Salsabila (10112025)
Diberikan model linier
y = X + e
dengan ukuran
y : T 1, X : T k, : k 1, e : T 1
dan asumsi
1. (X0 X)1 ada (ekivalen dengan rank(X) = k),
2. E[e] = 0, dan
3. E[ee0 ] = 2 IT .
Taksiran dapat diperoleh dari solusi masalah optimasi
min S() = y0 y 2 0 X0 y + 0 X0 X
s/t. R = q
dengan
R : j k, q : j 1, j k
dan asumsi
4. rank(R) = j.
Maka solusi dari masalah tersebut adalah
= (X0 X)1 R0 [R(X0 X)1 R0 ]1 (R q)
dengan
= (X0 X)1 X0 y
= dan V ar[]
=
adalah solusi dari masalah optimasi di atas tanpa kendala. Lebih jauh, E[]
2 (X0 X)1 .
Ekspektasi dari adalah
E[ ] = E[ (X0 X)1 R0 [R(X0 X)1 R0 ]1 (R q)]
(X0 X)1 R0 [R(X0 X)1 R0 ]1 E[R q]
= E[]
(X0 X)1 R0 [R(X0 X)1 R0 ]1 (R q)
= E[]
= (X0 X)1 R0 [R(X0 X)1 R0 ]1 (0)
=
yaitu adalah penaksir yang tak bias bagi , dengan catatan model dispesifikasikan dengan
benar ( memenuhi kendala masalah optimasi R = q).
1
tak bias yang lebih baik (lebih kecil variansinya) dibandingkan dengan .
Bukti teorema 1
Bagian pertama
Ambil sembarang matriks Amn . Maka untuk sembarang xn1
x0 (A0 A)x = (Ax)0 (Ax) 0
Jadi A0 A matriks psd.
Bagian kedua
Karena rank(A) = n maka Ax = 0 hanya memiliki solusi trivial yaitu xn1 = 0. Ambil
sembarang xn1 6= 0, maka
x0 (A0 A)x = (Ax)0 (Ax) > 0
karena Ax 6= 0. Jadi A0 A matriks pd.
Bukti teorema 2
Misalkan B matriks pd, yaitu nilai-nilai karakteristiknya positif, dan B1 ada. Nilai-nilai
karakteristik dari B1 adalah kebalikan dari nilai-nilai karakteristik B, yang juga positif. Jadi
B1 matriks pd.
Bukti teorema 3
Misalkan Bnn matriks pd, maka untuk setiap xn1 6= 0 berlaku x0 Bx > 0. Misalkan pula
Cmn matriks dengan rank(C) = m n, maka C0 y = 0 hanya memiliki solusi trivial, yaitu
ym1 = 0. Ambil sembarang ym1 6= 0, maka
y0 CBC0 y = (C0 y)0 B(C0 y) = x0 Bx > 0.
karena C0 y 6= 0. Jadi CBC0 matriks pd.