Definisi
• Distribusi sampling adalah distribusi peluang
dari besaran-besaran statistik, seperti rata-
rata, simpangan baku, proporsi (persentase)
yang mungkin muncul dari sampel-sampel.
Contoh: jika populasi adalah 3 (N=3), misalkan A,B,C,
kemudian diambil sampel ukuran 2(n=2), maka
diperoleh 3 sampel, yaitu AB, BC, AC. Dari tiga
sampel dihitung rata-rata sampel. Tiga rata-rata tsb
akan membentuk distribusi sampling rata-rata.
Jenis-jenis distribusi sampling
• Distribusi sampling rata-rata
– Pemilihan sampel dari populasi terbatas
– Pemilihan sampel dari populasi tak terbatas
– Distribusi normal untuk distribusi sampling rata-
rata
• Distribusi sampling proporsi.
• Distribusi sampling yang lain.
– Distribusi sampling beda dua rata-rata.
– Distribusi sampling beda dua proporsi.
1. Sampling Distribution untuk rata-rata
sampel
Karakteristik dist. Rata-rata sampel
Solusi:
Diperoleh 15 sampel yaitu 6!
15
2!(6 2)!
1. Ambil sampel,
2. Kemudian cari rata-rata tiap sampel.
3. Hitung probabilitas tiap rata-rata.
Contoh (lanj)
Sampel Data sampel Rata-rata
Sampel 1 2;3 2.5
Sampel 2 2;5 3.5 Rata-rata Sampel Frekuensi (f) Probabilistik
Sampel 3 2;6 4 2.5 1 0.07
Sampel 4 2;8 5 3.5 1 0.07
Sampel 5 2;9 5.5 4 2 0.13
Sampel 6 3;5 4 4.5 1 0.07
Sampel 7 3;6 4.5 5 1 0.07
Sampel 8 3;8 5.5 5.5 3 0.2
Sampel 9 3;9 6 6 1 0.07
Sampel 10 5;6 5.5 6.5 1 0.07
Sampel 11 5;8 6.5 7 2 0.13
Sampel 12 5;9 7 7.5 1 0.07
Sampel 13 6;8 7 8.5 1 0.07
Sampel 14 6;9 7.5 Jumlah 15 1
Sampel 15 8;9 8.5
a) Pemilihan sampel dari populasi
terbatas
Bila populasi terbatas (N) berdistribusi normal
N(μ;σ), rata-rata sampel X dari populasi tsb
akan berdistribusi normal dengan rata-rata
dan simpangan baku seperti berikut.
1. Untuk pengambilan sampel tanpa
n
pengembalian atau 5%
N
X
N n
X
n N 1
2. Untuk pengambilan sampel dengan pengembalian atau
n
5%
N
X
X
Contoh : Toko U memiliki 5 karyawan,n yaitu A, B, C, D, E dengan upah perjam
(ribuan Rp): 2,3,3,4,5. Jika upah yang diperoleh ini dianggap sebagai populasi,
tentukan
a) rata-rata sampel dari 2 unsur (upah dari 2 karyawan).
b) Rata-rata dari rata-rata sampel.
c) Simpangan baku dari rata-rata sampel.
Penyelesaian
5!
• Banyaknya sampel: C 2!(5 2)! 10
5
2
a)rata-rata sampel:
Sampel Data sampel Rata-rata
Sampel 1 2;3 2.5
Sampel 2 2;3 2.5
Sampel 3 2;4 3
Sampel 4 2;5 3.5
Sampel 5 3;3 3
Sampel 6 3;4 3.5
Sampel 7 3;5 4
Sampel 8 3;4 3.5
Sampel 9 3;5 4
Sampel 10 4;5 4.5
N n 1.02 5 2
X 0.62
n n 1 2 2 1
b) Untuk pemilihan sampel dari
populasi tidak terbatas
Bila populasi berukuran tak terhingga dan
berdistribusi normal N(μ;σ), maka rata-rata
sampel akan memiliki distribusi normal
dengan rata dan simpangan sbb.
X dan X
n
c) Distribusi normal untuk dist.
Sampling rata-rata
Menggunakan rumus pada distribusi normal
baku: X
Z
X
Teorema Limit Pusat
• Bila X rataan sampel acak ukuran n yang
diambil dari populasi dengan rataan μ dan
variansi σ2 yang berhingga, maka bentuk limit
dari distribusi
X
Z ,
/ n
bila n ∞, ialah distribusi normal baku n(z;0,1).
Cat: masih cukup baik untuk n ≥ 30.
Contoh
• Upah per jam para pekerja PT. G. memiliki
tingkat upah rata-rata Rp. 500 perjam dan
simpangan baku Rp. 60. Berapa probabilistik
bahwa upah rata-rata 50 orang pekerja yang
merupakan sampel random akan berada di
antara Rp. 510 dan Rp. 520?
Solusi
• Jika ukuran populasi tidak diketahui maka
dianggap sebagai populasi tidak terbatas.
500; 60; n 50; X 1 510; X 2 520
dengan demikian
60
X 8.485
n 50 Jadi peluang upah rata-rata
510 500 ari sampel antara Rp.510
untuk X 1 maka Z 1.18 dan Rp. 520 adalah 11%
8.485
520 500
untuk X 2 maka Z 2.36
8.485
didapat : P (1.18 Z 2.36) 0.1099
Contoh:
• Suatu perusahaan memproduksi bola lampu
yang umurnya berdistribusi hampir normal
dengan rataan 800 jam dan simpangan baku
40 jam. Hitunglah peluangnya bahwa suatu
sampel acak dengan 16 bola lampu akan
mempunyai umur rata-rata kurang dari 775
jam.
Solusi
Secara hampiran,
X 800 dan X 40 / 16 10
775 800
Z 2.5
10
P( X 775) P( Z 2.5) 0.0062
Contoh
Diketahui populasi yang berdistribusi seragam diskret
1
, x 0,1, 2,3
f ( x) 4
0, untuk x lainnya
x i
0 1 2 3 3
i 1
,
k 4 2
k
(x i )
(0 3 / 2) 2 (1 3 / 2) 2 (2 3 / 2) 2 (3 3 / 2) 2
2 i 1
5/ 4
k 4
cat: p =
perokok bp = bukan perokok
Rata dan Variansi Distribusi sampling
proporsi
1. Untuk pengambilan sampel dengan pengembalian
atau jika n 5% maka
N
P P
P(1 P) PQ P = proporsi kejadian sukses
P Q = Proporsi kejadian gagal
n n