Soalan Latihan 27.08.

2020

1. Dengan contoh yang sesuai, huraikan Teorem Had Memusat.

Teorem ini menyatakan bahawa :

[bagi sampel saiz n yang diperoleh daripada suatu populasi bertaburan Normal dengan
σ2
min, μ, dan varians, σ 2 , taburan bagi min sampel menghampiri N( μ , ) bagi nilai n yang
n
besar].

Contoh yang sesuai ialah Anggaran min berat badan populasi.

Hal ini kerana persampelan daripada populasi, dan saiz sampel bagi anggaran min berat
badan populasi ini adalah besar (>30), jadi contoh ini sesuai dengan penggunaan Teorem
Had Memusat. (Sumber dari nota)

Teorem had memusat menyatakan min sampel adalah bertaburan normal bergantung
kepada bentuk populasi untuk sampel yang besar dan bagi sebarang saiz sampel dengan
polulasi yang bertaburan normal. Min sampel ini boleh dianalisis dengan menggunakan
x−μ
skor Z. Z =
σ

Kebaikan utama teorem had memusat ialah praktikal, versi yang amat berguna bagi
x́−μ
formula Z untuk min sampel. Z = ( σ )
√n
Apabila populasi adalah bertaburan normal dan saiz sampel adalah 1, formula ini bagi
min sampel akan menjadi formula Z yang asal bagi nilai individu. Ini disebabkan min bagi
σ
nilai satu ialah nilai tersebut, dan apabila n = 1 nilai =σ
√n
(Sumber dari https://www.scribd.com/doc/87324975/Chapter-05)
(Sumber dari https://www.scribd.com/doc/87324975/Chapter-05)

Contoh ini dengan kes populasi yang infiniti, N = ∞

(tetapi responden / saiz sampel, n > 30)

Teorem Had Memusat

2. Bincangkan dengan terperinci, pembetulan Finit.

Pembetulan Finit digunakan untuk mengatasi kes populasi yang finit.

Di dlm kes populasi finit, pelarasan statistik blh dilakukan terhadap

formula Z bg min sampel.
N −n
Pelarasan adalah dipanggil sebagai faktor pembetulan finit:

Jika saiz sampel kurang daripada 5% saiz populasi finit,

√ N −1

faktor pembetulan finit tidak signifikan mengubahsuai penyelesaian.

(Sumber dari https://www.scribd.com/doc/87324975/Chapter-05)