8.

0 Pengenalan
8.1 Taburan pensampelan terhadap min
8.2 Teorem had memusat
8.3 Taburan pensampelan terhadap perkadaran

Bab 8 - Taburan Pensampelan 1

Objektif

 Mendapatkan nilai min dan juga sisihan

piawai bagi suatu taburan.
 Menulis bentuk taburan pensampelan
dengan betul.
 Menggunakan teorem had memusat
bagi taburan yang tidak diketahui
bentuknya.

Bab 8 - Taburan Pensampelan 2

Pengenalan
 Sebelum ini kita tahu bahawa memilih
sampel yang baik adalah penting kerana
berdasarkan maklumat yang dikumpul
daripada sampel, kita mengetahui tentang
populasi.
 Taburan pensampelan bagi statistik sampel
dapat membantu memahami dan
seterusnya membuat kesimpulan tentang
parameter sesuatu populasi.

Bab 8 - Taburan Pensampelan 3

Apa itu Taburan Pensampelan?

Taburan pensampelan ialah

taburan kebarangkalian bagi
suatu statistik apabila sampel
rawak bersaiz n dipilih berulang-
ulang daripada suatu populasi.

Bab 8 - Taburan Pensampelan 4

 Perbezaan di antara populasi dan
sampel
Populasi Sampel
 Definisi
 Definisi-
 Sebahagian drpd populasi dipilih
 Kumpulan item
bagi kajian.
dipertimbangkan  Ciri-ciri
 Ciri-ciri  Statistik
 Parameter  Simbol
 Simbol  Min sampel  x
 Min populasi    Sisihan piawai
 Sisihan piawai populasi sampel  s
  Saiz Sampel
 n
 Saiz Populasi
 N

Bab 8 - Taburan Pensampelan 5

Pertimbangkan suatu populasi yang terdiri daripada 5 objek. Pilih
3 objek secara rawak (tanpa gantian) daripada populasi ini.
Populasi Sampel Min Sampel
n=3 x1
x1 x2 x1, x2, x3
x4 n=3 x1, x2, x4 x2
x3 …………… …………………. …
x5 …………… ………………… …
n=3 x3, x4, x5 x10
2
Nilai xi dan si boleh dihitung dan nilainya boleh jadi sama dan
boleh berbeza-beza di antara satu sama lain. Kerana ianya dikira
dari sampel data, maka dinamakan statistik. Perkaitan di antara
statistik dan pensampelan menyebabkan taburan statistik disebut
taburan pensampelan. Sisihan piawai bagi taburan pensampelan
bagi suatu statistik dinamakan ralat piawai.

Bab 8 - Taburan Pensampelan 6

8.1 Taburan Pensampelan Bagi Min
Sampel, x
Dua bentuk taburan pensampelan min
sampel
 Populasi Tertabur Secara Normal
 Populasi Yang Bukan Bertaburan
Normal

Bab 8 - Taburan Pensampelan 7

Bagi Populasi Tertabur Secara Normal
 Apabila pensampelan rawak bersaiz n diambil daripada
suatu populasi yang bertaburan normal dengan min  dan
varians 2 maka
i. taburan pensampelan juga bertaburan normal
ii. min bagi taburan pensampelan adalah sama dengan min
bagi populasi , iaitu  x  
iii. varians bagi taburan pensampelan adalah sama dengan
varians bagi populasi dibahagi dengan saiz sampel, iaitu
 2
 2
x 
n
iv. sisihan piawai bagi taburan pensampelan dinamakan ralat
piawai ditanda dengan  x

Bab 8 - Taburan Pensampelan 8

 Takrif tersebut boleh ditulis semula seperti di bawah.
 Jika Xi ~ N( ,2) apabila sampel n diambil, menghasilkan
X ~ N (  x ,  x2 )
2
 Dengan x   dan  x2 
n
 Taburan pensampelan boleh dijelmakan kepada normal
piawai untuk mendapatkan nilai Z.
Dengan ini X - x
Z ~ N (0,1)
x
 Untuk mengetahui taburan pensampelan min sampel
apabila pensampelan daripada populasi yang bukan
normal, kita gunakan satu teorem yang dinamakan
TEOREM HAD MEMUSAT
Bab 8 - Taburan Pensampelan 9
 8.2 Teorem Had Memusat

Jika X1, X2, …,Xn adalah suatu sampel rawak bersaiz n dari
sebarang populasi yang taburannya tidak diketahui dengan
min  dan varians 2 maka min sampel, akan mempunyai
taburan hampir normal dengan min  x  
2
dan varians  x 
2

n
jika n adalah besar. Saiz sampel boleh dianggap besar
apabila n  30

Bab 8 - Taburan Pensampelan 10

Contoh 1
Diberi populasi mengandungi lima nombor; 2,
3, 6, 8 dan 11. Katalah kesemua sampel bersaiz
2 boleh diperolehi dari populasi dengan cara
pengembalian, dapatkan
1. Min populasi
2. Sisihan piawai populasi
3. Min taburan pensampelan min
4. Sisihan piawai taburan pensampelan min
5. Kebarangkalian min sampel yang kurang
daripada 4.0

Bab 8 - Taburan Pensampelan 11

Penyelesaian
1
1.   (2  3  6  8  11)  6
5
1
[( 2  6) 2  (3  6) 2  (6  6) 2
2.   5  3.29
 (8  6) 2  (11  6) 2

3. x    6
4.  10.8 2
  
2
x  5.4,  x  5.4  2.323
n 2
46
P( X  4)  P( Z 
5. 2.323
)

 P(Z  -0.86)
 0.1949
Bab 8 - Taburan Pensampelan 12
 Fikir dan buat 1
Suatu populasi terdiri daripada 4 nombor
1,2,5,7. Pertimbangkan semua sampel bersaiz
dua yang boleh diambil dengan pengembalian
daripada populasi itu. Cari
a. Min populasi
b. Varians bagi populasi
c. Min bagi taburan pensampelan min
d. Varians bagi taburan pensampelan min
e. Kebarangkalian bahawa min sampel lebih
besar daripada 6.

Bab 8 - Taburan Pensampelan 13

Contoh 2
Min dan sisihan piawai ketinggian 3000
penuntut di sebuah universiti masing-masing
 = 68 inci dan  = 3 inci.Jika 80 sampel tiap-
tiap satu bersaiz 36 diperolehi dengan
pengembalian, tentukan
a. min dan sisihan piawai taburan pensampelan
min
b. bilangan sampel yang mempunyai min di
antara 67 dan 68.3 inci.

Bab 8 - Taburan Pensampelan 14

Penyelesaian
 3
a)  x    68  x ,   0.5
n 36
b) Taburan pensampelan X boleh dihampir
kepada taburan normal dengan
menggunakan teorem had memusat kerana
saiz sampel dianggap besar .
P(67 < X < 68.3) 67  68.3 68.3  68
 P( Z )
0.5 0 .5
 P (2  Z  0.6)
 1  P ( Z  2)  P ( Z  0.6)
 0.7030
Jangkaan bilangan sampel = 80(0.7030)  5715
Bab 8 - Taburan Pensampelan
 Fikir dan buat 2
Tinggi pelajar ditaburkan secara normal dengan
min 165 sm dan varians 64 sm. Jika 120 sampel
rawak bersaiz 20 diambil daripada populasi ini,
a. Kenalpasti taburan pensampelan bagi min
sampel
b. Bilangan sampel yang dijangka akan
mempunyai min sampel di antara 166 sm
dan 169sm.

Bab 8 - Taburan Pensampelan 16

Bagi Populasi Terhingga (Tanpa
Pengembalian)
 Jika X1, X2, …,Xn adalah suatu sampel
rawak bersaiz n yang diambil tanpa
pengembalian dari populasi terhingga
bersaiz N dengan min  dan varians 2
maka min sampel, X akan mempunyai
taburan hampir normal dengan min 
dan varians  2
 N n
 
n  N 1 

Bab 8 - Taburan Pensampelan 17

Contoh 3

 Sampel-sampel rawak bersaiz 5 diambil

tanpa pengembalian daripada populasi
terhingga 1,1,2,2,2,3,3,3,3,4. Tentukan
min dan varians bagi taburan
pensampelan min sampel

Bab 8 - Taburan Pensampelan 18

Penyelesaian

X=x 1 2 3 4
P(X=x 0.2 0.3 0.4 0.1
)
x.P(x) 0.2 0.6 1.2 0.4
x2P(x) 0.2 1.2 3.6 1.6
  = xP(x) = 2.4

 2 = x2P(x) - 2 = 0.84

   x    2.4

 2
 N  n  0.84  10  5 
x  
2
    0.0933
n  N 1  5  10  1 
Bab 8 - Taburan Pensampelan 19
Contoh 4

 Berat 200 orang bayi diketahui

mempunyai taburan hampir normal
dengan min 2.5 kg dan varians 0.81 kg.
Suatu sampel rawak 25 orang bayi
diambil tanpa pengembalian daripada
golongan ini. Apakah kebarangkalian
minnya lebih daripada 2.4 kg?

Bab 8 - Taburan Pensampelan 20

 Penyelesaian

 N=200 =2.5 2 = 0.81 n = 25

 x    2.5  2  N  n  0.81  200  25 
 
2
     0.0285
n  N  1  25  200  1 
x

 P(min sampel melebihi 2.4) = P( X >

2.4) 2.4  2.5
 P( Z  )
0.0285
 P( Z  0.59)
 1  P( Z  0.59)
 0Bab
.7224
8 - Taburan Pensampelan 21
 Fikir dan buat 3
Panjang 300 helai daun sejenis pokok diketahui
mempunyai taburan normal dengan min
10.5 sm dan sisihan piawai 1.8 sm. Jika
suatu sampel rawak bersaiz 50 diambil
daripada populasi ini, dapatkan
kebarangkalian bahawa minnya kurang
daripada 11 sm.
a. Dengan pengembalian
b. Tanpa pengembalian

Bab 8 - Taburan Pensampelan 22

 Fikir dan buat 4

Masa tahan suatu jenis bateri kalkulator

ditaburkan secara normal dengan min
800jam dan sisihan piawai 45 jam. Jika
1000 sampel rawak bersaiz 50 diambil,
berapakah sampel yang dijangka akan
mempunyai min kurang daripada 790
jam?

Bab 8 - Taburan Pensampelan 23

 8.3 Taburan Pensampelan Terhadap
Perkadaran (p)

 Konsep perkadaran seperti konsep ujikaji binomial

Nilai p= bil unsur dlm pop utk ciri yg dikaji
jum semua unsur dlm pop
Perkadaran sampel(p̂ ) adalah nisbah utk sampel
yg merupakan penganggar terbaik utk p.

Rumus: p=X/N dan p̂ =x/n

dgn X = bil unsur dlm populasi utk ciri yg diuji
x = bil unsur dlm sampel utk ciri yg diuji
N = bil semua unsur dalam populasi
n = bil semua unsur dalam sampel
Bab 8 - Taburan Pensampelan 24
 Samb.

p mewakili kb berjaya dan q pula kb gagal iaitu

q = 1 – p dan q̂  1 - p̂
Min utk perkadaran sampel ialah μ p̂ = p
Sisihan piawai utk perkadaran sampel
ialah   pq
pˆ
n
Maka taburan pensampelan bagi perkadaran
adalah ˆ pq
p ~ N ( p, )
n
Bab 8 - Taburan Pensampelan 25
 Teorem Had Memusat utk Perkadaran
Populasi

Teorem ini menyatakan, taburan persampelan bagi

p̂
akan menghampiri normal bagi saiz sampel yang
cukup besar. Untuk kes perkadaran, saiz sampel
akan dianggap besar jika np dan nq kedua-duanya
lebih besar drpd 5, iaitu
np  5 dan nq  5

Bab 8 - Taburan Pensampelan 26

 Contoh 5
Katakan sejumlah 789,654 keluarga tinggal di
Bandar A dan 563,282 daripadanya memiliki
rumah sendiri. Oleh itu,
N = saiz populasi = 789,654
X = bil keluarga yang memiliki rumah = 563,282
maka perkadaran untuk semua keluarga yang
memiliki rumah ialah
X 563,282
p   0.71
N 789,654

Bab 8 - Taburan Pensampelan 27

 Contoh 5 (samb.)
Seterusnya, jika sampel sebanyak 240 keluarga
dipilih dan 158 daripada mereka memiliki rumah,
maka
n = saiz sampel = 240
x = bil keluarga dalam sampel yang memiliki rumah
= 158

Maka perkadaran sampel ialah :

x 158
p̂ =   0.66
n 240

Bab 8 - Taburan Pensampelan 28

 Contoh 6
Hasil satu kajian menyatakan 44 peratus orang
dewasa bersetuju bahawa remaja selalu lalai
sewaktu memandu kereta. Andaikan keputusan ini
benar untuk populasi orang dewasa. Jika p̂ adalah
perkadaran untuk sampel 100 dewasa, cari min dan
sisihan piawai bagi p̂ .
Penyelesaian
 p̂ = p = 0.44
 p̂ = pq = 0.440.56  0.0496
n 100

Bab 8 - Taburan Pensampelan 29

 Contoh 7
Daripada pengalaman-pengalaman lepas, sebuah
kilang pembuat paku telah mengesan 6% daripada
paku-paku yang dikeluarkan oleh kilangnya adalah
cacat. Jika 300 buah paku dipilih secara rawak,
apakah kebarangkalian kadar paku yang cacat di
antara 0.02 dan 0.035?
Penyelesaian
p̂ adalah kadar paku yg dikeluarkan yg didapati
cacat.
 pq (0.06)(0.94) 
pˆ ~ N  p  0.06,  
 n 300 

Bab 8 - Taburan Pensampelan 30

 Contoh 7 (samb.)
Penyelesaian
 
 
 0.02  0.06 pˆ  p 0.035  0.06 
p(0.02  pˆ  0.035)  P  
 (0.06)(0.94) pq (0.06)(0.94) 
 
 300 n 300 
 0.02  0.06 0.035  0.06 
 P Z 
 0.014 0.014 
 P 2.86  Z  1.79
 0.0346

Bab 8 - Taburan Pensampelan 31

 Fikir dan buat 5

Daripada pengalaman lepas didapati

bahawa 60% daripada surirumah dari
sebuah bandar menggemari serbuk
pencuci A. Jika 36 orang surirumah
dipilih secara rawak, apakah
kebarangkalian 50% atau lebih
menggemari serbuk pencuci A?

Bab 8 - Taburan Pensampelan 32