Probabilitas dan Statistika BAB 6 Distribusi Sampling
Download
Report
Transcript Probabilitas dan Statistika BAB 6 Distribusi Sampling
Pokok Bahasan
Pengertian dan Konsep Dasar
Distribusi Mean-mean Sampling
Distribusi Proporsi Populasi
Distribusi Perbedaan dan Penjumlahan dari
Sampling
Pengertian dan Konsep Dasar
Teknik Sampling
Teknik sampling :
mengambil sebagian anggota dari populasi untuk
mengetahui fungsi distribusi dan karakteristik
distribusi populasi tersebut.
Teknik sampling yang baik dapat menghemat biaya
dan waktu tanpa harus mengorbankan keakuratan
hasil-hasilnya
Pengertian dan Konsep Dasar
Populasi Terhingga dan Tak Terhingga
Finite population
adalah populasi yang jumlah seluruh anggotanya tetap dan
dapat didaftar
Cth : peserta mata kuliah probabilitas dan statistika semester
gansal 2010/2011
Infinite population
adalah populasi yang memiliki anggota yang banyaknya tak
terhingga
Cth : pengguna telepon seluler merk “Noki*” di Indonesia
Pengertian dan Konsep Dasar
Random Sampling
Sampling secara acak memungkinkan setiap anggota
populasi memiliki kesempatan yang sama untuk
terpilih sebagai sampel.
Population
Random Sample
Pengertian dan Konsep Dasar
Sampling dengan dan tanpa pergantian
Sampling dengan pergantian
setiap anggota dari populasi dapat terpilih lebih dari
sekali
Sampling tanpa pergantian
anggota populasi tidak dapat terpilih lebih dari sekali
Pengertian dan Konsep Dasar
Distribusi Sampling
Distribusi Sampling
yaitu suatu distribusi nilai statistik sampel-sampel
yang di ambil (mean, range, deviasi standar,…)
Jika di ambil beragam sampel dengan
ukuran yang sama dari suatu populasi
maka akan menghasilkan statistik
yang berbeda-beda.
Contoh
Distribusi Sampling
Suatu populasi terdiri dari empat hasil pengukuran :
3
6
7
10
dari populasi ini hendak digunakan 2 hasil pengukuran sebagai sampel,
distribusi mean-mean sampling (sampling distribution of the means) yang bisa
dibentuk jika sampel tanpa pergantian ialah sbb :
Kemungkinan sampel :
[3; 6]
[3; 7]
[3; 10] [6; 7]
[6; 10] [7; 10]
Mean sampel yang terbentuk :
4,5
5
6,5
6,5
8
8,5
Sehingga distribusi mean sampling dari sampel-sampel yang terbentuk :
Mean sampel
4,5
5
6,5
8
8,5
Frekuensi
1
1
2
1
1
Probabilitas
1/6
1/6
2/6
1/6
1/6
Distribusi Mean-mean Sampling
Definisi
Distribusi mean-mean sampling
adalah distribusi mean-mean aritmatika dari seluruh
sampel acak berukuran n yang mungkin dipilih dari
sebuah populasi yang dikaji
Distribusi Mean-mean Sampling
Mean dan Deviasi standar-nya
Jika sampling tanpa pergantian dari
suatu populasi terhingga berukuran N :
x
x
Mean dari distribusi mean
n
N n
x sampling
Mean populasi
N 1
Jika sampling dengan pergantian, yang
berarti populasi tak terhingga :
x
x
x
s
n
Deviasi standar populasi
N Ukuran populasi
n
Deviasi standar dari
distribusi mean sampling
Ukuran sampel
Distribusi Mean-mean Sampling
Contoh soal
Dalam suatu pengujian kelelahan (fatigue test), material
titanium diberi pembebanan berulag sampai deteksi
timbulnya retak (crack initiation). Siklus pembebanan
rata-rata sampai mulai retak adalah 25000 kali dengan
deviasi standar 5000. jika diuji 25 spesimen material
titanium yang dipilih secara acak, berapakah :
Mean dari sampel tersebut?
Deviasi standar dari sampel tersebut?
Distribusi Mean-mean Sampling
Jawaban
Mean dari sampel
x 25000
Deviasi standar dari sampel
x
n
5000
25
1000
Distribusi Mean-mean Sampling
Teorema Limit Pusat :
Dari suatu populasi yang memiliki distribusi normal
maka distribusi mean sampling juga terdistribusi
normal untuk nilai n berapapun (tidak tergantung
ukuran sampel)
Dari suatu populasi yang tidak terdistribusi normal,
jika ukuran sampel cukup besar (n>30), distribusi
mean sampling akan mendekati suatu distribusi
normal (gaussian) apapun bentuk asli distribusi
populasinya.
Distribusi Mean-mean Sampling
Teorema Limit Pusat
12
Distribusi X jika n > 30
10
Distribusi Populasi
(tidak terdistribusi normal)
Distribusi X jika n < 30
8
6
4
2
0
-6
-4
-2
0
2
4
6
Distribusi Mean-mean Sampling
Contoh soal
Lima ratus cetakan logam memiliki berat rata-rata
6,03 N dan deviasi standar 0,4 N. Berapakah
probabilitas bahwa suatu sampel acak terdiri dari 100
cetakan yang dipilih akan mempunyai berat total
antara 597 sampai 600 N?
Distribusi Mean-mean Sampling
Jawaban
Mean dan deviasi standar :
x 6 , 03
x
N n
N 1
n
0,4
500 100
100
500 1
0 , 036
Probabilitas mean tersebut dapat dicari dengan menggunakan tabel
distribusi normal standar di mana :
zx
Maka:
x x
x
6 , 00 6 , 03
5 , 97 6 , 03
P ( 5 , 97 X 6 , 00 ) P
Zx
0
,
036
0
,
036
P ( 1, 67 Z x 0 ,83 )
( 0 ,83 ) ( 1, 67 )
0 , 2033 0 , 0475 0 ,1558
Distribusi Proporsi Samping
Definisi
Distribusi proporsi samping
adalah distribusi proporsi-proporsi dari sejumlah
sampel acak berukuran n yang mungkin dipilih dari
sebuah populasi
Distribusi Proporsi Sampling
Mean dan Deviasi standar-nya
Jika dalam sebuah populasi probabilitas terjadinya
suatu peristiwa (probabilitas sukses) adalah π
sementara probabilitas gagalnya adalah θ = 1 – π maka
mean dan deviasi standar distribusi proporsi sampling
adalah :
Jika sampling dilakukan tanpa pergantian atau populasi
terhingga yang berukuran N :
P
P
N n
n
N 1
Distribusi Proporsi Sampling
Mean dan Deviasi standar-nya
Jika sampling dilakukan dengan pergantian atau
populasinya tak terhingga, maka :
P
P
n
(1 )
n
P Mean dari distribusi proporsi sampling
P
Deviasi standar dari distribusi proporsi
sampling
N Ukuran populasi
n
Ukuran sampel
Probabilitas sukses
Probabilitas gagal
Distribusi Proporsi Sampling
Warning!
Proporsi adalah variabel diskrit yang populasinya
mengikuti distribusi binomial.
Jika nilai n besar (n>30), distribusi proporsi sampling
mendekati suatu distribusi normal.
Untuk
menentukan
probabilitas
dengan
menggunakan tabel distribusi normal maka
diperlukan faktor koreksi 1 terhadap nilai proporsi
2n
tersebut.
Distribusi Proporsi Sampling
Contoh soal
Divisi pengendalian mutu pabrik perkakas mesin
mencatat bahwa 1,5% dari bearing mengalami cacat.
Jika dalam pengiriman satu kotak produk terdiri dari
100 bearing, tentukan probabilitas banyaknya bearing
yang cacat sebanyak 2% atau lebih!
Distribusi Proporsi Sampling
Jawaban
Mean dan deviasi standar :
P 0 , 015
P
n
(1 )
0 , 015 (1 0 , 015 )
n
0 , 0122
100
Faktor koreksi variabel diskrit = 1/2n = 1/200 = 0,005
Proporsi (2%) setelah dikoreksi, p= 0,02-0,005 = 0,015
Maka,
P ( p 0 , 01 ) 1 P ( p 0 , 01 )
1 P Z
1 P (Z
p
p
0 , 015 0 , 015
0 , 0122
0 ) 1 0 , 5 50 %
Distribusi Perbedaan dari Sampling
Distribusi perbedaan dari sampling S1 – S2 memiliki
mean dan deviasi standar sebagai berikut :
S
1
S2
S1 S 2
S1 S 2
2
S1
2
S2
Dengan syarat bahwa sampel yang dipilih tidak saling
terikat (saling bebas)
Distribusi Penjumlahan dari Sampling
Distribusi penjumlahan dari sampling S1 + S2 memiliki
mean dan deviasi standar sebagai berikut :
S
1
S2
S1 S 2
S1 S 2
2
S1
2
S2
Dengan syarat bahwa sampel yang dipilih tidak saling
terikat (saling bebas)
Contoh
Lampu bohlam merk Phillups (1) memiliki daya tahan
pakai rata-rata 2400 jam dan deviasi standar 200 jam.
Sementara lampu bohlam merk Dup (2) memiliki daya
tahan pakai rata-rata 2200 jam dengan deviasi standar
100 jam. Jika dari masing-masing merk dipilih 125
sampel yang diuji, berapakan probabilitas bahwa
bohlam merk Phillups (1) memiliki daya tahan pakai
sekurang-kurangnya 160 jam lebih lama dibandingkan
bohlam merk Dup (2)?
Jawaban
Mean dan deviasi standar dari distribusi perbedaan sampling :
S
1
S2
S1 S 2
S 1 S 2 2400 2200 200
2
S1
2
S2
2
S1
n1
2
S2
( 200 )
n2
2
(100 )
125
2
20
125
Skor z untuk perbedaan mean 160 jam adalah :
ZS
1
S2
( S1 S 2 ) ( S
1
S2
)
160 200
2
20
S1 S 2
Jadi, probabilitas yang akan ditentukan adalah :
P (( S 1 S 2 ) 160 ) P ( Z S
1
S2
2)
1 P (Z S
1
S2
2)
1 0 , 0228 0 , 9772 97 , 72 %