TUGAS PENDAHULUAN 3

PRAKTIKUM STATISTIKA MATEMATIKA 2

OLEH :
NAMA : SITTI NUR AGE
NIM : F1A220059
KELOMPOK : I (GANJIL)

PROGRAM STUDI STATISTIKA

JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS HALU OLEO
KENDARI
2023
 Tugas Pendahuluan 3
Misalkan X1, X2,…, X3 merupakan variabel acak dari EXP ( , ) . Dimana

fungsi densitasnya sebagai berikut.

1   x − 
f ( x; , ) = exp −  
    
Tentukan penduga likelihood dari fungsi di atas!
Penyelesaian:
a. Mencari fungsi likelihood L ( )
n
1   x − 
L( , ) =  exp −  i 
i =1     
n
1  1 n 
L( , ) =   exp −  ( xi −  ) 
    i =1 
b. Menentukan fungsi logritma likelihood ln L ( )
n
1 1
ln L ( , ) = n ln

−

 ( x −  ) ln e
i =1
i

n
1
ln L ( , ) = −n ln  −

 ( x − )
i =1
i

c. Menentukan titik stasioner (titik ekstrim) yaitu menyelesaikan persamaan

differensial
1) Untuk parameter  :
 ln L ( , ) n 1 n
= − + 2  ( xi −  ) = 0
   i =1
1 n n
2 ( i
 x − ) =
 i =1 
n
n 2
  ( xi − ) =
i =1 
n
  x − n = n
i =1
i

1 n n
 = 
n i =1
xi −
n
ˆ = x − 
 2) Untuk parameter  :

 ln L ( , ) n
= =0
 
n
=0
x −
n=0
 ln L ( , )
Karena = n , maka metode diferensia jelas tidak dapat

diterapkan, oleh karena itu kita harus mencari metode alternatif. Misalkan
x1:n ,..., xr:n ,..., xn:n merupakan sampel terurut, yaitu
x1:n  x2:n   xr −1:n  xr:n  xr +1:n  xn:n . Maka MLE ˆ = X 1 , X 2 , , X n.
d. Uji maksimum minimum dengan mencari turunan kedua pada masing-masing
parameter
1) Untuk parameter  :
 2 ln L ( , ) n 1 n
= 2 − 3  ( xi −  ) = 0
 2   i =1
n 1 n
3 ( i
 = x − )
2
  i =1
n 3 n
 = 
 2 i =1 i
( x − )
n
 n =  xi − n
i =1

1 n n
= 
n i =1
xi −
n
ˆ = x − 
2) Untuk parameter  :

 2 ln L ( , )
=0
 2
3) Berikut ini merupakan turunan campuran dari kedua parameter
 2 ln L ( , )    ln L ( , ) 
=  
    
 n n
 =− 2
    
e. Menentukan nilai dari matriks hessian
  2 ln L ( , )   2 ln L ( , )    2 ln L ( , ) 
( )
ˆ
D  ,ˆ = 
 2

 2
−


    
 n 
= ( x −  )( 0 ) −  − 2 
  
n
= 2

Karena ( )
D ˆ,ˆ  0 , maka ˆ = x − dan  = 0 merupakan penduga

Likelihood Maksimum untuk  dan  .