Distribusi Sampling

Pendahuluan:
Utk mempelajari populasi diperlukan sampel yang
diambil dari populasi ybs. Walaupun dapat diambil
lebih dari sebuah sampel berukuran n dari sebuah
populasi berukuran N pada prakteknya hanya sebuah
sampel yang diambil secara acak dan dari sampel tsb
nilai-nilai statistik dihitung dan dianalisis. Utk ini
dibutuhkan sebuah teori yg dikenal dengan nama
Distribusi Sampling. Biasanya diberi nama
tergantung pada nama statistik yg digunakan, mis :
distribusi sampling rata-rata, distribusi sampling
simpangan baku, distribusi sampling proporsi, dll.
DISTRIBUSI SAMPLING RATA-RATA
Mis pop berukuran N dgn parameter rata-rata dan
simpangan baku diketahui, dan dari pop tsb diambil
sebuah sampel acak berukuran n. Jika sampling
dilakukan tanpa pengembalian, kita tahu ada
buah sampel yg berlainan dan utk semua sampel
yg didapat, hitung rata-ratanya. Anggap rata-rata tsb
sebagai data baru, shg diperoleh kumpulan data. Dari
kumpulan data tsb, dapat dihitung rata-rata dan
simpangan bakunya. Jadi diperoleh :
Rata-rata diberi simbul x dan
Simpangan baku diberi simbul x
CONTOH DISTRIBUSI SAMPLING RATA-RATA
DATA DALAM TIAP SAMPEL DAN RATA-RATA TIAP SAMPEL DIBERI
KAN DALAM DAFTAR BERIKUT
SAMPEL RE RATA SAMPEL RERATA SAMPEL RERATA
(98;99)
(98;97)
(98;98)
(98;99)
(98;98)
(98;97)
(98;97)
(98;98)
(98;99)
(99;97)
(99;98)
(99;99)
(99;98)
(99;97)
(99;97)
98,5
97,5
98,0
98,5
98,0
97,5
97,5
98,0
98,5
98,0
98,5
99,0
98,5
98,0
98,0
(99;98)
(99;99)
(97;98)
(97;99)
(97,98)
(97;97)
(97;97)
(97;98)
(97;99)
(98;99)
(98;98)
(98;97)
(98;97)
(98;98)
(98;99)
98,5
99,0
97,5
98,0
97,5
97,0
97,0
97,5
98,0
98,5
98,0
97,5
97,5
98,0
98,5
(99;98)
(99;97)
(99;97)
(99;98)
(99;99)
(98;97)
(98;97)
(98;98)
(98;99)
(97;97)
(97;98)
(97;99)
(97;98)
(97;99)
(98;99)
98,5
98,0
98,0
98,5
99,0
97,5
97,5
98,0
98,5
97,0
97,5
98,0
97,5
98,0
98,5
Perhitungan :
Jumlah ke-45 buah rata-rata =4410
maka rata-ratanya =(4410)/(45) =98 jadi x =98
simpangan baku ke-45 rata-rata dapat dihitung, hasil :
x =0,52
Tetapi rata-rata populasi =98 dan =0,78 selanjutnya
dihitung : x =(/n) [(N-n)/(N-1)]
=(0,78/2)(10-2)/(10-1) =0,52
Ternyata berlaku :
x = dan x =(/n)[(N-n)/(N-1)] utk n/N >5%
x = dan x =/n utk n/N 5%
Kesimpulan:
Dari uraian tsb. diperoleh informasi bahwa jika
sampel acak berukuran n diambil dari sebuah
populasi berukuran N dengan rata-rata dan
simpangan baku maka distribusi rata-rata sampel
mempunyai rata-rata dan simpangan baku:
- untuk n/N >5%
untuk n/N 5%, maka:
1

N
n N
n
X
X
X
X

n
X
X

Lanjutan:
dinamakan kekeliruan standar (Standard
Error)
dari rata-rata. Ini merupakan ukuran variasi rata-rata
sampel sekitar rata-rata populasi dan mengukur be-
sarnyaperbedaan rata-rata yang diharapkan dari sam-
pel kesampel.
Frekuensi dan probabilitas dapat dihitung dan hasil-
nyasbb.:
X

Rata-rata Frekuensi Probabilitas

97
97,5
98
98,5
99
3
12
15
12
3
1/15
4/15
5/15
4/15
1/15
Jumlah 45 1
DALIL LIMIT PUSAT
Jika sebuah populasi mempunyai rata-rata dan stan-
dard deviasi yang besarnya terhingga, maka untuk
ukuran sampel n cukup besar, distribusi rata-rata
sam-pel mendekati distribusi normal dengan x =
dan standar deviasi x =/n
Dalil tsb berlaku untuk sebarang bentuk atau model
populasi asalkan standar deviasi-nya besarnya
terhing-ga. Jadi bagaimananpun model populasi yg
disampel, asal variansi-nya terhingga, maka rata-rata
sampel akan mendekati distribusi normal
Pendekatan kepada normal akan makin baik jika ukur
an sampel n makin besar ( n 30)
Lanjutan :
Jika populasi yang disampel sudah berdistribusi normal
maka rata-rata sampel juga berdistribusi normal walaupun
ukuran sampel n <30
Distribusi normal yg didapat dari distribusi rata-rata,
perlu distandardisasi agar daftar distribusi normal standar
dapat digunakan.
Bentuk atau rumus transformasinya :
Contoh : Bobot badan rata-rata sapi Angus mencapai 165
kg dan Sd =8,4 kg. Telah diambil sampel n =45 ekor ,
ten-tukan berapa peluang rata-rata ke-45 ekor sapi tsb (a)
anta-ra 160kg dan 168 kg dan (b) paling sedikit 166 kg.
X
X
Z

DISTRIBUSI SAMPLING STANDAR DEVIASI

Dari suatu populasi berukuran (N) diambil sampel-
sampel berukuran (n) dan dihitung standar deviasi (Sd)-
nya dan dari kumpulan ini dihitung rata-rata sd dan
standar deviasi sd-nya
Jika populasi berdistribusi normal, maka distribusi standar
deviasi untuk n besar (n 100) akan mendekati distribusi
normal, dengan :
dan transformasi :
Contoh : Variansi sebuah pop normal = 6,25. Diambil
sampel berukuran n =225. Tentukan peluang sampel tsb
mempunyai standar deviasi lebih dari 3,5
n
sd
sd
2

sd
Sd
Z

DISTRIBUSI SELISIH DAN JUMLAH RATA-RATA

Dua buah populasi yg berukuran N1 dan N2 masing-
masing mempunyai rata-rata dan simpangan baku
sebesar dan serta dan . Dari setiap populasi
diambil sampel berukuran n1dan n2. Untuk membeda
kan, pop (1) memiliki variabel (X) dan pop (2) memili-ki
variabel (Y). Dari sampel-sampel yang diambil tsb.
dihitungrata-ratanya, sehinggadiperoleh kumpulan rata-
rata sampel
dimana: k =banyaknyasampel ygdiambil dari pop (1)
r =banyaknya sampel yg diambil dari pop (2)
Kumpulan selisih antara rata-rata sampel-sampel dari
keduapopulasi membentuk distribusi selisih rata-rata
r k
Y Y Y Y dan X X X X ;...; ; ; .... .... ;...; ; ;
3 2 1 3 2 1
Lanjutan ...
Dari kumpulan ini dapat dihitung rata-rata dan
simpa-ngan bakunya, dinyatakan sebagai dan
ini disebut kesalahan baku selisih rata-rata
Ternyata untuk N1dan N2 cukup besar dan sampel-
sampel diambil secara bebas satu sama lain, terdapat
hubungan berikut :
dan
Untuk ukuran sampel cukup besar, maka selisih rata-
rata akan berdistribusi normal dan untuk
menjadikan-nya distribusi normal baku, digunakan
transformasi :
Y X

Y X

2 1

Y X
2
2
2
1
2
1
n n
Y X

Y X
Y X
Z

) ( ) (
2 1
Contoh :
Rata-rata tinggi pundak sapi PO jantan 163cm dengan
simpangan baku 5,2cm, sedangkan untuk yg betina pa
rameter tsb berturut-turut 152cm dan 4,9cm. Dari ke-
dua kelompok sapi PO tsb diambil sebuah sampel
ber-ukuran sama yi 140 ekor. Berapa peluang rata-rata
tinggi pundak sapi PO jantan paling sedikit 10cm
lebih tinggi dari rata-rata tinggi pundak sapi PO
betina?
Jawab :
DISTRIBUSI SAMPLING LAINNYA
Distribusi peluang peubah acak t-Student
Distribusi peluang peubah acak
Distribusi peluang peubah acak F(Fisher)