Distribusi Sampling

Dr. Demsa Simbolon, SKM, MKM

 Distribusi Sampling

Distribusi dari mean-mean sampel yang diambil

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.