Dalil limit pusat menyatakan:
Misalkan X1,X2,... adalah barisan variabel random yang iid, masing - masing dengan mean µ dan variansi s2. Maka distribusi dari X1+X2+...+Xn-nµsnv akan menuju ke distribusi normal standar saat n?8.
Perhatikan bahwa:
- Distribusi dari Xi adalah sembarang, tidak harus berasal dari distribusi normal.
- Yang mengikuti distribusi normal standar adalah rerata sampel dari Xi.
Bagaimana ilustrasi dari teorema ini?
Perhatikan contoh berikut.
Contoh 1
Misalkan Xi berdistribusi normal dengan mean µ=5 dan variansi s2=32. Akan diambil sampel berukuran n=4 dari distribusi ini. Pengambilan sampel dilakukan sebanyak n.percobaan=100. Untuk setiap sampel akan dihitung rerata sampel. Maka hasilnya akan diperoleh 100 nilai rerata, sebagai berikut.
rerata1<-NA mu<-5 sigma<-3 n<-4 sigma.xbar<-sigma/sqrt(n) n.percobaan<-100 for (i in 1:n.percobaan){ x<-rnorm(n,5,3) xbar<-mean(x) rerata1[i]<-(xbar-mu)/sigma.xbar } hist(rerata1, prob=TRUE) curve(dnorm(x, mean=0, sd=1), col="darkblue", lwd=2, add=TRUE, yaxt="n")
Bagaimana jika ukuran sampel diperbesar, misal n=10?
rerata2<-NA mu<-5 sigma<-3 n<-10 sigma.xbar<-sigma/sqrt(n) n.percobaan<-100 for (i in 1:n.percobaan){ x<-rnorm(n,5,3) xbar<-mean(x) rerata2[i]<-(xbar-mu)/sigma.xbar } hist(rerata2, prob=TRUE) curve(dnorm(x, mean=0, sd=1), col="darkblue", lwd=2, add=TRUE, yaxt="n")Bagaimana jika ukuran sampel diperbesar, misal n=1000?
rerata3<-NA mu<-5 sigma<-3 n<-1000 sigma.xbar<-sigma/sqrt(n) n.percobaan<-100 for (i in 1:n.percobaan){ x<-rnorm(n,5,3) xbar<-mean(x) rerata3[i]<-(xbar-mu)/sigma.xbar } hist(rerata3, prob=TRUE) curve(dnorm(x, mean=0, sd=1), col="darkblue", lwd=2, add=TRUE, yaxt="n")Perbandingan grafik untuk ketiga skenario tersebut adalah sebagai berikut.
par(mfrow=c(1,3)) hist(rerata1, prob=TRUE, xlim=c(-3,3)) curve(dnorm(x, mean=0, sd=1), col="darkblue", lwd=2, add=TRUE, yaxt="n") hist(rerata2, prob=TRUE, xlim=c(-3,3)) curve(dnorm(x, mean=0, sd=1), col="darkred", lwd=2, add=TRUE, yaxt="n") hist(rerata3, prob=TRUE, xlim=c(-3,3)) curve(dnorm(x, mean=0, sd=1), col="darkgreen", lwd=2, add=TRUE, yaxt="n")
Apa yang dapat kalian simpulkan dari percobaan ini?
Contoh 2
Misalkan Xiberdistribusi uniform pada nilai 1 hingga 10. Akan diambil sampel berukuran n=4 dari distribusi ini. Pengambilan sampel dilakukan sebanyak n.percobaan=100 kali. Untuk setiap sampel akan dihitung rerata sampel. Maka hasilnya akan diperoleh 100 nilai rerata, sebagai berikut.
rerata1<-NA a<-1 b<-10 varX<-(b-a)^2/12 mu<-(a+b)/2 sigma<-sqrt(varX) n<-4 sigma.xbar<-sigma/sqrt(n) n.percobaan<-100 for (i in 1:n.percobaan){ x<-runif(n,a,b) xbar<-mean(x) rerata1[i]<-(xbar-mu)/sigma.xbar } hist(rerata1, prob=TRUE) curve(dnorm(x, mean=0, sd=1), col="darkblue", lwd=2, add=TRUE, yaxt="n")
Bagaimana jika ukuran sampel diperbesar, misal n=10?
rerata2<-NA a<-1 b<-10 varX<-(b-a)^2/12 mu<-(a+b)/2 sigma<-sqrt(varX) n<-10 sigma.xbar<-sigma/sqrt(n) n.percobaan<-100 for (i in 1:n.percobaan){ x<-runif(n,a,b) xbar<-mean(x) rerata2[i]<-(xbar-mu)/sigma.xbar } hist(rerata2, prob=TRUE) curve(dnorm(x, mean=0, sd=1), col="darkblue", lwd=2, add=TRUE, yaxt="n")
rerata3<-NA a<-1 b<-10 varX<-(b-a)^2/12 mu<-(a+b)/2 sigma<-sqrt(varX) n<-1000 sigma.xbar<-sigma/sqrt(n) n.percobaan<-100 for (i in 1:n.percobaan){ x<-runif(n,a,b) xbar<-mean(x) rerata3[i]<-(xbar-mu)/sigma.xbar } hist(rerata3, prob=TRUE) curve(dnorm(x, mean=0, sd=1), col="darkblue", lwd=2, add=TRUE, yaxt="n")Perbandingan grafik untuk ketiga skenario tersebut adalah sebagai berikut.
par(mfrow=c(1,3)) hist(rerata1, prob=TRUE, xlim=c(-3,3)) curve(dnorm(x, mean=0, sd=1), col="darkblue", lwd=2, add=TRUE, yaxt="n") hist(rerata2, prob=TRUE, xlim=c(-3,3)) curve(dnorm(x, mean=0, sd=1), col="darkred", lwd=2, add=TRUE, yaxt="n") hist(rerata3, prob=TRUE, xlim=c(-3,3)) curve(dnorm(x, mean=0, sd=1), col="darkgreen", lwd=2, add=TRUE, yaxt="n")
Apa yang dapat kalian simpulkan dari percobaan ini?
LATIHAN
Lakukan simulasi serupa dengan variasi pada: distribusi (Binomial, Poisson, eksponensial, dll), ukuran sampel, maupun banyaknya percobaan (banyak pengambilan sampel).
Tidak ada komentar:
Posting Komentar
Relevant & Respectful Comments Only.