Professional Documents
Culture Documents
CHAPTER05
CHAPTER05
Persampelan dan
Taburan Persampelan
Bab ini akan membincangkan proses persampelan dan taburan persampelan bagi
beberapa statistik. Bagaimana kita memperolehi data untuk digunakan di dalam
analisis statistik? Mengapa penyelidik selalunya mengambil sampel berbanding
menjalankan bancian? Apakah perbezaan di antara persampelan rawak dan bukan
rawak? Bab ini akan menjawab semua persoalan ini dan lain-lain soalan
berkaitan dengan persampelan.
Juga akan dibincangkan taburan dua statistik: min sampel dan populasi
sampel. Telah dikenalpasti bahawa statistik seperti ini adalah penghampiran
kepada taburan normal di bawah beberapa keadaan. Pengetahuan terhadap
perkara ini adalah penting di dalam kajian statistik dan ia merupakan asas kepada
analisis statistik yang lebih lanjut.
7.1 Persampelan
Persampelan meluas digunakan di dalam perniagaan untuk memperolehi
maklumat yang berguna berkaitan populasi. Data adalah diambil daripada
sampel dan kesimpulan adalah dibuat terhadap populasi sebagai bahagian
daripada proses pentaabiran statistik. Sebagai contoh, katakan penyelidik mahu
menjalankan kajian terhadap kepuasan pekerja-pekerja kilang disekitar Lembah
Kelang. Untuk melakukan kajian ini, sampel rawak pekerja-pekerja kilang dari
beberapa kilang disekitar Lembah Kelang akan dipilih. Soal selidik yang dibuat
dengan teliti akan digunakan untuk memperolehi data yang dikehendaki.
Penyelidik kemudiannya akan menganalisis data yang diperolehi dari jawapan
pekerja-pekerja yang telah dipilih. Ringkasan dan keputusan kajian akan
disediakan berdasarkan keputusan analisis yang diperolehi. Pihak pengurusan
kilang dan pembuat keputusan akan menggunakan lapuran keputusan kajian
tersebut uantu membantu mereka di dalam memperbaiki keadaan tempat kerja
dan motivasi pekerja-pekerja. Biasanya sampel yang sempurna akan dapat
memberikan maklumat yang amat berguna di dalam proses membuat keputusan.
2
Persampelan dan Taburan Persampelan
7.1.3 Kerangka
Setiap penyelidik mempunyai populasi sasaran yang mengandungi
semua individu, institusi, atau entiti dimana objek tersebut dikaji. Sampel adalah
diambil dari senarai populasi, peta, direktori, atau lain-lain sumber yang boleh
digunakan untuk mewakili populasi. Senarai, peta, atau direktori ini dipanggil
sebagai kerangka, yang mana ia boleh jadi senarai sekolah, senarai persatuan
perniagaan, atau senarai jualan oleh jurujual. Secara realitinya, kerangka dan
populasi sasaran biasanya berbeza. Sebagai contoh, katakan populasi sasaran
ialah semua keluarga yang tinggal di Kuala Lumpur. Kerangka yang mungkin
adalah buku panduan talipon yang dikeluarkan oleh Telekom Malaysia.
Bagaimanakah kerangka berbeza daripada populasi sasaran? Sesetengah keluarga
tidak mempunyai talipon. Sesetengah keluarga tidak mahu nama mereka
disenaraikan di buku panduan talipon. Mungkin sesetengah keluarga mempunyai
nama yang lebih daripada satu di dalam senarai tersebut.
Kerangka yang mempunyai daftar lebih mengandungi semua unit
populasi sasaran ditambah dengan unit tambahan. Kerangka yang mempunyai
daftar kurang pula, mengandungi unit yang kurang daripada populasi sasaran.
Persampelan adalah dilakukan daripada kerangka, bukannya daripada populasi
sasaran. Secara teorinya, populasi sasaran dan kerangka adalah sama. Di dalam
realitinya, matlamat penyelidik adalah untuk meminimumkan perbezaan di antara
kerangka dan populasi sasaran.
3
Pengenalan kepada Statistik Ekonomi dan Perniagaan
Teknik persampelan yang paling asas sekali ialah persampelan rawak mudah.
Persampelan rawak mudah merupakan asas kepada lain-lain teknik persampelan
rawak. Melalui persampelan rawak mudah, setiap unit di dalam kerangka
diletakkan nombor dari 1 hingga N (dimana N adalah saiz populasi). Kemudian,
jadual nombor rawak adalah digunakan untuk memilih n item kedalam sampel.
Penjana nombor rawak adalah program komputer yang membolehkan komputer
untuk mengira output untuk menghasilkan nombor rawak. Jadual 7.1
mengandungi ringkasan jadual nombor rawak. Jadual A.1 yang mengandungi
jadual penuh nombor rawak. Nombor ini adalah rawak di dalam semua arah.
Ruang di dalam jadual untuk memudahkan kirta membaca nilai tersebut. Bagi
4
Persampelan dan Taburan Persampelan
setiap nombor setiap dari 10 digit adalah sama berlakunya, oleh itu untuk
memperolehi digit yang sama dua kali atau lebih di dalam baris adalah mungkin.
Jadual 7.2
Kerangka Populasi 30 Syarikat
5
Pengenalan kepada Statistik Ekonomi dan Perniagaan
Jadual 7.3
Nombor Populasi 30 Syarikat
Objeknya ialah untuk mengambil sampel enam syarikat, oleh itu enam
nombor dua-digit mesti dipilih daripada jadual nombor rawak. Disebabkan
populasi ini hanya mengandungi 30 syarikat, semua nombor yang lebih besar
daripada 30 (31-99) hendaklah diabaikan. Sebagai contoh, jika 67 dipilih, proses
hendaklah diteruskan sehingga nilai di antara 1 hingga 30 diperolehi. Jika
nombor yang sama diperolehi lebih dari sekali, teruskan kepada nombor yang
lain. Untuk lebih memahami, kita mulakan dengan pasangan digit yang pertama
di dalam Jadual 7.1 dan memilih disepanjang baris sehingga n = 6 nilai yang
berbeza di antara 1 hingga 30. Jika tambahan nombor diperlukan, kita teruskan
ke kedua, dan seterusnya. Biasanya penyelidik akan memulakan pada lokasi
yang dipilih secara rawak di dalam jadual dan meneruskannya kearah yang telah
ditentukan untuk memilih nombor.
Di dalam baris pertama, nombor pertama ialah 91. Nombor ini diluar
jeda oleh itu ia diabaikan. Nombor dua digit berikutnya ialah 56. Kemudian 74,
diikuti 25, yang merupakan nombor yang boleh diambil. Dari Jadual 7.3, kita
lihat 25 ialah nombor yang berpadanan dengan Syarikat RHB merupakan
syarikat pertama yang dipilih kedalam sampel. Nombor berikutnya ialah 95, juga
diabaikan, diikuti 27, merupakan nombor yang boleh dipilih. Nombor 27
merupakan nombor untuk syarikat Suria Cap. Meneruskan proses ini kita
mendapati nombor 95 dan 83. Nombor berikutnya ialah 01, merupakan nilai
untuk Syarikat Affin. Nombor 34 adalah nombor berikutnya, diikuti oleh nombor
04 dan 02, kedua-duanjya boleh digunakan. Nombor ini adalah berpadanan
dengan Syarikat Apax dan Amanah. Meneruskan proses ini disepanjang baris,
nombor berikutnya ialah 29, yang berpadanan dengan Syarikat UCB. Oleh itu
pemilihan enam sampel syarikat telah diselesaikan. Berikut adalah syarikat yang
dipilih sebagai sampel akhir:
6
Persampelan dan Taburan Persampelan
RHB
Suria Cap
Affin
Apax
Amanah
UCB
7
Pengenalan kepada Statistik Ekonomi dan Perniagaan
Rajah 7.1
Persampelan Rawak Berstrata Pendengar Radio
20-30 tahun
(homogen)
Hetrogen di
antaranya
20-30 tahun
(homogen)
Hetrogen di
antaranya
20-30 tahun
(homogen)
Persampelan Sistematik
8
Persampelan dan Taburan Persampelan
Menentukan Nilai k
N
k
n
dimana
n = saiz sampel
N = saiz populasi
K = saiz selang untuk dipilih
9
Pengenalan kepada Statistik Ekonomi dan Perniagaan
Rajah 7.2
Beberapa Bandar Ujian Pemasaran
10
Persampelan dan Taburan Persampelan
kluster blok dan memilih secara rawak rumah individu daripada kluster blok.
Peringkat pertama ialah memilih bandar ujian dan peringkat kedua memilih blok.
Persampelan kluster atau kawasan mempunyai beberapa kebaikan. Dua
daripada kebaikan yang utama ialah selesa dan kos. Kluster biasanya mudah
diperolehi, dan kos persampelan daripada keseluruhan populasi adalah
dikurangkan kerana skop kajian telah dikurangkan kepada kluster. Kos per unsur
biasanya rendah di dalam persampelan kluster atau kawasan di dalam kluster
berbanding persampelan rawak berstrata disebabkan penyenaraian unsur dan kos
lokasi yang rendah. Masa dan kos menghubungi unsur populasi juga
dikurangkan, terutamanya jika melibatkan perjalanan disebabkan kluster
mengurangkan jarak di antara unsur sampel. Disamping itu pentabiran sampel
survei boleh diringkaskan. Kadangkala persampelan kluster atau kawasan
merupakan pendekan yang hanya boleh dilakukan disebabkan kerangka
persampelan bagi unsur populasi individu tidak diperolehi dan oleh itu lain-lain
teknik persampelan tidak boleh digunakan.
Persampelan kluster atau kawasan juga mempunyai beberapa kelemahan.
Jika unsur kluster adalah sama, persampelan kluster mungkin secara statistik
tidak cekap berbanding persampelan rawak mudah. Di dalam kes yang lebih
ekstrim, - apabila unsur kluster adalah sama – persampelan daripada kluster
mungkin tidak baik berbanding persampelann unit tunggal daripada kluster.
Selanjutnya, kos dan masalah analisis statistik adalah lebih besar dngan
persampelan kluster berbanding persampelan rawak mudah.
Persampelan Selesa
11
Pengenalan kepada Statistik Ekonomi dan Perniagaan
Persampelan pertimbangan nilai terjadi apabila unsur dipilih untuk sampel adalah
dipilih berdasarkan kepada pertimbangan penyelidik sahaja. Penyelidik
selalunya mempercayai mereka boleh memperolehi perwakilan sampel melalui
pertimbangan mereka, dimana menghasilkan penjimatan masa dan perbelanjaan.
Kadangkala beretika, penyelidik profesional mempercayai mereka boleh
memilih perwakilan sampel yang lebih sempurna berbanding dengan proses
rawak. Mereka mungkin betul! Walau bagaimanapun, beberapa kajian telah
menunjukkan kaedah persampelan rawak tidak menunjukkan keupayaan yang
baik bagi persampelan pertimbangan nilai di dalam menganggarkan min populasi
walaupun penyelidik telah mentadbirkan persampelan pertimbangan nilai dengan
mengambil perwakilan sampel yang seimbang. Apabila sampel dilakukan
melalui pertimbangan nilai, pengiraan kebarangkalian dimana unsur tersebut
akan dipilih kedalam sampel adalah mustahil. Ralat persampelan tidak boleh
ditentukan secara objektif kerana kebarangkalian adalah berdasarkan kepada
pemilihan tidak rawak.
Lain-lain masalah berkaitan dengan persampelan pertimbangan nilai
adalah penyelidik cuba untuk membuat ralat pertimbangan nilai di dalam satu
arah. Ralat sistematik ini akan menyebabkan apa yang dikatakan sebagai bias.
Penyelidik juga cuba untuk menyisihkan untuk melibatkan unsur yang ekstrem.
Melalui persampelan pertimbangan nilai, tidak ada kaedah objektif untuk
menentukan sama ada pertimbangan nilai saorang manusia itu lebih baik
daripada yang lain.
Persampelan Kuota
12
Persampelan dan Taburan Persampelan
persampelan tidak rawak untuk memperolehi data dari strata sehingga kuota yang
diperlukan bagi sampel dipenuhi. Kuota ditentukan dengan kawalan kuota,
dimana set saiz sampel untuk sampel untuk diperolehi dari sub-kumpulan.
Secara amnya, kuota adalah berdasarkan kepada bahagian sub-kumpulan di
dalam populasi. Di dalam kes ini, konsep kuota adalah sama sebagaimana
persampelan strata berkadaran.
Kuota biasanya dipenuhi melalui unsur yang ada, terkini atau boleh
digunakan. Sebagai contoh, berbanding temuduga orang secara rawak untuk
memperolehi kuota Cina, penyelidik akan pergi kekawasan yang ramai penghuni
Cina dan menemuduganya sehingga jawapan diperolehi untuk memenuhi kuota.
Di dalam persampelan kuota, temuduga akan dimulakan dengan menyoal
beberapa soalan tapisan; jika responden mewakili sub-kelas dimana kuota telah
dipenuhi, temuduga akan menghentikan temuduga tersebut.
Persampelan kuota amat berguna apabila tiada kerangka diperolehi untuk
populasi. Sebagai contoh, katakan penyelidik hendak menstratakan populasi
mengikut pemilik jenis kereta tetapi gagal untuk memperolehi senarai pemilik
BMW. Melalui persampelan kuota, penyelidik akan meneruskan temuduga
semua pemilik kereta dan menyingkirkan bukan pemilik BMW sehingga kuota
pemilik BMW dipenuhi.
Persampelan kuota kurang mahal berbanding teknik persampelan rawak
disebabkan ia merupakan teknik yang selesa. Walau bagaimanapun, kos tidak
memberikan makna disebabkan kualiti teknik persampelan rawak dan tidak
rawak tidak boleh dibandingkan. Kebaikan lain persampelan kuota ialah
cepatnya memperolehi data. Penyelidik tidak perlu mengunjungi semula atau
menghantar soal selidik kedua jika tiada tindakbalas dari responden; ia hanya
pergi ke unsur berikutnya. Juga, persediaan untuk persampelan kuota adalah
minimum.
Masalah utama persampelan kuota ialah apabial semuanya telah
dijalankan, ia hanyalah persampelan tidak rawak. Sesetengah penyelidik
menyatakan jika kuota telah dipenuhi melalui pemilihan unsur tidak rawak dan
menyingkiri yang bukan dari strata, persampelan kuota merupakan versi dari
persampelan rawak strata. Walau bagaimanapun, kebanyakan persampelan kuota
dilakukan oleh penyelidik dengan cepat untuk memenuhi kuota. Walau
bagaimanapun, kaedah ini masih merupakan kaedah persampelan tidak rawak.
Kaedah bola salji merupakan subjek survei adalah dipilih berdasarkan kepada
rujukan dari responden survei yang lain. Penyelidik mengenalpasti responden
yang memenuhi keperluan profail subjek yang hendak dikaji. Penyelidik
kemudiannya menemuduga responden ini nama dan lokasi orang lain yang
memenuhi profail subjek yang hendk dikaji. Melalui rujukan ini, subjek survai
13
Pengenalan kepada Statistik Ekonomi dan Perniagaan
boleh dikenalpasti dengan murah dan cekap, khususnya berguna apabila subjek
survei sukar untuk dikenalpasti.
Di dalam proses statistik pentaabiran, sampel rawak adalah dipilih dari populasi,
statistik dikira berdasarkan sampel, dan kesimpulan adalah dibuat berkaitan
parameter populasi dari statistik. Di dalam percubaan untuk menganalisis
statistik sampel, biasanya kita perlu mengetahui taburan statistik. Setakat ini kita
telah mempelajari beberapa taburan termasuklah taburan binomial, taburan
14
Persampelan dan Taburan Persampelan
15
Pengenalan kepada Statistik Ekonomi dan Perniagaan
Perhatikan bentuk histogram bagi min sampel adalah lebih kurang sama
bentuknya histogram populasi. Min sampel kelihatannya memenuhi kearah
pertengahan taburan dan mengecil kearah hujung taburan.
Setakat ini, kita telah menguji populasi dengan taburannya. Walau
bagaimanapun, min sampel yang diambil dari populasi ini menghampiri taburan
normal, terutamanya apabila saiz sampel bertambah besar. Apakah akan terjadi
kepada taburan min sampel jika kita mengkaji populasi yang mempunyai bentuk
16
Persampelan dan Taburan Persampelan
taburan yang berbeza? Jawapab kepada persoalan ini diberi di dalam teorem had
memusat.
Teorem had memusat membentuk potensi penggunaan taburan normal
kepada banyak masalah apabila saiz sampel adalah cukup besar. Min sampel
yang hendak dikira dari sampel rawak yang dipilih daripada populasi yang
bertaburan normal adalah bertaburan normal. Walau bagaimanapun, kebaikan
sebenar teorem had memusat ialah bahawa sampel data adalah diambil daripada
populasi yang tidak bertaburan normal atau populasi yang tidak diketahui
bentuknya juga boleh dianalisis menggunakan taburan normal kerana min sampel
adalah bertaburan normal untuk sampel yang cukup besar saiznya. Lajur 1 Rajah
7.6 menunjukkan empat taburan populasi yang berbeza. Setiap lajur yang
bersebelahan menunjukkan bentuk taburan min sampel bagi saiz sampel yang
tertentu. Perhatikan dibaris bawah sekali bagi populasi yang bertaburan normal
menunjukkan min sampel adalah juga bertaburan normal apabila n = 2.
Perhatikan juga bagi lain-lain taburan populasi, taburan min sampel menghampiri
keluk normal apabila n menjadi semangkin besar. Bagi semua empat taburan,
taburan min sampel menghampiri normal apabila n = 30.
X
dan sisihan piawai bagi min sampel ialah sisihan piawai populasi
dibahagikan dengan punca kuasadua saiz sampel.
X
n
17
Pengenalan kepada Statistik Ekonomi dan Perniagaan
Rajah 7.6
Bentuk Taburan Min Sampel bagi Tiga Saiz Sampel
yang diambil dari Empat Taburan Populasi yang Berbeza
Berapa besar sampel mesti diambil untuk teorem had memusat boleh
digunakan? Saiz sampel yang perlu berbeza menurut bentuk populasi. Walau
bagaimanapun, didalah buku ini, sampel bersaiz 30 atau lebih adalah mencukupi.
Ingat kembali, jika populasi adalah bertaburan normal, min sampel adalah
bertaburan normal bagi sampel saiz sekecil n = 1. Sebagaimana yang
ditunjukkan di dalam Rajah 7.6, taburan adalah semangkin tirus. Ini disebabkan
18
Persampelan dan Taburan Persampelan
sisihan piawai bagi min ialah n . Nilai ini akan menjadi semangkin kecil
apabila saiz n ditingkatkan.
Di dalam Jadual 7.4, min dan sisihan piawai bagi min adalah ditunjukkan
bagi sampel rawak berbagai saiz (n = 2 hingga n = 30) diambil dari taburan
seragam dengan a = 10 dan b = 30. Min populasi ialah 20, dan sisihan piawai
populasi ialah 5.774. Perhatikan min bagi min sampel bagi setiap saiz sampel
adalah hampir 20 dan sisihan piawai bagi min sampel bagi setiap set 90 sampel
adalah hampir sama dengan n . Perbezaan yang kecil di antara sisihan piawai
min sampel dan n disebabkan tidak semua sampel yang mungkin bagi
sampel saiz yang diberi diambil dari populasi (hanya 90). Secara teorinya, jika
semua kemungkinan sampel bagi sampel saiz yang diberi adalah diambil, min
bagi min sampel adalah sama dengan min populasi dan sisihan piawai bagi min
sampel adalah sama sebagaimana sisihan piawai dibahagi dengan punca kuasa
dua n.
Jadual 7.4
X dan X 90 Sampel rawak untuk Lima Saiz Sampel yang Berbeza
X-
Z
19
Pengenalan kepada Statistik Ekonomi dan Perniagaan
X - X
Z
X
X -μ
Z
σ
n
20
Persampelan dan Taburan Persampelan
Rajah 7.7
Penyelesaian Grafik Masalah Pelanggan Pasar raya
0.4207 0.0793
Z=1.41
= RM85.00 X = RM87.00
9.00
X RM1.42
n 40
Z=0 Z=1.41
Contoh 7.1
21
Pengenalan kepada Statistik Ekonomi dan Perniagaan
Katakan dalam sata satu jam di dalam pasaraya yang besar, purata bilangan
pelanggan ialah 448, dengan sisihan piawai 21 pelanggan. Apakah
kebarangkalian sampel rawak 49 jam membeli belah yang berbeza akah
menghasilkan min sampel antara 441 dan 446 pelanggan?
Penyelesaian:
Bagi masalah ini, = 448, = 21, dan n = 49. Masalahnya ialah untuk mencari
P(441 X 446). Gambarajah di bawah meenerangkan masalah tersebut.
X 441 X 446
=448
3
n
Menyelesaikan masalah ini dengan mengira skor Z dan menggunakan Jadual A.3
untuk menentukan kebarangkalian
441 - 448 -7
Z - 2.33
21 3
49
dan
446 - 448 -2
Z - 0.67
21 3
49
22
Persampelan dan Taburan Persampelan
ialah 0.4901 – 0.2486 = 0.2415. Oleh yang demikian, terdapat 24.15% peluang
memilih secara rawak tempoh masa 49 jam untuk memperolehi min sampel di
antara 441 dan 446 pelanggan.
Contoh yang akan ditunjukkan di dalam bahagian ini dan Contoh 7.1 adalah
berdasarkan kepada andaian populasi adalah infiniti atau terlalu besar. Di dalam
kes populasi finit, pelarasan statistik boleh dilakukan terhadap formula Z bagi
min sampel. Pelarasan adalah dipanggil sebagai faktor pembetulan finit:
N-n
. Ia beroperasi di atas sisihan piawai min sampel, X . Berikut ialah
N-1
formula Z bagi min sampel apabila sampel adalah dipilih dari populasi finit.
X -
Z
N n
n N - 1
23
Pengenalan kepada Statistik Ekonomi dan Perniagaan
500 - 35 465
0.965
500 - 1 499
Oleh itu sisihan piawai bagi min – kadang kala dirujukkan sebagai
sisihan piawai bagi min – adalah diselaraskan rendah sedikit menggunakan
0.965. Apabila saiz populasi finit semangkin besar di dalam hubungannya denga
saiz sampel, faktor pembetulan finit akan menghampiri 1. Secara teorinya,
apabila penyelidik berkerja dengan populasi finit, mereka boleh menggunakan
faktor pembetulan finit. Sebagai peraturan semulajadi kepada kebanyakan
penyelidik, jika saiz sampel kurang daripada 5% saiz populasi finit, faktor
pembetulan finit tidak signifikan mengubahsuai penyelesaian. Jadual 7.5
mengandungi beberapa ilustrasi faktor pembetulan finit.
Jadual 7.5
Faktor Pembetulan Finit bagi Beberapa saiz Sampel
Contoh 7.2
Syarikat pengeluaran mempunyai 350 jam pekerja dengan purata umur 37.6
tahun dengan sisihan piawai 8.3 tahun. Jika sampel rawak 45 jam pekerja
diambil, apakah kebarangkalian sempel tersebut mempunyai purata umur kurang
daripada 40 tahun?
Penyelesaian:
Min populasi ialah 37.6, dengan sisihan piawai 8.3; iaitu, = 37.6 dan = 8.3.
Saiz sampel ialah 45, tetapi diambil dari populasi finit 350; iaitu n = 45 dan N =
350. Min sampel di bawah pertimbangan ialah 40, atau X = 40. Rajah berikut
menunjukkan masalah tersebut di dalam keluk normal.
24
Persampelan dan Taburan Persampelan
=37.6 X 40
Z=0 Z=2.07
25
Pengenalan kepada Statistik Ekonomi dan Perniagaan
biasanya statistik yang dipilih. Dimana min adalah dikira dengan mempuratakan
set nilai, perkadaran sampel adalah dikira dengan membahagikan kekerapan
dimana ciri-ciri yang dikehendaki terjadi di dalam sampel dengan bilangan item
di dalam sampel.
Perkadaran Sampel
X
p
n
dimana
X= bilangan item di dalam sampel yang mempunyai
ciri-ciri yang dikehendaki
N= bilangan item di dalam sampel
p-P
Z
P.Q
n
dimana 26
p= perkadaran sampel
n = saiz sampel
P = perkadaran populasi
Q=1-P
Persampelan dan Taburan Persampelan
Formula Z menghasilkan
Rajah 7.8
Penyelesaian Geraf Contoh Kontraktor Elektrik
27
Pengenalan kepada Statistik Ekonomi dan Perniagaan
Z=-2.24
0.125
0.4875
^
p 0.50 p=0.60
Z=-2.24 Z=0
Contoh 7.3
Jika 10% populasi barangan adalah rosak, apakah kebarangkalian memilih secara
rawak 80 barangan dan mendapati 12 atau lebih barangan yang rosak.
Penyelesaian
28
Persampelan dan Taburan Persampelan
Oleh itu, lebih kurang 6.81% daripada masa, 12 atau lebih barangan yang rosak
diperolehi di dalam sampel rawak 80 barangan apabila perkadaran populasi ialah
0.10. Rajah di bawah menunjukkan masalah ini secara grafik.
Z=1.49 0.0681
0.4319
^
p=0.10 p 0.15
Z=0 Z=1.49
29