PENAKSIR INTERVAL (RATAAN, PROPORSI, DAN

VARIANS)

TUGAS STATISTIKA MATEMATIKA II

DWIKY RAHMAT DARMAWAN

G 501 17 026
STATISTIKA A

PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS TADULAKO

DESEMBER 2019
 PENAKSIRAN INTERVAL (RATAAN, PROPORSI, DAN
VARIANSI)
1. Penaksir Interval
Sebuah penaksiran interval didefinisikan sebagai penaksiran yang dibatasi oleh
dua nilai dimana penaksiran interval terbentang. Penaksir interval adalah
penaksiran populasi dengan nilai-nilai dalam suatu interval tertentu. Dasar
adanya estimasi interval adalah karena pada setiap penaksiran pasti
mengandung peluang kesalahan. Sebagai contoh, a < x < b adalah sebuah
penaksiran interval untuk nilai rata-rata (mean) untuk populasi M. contoh
tersebut menyatakan bahwa rata-rata (mean) populasi (M) berada pada rentang
lebih dari a tetapi kurang dari b.

Dari Semua Penaksir tak bias yang mungkin di buat, penaksir yang memberikan
variansi terkecil disebut penaksir yang paling efisien. Penaksir tak bias yang
paling efisien sekalipun akan menaksir parameter populasi µ dengan tepat.
Memang benar bahwa ketelitian meningkat bila sampelnya membesar, tetapi
masih tetap tidak beralasan mengharapkan suatu taksiran titik dari suatu sampel
tertentu akan tepat sama dengan parameter populasi yang hendak ditaksir.
Dalam banyak hal, kita akan lebih menyukai menentukan suatu selang yang
kedua ujungnya kita harapkan akan mengapit niali parameter yang
sesungguhnya. Selang seperti ini disebut takasiran selang.

2. Menaksir Rataan

Penaksir titik rataan populasi µ diberikan oleh statistik X́ . Sekarang pandang

taksiran selang µ.
−z α /2 < Z< z α /2
) = 1- α
P¿
2
Dalil Limit Pusat : ( )
X́ N μ ,
σ
n
X́ −μ
Akibatnya : Z =
σ /√ n
Jadi,
X́−μ
−z α /2 < <z
σ /√ n α /2 ) = 1- α
P¿
 σ σ
X́ −z α /2 < μ< X́ + z α / 2
√n √ n ) = 1- α
P¿

bila α = 0, 05, diperoleh selang kepercayaan 95%. Dan bila α = 0, 01,

diperoleh selang kepercayaan 99%.

Teorema 1 :

Bila x́ diapaki untuk menaksir μ dengan kepercayaan (1- α )100%

maka galatnya akan lebih kecil daripada zα/ 2 σ √ n .

Teorema 2 :

Bila x́ dipakai untuk menaksir μ dengan kepercayaan (1- α )100%

maka galatnya akan lebih dari suatu bilangan g yang ditetapkan sebelumnya asal
saja ukuran sampel
2
Z α /2 σ
n= ( g )
Sering kita ingin menaksir rataan populasi padahal variansi tidak diketahui.
telah diketahui sebelumnya bila ada suatu sampel acak dari suatu distribusi
normal maka peubah acak
X́−μ
T=
s/√ n
Sehingga akan didapatkan
X́−μ
−t α /2 < <t
σ /√ n α /2 ) = 1- α
P¿
atau
σ σ
X́ −t α /2 < μ < X́ +t α /2
√n √ n ) = 1- α
P¿

2 σ
jika ukuran sampel membesar maka σ x́ = mengecil sehingga kemungkinan
n
besar taksiran bertambah dekat dengan μ, yang berarti selang lebih pendek.
Sehingga taksiran selang menunjukkan, berdasarkan panjangnya dan ketepatan
titik.
 Jadi simpangan baku dari X́ atau galat baku dari X́ . Sehingga batas
kepercayaan untuk μ berbentuk
s
X́ ±t α /2 = X́ ± t α /2 galat baku X́
√n

Jika rataan µ dan variansi σ tidak diketahui, batas toleransi diberikan x±ks, k
ditentukan sedemikian rupa sehingga dapat ditegaskan 100(1−γ)% kepercayaan
bahwa batas tersebut mengandung paling sedikit 1− α proporsi pengukuran.
Makin besar nilai k yang dipilih, makin panjang selangnya dan makin yakin
bahwa sampel yang diambil akan memberikan selang parameter yang tak
diketahui.

3. Menaksir Selisih Dua Rataan

Bila ada dua populasi masing-masing dengan rataan μ1 dan μ2 serta

variansi σ 21 dan σ 22 , maka penaksir titik untuk selisih μ1 dan μ2

diberikan oleh statistik X́ 1− X́ 2 dengan ukuran sampel n1 dan n2 .

−z α /2 < Z< z α /2
) = 1- α
P¿
X
´
(¿ ¿1 − X́ 2 )−( μ1−μ2 )
< zα / 2
√σ 2
1 ∕ n1 + σ 22 ∕ n2 ) = 1- α
¿
−z α / 2 <¿
P¿

( X́ 1 − X́ 2 ) −z α
2 √ σ 21 σ 22
n1 n 2
P¿
√
+ < ( μ 1−μ2 ) < ( X́ 1− X́ 2 ) + z α
2
σ 21 σ 22
+
n 1 n2 ) = 1- α .

Selang kepercayaan sampel kecil untuk μ1−μ2 ; σ 1=σ 2 tapi tidak

diketahui, selang kepercayaan (1-α)100% untuk μ1−μ2 diberikan :

X́ 1− X́ 2−t α s p
2 √ 1 1
n1 n 2
P¿
2 √
+ < ( μ1−μ 2 )< X́ 1− X́ 2 +t α s p
1 1
+
n1 n2 ) = 1- α
ukuran sampel masing-masing n1 dan n2 berasal dari distribusi normal,
dengan dk = n1 +n2−2 :

( n1 −1 ) s12+( n2−1 ) s 22
s 2p=
n1+ n2−2

Selang kepercayaan sampel kecil untuk μ1−μ2 ; σ1 ≠ σ2 tapi tidak

diketahui, selang kepercayaan (1-α)100% untuk μ1−μ2 diberikan :

X́ 1− X́ 2−t α
2 √ σ 21 σ 22
+ < ( μ1−μ2 ) < X́ 1− X́ 2 +t α
n1 n2
P¿
2
σ 21 σ 22
+
n1 n 2 ) = 1- α √
ukuran sampel masing-masing n1 dan n2 berasal dari distribusi normal,

[[ ]
2
(( s 2i ∕ i1) +( s22 ∕ n 2) )
v=

][ ]
2 2
dengan dk = ( s 21 ∕ n1 ) ( s22 ∕ n 2)
+
n1−1 n2−1

jika,
D́−μ D
T= t
S D ∕ √n n −1

Selang kepercayaan untuk μ1−μ2=μ D untuk pengamatan pasangan selang

kepercayaan (1-α)100% untuk μD diberikan oleh :

sd s
d́ −t α < μ D < d́ +t α d
2 √n 2 √n
 dengan d́ dan s d menyatakan rataan dan simpangan baku selisih n
pasangan pengukuran dan menyatakan nilai distribusi t dengan dk : ν = n-1
sehingga luas di sebelah kanannya α /2.

4. Menaksir Proporsi

Penaksir titik untuk proporsi P dalam suatu percobaan binomial diberikan oleh

statistik ^P= X dengan X menyatakan banyaknya yang berhasil dalam n

n

x
usaha. Jadi proporsi sampel ^p= akan digunakan sebagai taksiran titik
n
untuk parameter p. Proporsi p yang tak diketahui diharapkan tidak akan terlalu
dekat dengan 0 atau 1, maka selang kepercayaan untuk p dapat dicari dengan
distribusi sampel. Menurut teorema limit pusat, untuk n cukup besar, distribusi
^p hampir normal dengan rataan.

^ ) =E
μ ^p=E ( P ( xp )=E ( npn )=E ( p)
dengan variansi
2
σ x np(1−p) p(1− p)
σ 2^p = 2
= 2
=
n n n
Penaksir titik proporsi populasi P diberikan oleh statistik ^
P . Sekarang
pandang taksiran selang ^
P .
−z α /2 < Z< z α /2
) = 1- α
P¿
dengan
^ p
P−
Z=
√ p ( 1−P ) ∕ n

Jadi,
^
P− p
−z α /2 < < z α /2
√ p ( 1−P ) ∕ n ) = 1- α
P¿
^
P−z α / 2 √ p ( 1−P ) ∕ n< P< ^
P+ z α /2 √ p ( 1−P ) ∕ n
) = 1- α
P¿
 ^
P menyatakan proporsi sukses dalam sampel acak berukuran n dan zα/ 2
menyatakan nilai kurva normal baku sehingga luas di sebelah kanannya a /2.

Jika dipakai sebagai taksiran P , maka galatnya akan lebih kecil dari :

zα / 2
√ P ( 1−P )
n
dengan kepercayaan (1- α ¿ 100%. Akibatnya galat akan lebih kecil dari g
jika :
^
P ( 1− ^ P)
¿
2
z α /2 ¿
n=¿

Jadi simpangan baku dari ^

P atau galat baku dari ^
P . Sehingga batas
Selang kepercayaan untuk P, n ≥ 30 ^
P± z α / 2 √ P ( 1−P ) ∕ n

5. Menaksir Selisih Dua Proporsi

Diketahui ^
P 1− ^
P2 masing-masing berdistribusi hampir normal dengan

p1 q1 p2 q 2
μP^ −^P dengan variansi σ ^P −P^ = + .
1 2 1 2
n1 n2
x1 x2 x1 x2
Dengan ^p1= , ^p2= , q^ 1=1− ,dan q^ 2=1−
n1 n2 n1 n2

Maka selang kepercayaan untuk p1− p2 , n1 dan n2 ≥ 30. Dengan

kepercayaan (1- α ¿ 100% untuk selisih parameter 2 binomial ^
P1− ^
P2
adalah sebagai berikut :

( ^P1− P^ 2 ) ± z α / 2
√ ^p1 q^ 1 ^p 2 q^ 2
n1
+
n2

6. Menaksir Variansi
2
Taksiran selang untuk σ dapat diturunkan dengan menggunakan statistik

( n−1 ) s2
2
χ= .
σ2
 Maka didapatkan taksiran untuk σ 2 adalah berikut :
P χ2 < χ 2< χ 2 α
( 1−
α
2 2
) = 1- α

Sehingga didapatkan selang kepercayaan (1− α2 ) 100% untuk σ

2

populasi normal adalah sebagai berikut :

( n−1 ) s 2 2 ( n−1 ) s 2
<σ <
χ2 α χ2 α
1−
2 2

7. Menaksir Nisbah Dua Variansi

2 2
Bila σ 1 dan σ2 adalah variansi dari dua populasi normal maka taksiran

2
σ1
selang untuk 2 dapat diperoleh dengan menggunakan statistik
σ2

σ 22 S21
F= 2 2
σ 1 S2

Dimana peubah F memiliki distribusi F dengan dk : v 1=n1−1 dan

v 2=n2−1
Sehingga didapatkan taksiran untuk dua variansi adalah sebagai berikut :
P f ( v 1 , v 2 )< F<f α (v 1 , v 2)
( 1−
α
2 2 ) = 1- α

Sehingga didapatkan selang kepercayaan (1− α2 ) 100% untuk σ

2

populasi normal adalah sebagai berikut :

2 2
σ 2 S1
f α ( v 1 , v 2 )< 2 2
< f α (v 1 , v 2)
1−
2 σ1 S2 2

2 2 2
S1 σ S
2
f α (v1 , v 2 )< 12 < 12 f α (v 1 , v 2)
S 2 1− 2 σ 2 S2 2

8. Penentuan Taksiran Interval Secara Umum

Untuk menentukan taksiran interval sebuah parameter dari sebuah distribusi
dengan menggunakan besaran pivot diperlukan langkah-langkah sebagai
berikut:
1. Tentukan taksiran titik dari parameter itu. Dalam hal ini, tentunya dicari
penaksir tak bias bagi parameter itu.
2. Tentukan besaran pivot, aitu besaran (berupa peubah acak) yang
distribusinya tidak bergantung pada parameter.
3. Tentukan distribusi dari besaran pivot itu. Jika perlu dicari hubungan antara
distribusi dari besaran pivot itu dengan distribusi lain, sehingga dalam
menentukan penerapan taksiran intervalnya mudah ditentukan.
4. Kemudian besaran pivot itu disubstitusikan ke dalam bentuk umum dari
taksiran interval dengan derajat keyakinan sebesar (1- α ), yaitu:
P(a < besaran pivot < b) = (1- α ¿
Dengan a dan b adalah dua bilangan real
5. Selanjutnya kita melakukan perubahan terhadap bentuk di no.4 sedemikian
hingga akan menghasilkan bentuk sebagai berikut:
P(c < besaran pivot < d) = (1- α ¿

Dengan c dan d adalah dua buah statistic.