Statistik Cukup Minimal

Definisi :

Suatu himpunan statistik dikatakan sebagai himpunan statistik cukup minimal jika anggota-anggotanya
adalah statistik cukup gabungan untuk parameter dan jika statistik-statistik tersebut merupakan fungsi dari
himpunan statistic cukup gabungan yang lain.

Jika 𝑋1, 𝑋2, … … . , 𝑋𝑛 variabel random saling bebas dan berdistribusi identik dari distribusi Cauchy
dengan parameter 𝜃 = ( 𝜇, 𝜎 2 ) dan fungsi kepadatan probabilitas
1 𝜎
𝑓(𝑥; 𝜇, 𝜎 2 ) = 𝜋 𝜎2 +(𝑥−𝜇)2

Untuk −∞ < 𝑥 < ∞ maka tidak ada statistic cukup yang diameternya lebih kecil dari statistic cukup
(𝑋1, 𝑋2, … … . , 𝑋𝑛 )𝑡 .

Jika m adalah bilangan bulat terkecil sehingga 𝑻 = (𝑇1, 𝑇2, … … . , 𝑇𝑚 )𝑡 dengan 𝑇𝑗 = 𝑇𝑗 (𝑋1, 𝑋2, … … . , 𝑋𝑛 )
untuk 𝑗 = 1,2, … . . , 𝑚 merupakan statistik cukup untuk 𝜃 = (𝜃1 , … . . , 𝜃𝑟 )𝑡 maka 𝑻 dinamakan statistik
cukup minimal untuk 𝜃.

Teorema :

Misalkan 𝑓(𝑥; 𝜃) fungsi probabilitas dari sampel 𝑥. Misalkan terdapat fungsi 𝑇(𝑥) sehingga untuk dua
𝑓(𝑥;𝜃)
titik sampel 𝑥 dan 𝑦, ratio 𝑓(𝑦;𝜃) tidak tergantung pada 𝜃 jika dan hanya jika 𝑇(𝑥) = 𝑇(𝑦), maka 𝑇(𝑥)
adalah statistik cukup minimal untuk 𝜃.

Contoh 1:

Misal 𝑥1 , 𝑥2 , … … . , 𝑥𝑛 iid N(𝜎, 𝜎 2 ), 𝜎 > 0. tentukan himpunan statistik cukup minimal untuk 𝜃 =(𝜎, 𝜎 2 ).
𝑛
𝑛
1 1
− (𝑥−𝜎)2
𝑓(𝑥, 𝜃) = ∏ 𝑓(𝑥𝑖 ; 𝜎 , 𝜎 2 ) = ∏(2𝜋𝜎 2 )−2 𝑒 2𝜎2
𝑖=0
𝑖=0
𝑛
𝑛
1 1
− 2 (𝑦−𝜎)2
𝑓(𝑦, 𝜃) = ∏ 𝑓(𝑦𝑖 ; 𝜎 , 𝜎 2 ) = ∏(2𝜋𝜎 2 )−2 𝑒 2𝜎
𝑖=0
𝑖=0
𝑛
1 1
− (𝑥−𝜎)2
𝑛 ∏ (2𝜋𝜎 2 )−2 𝑒 2𝜎2
𝑓(𝑥, 𝜃) ∏𝑖=0 𝑓(𝑥𝑖 ; 𝜎 , 𝜎 2 ) 𝑖=0
= 𝑛 = 𝑛
𝑓(𝑦, 𝜃) ∏𝑖=0 𝑓(𝑦𝑖 ; 𝜎 , 𝜎 2 ) 1 1
(𝑦−𝜎)2
−
∏ (2𝜋𝜎 2 )−2 𝑒 2𝜎2

𝑖=0
 1
− (∑(𝑥−𝜎)2 −(∑(𝑦−𝜎)2 )
= 𝑒 2𝜎2

1
= exp(− (∑(𝑋 2 − 𝑦 2 ) − 2𝜎𝛴 (𝑥 − 𝑦)))
2𝜎 2
1
= exp(− 2 {(∑𝑥 2 − ∑𝑦 2 ) − 2𝜎𝛴 (∑𝑥 − ∑𝑦)))
2𝜎
𝑓(𝑥,𝜃)
Rasio 𝑓(𝑦,𝜃) ini tidak tergantung pada 𝜃 = (𝜎, 𝜎 2 ) jika ∑𝑥 2 = ∑𝑦 2 dan ∑𝑥 = ∑𝑦

Jadi 𝑇(𝑥) = (∑𝑥, ∑𝑥 2 ) merupakan statistik minimal untuk 𝜃̅ .

Contoh 2:

Misal 𝑋1, 𝑋2, … … . , 𝑋𝑛 peubah acak iid berdistribusi Gamma dengan a tidak diketahui, 𝛽 diketahui.
Tunjukkan 𝑇 = ∑𝑛𝑖=1 ln(𝑋𝑖 ) dan 𝑇 = ∏𝑛𝑖=1 𝑋𝑖 adalah statistik cukup bagi 𝑎. Petunjuk : pdf distribusi
Gamma (dengan 𝛽 diketahui).

𝛽 𝛼 𝛼−1 −𝑥/𝛽
𝑓(𝑥, 𝑎) = 𝑥 𝑒
Ӷ(𝑎)

Fungsi kumulatif dari distribusi Gamma (dengan 𝛽 diketahui ) adalah

𝑛
𝛽 𝛼 𝛼−1 𝑥𝑖
𝑓(𝑥1 , 𝑥2 , … … . , 𝑥𝑛 |𝛼) = ∏ 𝑥 exp (− )
Ӷ(𝛼) 𝛽
𝑖=1

𝑛 𝛼−1 𝑛
𝛽 𝑛𝛼 1
= 𝑛
. (∏ 𝑥𝑖 ) . 𝑒𝑥𝑝 (− ∑ 𝑥𝑖 ) (1)
(Ӷ(𝛼))
⏟ ⏟ 𝛽
𝑖=1 𝑖=1
𝑉(∏𝑛
𝑖=1 𝑥𝑖 ,𝛼)
𝑈(𝑥1 ,𝑥2 ,…….,𝑥𝑛 )

𝛽 𝑛𝛼 1
= (Ӷ(𝛼))𝑛 . 𝑒𝑥𝑝((𝛼 − 1)𝑙𝑛 ∏𝑛𝑖=1 𝑥𝑖 ) . 𝑒𝑥𝑝 (− 𝛽 ∑𝑛𝑖=1 𝑥𝑖 )

𝛽 𝑛𝛼 1
= (Ӷ(𝛼))𝑛 . 𝑒𝑥𝑝((𝛼 − 1) ∑𝑛𝑖=1 𝑙𝑛 𝑥𝑖 ) . 𝑒𝑥𝑝 (− 𝛽 ∑𝑛𝑖=1 𝑥𝑖 ) (2)
⏟ ⏟
𝑉(∑𝑛
𝑖=1 ln 𝑥𝑖 ,𝛼 )
𝑈(𝑥1 ,𝑥2 ,…….,𝑥𝑛 )

Dari (1) dan (2) dari metode faktorisasi terbukti 𝑇 = ∏𝑛𝑖=1 𝑋1 dan 𝑇 = ∑𝑛𝑖=1 ln(𝑥𝑖 ) adalah statistic cukup
bagi 𝛼.