statmat2

Upload: deden-istiawan

Post on 02-Jun-2018

221 views

Category:

Documents


0 download

TRANSCRIPT

  • 8/10/2019 statmat2

    1/15

    ESTIMASI TITIK

    Estimasi titik atau penaksir titik adalah suatunilai yang akandigunakan untuk

    menaksir (atau menduga) nilai populasi (biasa disebut parameter) yang pada umumnya tidak kitaketahui nilai sebenarnya.

    Ada 4 metode untuk mendapatkan nilai estimasi berdasarkan sampel (statistic) :

    1. Metode Moment

    2. Metode Likelihood Max (Kemungkinan maksimal)

    3. Metode Kuadrat Terkecil

    4. Metode Chi-Square Minimum

    Namun yang disarankan dalam kurikulum / silabus, kita hanya akan mempelajari metode

    moument dan metode likelihood max. Hal ini dikarenakan kedua metode tersebut yang palingbanyak digunakan.

    1. Metode Moment

    Misal X adalah variable random/peubah acak X kontinu (atau diskrit) dengan fungsi

    kepadatan peluang (FKP) berbentuk ; f ( X ; dengan k parameter yang tidakdiketahui nilainya.

    Misalkanlagi merupakan sebuah sampel acak berukuran n. Untuk itu kitadefinisikan k momen sekitar pusat sampel pertama sebagai berikut :

    =

    ; t = 1,2,..,kKemudian kita tentukan lagi k buah momen sekitarpusat populasipertama dengan

    rumus :

    = E , t = 1,2,..,kCatatan : E = ) ; X diskrit

    E = ) ; X kontinu

    Jadi, merupakan fungsi dari k parameter yang tidak kita ketahui.Penyamaan moment sampel dan moment populasi akan menghasilkan k persamaan dalam

    k parameter yang nilainya tidak diketahui.

    Jadi, = ; t = 1,2,.k

  • 8/10/2019 statmat2

    2/15

    Solusidaripernyataan :

    = Di notasikan dengan sebagai penaksir moment untuk . Untuk lebih

    memahami penaksir titik dengan metode moment, simak / ikuti dengan baik contoh-contohdibawah ini :

    a. Misalkan peubah acak X berdistribusi dengan tidak diketahui. Tentukanpenaksir titik untuk dengan menggunakan metode moment !

    Pembahasan :

    Fkp dari X adalah :

    Diskrit _ p (x:) =

    ; x = 0,1 , 0

    ; x yang lain

    sebagai parameter

    = ; t = 1,2,..k

    Moment sampel= = =Moment populasi =

    =

    = 0 =

    Jadi, = =

    b. Misalkan peubah acak X berdistribusi B ( m, ) dengan m diketahui dan tidakdiketahui. Tentukan penaksir titik untuk denganmenggunakan metode moment !

    Pembahasan :Fkp dari X adalah :

    f(x;m;) = ; x = 0,1,2,..m0 ; yang lain

    Moment sampel :

  • 8/10/2019 statmat2

    3/15

    Moment Populasi = E (x) = = m

    Dengan menyamakan di dapat X = m . , jadi = 2. Metode Kemungkinan Maksimum

    Metode yang terbaik untuk menentukan penaksir titik sebuah parameter adalah metode

    kemungkinan maksimum.

    Missal x adalah peubah acak kontinu dengan fkp : f ( x; ) , dengan tidakdiketahui.Misalkan lagi fungsi

    sebuah sampel acak berukuran n. maka fungsi

    kemungkinan (likelihood function) dari sampel acak berukuran n tersebut adalah :

    L ( ) = f ( )= f( ; ) f(; ; )

    - Dalam hal ini fungsi kemungkinan adalah fungsi dari parameter yang tidak diketahui

    - Penaksir kemungkinan maksimum adalahnilai yang memaksimumkanfungsikemungkinan L (;).Evaluasi Estimator

    Di bawah ini diberikan sifat-sifat penaksir parameter.

    1. Tidak Bias (unbiased)

    Dikatakan penaksir tak bias bagi jika E ()= Catatan :

    1. Jika E () dikatakan penaksir bias bagi 2. Penaksir yang bias dapat dibuat tak bias dengan mengubah pengali atau

    penambah konstanta.

    Ingat!!!!!!

    ,

  • 8/10/2019 statmat2

    4/15

    Misal x adalah peubah acak dengan rata-rata danvarian(apapun distribusinya).Jika , merupakan sebuah sampel acak berukuran n. maka apakah rata-ratasampel x dan variansampel= merupakan penaksir tak bias untuk + ..?jawab :kita akan membuktikan E(x) =

    Bukti : E(x) = E =

    )

    =E

    = , E = 1,2,.n

    =

    = (n.)= (TERBUKTI)

    VARIANS MINIMUM

    Rumus batas bawah Cramer Rao untuk varians adalah :var () * +

    Atau var () * +

    Kita akan menyelidiki apakah rata-rata sampel x dari distribusi normal yang tidak

    diketahui variansnya mencapai batas bawah Cramer Rao. Telah kita ketahui bahwa

    = x dan var x = . Kita hanya akan membuktikan apakah var x = mencapaibatas bawah Cramer Rao.

    Ingat !!!!!

  • 8/10/2019 statmat2

    5/15

    X (,) ; F(x;,) =

    = ; -< X < Ln f(x;,= - -

    = 0 -

    2 ( ) (-1)=

    ( )

    () =

    Berdasarkan Rumus Cramer Rao :

    Var () = * +

    = * +

    = = = =

    Ternyata Var () mencapai batas bawah Cramer Rao

    EfisiensiRelatif (ER)

    Jika keduanya penaksir tidak bias untuk maka Efisiensi Relatif didefinisikan : ER =

    Keterangan :

    Jika ER < 1 dikatakan lebih efisiensi dari Jika ER > 1 dikatakan lebih efisiensi dari StatistikCukup

    Definisi :

    Statistic T=T ( dikatakan statistic cukup untuk parameter , jika fungsidensitas / kepadatan peluang bersyarat :

  • 8/10/2019 statmat2

    6/15

    P Tidak bergantung / tidak memuat

    Contoh :

    Misal ( merupakan n buah sampel yang berasal dari distribusiBernouli yang saling bebas, dengan P = dan = 1- ; i=1,2,.n.Apakah T(x) = merupakan statistik cukup untuk ?Jawab :

    B ( 1, p( , Xi = 0,1p( )= p(Xi)

    = = p( = Xi (1,) = (t) = + (1-) (E)

    = Initidak lain adalah MGF dari B = ( n . )Jadi,

    P ( ) =

    Atau P ( ) = Kesimpulan :

    P

    * +

    P ( )

    ; ternyata tidak memuat

    Jadi T = merupakan STATISTIK CUKUP

  • 8/10/2019 statmat2

    7/15

    Keluarga Eksponensial

    Definisi :

    Suatu fungsi densitas dengan satu parameter, termasuk keluarga Eksponensial. Jika

    fungsi densitas tersebut dapat diuraikan (dapat diubah) dalam bentuk :

    F(X;) = C () h(x)Contoh :

    Misal peubah acak x berdistribusi Binomial dengan parameter n dan ;apakahF(X;) termasuk keluarga Eksponensial ?

    Jawab :

    X (n;F(X;) = ; x=0,1,2,..n.

    =

    =

    =

    = C() , T(x) , Q() , h(x)

    Kesimpulan :

    f(X;) adalah keluarga Eksponensial

    Catatan :

    Jika sebuah sampel acak dari distribusi f(x,) maka fungsi distribusigabunganya adalah :

    F( = f(Xi;)=

    [

    ]

    = Conroh :

    Misal diambil dari distribusi B ( ;). Apakahf( ,keluargaEksponensial ?

  • 8/10/2019 statmat2

    8/15

    Jawab :

    X (n;P(x) = P(Xi;) =

    =

    [

    ]

    =

    = =

    Kesimpulan :

    F(Xi;) adalahKeluarga Eksponensial

    Hubungan antara Keluarga Eksponensial dan Statistik cukup. Jikaf(Xi;) KeluargaEksponensial. Maka :

    F(Xi;) = Dalam hal ini, unsur T(x) adalah Statistik Cukup. Sesuai contoh diatas maka T(x) =

    adalah Statistik Cukup.

  • 8/10/2019 statmat2

    9/15

  • 8/10/2019 statmat2

    10/15

    b. Langkah awal kita adalah mencari Var x

    Var (x) = E = E

    E

    =

    = = 0 +

    = 0 +

    = 0 + = 0 + =2

    Jadi Var (x) = 2 =

    Var x = Var =

    =

    =

    =

    Kesimpulan , Var (x) = ; TERBUKTI

    c. Var (x) =

    x < k )

    x < k )

    Misalkan ,

    x < )

    x < ) Jadi, x adalah penaksir yang konsisten untuk

  • 8/10/2019 statmat2

    11/15

    SOAL 2

    Misal sebuah sampel acak berukuran n yang berasal dari distribusi N( )a. Buktikan bahwa Y =

    adalah penaksir yang tak bias untuk

    b. Apakah Y penaksir konsisten ?

    c. Apakah Var (x) = minimum ?

    d. Apakah Var (x) memenuhi batas bawah Cramer-Rao ?

    Jawab :

    a. X E (x) = Var (x) =

    Y =

    E (Y) = E * +=

    =

    = Jadi, Y adalah penaksir untuk yang tak bias , TERBUKTI

    b. Var (x) = Var (Y) = Var

    =

    =

    =

    Jadi Y - < k )

    Y - < k )

    Misal : k Jadi, Y - < )

    atau

    P Jadi Penaksir Y untuk , TIDAK KONSISTEN

  • 8/10/2019 statmat2

    12/15

    c. Var (x) = akan minimum jika Var (x) = minimum kita akan melakukan

    Var (x) = apakah minimum.Misal : Var (x) =

    d.Var (x) = N

    Jadi, Var x akan minimum bila , karena itu Var x di definisikan :Var (x) =

    Jadi, var (x) minimum

    Kesimpulannya : Var x = minimum

    d. Apakah Var x = mencapai batas bawah CramerRao ?

    Jawab :

    X f(

    ln f( x;

    = - (x-

    = -

    Var memenuhi semua batas bawah CramerRao adalah :

    , * +-

    = * +

    Var x = mencapai batas bawah CramerRao , TERBUKTI

  • 8/10/2019 statmat2

    13/15

    SOAL 3 :

    Misalkan sampel acak berukuran n yang berasal dari distribusiPoisson dengan rata-rata a.

    Buktikan bahwa x penaksir tak bias bagi b. Buktikan bahwa x penaksir konsisten

    c. Tentukan penaksir tak bias bervariansi minimum

    Jawab :

    a. Langkah awal yang harus dilakukan adalah mencari E(x)

    X p (x, E(x) =

    = = = = =

    Jadi, E(x) = E(x) = E

    = =

    =

    Jadi, E(x) = Kesimpulan : X adalah penaksir tak bias untuk , TERBUKTI

    b. Langkah awal kita adalah mencari Var (x)

    Var (x) = E * E= E

    =

    ** = =

  • 8/10/2019 statmat2

    14/15

    Var (x) = Var x =

    =

    =

    X - k )

    X - k )

    =

    X - )

    atau

    X - ) = 1Kesimpulan : X penaksir KONSISTEN

    c. Tentukan penaksir titik tak bias bervariasi minimum bagi E(x) = E(x) = Var (x) = Var (x) = X F(x) =

    Berdasarkan Varian Minimum CramerRao :

    Var (x) minimum = * +

    f(x) =

    Ln f(x;

    Jadi , E * + * +

  • 8/10/2019 statmat2

    15/15

    = -

    = -

    Jadi, Var Minimum =

    , *

    +-

    = * +=

    =

    Jadi, TERBUKTI Var (x) =mencapai batas bawah Cramer - Rao