Pertemuan 11-12 2017 Statistika-Penduga Titik Dan Interval Untuk Parameter Tunggal
Pertemuan 11-12 2017 Statistika-Penduga Titik Dan Interval Untuk Parameter Tunggal
Unbiased
Sebuah estimator dikatakan unbiased if jika nilai
Efisien ekspektasinya sama dengan nilai parameter populasi.
Konsisten
Jika E(X)=maka rata-rata sampel adalah estimator unbiased
(Sufisien)
untuk rata-rata populasi. Rata-rata dari sebuah sampel
mungkin tidak sama dengan rata-rata populasi, tetapi jika
dilakukan pengulangan sampel secara independen akan
diperoleh nilai yang sama dengan parameter populasi.
1
Unbiased Unbiased
7 8
Bias
Estimator efisien berada pada Estimator tidak efisien mungkin pada
Estimator unbiased ada tepat pada Estimator biased tidak
target dengan sebaran yang target dengan sebaran yang besar.
target berada tepat pada target.
kecil.
Efisien Efisien
11 12
2
Efisien Efisien
13 14
Bandingkan efisiensi data dan rata-rata sebagai estimator untuk Dari kedua sifat estimator di atas, dapat dicari estimator yang
rata-rata populasi dengan melihat rasio variansinya sebagai berikut : memenuhi keduanya, atau yang disebut dengan minimum
MSE ( X ) V ( X ) 2 / n variance unbiased estimator (MVUE). Cramer dan Rao
1/ n . memberikan batas bawah variansi untuk MVUE yang dikenal
MSE ( X i ) V ( X i ) 2
dengan cramer-rao inequality.
Nilai rasio di atas lebih kecil dari 1 untuk n 2 , makaX adalah
1
estimator yang lebih efisien dibandingkan dengan X i , karena V (ˆ)
memiliki MSE yang lebih kecil.
d
d
2
n E ln f ( x, )
Efisien Konsisten
15 16
3
Metoda Unbiased Metoda Unbiased
19 20
L( 2 )
Dengan cara yang sama dapat diperoleh estimasi variansi 2 . Maksimasi dengan cara 0 , menghasilkan :
x 2 1 2
n 1 1( i ) 1
( xi ) 2 n 1 1 1 n
2
e 2
2
L( 2 ) e 2 ( xi ) 2 0
i 1 2 (2 2 ) n / 2 2 2 2 2 ( 2 ) 2 i 1
n 1 1 n 1 n
ln L( 2 ) ln(2 2 ) (2 2 ) 1 ( xi ) 2
n
( xi ) 2 2 ( xi ) 2
2 2 2 2 i 1 n i 1
2 1 n n
diketahui bahwa s ( xi ˆ ) atau ( xi ˆ ) 2 s 2 (n 1) ,
2
n 1 i 1 i 1
1 (n 1) 2
maka diperoleh 2
s 2 (n 1) s .
n n
4
TUGAS
25
5
Estimasi Interval Rata-rata; diketahui
Jika populasi berdistribusi normal, maka distribusi sampling juga
normal.
• Jika ukuran sampel besar, apapun distribusi asalnya, distribusi
sampling rata-rata adalah normal (Teorema Limit Pusat).
0.2
atau x 1.96
0.1 n
P x 1.96 x 1.96 0.95 akan mencakup rata - rata populasi.
n n 0.0
-4 -3 -2 -1 0 1 2 3 4
z
Artinya, x 1.96 adalah sebuah interval keyakinan 95%
n
0.2
f(x)
0.2
0.1
2.5% 2.5%
1.96
n
, 1.96
n
0.1
• Kemungkinan pada daerah 5%
2.5% 2.5%
0.0
196
x Sebaliknya, sekitar 2.5% dapat berada 0.0
1.96 .
1.96
x
di atas 1.96 n dan 2.5% dapat
n n 1.96
n n
x
x
2.5% fall above
* x
x
the interval x
x
x
x
x
x
x
x
x
*
95% fall within
the interval
6
Contoh
Rataan dan simpangan baku nilai statistika 36 Dengan tingkat keyakinan 5%, diperoleh nilai z0,025 =
mahasiswa, masing-masing 2,6 dan 0,3. 1,96 (dari Tabel Normal) dan interval penaksiran
Hitung interval kepercayaan 95% dan 99% untuk dengan interval keyakinan 95%
rataan nilai statistika semua mahasiswa! adalah 2,6 (1,96) 0,3 2,6 (1,96) 0,3 , atau 2,5 2,70.
36 36
Untuk interval keyakinan 99%, diperoleh nilai z,
z0,005 = 2,575, dan interval keyakinan 99% adalah
2,6 (2,575)
0,3
2,6 (2,575)
0,3
, atau 2,47 2,73.
36 36
Interval (1-)100%
2
(1,96)(0,3)
Jawab : n = 138 (dibulatkan). S tand ard N o rm al Dis trib uti on
0,05
0.4 P z > z
(1 ) 2
2
0.3
P z z
2
f(z)
0.2 2
P z z z (1 )
0.1
2 2 2 2
7
Nilai kritis z dan keyakinan Tingkat keyakinan-interval
Sampling dari populasi yang sama dengan ukuran sampel yang sama,
(1 )
z S tand ard N o rm al Distrib utio n semakin tinggi tingkat keyakinan semakin lebar interval estimasi.
2 2
0.4 St an d ar d N o r m al Di s tri b uti o n St an d ar d N or m al Di s tri b uti o n
(1 )
0.99 0.005 2.576 0.3
0.4 0.4
0.3
0.2
f(z)
f(z)
0.2 0.2
0.95 0.025 1.960 0.1
2 2 0.1 0.1
0.0
0.90 0.050 1.645 -5 -4 -3 -2
z
-1 0
Z
1
z
2 3 4 5
0.0
-5 -4 -3 -2 -1 0 1 2 3 4 5
0.0
-5 -4 -3 -2 -1 0 1 2 3 4 5
Z Z
f( x)
0 .2
0 .4
0 .3
0 .1
0 .2
0 .1
0 .0 0 .0
x x
8
Contoh - Using Excel Rata-rata; tidak diketahui
Untuk interval estimasi Jika standar deviasi populasi, , tidak diketahui, maka gantikan dengan
95% dan 90% standar deviasi sampel, s. Jika populasi sample berdistribusi normal, statistik:
X
t
s
n
berdistribusi t dengan (n - 1) degrees of freedom.
}
f(t)
2 n 17
18
1.333
1.330
1.740
1.734
2.110
2.101
2.567
2.552
2.898
2.878
19 1.328 1.729 2.093 2.539 2.861 0 .0
}
t
22 1.321 1.717 2.074 2.508 2.819
2 23 1.319 1.714 2.069 2.500 2.807
24 1.318 1.711 2.064 2.492 2.797 Area = 0.025 Area = 0.025
25 1.316 1.708 2.060 2.485 2.787
26 1.315 1.706 2.056 2.479 2.779
27 1.314 1.703 2.052 2.473 2.771
28 1.313 1.701 2.048 2.467 2.763
29 1.311 1.699 2.045 2.462 2.756
30 1.310 1.697 2.042 2.457 2.750
40 1.303 1.684 2.021 2.423 2.704
60 1.296 1.671 2.000 2.390 2.660
120 1.289 1.658 1.980 2.358 2.617
1.282 1.645 1.960 2.326 2.576
Distribusi t Distribusi t
9
Using Excel Distribusi t (large sample)
Rata-rata harga komponen dari sebuah supplier diasumsikan berdistribusi normal. Bagian
pembelian mengambil 100 sampel harga pembelian 3 bulan terakhir dan diperoleh x-bar =
atau 1, maka dapat digunakan pendekatan
$357.60 dan s = $140.00. Interval keyakinan 95% untuk rata-rata harga komponen adalah: dengan distribusi normal dengan
s 140.00 rata-rata p np / n p dan
x z 0.025 357.60 1.96 357.60 27.44 33016,385
. .04
n 100 npq pq
variansi 2pˆ .
n n
Dengan demikian untuk rentang keyakinan 1 diperoleh Sales engineer ingin meneliti proporsi pelanggan terhadap produk sendiri dan
pesaing. Diambil sampel random 100 pelanggan dan ditemukan bahwa 34
Pˆ p
P(-z/2 Z z/2)=1- , dimana Z , dan interval orang lebih menyukai produk pesaing dibanding produk sendiri. Berikan
pq / n interval keyakinan 95% proporsi pelanggan yang lebih menyukai produk
estimasi diperoleh sebagai berikut pesaing.
pq pq
pˆ z / 2 p pˆ z / 2 . Jika n besar, maka estimator pˆ z
pˆ qˆ
0.34 1.96
(0.34)(0.66)
n n n 100
p diperoleh dari pˆ x / n (dimana x adalah jumlah sukses dan
2
0.34 (1.96)(0.04737)
percobaan bernoulli) dan interval estimasinya menjadi 0.34 0.0928
pˆ (1 pˆ ) pˆ (1 pˆ ) 0.2472,0.4328
pˆ z / 2 p pˆ z / 2 .
n n
Perusahaan yakin sebesar 95% bahwa pesaing mengendalikan sekitar
24.72% sampai 43.28% pangsa pasar.
10
The Value of Information Penentuan ukuran sampel
Lebar interval keyakinan dapat dikurangi dengan konsekuensi: • Seberapa dekat estimasi terhadap parameter yang tidak
• tingkat keyakinan lebih rendah, atau diketahui? (berapa besar batas/galat?)
• ukuran sampel lebih besar. • Berapa besar tingkat keyakinan (1-) sedemikian
sehingga jarak anatar estimasi dan parameter sama atau
Ukuran sampel, n = 200
lebih kecil dari batas?
Keyakinan 90%
• Berapa perkiraan variansi populasi (atau deviasi
p z
pq
0.34 1645
.
(0.34)(0.66)
p z
pq
0.34 196
.
(0.34)(0.66) standar)?
2
n 100 2
n 200
0.34 (1645
. )(0.04737) 0.34 (196
. )(0.03350)
0.34 0.07792 0.34 0.0657
0.2621,0.4197 0.2743,0.4057 Interval keyakinan (1- ) untuk : x z
2 n
}
Batas
B2
Sample size = n
Standard error
z2 pq
of statistic Untuk proporsi n 2
B2
n 2
2
B2
B
2.5762 (0.25)(0.75)
(196
. ) (400) 2 2
2
. 2
010
120
124.42 125
42.684 43
11