Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

PERTEMUAN I 6/11/2018 sugeng_gizi@yahoo.com.

Presentasi serupa


Presentasi berjudul: "PERTEMUAN I 6/11/2018 sugeng_gizi@yahoo.com."— Transcript presentasi:

1 PERTEMUAN I 6/11/2018

2 CENTRAL LIMIT THEOREMA
Sugeng Wiyono, SKM,M.Kes 6/11/2018

3 DISTRIBUSI SAMPLING Distribusi Sampling adalah distribusi dari mean-mean sampel yang diambil secara berulang kali dari suatu populasi sehingga perlu diketahui ukuran-ukuran sampel dan populasi. Indikator Sampel Populasi 1.Karakteristik Statistik Paramater 2.Rata-rata hitung χ¯ μ 3. Simpangan baku SD σ 4.Jumklah Unit n N 6/11/2018

4 Distribuisi sampling  dasar Statistik Inferens 1
Distribuisi sampling  dasar Statistik Inferens 1.Dilakukan pengambilan sampel scr random besarnya n (X1,X2,…Xn) kemudian dihitung rata-rata X dan simpangan baku/SD. Sampel yang diambil secara berulang kali akan menghasilkan bermacam-macam nilai rata-rata. Dari sampel satu ke sampel ke n akan diperoleh rata-rata hitung X1,X2,…Xn. 2.Rata-rata dari sampel-sampel ini X1,X2,…Xn.kalau disusun akan membentuk suatu distribusi. Distribusi dari nilai rata-rata sampel ini disebut sebagai distribusi sampling harga mean/rata-rata. 6/11/2018

5 Sifat Distribusi Sampling sbg Central Limit Theorema yang merupakan dasar teori Inferens. a. Bila sampel diambil scr random dg n elemen masing2 diambil dari suatu populasi normal yang mempunyai mean (=) dan varian (=) maka distribusi sampling harga mean akan mempunyai mean sama dengan  dan standar deviasi σ/√n. Standar deviasi (σ/√n) distribusi sampling harga mean ini disebut sbg standar error/SE. 6/11/2018

6 b. Jika populasi berdistribusi normal, maka distribusi sampling harga
mean juga akan terdistribusi normal sbg sifat seperti persamaan Z score adalah nilai deviasi relatif antara nilai sampel dan populasi=nilai distribusi normal standar. c. Walau populasi berdistribusi sembarang tapi kalau diambil sampel berulang kali secara random maka distribusi harga meannya akan membentuk distribusi normal. 6/11/2018

7 Populasi 5 penderita penyakit H dengan masa inkubasi (hari) sbb:
contoh: Populasi 5 penderita penyakit H dengan masa inkubasi (hari) sbb: 6/11/2018

8 Contoh: Diambil sampel dengan besar n=2
Contoh: Diambil sampel dengan besar n=2. Dari populasi diatas kemungkinan sampel yang terjadi adalah 52=25. Sampel-sampel tsb adalah sebagai tertera pada tabel dibawah ini. 6/11/2018

9 6/11/2018

10 11 3;1 6;2 4 6 -2 12 3;2 6;3 4.5 -1.5 2.25 13 3;3 6;6 14 3;4 6;8 7 1 15 3;5 6;11 8.5 2.5 6.25 16 4;1 8;2 5 -1 17 4;2 8;3 5.5 -0.5 0.25 18 4;3 8;6 19 4;4 8;8 8 2 20 4;5 8;11 9.5 3.5 12.25 6/11/2018

11 Lanjutan………… Dari distribusi sampling (kolom 4) didapatkan:
Xx = {2+2.5+……..+11}/25 =6 Varian/SE2 = { ( X- )2}/25 = 5.4  nilai ini adalah= 10.8 /2 = 5.4 SE = √5.4 = 2.3 hari 6/11/2018

12 Distribusi sampling harga mean dari 25 sampel yang diperoleh dari 5 populasi diatas kalau digambarkan dalam bentuk kurva akan membentuk kurva yang simetris. Sebagai sifat dari distribusi sampling maka dengan demikian sifat-sifat kurva normal dapat diperlakukan. 6/11/2018

13 Tugas ! Lama hari rawat dari 4 orang pasien adalah 5, 3, 2 dan 6 hari, jika diambil sampel sebanyak 3 (n=3). Selanjutnya hitung Rata-rata, Varian, Standar deviasi dan gambar histogram-nya ! 6/11/2018

14 Semoga Dimengerti 6/11/2018


Download ppt "PERTEMUAN I 6/11/2018 sugeng_gizi@yahoo.com."

Presentasi serupa


Iklan oleh Google