1.

Macam-macam penaksiran:
a. Penaksiran titik
Bila nilai parameter θ dari populasi hanya ditaksir dengan memakai satu nilai statistik θ^
dari sampel yang diambil dari populasi disebut penaksiran titik. Beberapa taksiran titik
yang dihitung dari data sampel untuk parameter populasi yang bersesuaian yaitu:
- Rerata populasi μ, taksiran titiknya adalah μ*¿ x́
- Variansi populasi σ 2 , taksiran titiknya adalah σ 2*¿ s2
- Simpangan baku populasi σ , taksiran titiknya adalahσ *¿ s.
b. Penaksiran selang
Bila nilai parameter θ dari populasi ditaksir dengan memakai beberapa nilai statistik θ^
yang berada dalam suatu selang interval disebut penaksiran selang (interval).
2. Sifat-sifat penaksir :
a. Penaksir tak bias
Definisi : sebuah statistik θ^ dikatakan penaksir tak bias dari parameter θ , jika
^
E( θ)=θ
dan, sebuah statistik θ^ dikatakan penaksir bias dari parameter θ , jika
^
E (θ^ ) ≠ θ
Namun, penaksir bias dapat berubah menjadi penaksir tak bias jika ruas kanan
dikalikan atau ditambahkan dengan konstanta tertentu.
Contoh :
Nilai rataan X́ dari sampel berukuran n yang diambil secara acak dari populasi
dengan rataan μ merupakan penaksir tak bias karena E(X) = μ .
b. Penaksir bervariansi minimum
Definisi : Apabila terdapat beberapa penaksir yang tak bias, maka kedua penaksir
tersebut akan dibandingkan dalam hal variansinya, dimana variansi terkecil
penaksir tak bias yang dikatakakan penaksir bervariansi minimum.

Contoh :
 Misalnya terdapat 2 variansi dari penaksir tak bias yaitu θ^ 1=5,5 dan θ^ 2=10, sehingga

yang menjadi penaksir variansi minimum .adalah θ^ 1karena nilain variansi θ^ 1 lebih kecil

daripada θ^ 2 .
c. Penaksir konsisten
Definisi : Jika θ^^ n adalah penaksir untuk θ yang didasarkan pada sampel acak berukuran

n, maka θ^ n dikatakan konsisten bagi parameter θ , jika

lim P ¿¿
n→∞

Penentuan penaksir konsisten ini dapat dilakukan dengan menggunakan

ketidaksamaan Chebyshev’s
lim P ¿¿
n→∞

Contoh :
d. Statistik cukup
Definisi :Statistik T = T(x1,x2, … , xn) dikatakan cukup bagi parameter θ , jika fungsi
kepadatan peluang bersyarat: P(x1,x2, … , xn) = xn | T(x1,x2, … , xn) = t tidak
bergantung pada θ.
Contoh :
Misalkan x1,x2, … , merupakan n peubah acak Bernoulli yang saling bebas dengan
P(Xi = 1 ) = p dan P(Xi = 0 ) = 1 – p, I = 1, 2, …, n.