JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER

dokumen-dokumen yang mirip
Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) . Definisi L.2 (Kejadian lepas )

BAB 2 LANDASAN TEORI

PENGUJIAN HIPOTESIS DUA RATA-RATA

V. PENGUJIAN HIPOTESIS

Rumus-rumus yang Digunakan

MODIFIKASI METODE DEKOMPOSISI ELZAKI (MMDE) UNTUK PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL TAK LINEAR

KELUARGA EKSPONENSIAL Untuk Memenuhi Tugas Mata Kuliah Statistika Inferensial Dosen Pengampu: Nendra Mursetya Somasih Dwipa, M.Pd

BAGIAN 2 TOPIK 5. andhysetiawan

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel

II LANDASAN TEORI. of Portfolio Transactions (Almgren & Chriss 2000).

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

Distribusi Sampel & Statistitik Terurut

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi.

PEMETAAN LINIER KONTINU PADA RUANG BERNORMA KABUR. Muhammad Ahsar K. dan Yuni Yulida

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov

PERTEMUAN 13. VEKTOR dalam R 3

Distribusi Pendekatan (Limiting Distributions)

BAB 2 LANDASAN TEORI

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP

Induksi Matematika. Pertemuan VII Matematika Diskret Semester Gasal 2014/2015 Jurusan Teknik Informatika UPN Veteran Yogyakarta

MAKALAH ALJABAR LINEAR SUB RUANG VEKTOR. Dosen Pengampu : Darmadi, S.Si, M.Pd

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4

DISTRIBUSI KHUSUS YANG DIKENAL

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2

BAB III METODE PENELITIAN

JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu

MINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA

BAHAN AJAR ANALISIS REAL 1 Matematika STKIP Tuanku Tambusai Bangkinang 5. DERET

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu:

PENDAHULUAN INTERVAL KEPERCAYAAN PENAKSIRAN TITIK PENAKSIRAN INTERVAL 5/14/2012 KANIA EVITA DEWI

BAB III RUANG HAUSDORFF. Pada bab ini akan dibahas mengenai ruang Hausdorff, kekompakan pada

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA

PREMI ASURANSI JIWA CONTINGENT DENGAN HUKUM DE MOIVRE. Fakultas Matematika dan Ilmu Pengetahuan Alam Univeritas Riau Kampus Bina Widya Indonesia

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin

BAB III PERUMUSAN PENDUGA DAN SIFAT SIFAT STATISTIKNYA

BAB III METODE PENELITIAN

BAB III FORMULA PENENTUAN HARGA OPSI ASIA

BAB METODOLOGI. Bab 2 Metodologi berisikan :

BILANGAN BAB V BARISAN BILANGAN DAN DERET

BENTUK KANONIK JORDAN DALAM MENYELESAIKAN SISTEM PERSAMAAN DIFERENSIAL LINEAR

I. DERET TAKHINGGA, DERET PANGKAT

PENYELESAIAN PERSAMAAN DIFERENSIAL PARSIAL LINEAR DENGAN MENGGUNAKAN METODE TRANSFORMASI ELZAKI

PROSIDING ISSN:

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode

BAB 3 METODE PENELITIAN

4.3 Sampling dari distribusi normal dan estimasi likelihood maksimum

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak

Analisis Rangkaian Listrik Di Kawasan Waktu

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai

BARISAN TAK HINGGA DAN DERET TAK HINGGA

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data

BAB III ANALISIS LOOKBACK OPTIONS

BAB VI BARISAN TAK HINGGA DAN DERET TAK HINGGA

Kalkulus Rekayasa Hayati DERET

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital

Secara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real:

BAB 2 LANDASAN TEORI

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

IV. METODE PENELITIAN

BAB II TINJAUAN PUSTAKA

PENENTUAN NILAI ANUITAS JIWA SEUMUR HIDUP MENGGUNAKAN DISTRIBUSI GOMPERTZ

Cara uji butiran agregat kasar berbentuk pipih, lonjong, atau pipih dan lonjong

Statistika Inferensi Tentang Ratarata Dua Populasi Independen

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

Universitas Sumatera Utara

Selang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan

PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY MAMDANI BERDASARKAN PREDIKSI PERMINTAAN

MENENTUKAN PERSEDIAAN BERAS DENGAN MENGGUNAKAN MODEL ECONOMIC ORDER QUANTITY (EOQ) BERDASARKAN RAMALAN PERMINTAAN PADA TAHUN 2012

Batas Bilangan Ajaib Pada Graph Caterpillar

MATEMATIKA DISKRIT FUNGSI

BAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian

HALAMAN Dengan definisi limit barisan buktikan limit berikut ini : = 0. a. lim PENYELESAIAN : jadi terbukti bahwa lim = 0 = 5. b.

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

,n N. Jelas barisan ini terbatas pada dengan batas M =: 1, dan. barisan ini kovergen ke 0.

PENDAHULUAN. Statistika penyajian DATA untuk memperoleh INFORMASI penafsiran DATA. Data (bentuk tunggal : Datum ) : ukuran suatu nilai

BARISAN DAN DERET. Nurdinintya Athari (NDT)

HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN

Barisan. Barisan Tak Hingga Kekonvergenan barisan tak hingga Sifat sifat barisan Barisan Monoton. 19/02/2016 Matematika 2 1

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa istilah, definisi serta konsep-konsep yang

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

Bagian 7. Jawab. Uji Hipotesis. Beberapa Uji Hipotesis pada Statistika Parametrik. Beberapa Uji Hipotesis pada Statistika Nonparametrik

TINJAUAN PUSTAKA Pengertian

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari.

II. TINJAUAN PUSTAKA. Secara umum apabila a bilangan bulat dan b bilangan bulat positif, maka ada tepat = +, 0 <

MATHunesa (Volume 3 No 3) 2014

BAB VII DISTRIBUSI SAMPLING DAN DESKRIPSI DATA

Fungsi. Jika f adalah fungsi dari A ke B kita menuliskan f : A B yang artinya f memetakan A ke B.

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o

PEMBUKTIAN TEOREMA HUKUM LEMAH BILANGAN BESAR DENGAN MENGGUNAKAN FUNGSI KARAKTERISTIK

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom. Barisan dan Deret

KREDIBILITAS DENGAN PENDEKATAN BÜHLMANN. oleh KRISTINA NATALIA NIM M

Transkripsi:

STATISTIK CUKUP Oleh: Ramayai Rizka M (11810101003), Dey Ardiao (1181010101), Ikfi Ulyawai (1181010103), Falviaa Yulia Dewi (1181010106), Ricki Dio Rosada (11810101034), Nurma Yuia D (11810101035), Wula Niiasui F. (11810101046), ( * ) JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER 014

STATISTIK CUKUP Oleh: Ramayai Riska M (11810101003), Dey Ardiao (1181010101), Ikfi Ulyawai (1181010103), Falviaa Yulia Dewi (1181010106), Ricki Dio Rosada (11810101034), Nurma Yuia D (11810101035), Wula Niiasui F. (11810101046), ( * ) Saisic adalah sembarag ilai yag mejelaska ciri suau cooh. Parameer adalah sembarag ilai yag mejelaska ciri populasi. Sedagka pegeria populasi sediri adalah keseluruha pegamaa yag mejadi perhaia kia. Cooh adalah himpua bagia dari populasi 1. Iformasi dalam sampel X = (X 1, X..., X ) aka diguaka uuk melakuka iferesi eag θ. Daa erobservasi x = (x 1, x..., x ) merupaka dafar bilaga yag sukar uuk diierpreasika, sehigga aka dilakuka pedugaa melalui peghiuga saisik T(X) yag merupaka fugsi dari sampel. Ari dari saisik sediri adalah pedugaa parameer, sehigga ilmu yag mempelajari pedugaa parameer dikeal dega saisika. Misal X 1,..., X ~ p x; θ, misal X (X 1,..., X ), fugsi T = (X 1,..., X ) iu sediri adalah variabel acak yag aka kia amaka saisic. Saisik cukup uuk parameer θ adalah saisik dalam ari ereu dapa meyerap semua iformasi eag θ yag ermua dalam sampel. Bila T(X) adalah saisic cukup uuk θ maka seiap iferesi eag θ harus ergaug pada sampel X = (X 1, X..., X ) haya melalui T(X). Defiisi : Adaika X 1,..., X ~ p x; θ. T adala saisik cukup uuk θ jika disribusi bersyara dari X 1,..., X T idak bergaug pada θ. Jadi, p x 1,..., x ; θ) = p x 1,..., x ). Ii berari dapa meggai X 1,..., X dega T(X 1,..., X ) aaupu T(X) apa kehilaga iformasi. -3. 1 Roald E. Walpole, Pegaar Saisika, PT Gramedia Pusaka Uama, Jakara, 199, hlm.

Maksud dari defiisi diaas yaiu : bila f x θ) adalah desias dari X = (X 1,..., X ) da g T x θ ) adalah desias dari T(X), maka T X adalah saisik cukup uuk θ bila uuk seiap X = (X 1,..., X ) dalam ruag sampel, rasio = (f x θ ) g T x θ ) idak bergaug pada θ. Cooh 1: Disribusi Poisso X 1,..., X ~ poisso (θ ). Misal T =. px T x = P X = x T X = ) = P(X = x da T = ) P(T = ) Teapi, P X = x da T = = T x = P(X = x ) = x i = P T = = e θ (θ) P(X =x ) P(T=) =! saisik cukup uuk θ.! 0 P X 1 = x 1,..., X = x e θ θ x i x i! = e θ θ (x i!) T x 1,..., x T x 1,..., x = = e θ θ (x i!) yag idak bergaug pada θ. Jadi, T = x ( xi )! i adalah Cooh : Disribusi Beraulli Misalka X 1,..., X variabel radom idepede berdisribusi Beraulli dega parameer θ, 0 < θ < 1. aka diujukka bahwa : T X = X 1 + X +... +X = adalah saisik cukup uuk θ. Peyelesaia : X i ~ B 1, θ desias dari X i adalah : f x i θ) = θ x i(1 θ) 1 x i dega i=0,1 f x i θ) = f x 1 θ). f x θ). f x θ) = θ x 1 1 θ 1 x 1. θ x 1 θ 1 x... θ x 1 θ 1 x

= θ (1 θ) Fugsi pembagki mome dari X i adalah MX i ()= θe + 1 θ M x i = MX 1. MX.... MX = θe + 1 θ. θe + 1 θ.. θe + 1 θ = (θe + 1 θ ) yag merupaka fugsi pembagki mome dari disribusi biomial (, θ) Sehigga, T X = Maka : berdisribusi Biomial (, θ) g T x θ ) =. θ i=i x i (1 θ) xi (f x θ ) g T x θ ) = θ. (1 θ) =. θ. (1 θ) yag idak bergaug pada θ. Jadi T X = adalah saisik cukup uuk θ. 1 Cooh 3 : Disribusi Normal Misalka X 1, X..., X variabel radom idepede berdisribusi ormal dega raa-raa μ da variasi 9. Aka diujukka bahwa raa-raa sampel : T X = Peyelesaia : adalah saisik cukup uuk μ. X i ~ N μ, 9 maka desias dari X i adalah : f x i μ) = π 1 9 1 exp( 1.9 x i μ ) f x i μ) = f x 1 μ). f x μ). f x μ) = π 1 9 1 exp( 1.9 x 1 μ ). π 1 9 1 exp( 1.9 x μ ) π 1 9 1 exp( 1.9 x μ ) = π 1 9 1 exp( 1 18 μ ) Selajuya aka dieuka desias dari T X yaiu g T x μ).

x = berdisribusi ormal dega raa-raa μ da variasi 9/ g T x μ) = π 1. 9 1 exp( 1 18 (x μ) ) (f x θ ) = g T x θ ) 1 π ( 1) 1) ( 9 exp( 1 18 megadug μ sehigga T X = x = xi x ) beuk ii sudah idak saisik cukup uuk μ. TEOREMA FAKTORISASI Jika T X adala saisik cukup uuk θ, maka fugsi kepadaa peluag bersama Cooh 4: dari X dapa difakorka mejadi p x ; θ = x x g ; θ. Misal X 1, X..., X ~ poisso. maka Cooh 5: p x ; θ = e θ θ (x i!) X 1, X..., X ~ N μ, σ. maka p x ; μ, σ = a) Jika σ dikeahui : p x ; μ = 1 πσ b) Jika (μ, σ ) idak dikeahui : = 1 (x i!) e θ θ / 1 πσ exp (x i x ) + (x μ ) πσ x i x x μ exp πσ exp σ Maka T = ( x, S ) adalah saisik cukup. jadi T = ( X i, X i ). STATISTIK CUKUP MINIMAL ( miimal sufficie saisics ) Cooh 6: X 1, X..., X ~ N 0, σ. beberapa saisik cukupya adalah : T X 1, X..., X = (X 1, X..., X )

T X 1, X..., X = (X 1, X ) m T X 1, X..., X = ( X i T X 1, X..., X = X i, X i i=m+1 ) T adalah saisik cukup miimal jika dua peryaaa dibawah ii bear : 1. T adalah saisik cukup. Jika U adalah saisik cukup yag lai maka T = g(u) uuk beberapa fugsi g. Cooh 7 : misal X 1, X, X 3 ~ beraulli(θ). Misal T = 3 T u P(x u ) (0, 0, 0) =0 1 U= 0 1 (0, 0, 1) =1 1/3 U=1 1/3 (0, 1, 0) =1 1/3 U=1 1/3 (1, 0, 0) =1 1/3 U=1 1/3 (0, 1, 1) = 1/3 U=73 1/ (1, 0, 1) = 1/3 U=73 1/ (1, 1, 0) = 1/3 U=91 1 (1, 1, 1) =3 1 U=103 1 U da T merupaka saisika cukup, eapi U buka saisik cukup miimal. MENEMUKAN STATISTIK CUKUP MINIMAL Defiisi : R(x, y ; θ) = p(y ; θ) p(x ; θ) R x, y ; θ idak bergaug pada θ jika da aya jika T y = T x. Maka T adalah saisic cukup miimal. Cooh 8 : Y 1, Y..., Y berdisribusi poisso (θ )

p y ; θ = e θ θ y i, p(y yi xi ; θ) p(x ; θ) = θ y i! x i! y i Adalah idepede pada θ jika y i = x i. secara idak lagsug T Y = y i adalah saisic cukup miimal uuk θ. Saisic cukup uuk θ idak uggal, seiap fugsi sau sau dari saisic cukup uuk θ adalah juga saisic cukup uuk θ. Sebagai cooh yag palig sederhaa bila adalah saisic cukup uuk maka / juga merupaka saisik cukup uuk θ. ( * ) Correspodig auhor: alfhadi@uej.ac.id afhadi.blog.uej.ac.id