Bab 2

KECUKUPAN DAN KELENGKAPAN

 Pre…

Misal X variabel random dengan f  x;  diketahui tetapi

tergantung dari suatu vektor konstan berdimensi r yaitu :
θ  1 ,  2 ,  ,  r 
t

Ruang parameter  : himpunan semua nilai yang mungkin

dari  , dalam hal ini   R r , r  1
Misalkan X 1 , X 2 ,  , X n ~ iid dengan pdf f  x; 
konsep kecukupan  meringkas data tanpa menghilangkan
informasi yang dibawa dalam data tentang parameter 
 Ide KECUKUPAN
 Himpunan statistik berisi banyak “informasi” dalam
sampel tentang parameter, perlu adanya pembatasan
statistik yang baik
 Ide kecukupan
 pengurangan himpunan data pada statistik dengan
tanpa mengurangi informasi tentang parameter
 S dianggap sebagai statistik cukup untuk  jika
P(TS) tidak tergantung , dengan T adalah statistik
yang lain

 Ketika statistik cukup sudah diketahui, nilai observasi

dari statistik yang lain tidak berisi informasi tentang
parameter
 Definisi statistik cukup
Misalkan X 1 , X 2 ,  , X n adalah sampel random dari distribusi dengan parameter 
yang tidak diketahui.Statistik Y  u  X 1,X 2 , ,X n  disebut dengan statistik cukup
untuk  , jika distribusi bersyarat dari X 1 , X 2 ,  , X n diberikan Y tidak bergantung
pada parameter 
 f x1 , x2 ,..., xn ; 
 , jika  x1 , x2 ,..., xn ;   s
f X s x1 , x2 ,..., xn    fs s; 
 0, yang lainnya
contoh
 Contoh 1
Variabel random berdistribusi Bernoulli, X 1 , X 2 ,, X n ~ Bernoulli 
Jika diketahui   PnH 
Maka buktikan S   X i cukup untuk 
i 1

Contoh 2
Variabel random
n
berdistribusi Poisson, X 1 , X 2 ,, X n ~ POI 
Apakah S   X i cukup untuk  ?
i 1

Contoh 3
Variabel random berdistribusi Eksponensial, X i ~ EXP  
Tentukan statistik cukup untuk !
 Definition 10.2.1 (Bain:338)
Kriteria Faktorisasi
Jika X   X 1 , X 2 ,..., X n  dengan pdf gabungan f x1 , x2 ,..., xn ;  dan S  S1 , S 2 ,..., S n 
adalah statistik berdimensi k maka S1 , S 2 ,..., S n adalah himpunan statistik cukup
gabungan untuk θ jika untuk statistik lain T, pdf gabungan T dengan syarat S  s,
dinotasikan fT s (t ) tidak tergantung dari θ.
Pada kasus dimensi satu, katakan S adalah adalah statistik cukup untuk 

Soal
1. X i ~ iid POI , 0    ,  parameter tidak diketahui
2. X i ~ iid EXP  , 0   ,  parameter tidak diketahui
3. Jika X i ~ iid BIN(1,  ) maka tentukan s
4. Jika X i ~ iid N(  ,  2 ) maka tentukan s
3
5. Jika X i ~ iid Bernoulli p ,0  p  1. Apakah T   X i cukup untuk p ?
i 1
Teorema 10.2.1 Kriteria Faktorisasi - Neyman
Jika X   X 1 , X 2 ,..., X n  mempunyai pdf gabungan f  x1 , x2 , , xn ; 
dan S  S1 , S 2 ,..., S n  maka S1 , S 2 ,..., S n cukup gabungan untuk θ
jika dan hanya jika
f  x1 , x2 ,  , xn ; θ   g s; θ h x1 , x2 ,  , xn 
g s; θ  tidak tergantung x1 , x2 ,, xn kecuali melalui s
hx1 , x2 ,, xn  tidak mengandungθ

Contoh 4. n
Jika X i ~ iid BIN(1, p) maka tunjukkan bahwa S   X i cukup untuk p
i 1

Secara umum :
Jika statistik S cukup untuk θ maka ada sebarang fungsi (1-1) S
juga cukup untuk θ

Dari contoh di atas, tunjukkan bahwa x cukup untuk p!

 Sifat statistik cukup
Th. 10.3.1

Jika S1 , S 2 ,..., S n cukup gabungan untuk θ dan θˆ MLE dari θ

maka θˆ adalah fungsi dari S  S , S ,..., S 
1 2 n

contoh
n
1. Jika X i ~ iid POI( ) maka tunjukkan bahwa S   X i cukup untuk 
i 1

2. X i ~ iid N (  ,  2 ) maka tentukan S , kemudian t entukan

apakah ˆ , ˆ 2 cukup gabungan untuk  ,  2
3. X 1 , X 2 ~ iid pdf f x1 ;   e x ,0  x1  
1

g x2 ;   2e  2x2 ,0  x2  

  0 parameter tidak diketahui, untuk x1  0, x2  
tentukan statistik cukup untuk  !
Theorema Statistik Cukup Minimal – Lehmann Scheffe

 f  x ; 
i
Misalkan fungsi hx, y; θ   i 1
n

 f  y ; 
i 1
i

adalah rasio fungsi likelihood saat x dan y dimana θ parameter

tidak diketahui dan x , y   n
Statistik T  TX1 , X 2 ,..., X n   T1 , T2 ,...,Tk  yang memenuhi
untuk suatu nilai x   x1 , x2 ,..., xn  dan y   y1 , y2 ,..., yn  dari  n
nilai hx, y; θ  tidak melibatkan θ.
d .k .l
Tx   Ty 
Ti x   Ti y , i  1,..., k
maka T adalah statistik cukup minimal untuk θ
 Def. 10.2.2 (Bain:337)
Himpunan statistik disebut dengan cukup minimal
Jika anggota himpunan merupakan cukup gabungan
untuk parameter dan merupakan fungsi dari statistik
cukup gabungan

contoh

Jika X i ~ iid Bernoulli( p) maka tunjukkan bahwa

n
S   X i cukup minimal untuk p
i 1

Teorema
Untuk sebarang statistik yang merupakan fungsi 1-1 dari statistik cukup
minimal adalah cukup minimal