Persampelan KVSR

KOLEJ VOKASIONAL SLIM RIVER
TOPIK 2 PERSAMPELAN
KERTAS PENERANGAN
KOD DAN NAMA STATISTIK TEKNOLOGI (UMT 3132)

KURSUS STATISTIK (UMS 3112)
SEMESTER 3
NO. DAN TAJUK 2.0 PERSAMPELAN
STANDARD 2.1 Taburan Kebarangkalian

PEMBELAJARAN 2.2 Taburan Persampelan
2.1.1 Pengenalan Kebarangkalian

2.1.2 Taburan Binomial
2.1.3 Taburan Poisson
2.1.4 Taburan Normal
TUJUAN
2.2.1 Pengenalan Kepada Taburan Persampelan
2.2.2 Taburan Persampelan bagi Min Sampel
2.2.3 Teorem Had Memusat
2.2.4 Taburan Persampelan bagi Perkadaran Sampel
NAMA PELAJAR
PROGRAM
NO. KAD
PENGENALAN
TARIKH
KERTAS PENERANGAN 2 DVM TAHUN 2 SEMESTER 3
STATISTIK TEKNOLOGI (UMT 3132) & STATISTIK (UMS 3112) PERSAMPELAN
2.0 PERSAMPELAN
2.1 TABURAN KEBARANGKALIAN
2.1.1 PENGENALAN KEBARANGKALIAN
BIL PERKARA PENERANGAN CONTOH / TATATANDA / FORMULA

1. Pemboleh ubah Satu fungsi yang nilainya Diwakili oleh huruf besar seperti 𝑋 dan 𝑌
rawak ditentukan daripada
unsur-unsur ruang sampel
secara rawak
2. Pemboleh ubah Mempunyai sukatan data Contoh:
rawak diskret tertentu dan boleh i) Bilangan orang
dibilang. ii) Bilangan huruf
𝑋 ialah satu pemboleh iii) Bilangan kereta
ubah rawak diskret jika:
a) 𝑃(𝑋 = 𝑥) ≥ 0; dan
b) ∑ 𝑃(𝑋 = 𝑥) = 1
3. Pemboleh ubah Boleh mengambil Contoh:
rawak selanjar sebarang nilai yang tak i) Jisim pelajar
terhingga dalam suatu ii) Ketinggian pelajar
lingkungan julat yang iii) Jarak
tertentu
4. Kebarangkalain Kemungkinan dan i) Kebarangkalian pemboleh ubah rawak
kekerapan berlakunya diskret:
suatu peristiwa a) 𝑃(𝑋 = 𝑥)
ii) Kebarangkalian pemboleh ubah rawak
selanjar:
a) 𝑃(𝑋 > 𝑥) *lebih daraipada
b) 𝑃(𝑋 < 𝑥) *kurang daripada
c) 𝑃(𝑋 ≥ 𝑥) *sekurang-kurangnya /
tidak kurang daripada
d) 𝑃(𝑋 ≤ 𝑥) *selebih-lebihnya / tidak
lebih daripada
e) 𝑃(𝑥1 < 𝑋 < 𝑥2 ) *antara
f) 𝑃(𝑋 < 𝑥1 ) + 𝑃(𝑋 > 𝑥2 ) *di luar julat
5. Taburan Senarai semua nilai yang Contoh taburan kebarangkalian diskret:

kebarangkalian mungkin bagi pemboleh i) Taburan Bionomial
ubah rawak diskret atau ii) Taburan Poisson
selanjar dengan
kebarangkalian yang Contoh taburan kebarangkalian selanjar:
bersepadan dalam suatu i) Taburan Normal
ujikaji
2
2.1.2 TABURAN BINOMIAL

❖ Taburan binomial ialah taburan kebrangkalian pemboleh ubah rawak diskret
𝑋 dengan parameter 𝒑 sebagai kebarangkalian kejayaan [manakala 𝒒
kebarangkalian kegagalan] bagi setiap percubaan dan 𝒏 sebagai
bilangan percubaan bagi suatu ujikaji
Tatatanda : 𝑋~𝐵(𝑛, 𝑝)
Min = 𝜇 = 𝑛𝑝
Varians = 𝜎 2 = 𝑛𝑝𝑞
di mana 𝑞 = 1 − 𝑝
Contoh:
Rekod yang lepas mendapati bahawa 70% pelajar kelas memandu yang mengambil ujian memandu
lulus di sebuah pusat ujian memandu yang tertentu. Jika terdapat 100 orang yang mengambil ujian
memandu pada suatu hari yang tertentu,
a) Nyatakan taburan kebarangkalian yang mewakili kebarangkalian pelajar lulus ujian memnadu
b) Tentukan
i) Min
ii) Varians
c) Kebarangkalian pelajar gagal kelas memandu
Penyelesaian:
L1: Senaraikan maklumat yang diberi
L2: Selesaikan (a)

𝑋~𝐵(𝑛, 𝑝)
=
L3: Selesaikan (b)(i) dengan menggunakan rumus yang diberi
L4: Selesaikan (b)(ii) dengan menggunakan rumus yang diberi
L5: Selesaikan (c)
3
Latihan:
Kebarangkalian seorang suri rumah membeli sabun cap Cynthia ialah 0.71. Daripada 50 orang suri
rumah yang telah membeli sabun,
a) Nyatakan taburan kebarangkalian yang mewakili kebarangkalian suri rumah membeli sabun cap
Cynthia
b) Tentukan
i) Min
ii) Sisihan Piawai
Penyelesaian:
L2: Selesaikan (a)

𝑋~𝐵(𝑛, 𝑝)
=
2.1.3 TABURAN POISSON

❖ Taburan Poisson ialah taburan kebarangkalian pemboleh ubah rawak
diskret 𝑋 yang mewakili bilangan peristiwa yang diberi berlaku dalam suatu
tempoh waktu tertentu, dengan parameter 𝝀.
Tatatanda : 𝑋~𝑃𝑜 (𝜆)

Min = 𝜇 = 𝜆
Varians = 𝜎 2 = 𝜆
Contoh:
Kelewatan yang teruk di stesen kereta api berlaku secara rawak pada kadar purata 0.5 setiap
minggu.
a) Nyatakan taburan kebarangkalian yang mewakili kebarangkalian kelewatan yang teruk berlaku
setiap minggu
b) Tentukan
i) Min
ii) Varians
Penyelesaian:
4
L2: Selesaikan (a)

𝑋~𝑃𝑜 (𝜆)
=
Latihan:
Diberi 𝑌 sebagai pemboleh ubah rawak yang mewakili bilangan kemalangan dalam tempoh masa
sebulan dengan 𝜆 = 1.5
a) Nyatakan taburan kebarangkalian bagi pemboleh ubah rawak 𝑌
b) Tentukan
i) Min
ii) Sisihan Piawai
Penyelesaian:
L2: Selesaikan (a)

𝑋~𝑃𝑜 (𝜆)
=
2.1.4 TABURAN NORMAL

❖ Taburan normal ialah taburan kebarangkalian pemboleh ubah rawak
selanjar 𝑋 berbentuk simetri yang mempunyai nilai min, 𝝁 dan sisihan
piawai, 𝝈. Lengkungnya berbentuk loceng (bell shape).
Tatatanda : 𝑋~𝑁(𝜇, 𝜎 2 )
❖ Suatu pembolehubah rawak normal 𝑋 ~ 𝑁 (µ, 𝜎2) boleh dipiawaikan dan

ditulis sebagai 𝑍 ~ 𝑁 (0, 1) dengan min 0 dan varians 1.
5
❖ Ciri-ciri sifir taburan normal piawai, 𝑁 (0, 1) adalah seperti berikut:
𝑲𝒆𝒔 𝟏 ∶ 𝑷(𝒁 > 𝒂) 𝑲𝒆𝒔 𝟐: 𝑷(𝒁 < 𝒂)

𝑓(𝑧)
𝑃(𝑍 < 𝑎)
𝑎 0
Kes 3 :𝑷(– ∞ < 𝒁 < ∞) = 𝟏
𝑲𝒆𝒔 𝟒 ∶ 𝑷(𝒁 > 𝟎) = 𝑷(𝒁 < 𝟎) = 𝟎. 𝟓
𝑲𝒆𝒔 𝟓 ∶ 𝑷(𝒁 > 𝒂) = 𝑷(𝒁 < – 𝒂)
6
❖ Terdapat beberapa jenis sifir bagi taburan normal. Berikut adalah contoh bagi kebarangkalian
hujung atas
7
Extra Notes: (Penggunaan Kalkulator)
Panduan ini hanya untuk kalkulator CASIO fx-570MS dan CASIO fx-570ES.
CASIO fx-570MS CASIO fx-570ES
1. pastikan dalam mode SD 1. pastikan dalam mode STAT
mode mode 1 mode 3
2. masuk ke mode DISTR 2. Clearkan screen
shift 3 AC
Akan terpapar pilihan : 3. masuk ke taburan normal
P( Q( R( >t
1 2 3 4 shift 1 5
Akan terpapar pilihan :
1: P( 2: Q(
3: R( 4: >t
P( --------> untuk mencari P( Z  z ) ,    z  
R( --------> untuk mencari P( Z  z ) ,    z  
Q( --------> untuk mencari P(0  Z  a) , P(a  Z  0) ,    a  
Contoh :
P( Z  0.5)  P(0.5 = 0.69146 P(0  Z  0.5)  * Q(0.5 = 0.19146

=0.6915 tunjukkan :
P( Z  0.1)  * P(-0.1 = 0.46017  P( Z  0.5)  P ( Z  0)
tunjukkan :  0.6915  0.5
 1  P( Z  0.1)  1  P( Z  0.1)  0.1915
 1  0.5398  0.4602
P(1  Z  0)  * Q(-1 = 0.34134
P( Z  1)   R(-1 = 0.84134  P( Z  1) tunjukkan :
=0.8413  P( Z  1)  P ( Z  0)
P( Z  0.7)  * R(0.7 = 0.24196  P( Z  1)  P ( Z  0)
tunjukkan :  0.8413  0.5
 1  P( Z  0.7)  0.3413
 1  0.7580  0.2420
NOTA:
• Elakkan memberi jawapan tanpa tunjukkan kerja, jawapan terus dari kalkulator hanya dihadkan kepada
P(Z  nilai positif )  P(nilai positif dan P(Z  nilai negatif )  R(nilai negatif
Jawapan hendaklah dibundarkan kepada 4 tempat perpuluhan agar setara dengan bacaan dari Jadual
Taburan Normal Piawai .
8
Mencari kebarangkalian, bagi taburan normal menggunakan jadual:

❖ Kebarangkalian Hujung Atas 𝑄(𝑧) bagi taburan normal 𝑁(0,1)
❖ Rajah mestilah berlorek pada bahagian positif (0,1)
❖ Untuk rujuk jadual kebarangkalian hujung atas, simbol mestilah > @ ≥
Contoh: (bagi simbol ‘> @ ≥’)

Jika Z adalah pembolehubah rawak normal piawai, tentukan kebarangkalian
a) 𝑃(𝑍 > 0.56) d) 𝑃(𝑍 > 0.002)
b) 𝑃(𝑍 ≥ 0.2) e) 𝑃(𝑍 > 1.853)
c) 𝑃(𝑍 > 1.196) f) 𝑃(𝑍 > 0.674)
Penyelesaian
a) 𝑃(𝑍 > 0.56)
Langkah:
i) Lukis gambar rajah
ii) Rujuk jadual taburan normal
∴ 𝑃(𝑍 > 0.56) = 0.2877
b) 𝑃(𝑍 ≥ 0.2)
Langkah:

∴ P(Z ≥ 0.2) = 0.4207
9
c) 𝑃(𝑍 > 1.196)

Langkah:
∴ 𝑃(𝑍 > 1.196) = 0.1170 – 0.0012 = 0.1158
d) 𝑃(𝑍 > 0.002)
e) 𝑃(𝑍 > 1.853)
f) 𝑃(𝑍 > 0.674)
10
Contoh: (bagi nilai negatif ‘< @ ≤’)

a) 𝑃(𝑍 < − 0.5) c) 𝑃(𝑍 < −0.925)
b) 𝑃(𝑍 ≤ −1.267) d) 𝑃(𝑍 < −1.555)
e) 𝑃(𝑍 ≤ −1.3)
Penyelesaian
a) 𝑃(𝑍 < − 0.5)
Langkah:

∴ 𝑃(𝑍 < − 0.5) = 𝑃(𝑍 > 0.5) = 0.3085
b) 𝑃(𝑍 ≤ −1.267)
Langkah:

∴ 𝑃(𝑍 ≤ −1.267) = 𝑃(𝑍 ≥ 1.267) = 0.1038 – 0.0017 = 0.1025
c) 𝑃(𝑍 < −0.925)
11
d) 𝑃(𝑍 < −1.555)
e) 𝑃(𝑍 ≤ −1.3)
Contoh: (bagi simbol ‘< @ ≤’)

a) 𝑃(𝑍 < 1.052) c) 𝑃(𝑍 < 0.874)
b) 𝑃(𝑍 < 1.234) d) 𝑃(𝑍 < 1.377)
e) 𝑃(𝑍 ≤ 1.63)
Penyelesaian
a) 𝑃(𝑍 < 1.052)
Langkah:

∴ 𝑃(𝑍 < 1.052) = 1 – 𝑃(𝑍 > 1.052)
= 1 − (0.1469 – 0.0005) = 0.8536
12
b) 𝑃(𝑍 < 1.234)

Langkah:

∴ 𝑃(𝑍 < 1.234) = 1 − 𝑃(𝑍 > 1.234)
= 1 − (0.1093 – 0.0007) = 0.8914
c) 𝑃(𝑍 < 0.874)
d) 𝑃(𝑍 < 1.377)
e) 𝑃(𝑍 ≤ 1.63)
13
Contoh: (bagi nilai negatif ‘> @ ≥’)

a) 𝑃(𝑍 > − 0.951) c) 𝑃(𝑍 > −0.51)
b) 𝑃(𝑍 ≥ −0.788) d) 𝑃(𝑍 > −3.06)
e) 𝑃(𝑍 ≥ −2.061)
Penyelesaian
a) 𝑃(𝑍 > − 0.951)
Langkah:

∴ 𝑃(𝑍 > − 0.951) = 𝑃(𝑍 < 0.951)
= 1 − 𝑃(𝑍 > 0.951)
= 1 − (0.1711 – 0.0003) = 0.8292
b) 𝑃((𝑍 ≥ −0.788)
Langkah:

∴ 𝑃((𝑍 ≥ −0.788) = 𝑃((𝑍 ≤ 0.788)
= 1 − 𝑃(𝑍 ≥ 0.788)
= 1 − (0.2177 – 0.0024) = 0.7847
c) 𝑃(𝑍 > −0.51)
14
d) 𝑃(𝑍 > −3.06)
e) 𝑃(𝑍 ≥ −2.061)
Contoh: (bagi “nilai positif < 𝒁 < nilai positif” @ “nilai positif ≤ 𝒁 ≤ nilai positif”)
a) 𝑃(0.50 < 𝑍 < 2.50) c) 𝑃(0.345 < 𝑍 < 1.751)
b) 𝑃(0 < 𝑍 ≤ 1) d) 𝑃(0.829 < 𝑍 < 1.843)
e) 𝑃(1.764 ≤ 𝑍 ≤ 2.567)
Penyelesaian
a) 𝑃(0.50 < 𝑍 < 2.50)
Langkah:

∴ 𝑃(0.50 < 𝑍 < 2.50) = 𝑃(𝑍 > 0.50) – 𝑃(𝑍 > 2.50)
= 0.3085 – 0.00621
= 0.30229 = 0.3023
15
b) 𝑃(0 < 𝑍 ≤ 1)
Langkah:

∴ 𝑃(0 < 𝑍 ≤ 1) = 𝑃(𝑍 > 0) – 𝑃(𝑍 ≥ 1)
= 0.5000 – 0.1587
= 0.3413
c) 𝑃(0.345 < 𝑍 < 1.751)
d) 𝑃(0.829 < 𝑍 < 1.843)
e) 𝑃(1.764 ≤ 𝑍 ≤ 2.567)
16
Contoh: (bagi “nilai negatif < 𝒁 < nilai negatif” @ “nilai negatif ≤ 𝒁 ≤ nilai negatif”)
a) 𝑃(−1 < 𝑍 < −0.5) c) 𝑃(−1.762 < 𝑍 < −0.246)
b) 𝑃(−1.4 < 𝑍 ≤ −0.60) d) 𝑃(−2.95 < 𝑍 < −1.2)
Penyelesaian
a) 𝑃(−1 < 𝑍 < −0.5)
Langkah:

∴ 𝑃(−1 < 𝑍 < −0.5) = 𝑃(𝑍 > 0.5) – 𝑃(𝑍 > 1)
= 0.3085 – 0.1587
= 0.1498
b) 𝑃(−1.4 < 𝑍 ≤ −0.60)

Langkah:

∴ 𝑃(−1.4 < 𝑍 ≤ −0.60) = 𝑃(𝑍 > 0.60) – 𝑃(𝑍 > 1.4)
= 0.2743 – 0.808
= 0.1935
17
c) 𝑃(−1.762 < 𝑍 < −0.246)
d) 𝑃(−2.95 < 𝑍 < −1.2)
Contoh: (bagi “nilai negatif < 𝒁 < nilai positif” @ “nilai negatif ≤ 𝒁 ≤ nilai positif”)
a) 𝑃(−1.1 < 𝑍 < 0.3) c) 𝑃(−0.134 < 𝑍 < 2.56)
b) 𝑃(−1.5 < 𝑍 ≤ 0.5) d) 𝑃(−1.865 < 𝑍 < 2.696)
e) 𝑃(−1.725 < 𝑍 < 1.65)
Penyelesaian
a) 𝑃(−1.1 < 𝑍 ≤ 0.3)
Langkah:

∴ 𝑃(−1.1 < 𝑍 ≤ 0.3) = 1 − 𝑃(𝑍 > 1.1) – 𝑃(𝑍 > 0.3)
= 1 – 0.1357 – 0.3821
= 0.4822
18
b) 𝑃(−1.5 < 𝑍 ≤ 0.5)

Langkah:

∴ 𝑃(−1.5 < 𝑍 ≤ 0.5) = 1 − 𝑃(𝑍 > 1.5) – 𝑃(𝑍 > 0.5)
= 1 – 0.0668 – 0.3085
= 0.6247
c) 𝑃(−0.134 < 𝑍 < 2.56)
d) 𝑃(−1.865 < 𝑍 < 2.696)
e) 𝑃(−1.725 < 𝑍 < 1.65)
19
Contoh: (bagi “|𝒁| ≤ @ <”)

a) 𝑃(|𝑍| < 1.78) c) 𝑃(|𝑍| ≤ 0.45)
b) 𝑃(|𝑍| < 0.2) d) 𝑃(|𝑍| < 3.071)
Penyelesaian
a) 𝑃(|𝑍| < 1.78)
Langkah:

∴ 𝑃(|𝑍| < 1.78) = 1 − 𝑃(𝑍 > 1.78) – 𝑃(𝑍 > 1.78)
= 1 – 0.0375 – 0.0375
= 0.925
b) 𝑃(|𝑍| < 0.2)
Langkah:

∴ 𝑃(|𝑍| < 0.2) = 1 − 𝑃(𝑍 > 0.2) – 𝑃(𝑍 > 0.2)
= 1 – 0.4207 – 0.4207
= 0.1586
20
c) 𝑃(|𝑍| ≤ 0.45)
d) 𝑃(|𝑍| < 3.071)
Contoh: (bagi “|𝒁| ≥ @ >”)

a) 𝑃(|𝑍| > 0.754) c) 𝑃(|𝑍| > 0.092)
b) 𝑃(|𝑍| > 0.2) d) 𝑃(|𝑍| ≥ 0.817)
Penyelesaian
a) 𝑃(|𝑍| > 0.754)
Langkah:

∴ 𝑃(|𝑍| > 0.754) = 𝑃(𝑍 > 0.754) + 𝑃(𝑍 > 0.754)
= 2 𝑃(𝑍 > 0.754)
= 2 (0.2266 – 0.0012)
= 0.4508
21
b) 𝑃(|𝑍| > 0.2)

Langkah:

∴ 𝑃(|𝑍| > 0.2) = 𝑃(𝑍 > 0.2) + 𝑃(𝑍 > 0.2)
= 2 𝑃(𝑍 > 0.2)
= 2 (0.4207)
= 0.8414
c) 𝑃(|𝑍| > 0.092)
d) 𝑃(|𝑍| ≥ 0.817)
22
Latihan:
Jika 𝑍~𝑁(0,1) cari:
a) 𝑃(𝑍 < 1.2) b) 𝑃(𝑍 ≥ 0.25)
c) 𝑃(𝑍 ≥ −1.5) d) 𝑃(𝑍 < −0.35)
e) 𝑃(0 < 𝑍 < 0.6) f) 𝑃(−1.8 ≤ 𝑍 < 0)
23
g) 𝑃(−3 ≤ 𝑍 < 0.75) h) 𝑃(|𝑍| > 0.75)
i) 𝑃(−0.125 ≤ 𝑍 < 0.125) j) 𝑃(𝑍 > 1.853)
k) 𝑃(𝑍 > 0.674) l) 𝑃(𝑍 < −1.267)
24
m) 𝑃(𝑍 < −0.925) n) 𝑃(0.345 < 𝑍 < 1.751)
o) 𝑃(0.829 ≤ 𝑍 < 1.843) p) 𝑃(1.764 < 𝑍 < 2.567)
q) 𝑃(|𝑍| > 0.7) r) 𝑃(−0.1 ≤ 𝑍 ≤ 0.1)
25
❖ Mencari nilai Z jika diberi kebarangkalian bagi julat nilai Z

Nota :
Mesti menggunakan Jadual Taburan Normal Piawai, kalkulator saintifik yang dibenarkan tiada
fungsi untuk tujuan ini.
❖ Cara-cara melakar gambar rajah berdasarkan nilai Z yang diberi:
Kes: "𝒁 > @ 𝒁 ≥ " Kes: "𝒁 < @ 𝒁 ≤ "
Langkah 1: Langkah 1:
Lorek gambar rajah ke kanan Lorek gambar rajah ke kiri
Jika nilai 𝑃 > 0.5, 𝑐 akan berada pada sebelah Jika nilai 𝑃 > 0.5, 𝑐 akan berada pada sebelah
kiri gambar rajah. kanan gambar rajah.
Jika nilai 𝑃 < 0.5, c akan berada pada sebelah Jika nilai 𝑃 < 0.5, c akan berada pada sebelah
kanan gambar rajah kiri gambar rajah
Atau
❖ Menggunakan kaedah Try and Error
𝑃(𝑍 > 𝑐) = 𝑄
L1: Lukis bell shape
L2: SENTIASA letak 𝒄 sebelah kanan gambar rajah (0,1)
L3: Lorek gambar rajah menggunakan simbol yang diberi pada soalan
L4: Adakah logik kawasan berlorek sama dengan nilai 𝑄 yang diberi pada soalan
i) Sekiranya logik, maksudnya kedudukan 𝒄 adalah tepat.
ii) Sekiranya tidak logik, ubah kedudukan 𝒄 pada sebelah kiri gambar rajah (−1,0) untuk
mendapatkan gambar rajah yang tepat
26
Contoh: (bagi simbol " > @ ≥ ")

Jika Z dalah pembolehubah rawak normal piawai, tentukan nilai c sedemikian hingga
a) 𝑃(𝑍 > 𝑐) = 0.0968 c) 𝑃(𝑍 > 𝑐) = 0.3715
b) 𝑃(𝑍 > 𝑐) = 0.6217 d) 𝑃(𝑍 > 𝑐) = 0.7818
e) 𝑃(𝑍 ≥ 𝑐) = 0.198
Penyelesaian
a) 𝑃(𝑍 > 𝑐) = 0.0968
Langkah:
𝑃(𝑍 > 𝑐) = 0.0968

∴ 𝑐 = 1.30
b) 𝑃(𝑍 > 𝑐) = 0.6217

Langkah:
Untuk merujuk jadual taburan normal, gambar rajah haruslah berlorek pada bahagian
positif (0,1).
1 − 𝑃(𝑍 > 𝑐) = 0.6217
𝑃(𝑍 > 𝑐) = 1 − 0.6217
𝑃(𝑍 > 𝑐) = 0.3783
27
𝑃(𝑍 > 𝑐) = 0.3783

∴ 𝑐 = −0.31
c) P(𝑍 > 𝑐) = 0.3715
d) P(𝑍 > 𝑐) = 0.7818
e) P(𝑍 ≥ 𝑐) = 0.198
28
Contoh: (bagi simbol " < @ ≤ ")

a) 𝑃(𝑍 < 𝑐) = 0.242 c) 𝑃(𝑍 < 𝑐) = 0.3085
b) 𝑃(𝑍 ≤ 𝑐) = 0.6198 d) 𝑃(𝑍 < 𝑐) = 0.8999
e) 𝑃(𝑍 < 𝑐) = 0.895
Penyelesaian
a) 𝑃(𝑍 < 𝑐) = 0.242
Langkah:
Untuk merujuk jadual taburan normal, gambar rajah haruslah berlorek pada bahagian
positif (0,1).
𝑃(𝑍 < 𝑐) = 0.242

𝑃(𝑍 > −𝑐) = 0.242

𝑃(𝑍 < 𝑐) = 0.242
∴ 𝑐 = −0.70
b) 𝑃(𝑍 ≤ 𝑐) = 0.6198
Langkah:
𝑃(𝑍 ≤ 𝑐) = 0.6198
1 − 𝑃(𝑍 ≥ 𝑐) = 0.6198
𝑃(𝑍 ≥ 𝑐) = 1 − 0.6198
𝑃(𝑍 ≥ 𝑐) = 0.3802
𝑃(𝑍 ≥ 𝑐) = 0.3802
∴ 𝑐 = 0.305
29
c) 𝑃(𝑍 < 𝑐) = 0.3085
d) 𝑃(𝑍 < 𝑐) = 0.8999
e) 𝑃(𝑍 < 𝑐) = 0.895
30
Contoh: (bagi Z diantara)

a) 𝑃(−1 < 𝑍 < 𝑐) = 0.4999 c) 𝑃(|𝑍| ≥ 𝑐) = 0.0734
b) 𝑃(|𝑍| ≤ 𝑐) = 0.8480 d) 𝑃(|𝑍| > 𝑐) = 0.2714
Penyelesaian
a) 𝑃(𝑍 < 𝑐) = 0.242
Langkah:
1 − 𝑃(𝑍 > 1) − 𝑃(𝑍 > 𝑐) = 0.4999

1 − 0.1587 − 𝑃(𝑍 > 𝑐) = 0.4999
𝑃(𝑍 > 𝑐) = 1 − 0.1587 − 0.4999
P(𝑍 > 𝑐) = 0.3414
∴ 𝑐 = 0.409
b) 𝑃(|𝑍| ≤ 𝑐) = 0.8480
31
c) 𝑃(|𝑍| ≥ 𝑐) = 0.0734
Langkah:
𝑃(|𝑍| ≥ 𝑐) = 0.0734
𝑃(𝑍 ≥ 𝑐) + 𝑃(𝑍 ≥ 𝑐) = 0.0734
2𝑃(𝑍 ≥ 𝑐) = 0.0734
0.0734
𝑃(𝑍 ≥ 𝑐) =
2
𝑃(𝑍 ≥ 𝑐) = 0.0367
𝑃(𝑍 ≥ 𝑐) = 0.0367
∴ 𝑐 = 1.79
d) 𝑃(|𝑍| > 𝑐) = 0.2714
32
Latihan:
Jika Z dalah pembolehubah rawak normal piawai, tentukan nilai k sedemikian hingga:
a) 𝑃(𝑍 > 𝑘) = 0.3228 b) 𝑃(𝑍 ≥ 𝑘) = 0.9820
c) 𝑃(𝑍 ≤ 𝑘) = 0.6198 d) 𝑃(𝑍 < 𝑘) = 0.3085
e) 𝑃(−1.2 < 𝑍 < 𝑘) = 0.7698 f) 𝑃(|𝑍| > 𝑘) = 0.246
33
g) 𝑃(|𝑍| < 𝑘) = 0.3830 h) 𝑃(|𝑍| < 𝑘) = 0.6372
i) 𝑃(𝑍 > 𝑘) = 0.3715 j) 𝑃(𝑍 > 𝑘) = 0.6217
k) 𝑃(|𝑍| > 𝑘) = 0.8480 l) 𝑃(|𝑍| > 𝑘) = 0.2714
34
m) 𝑃(𝑍 > 𝑘) = 0.2574 n) 𝑃(𝑍 < 𝑘) = 0.6539
o) 𝑃(𝑍 ≥ 𝑘) = 0.7136 p) 𝑃(𝑍 < 𝑘) = 0.7764
q) 𝑃(𝑍 > 𝑘) = 0.8643 r) 𝑃(𝑍 ≤ 𝑘) = 0.1075
35
❖ Menukarkan pembolehubah rawak 𝑿 kepada pembolehubah piawai 𝒁

o Jadual Taburan Normal Piawai hanya boleh digunakan untuk pembolehubah rawak
piawai, Z.
o Supaya dapat digunakan bagi pembolehubah rawak bukan piawai seperti 𝑋, maka
pembolehubah rawak normal, 𝑿~𝑵(𝝁, 𝝈𝟐 ) mesti ditukar kepada pembolehubah rawak
normal piawai.
o Rumus
𝑿−𝝁
𝒁=
𝝈
dimana;
𝜇: 𝑀𝑖𝑛
𝜎: 𝑆𝑖𝑠𝑖ℎ𝑎𝑛 𝑃𝑖𝑎𝑤𝑎𝑖
Contoh:
Suatu pembolehubah rawak normal, X mempunyai min 100 dan sisihan piawai 4, cari
a) P( X  90)
b) P(94  X  106)
c) P( X  104)
d) Nilai-z jika nilai-x = 116
Penyelesaian :

𝜇 = 100
𝜎=4
L2: Selesaikan dengan menggunakan rumus yang diberi untuk menukar 𝑋 kepada 𝑍
𝑋−𝜇 90−100
a) 𝑃(𝑋 > 90) = 𝑃 ( 𝜎
> 4
)
= 𝑃(𝑍 > −2.5)
= 1 − 𝑃(𝑍 > 2.5)

= 1 − 0.00621 = 0.9938
36
b) P(94  X  106)
c) P( X  104)
d) Nilai-z jika nilai-x = 116
Contoh:
Skor yang diperolehi oleh 6000 orang calon dalam suatu peperiksaan tertentu bertabur secara
normal dengan min 55 dan sisihan piawai 10.
a. Jika satu skor 75 atau lebih diperlukan untuk lulus dengan cemerlang, anggarkan bilangan
pelajar yang mendapat gred cemerlang.
b. Jika 70% daripada calon-calon itu lulus dalam peperiksaan, anggarkan skor minimum yang
diperlukan untuk lulus.
c. Hitung kebarangkalian bahawa seorang calon yang dipilih secara rawak akan mendapat skor di
antara 45 dan 65.
Penyelesaian :
𝜇 = 55
𝜎 = 10
L2: Tukar 𝑋 kepada 𝑍 dengan menggunakan rumus

X  55
Z
10
37
L3: Selesaikan
0.0228
 X   75  55 
a. 𝑃(𝑋 > 75) = 𝑃   
  10 
= 𝑃 (𝑍 > 2)
= 0.0228
 Bilangan pelajar yang mendapat gred cemerlang = 6000 × 0.0228
= 137 (kepada integer terhampir)
b. Andaikan bahawa k ialah skor minimum yang diperlukan untuk lulus.

70
P( X  k )   0.70
100
 X   k  55 
 P    0.70
  10 
 k  55 
P Z    0.70
 10 
𝑘 − 55
1 − 𝑃 (𝑍 ≥ ) = 0.70
10
𝑘 − 55
𝑃 (𝑍 ≥ ) = 1 − 0.70
10
𝑘 − 55
𝑃 (𝑍 ≥ ) = 0.30 = 0.3015 − 0.0014 = −0.524
10
𝑘 − 55
= −0.524
10
𝑘 − 55 = −0.524 × 10
𝑘 = −5.24 + 55
𝑘 = 49.76
∴ Skor min yang diperlukan ialah 49.76
 45  55 X   65  55 
c. P45  X  65  P   
 10  10 
 P 1  Z  1 0.1587
 1  2 PZ  1
 1  20.1587 
 0.6826
Latihan:
Skor yang diperoleh sekumpulan 400 orang pelajar dalam satu ujian IQ berterabur normal dengan
min 40 dan sisihan piawai 10.
a) Jika 15% pelajar gagal dalam ujian IQ, cari skor mínimum yang diperlukan untuk lulus.
b) Jika 10% pelajar mendapat cemerlang dalam ujian IQ itu, cari skor mínimum untuk mendapat
cemerlang.
38
Penyelesaian :
𝜇=
𝜎=
L2: Tukar 𝑋 kepada 𝑍 dengan menggunakan rumus

X 
Z

L3: Selesaikan
a.
b.
39
2.2 TABURAN PERSAMPELAN

2.2.1 PENGENALAN KEPADA PERSAMPELAN
❖ Persampelan merupakan konsep yang pentinf dala bidang ‘statistik
inferensi’ (digunakan untuk menghuraikan perhubungan antara
pembolehubah kajian dan mengaitkan dengan ciri-ciri sampel kepada
populasi)
❖ Membezakan antara populasi dan sampel, dan antara parameter dan statistik
o Populasi
▪ Dari segi statistik, populasi ialah keseluruhan kumpulan yang mempunyai ciri
yang sama dan menjadi objek kajian.
▪ Dengan perkataan mudah ialah semua kes atau subjek yang mempunyai
maklumat yang ingin dikaji.
o Sampel
▪ Dari segi statistik, sampel merupakan kumpulan kecil daripada populasi yang
menjadi sasarab penyelidik untuk melakukukan suatu kajian
▪ Satu set data yang dikumpula dan/atau dipilih daripada populasi.
o Parameter
▪ Maklumat yang diperolehi daripada populasi data
o Statistik
▪ Maklumat yang diperolehi daripada sampel data
Populasi (Parameter), N
Min, 𝜇
Varians, 𝜎 2
Sampel (Statistik), n
Min, 𝑋̅
Varians, 𝑆 2
➢ Simbol-simbol yang digunakan oleh parameter dan statistik

Pemboleh ubah Parameter Statistik
Saiz 𝑁 𝑛
Min 𝜇 𝑥̅
Varians 𝜎2 𝑠2
Sisihan Piawai 𝜎 𝑠
Perkadaran 𝜌 𝑃𝑠 @ 𝑃̂
40
Contoh:
Dalam suatu kajian kes mengenai ketinggian pelajar, 50 daripada 1200 orang pelajar di
sebuah kolej vokasional telah dipilih secara rawak.
Penyelesaian:
Populasi : Semua 1200 orang pelajar
Parameter : Maklumat yang melibatkan 1200 orang pelajar
Sampel : 50 orang pelajar yang terpilih
Statistik : Maklumat yang melibatkan 50 orang pelajar
Latihan:
1. “Pelajar-pelajar tahun 4 Kolej Vokasional di Malaysia”. Berdasarkan ayat di atas, kenal pasti:
i) Populasi
ii) Seterusnya berikan contoh sampelnya
Penyelesaian:
2. Seorang pengkaji ingin menganggar sisihan piawai jisim ikan dalam sebuah kolam. Beliau
berjaya menangkap 150 ekor ikan, didapati sisihan piawai jisim ikan adalam 1.5 kg. Berdasarkan
maklumat di atas, kenal pasti:
i) Parameter
ii) Statistik
iii) Sampel rawak
Penyelesaian:
41
2.2.2 TABURAN PERSAMPELAN BAGI MIN SAMPEL

2.2.3 TEOREM HAD MEMUSAT
❖ Teorem Had Memusat: Min,𝝁 Sisihan Piawai,𝝈 Sampel, 𝒏 Dan Populasi, 𝑵
𝝁, 𝝈, 𝒏 𝝁, 𝝈, 𝒏, 𝑵
Min, 𝜇 𝜇 𝜇
𝜎2 𝜎 2 (𝑁 − 𝑛)
Varians, 𝜎 2 𝜎2 = 𝜎2 =
𝑛 𝑛(𝑁 − 1)
Sisihan Piawai, 𝜎 𝜎 𝜎
Ralat Piawai
𝝈𝟐 𝝈𝟐 (𝑵 − 𝒏)
(ralat yang terdapat pada √ √
𝒏 𝒏(𝑵 − 𝟏)
sisihan piawai)
Rumus untuk menukarkan 𝑋
kepada 𝑍
𝑿−𝝁 𝑿−𝝁
𝑋−𝜇 𝒁= 𝒁=
𝑍= 𝟐 𝝈𝟐 (𝑵−𝒏)
𝜎 √𝝈 √
𝒏 𝒏(𝑵−𝟏)
[dimana 𝜎 berubah berdasarkan nilai
𝑛 dan 𝑁 yang diberi pada soalan]
Contoh (𝝁, 𝝈, 𝒏):

1. Suatu sampel rawak bersaiz 20 diambil dari populasi yang bertabur secara normal dengan min
60 dan sisihan piawai 4. Hitung kebarangkalian bahawa min sampel kurang dari 59
Penyelesaian :
L1: Tulis maklumat yang diberi

𝑛 = 20, µ = 60, 2 = 16
L2: Cari ralat piawai.

𝜎2 16
= √ = √ = 0.89443
𝑛 20
L3: Selesaikan
𝑃(𝑋 < 59)
𝑋−𝜇 59 − 60
=𝑃 <
𝜎2 0.89443
√
( 𝑛 )
−1
= 𝑃 (𝑍 < )
0.89443
= 𝑃(𝑍 < −1.118)
= 0.1335 − 0.0016
= 0.1319
42
2. Suatu sampel rawak yang besar bersaiz n dipilih dari suatu sampel rawak taburan normal dengan
min 64 dan sisihan piawai 6 dan min sampel dihitung. Jika P ( ͞ X ˃ 62) = 0.8508, anggar nilai n.
Penyelesaian :
L2: Cari ralat piawai.
L3: Selesaikan
Latihan (𝝁, 𝝈, 𝒏):

1. Satu pemboleh ubah rawak bersaiz 10 dipilih dari suatu populasi yang mempunyai taburan
normal dengan min 150 dan varians 250. Hitung kebarangkalian bahawa min sampel
(a) melebihi 156
(b) diantara 143 dan 149
(c) diantara 145 dan 154
43
2. Satu pemboleh ubah rawak dengan saiz 8 dipilih dari satu populasi yang mempunyai taburan
normal dengan min 200 danvarians 128. Hitungkan kebarangkalian bahawa min sampel berada
di luarjulat 197 dan 204.
44
3. Satu sampel rawak dengan saiz 12 dipilih dari populasi yang mempunyai taburan normal
denganmin 38 danvarians 12. Hitung kebarangkalian bahawa min sampel
(a) kurang dari 36
(b) tidak lebih dari 40.5
(c) berada di antara 37.2 dan 40.8
45
4. Satu populasi X mempunyai min 50 dan sisihan piawai 10. Jika suatu sampel rawak bersaiz 64
diambil, cari kebarangkalian bahawa min sampelnya
a. lebih daripada 49,
b. kurang daripada 51,
c. kurang daripada 47,
d. di antara 48.5 dan 52.4
46
Contoh (𝝁, 𝝈, 𝒏, 𝑵):

Syarikat pengeluaran mempunyai 350 orang pekerja dengan purata umur 37.6 tahun dengan sisihan
piawai 8.3 tahun. Jika sampel rawak 45 orang pekerja diambil, apakah kebarangkalian sampel
tersebut mempunyai purata umur kurang daripada 40 tahun?
Penyelesaian
µ = 37.6,  = 8.3, 𝑛 = 45, 𝑁 = 350
L2: Cari ralat piawai
𝜎 2 (𝑁−𝑛) (8.3)2 (350−45)

=√ =√
𝑛(𝑁−1) 45(350−1)
= 1.15667
L3: Selesaikan
𝑃(𝑋 < 40)
𝑋−𝜇 40 − 37.6
=𝑃 <
𝜎 2 (𝑁−𝑛) 1.15667
√ 𝑛(𝑁−1)
( )
2.4
= 𝑃 (𝑍 < )
1.15667
= 𝑃(𝑍 < 2.075)
= 1 − 𝑃(𝑍 > 2.075)

= 1 − (0.0192 − 0.0002)
= 0.981
Latihan (𝝁, 𝝈, 𝒏, 𝑵):

1. Tinggi kanak-kanak berterabur secara normal dengan min 68.5 cm dan sisihan piawai 2.7 cm.
Jika 200 sampel rawak bersaiz 25 diambil daripada populasi ini, tentukan
a) Min dan sisihan piawai, iaitu ralat piawai bagi taburan persampelan min sampel.
b) Kebarangakalian bilangan sampel yang mempunyai min diantara 67.9 cm dan 69.2 cm.
c) Kebarangkalian bilangan sampel yang min kurang daripada 67.0 cm.
47
Penyelesaian
L3: Selesaikan
48
❖ Teorem Had Memusat: Taburan Binomial Dan Taburan Poisson
TABURAN BINOMIAL, 𝑩 TABURAN POISSON, 𝑷𝑶

Tatatanda 𝑋~𝐵(𝑛, 𝑝) 𝑋~𝑃𝑂 (𝜆)
Min, 𝜇 𝜇 = 𝑛𝑝 𝜇=𝜆
𝜎 2 = 𝑛𝑝𝑞
dimana:
Varians, 𝜎 2 𝑞 = 1−𝑝 𝜎2 = 𝜆
∴ 𝜎 2 = 𝑛𝑝(1 − 𝑝)
Sisihan Piawai, 𝜎 𝜎 = √𝑛𝑝𝑞 𝜎 = √𝜆
Taburan Binomial, 𝑩 dan Taburan Poisson, 𝑷𝑶
𝜎2
Ralat Piawai √ Jika hanya nilai 𝑛 diberi pada soalan
𝑛
(ralat yang terdapat
pada sisihan piawai) 𝜎 2 (𝑁 − 𝑛)
√ Jika nilai 𝑛 dan 𝑁 diberi pada soalan
𝑛(𝑁 − 1)
𝑋−𝜇
𝑍=
Rumus untuk 𝜎2 Jika hanya nilai 𝑛 diberi pada soalan
√
𝑛
menukarkan 𝑋
𝑋−𝜇
kepada 𝑍 𝑍=
𝜎 2 (𝑁−𝑛) Jika nilai 𝑛 dan 𝑁 diberi pada soalan
√ 𝑛(𝑁−1)
Contoh
Jika satu sampel rawak bersaiz 40 diambil dari setiap taburan berikut, hitung bagi setiap kes,
kebarangkalian min sampel melebihi 6.1
a) X ~ Po (6.4)
b) X ~ B (10,0.6)
Penyelesaian
(a) 𝑋 ~ 𝑃𝑜 (6.4)

Taburan Poisson 𝑋 ~ 𝑃𝑜()  min = varians = 
 µ = 6.4, 𝜎 2 = 6.4, 𝑛 = 40
𝜎2 6.4
=√ =√ = √0.16
𝑛 40
49
L3: Selesaikan
𝑃(𝑋 > 6.1)
𝑋 − 6.4 6.1 − 6.4
= 𝑃( > )
√0.16 √0.16
= 𝑃(𝑍 > −0.75)
= 1 − 𝑃(𝑍 > 0.75)

= 1 − 0.2266
= 0.7734
(b) 𝑋 ~ 𝐵 (10,0.6)
Taburan Binomial 𝑋 ~ 𝐵 (𝑛, 𝑝)  min = 𝑛𝑝 ,dan varians = 𝑛𝑝𝑞 = 𝑛𝑝(1 – 𝑝)

µ = 10(0.6) = 6,
𝜎 2 = 𝑛𝑝𝑞 = 10(0.6)(1 – 0.6) = 2.4
𝑛 = 40
𝜎2 2.4
=√ =√ = √0.06
𝑛 40
L3: Selesaikan
𝑃(𝑋 > 6.1)
𝑋−6 6.1 − 6
= 𝑃( > )
√0.06 √0.06
= 𝑃(𝑍 > 0.4082)
= 0.3417
50
Latihan:
1. Suatu sampel rawak 𝑋 mempunyai min 4 dan sisihan piawai 2. Pembolehubah rawak i͞ alah min
100 sampel rawak dari 𝑋. Menggunakan kaedah yang sesuai, cari 𝑃( X ˂ 4.5 ).
2. Satu sampel rawak bersaiz 40 dipilih dariTaburan Binomial 𝐵 (50 , 0.4). Hitung kebarangkalian
min sampel
(a) lebih daripada 19
(b) berada di antara 18.5 dan 20.5
3. Suatu sampel besar bersaiz 𝑛 dipilih dari 𝑃0 (9) dan hampir 1% daripada min sampel lebih besar
daripada 10. Anggarkan nilai 𝑛.
51
2.2.4 TABURAN PERSAMPELAN BAGI PERKADARAN SAMPEL
❖ Perkadaran sampel digunakan nilai sampel cukup besar [𝑛 ≥ 30]
𝑋
𝑃̂ =
𝑛
dimana:
𝑃̂: Perkadaran
𝑋: Bilangan item yang mempunyai ciri yang dikehendaki
𝑛: bilangan sampel
Min, 𝜇 𝜇=𝑝
Varians, 𝜎 2 𝑝𝑞 𝑝(1 − 𝑝)
𝜎2 = =
𝑛 𝑛
Ralat Piawai
𝑝(1 − 𝑝)
√
𝑛
Taburan Perkadaran Sampel 𝑝(1 − 𝑝)

𝑃̂~𝑁 (𝑝, )
𝑛
Contoh:
Selama beberapa tahun yang lalu, didapati bahawa 15% daripada semua kemalangan di sebuah
lebuh raya adalah kemalangan maut daripada 150 kemalangan yang berlaku. Hitung min dan varians
bagi kadaran berlakunya kemalangan maut.
Penyelesaian:

15
𝑝 = 15% = = 0.15
100
𝑛 = 150
L2: Selesaikan
Min, 𝜇 = 𝑝 = 0.15
𝑝𝑞 (0.15)(1−0.15)
Varians, 𝜎 2 = = = 0.000085
𝑛 150
52
Latihan:
1. Dianggarkan bahawa 64% warga emas mengidap osteoporosis. Jika satu sampel 125 warga
emas dipilih secara rawak, tentukan varians seterusnya tentukan taburan bagi perkadaran
sampel.
Penyelesaian:
L2: Selesaikan
2. Sebanyak 459 buah kotak anggur telah dipasarkan di sebuah kedai. Tinjauan yang dilakukan
mendapati sebanyak 85% daipada kotak anggur tersebut adalah manis.
i) Cari min bagi kadaran kotak anggur yang manis dipasarkan
ii) Hitung sisihan piawai bagi kadaran kotak anggur manis yang dipasarkan di kedai tersebut
Penyelesaian:
L2: Selesaikan
53
❖ Mencari Kebarangkalian Perkadaran Sampel

1
o Pembetulan keselanjaran ± diguna pakai dalam mencari kebarangkalian bagi perkadaran
2𝑛
sampel.
1
i) 𝑃(𝑃̂ ≥ 𝑎) = 𝑃 (𝑃̂ > 𝑎 − )
2𝑛
1
ii) 𝑃(𝑃̂ > 𝑎) = 𝑃 (𝑃̂ > 𝑎 + )
2𝑛
1
iii) 𝑃(𝑃̂ ≤ 𝑎) = 𝑃 (𝑃̂ < 𝑎 + 2𝑛
)
1
iv) 𝑃(𝑃̂ < 𝑎) = 𝑃 (𝑃̂ < 𝑎 − 2𝑛
)
o Rumus
Rumus: 𝑃̂ − 𝜇
𝑍=
𝑝𝑞
menukarkan 𝑃̂ kepada 𝑍 √𝑛
Contoh:
Diberi 5% daripada pasu yang tiba di kedai bunga pecah. Apakah kebarangkalain, apabila 400 pasu
tiba
a) 6% atau lebih akan pecah
b) kurang dari 4% akan pecah
Penyelesaian

5
𝑝 = 5% = = 0.05
100
𝑛 = 400
L2: Cari min, 𝜇 dan sisihan piawai, 𝜎

𝜇 = 𝑝 = 0.05
𝑝𝑞 (0.05)(1 − 0.05)
𝜎=√ =√ = 0.010897
𝑛 400
L3: Selesaikan
i) 𝑃(𝑃̂ ≥ 6%)
6
= 𝑃 (𝑃̂ ≥ )
100
= 𝑃(𝑃̂ ≥ 0.06)
➢ Pembetulan keselanjaran
1
= 𝑃 (𝑃̂ > 0.06 − )
2(400)
= 𝑃(𝑃̂ > 0.05875)
54
➢ Tukar 𝑃̂ kepada 𝑍
𝑃̂ − 𝜇 0.05875 − 0.05
=𝑃 >
𝑝𝑞 0.010897
√
( 𝑛 )
= 𝑃(𝑍 > 0.803)
= 0.2119 − 0.0008
= 0.2111
ii) 𝑃(𝑃̂ < 4%)
➢ Pembetulan keselanjaran
➢ Tukar 𝑃̂ kepada 𝑍
55
LATIHAN:
1. 2% daripada buah tomato di sebuah ladang dikenal pasti berpenyakit. Hitung kebarangkalian
bagi satu sampel 400 pokok
(a) kurang 1 %
(b) lebih daripada 4 %
berpenyakit.
56
2. Sebuah syarikat telah mengeluarkan sejenis mentol lampu. Dikenal pasti 5% mentol itu rosak.
Hitung kebarangkalian daripada sampel bersaiz 400, mentol yang dipilih secara rawak itu
dengan perkadaran rosak ialah
(a) sekurang-kurangnya 4%
(b) selebih-lebihnya 5 %
(c) lebih daripada 4.5%
(d) kurang daripada 4.8%
57
3. Diketahui pembolehubah rawak X mempunyai taburan binomial dengan kebarangkalian

kejayaan 0.04. Berdasarkan pemerhatian daripada 300 sampel rawak dari X, hitung
kebarangkalian bahawa perkadaran sampel
(a) sekurang-kurangnya 2%
(b) kurang daripada 3%
58
4. Di sebuah Universiti di Malaysia, 40% pelajarnya menerima biasiswa. Apakah kebarangkalian

sekurang-kurangnya 55 pelajar daripada 150 pelajar itu yang dipilih secara rawak adalah
pemegang biasiswa.
59
5. Di dalam sebuah kilang penyapu, di dapati 10% penyapu yang dikeluarkan rosak, Jika satu
sampel rawak 100 penyapu diambil, hitungkan kebarangkalain bahawa selebih-lebihnya 9
penyapu rosak.
60

Persampelan KVSR

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Persampelan KVSR

Uploaded by

Copyright:

Available Formats

KOLEJ VOKASIONAL SLIM RIVER

KOD DAN NAMA STATISTIK TEKNOLOGI (UMT 3132)

NO. DAN TAJUK 2.0 PERSAMPELAN

STANDARD 2.1 Taburan Kebarangkalian

2.1.1 Pengenalan Kebarangkalian

STATISTIK TEKNOLOGI (UMT 3132) & STATISTIK (UMS 3112) PERSAMPELAN

BIL PERKARA PENERANGAN CONTOH / TATATANDA / FORMULA

5. Taburan Senarai semua nilai yang Contoh taburan kebarangkalian diskret:

STATISTIK TEKNOLOGI (UMT 3132) & STATISTIK (UMS 3112) PERSAMPELAN

2.1.2 TABURAN BINOMIAL

L2: Selesaikan (a)

L3: Selesaikan (b)(i) dengan menggunakan rumus yang diberi

L4: Selesaikan (b)(ii) dengan menggunakan rumus yang diberi

L5: Selesaikan (c)

STATISTIK TEKNOLOGI (UMT 3132) & STATISTIK (UMS 3112) PERSAMPELAN

L2: Selesaikan (a)

L3: Selesaikan (b)(i) dengan menggunakan rumus yang diberi

L4: Selesaikan (b)(ii) dengan menggunakan rumus yang diberi

2.1.3 TABURAN POISSON

Tatatanda : 𝑋~𝑃𝑜 (𝜆)

STATISTIK TEKNOLOGI (UMT 3132) & STATISTIK (UMS 3112) PERSAMPELAN

L2: Selesaikan (a)

L3: Selesaikan (b)(i) dengan menggunakan rumus yang diberi

L4: Selesaikan (b)(ii) dengan menggunakan rumus yang diberi

L2: Selesaikan (a)

L3: Selesaikan (b)(i) dengan menggunakan rumus yang diberi

L4: Selesaikan (b)(ii) dengan menggunakan rumus yang diberi

2.1.4 TABURAN NORMAL

❖ Suatu pembolehubah rawak normal 𝑋 ~ 𝑁 (µ, 𝜎2) boleh dipiawaikan dan

STATISTIK TEKNOLOGI (UMT 3132) & STATISTIK (UMS 3112) PERSAMPELAN

❖ Ciri-ciri sifir taburan normal piawai, 𝑁 (0, 1) adalah seperti berikut:

𝑲𝒆𝒔 𝟏 ∶ 𝑷(𝒁 > 𝒂) 𝑲𝒆𝒔 𝟐: 𝑷(𝒁 < 𝒂)

Kes 3 :𝑷(– ∞ < 𝒁 < ∞) = 𝟏

𝑲𝒆𝒔 𝟒 ∶ 𝑷(𝒁 > 𝟎) = 𝑷(𝒁 < 𝟎) = 𝟎. 𝟓

𝑲𝒆𝒔 𝟓 ∶ 𝑷(𝒁 > 𝒂) = 𝑷(𝒁 < – 𝒂)

STATISTIK TEKNOLOGI (UMT 3132) & STATISTIK (UMS 3112) PERSAMPELAN

STATISTIK TEKNOLOGI (UMT 3132) & STATISTIK (UMS 3112) PERSAMPELAN

Extra Notes: (Penggunaan Kalkulator)

CASIO fx-570MS CASIO fx-570ES

1. pastikan dalam mode SD 1. pastikan dalam mode STAT

mode mode 1 mode 3

2. masuk ke mode DISTR 2. Clearkan screen

Akan terpapar pilihan : 3. masuk ke taburan normal

Akan terpapar pilihan :

P( Z  0.5)  P(0.5 = 0.69146 P(0  Z  0.5)  * Q(0.5 = 0.19146

STATISTIK TEKNOLOGI (UMT 3132) & STATISTIK (UMS 3112) PERSAMPELAN

Mencari kebarangkalian, bagi taburan normal menggunakan jadual:

Contoh: (bagi simbol ‘> @ ≥’)

ii) Rujuk jadual taburan normal

∴ 𝑃(𝑍 > 0.56) = 0.2877

ii) Rujuk jadual taburan normal

STATISTIK TEKNOLOGI (UMT 3132) & STATISTIK (UMS 3112) PERSAMPELAN

c) 𝑃(𝑍 > 1.196)

ii) Rujuk jadual taburan normal

∴ 𝑃(𝑍 > 1.196) = 0.1170 – 0.0012 = 0.1158

d) 𝑃(𝑍 > 0.002)

e) 𝑃(𝑍 > 1.853)

f) 𝑃(𝑍 > 0.674)

STATISTIK TEKNOLOGI (UMT 3132) & STATISTIK (UMS 3112) PERSAMPELAN

Contoh: (bagi nilai negatif ‘< @ ≤’)

Jika Z adalah pembolehubah rawak normal piawai, tentukan kebarangkalian

ii) Rujuk jadual taburan normal

ii) Rujuk jadual taburan normal

c) 𝑃(𝑍 < −0.925)