Post on 12-Apr-2017
Distribusi :Distribusi Sampel
ARIF RAHMAN
1
Ruang Sampel dan Variabel AcakRuang sampel (sample space) adalah satu
set lengkap semua keluaran yang mungkin terjadi dalam populasi.
Variabel acak (random variable) adalah suatu nilai bersifat acak dalam numerik (format angka diskrit atau kontinyu) atau nonnumerik yang menandai keluaran dalam ruang sampel tertentu (finite atau infinite).
2
DistribusiDistribusi adalah sebaran variabel acak X
dalam ruang sampel S dengan rentang R yang mempunyai karakteristik unik (parameter atau statistik) dalam interval tertentu (finite atau infinite) dengan fungsi probabilitas yang spesifik.
3
Distribusi Empiris dan TeoritisDistribusi empiris (empirical distribution)
adalah distribusi sebaran data aktual dari observasi atau eksperimen dengan pengelompokan dalam distribusi frekuensi.
Distribusi teoritis (theoretical distribution) adalah distribusi sebaran variabel acak dalam rentang tertentu yang mengikuti fungsi probabilitasnya.
4
Pemusatan dan Sebaran: Populasi dan Sampel
5
Membuat Distribusi SampelData Sampel diolah menjadi data berkelompok untuk mengetahui distribusi sampel dengan cara :Menghitung rentang data observasi (R).Menentukan banyaknya kelas (k) berdasarkan banyaknya data observasi (n). Misalnya menggunakan aturan Sturges
...
6
)100/log(3,31atau)log(3,31
2nknk
Membuat Distribusi Sampel7
Perbedaan penentuanbanyaknya kelas
Membuat Distribusi SampelMenentukan lebar kelas (w) berdasarkan
rentang data (R) dan banyaknya kelas (k).
Untuk data diskrit sebaiknya menggunakan poin. Jika menggunakan interval, perlu dipastikan bahwa anggota dalam masing-masing kelas berimbang.
...
8
kRw
Membuat Distribusi Sampel9
Kelas f fr Fr0<x<1,4
1,4<x<2,8
2,8<x<4,2
4,2<x<5,6
5,6<x<7,0
Perbedaan anggota kelas pada penentuan interval kelas yang salah pada data diskrit
Kelas f fr Fr0 – 1
2 – 3
4 – 5
6 – 7
Anggotanya 0 dan 1 Anggotanya 2 Anggotanya 3 dan 4 Anggotanya 5 Anggotanya 6 dan 7
Membuat Distribusi SampelMemilih data observasi terkecil (xmin) atau
yang sedikit lebih kecil sebagai batas bawah kelas pertama (L1), selanjutnya ditambahkan dengan lebar kelas (w) untuk mendapatkan batas atas kelas pertama (U1).
...
10
diskrit datauntuk kontinyu datauntuk
11
11
ULUxL
Membuat Distribusi SampelPada kelas berikutnya, menentukan batas
bawah kelas (Li) berdasarkan batas atas kelas sebelumnya (Ui-1), selanjutnya ditambahkan dengan lebar kelas (w) untuk mendapatkan batas atas kelas (Ui).
...
11
diskrit datauntuk 1kontinyu datauntuk
1
1
ii
ii
ULUL
Membuat Distribusi SampelUlangi penentuan batas bawah kelas (Li) dan
batas atas kelas (Ui) untuk semua kelas hingga data observasi terbesar (xmax) tercakup.
Kelompokkan data observasi sesuai kelasnya dan menandainya dengan turus (tally). Hitung banyaknya data di masing-masing kelas sebagai frekuensi (fi)
...
12
Membuat Distribusi SampelBerdasarkan frekuensi (fi) dan banyaknya
data observasi (n), hitung frekuensi kumulatif (fki),frekuensi relatif (fri) dan frekuensi relatif kumulatif (Fri) di masing-masing kelas.
13
i
i ffk1 n
ffr ii
nfkfrFr i
i
i 1
Membuat Distribusi Sampel14
Kelas Turus f fk fr Fr0<x<1,4
1,4<x<2,8
2,8<x<4,2
4,2<x<5,6
5,6<x<7,0
Distribusi Frekuensi Data Kontinyu
Kelas Turus f fk fr Fr0 – 1
2 – 3
4 – 5
6 – 7
Distribusi Frekuensi Data Diskrit
Arithmetic Mean15
n
xf
nxfxfxfx
k
iii
kk
1
2211
.
...
Di mana :ẍ = arithmetic meanxi = data tengah (midpoint atau classmark) kelas ke-ii = indeks urutan kelasn = banyaknya data = fi
k = banyaknya kelas
Median16
)()( 12
iii
in
i LUffk
LMe
Di mana :Me = mediann = banyaknya dataLi = batas bawah kelas lokasi medianUi = batas atas kelas lokasi medianfi = frekuensi kelas lokasi medianfki-1= frekuensi kumulatif kelas sebelum lokasi median
2)(ˆ 1 ii
iLUL
2)(ˆ 1
iii
LUU
Distribusi FrekuensiData Diskrit :
Mode17
)()()(
)(
11
1ii
iiii
iii LU
ffffffLMo
Di mana :Mo = modeLi = batas bawah kelas lokasi modeUi = batas bawah kelas lokasi modefi = frekuensi kelas lokasi modefi-1 = frekuensi kelas sebelum lokasi modefi+1 = frekuensi kelas sesudah lokasi mode
2)(ˆ 1 ii
iLUL
2)(ˆ 1
iii
LUU
Distribusi FrekuensiData Diskrit :
Variance18
Di mana :s2 = varianceẍ = arithmetic meanxi = data tengah kelas ke-ii = indeks urutan kelasn = banyaknya data = fi
k = banyaknya kelas
1
).(
1).().(
1
2
22112
n
xxf
nxxfxxfs
k
iii
kk
)1(
..2
11
2
2
nn
xfxfns
k
iii
k
iii
atau
Standard Deviation19
Di mana :s = standard deviationẍ = arithmetic meanxi = data tengah kelas ke-ii = indeks urutan kelasn = banyaknya data = fi
k = banyaknya kelas
2 1
2
2 2
1
).(
n
xxf
ssk
iii
2
2
11
2
)1(
..
nn
xfxfns
k
iii
k
iii
atau
Quartile, Decile & Percentile20
)()( 14
.
iii
inj
ij LUffk
LQ
Di mana :n = banyaknya dataLi = batas bawah kelas lokasiUi = batas bawah kelas lokasifi = frekuensi kelas lokasifki-1= frekuensi kumulatif kelas sebelum lokasi
2)(ˆ 1 ii
iLUL
2)(ˆ 1
iii
LUU
Distribusi FrekuensiData Diskrit :
)()( 110
.
iii
inj
ij LUffk
LD
)()( 1100
.
iii
inj
ij LUffk
LP
Contoh Distribusi Sampel21
Perhitungan Arithmetic Mean22
5,16380
240.2100.380.2
... 2211
n
xfxfxfx kk
Perhitungan arithmetic mean
Perhitungan Median23
Perhitungan Median
636,163)150170(22
)25(150
)()(
280
12
ii
i
in
i LUffk
LMe
Perhitungan Mode24
Perhitungan Mode
308,162)150170()1722()1422(
)1422(150
)()()(
)(
11
1
ii
iiii
iii LU
ffffffLMo
Perhitungan Variance25
193,305180
)5,163240.(2)5,163100.(3)5,16380.(21
).().().(
222
2222
2112
n
xxfxxfxxfs kk
Perhitungan variance
Perhitungan Standard Deviation
26
470,17193,3052
2 2
ss
Perhitungan standard deviation
Perhitungan Quartile27
Perhitungan Quartile
294,185)170190(17
)47(170
857,142)130150(14
)11(130
)()(
480.3
3
480.1
1
14.
Q
Q
LUffk
LQ iii
inj
ij
Perhitungan Decile28
Perhitungan Decile
206)190210(10
)64(190
120)100130(6
)5(110
)()(
1080.9
9
1080.1
1
110.
D
D
LUffk
LD iii
inj
ij
Perhitungan Skewness dan Kurtosis
29
02342,0470,17
636,1635,163.3
.3
sMexskewness
24673,0)120206(
)857,142294,185.(
.
21
1090
1321
PPQQ
kurtosis
Perhitungan skewness dan kurtosis
The Law of Large NumberSemakin banyak data ditambahkan dalam
observasi atau eksperimen, maka selisih antara statistik rata-rata sampel (x) dengan parameter rata-rata populasi () adalah sangat kecil atau mendekati 0 (nol).
Data observasi atau eksperimen yang sangat banyak mempunyai statistik sampel (x dan s) sebagai pendekatan parameter populasi ( dan )
30
Central Limit TheoremJika sebuah variabel x adalah rata-rata
sederet variabel acak independent dengan ukuran sampel yang sangat besar, maka distribusi rata-rata sampel tersebut mendekati distribusi normal dengan pendekatan rata-rata dan simpangan baku
31
ns
Nx
nNx
x
x
x
)/(
32
33
34
35
Terima kasih ...Terima kasih ...
... Ada pertanyaan ???... Ada pertanyaan ???