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. Waktu yang lebih singkat 3. Biaya lebih murah 2. 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 . 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.

X2. Hal tersebut seperti yang disajikan dalam gambar di bawah ini: Populasi (N) X1.Kemudian adanya penarikan kesimpulan tentang parameter populasi berdasarkan data keterangan tidak lengkap yang diperoleh melalui pengambilan sampel dan penghitungan harga-harga statistik.⋯.X2.X2.XN Parameter μ dan σ2 sampel (n) X1.⋯.Xn sampel (n) X1.⋯.⋯. Harga suatu statistik tergantung pada data-data yang diamati.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. sehingga harga statistik bervariasi dari satu sampel ke sampel lainnya.X2.

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

(23. (23.(24.(23. (22.(23.24).(22.(24.(22.(22.(23. 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.(23.23).(24.(21.(21.24).23).(23.23).(22. (23.24) BEBERAPA TEKNIK PENARIKAN SAMPEL : 1.23).24).21).(21.21).(23. (24.21).(21.22).21).(23.22).23).24).24) Tanpa pengembalian: Nn=N!N-n!n!=5!3!.22).(22.23).21).23).(21. tabel bilangan acak. program komputer.22).22).23).(23.22). (23.21).24). Penarikan Sampel Acak Sederhana (Simple Randomized Sampling) Pengacakan dapat dilakukan dengan : undian.(21.22).23).24).Jawab: Dengan pengembalian: Nn=52=25 buah sampel Sampel yang mungkin: (23.(23.24).(23.(23. (24.(21. Rahma Faelasofi Page 6 .21). 2.23). maka : Anggota populasi ke-27 menjadi anggota ke-2 dalam sampel.22).2!=10 buah sampel Sampel yang mungkin: (23.23).

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

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

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

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. 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. Distribusi sampel beda dua proporsi Terdapat beberapa notasi yang relevan dalam distribusi sampling.4. maka distribusi sampelnya akan mendekati distribusi normal sehingga variabel random Z dapat dihitung dengan rumus : Z=X-μXσX=X-μXσX Rahma Faelasofi Page 10 . 2.

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. 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. 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. Distribusi sampel rata-rata σX=σXnN-nN-1 μX=μX 2.

a. hitunglah : standard error atau Rahma Faelasofi Page 12 . menyatakan bahwa Populasi dianggap Besar jika ukuran sampel kurang dari 5% ukuran populasi atau nN<5%. distribusi populasi tidak dipersoalkan • Dari beberapa sumber yang ada. b. Rata-rata populasi dianggap menyebar normal. Perusahaan ini menyatakan bahwa rata-rata isi segelas AKUA adalah 250 ml dengan standar deviasi = 15 ml. PT AKUA sebuah perusahaan air mineral rata-rata setiap hari memproduksi 100 juta gelas air mineral. Ex : 1. 2. 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. 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. Jika sampel diperkecil menjadi 25 gelas. Jika setiap hari diambil 100 gelas AKUA sebagai sampel acak DENGAN PEMULIHAN.

b. N=100juta . σX=15 . hitung probabilitas Page 13 Rahma Faelasofi .67=0. 1. n=100 Galat baku atau standar error sampel galat baku= σX=σXn=15100=1510=1.galat baku sampel tersebut dan peluang rata-rata sampel akan berisi lebih dari 255 ml? Jawab: Diketahui: a. peluang rata-rata sampel akan berisi lebih dari 255ml adalah 0. PX<253=PZ<2=0. PX>255=PZ>1. Kecepatan maksimum 2000 mobil mempunyai ratarata 135.67 Sehingga.0475 atau 4. σX=15 .5 Z=253-2501. peluang rata-rata sampel akan berisi kurang dari 253ml adalah 0. μX=μX=250 .5=31. μX=μX=250 .4772=0.9772 atau 97. n=25 Karena populasi sangat besar dan pengambilan sampelnya PX>255=PZ>? kecil.0475 Jadi.5-0.5 km/jam dengan simpangan baku 5.5+0.5=2 Sehingga. Jika sampel sebesar 150 mobil dipilih secara acak tanpa pengembalian.4525=0.72%.9772 Jadi.75%.2 km/jam. N=100juta . maka digunakan pendekatan Teorema Limit Pusat Galat baku atau standar error sampel galat baku= σX=σXn=1525=155=3 Z=255-2503=53=1.

1 km/jam! σX=σXnN-nN-1=5. 3.1) = P(Z>1.46) = 0. sementara (q = 1-p) merupakan probabilitas untuk tidak terjadinya suatu peristiwa.21502000-1502000-1=0.kecepatan Jawab: maksimum rata-rata dari 150 mobil tersebut yang lebih besar dari 136.4279. Jika dari populasi tersebut diambil sampel berukuran n yang juga mengandung proporsi berulang maka distribusi mempunyai : 1. jenis p sebanyak X.1 km/jam adalah P(X>136. Distribusi Sampel Proporsi Bila populasi berukuran probabilitas N mengandung XN. maka proporsi p adalah merupakan untuk Dimana p suatu terjadinya peristiwa.46 Jadi probabilitas kecepatan maksimum rata-rata mobil yang lebih besar dari 136.41 Z=X-μXσX=136.50. 2. 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 .1-135.41=1.

03=1.1 σp=p1-pn=0. tentukan probabilitasnya! Jawab: a.10. A! b.15-0. Bila dari sampel tersebut ternyata terdapat paling sedikit 15 ibu rumah tangga yang memakai detergen A.Ex : Diketahui sebanyak 10% dari ibu-ibu rumah tangga di Bandung memakai detergen A untuk mencuci pakaiannya. Rata-rata : 10% = 0 . μ1 N2 N1 dan σ1.5-0. Jika dari populasi tersebut diambil sampel berukuran 100 : a.9100=0.0475 15100=0. 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. serta simpangan baku μ2 mempunyai rata-rata serta Dari populasi 1 diambil sampel X1 dengan rata-rata dan dari populasi Page 15 .67=0.67 PZ>1. Populasi 1 sebanyak mempunyai rata-rata Populasi 2 sebanyak simpangan baku acak sebanyak Rahma Faelasofi n1 σ2.10.03 b.4525=0.15 Distribusi Sampel Beda Dua Rata-rata Terdapat 2 populasi.

1 cm. 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 . yaitu sampel beda dua rata-rata.3 cm. Sedangkan mahasiswa perempuan tinggi badannya rata-rata 153 cm dengan simpangan baku 5. X1 X2 dapat dibuat sampel baru yang juga bersifat acak. berapa probabilitas rata-rata tinggi mahasiswa laki-laki paling sedikit Jawab: Diketahui: Populasi 1 : Populasi 2 : Misal : X1 μ1=164 cm. Dari dua populasi tersebut diambil sampel acak yang saling bebas masing-masing 150 orang. dan sampel 1 : n1=150 orang μ2=153 cm. σ1=5.1 cm. 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. σ2=5.3 cm.2 sampel acak sebanyak Dari sampel dan n2 dengan rata-rata X2 dimana kedua sampel tersebut dianggap saling bebas.

X2 = rata-rata tinggi badan mahasiswa perempuan Rata-rata : μX1-X2=μ1-μ2=164-153=11 cm σX1-X2=σ12n1+σ22n2=5. Populasi 1 berukuran proporsi X1N1.12150=0. N1 terdapat jenis N2 X1 dengan X2 Populasi 2 berukuran X2N2.6 Karena rata-rata tinggi badan mahasiswa laki-laki paling sedikit 12 cm lebihnya daripada rata-rata tinggi badan mahasiswa perempuan.6 Simpangan baku : Z=X1-X2-μ1-μ2σX1-X2=X1-X2-110. n1 maka sampel ini akan mengandung Demikian juga dengan n2 dengan proporsi populasi 2 diambil sampel acak berukuran sampel ini akan mengandung jenis x2n2.5- sehingga probabilitasnya Distribusi Sampel Beda Dua Proporsi Ada 2 populasi. maka Z=12-110.0475 X1-X2≥12 sehingga PZ≥1.67 0. x2 maka dengan proporsi Sampel 1 dan 2 dapat membentuk sampel acak baru yaitu sampel beda dua proporsi.6=1.32150+5.4525=0.67=0. terdapat jenis dengan proporsi acak berukuran jenis x1 Bila populasi 1 diambil sampel x1n1. Distribusinya mempunyai : Rata-rata : μp1-p2=p1-p2 σp1-p2=p11-p1n1+p21-p2n2 Page 17 Simpangan baku : Rahma Faelasofi .

02=PZ>- 1.95200=0.9300+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=0.4032=0. Bila diambil sampel acak sebanyak 200 barang dari gudang timur dan 300 barang dari gudang barat.3=0.1 n2=200 .9032=90. tentukan probabilitas persentase barang yang cacat dalam gudang barat 2% lebih banyak dibanding gudang timur! Jawab: Gudang barat : Gudang timur : p1 n1=300 .050.050.023=-1.02-0.Variabel Random : Ex: Z=p1-p2-p1-p2σp1-p2 5% barang di gudang timur cacat.10. sedangkan barang yang cacat di gudang barat sebanyak 10%.1-0.050.23% Rahma Faelasofi Page 18 .023 Z=p1-p2-p1-p2σp1-p2=p1-p2-0. p2=0.3 p1-p2>0. p1=0.02 sehingga Jadi probabilitasnya adalah Pp1-p2>0.023 Karena barang cacat di gudang barat 2% lebih banyak daripada di gudang timur maka diperoleh: Z=0.5+0.

Distribusi Sampel Rata-rata untuk Sampel Kecil DISTRIBUSI .1 (10%) . .025(2. Nilai t hitung untuk kasus distribusi rata-rata sampel kecil 19 Rahma Faelasofi Page didapat dengan menggunakan teori di bawah ini. 0.5%) . 0.01 (1%) . • Distribusi-t pada prinsipnya adalah pendekatan distribusi sampel kecil dengan distribusi normal.5%) • Nilai α terbatas karena sesuai dengan db yang harus disusun! Distribusi-t akan digunakan dalam Pengujian Hipotesis.t • Distribusi Sampling didekati dengan distribusi t (W. n : ukuran sampel.S.05 (5%) . Nilai t tabel menjadi batas selang pengujian Lakukan pembandingan nilai t tabel dengan nilai t hitung.1. nilai α • distribusi t Student = Derajat bebas (db) = degree of freedom = v = n .005(0. 0. 0. derajat bebas (db) 2. • Selanjutnya Nilai α ditentukan terlebih dahulu Lalu nilai t tabel ditentukan dengan menggunakan nilai α dan db. • Nilai α adalah luas daerah kurva di kanan nilai t atau luas daerah kurva di kiri nilai –t • Nilai α → 0. Gosset). Dua hal yang perlu diperhatikan dalam Tabel t adalah 1.

dan simpangan baku : s.306 dan -t = -2. yang diambil dari berukuran μX. 0. Nilai α ditentukan di kiri dan kanan kurva t tabel (db. σX=sn .025) = 2. terdistribusi dengan rata-rata : Maka. yang N. Pembacaan Tabel Distribusi-t Misalkan : n = 9 dengan db = 8. α) = t tabel(8.306 Jadi t = 2. dengan Normal. dan nilai t=X-μXsn Pada derajat bebas = n-1 dan suatu nilai α. distribusi rata-rata akan mendekati distribusi-t dengan: μX=μX .Distribusi Sampel dengan sampel kecil Jika terdapat sampel ukuran kecil dengan rata-rata : populasi X n<30.306 Rahma Faelasofi Page 20 .

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.5 % dan Peluang t < -2. karenanya nilai σ diduga dari nilai simpangan baku sampel (s) Ex: Manajemen PT BETUL menyatakan bahwa 95% rokok produksinya rata-rata mengandung nikotin 1.306 < t < 2.306 = 2.306. data tersebar normal. Peluang t >2.Arti Gambar di atas : nilai t sampel berukuran n = 9.80 mg. berpeluang 95% jatuh dalam selang -2.306 = 2. Rahma Faelasofi Page 21 .

Pada suatu pengiriman barang yang terdiri dari 2000 tube elektronika telah diketahui terdapat 600 unit tube yang tidak memenuhi standar mutu. s = 0.025 n = 9 → db = n .306 < t < 2.025) = 2. jadi hasil penelitian Yayasan Konsumen masih sesuai dengan pernyataan manajemen PT BETUL.24 mg.95 mg nikotin dengan standar deviasi = 0.306 Nilai t-hitung = ? μ = 1. Jika Rahma Faelasofi Page 22 .24 t=X-μXsn=1.95 .5% di kanan t α = 2.306 .1 = 8 t tabel (db. Apakah hasil penelitian Yayasan Konsumen mendukung pernyataan Manajemen PT BETUL? Jawab: 95 % berada dalam selang → berarti 5 % berada di luar selang. α) = t tabel (8. 1.875 berada dalam selang -2.08=1.Yayasan Konsumen melakukan pengujian nikotin terhadap 9 batang rokok dan diketahui rata-rata sampel = 1. LATIHAN 1. 0.95-1.80 . n = 9 .150.249=0. x= 1.5 % di kiri t dan 2.306 Jadi 95 % berada dalam selang -2.800.306 < t < 2.5 % = 0.875 Nilai t hitung = 1.

Apa kesimpulan perusahaan itu bila dari Rahma Faelasofi Page 23 . Untuk mempertahankan nilai rata-rata ini. berapakah probabilitas rata-rata daya regang beda dua rata-rata dari dua sampel itu yang lebih besar dari 600 lbs? 3. 16 batere diuji setiap bulan. lebih besar dari 164/500 2. berapakah probabilitas sampel populasi yang tidak memenuhi standar mutu: a.025.025 dan t0. akan kurang dari 150/500 b. Sebuah perusahaan menyatakan bahwa batere yang digunakan dalam alat-alat permainan elektroniknya akan mencapai umur rata-rata 30 jam. Bila nilai t yang diperolehnya jatuh antara -t0. antara 144/500 sampai dengan 145/500 c. Misalkan sampel random sebanyak 50 diambil dari perusahaan A dan sampel random sebanyak 100 diambil dari perusahaan B.sampel acak sebanyak 500 unit dipilih dari populasi tersebut tanpa pengembalian. sedangkan yang diproduksi perusahaan B mempunyai ratarata daya regang sebesar 4000 lbs dan variansi sebesar 90000 lbs. maka perusahaan itu cukup puas. Besi baja yang diproduksi perusahaan A mempunyai rata-rata daya regang sebesar 4500 lbs dan variansi sebesar 40000 lbs.

Sampel acak kedua. Hitung peluang bahwa nilai tengah sampel pertama akan melampaui nilai tengah sampel kedua dengan sekurang-kurangnya 3.9? Rahma Faelasofi Page 24 .5 jam dan simpangan Asumsikan bahwa sebaran umur batere itu normal.4 tetapi kurang dari 5. 4. diambil dari populasi normal lain yang mempunyai nilai tengah 75 dan simpangan baku 3. Sebuah sampel acak berukuran 25 diambil dari suatu populasi normal yang mempunyai nilai tengah 80 dan simpangan baku 5. x=27.sebuah sampel diperoleh baku s=5jam. yang berukuran 36.

Sign up to vote on this title
UsefulNot useful