1 DISTRIBUSI RATA-RATA
Misalkan kita mempunyai sebuah populasi berkukuran terhingga N dengan parameter
rata-rata μ dan simpangan baku σ . Dari populasi ini diambil secara acak berukuran n .
Jika sampling dilakukan tanpa pengembalian, kita tahu semuanya ada ( Nn ) buah sampel yang
berlainan. Untuk semua sampel yang didapat, masing-masing dihitung rata-ratanya. Dengan
demikian diperoleh N buah rata-rata. Anggap semua rata-rata ini sebagai data baru, jadi
n ( )
didapat kumpulan data yang terdiri atas rata-rata dari sampel-sampel. Dari kumpulan ini kita
dapat menghitung rata-rata dan simpangan bakunya. Jadi didapat rata-rata daripada rata-rata,
diberi simbol μ x́ (baca: mu indeks eks garis), dan simpangan baku daripada rata-rata, diberi
simbol σ x́ (baca: sigma indeks eks garis).
Beberapa notasi :
x̄ : rata-rata sampel
s : simpangan baku
Contoh 1:
Diberikan sebuah populasi dengan N =10 yang datanya : 98, 99, 97, 98, 99, 98, 97, 97, 98, 99.
Jika dihitung, populasi ini mempunyai μ = 98 dan σ = 0,78. Diambil sampel berukuran
n =2 . Semuanya ada 10 = 45 buah sampel. Untuk setiap sampel kita hitung rata-ratanya.
(2)
Data dalam tiap sampel dan rata-rata tiap sampel diberikan dalam daftar berikut ini.
4.410
Jumlah ke-45 buah rata-rata = 4.410. maka rata-ratanya untuk ke-45 rata-rata ini = =98 .
45
Jadi, μ x́ =98.
simpangan baku ke-45 rata-rata di atas juga dapat dihitung. Besarnya adalah:
σ x́ =0,52
Tetapi rata-rata populasi μ=98 dan simpangan baku σ =0,78. Selanjutnya kita hitung:
σ N −n 0,78 10−2
n √ =
√
N−1 √ 2 10−1
=0,52
σ N −n
σ x́ =
√
√ n N −1
μ x́ =μ
σ
σ x́ =
√n
Jika sampel acak berukuran n diambil dari sebuah populasi berukuruan N dengan rata-rata
μ dan simpangan baku σ , maka distribusi rata-rata sampel mempunyai rata-rata dan
simpangan baku seperti dalam rumus (1) jika (n/N) > 5%, seperti dalam rumus (2) jika (n/N) ≤
5%. σ x́ dinamakan kekeliruan standar rata-rata atau kekeliruan baku rata-rata atau pula galat
baku rata-rata. Ini merupakan ukuran variasi rata-rata sampel sekitar rata-rata populasi μ . σ x́
mengukur besarnya perbedaan rata-rata yang diharapkan dari sampel ke sampel.
Jika sebuah populasi mempunyai rata-rata μ dan simpangan baku σ yang besarnya
terhingga, maka untuk ukuran sampel acak n cukup besar, distribusi rata-rata sampel
σ
mendekati distribusi normal dengan rata-rata μ x́ =μ dan simpangan baku σ x́ = .
√n
Distribusi normal yang didapat dari distribusi rata-rata perlu distandarkan agar daftar distribusi
noramal baku dapat digunakan. Ini perlu untuk perhitungan-perhitungan. Untuk ini digunakan
transformasi.
x́−μ
z=
σ x́
Contoh 2:
Tinggi badan mahasiswa rata-rata mencapai 165 cm dan simpangan baku 8,4 cm. Telah diambil
sebuah sampel acak terdiri atas 45 mahasiswa. Tentukan berapa peluang tinggi rata-rata ke-45
mahasiswa tersebut :
Jawab:
Jika ukuran populasi tidak dikatakan besarnya, selalu dianggap cukup besar untuk berlakunya
teori. Ukuran sampel n= 45 tergolong sampel besar sehingga dalil limit pusat berlaku. Jadi rata-
rata x́ untuk tinggi mahasiswa akan mendekati distribusi normal dengan :
8,4
Simpangan baku σ x́ = cm = 1,252 cm.
√ 45
a) Dengan x́ = 160 cm dan x́ = 168 cm didapat :
160−165 168−165
z 1= =−3,99 dan z 2= =2,40
1,252 1,252
Penggunaan daftar distribusi normal baku memberikan luas kurva = 0,5 + 0,4918 =
0,9818.
Peluang rata-rata tinggi ke-45 mahasiswa antara 160 cm dan 168 cm adalah 0,9918.
Dari daftar normal baku, luas kurva = 0,5-0,2881 = 0,2119. Peluang yang dicari = 0,2119
Apabila dari populasi diketahui variansnya dan perbedaan antara rata-rata dari sampel ke sampel
diharapkan tidak lebih dari sebuah harga d yang ditentukan, maka berlaku hubungan.
σ x́ ≤ d
Dari rumus ini, ukuran sampel yang paling kecil sehubungan dengan distribusi rata-rata, dapat
ditentukan.
Contoh 3:
Untuk contoh diatas, misalkan harga-harga x́dari sampel yang satu dengan sampel yang lainnya
diharapkan tidak lebih dari 1 cm.
σ 8,4
≤ d yang menghasilkan ≤1
√n √n
atau n ≥ 70,58.
n
( ≤5 %)
A. Populasi takterbatas N :
Rata-rata :
μ x̄=μ
σ
σ x̄ =
Standar Deviasi : √n
x̄−μ x̄
z=σ
Nilai Baku : x̄
n
>5 %
B. Populasi terbatas ( N ):
Rata-rata :
μ x̄=μ
σ N −n
Standar Deviasi :
σ x̄ =
μ
⋅
√
√ n N −1
x̄− x̄
z=σ
Nilai baku : x̄
Dari populasi ini diambil sampel acak berukuran n dan dimisalkan didalamnya ada
peristiwa A sebanyak x. Sampel ini memberikan statistik proporsi peristiwa A = x/n. Jika semua
sampel yang mungkin diambil dari populasi itu maka didapat sekumpulan harga-harga statistik
μx
proporsi. Dari kumpulan ini kita dapat menghitung rata-ratanya, diberi simbol n dan
σx
simpangan bakunya diberi symbol n .
μx
n : rata-rata pada distribusi sampling proporsi.
σx
n : standar deviasi pada distribusi sampling proporsi.
Untuk ini ternyata bahwa, jika ukuran populasi kecil dibandingkan dengan ukuran
sampel, yakni (n/N) > 5%, maka :
μ x =π
n
π (1−π ) N−n
σ x=
n √ n √
N−1
dan jika ukuran populasi besar dibandingkan dengan ukuran sampel, yakni (n/N) ≤ 5% maka :
μ x =π
n
π (1−π )
σ x=
n √ n
σx
n dinamakan kekeliruan baku proporsi atau galat baku proporsi.
Seperi dalam distribusi rata-rata, disini pun akan digunakan n ≥ 30 untuk memulai
berlakunya sifat di atas. Untuk perhitungan, daftar distribusi normal baku dapat digunakan dan
untuk itu diperlukan transformasi :
x
−π
n
z=
σx
n
Jika perbedaan antara proporsi sampel yang satu dengan yang lainnya diharapkan tidak
lebih dari sebuah harga d yang ditentukan, maka berlaku :
σ x≤d
n
Karena σx/n mengandung faktor π dengan π = parameter populasi, maka rumus (8) berlaku jika
parameter π sudah diketahui besarnya. Jika tidak, dapat ditempuh cara konservatif dengan
mengambil harga kekeliruan baku atau galat baku yang terbesar, yakni π (1 – π ) = ¼.
Contoh 1 :
Ada petunjuk kuat bahwa 10% anggota masyarakat tergolong ke dalam golongan A. Sebuah
sampel acak terdiri atas 100 orang telah diambil.
a) Tentukan peluangnya bahwa dari 100 orang itu akan ada paling sedikit 15 orang dari golongan
A.
b) Berapa orang harus diselidiki agar persentase golongan A dari sampel yang satu dengan yang
lainnya diharapkan berbeda paling besar dengan 2%?
Jawab:
Populasi yang dihadapi berukuran cukup besar dengan = 0,10 dan 1 - = 0,90
a) Untuk ukuran sampel 100, diantaranya paling sedikit 15 tergolong kategori A, maka
paling sedikit x/n = 0,15. Kekeliruan bakunya adalah :
π (1−π ) 0,10× 0,90
σ x=
n √ n
=
√ 100
=0,03
0,15−0,10
Bilangan z paling sedikit = =1,67
0,03
Peluang dalam sampel itu aka nada paling sedikit 15 kategori A adalah 0,0475.
b) Dari rumus (8) dengan π = 0,1 dan 1 – π = 0,9 sedangkan d = 0,02, maka :
0,1+ 0,9
√ n
≤ 0,02yang menghasilkan n ≥ 225
n
( ≤5 %)
C. Populasi takterbatas N :
μ x =π
Rata-rata : n
π ( 1−π )
Standar Deviasi :
σ x=
n
x
√ n
n x
−μ
n
z=
σ x
Nilai Baku : n
n
>5 %
D. Populasi terbatas ( N ):
μ x =π
Rata-rata : n
π ( 1−π ) N −n
Standar Deviasi :
σx=
n
x
√ n
⋅
√
N −n
n x
−μ
n
z=
σ x
Nilai baku : n
Jika nilai π dari populasi tidak diketahui, dalam hal ini π dianggap sama dengan 0,5 yaitu
nilai π(1-π) yang maksimum.
Jika populasi berdistribusi normal atau hampir normal, maka distribusi simpangan baku, untuk n
besar, biasanya n ≥ 100, sangat mendekati distribusi normal dengan :
μs =σ
σ
σ s=
√ 2n
Transformasi yang diperlukan untuk membuat distribusi menjadi normal baku adalah:
s−σ
z=
σs
Untuk populasi tidak berdistribusi normal dan untuk sampel berukuran kecil, n<100, rumus-
rumusnya snngat sulit dan karena peggunaannya tidak banyak maka disini tidak dijelaskan lebih
lanjut.
Contoh 1 :
Varians sebuah populasi yang berdistribusi normal 6,25. Diambil sampel berukuran 225.
Tentukan peluang sampel tersebut akan mempunyai simpangan bakulebih dari 3,5.
Jawab:
Varians = 6,25 ber = 2,5. Ukuran sampel cukup besar, maka distribusi simpangan baku
2,5
mendekati distribusi normal dengan rata-rata μs =2,5 dan simpangan baku σ s= =0,118 .
√ 450
Bilangan z untuk s = 3,5 adalah
3,5−2,5
z= =8,47
0,118
Praktis tidak menjadi sampel berukuran 225 dengan simpangan baku lebih dari 3,5.
https://id.scribd.com/document/358880151/Makalah-Distribusi-Sampling