Penduga Selang / Interval Estimator

dokumen-dokumen yang mirip
Transformasi Dua atau Lebih Peubah Acak. Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2016

MINGGU KE-9 MACAM-MACAM KONVERGENSI

Transformasi Satu Peubah Acak (Lanjutan) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2016

Transformasi Satu Peubah Acak (Bagian II) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, 2017

STATISTIKA UNIPA SURABAYA

DISTRIBUSI KONTINU. Uniform Normal Gamma & Eksponensial. MA3181 Teori Peluang 3 November 2014 Utriweni Mukhaiyar

DISTRIBUSI KONTINU. Utriweni Mukhaiyar

Penentuan Daerah Kritis Terbaik dengan Teorema Neyman- Pearson

II. LANDASAN TEORI. sementara grafik distribusi F tidak simetrik dan umumnya sedikit positif seperti

DISTRIBUSI DISKRIT KHUSUS

Teorema Newman Pearson

STATISTIKA. Muhamad Nursalman Pendilkom/Ilkom UPI

KONVOLUSI DISTRIBUSI EKSPONENSIAL DENGAN PARAMETER BERBEDA

MA2181 Analisis Data - U. Mukhaiyar 1

TINJAUAN PUSTAKA. Dalam menentukan penduga parameter dari distribusi G3F dan karakteristik dari

4. Mahasiswa mampu melakukan estimasi parameter, melakukan uji hipotesis statistic serta estimasi interval. Diskripsi Singkat MK

BAB II TINJAUAN PUSTAKA

Fungsi Peluang Gabungan

PENAKSIR RATA-RATA DISTRIBUSI EKSPONENSIAL TERPOTONG. Agustinus Simanjuntak ABSTRACT

BAB 5 FUNDAMENTAL DISTRIBUSI PELUANG MUHAMMAD NUR AIDI

Dengan demikian, untuk sembarang B = [a, b], maka persamaan (5.1) menjadi

Penggunaan Statistik Tataan untuk Menentukan Median Contoh Acak dari Distribusi Eksponensial

BAB II LANDASAN TEORI

II. TINJAUAN PUSTAKA. Dalam mengkaji penelitian Karakteristik Penduga Parameter Distribusi Log

II. TINJAUAN PUSTAKA. Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam

Pengantar Proses Stokastik

Teorema Limit Pusat dan Limit Distribusi

Silabus Teori Peluang (STK-104) Jurusan Statistika Genap 2013/2014

BAB III PEMBAHASAN. Bab III terbagi menjadi tiga sub-bab, yaitu sub-bab A, sub-bab B, dan subbab

Sebaran Peubah Acak Bersama

PENDUGAAN FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT MENGGUNAKAN METODE TIPE KERNEL

II.TINJAUAN PUSTAKA. Dalam proses penelitian untuk mengkaji karakteristik pendugaan distribusi

DISTRIBUSI DISKRIT KHUSUS

Sebaran Peubah Acak Bersama

MA3081 STATISTIKA MATEMATIKA We love Statistics

Learning Outcomes Sebaran Kontinu Nilai Harapan dan Ragam Beberapa Sebaran Kontinu. Peubah Acak Kontinu. Julio Adisantoso.

PENGANTAR PROBABILITAS STATISTIKA UNIPA SBY

STATISTIK PERTEMUAN VI

25/09/2013. Konsep Peubah Acak. Metode Statistika (STK211) Peubah Acak Diskret. Kuis. Tipe Peubah Acak

SIMULASI PREMI ASURANSI KENDARAAN BERDASARKAN BANYAKNYA KLAIM PEMEGANG POLIS PADA PERIODE SEBELUMNYA MENGGUNAKAN ANALISIS BAYES.

Model Poisson. Inferensi likelihood. Andi Kresna Jaya November 19, Jurusan Matematika

Pengantar Proses Stokastik

Metode Statistika (STK211)

MA5283 STATISTIKA Bab 3 Inferensi Untuk Mean

STK 203 TEORI STATISTIKA I

II. TINJAUAN PUSTAKA

UNIFORM (SERAGAM) BERNOULLI BINOMIAL POISSON BEBERAPA DISTRIBUSI LAINNYA : MULTINOMIAL, HIPERGEOMETRIK, MA 2081 Statistika Dasar.

STATISTIKA MATEMATIKA

SILABUS. 5. Evaluasi a. Kehadiran = 10% b. Tugas = 20% c. UTS = 30% d. UAS = 40%

RANCANGAN KURIKULUM PROGRAM MAGISTER STATISTIKA TERAPAN DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI)

Metode Statistika STK211/ 3(2-3)

RANCANGAN KURIKULUM PROGRAM MASTER STATISTIKA TERAPAN DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI)

II. TINJAUAN PUSTAKA

PERBANDINGAN KUASA WILCOXON RANK SUM TEST DAN PERMUTATION TEST DALAM BERBAGAI DISTRIBUSI TIDAK NORMAL

PENDUGAAN PARAMETER DISTRIBUSI BETA DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

Distribusi Diskrit dan Kontinu yang Penting. Oleh Azimmatul Ihwah

DISTRIBUSI ERLANG DAN PENERAPANNYA. Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS

Percobaan terdiri dari 1 usaha. Peluang sukses p Peluang gagal 1-p Misalkan. 1, jika terjadi sukses X jika terjadi tidak sukses (gagal)

RENCANA PEMBELAJARAN SEMESTER (RPS)

APLIKASI METODE BESARAN PIVOTAL DALAM PENENTUAN SELANG KEYAKINAN TAKSIRAN PARAMETER POPULASI. Agus Rusgiyono Jurusan Matematika FMIPA UNDIP.

4. Deret Fourier pada Interval Sebarang dan Aplikasi

MA2082 BIOSTATISTIKA Bab 3 Peubah Acak dan Distribusi

Pengantar Statistika Matematika II

DISTRIBUSI DISKRIT KHUSUS

DISTRIBUSI DISKRIT KHUSUS

PENAKSIR PARAMETER DISTRIBUSI INVERS MAXWELL UKURAN BIAS SAMPEL MENGGUNAKAN METODE BAYESIAN. Rince Adrianti 1, Haposan Sirait 2 ABSTRACT ABSTRAK

Peubah Acak dan Distribusi Kontinu

BAB I PENDAHULUAN. dapat dianggap mendekati normal dengan mean μ = μ dan variansi

RENCANA PEMBELAJARAN SEMESTER (RPS) KKKF33112 PROBABILITAS DAN STATISTIKA

Pertemuan V Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution)

MINGGU KE-11 HUKUM BILANGAN BESAR LEMAH DAN KUAT

Pr { +h =1 = } lim. Suatu fungsi dikatakan h apabila lim =0. Dapat dilihat bahwa besarnya. probabilitas independen dari.

Pengantar Statistika Matematik(a)

MA5181 PROSES STOKASTIK

TINJAUAN PUSTAKA. Generalized Eksponensial Menggunakan Metode Generalized Momen digunakan. merupakan penjabaran definisi dan teorema yang digunakan:

Pengantar Statistika Matematik(a)

PENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM

Pengantar Statistika Matematika II

BAB 8 DISTRIBUSI PELUANG DISKRIT

Pengantar Statistika Matematika II

METODE STATISTIKA (Pendahuluan)

BAB II TINJAUAN PUSTAKA

KONSISTENSI ESTIMATOR

INDEKS KEMAMPUAN PROSES BERDASARKAN PROPORSI PERSESUAIAN UNTUK DISTRIBUSI NON NORMAL

STK 203 TEORI STATISTIKA I

Bab 2 DISTRIBUSI PELUANG

Pengantar Statistika Matematika II

digunakan untuk menyelesaikan persamaan yang nantinya akan diperoleh dalam

TINJAUAN PUSTAKA Asuransi Kelompok Penyakit Lanjut Usia (Lansia) di Indonesia

BAB 7 DISTRIBUSI-COMPOUND DAN GENERALIZED SPASIAL MUHAMMAD NUR AIDI

PEUBAH ACAK DAN DISTRIBUSINYA

Peubah acak adalah suatu fungsi dari ruang contoh ke bilangan nyata, f : S R

BAB I PENDAHULUAN 1.1 Latar Belakang

MA3081 STATISTIKA MATEMATIKA We love Statistics

Program Studi Teknik Mesin S1

STK 211 Metode statistika. Materi 4 Peubah Acak dan Sebaran Peluang

Catatan Kuliah MA3081 STATISTIKA MATEMATIKA Statistika Mengalahkan Matematika. disusun oleh Khreshna I.A. Syuhada, MSc. PhD.

DISTRIBUSI DISKRIT. MA 2081 Statistika Dasar Utriweni Mukhaiyar

Metode Statistika (STK 211) Pertemuan ke-5

4. Deret Fourier pada Interval Sebarang dan Aplikasi

Transkripsi:

Penduga Selang / Interval Estimator (Bagian II) Dr. Kusman Sadik, M.Si Departemen Statistika IPB, Genap 018/019

Solusi X1,, Xn N(θ, θ), berarti E(X) = θ dan Var(X) = θ, maka X ~N(θ, θ ). n Diantara bentuk pivotnya (mengapa?) : X θ θ n = n(x θ) ~N(0,1) θ Selang kepercayaan (1 α) dapat ditentukan sebagai berikut: P a < n(x θ) θ < b = 1 α 3

P a < n(x θ) θ < b = 1 α Nilai a dan b yang menghasilkan selang terpendek adalah: P Zα < n(x θ) θ < Zα = 1 α P n(x θ) θ < Zα = 1 α P nx nxθ + nθ < θz α = 1 α P nθ nx + Z α θ + nx < 0 = 1 α 4

P nθ nx + Z α θ + nx < 0 = 1 α Selesaikan persamaan untuk θ sebagai fungsi kuadrat: P nθ nx + Z α θ + nx < 0 = 1 α nθ nx + Z α θ + nx = 0 θ 1, = θ 1, = nx + Z α nx + Z α ± nx + Z α 4 n (nx ) n 4 ± 4nXZ α + Z α n 5

θ 1, = nx + Z α 4 ± 4nXZ α + Z α n Jadi selang kepercayaan (1 α) bagi θ adalah a < θ < b dimana: a = dan nx + Z α 4 4nXZ α + Z α n b = nx + Z α 4 + 4nXZ α + Z α n 6

7

Solusi untuk (a) X Uniform(θ - ½, θ + ½), untuk mencari pivot bisa digunakan konsep umum pada Tabel 9..1, misalkan cek apakah Y = X - θ merupakan pivot? Untuk hal tersebut harus dicari dulu fungsi kepekatan peluang bagi peubah acak Y. 8

Perhatikan Teorema untuk transformasi peubah acak sebagai berikut: Misalkan X adalah p.a. dengan fkp f X (x) pada gugus S R, dan didefinisikan fungsi h : S T sebagai tranformasi satu-satu (oneto-one), sehingga inversnya x = h -1 (y), y T. Anggap bahwa untuk y T, turunan (dh -1 (y))/dy ada, kontinu dan tidak sama dengan 0. Maka fungsi kepekatan peluang bagi p.a. yang didefinisikan Y = h(x) adalah: f Y (y) = 1 f X ( h ( y)) dx dy, y T 9

f Y (y) = 1 f X ( h ( y)) dx dy, y T Karena X Uniform(θ - ½, θ + ½), maka: f X (x) = 1, θ - ½ < x < θ + ½ Kemudian didefinisikan Y = X θ, sehingga X = Y + θ. Fungsi kepekatan peluang bagi peubah acak Y: 1 dx 1 f Y (y) = f ( ( )) (1) 1 1, 1 X h y y dy atau (Y = X θ) Uniform(-½, ½) Karena f Y (y) tidak mengandung θ, maka Y = X θ merupakan pivot. 10

Berdasarkan pivot tersebut, selang kepercayaan (1 α) dapat ditentukan sebagai berikut: P a < Y < b = P a < X θ < b = 1 α a b f(x θ)dx b = 1dx a = b a = 1 α Tentukan nilai a dan b berdasarkan persamaan di atas dan merupakan selang terpendek, yaitu meminimumkan (b a). Karena Uniform, maka salah satu hubungan a dan b adalah a = -b, sehingga: b a = b b = 1 α 11

b a = b b = 1 α b = 1 α dan a = 1 + α Sehingga penduga selang bagi θ dengan koefisien kepercayaan (1 α) adalah: 1 + α < X θ < 1 α 1

1 + α < X θ < 1 α X 1 + α < θ < X + 1 α X + 1 α > θ > X 1 + α X 1 + α < θ < X + 1 α 13

Pada beberapa sebaran, selang kepercayaan bagi penduga parameternya sulit diselesaikan, karena transformasi sebarannya sulit diselesaikan. Salah satu caranya adalah dengan melakukan pendekatan terhadap koefisen kepercayaannya. 14

Pendekatan tersebut dapat dilakukan apabila jumlah contoh (n) cukup besar, yaitu melalui Teorema Limit Pusat (TLP). X n E(X n ) Var(X n ) ~ N(0,1) 15

Berdasarkan contoh acak X1, X,..., Xn dari suatu sebaran Binomial(1, p), tentukan selang kepercayaan bagi p dengan pendekatan koefisien kepercayaan 1 -. Untuk menentukan selang kepercayaan tersebut diperlukan mengetahui E X n dan Var(X n ), dengan n cukup besar. Karena X menyebar Binomial(1, p), maka dapat ditentukan bahwa E X n = p dan Var X n = p(1-p)/n. 16

E X n = p dan Var X n = p(1-p)/n. Berdasarkan TLP dapat ditentukan bahwa: X n E(X n ) Var(X n ) = X n p p(1 p)/n = n(x n p) p(1 p) ~ N(0,1) n(x n p) X n (1 X n ) N(0,1) 17

Selang kepercayaan bagi p dengan pendekatan koefisien kepercayaan 1 - adalah: P Zα < n X n p X n 1 X n < Zα 1 α Sehingga selang kepercayaan bagi p dengan pendekatan koefisien kepercayaan 1 - adalah: X n Zα. X n 1 X n n < p < X n + Zα. X n 1 X n n 18

Berdasarkan contoh acak X1, X,..., Xn dari suatu sebaran Poisson( ), tentukan selang kepercayaan bagi dengan pendekatan koefisien kepercayaan 1 -. Untuk menentukan selang kepercayaan tersebut diperlukan mengetahui E X n dan Var(X n ), dengan n cukup besar. Karena X menyebar Poisson( ), maka dapat ditentukan bahwa E X n = dan Var X n = /n. 19

Berdasarkan TLP dapat ditentukan bahwa: X n E(X n ) Var(X n ) = X n /n = n(x n ) ~ N(0,1) n(x n ) X n N(0,1) Selang kepercayaan bagi dengan pendekatan koefisien kepercayaan 1 - adalah: P Zα < n X n X n < Zα 1 α 0

P Zα < n X n X n < Zα 1 α Sehingga selang kepercayaan bagi dengan pendekatan koefisien kepercayaan 1 - adalah: X n Zα. X n n < < X n + Zα. X n n 1

1 3

4

3 5

4 6

1. Casella, B. and R.L. Berger. 00. Statistical Inference, nd Edition. Duxbury.. Hogg, R., Mc Kean, and Craig, A. 005. Introduction to Mathematical Statistics, 6 th Edition. Prentice Hall. 3. Pustaka lain yang relevan. 7

Bisa di-download di kusmansadik.wordpress.com 8

9