NAMA : SUMAINI HEBER

NIM : 12011023
 klasik (eksak): P(event E) = Ne/N

cth: melempar 2
koin 1 kali
 frekuensi relatif: P(event E)  ne/n

cth: melempar 2
koin banyak kali
 Subjektif: P(event E)  (suka)2

cth: tidak melempar 2 koin 

!!
 eksak

 P (tepat 0 H) = ¼
 P (tepat 1 H) = 2/4
 P (tepat 2 H) = ¼
relatif
Syarat: Masing-2 elemen dlm populasi memiliki
probabilita yg sama utk terpilih

If Xi ~ f(x)  f(x1,x2,…,xn)=f(x1)f(x2)…f(xn)
Cara (Sampling Technique):
 membuat sampling frame
 menarik sampel secara random

Contoh:
Ott & Longnecker (2010) p. 195:
Survey (polling) yang dilakukan oleh Literary Digest vs Goerge Gallup  pemenang pilpres AS (Landon vs
Roosevelt) th 1936
 All Possible
Sample
Pemilihan 2 kota
dari 10 kota
Bgm dgn
populasi yg
besar??

• Buat Sampling frame

• Tarik angka random
sebanyak n
 7an pengambilan sampel  memperoleh/menduga karakteristik populasi
statistik  parameter
Montgomery, p.197

 Distribusi sampling  distribusi probabilita dari (sebuah) statistik.

 Example 4.22 (Ott & Longnecker p. 182)
Walpole, p.231
 Example 4.22 (Ott & Longnecker p. 182)
 Teorema Limit Pusat

Tugas: Buktikan
 Montgomery, p. 241, exercise 7.14

Misal X memiliki distribusi peluang

uniform:

Jika diambil sebanyak 40 sampel dari

X, tentukan distribusi sampling
untuk rata-ratanya.

Hint: tent. E(X) dan Var(X), lalu gunakan CLT

Bagi dengan dan substitusi

i=1

Dist. Chi-square dgn df = n Dist. Chi-square dgn df = 1

 Tabel Chi-square
 P = X/n  binomial(n,p)
 Montgomeri example 4.17, 4.18, p. 119-120

 Dengan pendekatan dist. normal

1. Apa yang dimaksud dengan Distribusi
Probabilita?
2. Apa yang dimaksud dengan Distribusi
Sampling?
3. Apakah Distribusi Probabilita = Distribusi
Sampling:
a. Secara makna? (Ya/tidak), jelaskan!
b. Secara realita/interpretasi? (Ya/tidak), jelaskan!

4. Jelaskan pengertian dari teorema limit

pusat (central limit theorem)