CHAPTER 5 SAMPLING DISTRIBUTIONS

Tujuan
1. Untuk dapat memahami dan menggunakan konsep pengambilan sampel
distribusi.
2. Untuk menghitung probabilitas distribusi sampling dari sampel
berarti.
3. Untuk menghitung probabilitas distribusi sampling dari sampel
proporsi.

5.1 Introduction
Ingat dari Bab 1 istilah populasi diterapkan pada kumpulan atau
kumpulan objek, pengukuran, atau pengamatan di bawah
investigasi. Misalnya, jika kita tertarik untuk menentukan
rata-rata jumlah televisi per rumah tangga di Malaysia, totalitas
dari jumlah set ini, satu untuk setiap rumah tangga, adalah populasi ini
studi. Dalam hal ini, populasi adalah terbatas. Jika kita melihat hasilnya
diperoleh dalam serangkaian lemparan koin yang tak berujung, populasi adalah
tak terhingga.

Jika populasi tidak terhingga, tidak mungkin untuk mengamati semua nilainya, dan
walaupun terbatas, mungkin tidak praktis atau tidak ekonomis untuk mengamati semuanya
elemen. Oleh karena itu, biasanya diperlukan untuk menggunakan sampel, bagian dari
populasi, dan menginferensikan hasil yang berkaitan dengan seluruh populasi.

5.2 Distribusi Penduduk

Definisi: Distribusi populasi mengacu pada data populasi dan
distribusi probabilitasnya.

Contoh 5.1
Katakanlah hanya ada 5 siswa di kelas statistik lanjutan dan
midterm scores for the 5 students are: 70, 78, 80, 80, 95. Compute:
a) distribusi probabilitas populasi ini
(b) rata-rata dan deviasi standar dari distribusi populasi
92 Pengenalan Statistik & Probabilitas

Solusi

(a) Biarkan X menunjukkan nilai paruh waktu dan f menunjukkan frekuensi

distribusi. Distribusi probabilitas adalah sebagai berikut:

X=x f Relatif Probabilitas,

frekuensi P(X=x)
70 1 1/5=0,20 0,20
78 1 1/5=0,20 0,20
80 2 2/5=0,40 0,40
95 1 1/5=0,20 0,20
∑ f =5 Sum=1.00 ∑ p(x)= 1.00
Tabel 5.1: Distribusi probabilitas populasi

Note:X~ random variable

nilai x~ dari variabel acak
f
Probabilitas, P(X=x) = p(x) = Frekuensi relatif =
∑f

b) Rata-rata distribusi populasi:

μ = ∑ xp(x)= 70(0.2)+ 78(0.2)+ 80(0,4)+ 95(0,2)= 80.6

Deviasi standar dari distribusi populasi:

σ = ∑ x 2p(x)− μ 2

= [702(0.2)+ 782(0.2) + 80 2(0.4) + 952(0.2)]− 80.62= 8.09

5.3 Distribusi Sampling dari Rata-rata Sampel, x

Nilai parameter populasi selalu konstan. Sebelumnya, kami
telah membahas tentang statistik inferensial di mana itu terdiri dari metode yang
gunakan hasil sampel untuk membantu membuat keputusan atau prediksi tentang a
populasi. Sebagai contoh, seorang insinyur komputer, dalam memilih sampel dari
gelombang silikon hanya tertarik menggunakan rata-rata sampel untuk estimasi
rata-rata ketebalan populasi. Jadi, dalam situasi seperti ini,
 Bab 5 Distribusi Sampel 93

Statistik ringkasan seperti rata-rata sampel digunakan untuk membuat

kesimpulan tentang parameter populasi yang bersangkutan.

Distribusi probabilitas dari suatu statistik disebut sebagai pengambilan sampel

distribusi. Distribusi pengambilan sampel darixdengan ukuran sampelnadalah
distribusi yang dihasilkan ketika suatu eksperimen dilakukan berulang kali
(selalu dengan ukuran sampeln) dan banyak nilai dari xhasil. Ini
distribusi pengambilan sampel, kemudian, menjelaskan variabilitas rata-rata sampel,
xsekitar rata-rata populasi,µ.

Langkah-langkah dalam Membuat Tabel Distribusi Sampelx:

(a) Dapatkan semua sampel yang mungkin dengan ukurann(tanpa
pengganti) dari a
jumlah populasiNJumlah sampel yang mungkin adalahNC n.
(b) Hitung rata-rata sampel untuk setiap sampel.
(c) Buat tabel distribusi frekuensi darix.
(d) Buat tabel distribusi probabilitas darix.

Contoh 5.2

Pertimbangkan populasi nilai tengah untuk 5 siswa dalam Contoh

5.1. Konstruksikan distribusi sampling dari rata-rata sampel untuk sampel dari
ukuran 3.

Solusi

Langkah 1
5
Jumlah total sampel yang mungkin = C 3 = 10

Langkah 2
Misalkan kita menetapkan huruf F=70, G=78, H=80, I=80, J=95.

Kemudian 10 sampel yang mungkin dari 3 skor masing-masing adalah: FGH, FGI, FGJ,
FHI, FHJ, FIJ, GHI, GHJ, GIJ, HIJ.
 94 Pengantar Statistik & Probabilitas

Contoh Skor x
FGH 70, 78, 80 76
FGI 70, 78, 80 76
FGJ 70, 78, 95 81
FHI 70, 80, 80 76.67
FHJ 70, 80, 95 81.67
FIJ 70, 80, 95 81,67
GHI 78, 80, 80 79,33
GHJ 78, 80, 95 84,33
GIJ 78, 80, 95 84,33
HIJ 80, 80, 95 85,00

Tabel 5.2 : Rata-rata sampel untuk setiap sampel berukuran tiga

Rata-rata sampel, f Frekuensi relatif p(x)

x
76 2 2/10=0.2 0,2
76,67 1 1/10=0.1 0,1
79,33 1 1/10=0,1 0,1
81 1 1/10=0.1 0.1
81,67 2 2/10=0.2 0,2
84,33 2 2/10=0,2 0,2
85 1 1/10=0.1 0,1
∑ f= 10 Jumlah = 1 ∑ p(x) = 1
Tabel 5.3: Distribusi sampel dari x

Catatan: Distribusi probabilitas darix, p(x)Frekuensi relatif

Latihan 5.1
Pertimbangkan populasi berikut yang terdiri dari enam angka: 4, 7, 9, 2, 8, 5

(a) Temukan rata-rata populasi.

(b) Buat distribusi sampel dari rata-rata sampel untuk sampel dari
ukuran 4.
 Bab 5 Distribusi Sampel 95

Rata-rata dan Deviasi Standar dari x

Rata-rata dan deviasi standar yang dihitung untuk distribusi sampel

darixdinyatakan olehμ xdanσ x , masing-masing. μ xdisebut sebagai
rata-rata dari rata-rata sampel. σ xdisebut sebagai deviasi standar dari
rata-rata sampel. Ini juga disebut sebagai kesalahan standar darix.

Rata-rata distribusi pengambilan sampel dari x

Rata-rata distribusi pengambilan sampel dari xselalu sama dengan rata-rata

dari populasi. Dengan demikian,

μ x= μ

Deviasi standar dari distribusi sampling x

Deviasi standar dari distribusi pengambilan sampel darixadalah

σ
σ x=
n

di manaσ apakah deviasi standar populasi dannapakah ini sampel

n
ukuran. Rumus ini digunakan ketika ≤ 0.05, di mana N adalah populasi
N
ukuran. Dalam sebagian besar aplikasi praktis, ukuran sampel biasanya kecil
dibandingkan dengan ukuran populasi.

Contoh 5.3
Usia rata-rata microwave adalah 6,8 tahun dengan deviasi standar 4,3.
n
tahun. Sebuah sampel acak dari 78 microwave diambil. Dengan asumsi ≤ 0,05
N
temukan rata-rata dan deviasi standar dari rata-rata sampel untuk ini
mikrowave.
96 Pengantar Statistika & Probabilitas

Solusi

Diberikan: n= 78
μ = 6.8
σ = 4.3

μ x= μ = 6.8
σ 4.3
σ x= = = 0,4869
n 78

Latihan 5.2
Pertimbangkan populasi besar dengan μ = 95danσ = 20. Menganggap
n
≤ 0,05, cari rata-rata dan deviasi standar dari rata-rata sampel, x
N
untuk ukuran sampel dari
11
(b) 29

Bentuk Distribusi Sampling dari x

i. Pengambilan Sampel dari Populasi yang Terdistribusi Normal

Ketika sampel diambil dari populasi yang terdistribusi normal dengan

berarti,μ dan deviasi standar,σ , distribusi pengambilan sampel dari x akan
memiliki sifat-sifat berikut:

Bentuk distribusi sampling dari x adalah normal, terlepas dari

ukuran sampel, n.

2. Rata-rata distribusi sampling dari x, μ xsama dengan

rata-rata populasi, µ.

μ x= μ

3. Deviasi standar dari distribusi sampling darix, σ x sama dengan

σ n
untuk , mengasumsikan ≤ 0,05
n N
 Bab 5 Distribusi Sampel 97

x− μ x x− μ
4. Nilai z adalahz= =
σx σ
n

Contoh 5.4

Sebuah pabrik elektronik memproduksi dioda listrik yang memiliki panjang

kehidupan yang kira-kira terdistribusi normal, dengan rata-rata sama dengan 800
jam dan deviasi standar 40 jam. Temukan probabilitas bahwa a
sampel acak dari 16 dioda listrik akan memiliki umur rata-rata kurang dari
775 jam.

Solusi

Distribusi pengambilan sampel darixakan menjadi normal secara kira-kira.

Given:µ=800,σ=40 andn=16

⎛ ⎞
⎜ ⎟
⎜ 775− 800 ⎟
Oleh karenaP(x<
itu, 775)= P z< = P(z< −2.5)= 0,0062
⎜ 40 ⎟
⎜ ⎟
⎝ 16 ⎠

ii. Pengambilan Sampel dari Populasi yang Tidak Terdistribusi Normal

Teorema Limit Pusat

Jika sampel acak dari n observasi diambil dari populasi dengan

rata-rata hingga μ σ
dan deviasi standar, , kemudian, ketika cukup
besar, distribusi pengambilan sampel dari rata-rata sampel, x, dapat menjadi
didekati oleh fungsi kepadatan normal.

Ini berarti, ketika ukuran sampel besarn≥ 30), pengambilan sampel

distribusi xis kira-kira normal, terlepas dari bentuknya
distribusi populasi.

Catatan:
ukuran sampel besarn≥ 30
98 Pengantar Statistik & Probabilitas

σ
2. rata-rata dari x, μ x= μ dan deviasi standar x, σ=
x
n
3.z-nilai untuk nilai x:

x− μ x x− μ
z= =
σx σ
n

Contoh 5.5
Dari sebuah studi, diketahui bahwa rata-rata gram hidrokarbon yang dipancarkan
oleh mobil per mil adalah 1,2 gram. Jika sampel acak dari 150
mobil dipilih:

(a) Berapa deviasi standar populasi sehingga probabilitas bahwa

rata-rata sampel akan lebih dari 1,21 gram adalah 0,3121?
(b) Temukan probabilitas bahwa rata-rata sampel akan berada di antara 1.16 dan
1,26 gram.

Solusi

Karena ukuran sampelnya besar(n≥ 30), distribusi sampling darisumbu

sekitar normal.

Diberikan:μ = 1.2,n= 150

P(x> 1.21 )= 0.3121
⎛ ⎞
⎜ ⎟
1.21− 1.2
P ⎜ z> ⎟ = 0.3121
⎜ σ ⎟
⎜ ⎟
⎝ 150 ⎠

(a) ⎛⎜ ⎞
⎟
1.21− 1.2
P ⎜ z< ⎟ = 0,6879
⎜ σ ⎟
⎜ ⎟
⎝ 150 ⎠

1.21− 1.2
= 0,49
σ
150
σ = 0,2499
 Bab 5 Distribusi Sampel 99

(a)
⎛ ⎞
⎜ ⎟
⎜ 1.16−1.2 1.26−1.2 ⎟
P(1.16< x< 1.26)= P < z<
⎜ 0,2499 0,2499 ⎟
⎜ ⎟
⎝ 150 150 ⎠

= P(−1,96< z< 2.94)

= 0.9734

Latihan 5.3
Misalkan gaji tahunan saat ini untuk semua guru Malaysia adalah
distribusi probabilitas yang condong ke kanan dengan rata-rata RM
30.000 dan deviasi standar RM 9874. Biarkanxmenjadi rata-rata tahunan
gaji untuk sampel 300 guru.

(a) Apa kemungkinan bahwa rata-rata gaji tahunan orang Malaysia

guru yang diperoleh dari sampel ini akan kurang dari populasi
berarti RM 800 atau lebih?
(b) Apa probabilitas bahwa rata-rata gaji tahunan orang Malaysia
guru yang diperoleh dari sampel ini akan berada dalam RM 1000 dari
rata-rata populasi?

5.4 Distribusi Sampel dari Proporsi Sampel,ˆ p

Konsep proporsi adalah sama dengan konsep relatif

frekuensi dan konsep probabilitas keberhasilan dalam binomial
eksperimen. Frekuensi relatif dari suatu kategori atau kelas memberikan
proporsi sampel atau populasi yang termasuk dalam kategori itu atau
kelas. Demikian pula, probabilitas keberhasilan dalam percobaan binomial
mewakili proporsi dari suatu sampel atau populasi yang memiliki sebuah
karakteristik.

Proporsi populasi dan sampel

Proporsi populasi, yang dilambangkan dengan p, diperoleh dengan mengambil rasio

jumlah elemen dalam populasi dengan karakteristik tertentu untuk
jumlah total elemen dalam populasi. Proporsi sampel,
ˆ
ditandai olehp(diucapkan asfat), memberikan rasio yang serupa untuk sebuah sampel.
100 Pengantar Statistik & Probabilitas

Proporsi populasi dan sampel, dilambangkan dengan p danp, ˆ

X x
p= dan p=
ˆ
N n

di mana
N= jumlah total elemen dalam populasi
n= total jumlah elemen dalam sampel
X = jumlah elemen dalam populasi yang memiliki suatu spesifik
karakteristik
x= jumlah elemen dalam sampel yang memiliki suatu spesifik
karakteristik

Contoh 5.6
Misalkan ada 4351 mahasiswa teknik di UteM dan 378 dari mereka
belum mengikuti ujian MUET mereka. Kemudian, proporsi UTeM
mahasiswa teknik yang telah mengikuti ujian MUET mereka adalah:

N= population size = 4351

X= Mahasiswa teknik UTeM yang telah mengikuti ujian MUET mereka
= 4351 – 378 = 3973
X3973
p= = = 0.9131
N4351

Sekarang, anggaplah sampel sebanyak 862 siswa diambil dari populasi ini,
dan 762 di antaranya telah mengikuti ujian MUET mereka. Kemudian, sampel
proporsi mahasiswa teknik UTeM yang telah mengikuti MUET
exam is:

762
p̂= = 0,884
862

Distribusi Sampling p ˆ

Definisi: Distribusi sampling dari proporsi sampel,papakah ˆ

distribusi probabilitas dari proporsi sampel.
 Bab 5 Distribusi Sampling 101

Contoh 5.7

Sebuah kelas pascasarjana hanya memiliki 5 mahasiswa. Tabel di bawah ini memberikan
nama-nama 5 siswa ini dan status mereka saat ini, sebagai mahasiswa penuh waktu atau paruh waktu
waktu siswa.
Name Mahasiswa paruh waktu
Amir Ya
Sandra Ya
Chong Tidak
Rani Ya
Daniel Tidak

Tabel 5.4: Nama-nama mahasiswa pascasarjana dan mereka

status sebagai siswa paruh waktu atau penuh waktu

(a) Apa proporsi populasi, p dari mahasiswa paruh waktu?

(b) Daftarkan semua contoh yang mungkin dari ukuran 3 (tanpa penggantian) yang dapat dibuat
dipilih dari populasi ini, dan hitung proporsi sampel,
pˆ mahasiswa paruh waktu untuk setiap sampel. Kemudian, temukan pengambilan sampel
distribusi darip. ˆ

Solusi

X3
(a) p= = = 0.6
N5
(b) Total jumlah sampel berukuran 3 (tanpa penggantian) yang dapat diambil
dipilih dari populasi ini = 5
C 3= 10
Tidak Contoh Proporsi sampel, p ˆ
1 Amir, Sandra, Chong 2/3 = 0.67
2 Amir, Sandra, Rani 3/3 = 1.00
3 Amir, Sandra, Daniel 2/3 = 0.67
4 Amir, Chong, Rani 2/3 = 0.67
5 Amir, Chong, Daniel 1/3 = 0,33
6 Amir, Rani, Daniel 2/3 = 0,67
7 Sandra, Chong, Daniel 1/3= 0.33
8 Sandra, Chong, Rani 2/3 = 0.67
9 Sandra, Rani, Daniel 2/3 = 0.67
10 Chong, Rani, Daniel 1/3 = 0,33
Tabel 5.5: Semua sampel yang mungkin dengan ukuran 3 dan
nilai proporsi sampel, p ˆ
102 Pengenalan Statistika & Peluang

Contoh Frekuensi, f Relatif p(p)

ˆ
proportion,p ˆ frekuensi
0,33 3 0.3 0.3
0,67 6 0,6 0.6
1,00 1 0,1 0.1
∑ f= 10 Total = 1 ∑ p(p)ˆ = 1
Tabel 5.6: Distribusi Sampel p untuk ˆukuran sampel 3

Rata-rata dan Deviasi Standar dari p̂

ˆ
1. Rata-rata proporsi sampel, pdilambangkan μ ˆ dengan
oleh pdan sama
proporsi populasi, p.
Dengan demikian,
μ p̂ = p

2. Deviasi standar dari proporsi sampel,p, dinyatakan dengan

ˆ σ p̂
dan diberikan oleh rumus
pq
σ p̂ =
n

di manapadalah proporsi populasi,q=1-p, dan nadalah ukuran sampel.

n
Rumus ini digunakan ketika ≤ 0,05 , di mana Nadalah ukuran populasi. Dalam
N
dalam aplikasi praktis, ukuran sampel biasanya kecil dibandingkan dengan
ukuran populasi.

Bentuk Distribusi Sampel dari p ˆ

Teorema Limit Tengah untuk Proporsi Sampel

ˆ
Menurut teorema limit pusat, distribusi pengambilan sampel daripadalah
sekitar normal untuk ukuran sampel yang cukup besar. Dalam kasus
proporsi, ukuran sampel dianggap cukup besar jikanpdan
nqkeduanya lebih besar dari 5, yaitu jika

np5 dannq5
 Bab 5 Distribusi Sampel 103

Dengan demikian,z-nilai untuk nilai dariˆp:

pˆ − μ p̂ pˆ − p
z= =
σ p̂ pq
n

Contoh 5.8
Menurut inspektur QA dari Southern Electronic Corp.,
perusahaan akan memproduksi 3% diode listrik cacat setiap hari. Jika sebuah
Sampel acak dari 100 dioda listrik diperiksa untuk menentukan apakah baik atau tidak
ˆ adalah proporsi dioda listrik yang baik dalam sampel.
cacat, biarkanpbe
ˆ
Apa probabilitas bahwa pi berada antara 0,94 dan 0,95?

Solusi

n= 100 p= 1 − q= 1 − 0,03= 0,97

⎛ ⎞
⎜ ⎟
0.94− 0,97 p−
ˆ p 0.95 − 0,97
ˆ 0,95)= P ⎜
P(0.94< p< < < ⎟
⎜ (0,97)(0,03) pq (0.97)(0.03) ⎟
⎜ ⎟
⎝ 100 n 100 ⎠
= P(−1.76< z< −1.17)
= P(z< −1.17)− P(z< −1.76)
= 0,1210− 0,0392
= 0,0818

Latihan 5.4
Sebuah gerai makanan cepat saji mengklaim bahwa 53% dari pelanggan mereka menyukai jenis tertentu
pizza. Anggaplah bahwa klaim ini benar. Apa kemungkinan bahwa dalam sebuah
sampel acak dari 400 pelanggan, kurang dari 49% akan menyukai pizza ini?

Latihan Tinjauan
Tinggi mahasiswa UTeM kira-kira normal
didistribusikan dengan rata-rata 174,5 sentimeter dan deviasi standar
104 Pengenalan Statistik & Probabilitas

dari 6,9 sentimeter. Sebuah sampel acak berukuran 36 diambil dari ini
populasi. Tentukan:
(a) rata-rata dan deviasi standar dari distribusi sampel
ofx.
(b) probabilitas bahwa rata-rata tinggi badan berada antara 172,5 dan 176,5
sentimeter, termasuk.
(c) probabilitas bahwa tinggi rata-rata di bawah 170,5.

2. Jumlah waktu yang dihabiskan oleh telemarketer untuk seorang pelanggan adalah
variabel acak dengan rata-rata μ = 3,2 menit dan sebuah standar
deviasiσ = 1,6 menit. Jika sampel acak dari 64 pelanggan adalah
diamati dari populasi yang terdistribusi normal, temukan probabilitas
bahwa rata-rata waktu dari sampel ini adalah:
paling lama 2,7 menit.
(b) lebih dari 3,5 menit.
(c) setidaknya 3.2 menit tetapi kurang dari 3.4 menit.

3. Rata-rata umur mesin pembuat roti adalah 7 tahun, dengan

deviasi standar 1 tahun. Dengan asumsi bahwa kehidupan ini
mesin mengikuti distribusi normal, temukan:
(a) probabilitas bahwa rata-rata umur dari sampel acak sebanyak 9 seperti itu
mesin jatuh antara 6,4 dan 7,5 tahun.
(b) probabilitas bahwa rata-rata umur lebih dari populasi
berarti setidaknya 2 deviasi standar (n= 9 ) .
(c) nilai x yang berada di sebelah kanan dari mana 15% dari rata-rata dihitung
dari sampel acak berukuran 9 akan jatuh.

4. Misalkan sebuah printer membutuhkan rata-rata Y menit untuk mencetak beberapa

desain. Mengingat bahwa deviasi standar untuk mencetak semua desain adalah 1.4
menit. Jika sampel acak 49 desain dipilih,
(a) berapa nilai Y sehingga ada 99% kemungkinan bahwa sampel
berarti akan setidaknya 13,634 menit?
(b) temukan probabilitas bahwa rata-rata sampel akan di bawah 13,5 atau
di atas 14,8 menit.

5. Peneliti sedang bereksperimen dengan senyawa baru yang digunakan untuk mengikat A
ke baja. Waktu pengeringan yang dibutuhkan senyawa tersebut adalah
dipantau dan diketahui bahwa itu kira-kira normal
terdistribusi, dengan waktu pengeringan rata-rata 4,70 menit dan a
deviasi standar 0,40 menit. Anggaplah bahwa sebuah sampel dari 25
waktu pengeringan dipilih,
 Bab 5 Distribusi Sampel 105

(a) berapa probabilitas bahwa rata-rata sampel akan setidaknya 4,57

menit?
(b) ada kemungkinan 85 persen bahwa rata-rata sampel akan jatuh
antara dua nilai yang terdistribusi simetris di sekitar
rata-rata populasi. Apa dua nilai itu?

6. Nilai ujian untuk 300 mahasiswa UTeM dimasukkan ke dalam komputer,

ana-lisia, dan disimpan dalam sebuah file. Mengetahui bahwa 30% dari skor rata-rata
ada di bawah 65 dan 15% dari skor rata-rata berada di atas 90, cari mereka
rata-rata dan deviasi standar (mengasumsikan skor biasanya)
didistribusikan).

7. Untuk populasi dengan p= 76% danσ p̂ = 0.2, temukan probabilitas

itu
σ
= p

(a)ˆ p> 80% .

(b) 0,75< p<ˆ 0.85 .
ˆ
(c)pberada dalam 0.12 darip.

Sebuah survei yang dilakukan oleh UTeM menunjukkan bahwa 77% dari Informasi
Mahasiswa teknologi memiliki laptop di rumah. Jika sebuah sampel acak dari
120 mahasiswa Teknologi Informasi dipilih, temukan probabilitasnya
ˆ
bahwa nilai daripadalah
(a) paling banyak 75%.
(b) setidaknya 85%.
(c) antara 70% dan 80%.
(d) tidak dalam 0,15 dari proporsi populasi.

9. Sebuah perusahaan yang memproduksi minuman soda mengklaim bahwa 85% dari mereka
Minuman soda baik untuk 4 tahun atau lebih. Anggaplah bahwa klaim tersebut adalah
benar. Biarkanˆpjadilah
proporsi dalam sampel 100 minuman soda yang adalah
baik untuk 4 tahun atau lebih.
(a) Apa probabilitas bahwa proporsi sampel ini berada dalam 0,05
dari proporsi populasi?
(b) Apa probabilitas bahwa proporsi sampel ini kurang dari
proporsi populasi sebesar 0,06 atau lebih?
(c) Apa probabilitas bahwa proporsi sampel ini lebih besar dari
proporsi populasi sebesar 0,07 atau lebih?

10. Proporsi perempuan dalam sebuah organisasi adalah 85%. Kami memiliki sebuah
sampel acak darin= 500 individu.
106 Pengantar Statistik & Probabilitas

(a) Apa rata-rata dan deviasi standar dari p, sampel ˆ

proporsi perempuan di organisasi?
ˆ
(b) Apakah distribusi daripsekitar normal? Justifikasi Anda
jawaban.
(c) Apa probabilitas bahwa proporsi sampel melebihi 82%?
(d) Apa probabilitas bahwa proporsi sampel berada di antara
83% dan 88%?
(e) 99% dari waktu, proporsi sampel akan terletak antara apa
dua batas simetris?

11. Sebuah kota merencanakan untuk membangun gedung kompleks perbelanjaan. Seorang warga setempat
koran menemukan bahwa 55% pemilih di kota ini mendukung
construction of this building. Assume that this result holds true for
jumlah seluruh pemilih di kota ini.
(a) Apa probabilitas bahwa lebih dari 50% pemilih di sebuah
sampel acak dari 150 pemilih yang dipilih dari kota ini akan mendukung
pembangunan pabrik ini?
(b) Seorang politikus ingin mengambil sampel acak dari pemilih di
yang lebih dari 50% akan mendukung pembangunan pabrik. Seberapa besar sebuah
sampel harus dipilih sehingga politisi yakin 95,5%
hasil ini?

12. Sebuah survei yang dilakukan oleh Unit Ujian UTeM menunjukkan bahwa 88% dari UTeM
siswa lulus di semua mata pelajaran dan menyelesaikan studi mereka dalam 4 tahun
waktu. Jika sampel acak dari 132 siswa dipilih, temukan
probabilitas bahwa proporsi sampel berada dalam 0.10 dari populasi
rata-rata. Selanjutnya, cari jumlah sampel yang dipilih, jika
probabilitas adalah 0,38 bahwa paling banyak 81% mahasiswa UTeM lulus semua
subjek-subjek dan menyelesaikan studi mereka dalam waktu 4 tahun.