DISTRIBUSI

SAMPLING

Andhika Ayu Wulandari, S.Si., M.Pd.

APA YANG KITA BAHAS?

Distribusi sampling rataan 1

Distribusi sampling proporsi 2

PENDAHULUAN

sampling

populasi sampel

Statistik (, s2)
Fs. probabilitas
Parameter (,
2 ) Distribusi sampling
POPULASI RATAAN

01 Tanpa pengembalian
Setiap anggota populasi hanya dapat terpilih 1 kali sebagai sampel

02 Dengan pengembalian
Setiap anggota populasi dapat terpilih lebih dari 1 kali
 01 Tanpa pengembalian
Setiap anggota populasi hanya dapat terpilih 1 kali sebagai sampel

Misal ada 3 koin yang akan diambil 1 koin dari sebuah kantong tanpa
pengembalian

1
2 {1, 2, 3} 𝜇=2 dan 𝜎 2=0
3
 02 Dengan pengembalian
Setiap anggota populasi dapat terpilih lebih dari 1 kali

Misal ada 3 koin yang akan diambil 2 koin dari sebuah kantong dengan
pengembalian
{(1,1), (1,2), (1,3), (2,1), (2,2), (2,3), (3,1), (3,2),
1 (3,3)} Rataan setiap sampel ()
2
3
1 1,5 2 1,5 2 2,5 2 2,5 3
parameter

Populasi rataan () = 2 variansi rataan () =

DISTRIBUSI SAMPLING RATAAN

Misal terdapat populasi dengan distribusi peluang dan diambil sampel

berukuran dari populasi tersebut. Distribusi peluang dari rataan
statistik tersebut disebut dengan distribusi sampling rataan.

Rataan untuk distribusi sampling rataan 

Variansi untuk distribusi sampling rataan 
TEOREMA - TEOREMA DISTRIBUSI
SAMPLING RATAAN
Teorema 1.
Jika membentuk suatu variabel random dari populasi dengan rataan ,
maka

Teorema 2.
Jika membentuk suatu variabel random dari populasi dengan standar
deviasi , maka
 populasi tak hingga/sampel diambil dengan pengembalian
TEOREMA - TEOREMA DISTRIBUSI
SAMPLING
Teorema 3. RATAAN
Jika membentuk suatu variabel random dari populasi dengan standar
deviasi , maka
 populasi berhingga/sampel diambil tanpa pengembalian

Teorema 4.
Jika diambil dari populasi yang terdistribusi normal dengan rataan 
dan variansi 2, maka rataan sampel terdisribusi normal dengan
rataan  dan variansi
TEOREMA - TEOREMA DISTRIBUSI
SAMPLING RATAAN
Teorema 5.
Jika diambil dari populasi yang berdistribusi sebarang dengan rataan
 dan variansi 2, maka variabel terstandar untuk rataan adalah

adalah terdistribusi normal asimtotik (asymptotically normal).

CONTOH
Suatu perusahaan memproduksi bola lampu yang umurnya berdistribusi hampir
normal dengan rataan 800 jam dan standar deviasi 40 jam. Hitunglah peluang
16 sampel bola lampu yang diambil secara random akan mempunyai rata-rata
ketahanan kurang dari 775 jam?
Jawab:
diketahui  = 800,  = 40, n = 16
Distribusi sampling akan mendekati normal dengan
LANJUTAN

Menurut teorema, variabel random Z dituliskan dengan

 N(0,1)
Sehingga

Jadi peluang sampel bola lampu akan mempunyai rata-rata ketahanan kurang
dari 775 jam adalah sebesar 0,0062.
CATATAN
Pada praktiknya, hampiran normal untuk
cukup baik jika n  30 meskipun
populasinya tidak normal. Di sisi lain, jika
n cukup besar dan nilai tidak diketahui
maka nilai dapat dinilai seharga

Bagaimana jika n < 30 dan tidak

diketahui ???
TEOREMA - TEOREMA DISTRIBUSI
SAMPLING RATAAN
Teorema 6.
Jika dengan n < 30 diambil dari populasi yang berdistribusi sebarang
dengan rataan  dan variansi 2, maka variabel terstandar untuk rataan
adalah
TEOREMA - TEOREMA DISTRIBUSI
SAMPLING
Teorema 7. RATAAN
Jika dua sampel independen berukuran n1  30 dan n2  30 diambil
secara random dari dua populasi sebarang dengan rataan masing-
masing 1 dan 2 dan variansi 12 dan 22 maka selisih rataan sampel
terdistribusi hampir normal dengan
Rataan =
Sehingga
Variansi =