Apa itu Distribusi Sampling?
Distribusi pengambilan sampel dapat didefinisikan sebagai distribusi probabilitas menggunakan statistik dengan terlebih dahulu memilih populasi tertentu dan kemudian menggunakan sampel acak yang diambil dari populasi, yaitu pada dasarnya menargetkan pada penyebaran frekuensi yang terkait dengan penyebaran berbagai hasil. atau hasil yang mungkin terjadi untuk populasi tertentu yang dipilih.
Penjelasan
- Banyak peneliti, akademisi, ahli strategi pasar, dll. Melakukan distribusi sampel daripada memilih seluruh populasi. Ini membuat kumpulan data mudah dan juga dapat dikelola. Untuk mempermudah, misalkan seorang pemasar ingin melakukan analisis terhadap jumlah remaja yang mengendarai sepeda antara dua wilayah dalam batas usia 13-18 tahun.
- Untuk tujuan ini, dia tidak akan memperhitungkan seluruh populasi yang ada di dua wilayah antara usia 13-18 tahun, yang secara praktis tidak mungkin, dan bahkan jika dilakukan, itu terlalu memakan waktu, dan kumpulan data tidak dapat dikelola. . Sebaliknya, pemasar akan mengambil satu set sampel masing-masing 200 dari setiap wilayah dan menyelesaikan distribusi.
- Jumlah rata-rata penggunaan sepeda di sini disebut rata-rata sampel. Setiap sampel yang dipilih memiliki rata-rata yang dihasilkan, dan distribusi yang dilakukan untuk rata-rata yang diperoleh didefinisikan sebagai distribusi sampel. Penyimpangan yang diperoleh disebut sebagai kesalahan standar.
Contoh Distribusi Sampling
- Dengan asumsi seorang peneliti sedang melakukan penelitian terhadap bobot penduduk suatu kota tertentu dan ia memiliki lima observasi atau sampel, yaitu 70kg, 75kg, 85kg, 80kg, dan 65kg. Kota ini umumnya dianggap memiliki distribusi normal dan mempertahankan deviasi standar 5 kg dalam aspek ukuran bobot. Jadi mean dapat dihitung sebagai (70 + 75 + 85 + 80 + 65) / 5 = 75 kg.
- Juga, kami berasumsi bahwa ukuran populasi sangat besar; Jadi, untuk melanjutkan ke langkah kedua, kita akan membagi jumlah observasi atau sampel dengan 1, yaitu 1/5 = 0,20. Sekarang kita perlu mengambil akar kuadrat dari 0,20, yang hasilnya 0,45. Akar kuadrat kemudian dikalikan dengan simpangan baku, yaitu 0,45 * 5 = 2,25kg. Dengan demikian standard error yang diperoleh adalah 2.25kg, dan mean yang diperoleh adalah 75kg. Kedua faktor tersebut dapat digunakan untuk menggambarkan distribusi.
Jenis Distribusi Sampling
# 1 - Distribusi Sampling Mean
- Ini dapat didefinisikan sebagai penyebaran probabilistik dari semua cara sampel yang dipilih secara acak dengan ukuran tetap dari populasi tertentu. Ketika sampel telah memilih dari populasi normal, sebaran mean yang diperoleh juga akan normal ke mean dan deviasi standar.
- Jika populasinya tidak normal hingga diam, distribusi mean akan cenderung mendekati distribusi normal asalkan ukuran sampelnya cukup besar.
# 2 - Distribusi Sampling dari Proporsi
Ini terutama terkait dengan statistik yang terlibat dalam atribut. Di sini peran distribusi binomial ikut bermain. Secara umum, ia menanggapi hukum distribusi binomial, tetapi seiring dengan bertambahnya ukuran sampel, ia biasanya menjadi distribusi normal lagi.
# 3 - Distribusi-T Siswa
Jenis distribusi ini digunakan ketika simpangan baku dari populasi tidak diketahui oleh peneliti atau ketika ukuran sampel sangat kecil. Jenis distribusi ini sangat simetris dan memenuhi syarat variat normal standar. Dengan bertambahnya ukuran sampel, distribusi T pun cenderung menjadi sangat dekat dengan distribusi normal.
# 4 - Distribusi F.
- Ketika varian yang lebih besar wajib ada dalam pembilang, distribusi F menemukan penggunaannya karena derajat kebebasan mengubah nilai kritis perubahan F juga, yang berlaku untuk varian besar dan kecil. Ini dapat dihitung dari tabel yang tersedia.
- Perbandingan dilakukan dari nilai terukur F yang termasuk dalam kumpulan sampel dan nilai yang dihitung dari tabel jika yang sebelumnya sama atau lebih besar dari nilai tabel, hipotesis nol penelitian ditolak.
# 5 - Distribusi Rumus Chi-Square
Jenis distribusi ini digunakan saat kumpulan data melibatkan penanganan nilai yang mencakup penjumlahan kotak. Himpunan kuantitas kuadrat yang termasuk dalam varian sampel ditambahkan, dan dengan demikian dibuat sebaran distribusi, yang kami sebut sebagai distribusi chi-kuadrat.
Pentingnya
- Ini penting karena menyederhanakan jalur ke inferensi statistik. Selain itu, ini memungkinkan pertimbangan analitik difokuskan pada distribusi statis daripada penyebaran probabilistik campuran dari setiap unit sampel yang dipilih.
- Penghapusan variabilitas yang ada dalam statistik dilakukan dengan menggunakan distribusi ini.
- Ini memberi kita jawaban tentang kemungkinan hasil yang paling mungkin terjadi.
- Mereka memainkan peran kunci dalam studi statistik inferensial, yang berarti mereka memainkan peran utama dalam membuat kesimpulan mengenai seluruh populasi.
Kesimpulan
- Ini adalah kunci dalam statistik karena mereka bertindak sebagai pedoman utama untuk inferensi statistik. Mereka pada dasarnya memandu peneliti, akademisi, atau ahli statistik tentang penyebaran frekuensi, menandakan berbagai kemungkinan hasil yang dapat ditandai lebih lanjut ke seluruh populasi.
- Faktor prima yang terlibat di sini adalah mean sampel dan kesalahan standar, yang, jika diperkirakan, membantu kami menghitung distribusi pengambilan sampel juga. Ada berbagai jenis teknik distribusi, dan berdasarkan skenario dan kumpulan data, masing-masing diterapkan.
