Teori Penaksiran
Oleh :
Pendahuluan
Ada 2 metode inferensi : metode
klasik dan metode Bayes dalam
menaksir parameter populasi
Dalam metode klasik inferensi
didasarkan pada informasi yang
diperoleh melalui sampel acak
Dalam metode Bayes, inferensi
menggunakan pengetahuan subjektif
terdahulu mengenai distribusi
peluang parameter yang tak
diketahui bersama dengan informasi
yang diberikan oleh data sampel
Metode Penaksiran Klasik
Inferensi terbagi menjadi penaksiran
dan pengujian hipotesis
Penaksir (taksiran) suatu parameter
dapat berupa taksiran titik atau
taksiran selang
Statistik yang digunakan untuk
mendapatkan taksiran titik disebut
penaksir atau fungsi keputusan. Jadi
fungsi keputusan S adalah penaksir
σ dan taksiran s adalah ‘tindakan’
yang diambil
Himpunan semua tindakan yang
mungkin yang dapat dilaksanakan
dalam masalah penaksiran disebut
ruang keputusan
Tidak dapat diharapkan suatu
penaksir akan menaksir parameter
populasi tanpa kesalahan. Tidak
beralasan mengharapkan akan
menaksir µ dengan tepat, tapi
tentunya diharapkan tidak terlalu
jauh menyimpang
Sifat-sifat Penaksir yang Baik
Penaksir Takbias
(Unbiased Estimator)
Statistik dikatakan penaksir takbias
parameter
θ bila E[ ]= θ
Contoh : penaksir takbias untuk µ
karena E[ ] = µ , dan
penaksir takbias untuk
σ
2θˆ
θˆ
X X(
)
1 1 2 2 − − =∑
= n X X S n i i
Penaksir paling efisien
penaksir yang memberikan variansi
terkecil dari semua penaksir
θ yang
mungkin dibuat
Penaksir konsisten
Penaksir yang takbias dan
variansinya minimum adalah
penaksir yang terbaik
(
ˆ
)
1
lim
:
berlaku
0
−
<
=
>
∀
∞ →θ
θ
ε
ε
P
nSelang Kepercayaan
(Taksiran Selang)
Selang kepercayaan untuk
θ
adalah selang yang berbentuk
dimana dan
nilainya
tergantung pada nilai
Daripada mengatakan bahwa
tepat sama dengan µ akan lebih
meyakinkan bila mengatakan
2 1
θ
θˆ
θˆ
<
<
1θˆ
θˆ
2θˆ
x
k
x
k
x
−
<
μ
<
+
Jika ukuran sampel membesar maka
mengecil sehingga kemungkinan besar taksiran bertambah dekat dengan µ, yang berarti selang lebih pendek. Jadi
taksiran selang menunjukkan, berdasarkan panjangnya, ketepatan titik
Makin besar nilai k yang dipilih, makin
panjang selangnya dan makin yakin bahwa sampel yang diambil akan memberikan
selang parameter yang tak diketahui
n σ σ2 2
Menaksir rataan (mean)
σ diketahui , untuk n yang cukup
besar :
( )
(
)
α
1
z
n
σ/
μ
X
z
-P
α
1
z
Z
z
-P
Karena
0,1
N
~
n
σ/
μ
X
Z
:
akibatnya
n
σ
μ,
N
~
X
:
Pusat
Limit
Dalil
α/2 α/2 α/2 α/2 2−
=
<
−
<
−
=
<
<
−
=
Contoh :
Rataan dan simpangan baku nilai ujian matematika sampel acak 36 mahasiswa 2,6 dan 0,3. Hitung selang kepercayaan 95% dan 99% untuk rataan nilai
matematika semua mahasiswa.
n σ . z μ n σ . z : μ untuk α)100% (1 n kepercayaa selang Sehingga α 1 n σ . z X μ n σ . z X P α/2 α/2 α/2 α/2 + < < − − − = − < < + x x
Jawab : diketahui =2,6
Karena ukuran sampel cukup besar maka simpangan baku populasi dapat dihampiri oleh s=0,3. Nilai z yang luas di sebelah kanannya 0,025 adalah z0,025 = 1,96. Jadi selang kepercayaannya 95% :
atau 2,50 < µ <2,70. Untuk 99% : atau 2,47 < µ < 2,73.
x
+ < < − 36 3 , 0 ) 575 , 2 ( 6 , 2 μ 36 3 , 0 ) 575 , 2 ( 6 , 2 + < < − 36 3 , 0 ) 96 , 1 ( 6 , 2 μ 36 3 , 0 ) 96 , 1 ( 6 , 2 Untuk menaksir µ dengan derajat
ketetapan yang lebih tinggi diperlukan selang yang lebih besar.
Selang kepercayaan (1- α)100%
memberikan taksiran ketepatan taksiran titik kita.
Bila µ sesungguhnya merupakan titik pusat
selang, maka menaksir µ tanpa galat. Tetapi umumnya sampel tidak
menghasilkan tepat sama dengan µ sehingga taksiran titik umumnya akan meleset (mengandung galat).
x
σ tak diketahui, populasi normal dan n<30
p=α/2 dan dk = n-1
Jika n relatif besar dibanding N yakni
(n/N)>5% , gunakan :
1
.
n
.
z
μ
1
.
n
.
z
/2 /2−
−
+
<
<
−
−
−
N
n
N
x
N
n
N
x
ασ
ασ
n
s
.
t
μ
n
s
.
t
p<
<
+
p−
x
x
Contoh :
Tujuh botol yang mirip
masing-masing berisi asam sulfat 9,8 ; 10,2;
10,4; 9,8; 10,0; 10,2; dan 9,6 liter.
Carilah selang kepercayaan 95%
untuk rataan isi botol semacam itu
bila distribusinya dianggap hampir
normal.
Teorema
Bila dipakai untuk menaksir µ, maka
dapat dipercaya (1-α)100% bahwa
galatnya akan lebih dari suatu bilangan g yang ditetapkan sebelumnya asal ukuran sampel :
Contoh : Berapa besar sampel yang
diperlukan pada contoh sebelumnya bila ingin percaya 95% bahwa taksiran untuk µ meleset kurang dari 0,05 ? n=138,3
x
2 2 / . = g z n ασ
Menaksir Selisih Dua Rataan
Bila ada dua populasi masing-masing
dengan rataan µ1 dan µ2 dan variansi dan , maka penaksir titik untuk selisih rataan untuk selisih µ1 dan µ2 :
ukuran sampel : n1 dan n2.
2 2
σ
2 1σ
2 1X
X
−
(
)
(
)
(
)
( ) ( )
(
)
(
)
1 α n σ n σ z X X μ μ n σ n σ z X X α 1 z /n σ /n σ μ μ X X z P α 1 z Z z P 1 2 2 1 2 1 α/2 2 1 2 1 1 2 2 1 2 1 α/2 2 1 α/2 2 2 2 1 2 1 2 1 2 1 α/2 α/2 α/2 − = + + − < − < + − − − = < + − − − < − − = < < − P Contoh :
Suatu ujian kimia yang telah dibakukan diberikan pada 50 siswa wanita dan 76 siswa pria. Nilai rata-rata wanita 76 dan simpangan baku 6, sedangkan rata-rata pria 82 dan simpangan baku 8. Carilah selang kepercayaan 96% untuk selisih , bila menyatakan rataan nilai semua siswa pria dan rataan nilai semua siswa wanita yang mungkin akan mengikuti ujian.
+ + − + − − 2 2 2 1 2 1 2 / 2 1 2 2 2 1 2 1 2 / 2 1 ) ,( ) ( n n z x x n n z x x α σ σ α σ σ
Selisih Dua Rataan
Selang kepercayaan sampel kecil
untuk µ
1-µ
2; = tapi tidak
diketahui, selang kepercayaan
(1-
α)100% untuk µ
1-µ
2diberikan :
ukuran sampel masing-masing n
1dan n
2berasal dari distribusi normal,
dk= n
1+n
2-2 ;
2 1σ
2 2σ
+ + − + − − 2 1 2 / 2 1 2 1 2 / 2 1 1 1 . . ) ( , 1 1 . . ) ( n n s t x x n n s t x x α p α p(
)
(
)
2 1 1 2 1 2 2 2 2 1 1 2 − + − + − = n n s n s n sp Contoh : Dalam sekelompok proses kimia,
pengaruh dua katalisator ingin
dibandingkan dengan hasilnya pada proses reaksi. Katalisator 1 digunakan pada suatu sampel dengan 12 angkatan dan katalisator 2 digunakan pada sampel dengan 10 angkatan. Ke 12 angkatan yang menggunakan katalisator 1 memberikan rata-rata sampel 85 dengan simpangan baku sampel 4, yang kedua rata-rata
sampel 81 dan simpangan baku sampel 5. Carilah selang kepercayaan 90% untuk
selisih kedua rataan populasi bila dianggap kedua populasi berdistribusi hampir normal dengan variansi yang sama.
Selisih Dua Rataan
Selang kepercayaan sampel kecil
untuk µ
1-µ
2;
≠ tapi tidak
diketahui, selang kepercayaan
(1-
α)100% untuk µ
1-µ
2diberikan :
ukuran sampel masing-masing n
1dan n
2berasal dari distribusi
normal, dk=
2 1σ
2 2σ
(
)
(
)
+ + − + − − 1 2 2 1 2 1 2 / 2 1 1 2 2 1 2 1 2 / 2 1 , n s n s t x x n s n s t x x α α(
)
[
] [
]
[
( / ) /( 1) ( / ) /( 1)]
) / ( ) / ( 2 2 2 2 2 1 2 1 2 1 2 2 2 2 1 2 1 − + − + = n n s n n s n s n s ν Contoh : Catatan selama 15 tahun terakhir
menunjukkan bahwa rata-rata curah hujan di suatu kabupaten selama bulan Mei 4,93 cm dengan simpangan baku 1,14 cm. Di kabupaten lain rata-rata curah hujan
selama bulan Mei 2,64 cm dengan
simpangan baku 0,66 cm selama 10 tahun terakhir. Carilah selang kepercayaan 95% untuk selisih rata-rata sesungguhnya curah hujan di kedua kabupaten; anggap bahwa pengamatan berasal dari populasi normal dengan variansi yang berbeda.
Selang kepercayaan untuk µ
1-µ
2=µ
Duntuk pengamatan pasangan.
Selang kepercayaan (1-
α)100%
untuk µ
Ddiberikan oleh :
dengan dan s
dmenyatakan rataan
dan simpangan baku selisih n
pasangan pengukuran dan
menyatakan nilai distribusi t dengan
dk :
ν =n-1 sehingga luas di sebelah
kanannya
α/2.
d
2 / αt
n
s
t
d
n
s
t
d
−
α/2 d<
µ
D<
+
α /2 d 1~
/
−−
=
n d Dt
n
S
D
T
µ
Menaksir Proporsi
Penaksir titik untuk proporsi p dalam
suatu percobaan binomial diberikan oleh
Jadi akan digunakan sebagai
taksiran titik untuk parameter p
Proporsi p yang tak diketahui diharapkan
tidak akan terlalu dekat dengan 0 atau 1, maka selang kepercayaan untuk p dapat dicari dengan distribusi sampel , yang sama saja dengan distribusi p.a. X
Distribusi hampir normal dengan
rataan n X Pˆ = Pˆ n x pˆ = Pˆ
[ ]
p n np n X E P E P = = = = ˆ ˆ µdengan variansi :
P(-z
α/2< Z < z
α/2) = 1 -
α dengan
n
p
p
n
p
np
n
X P)
1
(
)
1
(
2 2 2 2 ˆ−
=
−
=
=
σ
σ
n
p
p
p
P
Z
/
)]
1
.(
[
ˆ
−
−
=
α α α = − − + < < − − (1 ) ˆ (1 ) 1 ˆ 2 / 2 / n p p z P p n p p z P P Selang kepercayaan untuk p, n 30 :
: proporsi sukses dalam sampel acak berukuran n, dan menyatakan nilai kurva normal baku sehingga luas di
sebelah kanannya α/2.
Contoh : Pada suatu sampel acak n=500
keluarga yang memiliki pesawat televisi di kota Hamilton Kanada, ditemukan bahwa x = 340 memiliki TV berwarna. Carilah
selang kepercayaan 95% untuk proporsi sesungguhnya dari keluarga yang memiliki TV berwarna di kota tsb? n p p z p p n p p z pˆ − α/2 (1− ) < < ˆ + α/2 (1− ) 2 / α
z
≥
pˆ
Jika dipakai sebagai taksiran p ,
maka galatnya akan lebih kecil dari :
dengan kepercayaan (1-
α)100%.
Akibatnya galat akan lebih kecil dari
g jika
pˆ
n
p
p
z
α/2(
1
−
)
2 2 2 /ˆ
(
1
ˆ
)
g
p
p
z
n
=
α−
Menaksir Selisih Dua Proporsi
Selang kepercayaan untuk p
1-p
2;
n
1dan n
230. Selang
kepercayaan (1-
α)100% untuk
selisih dua parameter binomial
p
1-p
2diberikan
≥
(
)
(
)
2 2 2 1 1 1 2 / 2 1 2 1 2 2 2 1 1 1 2 / 2 1ˆ
ˆ
ˆ
ˆ
ˆ
ˆ
ˆ
ˆ
ˆ
ˆ
ˆ
ˆ
n
q
p
n
q
p
z
p
p
p
p
n
q
p
n
q
p
z
p
p
+
+
−
<
−
<
+
−
−
α α Contoh :
Suatu perubahan dalam cara pembuatan suku cadang sedang direncanakan.
Sampel diambil dari cara lama maupun yang baru untuk melihat apakah cara baru tsb memberi perbaikan. Bila 75 dari 1500 suku cadang yang berasal dari cara lama ternyata cacat dan 80 dari 2000 yang
berasal dari cara baru ternyata cacat, carilah selang kepercayaan 90% untuk selisih sesungguhnya proporsi yang cacat dalam kedua cara.
Menaksir Variansi
Taksiran selang untuk dapat
diturunkan dengan statistik
Selang kepercayaan (1-
α)100%
untuk suatu populasi normal
2
σ
(
)
2 1 2 21
−−
=
n 2~
S
n
X
χ
σ
(
χ
12−α/2<
X
2<
χ
α2/2)
=
1
−
α
P
2σ
2 2 / 1 2 2 2 2 / 2)
1
(
)
1
(
α αχ
σ
χ
−−
<
<
−
s
n
s
n
Contoh :
Data berikut menyatakan berat
dalam gram dari 10 bungkus bibit
sejenis tanaman yang dipasarkan
oleh suatu perusahaan :
46,4;46,1;45,8;47,0;46,1;45,9;
45,8;46,9;45,2 dan 46,0. Tentukan
selang kepercayaan 95% untuk
varians semua bungkusan bibit yang
dipasarkan perusahaan tersebut.
Menaksir Nisbah Dua Variansi
Bila dan variansi dua populasi
normal, maka taksiran selang untuk
/ dapat diperoleh dengan
memakai statistik :
Peubah acak F mempunyai
distribusi F dengan dk :
ν
1=n
1-1 dan
ν
2=n
2-1. Jadi
2 1σ
2 2σ
2 1σ
2 2σ
2 2 2 1 2 1 2 2S
S
F
σ
σ
=
[
f
1−α /2(
ν
1,
ν
2)
<
F
<
f
α /2(
ν
1,
ν
2)
]
=
1
−
α
P
Selang kepercayaan (1-α)100% untuk
dengan ν1=n1-1 ν2=n2-1.
Contoh : Suatu ujian masuk yang telah
dibakukan dalam matematika diberikan
kepada 25 siswa pria dan 16 wanita. Siswa pria mendapat nilai rata-rata 82 dengan
simpangan baku 8, 2 2 2 1 /
σ
σ
)
,
(
)
,
(
1
1 2 2 / 2 2 2 1 2 2 2 1 2 1 2 / 2 2 2 1ν
ν
σ
σ
ν
ν
α αf
s
s
f
s
s
<
<
sementara wanita mendapat nilai
rata-rata 78 dengan simpangan baku
7. Hitung selang kepercayaan 98%
untuk
dan
bila dan
masing-masing menyatakan varians
populasi nilai pria dan wanita yang
telah/akan mengikuti ujian.
Pengujian Hipotesis 2 2 2 1