DISTRIBUSI SAMPLING

Defenisi:
Distribusi sampling adalah distribusi peluang untuk nilai statistik yang diperoleh dari sampel
acak untuk menggambarkan populasi.

Distribusi Rata-rata
Distribusi rata-rata adalah distribusi probabilitas yang berisi daftar semua rata-rata sampel yang
mungkin dari suatu populasi, beserta dengan probabilitas setiap rata-rata sampel.
Misal sampel acak n diambil dari populasi normal dengan rataan μ dan varians σ2. Tiap pengamatan
Xi, i = 1, 2, 3, …, n dari sampel acak tersebut akan berdistribusi normal yang sama dengan populasi
yang diambil sampelnya. Jadi

Berdistribusi normal dengan rataan

Dan variasi

Bila populasi yang disampel tidak diketahui distribusinya, berhingga atau tidak, maka
distribusi sampel X̅ masih akan berdistribusi hampir normal dengan rataan μ dan varians σ 2/n
asalkan ukuran sampelnya besar. Ini merupakan akibat dari Teorema Limit Pusat.

Teorema Limit Pusat

Bila X̅ rataan sampel acak ukuran n yang diambil dari populasi dengan rataan μ dan varians σ2
yang berhingga, maka bentuk limit dari distribusi

Bila n → ∞, ialah distribusi normal baku n(z; 0,1)

Hampiran normal untuk X̅ umumnya cukup baik bila n ≥ 30, terlepas dari bentuk populasi.
Bila n < 30, hampiran hanya akan baik bila populasinya tidak jauh berbeda dengan normal.

Bila populasi diketahui normal, maka distribusi sampel X̅ akan tepat berdistribusi normal, dan
ukuran sampelnya tidak menjadi soal.
 n
Untuk n < 30 atau > 5% maka
N

Berdistribusi normal dengan rataan

Dan variasi

Contoh :
Tinggi badan mahasiswa rata‐rata mencapai 165 cm dan simpangan baku 8,4 cm. Telah diambil
sebuah sampel acak terdiri atas 45 mahasiswa. Tentukan berapa peluang tinggi rata‐rata ke 45
mahasiswa tersebut:

a. Antara 160 cm dan 168 cm

b. Paling sedikit 166 cm

Jawab
Jika ukuran populasi tidak disebutkan besarnya selalu dianggap cukup besar.
8,4
μ X̅ = 165 cm dan σ 2X̅ = = 1,252
√ 45

a) P ( 160< X <168 )=P ( 166−165

1,252
<Z<
1,252 )
168−165

¿(−3 , 99<Z <2 , 4 )

Dengan menggunakan tabel distribusi normal diperoleh :

¿ 0 , 5+0,4918=0,9918

(
b) P ( X ≥166 )=P Z ≥
166−165
1,252 )
=P ( Z ≥ 0 , 80 )

¿ 0 , 5−P ( Z< 0 , 80 )=0 , 5−0,2881=0,2119

Distribusi Selisih dan Jumlah Rata-rata

Misalkan ada dua populasi, yang pertama dengan rataan μ1 dan varians σ 21, yang kedua dengan
rataan μ2 dan varians σ 22. Misalkan statistik X̅ 1menyatakan rataan sampel acak ukuran n1 yang
diambil dari populasi pertama, dan statistik X̅ 2menyatakan rataan sampel acak ukuran n2 yang
diambil dari populasi kedua; kedua sampel saling bebas satu sama lain.
Selisih
Peubah X̅ 1dan X̅ 2keduanya berdistribusi hampir normal masing‐masing dengan rataan μ1 dan
μ2, dan varians σ 21/n dan σ 22/n. Hampiran ini bertambah baik bila n1 dan n2 membesar maka
X̅ 1−X̅ 2

berdistribusi normal dengan rataan

Dan variansi

Teorema
Bila sampel bebas ukuran n1 dan n2 diambil secara acak dari dua populasi, masing-masing dengan
rataan μ1 dan μ2, dan varians σ 21dan σ 22, maka distribusi sampel dari selisih rataan X̅ 1−X̅ 2,
berdistribusi hampir normal rataan dan variansi diberikan dengan

Sehingga

Secara hampiran merupakan peubah normal baku.

Jika n1 dan n2 keduanya lebih besar sama dengan 30, hampiran normal untuk distribusi X̅ 1−X̅ 2

sangat baik tidak tergantung dari bentuk kedua populasi. Akan tetapi, jika n1 dan n2kurang dari 30,
hampiran normal lumayan baik kecuali bila kedua populasi agak jauh dari normal. Tentu saja bila

kedua populasi normal, maka X̅ 1−X 2berdistribusi normal terlepas dari ukuran n1 dan n2 .
Jumlah

Peubah X¯1¯ dan ¯X¯2¯ keduanya berdistribusi hampir normal masing‐

masing dengan rataan μ1 dan μ2 , dan varians σ 2 /n dan σ 2 /n. Hampiran ini
bertambah baik bila n1 dan n2 membesar maka X¯ 1¯ + X¯ 2¯
berdistribusi normal dengan rataan dan variasi

Teorema

Bila sampel bebas ukuran n1 dan n2 diambil secara acak dari dua
pupolasi, masing-masing dengan rataan μ1 dan μ2 , dan σ 1 dan σ 2,
2 2

maka distribusi sampel dari jumlah rataan ¯X¯1¯ dan ¯X¯2¯, berdistribusi
hamper normal rataan dan variansi diberikan dengan sehingga

Secara hampiran merupakan peubah normal baku.

Jika n1 dan n2 keduanya lebih besar sama dengan 30, hampir normal
untuk distribusi X¯1¯ dan ¯X¯2¯ sangat baik tidak tergantung dari bentuk kedua
populasi. Akan tetapi, jikan1 dan n2 kurang dari 30, hampiran normal lumayan
baik kecuali bila kedua populasi agak jauh dari normal. Tentu saja bila kedua
populasi normal, maka X¯1¯ dan ¯X¯2¯ berdistribusi normal terlepas dari ukuran
n1 dan n2 .

Contoh:
Suatu sampel berukuran n1 = 140 diambil secara acak dari populasi yang
berdistribusi normal dengan rataan μ1 = 163 dan simpangan baku σ1 = 5,2
dan rataan sampel x¯ 1¯ dihitung. Sampel acak berukuran n2 = 140 diambil,
bebas dari yang pertama, dari populasi lain yang juga berdistribusi
normal, dengan rataan μ2 = 152 dan simpangan baku σ2 = 4,9 dan
rataan sampel ¯x¯2¯ dihitung. Tentukan peluang rataan sampel pertama
paling sedikit lebih 10 dari rataan sampel kedua.
Jawab:
Dari distribusi sampel ¯X¯1¯ — X¯ 2¯ diketahui bahwa distribusinya
normal dengan rataan

Contoh:
Rata‐rata tinggi mahasiswa laki‐laki 163 cm dan simpangan bakunya 5,2 cm;
sedangkan untuk mahasiswa perempuan, parameter tersebut berturut‐turut
152 cm dan 4,9 cm.
Dari kedua kelompok mahasiswa itu masing‐masing diambil sebuah sampel
acak, secara independen, berukuran sama, ialah 140 orang. Berapa peluang
rata‐rata tinggi mahasiswa laki‐laki paling sedikit 10 cm lebihnya dari rata‐
rata tinggi mahasiswa perempuan?
Jawab:
Misalkan x¯ dan y¯ masing‐masing menyatakan rata‐rata tinggi dari sampel
untuk mahasiswa laki‐laki dan perempuan. Yang ditanyakan adalah P(x¯ — y¯
≥ 10).
Diketahui: μ1 = μx = 163 cm , μ2 = μy = 152 cm, σ1 = σx = 5.2 , σ2 =
σy = 4.9 dan n1 = n2 = 140. Menurut teori diatas, x¯ — y¯ berdistribusi
normal dengan rata‐rata μx¯–y¯ = (163 – 152) = 11 dan simpangan baku σ x− y ¯ =

=0.6038 maka diperoleh

√ ( 5 , 2 )2 ( 4 , 9 )2
140
+
140

3. Distribusi Proporsi
Misalkan populasi berukuran N yang didalamnya terdapat kejadian A
sebanyak Y. Maka proporsi
kejadian A sebesar π = .
Y

Dari populasi ini diambil sampel acak berukuran n dan dimisalkan

N

didalamnya ada peristiwa A sebanyak x. Sampel ini memberikan statistik

proporsi peristiwa A = . Maka berdistribusi normal dengan rataan dan
x x

variansnya
n n
 Untuk ukuran sampel n cukup besar, berlaku sifat:

Jika dari populasi yang berdistribusi binom dengan parameter π

untuk peristiwa A, < π < 1, diambil sampel acak
berukuran n dimana statistic proporsi untuk A= , maka
x
n
untuk n cukup besar, distribusi proporsi mendekati distribusi
x
n

normal dengan parameter μx/n = π dan variansnya a x =¿¿ ,

2 π (1−π )

sehingga
n n

Z = n
x
−π

Contoh:
Apa petunjuk kuat bahwa 10% anggota masyarakat tergolong ke dalam
σ x /n

golongan A. Sebuah sampel acak terdiri atas 100 orang telah diambil.
Tentukan peluangnya bahwa dari 100 orang itu akan ada paling sedikit 15
orang dari golongan A.
Jawab:
Populasi yang dihadapi berukuran cukup besar dengan π = 0.1 dan 1 — π =
0.9
Untuk ukuran sampel 100, diantaranya paling sedikit 15 tergolong kategori
A, maka paling sedikit
x
=0 ,5
n
Kekeliruan bakunya adalah :

=0.03
σ x /n=
√ (0.1)(0.9)
100
Maka peluangnya :

(
P Z≥
0.15−0.1
0.03 )
=P ( Z ≥ 1.67 )=0.5−P ( Z <1.67 )=0.5−0.4525=0.0475

4. Distribusi Selisih Proporsi

Misalkan ada dua populasi masing-masing berdistribusi binom, kedua-duanya
berukuran n cukup besar. Didalam kedua populasi itu ada peristiwa A dengan
proporsi masing-masing populasi secara berturut-turut yaitu : π 1 dan π 2. Dari
kedua populasi diambil sampel acak secara independen, sebanyak π 1 dari
populasi satu dan sebanyak π 2 darim populasi kedua. Untuk peristiwa A,
didapat Kumpulan proporsi :

,i=1 , 2 , … , k dan
x1 y1
, j=1 , 2 ,… ,r
n1 n2
Dengan x 1 = banyak peristiwa A dalam sampel yang diambil dari populasi
satu, y j = banyak peristiwa A dalam sampel yang diambil dari populasi dua, k
dan r masing‐masing banyak sampel yang mungkin diambil dari populasi
kesatu dan populasi kedua.

Selisih proporsi − dapat dibentuk sehingga terdapat kumpulan selisih

xi yi
y j n2
proporsi. Dari kumpulan ini dapat dihitung rata‐ratanya, diberi symbo μsp dan
simpangan baku, diberi simbol σ sp,

Dengan sp= − = selisih antara proporsi sampel kesatu dan proporsi sampel
xi y j
n1 n2
kedua. Rata-rata dan simpangan baku tersebut juga dapat dihitung dengan
rumus :

Untuk ukuran‐ukuran sampel n1 dan n2 cukup besar, biasanya n1 ≥ 30

dan n2 ≥ 30, maka distribusi selisih proporsi ini akan mendekati
distribusi normal dengan parameter‐ parameter μsp =n1−n 2 dan

. Agar supaya distribusi norma ini menjadi distribusi

σ sp=
√ π 1 (1−π 1 ) π 2 (1−π 2 )
n1
+
n2
normal baku maka diperlukan transformasi.

Contoh:
Ada petunjuk kuat bahwa calon A akan mendapat suara 60% dalam
pemilihan. Dua buah sampel acak secara independen telah diambil masing‐
masing terdiri atas 300 orang. Tentukan peluangnya akan terjadi perbedaan
persentase tidak lebih dari 10% yang akan memilih A.
Jawab :
Kedua sampel diambil dari sebuah populasi, jadi dianggap kedua populasi
yang sama, sehingga
π1 = π2 = 0.6. Jika x = banyak orang yang memilih A dalam sampel
kedua, dan y = banyak orang yang memilih A dalam sampel kedua,
maka yang dicari adalah peluang :

( nx − ny )<0.1 atau ( nx − ny )<0.1

1 2 2 1

Setelah digabungkan menjadi −0.1< ( n − n )< 0.1

x y
1 2

Maka μsp =0.6−0.6=0

Dan

Sehingga