Page 134 - BUKU 1-3_Neat
P. 134
distribusi sampling pada gambar dibawah ini dengan jelas menunjukkan
bentuk gundukan dari distribusi probabilitas normal, masih berpusat
pada = 3,5. Perhatikan juga bahwa penyebaran distribusi secara perlahan
menurun seiring dengan bertambahnya ukuran sampel n.
Distribusi sampling ̅ untuk n=3
Pada kurva distribusi sampling ̅ untuk n = 4 secara dramatis
menunjukkan bahwa distribusi ̅ terdistribusi hamper normal
berdasarkan sampel sekecil n = 4. Fenomena ini merupakan hasil dari
teorema statistik penting yang disebut Teorema Batas Pusat atau Central
Limit Theorem (CLT).
Jika sampel acak dari n pengamatan diambil dari populasi tidak normal
dengan mean dan standar deviasi berhingga, atau, jika n besar,
distribusi sampel dari mean sampel ̅ terdistribusi hampir normal,
dengan mean dan standar deviasi . Pendekatan menjadi lebih akurat
√
ketika n menjadi besar.
Terlepas dari bentuknya, distribusi sampling ̅ selalu memiliki mean
yang identik dengan mean populasi sampel dan simpangan bakunya
sama dengan simpangan baku populasi dibagi dengan √ . Akibatnya,
Pengantar Metode Statistika | 127
