Pengantar Statistika Matematika II

Statistik Cukup
611.01.010 Pengantar Statistika Matematika II

Bab 2: Sifat-Sifat Estimator
Atina Ahdika, S.Si, M.Si
Statistika FMIPA
Universitas Islam Indonesia
Atina Ahdika, S.Si, M.Si 611.01.010 Pengantar Statistika Matematika II

Asas Reduksi Data
Keluarga Eksponensial
Statistik Cukup Keluarga Lengkap
Sifat Kelengkapan
Latihan
Asas Reduksi Data
Dalam kondisi real, kita tidak mengetahui parameter dari

populasi data yang akan kita teliti
Informasi dalam sampel X1 , X2 , . . . , Xn akan digunakan untuk
melakukan inferensi tentang parameter θ
Bila ukuran sampel n besar, kita perlu meringkas daftar nilai
sampel x1 , x2 , . . . , xn atau mencari sifat-sifat kuncinya agar
data tersebut bisa lebih bermakna
Hal ini biasanya dikerjakan dengan menghitung statistiknya,
misalkan mean sampel, variansi sampel, nilai observasi
terbesar, dan nilai observasi terkecil.

Asas Reduksi Data
Sifat Kelengkapan
Latihan
Untuk keperluan notasi, X = (X1 , X2 , . . . , Xn ) menyatakan

sampel random, sedangkan x = (x1 , x2 , . . . , xn ) menyatakan
nilai sampelnya
Setiap statistik T = t(X ) selalu menghasilkan reduksi data
Dalam melakukan inferensi, kita selalu menggunakan nilai
terobservasi dari statistik yaitu T = t(X ) bukan keseluruhan
sampel terobservasi x dan memperlakukan dua sampel x dan
y sama asalkan t(x) = t(y ) meskipun nilai x dan y tidak sama

Asas Reduksi Data
Sifat Kelengkapan
Latihan
Terdapat tiga asas reduksi data,

1 Asas Kecukupan (Sufficiency )
Asas kecukupan mengembangkan metode reduksi data yang
tidak menghilangkan informasi tentang θ dengan meringkas
data
2 Asas Likelihood
Asas likelihood menggambarkan fungsi parameter yang
ditentukan oleh sampel terobservasi yang memuat semua
informasi tentang θ yang tersedia dari sampel
3 Asas Invarian
Asas invarian adalah metode lain reduksi data yang
mengawetkan beberapa sifat utama dari model

Asas Reduksi Data
Sifat Kelengkapan
Latihan
Asas Kecukupan
Statistik cukup (sufficient statistics) untuk parameter θ adalah

statistik yang dalam arti tertentu bisa menyerap semua informasi
tentang θ yang termuat dalam sampel. Setiap informasi tambahan
dalam sampel di samping harga statistik cukup, tidak memuat
informasi tambahan tentang θ.

Asas Reduksi Data
Sifat Kelengkapan
Latihan
Bila T = t(X ) adalah statistik cukup untuk θ, maka setiap

inferensi tentang θ harus bergantung pada sampel X hanya melalui
harga T = t(X ). Bila x dan y adalah dua titik sampel sedemikian
hingga t(x) = t(y ), maka inferensi tentang θ harus sama, tidak
tergantung apakah X = x atau Y = y yang terobservasi.

Asas Reduksi Data
Sifat Kelengkapan
Latihan
Definisi 1
Statistik T = t(X ) disebut statistik cukup untuk suatu keluarga
distribusi fX (x|θ) jika dan hanya jika distribusi bersyarat dari X
diberikan harga T tidak bergantung pada θ:
fX|T (x|t, θ) = h(x)

Asas Reduksi Data
Sifat Kelengkapan
Latihan
Contoh 1
Misalkan X1 , X2 , . . . , Xn adalah i.i.d sampel acak berdistribusi

Bernoulli dengan parameter θ, 0 < θ < 1. Akan ditunjukkan bahwa
Pn
T = Xi adalah statistik cukup untuk θ. Perhatikan bahwa T
i=1
menjumlah harga-harga Xi yang sama dengan 1 sehingga T
berdistribusi Binomial(n, θ).

Asas Reduksi Data
Sifat Kelengkapan
Latihan
Bukti:
fX,T (x, t) fX ,X ,...,Xn ,T (x1 , x2 , . . . , xn , t)
fX|T (x|t, θ) = = 1 2
fT (t) fT (t)
n
Q x n n
θ i (1 − θ)1−xi
P P
xi (1−xi )
i=1 θi=1 (1 − θ)i=1
= =
n t n−t n t
θ (1 − θ) θ (1 − θ)n−t
t t
θt (1 − θ)n−t 1 1
= = = 
n t n−t n n
θ (1 − θ) n
t t P 
xi
i=1
n
P
Karena fX|T (x|t, θ) tidak bergantung pada θ, maka T = Xi
i=1
adalah statistik cukup dari θ.
Asas Reduksi Data
Sifat Kelengkapan
Latihan
Contoh 2
Misalkan X1 , X2 , . . . , Xn adalah i.i.d N(µ, σ 2 ) dengan σ 2 diketahui.

Akan ditunjukkan bahwa mean sampel T = X̄ = X1 +X2 +...+X n
n
adalah statistik cukup untuk µ.

Asas Reduksi Data
Sifat Kelengkapan
Latihan
Bukti:

Asas Reduksi Data
Sifat Kelengkapan
Latihan
Definisi 2
Suatu statistik T = t(X ) adalah cukup untuk suatu keluarga
distribusi fX (x|θ) jika dan hanya jika fungsi peluangnya dapat
difaktorkan sebagai:
fX (x|θ) = g (t(x)|θ) h(x)

Asas Reduksi Data
Sifat Kelengkapan
Latihan
Contoh 3
Misalkan X1 , X2 , . . . , Xn adalah i.i.d berdistribusi Bernoulli dengan

parameter θ, maka

Asas Reduksi Data
Sifat Kelengkapan
Latihan
n
Y
fX (x|θ) = θxi (1 − θ)1−xi
i=1
Pn n
P
xi n− xi
= θi=1 (1 − θ) i=1
n
!
X
=g xi |θ h(x)
i=1
dengan h(x) = 1.
n
P
Jadi, T = Xi merupakan statistik cukup untuk θ.
i=1

Asas Reduksi Data
Sifat Kelengkapan
Latihan
Contoh 4
Misalkan X1 , X2 , . . . , Xn adalah i.i.d berdistribusi Normal dengan

parameter (µ, σ 2 ) dengan σ 2 diketahui, maka

Asas Reduksi Data
Sifat Kelengkapan
Latihan
n 2
1 1 (xi −µ)
e − 2 σ2
Y
fX (x|θ) = √
i=1
2π σ
n
(xi −x̄)2
− 12 2
P
1 1 (x̄−µ)
= n ne
σ
i=1
σ2
e− 2 σ2
(2π) 2
= h(x) g (x̄|µ)
Jadi, T = X̄ adalah statistik cukup untuk µ.

Asas Reduksi Data
Sifat Kelengkapan
Latihan
Bila T = t(X ) statistik cukup dan g (·) fungsi 1-1 maka g (t(X ))
juga merupakan statistik cukup.

Asas Reduksi Data
Sifat Kelengkapan
Latihan
Contoh 5
Misalkan X1 , X2 , . . . , Xn adalah peubah acak dengan fungsi peluang
fXi (xi |θ) = θ x θ−1 , 0 < x < 1, θ > 0

n
Q
Tunjukkan bahwa T = Xi adalah statistik cukup untuk θ
i=1

Asas Reduksi Data
Sifat Kelengkapan
Latihan
Bukti:
n
Y
fX (x|θ) = θ xiθ−1
i=1
n
!θ−1
Y
n
=θ xi
i=1
n
!
Y
=g xi |θ h(x)
i=1
dengan h(x) = 1.
n
Q
Jadi, T = Xi adalah statistik cukup untuk θ.
i=1

Asas Reduksi Data
Sifat Kelengkapan
Latihan
Contoh 6
Misalkan X1 , X2 , . . . , Xn adalah peubah acak i.i.d berdistribusi

Uniform dengan parameter (0, θ), 0 < x < θ, akan ditunjukkan
bahwa T = Max Xi adalah statistik cukup untuk θ.

Asas Reduksi Data
Sifat Kelengkapan
Latihan
Bukti:
n
Y 1
fX (x|θ) = , 0 < xi < θ
θ
i=1
1
= , 0 < max xi < θ
θn
1
= n , I(0,θ) (max xi )
θ
= g (max xi |θ) h(x)
dengan h(x) = 1.
Jadi, T = Max Xi adalah statistik cukup untuk θ.

Asas Reduksi Data
Sifat Kelengkapan
Latihan
Definisi
fX (x|θ) disebut keluarga eksponensial jika fX (x|θ) bisa ditulis
sebagai " k #
X
fX (x|θ) = h(x) c(θ) exp wi (θ) ti (x)
i=1

Asas Reduksi Data
Sifat Kelengkapan
Latihan
Contoh 7
Misalkan X ∼ Binomial(n, θ), maka

n x
fX (x|θ) = θ (1 − θ)n−x
x
x
n n θ
= (1 − θ)
x 1−θ
x
n n θ
= (1 − θ) exp log
x 1−θ

n n θ
= (1 − θ) exp x log
x 1−θ

n
dengan h(x) = , c(θ) = (1 − θ)n , t(x) = x, dan
x

θ
w (θ) = log 1−θ .
Asas Reduksi Data
Sifat Kelengkapan
Latihan
Contoh 8
Misalkan X ∼ Eksp(λ) dengan λ = 1θ , maka
1 1
fX (x|θ) = e − θ x
θ
1 1
= exp x · −
θ θ
dengan h(x) = 1, c(θ) = 1θ , t(x) = x, dan w (θ) = − 1θ .

Asas Reduksi Data
Sifat Kelengkapan
Latihan
Contoh 9
Misalkan X ∼ N(µ, σ 2 ), maka

Asas Reduksi Data
Sifat Kelengkapan
Latihan
Keluarga Lengkap
Jika T = t(X ) adalah statistik cukup dan keluarga eksponensial,

maka statistik tersebut masuk ke dalam keluarga lengkap.

Asas Reduksi Data
Sifat Kelengkapan
Latihan
Sifat Kelengkapan
Sifat
Suatu statistik T = t(X ) memiliki sifat lengkap jika
E (g (t)) = 0 ⇒ g (t) = 0

Asas Reduksi Data
Sifat Kelengkapan
Latihan
Keluarga Eksponensial adalah keluarga lengkap tetapi keluarga

lengkap tidak identik dengan keluarga Eksponensial. Contoh:
X ∼ U(0, θ)

Asas Reduksi Data
Sifat Kelengkapan
Latihan
Contoh 10
Misalkan Xi ∼ U(0, θ). Akan dibuktikan bahwa T = Max Xi

adalah statistik lengkap.

Asas Reduksi Data
Sifat Kelengkapan
Latihan
Bukti:
Pertama kali yang harus dilakukan adalah mencari fungsi peluang
T = t(X ).
FT (t) = P(T ≤ t) = P(Max Xi ≤ t)

= P(X1 ≤ t, X2 ≤ t, . . . , Xn ≤ t)
Yn
= P(Xi ≤ t) (1)
i=1
Diketahui Xi ∼ U(0, θ), maka
1
fXi (xi ) = , 0 ≤ xi ≤ θ
θ

Asas Reduksi Data
Sifat Kelengkapan
Latihan
Sehingga
Zt
1 t
P(Xi ≤ t) = dxi =
θ θ
0
Kembali ke persamaan (1), maka

n
Y t n tn
FT (t) = P(Xi ≤ t) = =
θ θn
i=1
d n t n−1
fT (t) = FT (t) = , 0<t<θ
dt θn
Selanjutnya akan ditunjukkan bahwa
E (g (t)) = 0 ⇒ g (t) = 0

Asas Reduksi Data
Sifat Kelengkapan
Latihan
Zθ
E (g (t)) = g (t) fT (t) dt = 0
0
θ
n t n−1
Z
g (t) dt = 0
θn
0
Zθ
n
g (t) t n−1 dt = 0
θn
0
Kemudian kedua ruas diturunkan terhadap θ, sehingga diperoleh

Asas Reduksi Data
Sifat Kelengkapan
Latihan
Zθ
 
d n
g (t) t n−1 dt  = 0
dθ θn
0
Zθ
 θ 
Z
n(−n) n d 
n+1
g (t) t n−1 dt + n g (t) t n−1 dt  = 0
θ θ dθ
0 0
Zθ
n2 n
− g (t) t n−1 dt +
g (θ) θn−1 = 0
θn+1 θn
0
Zθ
 
n n g (θ)
−  n g (t) t n−1 dt  + n =0
θ θ θ
0
g (θ)
0+n = 0 ⇒ g (θ) = 0
θ
Asas Reduksi Data
Sifat Kelengkapan
Latihan
Latihan
1 Misalkan X1 , X2 , . . . , Xn adalah peubah acak-peubah acak
berdistribusi Gamma dengan α = 2 dan β = θ > 0. Buktikan
Pn
definisi bahwa T = Xi adalah statistik cukup untuk θ
i=1
menggunakan definisi 1 dan 2.
2 Buktikan bahwa keluarga distribusi Poisson dengan parameter
θ termasuk dalam keluarga Eksponensial.
3 Diketahui X1 , X2 , . . . , Xn adalah peubah acak dari distribusi
dengan
fXi (xi |θ) = θ2 x e −θx , 0 < x < ∞, θ > 0

n
P
Buktikan T = Xi adalah statistik cukup lengkap untuk θ.
i=1

Pengantar Statistika Matematika II

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Pengantar Statistika Matematika II

Diunggah oleh

Hak Cipta:

Format Tersedia

Statistik Cukup

611.01.010 Pengantar Statistika Matematika II

Atina Ahdika, S.Si, M.Si

Atina Ahdika, S.Si, M.Si 611.01.010 Pengantar Statistika Matematika II

Asas Reduksi Data

Dalam kondisi real, kita tidak mengetahui parameter dari

Atina Ahdika, S.Si, M.Si 611.01.010 Pengantar Statistika Matematika II

Untuk keperluan notasi, X = (X1 , X2 , . . . , Xn ) menyatakan

Atina Ahdika, S.Si, M.Si 611.01.010 Pengantar Statistika Matematika II

Terdapat tiga asas reduksi data,

Atina Ahdika, S.Si, M.Si 611.01.010 Pengantar Statistika Matematika II

Statistik cukup (sufficient statistics) untuk parameter θ adalah

Atina Ahdika, S.Si, M.Si 611.01.010 Pengantar Statistika Matematika II

Bila T = t(X ) adalah statistik cukup untuk θ, maka setiap

Atina Ahdika, S.Si, M.Si 611.01.010 Pengantar Statistika Matematika II

fX|T (x|t, θ) = h(x)

Atina Ahdika, S.Si, M.Si 611.01.010 Pengantar Statistika Matematika II

Misalkan X1 , X2 , . . . , Xn adalah i.i.d sampel acak berdistribusi

Atina Ahdika, S.Si, M.Si 611.01.010 Pengantar Statistika Matematika II

Misalkan X1 , X2 , . . . , Xn adalah i.i.d N(µ, σ 2 ) dengan σ 2 diketahui.

adalah statistik cukup untuk µ.

Atina Ahdika, S.Si, M.Si 611.01.010 Pengantar Statistika Matematika II

Atina Ahdika, S.Si, M.Si 611.01.010 Pengantar Statistika Matematika II

fX (x|θ) = g (t(x)|θ) h(x)

Atina Ahdika, S.Si, M.Si 611.01.010 Pengantar Statistika Matematika II

Misalkan X1 , X2 , . . . , Xn adalah i.i.d berdistribusi Bernoulli dengan

Atina Ahdika, S.Si, M.Si 611.01.010 Pengantar Statistika Matematika II

Atina Ahdika, S.Si, M.Si 611.01.010 Pengantar Statistika Matematika II

Misalkan X1 , X2 , . . . , Xn adalah i.i.d berdistribusi Normal dengan

Atina Ahdika, S.Si, M.Si 611.01.010 Pengantar Statistika Matematika II

Jadi, T = X̄ adalah statistik cukup untuk µ.

Atina Ahdika, S.Si, M.Si 611.01.010 Pengantar Statistika Matematika II

Atina Ahdika, S.Si, M.Si 611.01.010 Pengantar Statistika Matematika II

Misalkan X1 , X2 , . . . , Xn adalah peubah acak dengan fungsi peluang

fXi (xi |θ) = θ x θ−1 , 0 < x < 1, θ > 0

Atina Ahdika, S.Si, M.Si 611.01.010 Pengantar Statistika Matematika II

Atina Ahdika, S.Si, M.Si 611.01.010 Pengantar Statistika Matematika II

Misalkan X1 , X2 , . . . , Xn adalah peubah acak i.i.d berdistribusi

Atina Ahdika, S.Si, M.Si 611.01.010 Pengantar Statistika Matematika II

Atina Ahdika, S.Si, M.Si 611.01.010 Pengantar Statistika Matematika II

Atina Ahdika, S.Si, M.Si 611.01.010 Pengantar Statistika Matematika II

Misalkan X ∼ Eksp(λ) dengan λ = 1θ , maka

dengan h(x) = 1, c(θ) = 1θ , t(x) = x, dan w (θ) = − 1θ .

Atina Ahdika, S.Si, M.Si 611.01.010 Pengantar Statistika Matematika II

Misalkan X ∼ N(µ, σ 2 ), maka

Atina Ahdika, S.Si, M.Si 611.01.010 Pengantar Statistika Matematika II

Jika T = t(X ) adalah statistik cukup dan keluarga eksponensial,

Atina Ahdika, S.Si, M.Si 611.01.010 Pengantar Statistika Matematika II

Atina Ahdika, S.Si, M.Si 611.01.010 Pengantar Statistika Matematika II

Keluarga Eksponensial adalah keluarga lengkap tetapi keluarga

Atina Ahdika, S.Si, M.Si 611.01.010 Pengantar Statistika Matematika II

Misalkan Xi ∼ U(0, θ). Akan dibuktikan bahwa T = Max Xi

Atina Ahdika, S.Si, M.Si 611.01.010 Pengantar Statistika Matematika II

FT (t) = P(T ≤ t) = P(Max Xi ≤ t)

Diketahui Xi ∼ U(0, θ), maka

Atina Ahdika, S.Si, M.Si 611.01.010 Pengantar Statistika Matematika II

Kembali ke persamaan (1), maka

Atina Ahdika, S.Si, M.Si 611.01.010 Pengantar Statistika Matematika II

Kemudian kedua ruas diturunkan terhadap θ, sehingga diperoleh

Atina Ahdika, S.Si, M.Si 611.01.010 Pengantar Statistika Matematika II

fXi (xi |θ) = θ2 x e −θx , 0 < x < ∞, θ > 0

Atina Ahdika, S.Si, M.Si 611.01.010 Pengantar Statistika Matematika II

Anda mungkin juga menyukai