Apa itu Rumus Distribusi Sampling?
Distribusi sampling dapat didefinisikan sebagai distribusi berbasis probabilitas dari statistik tertentu dan rumusnya membantu dalam kalkulasi mean, Range, deviasi standar dan varians untuk sampel yang dilakukan. S
Untuk ukuran sampel lebih dari 30, rumus distribusi sampling diberikan di bawah ini -
µ͞x = µ dan σ ͞x = σ / √nSini,
- Rerata sampel dan populasi diwakili oleh µ͞x dan µ.
- Simpangan baku sampel dan populasi direpresentasikan sebagai σ ͞x dan σ.
- Ukuran sampel lebih dari 30 mewakili n.
Penjelasan
Rumus Distribusi Sampling dapat dihitung dengan menggunakan langkah-langkah berikut:
Langkah 1: Pertama, cari jumlah sampel yang memiliki ukuran n serupa dari populasi yang lebih besar yang memiliki nilai N.
Langkah 2: Selanjutnya, pisahkan sampel dalam bentuk daftar dan tentukan mean dari setiap sampel.
Langkah 3: Selanjutnya, persiapkan distribusi frekuensi rata-rata sampel seperti yang ditentukan pada langkah 2.
Langkah 4: Selanjutnya, tentukan distribusi probabilitas mean sampel yang ditentukan setelah menentukan distribusi frekuensi pada langkah 3.
Contoh Rumus Distribusi Sampling (dengan Template Excel)
Mari kita lihat beberapa contoh praktis sederhana hingga lanjutan dari persamaan distribusi pengambilan sampel untuk memahaminya dengan lebih baik.
Contoh 1
Mari kita ambil contoh populasi wanita. Ukuran sampel adalah 100, dengan berat rata-rata 65 kg dan deviasi standar 20 kg. Membantu peneliti menentukan mean dan deviasi standar dari ukuran sampel 100 perempuan.
Larutan
Gunakan data yang diberikan di bawah ini untuk kalkulasi distribusi sampling
Rata-rata sampel setara dengan mean populasi karena ukuran sampel lebih dari 30.
Perhitungan deviasi standar ukuran sampel adalah sebagai berikut,
- = 20 / √100
Deviasi Standar Ukuran Sampel akan -
- σ ͞x = 2
Oleh karena itu, deviasi standar sampel adalah 2, dan mean sampel adalah 65 kg.
Contoh # 2
Mari kita ambil contoh pajak yang dibayarkan oleh kendaraan. Di negara bagian California, pajak rata-rata yang dibayarkan adalah $ 12.225 dengan deviasi standar $ 5.000. Pengamatan tersebut dilakukan pada jumlah sampel gabungan 400 truk dan trailer. Bantu departemen transportasi untuk menentukan mean dan deviasi standar sampel.
Larutan
Gunakan data yang diberikan di bawah ini untuk kalkulasi distribusi sampling
Perhitungan deviasi standar ukuran sampel adalah sebagai berikut,
- = $ 5.000 / √400
Deviasi Standar Ukuran Sampel akan -
- σ ͞x = $ 250
Oleh karena itu, deviasi standar sampel yang dinilai oleh departemen transportasi adalah $ 250, dan rata-rata sampel adalah $ 12,225.
Contoh # 3
Mari kita ambil contoh data berikut yang ditampilkan di bawah ini:
Bantu peneliti menentukan mean dan deviasi standar sampel.
Tentukan mean sampel seperti yang ditampilkan di bawah ini: -
- = 20 * 0,67
Berarti akan -
- = 13,33
Total Rata-rata
- = 13,33 + 7 + 10
- Total Rata-rata = 30,33
Tentukan varians sampel seperti yang ditampilkan di bawah ini: -
- = 20 2 * 0,67
- = 266,666667
Perbedaan
Varians Total
- = 713,67
Perhitungan deviasi standar ukuran sampel adalah sebagai berikut,
- σ ͞x = √ 713,67 - 30,33
Deviasi Standar akan menjadi -
- σ ͞x = 26,141
Oleh karena itu, standar deviasi sampel, seperti yang dinilai oleh peneliti, adalah 26,141, dan mean sampel adalah 30,33.
Relevansi dan Penggunaan
Distribusi sampling digunakan oleh banyak entitas untuk tujuan penelitian. Bisa jadi analis, peneliti, dan ahli statistik. Kapanpun ukuran populasi besar, metodologi seperti itu membantu dalam formulasi sampel yang lebih kecil, yang kemudian dapat digunakan untuk menentukan rata-rata mean dan deviasi standar. Rata-rata rata-rata dapat diplot pada grafik untuk sampai pada distribusi seragam yang berkaitan dengan populasi, dan jika peneliti meningkatkan ukuran sampel, probabilitas grafik mencapai distribusi normal akan meningkat.
Ini membantu dalam penyederhanaan utama dari kesimpulan yang diambil dalam statistik. Ini lebih lanjut membantu dalam menyimpulkan kontemplasi analitis dengan menentukan frekuensi distribusi probabilitas sarana sampel. Distribusi sampling menjadi dasar bagi beberapa konsep statistik yang dapat digunakan oleh peneliti untuk memfasilitasi hipotesis mereka.
