ES
TI
MA
SI
TI
TI
K
BI L A T
E RS E DI A
& T I DA
K T E
RS E DI A
S TA T
I ST I K C
UK U
P YA NG
LE N
GK A P
Anggota Kelompok 3:
Hepry Yurika (14144100076)
Citra Murti Anggraini
(14144100078)
ESTIMASI TITIK
Misalkan
X
variabel random dengan fungsi
kepadatan probabilitas dengan . Jika diketahui
maka semua probabilitas yang diinginkan dapat
dihitung. Akan tetapi biasanya tidak diketahui
sehingga memunculkan masalah bagaimana
mengestimasi parameter atau suatu fungsi dari
yaitu dengan fungsi real dan terukur.
DEFINISI 2.1
Misalkan variabel random saling bebas dan berdistribusi identik dengan fungsi kepadatan probabilitas . Sebarang statistik
yang digunakan untuk menaksir kuantitas yang tidak diketahui dinamakan estimator dari . Nilai dari untuk nilai-nilai pengamatan dinamakan estimasi dari .
DEFINISI 2.2
Misalkan fungsi real dan terukur. Estimator dinamakan estimator tak bias (unbiased estimator) dari jika
untuk semua . Fungsi dikatakan tertaksir (estimable) jika mempunyai estimator tak bias.
Definisi tentang ketakbiasan mengelompokkan statistik-statistik ke dalam suatu kelas estimator tak bias. Jika estimator tak bias untuk maka harga harapan dari sama dengan . Meskipun kriteria ketakbiasan sudah mengkhususkan diri pada kelas estimator yang memenuhi sifat tertentu tetapi kelas ini masih terlalu besar. Untuk itu perlu dipilih dari dua estimator tak bias yaitu yang mempunyai variansi yang lebih kecil.
Dasar pemikiran yang digunakan adalah bahwa variansi atau simpangan baku memberikan ukuran konsentrasi di sekitar mean. Jika
estimator tak bias untuk maka dengan menggunakan pertidaksamaan Chebisev diperoleh
Oleh karena itu, Var() yang kecil akan memperbesar batas bawah probabilitas konsentrasi di sekitar .
DEFINISI 2.3
Misalkan tertaksir. Suatu estimator
dikatakan estimator untuk jika tak bias dan mempunyai variansi minimum diantara kelas semua estimator tak bias dari dengan . Jika adalah sebarang estimator tak bias dari maka
untuk semua .
Dalam banyak kasus, estimator ada.
Untuk memperolehnya terdapat 2 metode yaitu sebagai berikut.
a. metode pertama yang digunakan bila tersedia statistik cukup yang lengkap
b. metode kedua yang digunakan bila tidak tersedia statistik cukup yang lengkap. Metode kedua, terlebih dahulu ditentukan batas bawah semua estimator dan kemudian memilih suatu estimator yang mempunyai variansi sama dengan batas bawah tersebut.
2.1 Metode yang digunakan bila tersedia
statistik
cukup yang lengkap
misalkandengan untuk adalah statistik cukup untuk , estimator tak bias dari dengan fungsi real.
Misalkan . Estimator merupakan estimator tak bias dari dan untuk semua dengan kesamaan dipenuhi bila merupakan fungsi dari .
Jika tersedia statistik cukup maka Teorema Rao-Blackwell mengatakan bahwa pencarian estimator UMVU untuk cukup dibatasi pada kelas estimator tak bias yang hanya tergantung pada .
Jika lengkap maka dengan menggunakan Teorema Lehman-Schefe, estimator tak bias adalah estimator unik yang mempunyai variansi minimum seragam dalam kelas semua estimator tak bias. Metode ini tidak hanya menjamin keberadaan estimator tetapi juga menghasilkannya.
TEOREMA 2.1
Misalkan fungsi terukur dan real. Misalkan terdapat estimator tak bias dari dengan variansi berhingga. Jika
dengan untuk adalah statistik cukup untuk , lengkap dan maka estimator UMVU untuk dan tunggal.
CONTOH 2.1
Misalkan variabel random saling bebas dan berdistribusi Binom dan akan ditentukan estimator UMVU dari variansi . Karena berdistribusi maka variansi dari adalah . Jika
maka . Hal itu berarti merupakan estimator tak bias untuk . Lebih jauh,
Karena atau 1 maka sehingga
Jika maka diperoleh
Sehingga . Karena merupakan statistik merupakan statistik lengkap dan juga merupakan statistik cukup untuk maka dengan mengingat Teorema 2.1, merupakan estimator UMVU untuk .
CONTOH 2.2
Misalkan variabel random saling bebas dan berdistribusi dengan dan tidak diketahui. Akan ditentukan estimator UMVU untuk dan . Misalkan , dan . Jika dan merupakan statistik yang lengkap. Jika dan
maka merupakan statistik yang lengkap. Jika dan
maka dan sehingga . Hal itu berarti estimator tak bias untuk dan merupakan estimator tak bias untuk . Karena dan hanya tergantung pada statistik cukup yang lengkap maka merupakan estimator UMVU untuk .
2.2 Metode yang digunakan bila tidak
tersedia statistik
cukup lengkap
Misalkan , fungsi real dan terdeferensialkan untuk semua . Untuk menggunakan metode ini diperlukan syarat-syarat berikut ini :
1. positif pada himpunan yang tidak bergantung pada . 2. interval terbuka dalam .
3. ada untuk semua dan semua .
dinamakan informasi Fisher sedangkan
adalah informasi yang terkandung dalam
sampel
.
CONTOH 2.3
Misalkan variabel random saling bebas dan berdistribusi Binom dengan . Fungsi probabilitas dari variabel random
X yang berdistribusi Binom adalah
atau sehingga
Akibatnya
Karena dan serta maka informasi Fisher adalah
=
=
=
=
=
=
=
Hal itu berarti batas bawah Cramer-Rao untuk adalah
Karena merupakan estimator tak bias dan variansinya adalah
yaitu sama dengan batas bawah Cramer Rao maka merupakan estimator UMVU untuk .
= =
=
=
=
=
=
=
=
=
=
=
=
Hal itu berarti bahwa Cramer-Rao untuk sama dengan
Karena merupakan estimator tak bias untuk dan variansinya adalah yaitu sama dengan batas bawah CRLB maka
CONTOH 2.5
Misalkan variabel random saling bebas
dan berdistribusi dengan dan .
KASUS 1
Misalkan bahwa diketahui dan . Fungsi kepadatan probabilitas X yang berdistribusi adalah
. 2 2 2 2 2 2 2 atau 1 ln ( ; ) ln
2 2
Akibatnya
ln ( ; ) 1 atau
ln 1
x f x
x f x
f x x
Karena X berdistribusi maka berdistribusi N(0,1) sehingga berdistribusi chi-kuadrat dengan derajat bebas 1. Akibatnya
, 2
N
X
22
1.
x
E
Hal itu berarti
Sehingga batas bawah Cramer-Rao untuk g adalah
Karena merupakan estimator tak bias untuk dan
variansinya adalah yaitu sama dengan batas
bawah Cramer-Rao maka merupakan merupakan UMVU
untuk .
2 2
2 2 2
ln ( ; )
f x
1
(
x
)
1
E
E
22 1 ' 1 . g CRLB
nI n n
2Var X
n
KASUS 2
Misalkan bahwa diketahui dan Fungsi kepadatan probabilitas X yang berdistribusi adalah
2 2 2 22 2 4
2 2 2
1
;
exp
2
2
1
1
Sehingga ln
;
ln 2
ln
. Akibatnya
2
2
2
ln
;
1
+
2
2
dan
ln
;
1
1
1
+
+
.
4
2
4
4
x
f x
x
f x
f x
x
f x
x
x
Karena variabel random X berdistribusi ) maka berdistribusi sehingga berdistribusi chi-kuadrat dengan derajat bebas 1. Akibatnya
x
21
E
2Var x 2
2 4 2 2 2 2Var
+
2 1 3.
Oleh karena itu
Sehingga
Karena batas bawah Cramer-Rao untuk adalah
2 2
2
2 2 2
ln ( ; ) 1 1 1
1 + +
4 2 4
x
f x x
E E E E
2
2 2 2
2
ln ( ; ) 1 1 1
+
4 2 4
1 . 2 f x E
22
2
1 2
'
1
2
.
g
CRLB
nl
n
n
Karena variabel random berdistribusi untuk maka berdistribusi sehingga berdistribusi chi-kuadrat dengan derajat bebas 1. Dengan mengingat saling bebas untuk maka berdistribusi chi-kuadrat dengan derajat bebas . Akibatnya
Sehingga estimator tak bias untuk dan variansinya sama dengan CRLB. Hal itu berarti merupakan estimator UMVU untuk .
21 n i i X
2
21 1
,
Var
2
n n
i i
i i
X
X
E
n
n
2KASUS 3
Bila dan tidak diketahui maka dan sehingga estimator
UMVU untuk adalah dan estimator UMVU untuk adalah
Karena
berdistribusi Chi-kuadrat dengan derajat bebas
maka variansi dari adalah
22
1
1
.
1
n
i i
X
X
n
2
Hal itu berarti UMVU untuk mempunyai variansi lebih besar dari batas
bawah Cramer-Rao.
Estimator UMVU untuk ) dinamakan estimator efisien untuk ). jika
estimator UMVU untuk dan sebarang estimator tak bias untuk ) maka
kuantitas mengukur efisiensi relatif terhadap Jelas bahwa efisiensi relatif
mempunyai nilai dalam interval