Penaksiran Parameter
(Pertemuan ke – 6)
Pengertian
parameter
statistik μ , σ2
x , s2
Ciri Estimator (penaksir) yang baik :
Estimasi
Titik Interval
statistik yg digunakan interval yang dengan kemungkinan
sebagai estimasi parameter tertentu memuat parameter yang diestimasi
Teknik Penaksiran :
variansi σ2 s2
dev.std σ s
proporsi p
perbandingan
variansi
Penaksiran Titik
Contoh :
Suatu penelitian thd suatu sampel ibu hamil di Mks, dr
150 ibu diperoleh Hb rata-rata 7,6 gr%. Kalau kita
menduga kadar Hb ibu hamil di kota Mks dgn estimasi
titik, maka kita katakan kadar Hb ibu hamil di kota Mks
adalah 7,6 gr%.
🡪 Kelemahan estimasi titik dpt dihilangkan dengan
menggunakan estimasi interval (interval taksiran), yaitu
menaksir nilai parameter di antara batas-batas dua nilai.
Penaksiran Interval
Kita yakin 95% bahwa Hb ibu hamil di kota Makassar terletak antara
5,83 gr% sampai 12,17 gr%
Interval Taksiran …
interval konfidensi
tingkat konfidensi / keyakinan dipilih
(1 – α) →100%
a,b harganya ditentukan oleh biasanya 90%, 95%, 99%
X1, X2, …, Xn 0 < α < 1, α → 0%
dibedakan dua macam estimasi interval, yaitu :
* Untuk sampel besar (n ≥ 30)
* Untuk sampel kecil (lebih dikenal sebagai
estimasi interval untuk parameter populasi dengan
/ber-distribusi tertentu)
ESTIMASI INTERVAL SAMPEL BESAR
* Estimasi interval untuk μ (n ≥ 30)
Penduga terbaik untuk μ adalah
berdistribusi normal dengan
dan atau
Interval yang dicari adalah
a ≤ μ ≤ b dengan P(a ≤ μ ≤ b) = 1 - α
a,b tertentu oleh X1, X2, …, Xn dalam hal ini
= (X1 + X2 + … + Xn)
45% 50%
c μ d→
50% 45%
←c μ d
47,5% 47,5%
c μ d
diketahui/dapat dicari interval terpendek yang
1,96 adalah angka dari tabel normal yang sesuai dengan tingkat
keyakinan 95% karena berdistribusi normal
Dengan demikian, jika ukuran sampel cukup besar, tabel berikut dapat
digunakan untuk mencari interval konfidensi (1-α) untuk parameter yang
dikehendaki
Parameter Statistik Peny. Std. Dist. Samp. Harga stat Ket.
(=P) (=s)
1
2
3
6
Kalau interval konfidensi (1-α) untuk P adalah
Dengan adalah harga yang sesuai dengan (1-α) dari tabel distribusi
Normal (1,96=z.025 sesuai dengan 95%).
maka interval konfidensi 90% untuk σ adalah
s – z.05 . ≤ σ ≤ s + z.05 .
dan
Interval konfidensi 90% untuk adalah
Estimasi parameter jika sampel berukuran kecil sangat bergantung pada
distribusi populasi dan juga parameter yang akan diestimasi
Sebagai contoh, untuk ,mengestimasi μ, σ2, μ1- μ2 ,
karena ~
karena : ~
sehingga
karena = ~
dengan
karena : ~
Latihan