Distribusi hipergeometrik juga termasuk distribusi teoretis yang menggunakan variabel diskrit dengan dua kejadian yang berkomplemen, seperti halnya distribusi binomial.
Perbedaan yang utama antara distribusi binomial dan distribusi hipergeometrik adalah pada cara pengambilan sampelnya. Pada distribusi binomial pengambilan sampel dilakukan dengan pengembalian, sedangkan pada distribusi hipergeometrik pengambilan sampel dilakukan tanpa pengembalian.
Dari penjelasan di atas, bisa disimpulkan bahwa distribusi hipergeometrik adalah distribusi probabilitas diskrit dari sekelompok objek atau populasi yang dipilih tanpa pengembalian.
Ukuran Pemusatan data
Ukuran Pemusatan data yaitu βsuatu nilai tunggal yang mewakili suatu kumpulan data dan menunjukkan karakteristik dari data tersebut.β
Ukuran penyebaran data
Ukuran Penyebaran adalah βsuatu ukuran untuk mengetahui seberapa jauh penyebaran data dari nilai rata-ratanya.β
Distribusi hipergeometrik juga termasuk distribusi teoretis yang menggunakan variabel diskrit dengan dua kejadian yang berkomplemen, seperti halnya distribusi binomial.
Perbedaan yang utama antara distribusi binomial dan distribusi hipergeometrik adalah pada cara pengambilan sampelnya. Pada distribusi binomial pengambilan sampel dilakukan dengan pengembalian, sedangkan pada distribusi hipergeometrik pengambilan sampel dilakukan tanpa pengembalian.
Dari penjelasan di atas, bisa disimpulkan bahwa distribusi hipergeometrik adalah distribusi probabilitas diskrit dari sekelompok objek atau populasi yang dipilih tanpa pengembalian.
Ukuran Pemusatan data
Ukuran Pemusatan data yaitu βsuatu nilai tunggal yang mewakili suatu kumpulan data dan menunjukkan karakteristik dari data tersebut.β
Ukuran penyebaran data
Ukuran Penyebaran adalah βsuatu ukuran untuk mengetahui seberapa jauh penyebaran data dari nilai rata-ratanya.β
Pengujian hipotesis dilakukan sebagai upaya memperoleh gambaran mengenai suatu populasi dari sampel. Sehingga, informasi yang diperoleh dari sampel digunakan untuk menyusun suatu pendugaan terhadap nilai parameter populasinya yang tidak diketahui.
Mata Kuliah ini Memperkenalkan & Mengkaji Lebih Lanjut mengenai Konsep, Metode, dan Teknik-teknik Statistik secara Deskriptif Analisis dalam Menginterpretasikan Hasil Analisis itu sendiri, sehingga Memberikan Makna dari Setiap Nilai-nilai yang diperoleh dalam Pengujiannya, baik secara Manual ataupun sesuai dengan Perkembangan Teknologi bahwasanya Data-data Statistik tersebut bisa diolah Menggunakan Sofware khususnya SPSS, atau beberapa Sofware lainnya seperti, Eviews, PSPP sesuai juga dengan Kegunaannya dari masiong-masing Data Stattistik yang akan Diolah tersebut.
Pengujian hipotesis dilakukan sebagai upaya memperoleh gambaran mengenai suatu populasi dari sampel. Sehingga, informasi yang diperoleh dari sampel digunakan untuk menyusun suatu pendugaan terhadap nilai parameter populasinya yang tidak diketahui.
Mata Kuliah ini Memperkenalkan & Mengkaji Lebih Lanjut mengenai Konsep, Metode, dan Teknik-teknik Statistik secara Deskriptif Analisis dalam Menginterpretasikan Hasil Analisis itu sendiri, sehingga Memberikan Makna dari Setiap Nilai-nilai yang diperoleh dalam Pengujiannya, baik secara Manual ataupun sesuai dengan Perkembangan Teknologi bahwasanya Data-data Statistik tersebut bisa diolah Menggunakan Sofware khususnya SPSS, atau beberapa Sofware lainnya seperti, Eviews, PSPP sesuai juga dengan Kegunaannya dari masiong-masing Data Stattistik yang akan Diolah tersebut.
UNTUK DOSEN Materi Sosialisasi Pengelolaan Kinerja Akademik DosenAdrianAgoes9
Β
sosialisasi untuk dosen dalam mengisi dan memadankan sister akunnya, sehingga bisa memutakhirkan data di dalam sister tersebut. ini adalah untuk kepentingan jabatan akademik dan jabatan fungsional dosen. penting untuk karir dan jabatan dosen juga untuk kepentingan akademik perguruan tinggi terkait.
2. Arti Penarikan Sampel (Sampling)
Statisti
k
Statistik
Induktif
Tujuan:
Untuk memperoleh
informasi tentang suatu
populasi berdasarkan
informasi yang diperoleh
dari sampel
5. Nilai
Harapan
dari π
π¬ ( πΏ) = Β΅
Dimana:
π¬( πΏ ) : Nilai yang
diharapkan dari
variabel acak π
Β΅ : Rata-rata
populasi
6. Varians dan Standar Deviasi dari π
Varians dari π
Populasi Terbatas: π
2
π₯
=
πβπ
πβ1
π2
π
Populasi Tak Terbatas: π
2
π₯
=
π2
π Standar Deviasi dari π
Populasi Terbatas: ππ₯ =
πβπ
πβ1
(
π2
π
)
Populasi Tak Terbatas: ππ₯ =
π
π
12. Taksiran atau Pendugaan Interval
ndugaan Interval untuk Rata-rata
Pendugaan Interval untuk Proporsi
(Persentase)
Pendugaan Interval Tentang
Perbedaan/Selisih antara Dua Rata-
rata dan Proporsi
Pendugaan Interval untuk π2
dan π
Penentuan Nilai n
(Besar atau Banyaknya Elemen
Sampel)