EKSPEKTASI DAN

VARIANSI
∑Xf ( x) , jika X diskret

Mean = µ = E ( X ) = 
∫
 xf(x)dx , jika X kontinu


∑ ( x − µ) 2 f ( x ) , jika X diskret
Variansi = σ 2 = Var ( X ) = E ( X − µ) 2 = 

∫ ( x − µ) 2 f(x)dx , jika X kontinu

∑X i
X = i =1

n
n n

∑( X i −X ) ∑X i2 −n X
2 2

s2 = i =1
= i =1

n −1 n −1
 DISTRIBUSI SAMPLING STATISTIK

 Distribusi Satu Nilai Rata-Rata

 Distribusi Selisih Dua Nilai Rata-Rata
 Distribusi Satu Nilai Proporsi
 Distribusi Selisih Dua Proporsi
 Distribusi Variansi
 Distribusi Satu Nilai Rata-Rata
 Misalkan terdapat sebuah populasi bilangan
yang terdiri dari bilangan-bilangan, 0, 1, 2, dan
3. Jika X menyatakan bilangan-bilangan
tersebut, maka X1=0, X2=1, X3=2, X4=3, dan
P(X1=0)=¼, P(X2=1)=¼, P(X3=2)=¼, P(X4=3)=¼
sehingga distribusi probabilitasnya:

X 0 1 2 3

P(X=x) ¼ ¼ ¼ ¼
 MEAN DAN VARIANSI POPULASI
 Mean (µ) =E(X)=Σxif(xi)
E(X)=(0)(¼)+(1)(¼)+(2)(¼)+(3)(¼)
= 3/2
 Variansi (σ2)=Var(X)= E(X2)–[E(X)]2
 E (X2)= Σxi2 f(xi)
=02(¼)+12(¼)+22(¼)+32(¼)=14/4
 Var(X) = E(X2)-[E(X)]2 =14/4 – [3/2]2 =5/4
jika dari populasi bilangan 0, 1, 2, 3 diambil
sampel berukuran 2 (n=2) dengan
pengembalian maka terdapat 16 hasil yang
mungkin

sampling
POPULASI
0,1, 2, 3 SAMPEL
 ke-16 kemungkinan sampel
yang terambil adalah
no ambilan 1 ambilan 2
no ambilan 1 ambilan 2
9 2 0
1 0 0
10 2 1
2 0 1
11 2 2
3 0 2
12 2 3
4 0 3
13 3 0
5 1 0
14 3 1
6 1 1
15 3 2
7 1 2
16 3 3
8 1 3
DISTRIBUSI NILAI RATA-RATA
No sampel X No sampel X
1 0,0 0 9 2,0 1
2 0,1 0.5 10 2,1 1.5
3 0,2 1 11 2,2 2
4 0,3 1.5 12 2,3 2.5
5 1,0 0.5 13 3,0 1.5
6 1,1 1 14 3,1 2
7 1,2 1.5 15 3,2 2.5
8 1,3 2 16 3,3 3
Distribusi sampling
frekuensi
X P( X = x i )
0 1 1/16
0.5 2 2/16
1.0 3 3/16
1.5 4 4/16
2.0 3 3/16
2.5 2 2/16
3.0 1 1/16
 MEAN DAN VARIANSI
SAMPEL
7 1 1 1 3
µ x = ∑ x i f ( xi ) = ( 0 ) / + ( 0 ,5 ) + ... + ( 3 ,0 ) =
i =1 16 16 16 2
jadiµ x = µ
2
σ x2 = E( X ) − [ E( X )] 2

2 7 2
E( X ) = ∑ x i P( X = xi )
i =1
1 2 3 4 3 2 1
= 02 + 0 ,5 2 + 12 + 1,5 2 + 22 + 2 ,5 2 + 32
16 16 16 16 16 16 16
46 23
= =
16 8
 MEAN DAN VARIANSI
SAMPEL
2 2 2
σx = E( X ) − [ E( X )]
2
23  3  5
= −  =
8 2 8

5 2
2 5 σ
4
σx = = =
8 2 n
 Dalil Limit Pusat.
 Bila sampel random/acak berukuran n ditarik
dari suatu populasi yang besar atau tak hingga
dengan mean µ dan variansi σ2, maka mean
sampel akan berdistribusi menghampiri
distribusi normal dengan mean µx dan
simpangan baku σ x

dengan demikian z = x − µx =
x −µ merupakan
σx σ
n
sebuah nilai bagi variabel acak normal baku Z.
 Estimasi bagi mean dan varuansi
populasi
 Kenyataan di lapang, variansi populasi
biasanya tidak diketahui
 estimasi oleh s2 untuk sampel n ≥30
dalil limit pusat berlaku.
 Jadi bila dan s2 adalah mean dan
X
variansi sampel berukuran n,  sx/− µn
berdistribusi t-student, dengan derajat
kebebasan n-1
 Contoh soal
1. Sebuah perusahaan memproduksi bohlam. Bila
umur bohlam itu berdistribusi normal dengan mean
800 dan simpangan baku 40 jam, hitunglah peluang
bahwa suatu sampel acak 16 bohlam akan
mempunyai umur rata-rata kurang dari 775 jam !

2. Sebuah produsen bohlam menyatakan bahwa

produksinya mencapai umur rata-rata 500 jam.
Untuk menjaga nilai rata-rata ini, ia menguji 25
bohlam setiap bulan. Bila nilai t yang diperolehnya
jatuh antara –t0.05 dan t0.05 ia puas. Kesimpulan apa
yang ditariknya bila ia memperoleh sampel dengan
mean =518 jam dan simpangan baku, s= 40 jam ?
asumsikan bahwa umur bohlam itu berdistribusi
normal.
jawab
1. Distribusi penarikan sampel bagi : Mean
=800, simpang baku 40/√16 = 10. Peluang yang
dicari adalah :
P( X < 775) = P(Z < -2.5) = 0.0062

2. t0.05, db=24= 1.711 produsen puas jika sampel

25 bohlam mempunyai –1.711<t<1.711.
Jika µ=500, maka t=(518-500)/(40/√25)=2.25.
produksi bohlam ternyata lebih baik dari yang
disangkanya.
 Distribusi selisih dua mean
µx1−x 2 = E ( X 1 − X 2) = µ1 − µ2
σ2 σ2
σ2 = Var ( X 1 − X 2) = 1
+ 2

x 1−x 2
n1 n2

( X 1 − X 2) − ( µ1 − µ 2 )
Z= ~ N (0,1)
σ 12 σ 22
+
n1 n2
 contoh
 Sebuah sampel berukuran n1=5 diambil secara acak dari
sebuah populasi yang berdistribusi normal dengan mean µ
1 =50 dan variansi σ 1 =9 dan diperoleh mean sampel 1.
2

Sebuah sampel acak kedua yang berukuran n1=4 diambil

bebas dari sampel pertama, dari populasi lain yang juga
berdistribusi normal tetapi dengan mean µ2=40 dan variansi
σ22=4 dan diperoleh mean sampel 2.. Berapa P((-) < 8.2) ?

Jawab: σ σ 2 2
σ =
2
+ 1 2

 µ1-µ2= 50-40 =10, dan x1 − x 2

n n =2.8.
1 2

X1 X 2
P(( - ) < 8.2)=P(Z < -1.08)=0.1401
 DISTRIBUSI SAMPLING
PROPORSI
 Misalkna ada sebuah populasi yang
beranggotakan N. dari N anggota
tersebut terdapat X buah yang
mempunyai karakteristik tertentu.
Sehingga setiap anggota individu akan
mempunyai nilai satu (1) jika ia
mempunyai karakterisrik tertentu dan nol
(0) jika tidak mempunyai karakteristik
tertentu. Jika π didefinisikan sebagai
proporsi yg mempunyai karakteristik
tertentuj, maka π=X/N
Jadi dalam hal ini mean dan variansi
populasi adalah :
µ= π
σ2 = π(1- π)
sampling
POPULASI
S,S, S, G,
G, G, G,... SAMPEL
Jika dari populasi 3 rumah hanya terdapat 1
rumah yg ber AC diambil sampel berukuran
2, maka distribusi sampling proporsinya?

µ= 1/3 sampling
σ2 =2/9
AC,
TDK AC SAMPEL
TDK AC
 ADA 9 Kemungkinan
no ambilan 1 ambilan 2 proporsi
1 AC AC 1
2 AC TDK AC1 ½
3 AC TDK AC2 ½
4 TDK AC1 AC ½
5 TDK AC1 TDK AC1 0
6 TDK AC1 TDK AC2 0
7 TDK AC2 AC ½
8 TDK AC 2 TDK AC1 0
9 TDK AC2 TDK AC2 0
 Distribusi sampling

pi frekuensi P(P=pi)
1 1 1/9
½ 4 4/9
0 4 4/9

E(P)=(1) (1/9) + (1/2)(4/9) + (0).(1/9)

= (1+2+0)/9 =1/3