Distribusi sampling dapat digambarkan dengan menghitung rata-rata dan kesalahan standar. Teorema batas pusat menyatakan bahwa jika sampel cukup besar, distribusinya akan mendekati populasi yang Anda ambil sampelnya. Ini berarti bahwa jika populasi memiliki distribusi normal, maka akan menjadi sampel. Jika Anda tidak tahu distribusi populasinya, umumnya dianggap normal. Anda perlu mengetahui simpangan baku populasi untuk menghitung distribusi sampling.
Tambahkan semua pengamatan bersama dan kemudian bagi dengan jumlah total pengamatan dalam sampel. Misalnya, sampel ketinggian semua orang di kota mungkin memiliki pengamatan 60 inci, 64 inci, 62 inci, 70 inci, dan 68 inci, dan kota ini diketahui memiliki distribusi ketinggian normal dan standar deviasi 4 inci di ketinggiannya. . Rata-rata akan (60 + 64 + 62 + 70 + 68) / 5 = 64,8 inci.
Tambahkan 1 / ukuran sampel dan 1 / ukuran populasi. Jika ukuran populasi sangat besar, semua orang di kota misalnya, Anda hanya perlu membagi 1 dengan ukuran sampel. Sebagai contoh, sebuah kota sangat besar, jadi itu hanya akan menjadi 1 / ukuran sampel atau 1/5 = 0,20.
Ambil akar kuadrat dari hasil dari Langkah 2 dan kemudian gandakan 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, mean, 64,8 inci, dan kesalahan standar, 1,8 inci, menggambarkan distribusi sampel. Sampel memiliki distribusi normal karena kota itu.