PENDAHALUAN
A. Latar Belakang
Statistik inferensi digunakan untuk memprediksi keadaan dari suatu
populasi berdasarkan sampel yang diambil. Dalam statistika inferensi ini,
seringkali diasumsikan bahwa distribusi populasi diketahui. Teknik yang
digunakan untuk menaksir nilai parameter bila distribusi populasi diketahui
adalah dengan Maximum Likelihood Estimation (MLE).
Pada MLE, teknik penaksiran parameternya lebih mudah, sehingga orang
banyak menggunakan teknik ini. Akan tetapi teknik ini hanya dapat
digunakan bilamana distribusi populasi diketahui. Selain itu MLE sangat
sensitif terhadap data ekstrim. Data ekstrim ini sangat berpengaruh terhadap
nilai-nilai mean ataupun variansi.
B. Rumusan Masalah
Adapun rumusan masalah kami dalam makalah ini yaitu:
1. Bagaimana Metode Maximum Likelihood?
2. Bagaimana sosulusi Metode Maximum Likelihood dalam penyelesaian
beberapa contoh soal?
C. Tujuan
Adapun tujuan dalam penulisan makalah ini yaitu untuk mengetahui:
1. Metode Maximum Likelihood.
2. Penerapan Metode Maximum Likelihood dalam beberapa contoh soal.
BAB II
METODE MAXIMUM LIKELIHOOD
(Metode Kemungkinan Maksimum)
A. Pendahuluan
Berikut ini adalah metode yang cukup sering menghasilkan penaksir yang
memiliki sifat-sifat tertentu yang diharapkan, khususnya sifat-sifat sampel besar.
Penalarannya adalah menggunakan nilai parameter yang mungkin, yang
bersesuaian dengan largest likelihood (peluang besar) bagi yang teramati, sebagai
taksiran parameter yang tidak diketahui (besarnya).
Maximum likelihood adalah teknik yang sangat luas dipakai dalam
penaksiran suatu parameter distribusi data dan tetap dominan dipakai dalam
pengembangan uji -uji yang baru (Lehmann, 1986). Berikut ini akan disinggung
sedikit tentang penaksiran parameter ini.
Andaikan variabel random X mempunyai nilai-nilai terbilang
, dengan
sebenarnya dari
. Sehingga
sebagai fungsi
ada
terbilang
banyaknya
akan
untuk
fixed
keputusan-keputusan
yang
adalah
benar. Likelihood
bilamana
diberi bobot tertentu
nilai
yang
memaksimumkan
benar. Penjelasan
Sehingga
Dengan demikian,
Statistik
adalah nilai
yang memaksimumkan
Contoh 1:
Andaikan tersedia
maupun beratnya. Misalkan satu mata uang dipilih secra acak dari tiga mata uang
tersebut, lalu dilambungkan dua kali. Jika
muncul pada lambungan pertama, dan
adalah
,
, kita
. Akan
.
Untuk memperoleh taksiran dengan metode peluang terbesar, kita
perhatikan
fungsi
densitas
peluang
bersama
untuk
dari
,
, dan
P
0,20
(0,0)
0,64
(0,1)
0,16
(1,0)
0,16
(1,1)
0,04
0,30
0,49
0,21
0,21
0,09
0,80
0,04
0,16
0,16
0,64
jika
jika
Definisi 1:
yaitu
. Nilai-
variabel random
Untuk
konstan,
hanya tergantung
. Apabila
itu, maka
Definisi 2:
Misalkan
, yaitu
. Nilai
disebut maximum
Jadi,
Perhatikan:
1) Jika setiap himpunan hasil pengamatan atau hasil pengukuran
bersesuaian dengan tepat satu nilai dari
, maka cara
memperoleh
taksiran
di
atas
menentukan
suatu
fungsi
.
diferensiabel dan
, maka MLE merupakan
Atau persamaan
kemungkinannya adalah
dari distribusi
menghasilkan
Maksimum).
fungsi dari
untuk
, yaitu
adalah
dan
adalah
Contoh 3:
Misalkan
, untuk
Terdapat
dari distribusi
, dipenuhi persamaan:
Berarti
Untuk
, terdapat
adalah
Untuk menaksir
peroles MLE daari
Contoh 4:
Misalkan
. Jadi,
dari distribusi
, untuk
komponen
berdistribusi eksponensial,
dengan aturan
10
Perhatikan bahwa
tahan hidup
MLE untuk , dapat dihitung dari data tersebut, dengan jalan sebagai berikut
Dari persamaan
, didapat
. Jadi
. Jadi,
Persamaan
Untuk
(MLE) untuk
untuk
, sedangkan
maka
untuk
adalah
Contoh 6:
11
,
.
Misalkan
normal,
MLE untuk
dari
, maka
dari
dari distribusi
adalah
dan
, diperoleh
Jadi,
Contoh 7:
Misalkan
berdistribusi
dua-parameter,
12
yaitu
utnuk
, dengan parameter
dan
, utnuk
Untuk
Sehingga
, jika
. Jadi,
Haislnya
Sehingga,
Jadi,
Contoh 8:
13
Misalkan
14
dan
dalam
dan
Contoh 9:
Misalkan
Weibull,
dan
untuk
Dan
BAB III
PENUTUP
15
A. Kesimpulan
1. Untuk populasi yang distribusinya diketahui, penaksiran parameter akan
lebih mudah bila menggunakan MLE.
2.
peluang.
3.
haruslah
sama.
4.
Misalkan
yang memaksimumkan
. Penaksir untuk
DAFTAR PUSTAKA
16
17