Distribusi Sampling

Definisi Distribusi Sampling

Distribusi sampel dalam statistik mengacu pada mempelajari banyak sampel acak yang dikumpulkan dari populasi tertentu berdasarkan atribut tertentu. Hasil yang diperoleh memberikan gambaran yang jelas tentang variasi probabilitas dari hasil yang diperoleh. Akibatnya, para analis tetap mengetahui hasil sebelumnya, dan karenanya, mereka dapat membuat persiapan untuk mengambil tindakan yang sesuai.

Anda bebas menggunakan gambar ini di situs web Anda, templat, dll., Harap berikan kami tautan atribusiBagaimana Memberikan Atribusi? Tautan Artikel menjadi Hyperlink
Misalnya: Sumber: Sampling Distribution (wallstreetmojo.com)

Karena data didasarkan pada satu populasi pada satu waktu, informasi yang dikumpulkan mudah dikelola dan lebih dapat diandalkan sejauh menyangkut perolehan hasil yang akurat. Oleh karena itu, distribusi pengambilan sampel adalah alat yang efektif dalam membantu peneliti, akademisi, analis keuangan Analis Keuangan Analis keuangan menganalisis proyek atau perusahaan dengan tujuan utama untuk memberi saran kepada manajemen / klien tentang keputusan investasi yang layak. Mereka melakukan analisis keuangan menyeluruh dan membuat proyeksi objektif yang sesuai untuk sampai pada kesimpulan mereka. Baca lebih lanjut, ahli strategi pasar, dan lainnya membuat keputusan yang tepat dan bijaksana.

Takeaway kunci

Distribusi sampel mengacu pada mempelajari sampel yang dipilih secara acak untuk memahami variasi dalam hasil yang diharapkan akan diturunkan.
Banyak peneliti, akademisi, ahli strategi pasar, dll., melanjutkannya alih-alih memilih seluruh populasi.
Distribusi sampel rata-rata, distribusi sampel proporsi, dan distribusi T adalah tiga jenis utama distribusi sampel hingga.
Teorema limit sentral menyatakan bagaimana distribusi masih tetap normal dan hampir akurat dengan bertambahnya ukuran sampel.

Bagaimana Cara Kerja Distribusi Sampling?

Distribusi sampling dalam statistik mewakili kemungkinan hasil yang bervariasi ketika sebuah penelitian dilakukan. Ini juga dikenal sebagai distribusi sampel hingga. Dalam prosesnya, pengguna mengumpulkan sampel secara acak tetapi dari satu populasi yang dipilih. Populasi adalah sekelompok orang yang memiliki atribut yang sama yang digunakan untuk pengumpulan sampel acak dalam hal statistik Statistik Statistik adalah ilmu di balik mengidentifikasi, mengumpulkan, mengatur dan meringkas, menganalisis, menafsirkan, dan akhirnya, menyajikan data tersebut, baik kualitatif atau kuantitatif, yang membantu membuat keputusan yang lebih baik dan efektif dengan relevansi.baca lebih lanjut.

Namun, data yang dikumpulkan tidak berdasarkan populasi melainkan sampel yang dikumpulkan dari populasi tertentu yang akan diteliti. Dengan demikian, sampel menjadi bagian dari populasi yang dipilih. Dengan distribusi sampling, sampel dipelajari untuk menentukan probabilitas berbagai hasil yang terjadi sehubungan dengan peristiwa tertentu. Misalnya, memperoleh data untuk memahami iklan yang dapat membantu menarik perhatian remaja akan memerlukan pemilihan populasi yang berusia antara 13 dan 19 tahun saja.

Menggunakan distribusi sampel terbatas, pengguna dapat menghitung rata-rata, rentang, standar deviasi, rata-rata nilai absolut dari deviasi, varians, dan perkiraan varians sampel yang tidak bias. Tidak peduli untuk tujuan apa pengguna ingin menggunakan data yang dikumpulkan, itu membantu ahli strategi, ahli statistik, akademisi, dan analis keuangan membuat persiapan yang diperlukan dan mengambil tindakan yang relevan sehubungan dengan hasil yang diharapkan.

Segera setelah pengguna memutuskan untuk menggunakan data untuk perhitungan lebih lanjut, langkah selanjutnya adalah mengembangkan distribusi frekuensi Distribusi Frekuensi Distribusi frekuensi mengacu pada pengulangan suatu variabel, yaitu berapa kali suatu variabel muncul dalam kumpulan data. Di excel, ini adalah fungsi untuk membuat tabulasi atau secara grafis mewakili perulangan nilai tertentu dalam grup atau interval. Baca lebih lanjut sehubungan dengan statistik sampel individu yang dihitung melalui rata-rata, varians, dan metode lainnya. Selanjutnya, mereka memplot distribusi frekuensi untuk masing-masing pada grafik untuk mewakili variasi hasil. Representasi ini ditunjukkan pada grafik distribusi.

Faktor yang mempengaruhi

Selain itu, keakuratan distribusi bergantung pada berbagai faktor, dan faktor utama yang memengaruhi hasil antara lain:

Jumlah pengamatan dalam populasi. Hal ini dilambangkan dengan ‘N.’
Jumlah pengamatan dalam sampel. Hal ini dilambangkan dengan ‘n.’
Metode yang diadopsi untuk memilih sampel secara acak. Ini mengarah pada variasi dalam hasilnya.

Jenis

Distribusi sampel hingga dapat dinyatakan dalam berbagai bentuk. Berikut adalah daftar beberapa jenisnya:

#1 – Sampling Distribusi Mean

Ini adalah penyebaran probabilistik dari semua sarana sampel dengan ukuran tetap yang dipilih pengguna secara acak dari populasi tertentu. Ketika mereka memplot rata-rata individu pada grafik, ini menunjukkan distribusi normalDistribusi NormalDistribusi Normal adalah kurva distribusi frekuensi berbentuk lonceng yang membantu menggambarkan semua nilai yang mungkin dapat diambil oleh variabel acak dalam rentang tertentu dengan sebagian besar area distribusi berada di tengah dan sedikit yang berada di ekor, di ekstrem. Distribusi ini memiliki dua parameter utama: rata-rata (µ) dan standar deviasi (σ) yang berperan penting dalam perhitungan pengembalian aset dan dalam strategi manajemen risiko.baca lebih lanjut. Namun, pusat grafik adalah rata-rata dari distribusi sampel hingga, yang juga merupakan rata-rata dari populasi tersebut.

#2 – Sampling Distribusi Proporsi

Jenis distribusi sampel terbatas ini mengidentifikasi proporsi populasi. Pengguna memilih sampel dan menghitung proporsi sampel. Mereka, kemudian, memplot angka yang dihasilkan pada grafik. Rata-rata proporsi sampel yang dikumpulkan dari masing-masing kelompok sampel menandakan proporsi rata-rata populasi secara keseluruhan. Misalnya, seorang Vlogger mengumpulkan data dari grup sampel untuk mengetahui proporsi minatnya untuk menonton video yang akan datang.

#3 – Distribusi-T

Orang-orang menggunakan jenis distribusi ini ketika mereka tidak mengetahui dengan baik populasi yang dipilih atau ketika ukuran sampel Ukuran sampel Rumus ukuran sampel menggambarkan rentang populasi yang relevan tempat eksperimen atau survei dilakukan. Itu diukur dengan menggunakan ukuran populasi, nilai kritis dari distribusi normal pada tingkat kepercayaan yang diperlukan, proporsi sampel dan margin of error.baca lebih lanjut sangat kecil. Bentuk distribusi simetris ini memenuhi kondisi variate normal baku. Saat ukuran sampel meningkat, bahkan T distribusiT DistribusiRumus untuk menghitung distribusi T adalah T=x¯−μ/s√N. Di mana x̄ adalah rata-rata sampel, μ adalah rata-rata populasi, s adalah standar deviasi, N adalah ukuran sampel yang diberikan.baca lebih lanjut cenderung menjadi sangat dekat dengan distribusi normal. Pengguna menggunakannya untuk mengetahui rata-rata populasi, perbedaan statistik, dll.

Makna

Jenis distribusi ini memainkan peran penting dalam memastikan hasil yang diperoleh secara akurat mewakili seluruh populasi. Namun, membaca atau mengamati setiap individu dalam suatu populasi itu sulit. Oleh karena itu, pemilihan sampel dari populasi secara acak merupakan upaya untuk memastikan bahwa studi yang dilakukan dapat membantu memahami reaksi, tanggapan, keluhan, atau aspirasi populasi terpilih dengan cara yang paling efektif.

Metode ini menyederhanakan jalur menuju inferensi statistik. Selain itu, memungkinkan pertimbangan analitis untuk fokus pada distribusi statis daripada penyebaran probabilistik campuran dari setiap unit sampel yang dipilih. Distribusi ini menghilangkan variabilitas yang ada dalam statistik.

Ini memberi kita jawaban tentang kemungkinan hasil yang paling mungkin terjadi. Selain itu, ini memainkan peran kunci dalam statistik inferensial Statistik Inferensial Statistik inferensial membantu mempelajari sampel data dan membuat kesimpulan tentang populasinya. baca lebih lanjut dan buat kesimpulan yang hampir akurat melalui sampel terpilih yang mewakili populasi.

Contoh

Mari kita perhatikan contoh berikut untuk memahami konsep ini dengan lebih baik:

Contoh 1

Sarah ingin menganalisis jumlah remaja yang mengendarai sepeda antara dua wilayah 13-18 tahun.

Alih-alih mempertimbangkan setiap individu dalam populasi usia 13-18 tahun di dua wilayah tersebut, ia memilih 200 sampel secara acak dari masing-masing wilayah.

Di Sini,

Hitungan rata-rata penggunaan sepeda di sini adalah rata-rata sampel.
Setiap sampel yang dipilih memiliki rata-rata yang dihasilkannya sendiri, dan distribusi untuk rata-rata rata-rata adalah distribusi sampel.
Penyimpangan yang diperoleh disebut kesalahan standar Kesalahan standar Kesalahan standar muncul dalam distribusi sampling saat melakukan analisis statistik. Ini adalah varian dari standar deviasi karena kedua konsep sesuai dengan ukuran penyebaran. Kesalahan standar yang tinggi sesuai dengan penyebaran data yang lebih tinggi untuk sampel yang dilakukan.baca lebih lanjut.

Dia memplot data yang dikumpulkan dari sampel pada grafik untuk mendapatkan pandangan yang jelas tentang distribusi sampel hingga.

Contoh #2

Peneliti Samuel melakukan penelitian untuk menentukan berat rata-rata anak usia 12 tahun dari lima wilayah berbeda. Karena itu, ia memutuskan untuk mengumpulkan 20 sampel dari setiap daerah. Pertama, peneliti mengumpulkan 20 sampel dari wilayah A dan mencari rata-rata dari sampel tersebut. Kemudian, ia mengulangi hal yang sama untuk wilayah B, C, D, dan E untuk mendapatkan perwakilan terpisah untuk setiap populasi sampel.

Peneliti menghitung rata-rata distribusi sampel terbatas setelah menemukan berat rata-rata masing-masing anak usia 12 tahun. Selain itu, ia juga menghitung standar deviasi dari distribusi dan varian sampling.

Teorema Limit Pusat

Pembahasan distribusi sampling tidak lengkap tanpa menyebut teorema limit pusat, yang menyatakan bahwa bentuk distribusi akan bergantung pada besar kecilnya sampel.

Menurut teorema ini, peningkatan ukuran sampel akan mengurangi kemungkinan kesalahan standarStandard ErrorStandard Error (SE) adalah metrik yang mengukur keakuratan distribusi sampel yang menandakan suatu populasi dengan menggunakan standar deviasi. Dengan kata lain, ini adalah ukuran penyebaran rata-rata sampel yang berkaitan dengan rata-rata populasi dan bukan standar deviasi. Baca lebih lanjut, dengan demikian menjaga distribusi tetap normal. Saat pengguna memplot data pada grafik, bentuknya akan mendekati bentuk kurva lonceng. Singkatnya, semakin banyak kelompok sampel yang dipelajari, semakin baik dan normal hasil/representasinya.

Pertanyaan yang Sering Diajukan (FAQ)

Apa itu distribusi sampling?

Juga dikenal sebagai distribusi sampel terbatas, itu adalah studi statistik di mana sampel dipilih secara acak dari populasi dengan atribut tertentu untuk menentukan probabilitas hasil yang bervariasi. Hasil yang diperoleh membantu akademisi, analis keuangan, ahli strategi pasar, dan peneliti menyimpulkan studi, mengambil tindakan yang relevan, dan membuat keputusan yang lebih bijak.

Bagaimana mencari rata-rata distribusi sampling?

Untuk menghitungnya, pengguna mengikuti langkah-langkah di bawah ini:

• Memilih sampel secara acak dari suatu populasi
• Melakukan perhitungan rata-rata, varians, standar deviasi, atau lainnya sesuai kebutuhan • Mendapatkan distribusi frekuensi untuk setiap sampel yang dikumpulkan • Plot data yang dikumpulkan pada grafik

Mengapa distribusi sampling penting?

Penting untuk mendapatkan representasi grafis untuk memahami sejauh mana hasil yang terkait dengan suatu peristiwa dapat bervariasi. Selain itu, ini membantu pengguna untuk memahami populasi yang mereka hadapi. Misalnya, seorang pengusaha dapat mengetahui kemungkinan seberapa berhasil menjual produk atau layanan mereka. Pada saat yang sama, analis keuangan dapat membandingkan sarana investasi dan menentukan mana yang lebih berpotensi menghasilkan lebih banyak keuntungan, dll.

Artikel yang Direkomendasikan

Ini adalah panduan tentang apa itu Sampling Distribution & definisinya. Kami menjelaskan jenisnya (rata-rata, proporsi, distribusi-t) dengan contoh & pentingnya.. Anda dapat mempelajari lebih lanjut dari artikel berikut –