sifat-sifat penduga yang baik

1. Pendugaan tidak bias

Sebuah estimator dari suatu parameter populasi dikatakan tidak bias (unbiased) jika nilai harapannya
sama dengan nilai sebenarnya dari parameter populasi. Dengan kata lain, sebuah estimator dikatakan
tidak bias jika ia menghasilkan estimasi parameter yang secara rata-rata benar.
Misalkan 𝛼 adalah estimator titik bagi parameter 𝛼, maka 𝛼̂ disebut estimator tak bias bagi 𝛼, jika
𝐸(𝛼̂) = 𝛼

2. Varian terkecil: efisiensi dari penduga tidak bias

Penduga 𝛼̂ dinamakan lebih efisien dibandingkan 𝛼̿ karena memiliki variasi yang lebih kecil, 𝛼̂, memiliki
distribusi frekuensi yang lebih padat/ramping. Besarnya efisiensi relatif suatu penduga 𝛼̂ disbanding
penduga yang lai, keduanya tak bias, dihitung dengan:

̿
Varian 𝛼
Efisiensi relatif 𝛼̂ terhadap 𝛼̿ 𝛥 = Varian 𝛼̂

3. Rata-rata simpangan yang terkecil; efisiensi dari setiap penduga

Bila kita mempunyai tiga (misal) penduga, 𝛽̂1, 𝛽̂2, 𝛽̂3, intuisi kita untuk mengkombinasi bias yang kecil
dan varian yang kecil dapat dirumuskan untuk memilih penduga terbaik diantara semua macam
penduga. Rumusan tersebut dinamakan rata-rata simpangan kuadrat (RSK).

RSK 𝛥E (βi−𝛽)2

Di mana β adalah target kita (nilai populasi yang diinginkan βi , i bisa kita ganti dengan sembarang
angka positif, missal 1,2,3, dan sebagainya. (βi β) adalah nilai simpangan (bias). Dikatakan di atas
bahwa rumusan RSK menunjukan pengukuran varian dan bias. hal tersebut ditunjukan dengan

RSK = ℴ 2 +(bias)2

Perumusan RSK yang terakhir ini mencakup dua kriteria terdahulu, yaitu bias yang terkecil dan
varian terkecil. Dengan memakai rumusan RSK dapat kira rumuskan definisi umum tentang
efisiensi relatif untuk setiap dua penduga.

𝑅𝑆𝐾 𝛽𝑗 ̅
Efisiensi relative dari βi terhadap 𝛽𝑗 ̅ 𝛥 𝑅𝑆𝐾 β , i ≠ 𝑗
i

Rumusan ini dapat kita pakai sebagai penentu tunggal yang paling penting untuk memilih penduga
di antara penduga-penduga yang ada.

4. Konsisten
Yaitu penduga yang secara sempurna nilainya berkonsentrasi di nilai targetnya, bila sampel
diperbesar sampai tidak terhingga. Atau nilai dugaan (X) Sendiri mendekati nilai yang sebenarnya
(μ) dengan semakin bertambahnya jumlah sampel itu.