Distribusi Sampling

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

Jika sejumlah sampel acak yang tak hingga

banyak diambil berulang-ulang dari populasi
yang berdistribusi normal maka dist. rata-rata
sampel memiliki karakter:
1.Berdistribusi normal
2.Rata-rata sama dengan rata-rata populasi (μ).
3.Galat baku rata-rata:  2
x  
n n
 Contoh:
• Sebuah populasi berukuran 6 yang anggotanya adalah
2,3,5,6,8,9 dan sampel berukuran 2. Buatlah distribusi
sampling rata-ratanya jika pengambilan sampel dilakukan
tanpa pengembalian.

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

b)Rata-rata dari rata2x sampel :  X  

233 45
X     3.4 Cek dari rata-rata sampel !!
5
 Penyelesaian (lanj.)
• Simpangan baku dari rata-rata sampel:
(2  3.4) 2  (3  3.4) 2  (3  3.4) 2  (4  3.4) 2  (5  3.4) 2
  1.02
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

Hitunglah peluang bahwa sampel acak berukuran 36,

dipilih dengan pengembalian, akan menghasilkan
rataan sampel lebih besar dari 1.4 tapi lebih kecil dari
1.8 bila rataan diukur (dibulatkan) sampai
persepuluhan terdekat.
 Solusi (detil lihat hal 242 walpole)

Rataan dan variansi distribusi seragam sbb.

k

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

Ambil X 1  1.45 dan X 2  1.75, sehingga

1.45  1.5
z1   0.27
0.186
1.75  1.5
z2   1.34
0.186
P (1, 4  X  1.8)  P(0.27  Z  1.34)  P( Z  1.34)  P( Z  0.27)
 0.5163
 2. Distribusi Sampling Proporsi
X
P
• Proporsi dari populasi dinyatakan dengan N
X
p
dan proporsi untuk sampel dinyatakan dengan n

• Contoh lain: untuk mengetahui persentase

atau perbandingan antara dua hal yang
berkomplemen(peristiwa binomial), seperti
persentase perokok dan bukan perokok, dll.
 contoh
Sebuah populasi yang beranggotakan 6 orang, 3
diantaranya perokok dan yang lainnya bukan
perokok. Apabila diambil sampel yang
beranggotakan 3 orang. Bagaimana distribusi
sampling proporsinya.
Solusi:
banyaknya sampel yang mungkin:
6!
C36   20 sampel
3!(6  3)!
 Solusi (lanj.)
• Distribusi sampling proporsi: detil lihat hal
100, buku Iqbal Hasan.
Proporsi
Contoh sampel:
Sample yang Sampel frekuensi
Misal A,B,C perokok
mungkin (X) (X/N) (f) Probabilistik dan K,L,M bukan
X= 3 (3p, 0bp) 1 1 0.05 perokok, maka
X= 2 (2p,1bp) 0.67 9 0.45
1.ABC
X= 1 (1p, 2bp) 0.33 9 0.45
2.ABK,
X= 0 (0p, 3bp) 0 1 0.05 3.dst
Jumlah 20 1

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

2. Untuk pengambilan sampel tanpa pengembalian

atau jika n  5%
N
P  P
P(1  P) N  n PQ N  n
P  
n N 1 n N 1
Distribusi Normal untuk dist. Sampling proporsi

• Jika n besar maka nilai Z adalah

pP
Z
P
• Jika n sangat kecil maka nilai Z adalah
1
p P
Z 2n Cat: 1/2n = faktor
P koreksi kontinuitas
 Tugas Baca!!
• Subbab 6.9 Distribusi sampel dari (n-1)S2/σ2
• Subbab 6.10 Distribusi-t.
• Subbab 6.11 Distribusi-f.
• Subbab 7.1,7.2 dan 7.3