Persampelan dan Taburan

Persampelan

1
 Sebab Membuat
Persampelan

Persampelan boleh menjimatkan wang.

Persampelan boleh menjimatkan masa.

Untuk sumber yang terhad, persampelan

boleh memperluaskan skop set data.
Disebabkan proses penyelidikan kadangkala
merosakkan, sampel dapat menyelamatkan
keluaran.
Jika memperolehi populasi adalah mustahil,
persampelan adalah alternatif yang sesuai.
2
 Sebab Membuat Bancian

Menghapuskan kemungkinan sampel rawak

tidak mewakili populasi.

Mereka yang berkuasa dalam kajian tidak

selesa dengan maklumat sampel.

3
 Kerangka Populsi

Kerangka senarai populasi, peta, direktori, atau lain-lain

sumber yang boleh digunakan untuk mewakili populasi

Kerangka daftar lebih mengandungi semua unit

populasi sasaran ditambah dengan unit tambahan.
CONTOH: menggunakan senarai keahlian dewan
perniagaan sebagai kerangka untuk sasaran populasi
ahli perniagaan wanita.

Kerangka daftar kurang mengandungi unit yang kurang

daripada populasi sasaran.
Contoh: menggunakan senarai keahlian dewan perniagaan
sebagai kerangka untuk sasaran populasi semua ahli
4 perniagaan
 Persampelan Rawak vs Tidak
Rawak

Persampelan Rawak
setiap unit di dalam populasi mempunyai
kebarangkalian yang sama untuk dipilih sebagai
sampel.
Mekanisma peluang digunakan didalam proses
pemilihan.
Bias dihapuskan didalam proses pemilihan.

Dikenali sebagai persampelan berkebarangkalian

5
 Persampelan Rawak vs Tidak
Rawak

Persampelan Tidak Rawak

Tidaksemua unit populasi mempunyai
kebarangkalian untuk dipilih kedalam sampel.
Terbuka untuk bias pemilihan
Kaedah pemilihan data tidak bersesuaian
bagi kebanyakan kaedah statistik
Dikenalisebagai persampelan tidak
berkebarangkalian
6
 Teknik Persampelan Rawak

Sampel Rawak Mudah

Sampel Rawak Berstrata
Berkadaran
Tidak Berkadaran
Sampel Rawak Sistematik
Persampelan Kluster (atau Kawasan)
7
 Sampel Rawak Mudah

Nomborkan setiap unit dalam kerangka dari

1 hingga N.
Gunakan jadual nombor rawak atau penjana
nombor rawak untuk memilih n nombor yang
berbeza diantara 1 hingga N.
Mudah untuk dibentuk untuk populasi yang kecil

Mengelirukan untuk populasi yang besar

8
 Sampel Rawak Mudah :
Nomborkan Kerangka Populasi

01 Affin 11 HH Bank 21 MBF Holding

02 Amanah 12 HL Bank 22 PBB
03 AMCORP 13 Idris 23 Phileo
04 Apax 14 Insas 24 PM Cap
05 BIMB 15 Jerneh 25 RHB
06 BJCAP 16 KAF 26 S Bank
07 CMS bhd 17 Kenanga 27 Suria Cap
08 Commer Z 18 MAA 28 Takaful
09 G. Cap 19 Maybank 29 UCB
10 HDBS 20 MIDF 30 UMG
9
 Sampel Rawak Mudah :
Jadual Nombor Rawak

91567 42595 27958 30134 04024 86385 29880 99730

46503 18584 18845 49618 02304 51038 20644 58727

34914 63976 88720 82765 34476 17032 87589 40836

57491 16703 23167 49323 45021 33132 12544 41035

30405 83946 23792 14422 15059 45799 22716 19792

09983 74353 68668 30429 70735 25499 16631 35006

85900 07119 97336 71048 08178 77233 13916 47564

N = 30
n=6
10
 Sampel Rawak Mudah :
Keahlian Sampel
01 Affin 11 HH Bank 21 MBF Holding
02 Amanah 12 HL Bank 22 PBB
03 AMCORP 13 Idris 23 Phileo
04 Apax 14 Insas 24 PM Cap
05 BIMB 15 Jerneh 25 RHB
06 BJCAP 16 KAF 26 S Bank
07 CMS bhd 17 Kenanga 27 Suria Cap
08 Commer Z 18 MAA 28 Takaful
09 G. Cap 19 Maybank 29 UCB
10 HDBS 20 MIDF 30 UMG
N = 30 25 RHB 27 Suria Cap 01 Affin
n=6 04 Apax 02 Amanah 29 UCB
11
 Sampel Rawak Berstrata

populasi adalah dibahagikan kepada sub-populasi

yang tidak bertindih dipanggil sebagai starata.
memilih sampel rawak mudah dari setiap sub-populasi.
Berpontensi untuk mengurangkan ralat persampelan
Berkadaran peratus sampel diambil dari setiap
strata adalah berkadaran dengan peratus dimana
setiap strata didalam populasi
Tidak Berkadaran bahagian strata dikalangan sampel
adalah berbeza dari bahagian strata diantara populasi
12
 Sampel Rawak
Berstrata
Strata Mengikut Umur

20-30 tahun
(homogen)
Hetrogen di
antaranya
20-30 tahun
(homogen)
Hetrogen di
antaranya

20-30 tahun
(homogen)
13
 Persampelan Sistematik

Selesa dan relatif mudah untuk N

k = ,
ditadbirkan. n
Unsur-unsur populasi adalah dimana
:
disusun berturutan .
n = saiz sampel
Unsur sampel pertama adalah
N = saiz populasi
dipilih secara rawak dari unsur
k populasi yang pertama. k = size selang yang dipilih

Kemudian, unsur sampel adalah

dipilih pada selang tetap, k, dari
susunan turutan kerangka.
14
 Persampelan Sistematik :
Contoh

Pesanan belian untuk tahun lepas diberi nombor siri 1

hingga 10,000 (N = 10,000).
Sampel lima puloh (n = 50) pesanan belian adalah
diperlukan untuk diaudit.
k = 10,000/50 = 200
Unsur sampel pertama dipilih secara rawak dari 200
pesanan belian yang pertama. Andaikan pesanan belian
yang ke 45 adalah dipilih.
Turutan unsur sampel: 245, 445, 645, . . .
15
 Persampelan Kluster
Melibatkanpembahagian populasi kepada
kawasan atau kluster yang tidak bertindih
Subset kluster adalah dipilih secara rawak
sebagai sampel.
Jika bilangan unsur didalam subset kluster
adalah lebih besar dari nilai n yang diperlukan,
kluster ini kemudiannya dibahagikan untuk
membentuk set kluster yang baru dan tertaakluk
kepada proses pemilihan rawak
16
 Persampelan Kluster

Kebaikan
Lebih selesa untuk populasi bercorak geografi
Mengurangkan kos perjalanan untuk menemui unsur sampel
Pentabiran survei yang mudah
Ketiadaan kerangka persampelan menghalang penggunaan
kaedah persampelan rawak yang lain
Kelemahan

Kurang cekap dari segi statistik apabila unsur kluster

adalah samar
Kod dan masalah analisis statistik adalah lebih besar
17 berbanding persampelan rawak mudah
 Persampelan Kluster

18
 Persampelan Tidak
Rawak

Persampelan selesa: unsur sampel dalah diambil

mengikut keselesaan penyelidik

Persampelan Pertimbangan: unsur sampel adalah

dipilih melalui pertimbangan penyelidik

Persampelan Kouta: unsur sampel adalah diambil

sehingga kawalan kouta dipenuhi
Persampelan bola salji: subjek survei adalah dipilih
berdasarkan kepada rujukan survei responden yang lain
19
 Ralat

Data dari sampel tidak rawak adalah tidak

sesuai untuk dianalisis oleh kaedah
statistik pentaabiran.

Ralat Persampelan terjadi apabila

sampel tidak mewakili populasi

20
 Ralat

Ralat Bukan Persampelan

Missing Data, Recording, Data Entry, and
Analysis Errors
Konsep yang lemah, definasi tidak jelas,
dan soal selidik yang mengelirukan

Ralat jawapan terjadi apabila responden tidak

tahu, tidak menjawab, atau jawapan yang
mengelirukan
21
 Taburan Persampelan x

Analisis yang sempurna dan tafsiran sampel statistik

memerlukan pengetahuan berkaitan taburannya.
Mengira x
untuk menganggar
Populasi Sampel
Proses Statistik x
Pentaabiran
(parameter ) (statistik)

Pilih
sampel rawak
22
 Taburan bagi Populasi Finit
yang kecil

N=8 Histogram Populasi

3

54, 55, 59, 63, 68, 69, 70 Kekerapan 2

0
52.5 57.5 62.5 67.5 72.5

23
 Ruang Sampel untuk n = 2
dengan Penggantian

Sampel Min Sampel Min Sampel Min Sampel Min

1 (54,54) 54.0 17 (59,54) 56.5 33 (64,54) 59.0 49 (69,54) 61.5
2 (54,55) 54.5 18 (59,55) 57.0 34 (64,55) 59.5 50 (69,55) 62.0
3 (54,59) 56.5 19 (59,59) 59.0 35 (64,59) 61.5 51 (69,59) 64.0
4 (54,63) 58.5 20 (59,63) 61.0 36 (64,63) 63.5 52 (69,63) 66.0
5 (54,64) 59.0 21 (59,64) 61.5 37 (64,64) 64.0 53 (69,64) 66.5
6 (54,68) 61.0 22 (59,68) 63.5 38 (64,68) 66.0 54 (69,68) 68.5
7 (54,69) 61.5 23 (59,69) 64.0 39 (64,69) 66.5 55 (69,69) 69.0
8 (54,70) 62.0 24 (59,70) 64.5 40 (64,70) 67.0 56 (69,70) 69.5
9 (55,54) 54.5 25 (63,54) 58.5 41 (68,54) 61.0 57 (70,54) 62.0
10 (55,55) 55.0 26 (63,55) 59.0 42 (68,55) 61.5 58 (70,55) 62.5
11 (55,59) 57.0 27 (63,59) 61.0 43 (68,59) 63.5 59 (70,59) 64.5
12 (55,63) 59.0 28 (63,63) 63.0 44 (68,63) 65.5 60 (70,63) 66.5
13 (55,64) 59.5 29 (63,64) 63.5 45 (68,64) 66.0 61 (70,64) 67.0
14 (55,68) 61.5 30 (63,68) 65.5 46 (68,68) 68.0 62 (70,68) 69.0
15 (55,69) 62.0 31 (63,69) 66.0 47 (68,69) 68.5 63 (70,69) 69.5
16 (55,70) 62.5 32 (63,70) 66.5 48 (68,70) 69.0 64 (70,70) 70.0
24
 Taburan Min Sampel

25
 1,800 Nilai Rawak Pilihan
dari Taburan Eksponen

26
 Min 60 sampel ( n = 2)
dari Taburan Eksponen

27
 Min 60 sampel ( n = 5)
dari Taburan Eksponen

28
 Min 60 sampel ( n = 30)
dari Taburan Eksponen

29
 1,800 Nilai Rawak Pilihan
dari Taburan Seragam

30
 Min 60 sampel ( n = 2)
dari Taburan Seragam

31
 Min 60 sampel ( n = 5)
dari Taburan Seragam

32
 Min 60 sampel ( n = 30)
dari Taburan Seragam

33
 Teoram Had Memusat

Mencukupi bagi saiz sampel yang besar (n 30),

Taburan min sampel x , adalah menghampiri normal,

min taburan ini adalah sama dengan , min untuk populasi

Sisihan piawai ialah , n

Bergantung kepada bentuk taburan populasi

34
 Teoram Had Memusat

Jika x ialah min sampel rawak bersaiz n

dari populasi dengan min dan sisihan
piawai , maka apabila n meningkat
(n 30) taburan x menghampiri taburan
normal dengan min x dan sisihan

piawai x n
.

35
 Persampelan dari Populasi
Normal

Taburanbagi min sampel adalah bertaburan

normal bagi sebarang saiz sampel.
Jika x adalah min sampel rawak bersaiz n
dari populasi normal dengan min dan
sisihan piawai , taburan x adalah bertaburan
normal dengan min dan
x

sisihan piawai x .
36
n
 Taburan Min Sampel bagi
Berbagai Saiz Sampel

37
 Formula Z Formula untuk Min
Sampel

X
Z X

X


n
38
 Contoh
Katakan min perbelanjaan saorang pelanggan dipasar raya ialah
RM85.00, dengan sisihan piawai RM9.00. Jika sampel rawak 40
pelanggan diambil, apakah kebarangkalian purata sampel
perbelanjaan per pelanggan bagi sampel ini adalah RM87.00 atau
lebih?

= RM85.00, = RM9.00, n = 40

X - X X -
P( X 87) P Z P Z = P(Z 1.41)
X

n
= 0.50 0.4201
RM87.00 - RM85.00 RM2.00
1.41
RM9.00 RM1.42 = 0.0793

40
39
 Penyelesaian Secara
Geraf

X 87 85 2 Keluasan sama
Z= 1. 41 of .0793
9 1. 42
40 n 40
 Contoh 7.1
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?

= 448, = 21, dan n = 49.

P(441 X 446) ?

41
 X - 441 448 X - 446 448
Z= 2.33 Z= 0.67
21 21
n 49 n 49

P(-2.33 Z -0.67) = 0.4901 0.2486

42 = 0.2415
 Persampelan dari Populasi
Finit tanpa Penggantian

Di dalam kes ini, sisihan piawai taburan min sampel

adalah lebih kecil apabila persampelan dari populasi
tidak finit (atau dari populasi finit dengan penggantian).

Nilai yang benar bagi sisihan piawai ini adalah dikira

dengan menggunakan faktor pembetulan finit terhadap
sisihan piawai untuk persampelan dari populasi bukan
finit.
Jika saiz sampel kurang dari 5% saiz populasi,
pelarasan adalah tidak perlu.
43
 Persampelan dari Populasi Finit

N-n
Faktor Pembetulan Finit
N -1

X-
Formula Z diubahsuai Z
N-n
n N -1

44
 Faktor Pembetulan Finit untuk
Beberapa Saiz Sampel

45
 Contoh

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?
= 37.6, = 8.3, n = 45 dan N = 350.

P( X 40) ?

46
 0.500 0.4808


X -
=37.6 X 40
P( X 40) P Z Z=0 Z=2.07
N-n

n N -1
40.0 - 37.6 2.4
Z 2.07
8.3 350 - 45 1.157

45 350 - 1

P( Z 2.07) 0.5000 0.4808 0.9808

47
 Taburan Persampelan p
Perkadaran Sampel

X
p
n
dim ana :
X bilangan item di dalam sampel yang mempunyai ciri - ciri yang dikehendaki
n = bilangan item di dalam sampel

Taburan Persampelan
Penghampiran normal jika nP > 5 and nQ > 5 (P
adalah perkadaran populasi dan Q = 1 - P.)
Min bagi taburan ialah P.
Sisihan piawai taburan ialah P Q
n
48
 Formula Z untuk Perkadaran
Sampel

p-P
Z
P.Q
n
dimana
_
p = perkadaran sampel
n = saiz sampel
P = perkadaran populasi
49 Q=1-P
 Contoh
Katakan 60% kontraktor elektrik di Serdang menggunakan jenama
dawai elektrik tertentu. Apakah kebarangkalian mengambil sampel
rawak bersaiz 120 daripada kontraktor elektrik tersebut dan
mendapati 0.50 atau kurang menggunakan jenama dawai elektrik
tersebut?
_
P = 0.60 , P( p 0.50), n = 120 dan Q = 1 P = 0.40

0.50 - P
P( p 0.50) P Z
P.Q

n
0.50 - 0.60 - 0.10
- 2.24
(0.60)(0.40) 0.0447
50 120
 0.4875

^p = 0.50 P=0.60
Z=-2.24 Z=0

P(p 0.50) = P( Z -2.24) = 0.5000 0.4875

51
52