VARIAN

Varian adalah indeks terbaik untuk sebuah penyebaran.

∑
2 ( X i− X́ )2
Berikut adalah formulanya : variance=s =
n−1
S akan setara dengan nol jika dan hanya jika setiap atau seluruh observasi dalam distribusi sama dengan
mean dan varians akan tumbuh lebih besar karena pengamatan cenderung semakin berbeda satu sama
lain dan dari mean itu sendiri.

STANDAR DEVIASI

Walaupun varian sering dipakai dalam statistic, tetapi varian memiliki kelemahan utama yaitu : varian
mencerminkan unit pengukuran yang telah dikuadratkan.

Karena hal inilah para pengguna statistic sering menggunakan akar pangkat dua dari varian. Metode
menggunakan akar pangkat dua dari varian pada distribusi inilah yang biasa di sebut dengan standart
deviasi.

∑ ( X i− X́)2
Formulanya adalah sebagai berikut : s=
√ n−1
Pada poin ini, kita dapat kembali memikirkan tujuan dasar untuk menghitung persebaran. Kita ingin
merangkum data dari setiap survey penelitian dan form bisnis penelitian yang lainnya.

Formula untuk populasi standart deviasi σ dimana konsepnya sangat mirip belum diberikan. Namun, kita
seharusnya memahami bahwa σ menghitung persebaran pada populasi dan S menghitung persebaran
pada sampel.

DISTRIBUSI NORMAL

Salah satu distribusi kemungkinan yang umum adalah distribusi normal, biasanya di presentasikan
sebagai kurva. Kurva normal berbentuk seperti lonceng dan hampir semua (99%) nilai valuenya antara 3
standart deviasi dari mean.

Standarisasi dari distribusi normal merupakan murni teori dari distribusi kemungkinan, tetapi hal
tersebut merupakan distribusi yang paling berguna dalam inferensial statistik.

Melakukan komputasi pada nilai yang terstandarisasi, Z, dari berbagai pengukuran pada unit aslinya
sederhana : kurangi mean dari nilai yg akan di transformasikan, dan bagi dengan standart deviasi (semua
diekspresikan pada unit aslinya).

Formulanya adalah sebagai berikut,

nilai yang ditransformasikan – mean

Standardized value=
Standar deviasi
 X−μ
Z=
σ
Dimana μ = nilai yg diekspektasikan dari mean.

POPULASI DISTRIBUSI, DISTRIBUSI SAMPEL dan DISTRIBUSI SAMPLING

Distribusi populasi adalah frekuensi distribusi sebuah elemen populasi. Mean dan standar deviasi
sebuah populasi distribusi direpresentasikan oleh huruf latin μ dan σ.

Frekuensi distribusi sebuah sampel disebut juga Distribusi sampel. Mean sampel disimbolkan oleh X́
dan sampel standar deviasi disimbolkan oleh S.

Konsep populasi distribusi dan sampel distribusi relative lebih sederhana. Bagaimanapun juga, kita
sekarang harus memperkenalkan distribusi yang lain, dimana inti dari pemahaman statistic : distribusi
sampling dari sebuah sampel mean.

Distribusi sampling adalah teori probabilitas distribusi dimana pada prakteknya tidak akan pernah bisa
dikalkulasikan, karenanya, pada penerapannya, murid dengan orientasi bisnis memiliki kesulitan untuk
memahami kenapa gagasan pada sebuah distribusi sampling adalah penting.

Mean pada distribusi sampling biasa juga disebut nilai yang di ekspektasikan pada statistic. Nilai yang di
ekspektasikan pada mean sebuah distribusi sampling sama dengan μ.

Standart deviasi sebuah distribusi sampling adalah X́ dinamakan standar eror dari mean ( S x́) dan di
σ
estimasikan sama dengan S x́ =
√n
Jadi, untuk membuat kesimpulan tentang populasi dari sebuah sampel, kita harus tahu terlebih dahulu
tentang 3 distribusi penting : distribusi populasi, distribusi sampel dan distribusi sampling.

Mean Standart Deviasi

Distribusi populasi μ σ
Distribusi sampel X́ S
Distribusi sampling μ x =μ Sx