Program:
#program 1
N1=155
N2=62
N3=93
N=N1+N2+N3
N
n1=20
n2=8
n3=12
n=n1+n2+n3
n
x1 <-
c(35,28,26,41,43,29,32,37,36,25,29,31,29,38,40,45,28,27,35,34)
x2 <- c(27,4,49,10,15,41,25,30)
x3 <- c(8,15,21,7,14,30,20,11,12,32,34,24)
rm(list=ls(mean))
y1rat = mean(x1)
y1rat
s1kua = (sum((x1-y1rat)^2))/(n1-1)
y2rat = mean(x2)
s2kua = (sum((x2-y2rat)^2))/(n2-1)
y3rat = mean(x3)
s3kua = (sum((x3-y3rat)^2))/(n3-1)
#penduga nilai rata-rata populasi
yrats = (1/N)*((N1*y1rat) + (N2*y2rat)+(N3*y3rat))
yrats
#ragam dugaan
a = (N1-n1)/N1
b = (N2-n2)/N2
c = (N3-n3)/N3
vst <- (1/N^2)*(((N1^2*s1kua*a)/n1) + ((N2^2*s2kua*b)/n2) +
((N3^2*s3kua*c)/n3))
syt = sqrt(vst)
#dengan taraf kepercayaan 99% maka talpha/2=2,709
#galat penduga nilai rata-rata
t=2.709
BGy = t*syt
BGy
Output:
> #program 1
> N
[1] 310
> n
[1] 40
> y1rat
[1] 33.4
Output :
> #penduga total
total SE
y 0.48257 0.0202
2.5 % 97.5 %
y 0.4428951 0.5222403
2.5 % 97.5 %
y 2.214475 2.611201
Interpretasi:
Untuk program ke dua merupakan kelanjutan dari program pertama, diaman
kelanjutanya kita akan melakukan pembuatan strata dengan membangkitkan data
yang berdistribusi normal dengan jumlah 500 data dan mean sebesar 5. Setelah itu
melakukan penarikan sampel berstrata