Dalam estimasi dikenal istilah penduga atau estimator atau fungsi keputusan. Fungsi keputusan
atau estimator ini digunakan untuk mendapatkan taksiran untuk parameter.
Syarat penduga yang baik:
1. Unbiased
Suatu penduga atau estimator
E( )= ;
Dengan
2. Minimum varian
Suatu estimator
Apabila
Maka
dan
3. Konsisten
Semakin besar sampel maka nilai varian semakin kecil atau nilai sampel semakin
mendekati populasi.
4. Relative efisiensi
Suatu penduga atau estimator
banyak estimator
5. Sufficiency
unbiased lainnya.
distribusi
Metode estimasi parameter dengan metode klasik, merupakan metode estimasi parameter
yang banyak digunakan dan mudah untuk diaplikasikan, selain itu metode ini juga
relative sederhana dibandingkan metode lainnya.
Estimasi dari populasi dapat berupa estimasi titik dan estimasi selang (interval).
Estimasi Titik
Estimasi yang nilai dugaannya berupa satu nilai atau titik.
Contoh:
Penduga dari rata-rata populasi adalah , dimana
Estimasi Selang
Estimasi yang nilai dugaannya berupa suatu selang atau interval kepercayaan. Selang
kepercayaan (confidence interval) adalah sebuah interval antara dua angka, dimana dalam
tingkat kepercayaan tertentu nilai parameter sebuah populasi terletak di dalam interval
tersebut.
Dimana
Dengan
selang
<1
kepercayaan
tersebut
dapat
dituliskan
secara
matematis:
Dimana:
disebut koefisien kepercayaan atau taraf kepercayaan atau tingkat signifikansi.
dan
2. BAYES
Menurut Bayes, parameter populasi berasal dari suatu distribusi, sehingga nilainya
tidaklah tunggal (merupakan variabel random), sedangkan menurut metode klasik
3. OLS
Prinsip kerjanya ialah meminimumkan jumlah kuadrat penyimpangan atau error nilainilai observasi terhadap rata-ratanya:
(
asumsi linearitas.
Prinsip: minimum
minimum
Linearitas menunjukkan rata-rata sama dengan 0 atau tidak ada korelasi antara
variabel bebas dengan error.
3. Homoskedastisitas: Var (i) = 2
Homoskedastisitas menunjukkan varian dari distribusi errornya besifat konstan atau
mendekati konstan.
4. Non-multikolinieritas
Multikolineritas menunjukkan adanya hubungan linear diantara beberapa atau semua
variable bebas yang menyusun model regresi.
5. Non-autokorelasi: Cov (i, j) = 0 , i j
Non autokorelasi menunjukkan tidak adanya hubungan atau korelasi antara error satu
dengan error lainnya.
4. GLS
Prinsip dasarnya sama dengan OLS, yaitu meminimumkan jumlah kuadrat penyimpangan
5. MME
Prinsip: Momen Sampel= Momen Parameter
Misalkan suatu populasi dengan fungsi densitas f(x ; 1,, k), maka momen populasi kek didefinisikan sebagai k =E(Xk ).
Jika X1,X2,....,Xn adalah sampel random dari populasi dengan fungsi densitas f(x;1,
,k),
maka
momen
sampel
ke-k
didefinisikan
dengan
Misal X1, X2, ...., Xn adalah sampel random dari populasi dengan fungsi densitas f(x; 1,
, k), estimator metode momen didapatkan dengan menyamakan k momen sampel
dengan k momen populasi, dan menyelesaikan sistem persamaan simultan yang
dihasilkan.
Caranya:
Buat persamaan
Misal untuk k=1
Sehingga:
menjadi
6. MLE
Prinsip kerjanya maksimum likelihood dengan syarat distribusi error diketahui atau
diasumsikan mengikuti distribusi tertentu.
dimana
dari random variable
Max
dst.