secara berulang kali dari suatu populasi. Distribusi Sampling merupakan distribusi teoritis (distribusi kemungkinan) dari semua hasil sampel yang mungkin, dengan ukuran sampel yang tetap N, pada statistik (karakteristik sampel) yang digeneralisasikan ke populasi. Distribusi Sampling memungkinkan untuk memperkirakan probabilitas hasil sampel tertentu untuk statististik tersebut Sifat-sifat distribusi sampling: Central limit theorem (teorema limit pusat) Distribusi Sampling Secara umum informasi yang perlu untuk mencirikan suatu distribusi secara cukup akan mencakup: Ukuran Kecenderungan Memusat (mean, median, modus) Ukuran Persebaran Data (range, standar deviasi) Bentuk distribusi Strategi Umum penerapan statistik inferensial adalah pindah dari sampel ke populasi melalui distribusi sampling Distribusi Sampling Mean : Distribusi sampling dari mean-mean sampel adalah distribusi mean-mean aritmetika dari seluruh sampel acak berukuran n yang mungkin yang dipilih dari sebuah populasi Distribusi sampling proporsi : Distribusi sampling dari proporsi adalah distribusi proporsi-proporsi dari seluruh sampel acak berukuran n yang mungkin yang dipilih dari sebuah populasi Distribusi Sampling perbedaan/penjumlahan : Terdapat 2 populasi
Untuk setiap sampel berukuran n1 dari populasi pertama
dihitung sebuah statistik S1 dan menghasilkan sebuah distribusi sampling dari statistik S1 yang memiliki mean s1 dan deviasi standard s1 Dari populasi kedua, untuk setiap sampel berukuran n2 dihitung statistik S2 yang akan menghasilkan sebuah distribusi sampling dari statistik S2 yang memiliki mean s2 dan deviasi standard s2 Teorema Limit Sentral Normalitas dari distribusi sampling rata-rata Jika populasi cukup besar dan berdistribusi secara normal, maka distribusi sampling rata-ratanya akan normal Jika distribusi populasi tidak normal, maka distribusi sampling rata-ratanya akan mendekati normal, apabila jumlah sampel cukup besar, biasanya 30 atau lebih (n 30) Distribusi normal dari rata-rata sampel memiliki rata- rata yang sama dengan rata-rata harapan E( X ) dan simpangan baku. Nilai-nilai tersebut dapat dihitung dari rata-rata populasi dan simpangan baku populasi (1) Distribusi Sampling mean Teorema Sampling populasi terdistribusi normal: Bila sampel-sampel random diulang-ulang dengan ukuran n diambil dari suatu populasi terdistribusi normal dengan rata-rata dan standar deviasi , maka distribusi sampling rata- rata sampel (standar error=SE= X )akan normal dengan rata-rata dan standar deviasi ( )
X n Distribusi Sampling Rata-rata Distribusi Sampling Rata-rata (2). Distibusi normal standar
Apabila populasi berdistribusi normal,
distribusi sampling harga mean juga akan berdistribusi normal, maka berlaku sifat seperti persamaan di bawah ini ( z skore adalah nilai deviasi relatif antara nilai sampel dan populasi= nilai distribusi normal standar) Untuk populasi terbatas atau n/N>5%, berlaku: X X Z atau Z X N n n N 1
Untuk populasi tidak terbatas atau
n/N5%, berlaku: X X Z atau Z X n (3). Walaupun populasi berdistribusi sembarang, kalau diambil sampel-sampel berulang kali secara random, distribusi harga meannya akan membentuk distribusi normal.