TUGAS INDIVIDU

ESTIMATOR TAK BIAS LINEAR TERBAIK

(BEST LI NEAR UNBI ASED ESTI MATORS/BLUE)

Disusun untuk Memenuhi Tugas Mata Kuliah
Statistika Matematika
Dosen Pengampu : Prof. Drs. Sukestiyarno, YL, MS, Ph. D.


Disusun oleh:
Aprilia Nurul Chasanah (0401513002)
ROMBEL A1 REGULER


PENDIDIKAN MATEMATIKA PROGRAM PASCASARJANA
UNIVERSITAS NEGERI SEMARANG
2014




Sifat-sifat estimator metode Ordinary Least Square (OLS)
Berdasarkan asumsi-asumsi dari model regresi linear klasik, estimator
OLS memiliki variansi yang minimum di antara estimator-estimator tak bias
lainnya sehingga estimator OLS disebut sebagai estimator tak bias linear terbaik
(best linear unbiased estimators / BLUE). Berikut pembuktian dari sifat BLUE
estimator OLS.
a. Linear
Estimator yang diperoleh dengan metode Ordinary Least Square adalah
linear,

karena

merupakan matriks dengan bilangan

tetap ,

adalah fungsi linear dari Y.

b. Tak Bias (Unbiased)
E(

= [ ()
1
]
= [()
1
( + )]
= [()
1
+ ()
1
]
= [ + ()
1
]
= () + (()
1
)
= + ()
1
()= + 0 =
Jadi

merupakan estimator tak bias dari .

c. Variansi minimum
Cara menunjukkan bahwa semua dalam vektor

adalah penaksir-penaksir
terbaik (best estimator), harus dibuktikan bahwa

mempunyai variansi yang

terkecil atau minimum diantara variansi estimator tak bias linear yang lain.

= [(

)
2
]
= [

)(

)

]
= [{()
1
}{()
1
} ]
= [()
1
()
1
]
= ()
1
[]()
1
= ()
1

2
()
1

=
2
()
1
()
1

=
2
()
1

Akan ditunjukkan (

) (

)
Misal

adalah estimator linear yang lain dari yang dapat ditulis sebagai

= [()
1
+ ]
dengan c adalah matriks konstanta, sehingga

= [()
1
+ ]
= [()
1
+ ]( + )
= ()
1
+ + ()
1
+
= + + ()
1
+
= + + ()
1
+

Karena diasumsikan

merupakan estimator tak bias dari maka (

)
seharusnya , dengan kata lain seharusnya merupakan matriks nol, atau
=0.
Jadi diperoleh

= ()
1
+ = (()
1
+ )
(

) = [(

]
= [()
1
+ ) ()
1
+ )]
= (()
1
+ )] ( ( ()
1
+ )
=
2
(()
1
+ ) ((
)1
+ )
=
2
(()
1
()
1
+ ()
1
+ ()
1
+ )
=
2
(()
1
+ )
= (

+
2


Persamaan di atas menunjukkan bahwa matriks variansi estimator linear tak bias

merupakan penjumlahan matriks variansi estimator OLS dengan

2
. Secara
matematis jadi terbukti bahwa

).