ESTIMASI TITIK
Beberapa metode yang digunakan untuk mencari estimasi titik:
1. MME (Metode Moment)
2. MLE (Maksimum Likelihood)
3. MLS
MME
Pada dasarnya, prisip dari MME adalah kita menyamakan momen dari populasi dengan
momen dari sampel.
μ'r =M 'r
Rumusnya:
n
1
M 'r= ∑ x r (seper n sigma x pangkat r)
n i=1 i
Langkah ketiga:
Kita menyamakan dari momen populasi dengan momen dari sampel
μ'r =M 'r
Dari mensamadengankan momen dari populasi dan sampel, nanti kita akan mendapatkan nilai
dari parameternya yang kita cari.
Misalnya parameter yang kita cari adalah θ (teta) sehingga kita akan mendapatkan teta hat
atau teta topi sama dengan sekian….
Disinikan ada simbol r dan i
r adalah jumlah dari parameter
i adalah jumlah dari peubah acak
biasanya pada soal x 1 , x 2 , hingga x n adalah sebuah sampel acak, dimana x i yakni x 1 , x 2 , hingga
x n berdistribusi gamma (α , β ). Disini tadi telah disebutkan kalau i adalah jumlah dari peubah
acak sehingga i nya tadi sebanyak n dan r nya adalah sebanyak parameternya. Di sini,
parameternya ada dua yakni (α , β ) sehingga r nya sama dengan 2.
1. Temukan metode estimator momen (MME) dari θ berdasarkan sampel acak X 1 , … , X 2 dari
masing-masing pdf berikut:
(a) f ( x ; θ )=θx θ−1 ; 0< x<1 , nol sebaliknya ; 0<θ
Pada soal dikatakan bahwa nilai x nya lebih dari 0 dan bernilai 0 untuk x yang lainnya.
Sehingga, indikator untuk x adalah 0 sampai tak hingga untuk x dan teta lebih dari 0.
Kita diminta mencari penduga untuk teta dengan menggunakan metode MME.
Sesuai langkah-langkah tadi, kita cari dulu momen populasi atau miu r aksen.
r kan adalah jumlah dari parameter, di soal parameternya hanya teta. Sehingga r = 1, maka
kita mencari μ'1=E ( X r )
Dimana, i dari 1 sampai n, i tadi kan adalah jumlah dari peubah acak, jadi ada sebanyak n
peubah acak.
Langkah kedua
Kita len kan fungsi likelihood
¿ L(θ)
Langkah ketiga
Kita turunkan fungsi likelihood yang telah di len kan terhadap parameternya.
∂
∈ L (θ )=0
∂θ
Do len parameter teta diturunkan terhadap teta sama dengan 0
Kalau misalnya ada dua parameter bagaimana?
Misal fungsinya adalah f (x , θ1 , θ2)
Langkah pertama
Kita cari fungsi likelihoodnya dari teta satu dan teta dua yakni hasil kali dari fungsi
marginalnya
n
L ( θ1 ,θ 2) =∏ f ( x ,θ1 , θ2 )
i=1
Langkah kedua
Kita len kan fungsi likelihood
¿ L(θ1 ,θ 2)
Langkah ketiga
Kita turunkan fungsi likelihood yang telah di len kan terhadap masing-masing parameternya
sehingga kita mempunyai dua fungsi yakni
Fungsi pertama
∂
∈ L ( θ1 )=0
∂θ
Fungsi kedua adalah turunan dari fungsi parameter lainnya atau fungsi parameter teta dua
yang sama dengan 0
∂
∈ L ( θ2 )=0
∂θ