Page 135 - BUKU 1-3_Neat

penyebaran distribusi rata-rata sampel jauh lebih kecil daripada
penyebaran populasi sampel.

Kontribusi penting dari Teorema Batas Pusat adalah dalam inferensi

statistic. Banyak estimator yang digunakan untuk membuat kesimpulan
tentang parameter populasi adalah jumlah atau rata-rata dari pengukuran

sampel. Ketika ukuran sampel cukup besar, Anda dapat mengharapkan
penduga ini memiliki distribusi sampel yang mendekati normal. Anda

kemudian dapat menggunakan distribusi normal untuk menggambarkan
pengaruh estimator ini dalam pengambilan sampel berulang dan

mengevaluasi kemungkinan mengamati hasil sampel tertentu.

Seberapa besar ukuran sampel yang cukup untuk menggunakan Teorema
Limit Batas (CLT)

1. Ketika populasi dari sampel berdistribusi normal, maka distribusi
sampling dari ̅ juga akan normal, seberapa pun besarnya sampel

yang dipilih.
2. Ketika populasi dari sampel hampir simetri, distribusi sampling

̅ menjadi hampir normal untuk nilai n yang relative kecil.

3. Ketika populasi sampel miring, ukuran sampel n harus lebih
besar, dengan sedikitnya 30 sampel sebelum distribusi sampling

̅ menjadi mendekati normal.

Cara Menghitung Probabilitas Mean Sampel ̅ Jika Anda mengetahui

bahwa distribusi sampling ̅ normal atau mendekati normal, Anda dapat

menggambarkan perilaku mean sampel ̅ dengan menghitung
probabilitas dari mengamati nilai-nilai tertentu x dalam sampling

berulang.

Pengantar Metode Statistika | 128