distribusi sampling

3,180 views

Published on

e learning statistika industri

Published in: Education
0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
3,180
On SlideShare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
122
Comments
0
Likes
1
Embeds 0
No embeds

No notes for slide

distribusi sampling

  1. 1. Distribusi Sampling Yussiwi Purwitasari 112120179 Fauzi Ramadhian 112120174 TI 36 O5
  2. 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. 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. 4. Distribusi Sampling • Distribusi rata-rata sampel • Distribusi beda dua rata-rata • Distribusi proporsi sampel • Distribusi beda dua proporsi
  5. 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. 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. 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. 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. 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. 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. 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

×