Indira Puteri Kinasih(20110006) Tugas III - TEORI PELUANG DAN STATISTIKA (AK5103) Sumber : Introduction to Mathematical Statistics 6th Edition
Dosen Pengampu : Prof. DR. Sutawanir Darwis
“K
omputasi Estimasi Maximum Likelihood pada Distribusi Logistik
”
Misalkan X1,X2,...,Xn adalah peubah acak yang berdistribusi identik dan independen
dengan fungsi densitas yaitu
, ,
exp 1
exp
, 2 x
x x x
f
(1) Metode estimasi Maximum Likelihood dapat digunakan untuk memperoleh estimasi parameter ˆ , yaitu dengan terlebih dulu mengkonstruksi fungsi likelihood dari f
x, , yaitu
n
i i
i n
i i i
x x x
f x
L
1
2 1
exp 1
exp , ,
(2) Untuk memudahkan estimasi, kita akan mengambil bentuk logaritma dari persamaan (2), sehingga menjadi
l
x X
n n
x n
l x
x x x
L
n
i
i
i n
i
i n
i i
i i
1
2
1 1
2
exp 1 ln 2
exp 1 exp
ln
exp 1
exp ln ,
ln
(3) Selanjutnya, kita akan menurunkan persamaan (3) terhadap , yaitu
n
i i
i
x x n
l
11 exp exp 2
(4) Kita juga akan melihat bentuk turunan kedua persamaan (3) terhadap , apakah bentuk turunan tersebut bernilai negatif, untuk memastikan bahwa nantinya solusi dari
0
l
0
exp 1
exp 2
exp 1
exp exp
exp 1 exp
2
1
2 1
2 2
2
n
i i
i n
i i
i i
i i
x x
x
x x
x x
l
(5) Selanjutnya persamaan (4) disamadengankan nol, sehingga diharapkan kita memiliki solusi eksplisit dari
n
i i
i n
i i
i
x x n
x x n
l
1 1
exp 1
exp 2
exp 1
exp 2
0
(6) Terlihat pada persamaan (6) bahwa kita tidak dapat memperoleh solusi eksplisit dari , sehingga diperlukan suatu metode numerik untuk mendapatkan solusi aproksimasi persamaan (6), yang nantinya disebut sebagai estimator ˆ. Dalam hal ini, kita akan menggunakan metode numerik Newton-Raphson, dengan formula sebagai berikut :
i i i il l
1
(7) Iterasi akan dilakukan dengan memberikan inisiasi pada nilai 0 median
X , yaitu nilai tengah dari 100 data acak berdistribusi logistik yang telah dibangkitkan dengan menggunakan bantuan MINITAB, menggunakan parameter 0.5. Nantinya, melalui metode numerik Newton-Raphson, akan dilihat apakah aproksimasi nilai , yaitu ˆ dapat mendekati nilai parameter yang sebenarnya, yaitu 0.5.Berikut disertakan R listing code metode Newton-Raphson :
#METODE NEWTON UNTUK APROKSIMASI ESTIMASI MAXIMUM
LIKELIHOOD UNTUK
#SUATU DATA BERDISTRIBUSI LOGISTIK
---
read.table(file("logistik.dat", encoding="latin1")); V1<-scan("logistik.dat", skip = 1, quiet= TRUE);
mlelogisticfunc=function(V1,toler=.001){} toler=.001;
thetahatcurr=startvalue;
---
#Menghitung turunan pertama dari Log Likelihood
firstderivll=n-2*sum(exp(-V1+thetahatcurr)/(1+exp(-V1+thetahatcurr)))
#menghitung turunan kedua dari fungsi Log Likelihood
secondderivll=-2*sum(exp(-V1+thetahatcurr)/(1+exp(-V1+thetahatcurr))^2);
#Melanjutkan metode Newton hingga turunan pertama dari fungsi likelihood #dengan toleransi = .001
while(abs(firstderivll)>toler){}
#Pemakaian metode Newton untuk memperbarui perhitungan nilai theta thetahatnew=thetahatcurr-firstderivll/secondderivll;
thetahatcurr=thetahatnew;
list(thetahat=thetahatcurr);
$thetahat [1] 0.3575809
Dari hasil keluaran komputasi, diperoleh ˆ0.3575809. Nilai ini mendekati parameter 5
. 0
ˆ