MAKALAH

UJI PALING KUAT

Makalah ini adalah salah satu syarat memenuhi tugas mata kuliah

Statistika Matematika Lanjut

Oleh:

Denni Frecillia Alvionita Herrieanto Putri (1744201007)

Nur Fadlilah (1744201026)

PROGRAM STUDI MATEMATIKA

FAKULTAS ILMU EKSAKTA

UNIVERSITAS NAHDLATUL ULAMA BLITAR

2021
 Uji Paling Kuasa

Definisi:

Suatu uji 𝐻0 : 𝜃 = 𝜃0 dan 𝐻1 : 𝜃 = 𝜃1 berdasarkan daerah kritis 𝐶 ∗ disebut uji paling kuasa
berukuran 𝑎 jika

1. 𝜋𝐶 ∗ (𝜃0 ) = 𝑎, dan
2. 𝜋𝐶 ∗ (𝜃1 ) ≥ 𝜋𝐶 (𝜃1 ) untuk daerah kritis lain 𝐶 berukuran 𝑎(𝜋𝐶 (𝜃0 ) = 𝑎).

𝐶 ∗ adalah daerah kritis paling kuasa.

Teorema (Lemma Neyman-Pearson)

Misalkan 𝑋1 , … , 𝑋𝑛 ~𝑓(𝑥; 𝜃), dan

𝑓(𝑥; 𝜃0 )
𝜆(𝑥; 𝜃0 , 𝜃1 ) =
𝑓(𝑥; 𝜃1 )

Dan misalkan 𝐶 ∗ = {𝑥|𝜆(𝑥; 𝜃0 , 𝜃1 ) ≤ 𝑘} dimana 𝑘 adalah konstanta sehingga

𝑃(𝑥 ∈ 𝐶 ∗ |𝜃0 ) = 𝑎

Maka 𝐶 ∗ adalah daerah kritis paling kuasa berukuran 𝑎 untuk menguji

𝐻0 : 𝜃 = 𝜃0

𝐻1 : 𝜃 = 𝜃1

Bukti

Untuk mudahnya, akan kita gunakan notasi vektor, 𝑋 = (𝑋1 , 𝑋2 , … . , 𝑋𝑛 ) dan 𝑥 =

(𝑥1 , 𝑥2 , … . , 𝑥𝑛 ). Jika A suatu peristiwa berdimensi 𝑛 kita misalkan :

𝑃 ( 𝑋 𝜖 𝐴|𝜃) = ∫𝐴 𝑓(𝑥 ; 𝜃)= = ∫ 𝐴⃛ ∫ 𝑓( 𝑥1 , 𝑥2 , … . , 𝑥𝑛 ; 𝜃)𝑑𝑥1 , … , 𝑑𝑥𝑛

(Karena A berdimensi 𝑛, maka integralnya juga sebanyak 𝑛)

untuk kasus kontinu.

Untuk kasus diskrit akan serupa, dengan integral diganti penjumlahan. Kita juga akan
tuliskan notasi komplemen suatu himpunan C dengan 𝐶̅ . Perhatikan bahwa jika A suatu
himpunan bagian dari 𝐶 ∗ maka :
 𝑃 [𝑋 𝜖 𝐴|𝜃0 ] ≤ 𝑘 𝑃[𝑋 𝜖 𝐴|𝜃1 ]

karena ∫𝐴 𝑓(𝑥 ; 𝜃0 ) ≤ ∫𝐴 𝑘𝑓(𝑥 ; 𝜃1 ) dan juga karena 𝜆(𝑥1 , 𝑥2 , … . , 𝑥𝑛 ; 𝜃0 ; 𝜃1 ) =

𝑓(𝑥1 , 𝑥2 , …., 𝑥𝑛 ;𝜃0 )
, sehingga probabilitas pada 𝜃1 lebih kecil daripada 𝜃0 .
𝑓(𝑥1 , 𝑥2 , …., 𝑥𝑛 ;𝜃1 )

∗
Demikian juga, jika A himpunan bagian dari 𝐶 maka:

𝑃 [𝑋 𝜖 𝐴|𝜃0 ] ≥ 𝑘𝑃[𝑋 𝜖 𝐴|𝜃1 ]

Perhatikan bahwa untuk setiap daerah kritis C kita punya :

𝐶 ∗ = (𝐶 ∗ ∩ 𝐶) ∪ (𝐶 ∗ ∩ 𝐶̅ ) 𝑑𝑎𝑛 𝐶 = (𝐶 ∩ 𝐶 ∗ ) ∪ (𝐶 ∩ 𝐶̅ ∗ )

Dari persamaan awal tadi diperoleh bahwa :

𝜋𝐶 ∗ (𝜃) = 𝑃[𝑋 𝜖 𝐶 ∗ ∩ 𝐶|𝜃] + 𝑃[𝑋 𝜖 𝐶 ∗ ∩ 𝐶̅ |𝜃]

Dan

𝜋𝐶 (𝜃) = 𝑃[𝑋 𝜖 𝐶 ∗ ∩ 𝐶|𝜃] + 𝑃[𝑋 𝜖 𝐶 ∩ 𝐶̅ ∗ |𝜃]

Dan selisih dari keduanya adalah :

𝜋𝐶 ∗ (𝜃) − 𝜋𝐶 (𝜃)
= 𝑃[𝑋 𝜖 𝐶 ∗ ∩ 𝐶|𝜃] + 𝑃[𝑋 𝜖 𝐶 ∗ ∩ 𝐶̅ |𝜃] − (𝑃[𝑋 𝜖 𝐶 ∗ ∩ 𝐶|𝜃]
+ 𝑃[𝑋 𝜖 𝐶 ∩ 𝐶̅ ∗ |𝜃])

= 𝑃[𝑋 𝜖 𝐶 ∗ ∩ 𝐶|𝜃] + 𝑃[𝑋 𝜖 𝐶 ∗ ∩ 𝐶̅ |𝜃] − 𝑃[𝑋 𝜖 𝐶 ∗ ∩ 𝐶|𝜃] − 𝑃[𝑋 𝜖 𝐶 ∩

𝐶̅ ∗ |𝜃]) = 𝑃[𝑋 𝜖 𝐶 ∗ ∩ 𝐶̅ |𝜃] − 𝑃[𝑋 𝜖 𝐶 ∩ 𝐶̅ ∗ |𝜃]

1
Ingat bahwa 𝑃[𝑋 𝜖 𝐴|𝜃0 ] ≥ 𝑘 𝑃[𝑋 𝜖 𝐴|𝜃1 ] maka didapat 𝑃[𝑋 𝜖 𝐴|𝜃1 ] ≥ 𝑘 𝑃[𝑋 𝜖 𝐴|𝜃0 ]

Selanjutnya jika ruas kiri diganti dengan 𝜃 = 𝜃1

1
𝑃[𝑋 𝜖 𝐶 ∗ ∩ 𝐶̅ |𝜃1 ] − 𝑃[𝑋 𝜖 𝐶 ∩ 𝐶̅ ∗ |𝜃1 ] ≥ 𝑃[𝑋 𝜖 𝐶 ∗ ∩ 𝐶̅ |𝜃0 ] − 𝑃[𝑋 𝜖 𝐶 ∩ 𝐶̅ ∗ |𝜃0 ]
𝑘

1
𝜋𝐶 ∗ (𝜃1 ) − 𝜋𝐶 (𝜃1 ) ≥ {𝑃[𝑋 𝜖 𝐶 ∗ ∩ 𝐶̅ |𝜃0 ] − 𝑃[𝑋 𝜖 𝐶 ∩ 𝐶̅ ∗ |𝜃0 ]}
𝑘
 1
𝜋𝐶 ∗ (𝜃1 ) − 𝜋𝐶 (𝜃1 ) ≥ [𝜋 ∗ (𝜃 ) − 𝜋𝐶 (𝜃0 )]
𝑘 𝐶 0

Selanjutnya diasumsikan bahwa

𝐶 = 𝐶∗

Maka didapat
1
𝜋𝐶 ∗ (𝜃1 ) − 𝜋𝐶 (𝜃1 ) ≥ [∝ −∝]
𝑘

1
𝜋𝐶 ∗ (𝜃1 ) − 𝜋𝐶 (𝜃1 ) ≥ [0]
𝑘

𝜋𝐶 ∗ (𝜃1 ) − 𝜋𝐶 (𝜃1 ) ≥ 0

𝜋𝐶 ∗ (𝜃1 ) ≥ 𝜋𝐶 (𝜃1 )

Perhatikan bahwa untuk setiap daerah kritis C kita punya :

𝐶 ∗ = (𝐶 ∗ ∩ 𝐶) ∪ (𝐶 ∗ ∩ 𝐶̅ ) 𝑑𝑎𝑛 𝐶 = (𝐶 ∩ 𝐶 ∗ ) ∪ (𝐶 ∩ 𝐶̅ ∗ )
Dari persamaan awal tadi diperoleh bahwa :
𝜋𝐶 ∗ (𝜃) = 𝑃[𝑋 𝜖 𝐶 ∗ ∩ 𝐶|𝜃] + 𝑃[𝑋 𝜖 𝐶 ∗ ∩ 𝐶̅ |𝜃]
Dan
𝜋𝐶 (𝜃) = 𝑃[𝑋 𝜖 𝐶 ∗ ∩ 𝐶|𝜃] + 𝑃[𝑋 𝜖 𝐶 ∩ 𝐶̅ ∗ |𝜃]
Dan selisih dari keduanya adalah :
𝜋𝐶 ∗ (𝜃) − 𝜋𝐶 (𝜃)
= 𝑃[𝑋 𝜖 𝐶 ∗ ∩ 𝐶|𝜃] + 𝑃[𝑋 𝜖 𝐶 ∗ ∩ 𝐶̅ |𝜃] − (𝑃[𝑋 𝜖 𝐶 ∗ ∩ 𝐶|𝜃]
+ 𝑃[𝑋 𝜖 𝐶 ∩ 𝐶̅ ∗ |𝜃])
= 𝑃[𝑋 𝜖 𝐶 ∗ ∩ 𝐶|𝜃] + 𝑃[𝑋 𝜖 𝐶 ∗ ∩ 𝐶̅ |𝜃] − 𝑃[𝑋 𝜖 𝐶 ∗ ∩ 𝐶|𝜃] −
𝑃[𝑋 𝜖 𝐶 ∩ 𝐶̅ ∗ |𝜃]) = 𝑃[𝑋 𝜖 𝐶 ∗ ∩ 𝐶̅ |𝜃] − 𝑃[𝑋 𝜖 𝐶 ∩ 𝐶̅ ∗ |𝜃]
1
Ingat bahwa 𝑃[𝑋 𝜖 𝐴|𝜃0 ] ≥ 𝑘 𝑃[𝑋 𝜖 𝐴|𝜃1 ] maka didapat 𝑃[𝑋 𝜖 𝐴|𝜃1 ] ≥ 𝑘 𝑃[𝑋 𝜖 𝐴|𝜃0 ]

Selanjutnya jika ruas kiri diganti dengan 𝜃 = 𝜃1

1
𝑃[𝑋 𝜖 𝐶 ∗ ∩ 𝐶̅ |𝜃1 ] − 𝑃[𝑋 𝜖 𝐶 ∩ 𝐶̅ ∗ |𝜃1 ] ≥ 𝑃[𝑋 𝜖 𝐶 ∗ ∩ 𝐶̅ |𝜃0 ] − 𝑃[𝑋 𝜖 𝐶 ∩ 𝐶̅ ∗ |𝜃0 ]
𝑘
1
𝜋𝐶 ∗ (𝜃1 ) − 𝜋𝐶 (𝜃1 ) ≥ {𝑃[𝑋 𝜖 𝐶 ∗ ∩ 𝐶̅ |𝜃0 ] − 𝑃[𝑋 𝜖 𝐶 ∩ 𝐶̅ ∗ |𝜃0 ]}
𝑘
1
𝜋𝐶 ∗ (𝜃1 ) − 𝜋𝐶 (𝜃1 ) ≥ [𝜋𝐶 ∗ (𝜃0 ) − 𝜋𝐶 (𝜃0 )]
𝑘
Selanjutnya diasumsikan bahwa
 𝐶 = 𝐶∗
Maka didapat
1
𝜋𝐶 ∗ (𝜃1 ) − 𝜋𝐶 (𝜃1 ) ≥ [∝ −∝]
𝑘
1
𝜋𝐶 ∗ (𝜃1 ) − 𝜋𝐶 (𝜃1 ) ≥ [0]
𝑘
𝜋𝐶 ∗ (𝜃1 ) − 𝜋𝐶 (𝜃1 ) ≥ 0
𝜋𝐶 ∗ (𝜃1 ) ≥ 𝜋𝐶 (𝜃1 )

Jadi didapat definisi baru bahwa

𝜋𝐶 ∗ (𝜃1 ) ≥ 𝜋𝐶 (𝜃1 )

Jadi didapat definisi baru bahwa

𝜋𝐶 ∗ (𝜃1 ) ≥ 𝜋𝐶 (𝜃1 )

Jika C adalah daerah kritis berukuran 𝛼, kemudian 𝜋𝐶 ∗ (𝜃0 ) − 𝜋𝐶 (𝜃0 ) = 𝛼 - 𝛼 = 0, dan

ruas kanan pertidaksamaan terakhir adalah 0, jadi 𝜋𝐶 ∗ (𝜃1 ) ≥ 𝜋𝐶 (𝜃1 ).

Filosofi umum pendekatan Neyman – Pearson untuk uji hipotesis adalah meletakkan
elemen – elemen sampel ke dalam daerah kritis sampai mencapai ukuran 𝛼. Untuk
memaksimumkan kekuatan elemen – elemen harus diletakkan ke dalam daerah kritis yang lebih
mungkin di bawah 𝐻𝑎 daripada di bawah 𝐻0 . Khususnya Lemma Neyman – Pearson
mengatakan bahwa kriterium untuk memilih elemen – elemen sampel yang harus dimasukkan
harus didasarkan atas besarnya perbandingan fungsi – fungsi likelihood di bawah 𝐻0 dan 𝐻𝑎 .

Contoh:

Kita pandang suatu sampel random berukuran n dari distribusi normal dengan mean 0,
𝑋𝑖 ~𝑁(0; 𝜎 2 ). Kita ingin menguji 𝐻𝑜 : 𝜎 2 = 𝜎02 terhadap 𝐻𝑎 : 𝜎 2 = 𝜎12 dengan 𝜎12 > 𝜎02 .
Dalam hal ini

𝑛
1
( 2
) exp[− ∑ 𝑥𝑖2 ⁄2𝜎02 ]
√2𝜋𝜎0
𝜆 = 𝜆(𝑥1 , 𝑥2 , … . , 𝑥𝑛 ; 𝜎02 ; 𝜎12 ) = 𝑛
1
( ) exp[− ∑ 𝑥𝑖2 ⁄2𝜎12 ]
√2𝜋𝜎12

1
n
 2 12  2  xi 2  1 1 2   k
  e  2 
 2 2    0 
 0  1
 1
n
 2 1
xi   2 12 2
e  2 
1   k  

 1  02   2 0
2


n
1  1
 xi2   0 
 12   k 
 12
e 2
0  
 1 

n
 1 1  ln  
2    12   02  
1 x 2
k  0 
 1
i


n
 
 1
 2 
1 2  x 2  2 ln  k   0  
 1 0  i   
  1 

 1
 2 
1 2  x 2 k
 1 0  i 1

n
  
dengan k1= 2 ln  k  0  

  1 

1 1
Jadi, λ ≤ 𝑘 ekuivalen dengan (𝜎2 − 𝜎2 ) ∑𝑛𝑖=1 𝑥𝑖2 ≤ 𝑘1 untuk suatu konstan 𝑘1 . Karena 𝜎12 >
1 0

1 1
𝜎02 , kita punya − 𝜎2 < 0 dan daerah kritis paling kuat mempunyai bentuk 𝐶 ∗ =
𝜎12 0

{(𝑥1 … 𝑥𝑛 | ∑𝑛𝑖=1 𝑥𝑖2 ≥ 𝑘2 }. Perhatikan juga bahwa di bawah 𝐻𝑜 ∑ 𝑋𝑖2 ⁄𝜎02 ~𝑋 2 (𝑛) sehingga uji
berukuran 𝛼 akan menolak 𝐻0 jika ∑ 𝑋𝑖2 ⁄𝜎02 ≥ 𝑋1−𝛼
2
(𝑛). Perhatikan bahwa 𝜎12 < 𝜎02 , uji
berukuran 𝛼 paling kuat akan menolak jika ∑ 𝑋𝑖2 ⁄𝜎02 ≤ 𝑋𝛼2 (𝑛).

Soal:

Misalkan 𝑋1 , … , 𝑋𝑛 adalah sampel acak dari sebaran 𝑁(𝜇, 𝜎 2 ), dimana 𝜎 2 diketahui,

𝐻0 : 𝜇 = 𝜇0

𝐻1 : 𝜇 = 𝜇1 > 𝜇0
Pembagian tugas:
Denni Frecillia Alvionita Herrieanto Putri Mencari materi, presentasi
Nur Fadlilah Membuat makalah, presentasi