Untuk setiap sampel ini. Distribusi sampel proporsi 3. Distribusi sampling suatu statistik tergantung pada ukuran populasi. dan cara pengambilan sampel.Distribusi Sampling Oleh karena setiap statistik akan bervariasi dari satu sampel ke sampel lainnya. apabila ukuran populasi relatif jauh lebih besar dari ukuran sampel maka perbedaan cara pengambilan sampel dapat diabaikan. Distribusi sampel rata-rata 2. jadi statistik merupakan variabel random yang bergantung pada sampel yang diamati. Ada empat macam distribusi . kita dapat menghitung statistik sampel atau statistik (seperti mean dan standar deviasi) yang akan bervariasi antara sampel yang satu dengan sampel yang lainnya. Dalam hal ini akan diperoleh sebuah distribusi dari statistik tersebut yang disebut distribusi sampling.

maka distribusi sampelnya akan mendekati distribusi normal sehingga variabel random Z dapat dihitung dengan rumus : Z=X-μXσX=X-μXσX Rahma Faelasofi Page 10 .4. Distribusi sampel rata-rata Simpangan baku : σX=σXn μX=μX Dimana bila n≥30. σX diambil sampel berukuran n dan rata-rata maka sampel yang diambil dengan pengembalian dapat diperoleh: 1. 2. Distribusi sampel beda dua proporsi Terdapat beberapa notasi yang relevan dalam distribusi sampling. yaitu: n X S : ukuran sampel : rata-rata sampel : standar deviasi sampel N : ukuran populasi : rata-rata populasi : standar deviasi μX σX populasi μX σX : rata-rata antar semua sampel : standar deviasi antar semua sampel = standard error = galat baku Distribusi sampel rata-rata Bila populasi berhingga berukuran N dengan ratarata μX dan simpangan n≥30 baku X.

hal ini TEOREMA LIMIT PUSAT Jika terdapat suatu sampel berukuran X. Simpangan baku Dimana N-nN-1 disebut faktor koreksi populasi berhingga Bila n≥30. dengan distribusinya sembarang akan memiliki rata-rata : standar deviasi : Distribusi Normal dengan: μX=μX dan σX=σXn dengan nilai Z=X-μXσXn Rahma Faelasofi Maka. Distribusi sampel rata-rata σX=σXnN-nN-1 μX=μX 2. maka distribusi sampelnya akan mendekati distribusi normal sehingga variabel random Z dapat dihitung dengan rumus : Z=X-μXσX=X-μXσX • Faktor Koreksi (FK) akan menjadi penting jika sampel berukuran n diambil dari populasi berukuran N yang berhingga/ terbatas besarnya • Jika sampel berukuran n diambil dari populasi berukuran N yang sangat besar maka FK akan mendekati mengantar kita pada Teorema Limit Pusat: 1→N-nN-1≈1. distribusi rata-rata akan mendekati Page 11 .Sedangkan untuk sampel yang diambil tanpa pengembalian dapat diperoleh: 1. n yang memiliki rata-rata yaitu μX dimana diambil dari suatu populasi yang berukuran N yang besar dan σX.

2. Ex : 1. hitunglah : standard error atau Rahma Faelasofi Page 12 . a. b. Perlu diingat… Dalam mengerjakan soal DISTRIBUSI SAMPEL RATA-RATA perhatikan asumsi-asumsi dalam soal sehingga anda dapat dengan mudah dan tepat menyelesaikan soal-soal tersebut.• Teorema Limit Pusat berlaku untuk : 1. PT AKUA sebuah perusahaan air mineral rata-rata setiap hari memproduksi 100 juta gelas air mineral. distribusi populasi tidak dipersoalkan • Dari beberapa sumber yang ada. menyatakan bahwa Populasi dianggap Besar jika ukuran sampel kurang dari 5% ukuran populasi atau nN<5%. Jika sampel diperkecil menjadi 25 gelas. Jika setiap hari diambil 100 gelas AKUA sebagai sampel acak DENGAN PEMULIHAN. Perusahaan ini menyatakan bahwa rata-rata isi segelas AKUA adalah 250 ml dengan standar deviasi = 15 ml. hitunglah : standard error atau galat baku sampel tersebut dan peluang rata-rata sampel akan berisi kurang dari 253 ml?. penarikan sampel dari populasi yang sangat besar. Rata-rata populasi dianggap menyebar normal.

5 Z=253-2501.9772 Jadi. maka digunakan pendekatan Teorema Limit Pusat Galat baku atau standar error sampel galat baku= σX=σXn=1525=155=3 Z=255-2503=53=1. N=100juta . Kecepatan maksimum 2000 mobil mempunyai ratarata 135.2 km/jam.5+0.5=2 Sehingga.galat baku sampel tersebut dan peluang rata-rata sampel akan berisi lebih dari 255 ml? Jawab: Diketahui: a. σX=15 . b. PX>255=PZ>1.5=31. PX<253=PZ<2=0. μX=μX=250 . n=25 Karena populasi sangat besar dan pengambilan sampelnya PX>255=PZ>? kecil.67 Sehingga. 1.72%.4772=0. σX=15 . hitung probabilitas Page 13 Rahma Faelasofi .4525=0.5-0. peluang rata-rata sampel akan berisi lebih dari 255ml adalah 0.9772 atau 97. N=100juta .0475 atau 4. Jika sampel sebesar 150 mobil dipilih secara acak tanpa pengembalian.5 km/jam dengan simpangan baku 5.75%.0475 Jadi.67=0. peluang rata-rata sampel akan berisi kurang dari 253ml adalah 0. μX=μX=250 . n=100 Galat baku atau standar error sampel galat baku= σX=σXn=15100=1510=1.

Distribusi Sampel Proporsi Bila populasi berukuran probabilitas N mengandung XN.1-135. 2. maka proporsi p adalah merupakan untuk Dimana p suatu terjadinya peristiwa.50.1 km/jam! σX=σXnN-nN-1=5.kecepatan Jawab: maksimum rata-rata dari 150 mobil tersebut yang lebih besar dari 136.46) = 0.46 Jadi probabilitas kecepatan maksimum rata-rata mobil yang lebih besar dari 136.1 km/jam adalah P(X>136. sementara (q = 1-p) merupakan probabilitas untuk tidak terjadinya suatu peristiwa.21502000-1502000-1=0.41=1.41 Z=X-μXσX=136. xn dan sampel diambil proporsinya sampel Rata-rata →μp=μp=XN Simpangan baku → σp=p1-pn Variabel random →Z=p-pσp Rahma Faelasofi Page 14 .4279. jenis p sebanyak X. Jika dari populasi tersebut diambil sampel berukuran n yang juga mengandung proporsi berulang maka distribusi mempunyai : 1. 3.1) = P(Z>1.

μ1 N2 N1 dan σ1.15-0.1 σp=p1-pn=0.15 Distribusi Sampel Beda Dua Rata-rata Terdapat 2 populasi.67=0.Ex : Diketahui sebanyak 10% dari ibu-ibu rumah tangga di Bandung memakai detergen A untuk mencuci pakaiannya. Tentukan rata-rata dan simpangan baku dari populasi ibu-ibu rumah tangga yang memakai detergen Proporsi yang memakai detergen A adalah Z=p-pσp=0.10. Populasi 1 sebanyak mempunyai rata-rata Populasi 2 sebanyak simpangan baku acak sebanyak Rahma Faelasofi n1 σ2. Jika dari populasi tersebut diambil sampel berukuran 100 : a.9100=0. Rata-rata : 10% = 0 .67 PZ>1.03=1. A! b. Bila dari sampel tersebut ternyata terdapat paling sedikit 15 ibu rumah tangga yang memakai detergen A. tentukan probabilitasnya! Jawab: a. serta simpangan baku μ2 mempunyai rata-rata serta Dari populasi 1 diambil sampel X1 dengan rata-rata dan dari populasi Page 15 .10.0475 15100=0.4525=0.03 b.5-0.

σ1=5.3 cm.1 cm. σ2=5. yaitu sampel beda dua rata-rata.3 cm.1 cm. Dari dua populasi tersebut diambil sampel acak yang saling bebas masing-masing 150 orang. Rata-rata dan simpangan baku dari distribusi sampel beda dua rata-rata adalah : Rata-rata : μX1-X2=μ1-μ2 σX1-X2=σ12n1+σ22n2 Z=X1-X2-μ1-μ2σX1-X2 Simpangan baku : Variabel Random : Ex: Di suatu universitas diketahui rata-rata tinggi badan mahasiswa laki-laki adalah 164 cm dengan simpangan baku 5. dan sampel 1 : n1=150 orang μ2=153 cm. Sedangkan mahasiswa perempuan tinggi badannya rata-rata 153 cm dengan simpangan baku 5.2 sampel acak sebanyak Dari sampel dan n2 dengan rata-rata X2 dimana kedua sampel tersebut dianggap saling bebas. berapa probabilitas rata-rata tinggi mahasiswa laki-laki paling sedikit Jawab: Diketahui: Populasi 1 : Populasi 2 : Misal : X1 μ1=164 cm. X1 X2 dapat dibuat sampel baru yang juga bersifat acak. dan sampel 2 : n2=150 orang 12 cm lebihnya daripada rata-rata tinggi mahasiswa perempuan? = rata-rata tinggi badan mahasiswa laki-laki Rahma Faelasofi Page 16 .

6 Karena rata-rata tinggi badan mahasiswa laki-laki paling sedikit 12 cm lebihnya daripada rata-rata tinggi badan mahasiswa perempuan.5- sehingga probabilitasnya Distribusi Sampel Beda Dua Proporsi Ada 2 populasi.4525=0. Populasi 1 berukuran proporsi X1N1.X2 = rata-rata tinggi badan mahasiswa perempuan Rata-rata : μX1-X2=μ1-μ2=164-153=11 cm σX1-X2=σ12n1+σ22n2=5.67 0.0475 X1-X2≥12 sehingga PZ≥1. Distribusinya mempunyai : Rata-rata : μp1-p2=p1-p2 σp1-p2=p11-p1n1+p21-p2n2 Page 17 Simpangan baku : Rahma Faelasofi . n1 maka sampel ini akan mengandung Demikian juga dengan n2 dengan proporsi populasi 2 diambil sampel acak berukuran sampel ini akan mengandung jenis x2n2.12150=0.32150+5.6 Simpangan baku : Z=X1-X2-μ1-μ2σX1-X2=X1-X2-110.67=0. terdapat jenis dengan proporsi acak berukuran jenis x1 Bila populasi 1 diambil sampel x1n1. x2 maka dengan proporsi Sampel 1 dan 2 dapat membentuk sampel acak baru yaitu sampel beda dua proporsi.6=1. N1 terdapat jenis N2 X1 dengan X2 Populasi 2 berukuran X2N2. maka Z=12-110.

p1=0. p2=0.1 n2=200 .23% Rahma Faelasofi Page 18 . sedangkan barang yang cacat di gudang barat sebanyak 10%.5+0.10.1-0.3=0.95200=0.02-0.050.3 p1-p2>0.05 = proporsi barang yang cacat di gudang barat dalam = proporsi barang yang cacat di gudang timur dalam sampel p2 sampel σp1-p2=p11-p1n1+p21-p2n2=0.9032=90.02=PZ>- 1.Variabel Random : Ex: Z=p1-p2-p1-p2σp1-p2 5% barang di gudang timur cacat.023 Z=p1-p2-p1-p2σp1-p2=p1-p2-0.023=-1.023 Karena barang cacat di gudang barat 2% lebih banyak daripada di gudang timur maka diperoleh: Z=0.02 sehingga Jadi probabilitasnya adalah Pp1-p2>0.9300+0.4032=0.050.050. Bila diambil sampel acak sebanyak 200 barang dari gudang timur dan 300 barang dari gudang barat. tentukan probabilitas persentase barang yang cacat dalam gudang barat 2% lebih banyak dibanding gudang timur! Jawab: Gudang barat : Gudang timur : p1 n1=300 .

n : ukuran sampel. • Selanjutnya Nilai α ditentukan terlebih dahulu Lalu nilai t tabel ditentukan dengan menggunakan nilai α dan db. • Distribusi-t pada prinsipnya adalah pendekatan distribusi sampel kecil dengan distribusi normal. 0.5%) . • Nilai α adalah luas daerah kurva di kanan nilai t atau luas daerah kurva di kiri nilai –t • Nilai α → 0. 0.005(0. . Nilai t hitung untuk kasus distribusi rata-rata sampel kecil 19 Rahma Faelasofi Page didapat dengan menggunakan teori di bawah ini.t • Distribusi Sampling didekati dengan distribusi t (W.1 (10%) . Nilai t tabel menjadi batas selang pengujian Lakukan pembandingan nilai t tabel dengan nilai t hitung.5%) • Nilai α terbatas karena sesuai dengan db yang harus disusun! Distribusi-t akan digunakan dalam Pengujian Hipotesis. 0.025(2. Gosset).1.S. Dua hal yang perlu diperhatikan dalam Tabel t adalah 1. derajat bebas (db) 2. nilai α • distribusi t Student = Derajat bebas (db) = degree of freedom = v = n .Distribusi Sampel Rata-rata untuk Sampel Kecil DISTRIBUSI .05 (5%) .01 (1%) . 0.

terdistribusi dengan rata-rata : Maka. Pembacaan Tabel Distribusi-t Misalkan : n = 9 dengan db = 8.025) = 2. dan nilai t=X-μXsn Pada derajat bebas = n-1 dan suatu nilai α. yang N. Nilai α ditentukan di kiri dan kanan kurva t tabel (db. 0. yang diambil dari berukuran μX.306 Jadi t = 2.306 Rahma Faelasofi Page 20 . α) = t tabel(8. dan simpangan baku : s. distribusi rata-rata akan mendekati distribusi-t dengan: μX=μX . dengan Normal.Distribusi Sampel dengan sampel kecil Jika terdapat sampel ukuran kecil dengan rata-rata : populasi X n<30. σX=sn .306 dan -t = -2.

data tersebar normal.306 = 2.Arti Gambar di atas : nilai t sampel berukuran n = 9.5 % dan Peluang t < -2. Peluang t >2.5 % Coba cari nilai t tabel untuk beberapa nilai db dan α yang lain! • Perbedaan Tabel Z dan Tabel t Tabel Z → nilai Z menentukan nilai α Tabel t → nilai α dan db menentukan nilai t • Dalam banyak kasus nilai simpangan baku populasi (σ) tidak diketahui.306 < t < 2. Rahma Faelasofi Page 21 .306. berpeluang 95% jatuh dalam selang -2.306 = 2. karenanya nilai σ diduga dari nilai simpangan baku sampel (s) Ex: Manajemen PT BETUL menyatakan bahwa 95% rokok produksinya rata-rata mengandung nikotin 1.80 mg.

95-1.24 t=X-μXsn=1. s = 0. LATIHAN 1.80 .08=1. n = 9 . 0.306 Nilai t-hitung = ? μ = 1.800.1 = 8 t tabel (db. Jika Rahma Faelasofi Page 22 .5 % = 0.Yayasan Konsumen melakukan pengujian nikotin terhadap 9 batang rokok dan diketahui rata-rata sampel = 1.5% di kanan t α = 2. 1. jadi hasil penelitian Yayasan Konsumen masih sesuai dengan pernyataan manajemen PT BETUL. α) = t tabel (8.025 n = 9 → db = n .025) = 2.95 mg nikotin dengan standar deviasi = 0.306 < t < 2.95 .249=0. x= 1.306 < t < 2.24 mg.5 % di kiri t dan 2.875 berada dalam selang -2. Pada suatu pengiriman barang yang terdiri dari 2000 tube elektronika telah diketahui terdapat 600 unit tube yang tidak memenuhi standar mutu.306 Jadi 95 % berada dalam selang -2. Apakah hasil penelitian Yayasan Konsumen mendukung pernyataan Manajemen PT BETUL? Jawab: 95 % berada dalam selang → berarti 5 % berada di luar selang.306 .875 Nilai t hitung = 1.150.

berapakah probabilitas sampel populasi yang tidak memenuhi standar mutu: a.sampel acak sebanyak 500 unit dipilih dari populasi tersebut tanpa pengembalian. Besi baja yang diproduksi perusahaan A mempunyai rata-rata daya regang sebesar 4500 lbs dan variansi sebesar 40000 lbs. 16 batere diuji setiap bulan. akan kurang dari 150/500 b. lebih besar dari 164/500 2. berapakah probabilitas rata-rata daya regang beda dua rata-rata dari dua sampel itu yang lebih besar dari 600 lbs? 3.025 dan t0. Bila nilai t yang diperolehnya jatuh antara -t0. Misalkan sampel random sebanyak 50 diambil dari perusahaan A dan sampel random sebanyak 100 diambil dari perusahaan B. maka perusahaan itu cukup puas. Sebuah perusahaan menyatakan bahwa batere yang digunakan dalam alat-alat permainan elektroniknya akan mencapai umur rata-rata 30 jam. Apa kesimpulan perusahaan itu bila dari Rahma Faelasofi Page 23 . Untuk mempertahankan nilai rata-rata ini.025. antara 144/500 sampai dengan 145/500 c. sedangkan yang diproduksi perusahaan B mempunyai ratarata daya regang sebesar 4000 lbs dan variansi sebesar 90000 lbs.

Hitung peluang bahwa nilai tengah sampel pertama akan melampaui nilai tengah sampel kedua dengan sekurang-kurangnya 3.5 jam dan simpangan Asumsikan bahwa sebaran umur batere itu normal. 4. x=27.4 tetapi kurang dari 5. Sampel acak kedua. yang berukuran 36.9? Rahma Faelasofi Page 24 .sebuah sampel diperoleh baku s=5jam. Sebuah sampel acak berukuran 25 diambil dari suatu populasi normal yang mempunyai nilai tengah 80 dan simpangan baku 5. diambil dari populasi normal lain yang mempunyai nilai tengah 75 dan simpangan baku 3.

Sign up to vote on this title
UsefulNot useful