Distribusi sampling dapat dijelaskan dengan menghitung rata-rata dan kesalahan standarnya. Teorema limit pusat menyatakan bahwa jika sampelnya cukup besar, distribusinya akan mendekati populasi tempat Anda mengambil sampel tersebut. Artinya, jika populasi berdistribusi normal, maka sampel juga akan demikian. Jika Anda tidak mengetahui distribusi populasi, umumnya dianggap normal. Anda perlu mengetahui standar deviasi populasi untuk menghitung distribusi sampling.
Tambahkan semua pengamatan bersama-sama dan kemudian bagi dengan jumlah total pengamatan dalam sampel. Misalnya, sampel ketinggian setiap orang di sebuah kota mungkin memiliki pengamatan 60 inci, 64 inci, 62 inci, 70 inci, dan 68 inci dan kota tersebut diketahui memiliki distribusi ketinggian normal dan standar deviasi ketinggian 4 inci. . Rata-ratanya adalah (60+64+62+70+68) / 5 = 64,8 inci.
Tambahkan 1/ukuran sampel dan 1/ukuran populasi. Jika ukuran populasi sangat besar, misalnya semua orang di sebuah kota, Anda hanya perlu membagi 1 dengan ukuran sampel. Misalnya, sebuah kota sangat besar, jadi hanya 1 / ukuran sampel atau 1/5 = 0,20.
Ambil akar kuadrat dari hasil dari Langkah 2 lalu kalikan dengan standar deviasi populasi. Sebagai contoh, akar kuadrat dari 0,20 adalah 0,45. Kemudian, 0,45 x 4 = 1,8 inci. Kesalahan standar sampel adalah 1,8 inci. Bersama-sama, rata-rata, 64,8 inci, dan kesalahan standar, 1,8 inci, menggambarkan distribusi sampel. Sampel memiliki distribusi normal karena kota memilikinya.
gambar kalkulator oleh Szymon Apanowicz dari Fotolia.com
