TEHNIK SAMPLING
PERTEMUAN 2
Kegiatan 1
A. Variabel Acak
kegunaan:
memberikan nilai numerik unik
untuk semua hasil yang mungkin dari
eksperimen acak dalam kondisi tetap
contoh:
Misalkan kita memiliki tiga gulungan dadu (D 1 ,D2
,D3). Kemudian status . D2D3S = ( D1 ,D2 ,D3 )D1D1
D2D2D3D3S=(D1,D2,D3)S=(D1,D2,D3).
1. Satu variabel acak adalah angka 5s. Ini adalah:Xx
X=(D1=5?)+(D2=5?)+(D3=5?)
X=(D1=5?)+(D2=5?)+(D3=5?)
2. Variabel acak adalah jumlah gulungan dadu. Ini
adalah:YY
Y=D1+D2+D3
Y=D1+D2+D3
B. Ekspetasi
kegunaan:
untuk membantu memutuskan apakah sebuah
tindakan menguntungkan atau merugikan. Nilai
harapan bisa digunakan dalam statistik numerik,
berjudi, atau situasi lain yang melibatkan peluang,
investasi bursa saham, atau dalam situasi lain yang
bisa menghasilkan beberapa kemungkinan.
contoh:
Misalkan dua uang logam dilempar secara bersamaan sebanyak 16 kali.
Misalkan X menyatakan banyaknya sisi angka (A) yang muncul pada setiap
pelemparan, maka X dapat benilai 0, 1, atau 2. Misalkan pada eksperimen
tersebut dicatat berapa kali muncul 0, 1, atau 2 sisi buah sisi angka pada
setiap pelemparan, dan diperoleh hasil masing-masing 4 kali, 7 kali, dan 5
kali.
penyelesaian:
Ruang sampel dari pelemparan dua uang logam:
S = {AA, AG, GA, GG}
sehingga:
P(X = 0) = P(GG) = ¼
P(x=1)=P(AG)+P(GA)=¼ + ¼ = ½
P(X = 2) = P(AA) = ¼
maka, rataan banyaknya sisi angka yang muncul pada pelemparan dua
buah uang logam adalah:
μ= E(X) = (0)(1/4) + (1)(1/2) + (2)(1/4) = 1
C. Distribusi Peluang
Contoh:
1
f ( x ; 6 )= , x =1,2,3,4,5,6
6
D. Teorema Chebyshev 4
Bukti :
1
paling besar sama dengan . Jika Jika k makin
k2
Penggunaan Teorema Pertidaksamaan Chebysyev
9 1
besar, maka 2 makin dekat dengan nol.
Teorema ini dikemukakan oleh Chebysyhev, yang memberikanktaksiran
yang berhati-hati (konservatif) tentang peluang bahwa setiap variable
acak mendapat nilai dalam k simpangan baku dari niai rataannya untuk
setiap bilangan k real adalah paling sedikit.
Contoh
E. Distribusi Normal
2
−1 x−μ
1 2( )
σ
f ( x )= e
σ √2 π
Keterangan :
σ = simpangan baku
μ = rata-rata x
e = 2,7183…
Distribusi normal standar adalah distribusi normal yang
memiliki rata-rata ( μ) = 0 dan simpangan baku (σ ) = 1.
Bentuk fungsinya adalah :
−1 2
1 2
(z )
f ( x )= e
σ √2 π
Denganz : x−μ
z=
σ
Nilai z adalah angka atau indeks yang menyatakan
penyimpangan suatu nilai variabel random (x) dari
rata-rata( μ ¿ dihitung dalam satuan simpangan
baku (σ ¿.
PenggunaanKurva Normal Standar
Untuk menentukan luas daerah di bawah kurva normal standar, telah dibuat daftar distribusi
normal standar, yaitu abel luas kurva normal standar dengan nilai-nilai z tertentu. Dengan daftar
tersebut, bagian-bagian luas dari distribusi normal standar dapat dicari.
Contoh1 :
Penyelesaian :
X −μ
z=
σ
Untuk X 1 =90
X −μ 90−105
z= = =−1,5
σ 10
Untuk X 2 =115
X −μ 115−105
z= = =1
σ 10
¿ 0,4332+0,3413
¿ 0,7745
Penyelesaian:
Langkah pertama adalah mencari degree of freedom (df) dengan menggunakan
rumusdf =n−k,
Jadi, df =15−2=13.
Jadi, dari table diatas maka nilai t table yang didapatkan dari jumlah variabel
(2) dan jumlah responden (15) serta taraf signifikansi (0,025) adalah sebesar
2,16037
Referensi
https://rumuspintar.com/distribusi-normal/amp/
https://www.slideshare.net/mobile/EmanM4/distribusi-normal-34602590
https://www.spssstatistik.com/cara-membaca-tabel-t/
http://informatika.stei.itb.ac.id/~rinaldi.munir/Probstat/2010-2011/Beberapa%20Distribusi
%20Peluang%20Diskrit.pdf
http://file.upi.edu/Direktori/FPMIPA/JUR._PEND._MATEMATIKA/195202121974121-
MAMAN_SUHERMAN/Statistik_3.pdf
http://probstat7.blogspot.com/2013/05/teorema-chebyshev.html
https://tyanurdina.files.wordpress.com/2011/12/ketaksamaan-chebishev1.pdf
https://www.slideshare.net/ruslancragy8/ketaksamaan-chebyshev1
http://abdee-andi19.blogspot.com/2016/09/variabel-acak-adalah-fungsibernilai.html
http://informatika.stei.itb.ac.id/~rinaldi.munir/Probstat/2010-2011/Ekspektasi%20Matematik.pdf
https://qastack.id/stats/50/what-is-meant-by-a-random-variable
https://id.wikihow.com/Menghitung-Nilai-Harapan
Bukti Kelompok
Kegiatan 2
1. Jelaskan pengertian dari variabel acak dan berikan contoh kasus dari lingkungan
sekitarmu!
Pembahasan :
Variabel acak dapat didefinisikan sebagai deskripsi numerik dari hasil percobaan.
Variabel acak biasanya menghubungkan nilai-nilai numerik dengan setiap kemungkinan
hasil percobaan. Variabel acak dapat dikelompokkan menjadi variabel acak diskrit dan
variabel acak kontinu.
a. Variabel acak diskrit adalah variabel acak yang tidak mengambil seluruh nilai yang
ada dalam sebuah interval atau variabel yang hanya memiliki nilai tertentu.
Contoh :
Banyak pemunculan sisi muka atau angka dalam pelemparan sebuah koin
( uang logam)
Jumlah anak dalam suatu keluarga
b. Variabel acak kontinu adalah variabel acak yang mengambil seluruh nilai yang ada
dalam sebuah interval atau variabel yang dapat memiliki nilai-nilai pada suatu
interval tertentu.
Contoh :
Usia penduduk suatu daerah
Panjang beberapa helai kain
2. Apa saja contoh distribusi peluang diskrit dan distribusi peluang kontinu serta
penjelasannya ?
Pembahasan :
a. Peubah acak diskrit adalah peubah acak yang ruang rentangnya merupakan himpunan
yang berhingga (finite) atau tak berhingga tapi terhitung (denumerable/countably
infinite) dengan sifat-sifat:
Jika peubah acak X mempunyai nilai x1,x2,x3,…xk dengan peluang yang sama,
maka distribusi seragam diskrit didefinisikan sebagai:
Rataan dan variansi dari distribusi seragam diskrit
adalah:
2. Distribusi Binominal
Distribusi binomial didasarkan pada proses Bernoulli. Pada proses Bernoulli,
suatu eksperimen sering terdiri dari beberapa usaha yang berulang-ulang, di mana
tiap usaha mempunyai dua kemungkinan: sukses atau gagal.
Contoh: pada pengujian suatu produk untuk menentukan berapa jumlah produk yang
cacat dari n pengujian atau usaha. Pada tiap pengujian ditentukan bahwa suatu
produk cacat atau tidak cacat. Setiap pengujian bersifat independen (tidak bergantung
pada pengujian sebelumnya).
Sifat-Sifat Proses Bernoulli:
1. Eksperimen terdiri dari n usaha yang berulang
2. Setiap usaha memberikan hasil yang dapat diklasifikasikan menjadi sukses atau
gagal
3. Peluang dari sukses adalah p, yang bersifat 6
3. Peluang dari sukses adalah p , yang bersifat tetap dalam setiap kali usaha.
4. Tiap usaha tersebut bersifat independen satu sama lain.
3. Distribusi Multinominal
Jika suatu percobaan dapat menghasilkan k macam hasil E1,E2,…,Ek dengan
peluang P1,P2,…,Pk maka distribusi peluang dari peubah acak X1,X2,…,Xk yang
menyatakan banyak terjadinya E1,E2,…Ek dalam n usaha yang independen adalah:
4. Distribusi Hipergeometrik
Distribusi hipergeometrik mempunyai sifat-sifat sebagai berikut:
1. Secara acak diambil sebanyak n tanpa dikembalikan dari N benda.
2. k dari N benda diklasifikasikan sukses dan N -k diklasifikasikan gagal
Jumlah sukses X dari eksperimen hipergeometrik disebut peubah acak
hipergeometrik. Distribusi peluang dari peubah acak hipergeometrik disebut dengan
distribusi hipergeometrik, dan nilainya dinotasikan dengan:
5. Distribusi Poisson
Eksperimen Poisson adalah eksperimen yang menghasilkan nilai numerik dari
peubah acak X pada selang waktu yang tertentu atau daerah tertentu.
Contoh:
1) jumlah panggilan telepon dalam waktu 1 jam yang diterima oleh resepsionis
2) banyaknya pertandingan tenis yang terpaksa diundurkan karena terjadinya hujan
selama musim hujan
3) banyaknya tikus dalams atu hektar sawah
4) banyaknya salah ketik dalam satu halaman
Sifat-sifat proses Poisson:
1. Jumlah hasil yang terjadi dalam satu selang waktu atau daerah tertentu adalah
independen terhadap hasil yang terjadi pada selang atau daerah lain. Proses
Poisson dikatakan tidak mempunyai ingatan.
2. Peluang terjadinya suatu hasil (tunggal) dalam selang waktu yang sangat pendek
atau daerah yang sangat waktu yang sangat pendek atau daerah yang sangat kecil
sebanding dengan panjang selang waktu atau besarnya daerah dan tidak
bergantung pada banyaknya hasil yang terjadi di luar selang atau daerah tersebut.
3. Peluang terjadinya lebih dari satu hasil yang terjadi dalam selang waktu yang
pendek dapat diabaikan.
b. Distribusi peluang kontinu adalah peubah acak yang dapat memperoleh semua nilai
pada skala kontinu. Ruang sampel kontinu adalah bila ruang sampel mengandung titik
sampel yang tak terhingga banyaknya. Syarat dari distribusi kontinu adalah apabila
fungsi f(x) adalah fungsi padat peluang peubah acak kontinu X yang didefinisikan di
atas.
Himpunan semua bilangan riil R bila:
2. Distribusi Student’s t
Distribusi student’s t adalah distribusi yang ditemukan oleh seorang mahasiswa
yang tidak mau disebut namanya. Untuk menghargai hasil penemuannya itu,
distribusinya disebut distribusi Student yang lebih dikenal dengan distribusi “t”,
diambil dari huruf terakhir kata “student”.
Bentuk persamaan fungsinya :
3. Distribusi Chi-Kuadrat
Distribusi chi-kuadrat merupakan distribusi yang banyak digunakan dalam
sejumlah prosedur statistik inferensial. Distribusi chi-kuadrat merupakan kasus
khusus dari distribusi gamma dengan faktor bentuk α= v/2, dimana v adalah bilangan
bulat positif dan faktor skala β=2
Jika variabel acak kontinu X memiliki distribusi chi-kudrat dengan parameter v,
maka fungsi kepadatan probabilitas dari X adalah
4. Distribusi F
Menurut Gasperz (1989:251), secara teori sebaran F merupakan rasio dari dua
sebaran chi kuadrat yang bebas. Oleh karena itu peubah acak F diberikan sebagai:
Keterangan:
P ( z>1,84 )=0,5000−0,4671
¿ 0,0329
Jadi luas daerah di sebelah kanan z = 1,84 adalah 0,0329