Anda di halaman 1dari 7

TUGAS UAS STATMAT II

Kelompok 5
1
1. Misalkan 𝑥1 , 𝑥2 , … , 𝑥𝑛 merupakn sampel random dari VR X ~ N (2 𝜃, 4).

a. Jika banyak sampel adalah 100. Tentukan estimasi interval untuk 𝜃 dengan
tingkat signifikansi 2%!
Jawab:
Akan dicari estimator dari 𝜃 dengan menggunakan MLE
𝑛
𝑛 1 1 2
∑(𝑥
𝐿 (𝜃) = ∏ 𝑓(𝑥𝑖 ) = (8𝜋)− 2 𝑒 −8 𝑖 −2𝜃)
𝑖=1
𝑛 1 1
ln 𝐿 (𝜃) = − ln(8𝜋) − ∑(𝑥𝑖 − 𝜃)2
2 8 2
𝑛
𝜕 ln 𝐿(𝜃) 1 1 ∑ 𝑥𝑖 − 𝜃
2
= ∑(𝑥𝑖 − 𝜃)= =0
𝜕𝜃 8 2 8
𝑛
Dipenuhi apabila ∑ 𝑥𝑖 − 𝜃=0
2
∑𝑥
𝜃̂ = 2 𝑖 = 2𝑥̅
𝑛

i) 𝜃̂ = 2𝑥̅
𝜃 2
1
𝑥 ~ 𝑁(2 𝜃, 4) → 𝑀𝑥 (𝑡) = 𝑒 2 𝑡+2𝑡

2𝑥̅ ~ ?
∑ 𝑥𝑖
2 𝑡
𝑀2𝑥̅ (𝑡) = 𝐸[𝑒 2𝑥̅ 𝑡 ] = 𝐸 [𝑒 𝑛 ]
𝑥1 𝑥1 𝑥𝑛
= 𝐸 [𝑒 2 𝑛 𝑡 . 𝑒 2 𝑛 𝑡 . … . 𝑒 2 𝑛 𝑡 ]
𝑥𝑛 𝑛
= (𝐸 [𝑒 2 𝑛 𝑡 ])
2𝑡 𝑛
= (𝑀𝑥 ( ))
𝑛

𝜃 𝑡2
𝑛
𝑡+8 2
= (𝑒 𝑛 𝑛 )
1 𝑡2
𝜃𝑡 + .16
=𝑒 2 𝑛

16
Jadi, 2𝑥
̅ ~ 𝑁 (𝜃, )
𝑛
ii) Menetukan Pivot
2𝑥̅ − 𝜃
𝑧=
4
√𝑛
̅− 𝜃
2𝑥
4 𝑡
𝑀𝑧 (𝑡) = 𝐸[𝑒 𝑧𝑡 ] = 𝐸 [𝑒 √𝑛 ]
̅𝑡
2𝑥 − 𝜃𝑡
4 4
= 𝐸 [𝑒 √𝑛 𝑒 √𝑛 ]
− 𝜃𝑡 ̅𝑡
2𝑥
4 4
=𝑒 √𝑛 𝐸 [𝑒 √𝑛 ]
− 𝜃𝑡 ̅𝑡
𝑥
4 2
= 𝑒 √𝑛 𝐸 [𝑒 √𝑛 ]
− 𝜃𝑡
4 ∑ 𝑥𝑖
𝑡
=𝑒 √𝑛 𝐸 [𝑒 2√𝑛 ]
− 𝜃𝑡
4 𝑥1 𝑥2 𝑥𝑛
𝑡 𝑡 𝑡
=𝑒 √𝑛 𝐸 [𝑒 2√𝑛 . 𝑒 2√𝑛 . … . 𝑒 2√𝑛 ]
− 𝜃𝑡
4 𝑥𝑛 𝑛
𝑡
=𝑒 √𝑛 (𝐸[𝑒 2√𝑛 ])
− 𝜃𝑡
4 𝑛
𝑡
=𝑒 √𝑛 (𝑀𝑥 (2 𝑛))

− 𝜃𝑡 𝑛
4 𝜃𝑡 1 𝑡2
+
=𝑒 √𝑛 (𝑒 4√𝑛 2 𝑛 )

− 𝜃𝑡
4 𝜃𝑡 √𝑛 1 2
+ 𝑡
=𝑒 √𝑛 .𝑒 4 2

− 𝜃𝑡 𝜃𝑡
4 4 1 2
=𝑒 √𝑛 .𝑒 √𝑛 . 𝑒2 𝑡
1 2
𝑡
=𝑒 2

iii) 𝑧 ~ 𝑁(0,1)
iv) P[𝑎 < 𝑧 < 𝑏] = 1 − 𝛼
v) P[− 𝑧𝛼 < 𝑧 < 𝑧𝛼 ] = 1 − 𝛼
2 2

2𝑥̅ − 𝜃
P[− 𝑧𝛼 < 4 < 𝑧𝛼 ] =1−α
2 2
√𝑛

4 4
P[− 𝑧𝛼 < 2𝑥̅ − 𝜃 < 𝑧𝛼 ] =1–α
√𝑛 2 √𝑛 2

4 4
P[2𝑥̅ − 𝑧𝛼 < 𝜃 < 2𝑥̅ + 𝑧𝛼 ] =1–α
√𝑛 2 √𝑛 2

n = 100 ; 𝑧𝛼 = 𝑧0,01 = 2,33 ; 𝛼 = 2%


2

P[2𝑥̅ − 0,4 . 2,33 < 𝜃 < 2𝑥̅ + 0,4 . 2,33] = 98 %

P[2𝑥̅ − 0,932 < 𝜃 < 2𝑥̅ + 0,932] = 98%

Jadi, estimasi interval dari 𝜃 adalah 2𝑥


̅ − 0,932 < 𝜃̂ < 2𝑥̅ + 0,932

b. Jika dari data sampel diperoleh 𝑥̅ = 6. Tentukan banyak sampel dari 𝑥̅


sedemikian sehingga P[11,02 ≤ 𝜃 ≤ 12,98] = 0,05!
Jawab :
𝑥̅ = 6 dan P[11,02 ≤ 𝜃 ≤ 12,98] = 0,05
1 – α = 0,05 = 5% → α = 95%
4 4
P[2𝑥̅ − 𝑧𝛼 < 𝜃 < 2𝑥̅ + 𝑧𝛼 ] =1–α
√𝑛 2 √𝑛 2

4 4
P[2.6 − 𝑧0,475 < 𝜃 < 2.6 + 𝑧𝑧0,475 ] = 0,05
√𝑛 √𝑛
4 4
P[12 − . 0,06 < 𝜃 < 12 + . 0,06] = 0,05
√𝑛 √𝑛
0,24 0,24
P[12 − < 𝜃 < 12 + ] = 0,05
√𝑛 √𝑛
Perhatikan!
0,24
12 − = 11,02
√𝑛
0,24
√𝑛 = 12 . 11,02

0,24 2
𝑛 =( ) = 0,06
12 . 11,02
Kesimpulan ?????

2. Misalkan 𝑥1 , 𝑥2 , … , 𝑥𝑛 merupakn sampel random dari VR X ~ N (𝜇, 9). Akan


dilakukan pengujian hipotesis 𝐻0 : 𝜇 = 7 melawan 𝐻1 : 𝜇 ≠ 7
a. Tentukan nilai 𝑘, jika diinginkan tingkat signifikansi α = 2% dengan daerah
kritis C = {(𝑥1 , 𝑥2 , … , 𝑥36 )||𝑥̅ − 7| > 𝑘}
Jawab:
𝐻0 : 𝜇 = 7 𝑥 ~ 𝑁(𝜇, 9)
𝐻1 : 𝜇 ≠ 7 1
𝑥̅ ~ 𝑁(𝜇, )
4

α = P [𝑥 ∈ 𝐶, 𝐻0 ]
α = P [|𝑥̅ − 7| > 𝑘 , 𝐻0 ]
2% = P [𝑥̅ − 7 < − 𝑘 𝑎𝑡𝑎𝑢 𝑥̅ − 7 > 𝑘]
𝑥̅ −7 𝑥̅ −7
2% = P [ 1 < − 2𝑘 𝑎𝑡𝑎𝑢 1 > 2𝑘]
2 2

2% = P [𝑧 < −2𝑘 𝑎𝑡𝑎𝑢 𝑧 > 2𝑘]


Sehingga, 2𝑘 = 2,33 → 𝑘 = 1,165
Jadi, nilai 𝑘 = 1,165

b. Tentukan tingkat signifikansi, jika daerah kritis ditentukan


C = {(𝑥1 , 𝑥2 , … , 𝑥100 )||𝑥̅ − 7| > 0,5}
Jawab:
𝑥 ~ 𝑁(𝜇, 9)
9
𝑥̅ ~ 𝑁(𝜇, )
100

α = P [𝑥 ∈ 𝐶, 𝐻0 ]
α = P [|𝑥̅ − 7| > 0,5 , 𝐻0 ]
α = P [𝑥̅ − 7 < − 0,5 𝑎𝑡𝑎𝑢 𝑥̅ − 7 > 0,5]
𝑥̅ −7 5 𝑥̅ −7 5
α=P[ 3 < − 3 𝑎𝑡𝑎𝑢 3 > 3]
10 10

α = P [𝑧 < − 1,67 𝑎𝑡𝑎𝑢 𝑧 > 1,67]


α = 0,095 = 9,5%
jadi tingkat signifikasinya, α = 0,095 = 9,5%
c. Tentukan banyak sampel, jika diinginkan tingkat signifikansi α = 10% dengan
daerah kritis C = {(𝑥1 , 𝑥2 , … , 𝑥100 )||𝑥̅ − 7| > 0,75}
Jawab:
α = P [𝑥 ∈ 𝐶, 𝐻0 ]
10% = P [|𝑥̅ − 7| > 0,75 , 𝐻0 ]
10% = P [𝑥̅ − 7 < − 0,75 𝑎𝑡𝑎𝑢 𝑥̅ − 7 > 0,75]
𝑥̅ −7 𝑥̅ −7
10% = P [ 3 < −0,25 √𝑛 𝑎𝑡𝑎𝑢 3 > 0,25 √𝑛]
√𝑛 10

10% = P [𝑧 − 0,25 √𝑛 𝑎𝑡𝑎𝑢 𝑧 > 0,25 √𝑛]

Sehingga diperoleh, 0,25 √𝑛 = 1,64

√𝑛 = 6,56 → 𝑛 ≈ 43
Jadi, banyaknya sampel adalah 43

3. Misalkan 𝑥1 , 𝑥2 , … , 𝑥10 merupakn sampel random dari VR X ~ Eksp (2𝜃 + 1).


Akan dilakukan pengujian hipotesis 𝐻0 : 𝜃 = 2 melawan 𝐻1 : 𝜃 = 3. Tentukan
daerah kritis terbaik dengan kuasa uji 95%!
Jawab:
𝑥
1 −
X ~ Eksp (2𝜃 + 1) ⟹ 𝑓(𝑥) = 𝑒 2𝜃+1
2𝜃+1
Akan digunakan Teorema Neyman Pearson untuk menentukan Daerah Kritis
𝑛
1

𝐿 (2𝜃 + 1) = ∏ 𝑓(𝑥𝑖 ) = (2𝜃 + 1)−𝑛 𝑒 − 2𝜃+1 𝑥𝑖
𝑖=1
1
− ∑ 𝑥𝑖
𝐿(2𝜃′ +1) 𝐿 (2.2+1) 𝐿(5) (5)−𝑛 𝑒 5
= = = 1
𝐿(2𝜃′′+1) 𝐿(2.3+1) 𝐿(7) − ∑ 𝑥𝑖
(7)−𝑛 𝑒 7

7 𝑛 1
∑ 𝑥𝑖 −
1
∑ 𝑥𝑖
= ( ) 𝑒7 5
5
7 𝑛 −
2
∑ 𝑥𝑖
=( ) 𝑒 35 <𝑘
5
2
∑ 𝑥𝑖 5 𝑛
𝑒 − 35 <( ) k
7
2 5 𝑛
− ∑ 𝑥𝑖 < ln (( ) k)
35 7

35 5 𝑛
∑ 𝑥𝑖 > − ln (( ) k)
2 7
35 5 𝑛
DK = {(𝑥1 , 𝑥2 , … , 𝑥10 )| ∑ 𝑥𝑖 > 𝑐0 } dengan 𝑐0 = − ln (( ) k)
2 7

𝑀𝑥 (𝑡) = (1 − (2𝜃 + 1))−1


2
Y= ∑ 𝑥𝑖
2𝜃+1
2
𝑀𝑌 (𝑡) = 𝐸[𝑒 𝑌𝑡 ] = 𝐸 [𝑒 2𝜃+1 ∑ 𝑥𝑖𝑡 ]
2
= 𝐸 [𝑒 2𝜃+1 (𝑥1+𝑥2+ …+ 𝑥𝑛)𝑡 ]
2 2 2
= 𝐸 [𝑒 2𝜃+1 𝑥1𝑡 . 𝑒 2𝜃+1 𝑥2𝑡 . … . 𝑒 2𝜃+1 𝑥𝑛𝑡 ]
2
𝑥𝑡
= (𝐸[𝑒 2𝜃+1 𝑖 ])𝑛
2𝑡
= (𝑀𝑥 ( ))𝑛
2𝜃+1
2𝑡 𝑛
= [(1 − (2𝜃 + 1). )−1 ]
2𝜃+1

= (1 − 2𝑡)−𝑛
𝑛 = 10
= (1 − 2𝑡)−10
𝑌~ 2
20
Kuasa Uji 95%
1 – β = 𝑃[(𝑥1 , 𝑥2 , … , 𝑥10 )𝜖𝐶, 𝐻1 ]
95% = 𝑃[∑ 𝑥𝑖 > 𝑐0 𝜖𝐶, 𝐻1 ]
2 2
95% = 𝑃 [2𝜃+1 ∑ 𝑥𝑖 > 𝐶0 , 𝐻1 ]
2𝜃+1
2
95% = 𝑃 [  2 > 𝐶0 , 𝐻1 ]
20 7
2
Diperoleh, 7 𝐶0 = 10,8508

𝐶0 = 37,9778
Jadi, Daerah Kritis Terbaiknya adalah
DK = {(𝑥1 , 𝑥2 , … , 𝑥10 )| ∑ 𝑥𝑖 > 37,9778}

4.