ii
memberikan materi, Serta kami juga
berterimakasih kepada orang tua dan semua
pihak yang telah mendukung proses
pembuatan buku saku ini sehingga tugas ini
dapat terselesaikan tepat waktu.
iii
DAFTAR ISI
4
I. PENDAHULUAN
Parameter populasi biasanya
harganya tidak diketahui, sehingga perlu
diestimasi berdasarkan pengamatan dari data
sampel. Dalam buku saku ini akan dibahas
tentang metode estimasi yaitu metode
momen. Estimasi titik atau estimasi interval
yang biasa dikenal dengan interval
konfindensi. Untuk estimasi titik dibedakan
menjadi dua pendekatan yaitu pendekatan
klasik dan pendekatan teori keputusan.
6
pengetahuan tentang konsekuensi yang
mungkin timbul dari keputusan yang
diambil. Pengetahuan ini seringkali diukur
dengan menentukan kerugian yang akan
terjadi untuk setiap keputusan yang mungkin
dan untuk berbagai nilai yang mungkin dari
parameter populasi. Fungsi resiko
didefenisikan sebagai harga harapan dari
fungsi kerugian. Kriteria kebaikan dari
estimator ini salah satunya dilihat dari
besarnya resiko dari estimator tersebut.
7
diketahui. Dalam estimasi titik ini berarti
mengestimasi atau menduga harga parameter
𝜃 (dimungkinkan juga fungsi dari 𝜃 katakan
g(𝜃)) melalui / berdasarkan data obeservasi
dari sampel. Secara matematika data
observasi independent masing-masing
dengan merupakan himpunan bagian dari
ruang Euclid dengan dimensi yang
bersesuaian dengan dimensi 𝜃.
8
Pearson pada tahun 1800 merupakan metode
tertua dalam menentukan estimator titik.
Definisi 1.1
Statistik T (𝑋) adalah fungsi dari data
observasi 𝑋1 , 𝑋2 , … . 𝑋𝑛 yang
digunakan untuk mengestimasi dari
harga g(𝜃) disebut estimator dari g(𝜃)
dan harga terobservasi dari statistik
𝑡(𝑋) disebut estimasi (dugaan) dari
g(𝜃)
Definisi 1.2
1. Misalkan suatu populasi dengan
fungsi densitas f(x| 𝜃), maka momen
populasi ke k didefinisikan sebagai
𝜇𝑘 = 𝐸(𝑋 4 )
2. Jika 𝑥1 , 𝑥2 , … . , 𝑥𝑛 adalah sampel
random dari populasi dengan fungsi
densitas f(x| 𝜃), maka momen sampel
ke k didefinisikan
𝜇𝑘 = 𝑚1
𝜇2 = 𝑚2
… … … ..
𝜇𝑘 = 𝑚𝑘
11
Definisi 1.3 : Momen Populasi dan
Momen Sampel
∑ 𝑋𝑖𝑘
́ 𝑘 ) 𝑑𝑎𝑛 𝑚́ 𝑘 =
𝜇𝑘 = 𝐸(𝑋
𝑛
12
Adapun momen populasi ke-k di sekitar
mean 𝑚𝑘 yang didefenisikan sebagai
berikut:
∑(𝑋𝑖 − 𝑋̅)𝑘
𝜇𝑘 = 𝐸(𝑋 − 𝜇)𝑘 𝑑𝑎𝑛 𝑚𝑘 =
𝑛
13
sampel yang pertama dengan 𝑝 momen
populasi yang pertama, dan menyelesaiakan
persamaan-persamaan tersebut untuk 𝜃1, 𝜃2,
⋯ , 𝜃𝑝.
1
𝑓(𝑥) = { } 𝑒 −𝑥/𝜃 ; untuk 𝑥 > 0
𝜃
0 ; untuk 𝑥 lainnnya
14
Pertanyaannya : Tentukan estimator titik
untuk 𝜃 dengan menggunakan metode
momen!
Jawab:
𝜇1́ = 𝑚́ 1 → 𝜃 = 𝑋̅
15
kontinu dengan fungsi densitasnya adalah
sebagai berikut:
1
𝑓(𝑥) = {𝛽} ; 𝑢𝑛𝑡𝑢𝑘 0 < 𝑥 < 𝛽
0 ; 𝑢𝑛𝑡𝑢𝑘 𝑥 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
Jawab:
16
Momen populasi di sekitar titik asal yang
pertama :
́ 𝟏 𝜷
𝝁𝟏 = 𝑬(𝑿𝟏 ) = 𝑬(𝑿) = ∫ 𝒙. 𝒇(𝒙)𝒅𝒙 = ∫ 𝒙. 𝒅𝒙 =. . . =
𝜷 𝟐
Selanjutnya,
𝛽
𝜇1́ = 𝑚́1 → = 𝑋̅ → 𝛽 = 2𝑋̅
2
17
kontinu dengan fungsi densitasnya adalah
sebagai berikut:
1
𝑓(𝑥) = { } ; 𝑢𝑛𝑡𝑢𝑘 𝛼 < 𝑥 < 𝛽
𝛽−𝛼
0 ; 𝑢𝑛𝑡𝑢𝑘 𝑥 𝑙𝑎𝑖𝑛𝑛𝑦𝑎
Pertanyaannya : Tentukan estimator titik
untuk 𝛼 dan 𝛽 dengan menggunakan metode
momen!
Jawab:
18
∑ 𝑋𝑖𝑘 ∑ 𝑋𝑖
𝑚́ 1 = = = 𝑋̅
𝑛 𝑛
∑(𝑋𝑖 − 𝑋̅)2
𝑚2 = = 𝑆2
𝑛
́ 𝟏 𝜶+𝜷
𝝁𝟏 = 𝑬(𝑿𝟏 ) = 𝑬(𝑿) = ∫ 𝒙. 𝒇(𝒙)𝒅𝒙 = ∫ 𝒙. 𝒅𝒙 =. . . =
𝜷−𝜶 𝟐
́ 𝟏 (
𝝁𝟐 = 𝑬(𝑿 − 𝝁)𝟐 = ∫(𝒙 − 𝝁)𝟐 . 𝒇(𝒙)𝒅𝒙 = ∫(𝒙 − 𝝁)𝟐 . 𝒅𝒙 =
𝜷−𝜶
Selanjutnya
19
𝜇1 ′ = 𝑚1 ′ ⇒ 𝛼+𝛽 2 = 𝑋 ....................pers(1)
𝜇2 = 𝑚2 ⇒ (𝛽−𝛼) 2 12 = 𝑆 2 ...............pers(2)
Contoh 4 :
20
Poisson dengan parameter λ. Dengan metode
momen tentukan estimator titik untuk λ.
Penyelesaian :
𝜆𝑥
𝐸(𝑋) = ∑ 𝑥 𝑒 −𝜆.
𝑥!
𝑥=0
(𝜆𝑥−1 )
= 𝜆 ∑ 𝑒− 𝜆 .
(𝑥 − 1)!
𝑥−1=0
= 𝜆
21
persamaan dan langsung diperoleh estimator
titiknya.
𝑛
1
𝐸(𝑋) = ∑ 𝑋𝑖
𝑛
𝑖=1
Contoh 5 :
Penyelesaian :
22
𝑋~𝑁(𝜇, 𝝈𝟐 ) Berarti 𝐸(𝑋)
= 𝜇 𝑑𝑎𝑛 𝑉𝐴𝑟(𝑍) = 𝝈𝟐
2
𝑉𝑎𝑟(𝑋) = 𝐸(𝑋 2 ) − (𝐸(𝑋))
𝝈𝟐 = 𝐸(𝑋 2 ) − 𝜇 2
𝐸(𝑋 2 ) = 𝜇 2 − 𝝈𝟐
𝑛
1
𝐸(𝑋) = ∑ 𝑋𝑖
𝑛
𝑖=1
Sehingga,
𝑛
1
𝝁 = ∑ Xi
𝑛
𝑖=1
23
𝑛
1
𝐸(𝑋 2 ) = ∑ Xi2
𝑛
𝑖=1
Maka,
𝑛
1
𝜇 + 𝝈 = ∑ X𝑖2
2 𝟐
𝑛
𝑖=1
𝑛 𝒏 2
1 1
𝝈 = ∑ 𝑋𝑖2 − ( ∑ 𝑋𝑖 )
𝟐
𝑛 𝑛
𝑖=1 𝒊=𝟏
𝑛
1
= ∑ 𝑋 − 𝑋̅ 2
𝑛
𝑖=1
𝑛
1
= ∑(𝑋𝑖 − 𝑥̅ )2
𝑛
𝑖=1
Contoh 6 :
24
Misalkan 𝑋1 , 𝑋2 , … , 𝑋𝑛 adalah sampel
random dari populasi berdistribusi
𝐸𝑥𝑝(1, 𝜃). Dengan menggunakan metode
momen tentukan estimator titik untuk 𝜃.
= − ∫ 𝑥𝑑𝑥 exp(−𝑥 + 𝜃)
𝜃
= −𝑥 exp(−𝑥+ , 𝜃)|∞
𝜃 + ∫ exp(−𝑥 + 𝜃)𝑑𝑥
𝜃
= 𝜃 − exp(−𝑥+ , 𝜃)|∞
𝜃
= 𝜃+1
Diperoleh persamaan
25
𝑛
1
𝐸(𝑋) = ∑ 𝑋𝑖
𝑛
𝑖=1
𝑛
1
𝜃 + 1 = ∑ 𝑋𝑖
𝑛
𝑖=1
𝑛
1
𝜃 = ∑ 𝑋𝑖 − 1
𝑛
𝑖=1
26
Momen pusat ke-k dari populasi
didefinisikan sebagai
𝜇𝑘′ = 𝐸(𝑋 𝑘 )
𝛼
𝜇1 = 𝐸(𝑋) =
𝛼+𝛽
𝛼(𝛼 + 1)
𝜇2 = 𝐸(𝑋 2 ) =
(𝛼 + 𝛽)(𝛼 + 𝛽 + 1)
27
Momen pusat pertama dan kedua dari
sampel acak X1, X2, · · · , Xn didefinisikan
sebagai berikut.
∑ 𝑋𝑖
𝑚1 =
𝑛
∑ 𝑋𝑖2
𝑚2 =
𝑛
𝑥̅ (1 − 𝑥̅ )
𝛼̂ = 𝑥̅ ( − 1)
𝑆2
28
dan penduga untuk parameter β yang
diperoleh dengan metode kemungkinan
maksimum adalah
𝑥̅ (1−𝑥̅ )
𝛽̂ = (1 − 𝑥̅ )( 𝑆2 − 1)
29
DAFTAR PUSTAKA
Ridiani, F. (2016). PENDUGAAN
PARAMETE R DISTRIBUSI
BETA DENGAN METODE
MOMEN DAN METODE
MAKSIMUM LIKELIHOOD.
Jurnal Matematika UNAND, 3(2),
23-28.
30