Istilah Penting Dalam Statistika

ISTILAH PENTING DALAM STATISTIKA

Sampel vs Populasi

Para Peneliti membedakan antara sampel dan populasi. Suatu populasi adalah kumpulan orang-orang (grup) yang mana kita tertarik untuk melakukan generalisasi. Sebagai contoh, mungkin: Semua orang yang bertempat tinggal di AS. Para wanita yang menikah antara usia 35 dan 44 tahun, semua anak-anak yang berusia di bawah 3 tahun. Semua rumah sakit di AS. Suatu contoh yang sederhana adalah suatu grup kecil yang diambil dari suatu populasi seperti tersebut di atas. Sebagai contoh: 1000 orang yang tinggal di AS, 120 wanita yang berusia 3 dan 44 tahun, 967 anak-anak di bawah usia 3 tahun, atau 100 rumah sakit di AS.

Ringkasan angka untuk beberapa hal, seperti dengan rata-rata, memiliki dua bentuk: satu digunakan untuk sampel dan satu lagi untuk populasi. Dalam Notasi Daniel, rata-rata untuk Sampel ditulis dengan x dan rata-rata untuk populasi ditulis dengan u (dengan pengucapan ”mu”). Sampel rata-rata (x) itu disebut statistik dan u disebut parameter. Jika anda tidak ingat dari beberapa istilah lain tentang statistik dan parameter, seperti arti. Median, model, standar penyimpangan dan varian. Saya menyarankan agar mereview Bab 2 dalam tulisan Daniel.


Deskriftif vs Statistik Inferensial

Kebanyakan orang-orang berfikir tentang Statistik Deskriftif tatkala ketika mereka mendengar kata ”Statistik”. Sebagai contoh, pukulan secara rata-rata dalam permainan baseball atau 4 dari 5 dokter gigi menyarankan.....Tapi kita tidak akan benar-benar mempelajari tentang tipe statistik itu dikelas ini. Kita lebih tertarik dengan statistik inferensial, karena statistik itulah banyak digunakan oleh para peneliti. Yng membedkan adalah bahwa Statistik Inferensial, menyimpulkan sesuatu tentang populasi, berdsarkan suatu jumlah kecil dari orang-orang adalah sampel. Keseluruhan pengambilan langkah-langkah statistik inferensial adalah tentang pembuatan perkiraan angka-angkat tentang suatu populasi berdasarkan suatu sampel. Statistik Deskriftif adalah hanya untuk kegunaan-kegunaan tentang penggambaran sampel itu. Dalam deskriftif statistik, hasil-hasil tidak berarti yang diberlakukan untuk-untuk sampel-smpel lain atau untuk populasi yang lebih besar.


Signifikan

Signifikan statistikal adalah ketentuan-ketentuan khusus yang digunakan para peneliti. Signifikan merujuk terhadap suatu jenis kepastian tentang ya atau tidaknya suatu sampel khusus sebagai suatu hasil, bahwa hal itu sepertinya benar dalam populasi yang mana diambil atau sampel-sampel lain yang diambil dari populasi. Seperti, jika 32.1% dari sampel laporan tidak melihat doktor dalam tahun yang lalu, bagaimana kita dapat tahu apakah perkiraan 32% dalam seluruh populasi tidak melihat seorang doktor pada tahun yang lalu? Atau jika suatu sampel dari para pekerja di area Portland Metropolitan memiliki penghasilan rata-rata sebesar 37.189 dolar AS, bgaimana kita tahu jika hasil ini sepertinya benar, jika kita melakukan penelitian dari semua para pekerja di area Portland Metro?

Sekarang, salah satu dari alasan-alasan mengapa sampel statistik mungkin bukan suatu perkiraan yang baik dari parameter populasi adalah bahwa sampel itu bukan suatu sampel yang baik. Itulah, suatu sampel yang tidak mewakili telah diambil karena beberapa alasan. Ada beberapa jalan untuk mengambil sampel untuk populasi itu, beberapa dari mereka adalah merupakan cara yang baik dan beberapa dari mereka tidak baik.. Cara yang lebih baik akan menghasilkan, bahwa mewakili populasi (semua mempunyai karakteristik yang sama). Untuk kelas ini, kita tidak akan membahas metodologi yang dipakai dalam pengambilan sampel-sampel, dan kita akan mengasumsikan bahwa kita telah melakukan pekerjaan yang baik untuk hal itu. Sebagai contoh, cara yang baik dalam mengambil sampel adalah dengan mengambil secara acak sampel, yang mana setiap anggota populasi memilik kesempatan yang sama untuk terpilih dalam sampel itu.


Variasi Sampel

Bahkan jika kita mengambil sampel secara acak dengan sempurna, sepertinya kita tidak akan mendapat hasil yang sama dalam sampel seperti yang akan kita dapatkan dalam populasi. Hanya kebetulan kita akan mendapat bagaimanapun suatu responden yang berbeda dalam sampel dan hal ini disebut variasi sampel. Mri kita ambil 10 pekerja dari area Portland metro secara acak. Mari asusmsikan bahw penghasilan rata-rata untuk seluruh para pekerja Portlan Metro adalah 37.189 dolar AS. Hal ini sepertinya tidak, bahwa rata-rata penghasilan dari 10 orang dalam sampel kita akandengan tepat 37.189 dolar AS. Mungkin kita, sebagai contoh, mengambil 10 pekerja dari restoran cepat saji seluruhnya secara kebetulan. Pendapatan mereka mungkin hanya 10.000 dolar AS. Atau mungkin kita mengambil sampel dari para pengacara, doktor dan eksekutif perusahaan secara kebetulan dan penghasilan rata-rata mereka mungkin adalah 157.000 dolar AS. Hal ini mungkin












Dalam gambar di atas, kebanyakan dari sampel berada di sekitar pertengahan. Nilai pertengahan, yang mana disebut perkiraan nilai suatu rata-rata (diwakili oleh E(x). Sama dengan rata-rata dari seluruh rata-rata sampel (seperti ambillah rata-rata setiap sampel dan kemudian ambil rata-rata dari seluruh rata-rata). Hal ini terjadi bahwa perkiraan rata-rata yang sama dengan rata-rata populasi. Hal itulah, jika kita mengumpulkan jumlah tanpa batas dari sampel-sampel dan diperhitungkan dari tiap-tiap rata-rata dari semua rata-rata sampel, hal ini akan menyamakan rata-rata dari seluruh populasi.

Gambar di atas mewakili distribusi sampel rata-rata. Distribusi sampel seperti distribusi lainnya, karena hal ini memiliki suatu rata-rata (yang disebut rata-rata perkiraan) dan suatu deviasi standar (standar yang salah). Karena kita telah menghitung rata-rata dalam setiap sampel, standar yang salah adalah disebut standar yang salah rata-rata. Kita dapat menghitung statistik-statistik lain dalam setiap sampel. Seperti median atau deviasi standar, kasus yang mana kita akan memiliki standar yang salah dari median atau standar yang salah dari deviasi standar (hal itu menghasilkan kedua terakhir sering tidak dipergunakan). Setiap statistik memiliki distribusi sampel yang sulit. Suatu statistik adalah tidak bias, jika rata-rata distribusi sampel sama dengan rata-rata populasi. Rata-rata sampel x adalah tidak bias.

Semua ini mungkin seperti benar-benar hipotetis (dan seperti dikenal), tetapi hal ini adalah dasar dari semua statistik inferensial. Statistik inferensial, percobaan-percobaan statistik dan signifikan statistik semua berdasarkan perkiraan-perkiraan variasi sampel. Jika kita tahu tentang bagaimana fluktuasi rata-rata dari sampel ke sampel karena kesempatan, kita dapat menggunakan informasi itu untuk membuat kesimpulan tentang populasi.