SEBARAN PENARIKAN CONTOH (SAMPLING DISTRIBUTION)

dokumen-dokumen yang mirip
SEBARAN PENARIKAN SAMPEL LOGO

SEBARAN PENARIKAN CONTOH

Muhammad Arif Rahman

STK511 Analisis Statistika. Pertemuan 4 Sebaran Penarikan Contoh

SEBARAN PENARIKAN CONTOH

Sebaran Penarikan Contoh. Dept Statistika FMIPA IPB

Populasi dan Sampel. Materi 1 Distribusi Sampling

STATISTIKA II Distribusi Sampling. (Nuryanto, ST., MT)

Penduga : x p s r b. Pertemuan Ke 9. BAB V PENDUGAAN PARAMETER

Bab 5 Distribusi Sampling

PENARIKAN SAMPEL & PENDUGAAN PARAMETER

Distribusi Sampling. Ayundyah K., M.Si. PROGRAM STUDI STATISTIKA UNIVERSITAS ISLAM INDONESIA 2015

STK 511 Analisis statistika. Materi 4 Sebaran Penarikan Contoh

STK 211 Metode statistika. Materi 4 Peubah Acak dan Sebaran Peluang

Materi 1 : Review Statistika Inferensia Pengujian Hipotesis PERANCANGAN PERCOBAAN

Distribusi Sampling 6.2. Debrina Puspita Andriani /

Sebaran (Distribusi) Peluang teoritis Peubah Acak : Statistik Sample, misal Rata-rata dan proporsi sample Hasil semua kemungkinan Sample dg ukuran yg

UJI HIPOTESIS SATU-SAMPEL

Metode Statistika STK211/ 3(2-3)

S T A T I S T I K A OLEH : WIJAYA

KONSEP DASAR SAMPLING

Ummu Kalsum UNIVERSITAS GUNADARMA

Metode Statistika. Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution)

Pada prakteknya hanya sebuah sampel yang biasa diambil dan digunakan untuk hal tersebut. Sampel yang diambil ialah sampel acak dan dari sampel

PEUBAH ACAK. Materi 4 - STK211 Metode Statistika. October 2, Okt, Department of Statistics, IPB. Dr. Agus Mohamad Soleh

Ukuran Statistik Bagi Data

BAB II DISTRIBUSI PROBABILITAS

5. Fungsi dari Peubah Acak

STK 511 Analisis statistika. Materi 6 Pengujian Hipotesis

STATISTIKA. Muhamad Nursalman Pendilkom/Ilkom UPI

6 Departemen Statistika FMIPA IPB

MODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU

S T A T I S T I K A OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON

Metode Statistika STK211/ 3(2-3)

Metode Statistika. Statistika Inferensia: Pendugaan Parameter (Selang Kepercayaan)

BEBERAPA DISTRIBUSI PELUANG KONTINU. Normal, Gamma, Eksponensial, Khi-Kuadrat, Student dan F

MODUL TEORI ESTIMASI ATAU MENAKSIR TEORI ESTIMASI ATAU MENAKSIR

STATISTICS WEEK 7. By: Hanung N. Prasetyo POLTECH TELKOM/HANUNG NP

STK511 Analisis Statistika. Pertemuan 5 Statistika Inferensia (1)

Learning Outcomes Sebaran Kontinu Nilai Harapan dan Ragam Beberapa Sebaran Kontinu. Peubah Acak Kontinu. Julio Adisantoso.

STK 511 Analisis statistika. Materi 3 Sebaran Peubah Acak

PENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih

OUT LINE. Distribusi Probabilitas Normal. Pengertian Distribusi Probabilitas Normal. Distribusi Probabilitas Normal Standar

STK 211 Metode Statistika PENGUJIAN HIPOTESIS

DISTRIBUSI SAMPLING. Berdistribusi normal dengan rataan. Dan variasi

BEBERAPA DISTRIBUSI KHUSUS DKINTINU DIKENAL

DISTRIBUSI NORMAL. Fitri Yulianti

Ayundyah Kesumawati. April 20, 2015

KALKULUS (IT 131) Fakultas Teknologi Informasi - Universitas Kristan Satya Wacana. Bagian 3. Limit & Kontinuitas ALZ DANNY WOWOR

ESTIMASI. Arna Fariza PENDAHULUAN

BAB II KAJIAN PUSTAKA

Terima hipotesis Tidak membuat kesalahan Kesalahan tipe II Tolak hipotesis Kesalahan tipe I Tidak membuat kesalahan

BAB II TINJAUAN PUSTAKA

TINJAUAN PUSTAKA ( ) ( ) ( )

STATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling

The Central Limit Theorem

1. PENGERTIAN. Manfaat Sampling :

Pengujian Hipotesis. 1. Pendahuluan. Topik Bahasan:

Distribusi Normal Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai

PEUBAH ACAK DAN SEBARANNYA

TEORI PENDUGAAN (TEORI ESTIMASI)

Distribusi Sampling Sebaran Penarikan Contoh. Bidang Inferensia Statistik membahas generalisasi/penarikan kesimpulan dan prediksi/peramalan.

S T A T I S T I K A OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON

BAB III UJI STATISTIK DAN SIMULASI. Menggunakan karakteristik dari distribusi tersebut dan transformasi / = ( ) (3.1.1) / = ( ) (3.1.

Sebaran Peluang kontinyu Sebagian besar kegiatan di alam ini mengikuti sebaran kontinyu Salah satu sebaran kontinyu adalah sebaran normal. Sebaran nor

MINGGU KE-8 HARGA HARAPAN DAN BEBERAPA KETAKSAMAAN DALA

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

Misalkan peluang seorang calon mahasiswa IT Telkom memilih prodi TI adalah sebesar 0.6. Berapa peluang bahwa ;

Metode Statistika (STK 211) Pertemuan ke-5

BAB IV METODE PENELITIAN

STATISTIKA II IT

PELUANG DAN PEUBAH ACAK

Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=x) disebut distribusi probabilitas X

3/17/2015 PENGANTAR STATISTIKA PROF. DR. KRISHNA PURNAWAN CANDRA, M.S. JURUSAN TEKNOLOGI HASIL PERTANIAN FAKULTAS PERTANIAN UNIVERSITAS MULAWARMAN

HARAPAN MATEMATIK. Nur Hayati, S.ST, MT Yogyakarta, Maret 2016

III. METODE PENELITIAN. Penelitian ini dilaksanakan pada Februari sampai dengan Mei 2012 di areal

STATISTIKA II IT

BAB IV. DISTRIBUSI PROBABILITAS DISKRIT

BAB II LANDASAN TEORI

25/09/2013. Konsep Peubah Acak. Metode Statistika (STK211) Peubah Acak Diskret. Kuis. Tipe Peubah Acak

PENAKSIRAN PARAMETER TM_3

(ESTIMASI/ PENAKSIRAN)

STUDI KRITIS ATAS UJI KECUKUPAN DATA

STATISTIKA II (BAGIAN

6.1 Distribusi Chi Kuadrat Gambar distribusi Chi kuadrat. α Jika x berdistribusi χ 2 (v) dengan v = derajat kebebasan = n 1 maka P (c 1.

Peubah Acak. Bab 4. Definisi 4.1 Peubah acak adalah suatu fungsi dari ruang contoh ke bilangan nyata, f : S R

Konsep Dasar Statistik dan Probabilitas

DISTRIBUSI SAMPLING besar

Hipotesis Statistik. 3. Terima H 1 (tolak H 0 ) dan populasi sebenarnya. memang H 0 benar = P(terima H 0 / pop H 0 )= 1-α

4/16/2009. H 0 ditolak. H 0 tidak ditolak. ditolak. P(menolak H 0 H 0 benar) keputusan benar. = galat lttipe II = β. P(tidak menolak H 0 H 0 salah)

PENGUJIAN HIPOTESIS 2

PENGUJIAN HIPOTESIS. Langkah-langkah pengujian hipótesis statistik adalah sebagai berikut :

LOGO PENGUJIAN HIPOTESIS HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA UNAND

STK 203 TEORI STATISTIKA I

Praktikum Pengujian Hipotesis

MINGGU KE-6 VARIABEL RANDOM DAN DISTRIBUSINYA

II. TINJAUAN PUSTAKA. Ruang sampel S adalah himpunan semua hasil dari suatu percobaan. Kejadian E

Setelah mengikuti mata kuliah ini mahasiswa mampu menjelaskan prinsipprinsip dasar statistika, dan mampu melakukan beberapa analisis statistika

PENGUJIAN HIPOTESA #1

PTP: Peubah Acak Kontinu Pertemuan ke-6/7. Dr. Adji Achmad RF, S.Si, M.Sc Statistika, FMIPA, Universitas Brawijaya Malang

Transkripsi:

SEBARAN PENARIKAN CONTOH (SAMPLING DISTRIBUTION) Andaikan ada suatu populasi dengan jumlah anggotanya sebanyak N diambil contoh sebanyak n. Apabila dari setiap kemungkinan contoh tersebut dihitung suatu statistik, katakanlah rata-rata (), maka semua nilai statistik tersebut akan membentuk suatu sebaran yang disebut sebaran penarikan contoh. Sebaran penarikan contoh merupakan sebaran peluang bagi suatu statistik tertentu. Sebaran penarikan contoh Rata-rata Contoh Misalkan terdapat populasi berupa sebaran seragam diskret sebagai berikut: x P(=x) / / / / µ = E() = xp( = x) + + + = = σ = E[(-µ) ] = = (x μ) P( = x) = [( ] ) ) + ( ) + ( ) + ( Penarikan contoh dengan Pengembalian Andaikan dari populasi ini diambil contoh (dengan pengembalian) dengan n=. Tabel berikut menampilkan keseluruhan kemungkinan contoh beserta statistik -nya. No. Contoh No. Contoh, 9,,.,.,,,.,.,.,.,, 7,.,. 8,,

Dari tabel tersebut dapat dirumuskan sebaran peluang bagi f P( )... μ = E( ) = x P( = = µ = x) ( ) σ = E ( ) = ( x μ) = = 8 μ = P( = x) σ n Penarikan contoh tanpa Pengembalian Misalkan untuk populasi yang sama, dilakukan penarikan contoh dengan n= namun tanpa pengembalian, maka akan didapatkan hasil Sehingga sebaran peluang bagi No. Contoh,.,,.,.,,. F P( )...

μ = E( ). = x P(. = = µ = x) [ ] σ = E ( ). = ( x μ). μ P( = x) σ = = = N n n N Dari dua penarikan contoh di atas didapatkan beberapa hasil sebagai berikut: Misalkan terdapat suatu populasi dengan banyaknya anggota sebesar N, ratarata sebesar µ dan ragam sebesar σ, ditarik contoh berukuran n. Maka:. Sebaran memiliki rata-rata sebesar µ, baik penarikan contoh tersebut dilakukan dengan pengembalian maupun tidak.. Apabila penarikan contoh dilakukan dengan pengembalian, maka sebaran memiliki ragam sebesar pengembalian didapatkan ragam sebesar σ, sedangkan apabila dilakukan tanpa n σ N n N n. Nilai n N N dinamakan sebagai faktor koreksi populasi terhingga. Apabila N, maka faktor koreksi tersebut sama dengan. Dalil Limit Pusat Apabila sebaran populasi diketahui menyebar normal, maka sebaran juga menyebar normal. Namun, apabila sebaran populasi tidak menyebar normal, maka sebaran akan menyebar normal apabila n.

Sebaran populasi.... C. C. C....9.... - - - - u e (a) Normal (b) Seragam Kontinu (c) Eksponensial 8 7 - - - xb.. xbu. xbe n= 9 8 8 7 7 - - xb...... xbu..7.8.9.... xbe.. n= 9 8 7 -. -.. xb.... xbu..7.. xbe. n= Teladan Sebuah perusahaan memproduksi bohlam. Bila umur bohlam itu menyebar normal dengan nilai tengah 8 jam dan simpangan baku jam, hitunglah peluang bahwa suatu contoh acak bohlam akan mempunyai umur rata-rata kurang dari 77 jam.

Sebaran t Berdasarkan dalil limit pusat, untuk n besar sebaran akan menyebar mengikuti sebaran normal dengan rata-rata µ dan ragam σ /n. Namun hal ini mensyaratkan ragam populasi (σ ) diketahui. Apabila σ tidak diketahui dan diganti dengan penduganya (s ), maka μ s ~ t-student dengan derajat bebas (db) = n-. Sebaran t mirip dengan sebaran, hanya saja sebaran t lebih bervariasi tergantung besarnya derajat bebas s....... f. f. f....... - - - - - - - - - Teladan Sebuah perusahaan bohlam menyatakan bahwa bohlam produksinya mencapai umur rata-rata jam. Untuk menjaga nilai rata-rata ini, ia menguji bohlam setiap bulan. Bila nilai t yang diperolehnya jatuh antara t. dan t. ia puas. Kesimpulan apa yang ditariknya bila ia memperoleh contoh dengan nilai tengah = 8 jam dan simpangan baku s = jam? Asumsikan umur bohlam itu menyebar normal. Sebaran penarikan contoh bagi Beda Dua Rata-rata Misalkan terdapat dua populasi, dan, di mana =,, 7 dan =,. Populasi I memiliki µ = dan σ = 8/, sedangkan populasi II memiliki µ = / dan σ = 9/. Tabel berikut menyajikan semua kemungkinan contoh untuk kedua populasi, apabila dilakukan penarikan contoh dengan pengembalian, di mana n = dan n =.

Populasi I Populasi II No. Contoh No. Contoh,,,,,,, 7,,,,,,,,, 7,, 7 7, 7,, 8 7, 8,, 9 7, 7 7 Dari tabel tersebut apabila untuk setiap kemungkinan contoh dihitung - akan didapatkan hasil seperti pada tabel berikut: 7 7 Sehingga sebaran peluang bagi - - f P( - ) 7 7 7 8 8 7 8 8 7 7 7 7 7 μ =. σ =

Dari penarikan contoh tersebut didapatkan hasil: Bila contoh-contoh bebas berukuran n dan n diambil dari dua populasi yang besar atau takhingga, masing-masing dengan rata-rata µ dan µ dan ragam σ dan σ, maka beda kedua nilai tengah contoh, -, akan menyebar normal dengan nilai tengah dan ragam σ μ = μ μ σ = σ + σ = σ + n n Teladan Sebaran tinggi anjing terier keturunan tertentu mempunyai nilaitengah 7 cm dan simpangan baku cm, sedangkan sebaran tinggi anjing pudel keturunan tertentu mempunyai nilaitengah 8 cm dan simpangan baku cm. Seandainya nilaitengah contoh dicatat sampai ketelitian berapapun, hitunglah peluang bahwa nilaitengah contoh anjing terier akan melampaui nilaitengah contoh pudel dengan sebanyak-banyaknya, cm.