distribusi sampling
Upcoming SlideShare
Loading in...5
×
 

Like this? Share it with your network

Share

distribusi sampling

on

  • 1,315 views

e learning statistika industri

e learning statistika industri

Statistics

Views

Total Views
1,315
Views on SlideShare
1,315
Embed Views
0

Actions

Likes
0
Downloads
52
Comments
0

0 Embeds 0

No embeds

Accessibility

Categories

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

distribusi sampling Presentation Transcript

  • 1. Distribusi Sampling Yussiwi Purwitasari 112120179 Fauzi Ramadhian 112120174 TI 36 O5
  • 2. Pengertian Besaran Sampel Suatu himpunan bagian dari populasi, yang mewakili populasi Rata-Rata Varians Lambang Parameter (Populasi) Lambang Statistik (Sampel) µ x 2 S2 Simpangan Baku  Jumlah Observasi N N Proporsi P p S
  • 3. Cara Pengumpulan Data Sampling : mengambil sebagian elemen populasi atau karakteristik yang ada dalam populasi Sensus : mengambil setiap elemen populasi atau karakteristik yang ada dalam populasi
  • 4. Distribusi Sampling • Distribusi rata-rata sampel • Distribusi beda dua rata-rata • Distribusi proporsi sampel • Distribusi beda dua proporsi
  • 5. besaran rata-rata yang muncul dari sampel-sampel Contoh Soal Distribusi Rata-Rata Sampel • Populasi beranggotakan 6 dengan ukuran masing: 2,3,5,6,8,9 • Diambil sampel ukuran 2, pengambilan sampel dilakukan tanpa pengembalian • Buat distribusi sampling rata-ratanya • Banyaknya sampel: 6 C2  6!  15 2!(6  2)!
  • 6. Sampel dari Populasi Untuk pengambilan sampel tanpa pengembalian (terbatas) atau n/N > 5% : X   X   N n N 1 n Untuk pengambilan sampel dengan pengembalian (tidak terbatas) atau n/N ≤ 5% : X   X   n
  • 7. Teorema Limit Sentral Normalitas dari distribusi sampling rata-rata 1. Jika populasi cukup besar dan berdistribusi secara normal, maka distribusi sampling rataratanya akan normal 2. Jika distribusi populasi tidak normal, maka distribusi sampling rata-ratanya akan mendekati normal, apabila jumlah sampel cukup besar, biasanya 30 atau lebih (n≥ 30) 3. Distribusi normal dari rata-rata sampel memiliki rata-rata yang sama dengan rata-rata harapan E( ) dan simpangan baku. Nilai-nilai tersebut dapat dihitung dari rata-rata populasi dan simpangan baku populasi • Untuk populasi terbatas atau n/N>5%, berlaku: Z • X  X atau Z  X   N n n N 1 Untuk populasi tidak terbatas atau n/N≤5%, berlaku: Z X  X atau Z X   n
  • 8. Distribusi dari proporsi (persentase) yang diperoleh dari semua sampel sama besar yang mungkin dari satu populasi • Untuk pengambilan sampel dengan pengembalian atau jika ukuran populasi besar dibandingkan dengan ukuran sampel, yaitu (n/N) ≤ 5% • p  P p  Untuk pengambilan sampel tanpa pengembalian atau jika ukuran populasi kecil dibandingkan dengan ukuran sampel, yaitu (n/N)> 5% p  P P(1  P)  n PQ n p  6 C3  6!  20 3!(6  3)! P(1  P) N  n  n N 1 PQ N  n n N 1
  • 9. Pendekatan Normal untuk Distribusi Sampling Proporsi • Jika n besar maka nilai Z adalah Z • pP p Jika n sangat kecil, maka nilai Z adalah Z p  21n  P p
  • 10. Distribusi Sampling Beda Dua Rata-Rata • Adalah distribusi dari perbedaan dari besaran ratarata yang muncul dari sampel-sampel dua populasi • Rata-Rata  X X  1  2 1 2 • Simpangan Baku  X X  1 2 • Pendekatan Normal Z X 1  12 n1   22 n2   X 2  1   2   X X 1 2
  • 11. Distribusi Sampling Beda Dua Proporsi Distribusi Sampling Beda Dua Proporsi • • • Adalah distribusi dari perbedaan dua besaran proporsi yang muncul dari sampel dua populasi Rata-Rata  p1  p2  P  P2 1 Simpangan Baku  p p  1 • 2 P (1  P ) P2 (1  P2 ) 1 1  n1 n2 Pendekatan Normal Z  p1  p2   P1  P2   p p 1 2 p1  p2  X1 X 2  n1 n2