Statistika Matematika 2
Statistika Matematika 2
STATISTIKA MATEMATIKA
Pertemuan 15
·
Teorema Limit Pusat Multivariate.
Definisi5.4. I
Forema 5.4. 1
Misal [InSadalah barisan dari vektor berdimensi P dan Misal Y adalah Vektor acak, Semra menunjukkan di
Maka.
ruang sampel yang Sama.
In 1 4 Jika dan hanya dike Xny 1xy Untuk Semva 1:1, ..., p.
contohi
(5)
In dan Sn" Penaksir konsisten untuk M dan 8"
02 n4[(xn-M12,3]-0 dar
MP(/sn"-01,2) 0
=
[Xn] barisan vektow acak yang and dengan mean vektor v dan matriks variansi. Kovariansi 2.
in i
=
=,x:=(X,, . . .
., , [
besar lemah:
Menurut hukum bilangan
Xs 1,
My, J:1. .
. . .
p
Shy Vector In M.
Definisi?
Misal [X] adalah barisan dari vector acak dengan in memilikiCDFEncx dan*adalah Vektor acak
dengan
CDF F(X). Maka [In'] Konvergen dalam distribusikeX Jika:
↳ Fr(x) F(X). =
Teorema 5.4.2
Misal EN] adalah barisan danvertoracak dan inmemiliti CDF Enix dan MGF
MnCE). Misal adalah Venturacak dan CDF F(X) dan MGF M(E), Maka [Xh} 1 i
h>0.
Jika dan hanya fika, untuk semua
Misal 2h] adalah barisan vektoracak yang ind dengan mean ventor isdan variansi -
Kovarians;
,(xi
Misal
in
=
) m(-i),
=
Teorema 5.4.5
P. Misal Xh, NC, ). Misal adalah matrics Konstanta map dan Misal
Teorema 5.4.6
n x-ii) A, Np (0, )
Misal g adalah transformasig(x):(9,(X), ... In())' sedeminian shy 1h2p dan Matriks
=
(9).
i 1..,ke-..-
=
I (g(n)-g(ol) - Nn),B!:)
soal 5.4.1
=
+ '[+]
+
MaxnCt):E(eta'Xn) E) =
e'tal'Xn/
(ta)' I (tal)
=
exp(ta)'M + I
:exp[ta'M 1 + a [a] +
Man(t): E(et*)
Duetahni a'Xn= N, (a'M, a'Zal
ManIt) E(e**):Elecala'Xn)
=
-Max ((a'l"a't)
-exp[Ca'l"a'r+ 1(a)"(a')ta'[a]
exp[n
=
+
t z]
MGF Np ( M, z)
MLE PARAMETER GANDA
f(x;8), dimana
Misal X...... Xn
iid
dengan pdf tak diketahni.
parameter & Sepertisebelumnya, fungsi
Likelihood day
log likelihood, diberikan:
↳(8) =
1, f(xii)
a
I (F) f(x:;t),
=, 109
109 L(F)
=
=
Step:
-
1. Tentukan fungsiLikelihood
2. Tentukan log Likelihood.
3. VICE'l =
4. Selesaikan
weare Persamaan pada B
contoh:
(4) 1
-
x<0
or
2A
-
I
-
(x,
or
11 M,8:
Lor)" city
2) f(M,03 = -
log(0 n) -
!*:-M
31.81(1,84
8M
= -
2(x, -mic -
1)
(xi-
=
r= 0.....
r
21(M,02)
7 =
ji y) 0 2
- + =
· -
. . .
88
4).Xi [Ixi- x
l
0 nm [xi, y x
nm
+
= = =
- -
=
I(Xi 1
.5(Xi r 6 83: 0
-
. = + +
n/0
Teorema 6.4.1
Misal X,...., Xn lid
dengan Pdf f(x;O) dgn tblm diketahui. Asumsikan regulasiterpennhi, Maka:
1. ((0) 0
=
n -8 D>
is 0, I (O)
Akibat 6.41
DefinisiFisher Information
Karena Parameter berbentuk Vektor, hasil Fisher's Information akan berbentuk matriks
MXR.
=(8) COV(Flog
=
f(xit), Glogf(X;E)
...,
80, z Om
Es cor , log
=
f(xiEYT-
E E) il
=
blog
↓
-
((logf(xiol)
-
Misal
:( I
(i)(s):I] [m]: Iti
Latihan 6.4.2
YOi8! Xe - Nilor.Oyee
·
L(8, 02,03) =
log 2A-Z(X:-fil -
mlogt, -2y:-Oc
203 203 20;
20, 203
Xi -
NG, 0
=
nO,:[X;
,
·
2
=x
=
2,0s).-
2[(y:-
82)(-1)
·
203
IYi
= -
nO2 0
=
8 2i y
=
28g 28s
e yi-O
t
(n + m)_
=x
10/3
:m ([(x:-x+ [(y;-j)
Batas Bawah Rao-Cramer
Misalkan Y;adalah Penaksir tax bias Untuk Oj, Maka batas bawah rao-cramer
hya
adalah II"El];;
↳
sehingga memenuhi: elemen diagonal
kes darimatril
log f(x;MiG2 = =
24
syt 5(x-M12:64097--ex-MP
·
- -
- +
flog
·7
= -
55 (
I I
22109 log f --
-
5
ICO) =
888 - -
(x -
M)
-
E --
E
logf
blogt
2
2468
TElax-m Eie-mi-E)items I
-
-23(M
-M-+e(s):(o)
-
M
-
X mit untuk M
((5)"):.* =
02
Var (X)=I BBRC:
...
Penaksir efisien untuk Parameter M.
Note:
2
x mi M'
untuk
I mix untuk I
a mle Untuk
3
2. Cari statistik
cukup
3. Jakukan 8
mit 8,
untuk
didapatkan Sama separti mencari
4. Periksa apakah 8 adlts dariy.
MVVE Untrk O
3. Periksa E(E)
6.
Jika & unbias, E = 8
2.
IdentifikasiP, K, H,9 ⑦xtidak mengandung o
4. Maka Y [k(Xi)
=
adal Stat. (ukup complete. Jika Kontinu, k'(x)
x to dan H(X kontinu
6.
Jika ECy) 8, = :y adl MVVE
10. PeriksaE(g)apakah91WavI9o=g e
·Jika =
g(0) (bias), laught be manipulasi, lalu kembalibe languah 10-11 Sampai
dapat =
g(0)
Co:Misal Pop--N(M,07 dgn M blmdiketahridan Gdiketahri, MYE
X.,
..., Xn, cari
Ingat
*
Var (x) =
E(x2-(E(x))
Jadi, E(xC):Var(X) +E(X))"
dan *-NCM,
:E(x2):2 M2 +
=M2
E M2
=
Id, MVVE
U ntrk M" adalah Y2-
=
XX
Misal
pop-exp(X), fix:
-
2
0LXC, X., Xn sampel.
qx4,lainnya
...,
cariMVUE Y5?
[log x + 3"]
-
1. fx(x,x) exp =
-exp[logx 6 x] -
2. P(6): -
6,k(x) x,
=
9(6):1096, H(x):0
3.
Syarat:
1. 9xtak mengandung &
2. P(6) = -
3. ECY):E(2xi):[E(xi) 5 I=
=
d
=
6.
dugaan Ixi I
=
=E,N
7. ECE) cari
x: -exp(a) P(1, 5)
x:- In t
Mitra's P(n)(5)"Xin-11 **
=
Es
-xn3+ dx
=(i): E.P(n)(n)"Xin-1l -ins- dx
(nas"-an-1l
=9 * g-Yns de
0 x ren)
98
Ma)"-(n-11-1
I
X g-*ns dI
M(n)
⑧
M(n-1) (nx) (ng)n-1
x(n-11-1 g-Ynd
↑ (n) ! -
↑(n-1)
dX
no, 4(n-its)= 1
P
#!
ns =
*d
(n 1)Y
-
0.E(t) F,3 =
=(*) 1
=
:.n
El
-
1
!" mroE untuk b.
=
7
In
-
9. pilih = n -
1
Sby calon MVVE untuk
IX;
P(n,5)
Apaean)
dimana [xi z -
x=
=
I xi v-E -*
E) mizs*
E n -
1 =
=
TDzint-1g-ne dE
ctdeline
it
nee
=
11. E
n -
1
Xi
-xn-2) (*1=
P(n).
E
Fiii) ne
a
mout untuk
↑(n -
1) Ex;
Contoh:X., . . .
. n sampel acak dari distribusib(1,0)
·
Statistik cukup:Y:IXi, ECY=no, yarcy):nOCl-Al
E(x1:E(24)
=
(2):E14):0.
Jadi, I MVVE U/O
I move"/0.
Misalkan 8:0C1-fl variansibernoulli
0 x =
Ii I
=
=
Ad> Untuk
MVVE 8 E(t) 0
=
(1
= 2):1 -
0
(1 )
-
J =
=
-
E( (1- l):(1-0)
=(5):E(h)( )) (r (4 - =
-
E(y)
·
+ (nOl
=A -
G - O
+
E15):(8(1 -
81)
E(5,40(1 = -
0)
Jd, 8 (1-E)
MuvE
untuk
X., . . . .
n sampel acak dan pdf: f(x): *, <
x 0,0 Lanya. Make X,..., Xn -(1.8).
CariMVUE Untuk ..
·
f(x,0) exp[10g t
:
-
6]
=exp2-l0g 8 -
E
2. K(x) x, =
PCO) =
-
1, H(x) 0, =
9(8): -logt
zu
3. i15x x > 0
=
2xi n
X 8.
=
6. dugaan
=
->
IX, 0
*
=
x.pino G
-
x I
7. E(x): dX
0 X=
--
-
I
↑(1) A
OR
"Mis zu
I-s- de
syarat:
i) Dx tidak E, Ec
bergantung
ii) -
mengandung suatu segiempat buka dimensi -m yg tidak Kosong (ruang parametery a
Co: didistribusigamma, 220, B>0 bukan dishatu garis)
(2,p( t[(a,B)/0c(0,0<p(a)
"mart" erpinni
a xB
=
C:G B =
->
tak bisa membertuk segiempat didim garis, make
>G
syarat 2 tak terpenuhi.
iii) P., Pc, kontinu dan tidaktrivial Juga yy P., Pc independent.
fungsionally
C:x +
x bln ts iid (Karena x bisa dibuadratkan (
x -
} f.awenbeamembranesameama
·
P, (8, 02):0, 02
P2 70, fr):A, V
20:k, (X):X
Jbb),Karena
blen kelipatan
e(x) x2 =
Jika memenuhi 4
Syarat tsbt make
Y, 2 k,)Xi)
=
gabungan)
Step:MVVE Parameter ganda.
1. bentuk fx(X, F., 02) exp[log fx(X,0.,021] =
2.
IdentifikasiP., Pc, K., Re, H,9
3. Periksa 4
syarat
4. bentuk statistic. Y 2k, (Xi), Y [k: 1xi)
sufficient
jointcomplete
=
=
contoh:
I 202
2A02
[log -x-tl"]
to202
=expT -
I log (2x02) -
(x-til. .]
<xt-log (2of adiere to
2) P, (8, tz)k,x) = -
, Pc(8,f2)k(x):XH(x):
-
log(2A),
q(0,02): -
I log -
3) i)8 x [10.,82) 1
=
=
<0, 0, 020,285 -
ii) //P4/, a
~
iii) P, =
-I, PC: P, nontrir, PcMontiv dan P., Pc functionally independent
iv) ki(x) =
x 2 2x
=
70,k,(x):X 1
=
F0, H(x: Kontinu, k, ek bbl Karana
Adk
saling Kelipatan.
Jadi, Karana memenchi 4 N(t.,821*xP class
syarat tsbt make
dan Y,:5b,(xi):2x,' & Y:zk(Xi): B9 merupakan
9) 5X, stat ckp komplt
bersama.
5 E(Y):E[2x;]=I [Var(Xi) +E(X:l] 520 =
+ On]:nO nO
+
E(Y2):E[[X;]:nt, coretur
Ingat s2,E(xi-x)
X
6d, Y -nx- nOz
=
INIS = now
d. E("s) E(s) Is t
=
E(z
z-m
.
xn-1
IEY2n-,*-
*
Z.
fz(z):
plz-g-
in**
- n
E("s):I
=
-ina te s
P(E).n-1 -
↑( ).2
soal.
*-oce.cariuem, or
dengan Pdf 4- or
fx(x, M,8):2
log -
2.
didapatkan P, (4,07: -ato ,k,(x) x 2,
=
H(X): -
blogea
P2(M,84:2, k2X:X, 914,87--1090-
3. Syarat:
i) Dx 4
=
x ER
w} tidak
bergantung dengan parameter M dan 8
j
* x =
ii) syarat is
terpenuhi
A, m,
pirs: Its
iii)
kontinu dan non trivial, serta bebas secara fungsion in
make
k,(x): x, kc(x):1 =
0 k, dank bebaslinear,Serta H(x): -Il0g 2x
adl ts Kontinu.
Yc= zk2(i).
Schingga Y:Z, xi dan Y: Z,Yang merupakan statistik cukup yang langhap bersama.
3. ECYc1:E(2,xi) E(nxi)
=
nM.
=
=n8 +
nM2 n
=
(82 M2 +
Jadi, m IMVUE
=
Untuk M.
E( (7. -44) E((2x,2-xi):(84M (n2
=
-
1)
+
=18
2
):(*07
0.8:E(h(Y-x)): 0
2 =(2x, -x"):S.
=
=
MVVE untuk on
Definisi7.7. 1
Misal X., X2, Xn Menunjukkan dari sebuah distribusidan
..., sampel acak memilikiPdf
atau
prf f(x, ),dimana EEMIRRP. Misal S menunjukkan support dari X. Misal
Vektor acak berdimensi -m dari statistic ij:(-), Ym) dimana yi 4:(X....., Xnl,
. .
.,
= unti
i=1, . . .
,
m.
Menunjukkan pdf atan pmf dari
fl); E) y IRM. Vektor untuk
dari
=
acak
#, f(x:;)
H(X,
=
fx(x, M, T1 I
=
nette
0
11 fx(x,M.5) exp =
[log
[log
:exp T flog a -
(x-2xM -
M41]
<xp[I logt -
log
I
25 -
+ TxM+ 2Y]
2) P, (M, I1:TM ·RIM, T1 = -
[ H(x)
= -
Ilugza
k,(x) =
x
kz(x) x2
=
9. M, I1:I 109 [=
M
3) syarat
i) 9 R. [x: -0(x<w3
x
=
=
v
III,in
ii)
W
Pc = =
= -
nontrivial,
Kontinu] bebas functional v
~
iv) H(x): -
k,(x1: 1F0 be
v,
k, dan bebas linear Karena tidak
saling berkelipatan
K2 '(x) 2x + 0 X x2
=
=
4.4 =
2k. (xi):
4statistik
E,*:3
bersama.
cukup lengkap
Y.:[k(xil:
Var(x):E(x2) E(x)
ECY,):E(2x:):[E(xi)
-
3. nM
=
-
·E(Y):E(2x,:[E(x,Y) ((var (xi)
=
-
+
E(xil]
=I n
+
I
-
r2
+
6. E(?) M
=
Y,En
E():E(X) M =
..
Y:X
-
Untuk M.
MVUE ⑳
7. Calon
R
MVVE Untuk
02
⑪u [:
(n-1)S2
Y* +2 +x
8. E
(n-11S2 E
=
(n-11 S2
v Y - n E
X*
-
↓ -
Elisel:I I
-
! Xire
Si
ziceit 5" (r-11:Ixi2 -nx2
Sch-1) =
-
:
-
-
=z1-g* d
PdfX2(1-3) 1
=
" -
=listin ↑(l
⑪(s) =
=(2"in-ns) =
..
E:
this moveuntukt.
Video 3
lugas
Fordirtis
by
lainnya
O ·
expe.... it
()
2..
fungsilog likelihood:I (X,8, 821:log(1,021)
exp[-.*:)--
-
=log
(1
I
-logtz
-
(i
i
-
wa,al=
log f(x, 0, 01
gxigioan=minxis
⑧
o
20,
min
=
2X, Xe, ..., Xn}
I mya
bergantung dan parameterya. Jadi, tidak dpt menggunakan turnan ul
U=UCX., dua
Misal OC21 ditentukan. Misal 2:L(x., ...,
Xr) dan ...,
Xn) adalah
2(100%
bahwa adalah
& 1-1, yang
Artinya. Peluang Interval termasuk mana dikatakan
Step :
eliminasi.
3. Jika ada parameter yang mengganggy,
Interval
dengan Repercayaan.
6. Ubah bontuk Internal dalam probabilitas hingga parameter yang ditanyakan berada dalam
Interval.
Conton soal:
dicariInterval
Akan
Kepercayaan
(Xi M)
, d'en
-
-
①L(M): 8282
exp[ dx,X: 1
n
I
=0
-
-
M
2A
/(M) 2
"(xi
=
-
M) 0
=
I
in
Xi -nM 0 =
=X
⑳Kemudian mencari fungsiVariabel
acak yang berhubungan I dan M,Yaltu:
X -
M
~ NC0,11
·in
③Setziah in, cariInterval
i
z z,-
⑦ lakukan
manipulasi:
d
0
z, -
Pr(X z,
(M(X t, 2)
-
- + 1
=
Pr(X -
< M(x 1):0,934
+
2 0.023
=
2,-0,023 =
drtab*2. =
asan e
Pr(ac
m = b) : 1 -
d
*
dari distribusiN(M. 8"
·
Misalkan X.,..., Xn adalah sampel acak
Statistik
T
Yor
=
time
in-1
=Prtz,n<X-M
S/in
x +
in-1)
Pr)-t (X- Mtn
=
Er)
=Pr (X-tgin (M < x+
tafr(
Note:
Soal 4.2. 1
-
t,n <
M<5+tin ...
·
90%, n 20,5 26,5,cc 01.2
tabel us:0.95
= =
=
-
2:1 -0,9 0.1.
=
t,n=toos, 1g=1,729 -
dari
79,20977>M83,19023
PENAKSIR INTERVAL UNTUK KUANTIL
Kuantil he p
Misalkan x adalah variabel acak Kontinu
dgn CdF F(x).
Ep disebutpersentil he loop
memenuhi E(Ep):p.
KonstruksiSelang Kepercayaan
·
Peluang"sukses".
dingatakan datare
Delvang hejadian Y.<Ep <Y;dapat
·
W i
=
·
Misalkan
p(Y,<Ep<4i):U, maka
peluang
suatu Interval acak
Variabel
Misalkar
·
x adalah acak Kontinu dgn CdF F(x).
·
adl kuantil he dari distribusib(n,I)
·
P2S>,n -
(z] E =
:(Yc +1,
Yn-c) adalah slang kepercayaan (1-2) 100% y) 3015
contoh
36 70 &9 9496 101102 102 102 103 10b l00 10 113 116
·
Mencarislang
hypercayaan 00% untuk 40,5
Eog]
=1- ((i) (0,g)" (0,1) n-m]
:1- 7 1.0, 9". 1330,75
:1-0,945,0,75
0,g4 >, 0,25
- -
n
0,25
=
0.9
n
logo.Ilog 0,25
n(=0,105361) = 1,38629
=
n 13,15753
=
b) P(Y, <
[0,s (Yz)
" 3 W
(0,25)
-
(0,75)
W I =
-
3
10,251'(0,75) 3 +
C0125, C0,751*
I
-....
menentukan n
shy p(Y,<E0s <Yn)>,0,99
-
Uji Hipotesis
Pengantar
·
Misalkan Variabel acak X memilikiPdf f(x,0) dengan of M.
·
It Wo atau w, dimana won W, dan
=
WoUW, .
=
Hipotesis:Ho: Vs
·
No disebut
hipotesa nol.
Sedangkan M, disebut hipotesis alternatif atan hipotesis (kergal
penzliti.
·
Keputusan to atau Hy berdasarkan sampel acak X, Xc,..., Xn.
·
Keputusan &->W,
-
Padahal 0 -> Wo
-
Keputusan & E
Wo padahal of
C,
·
kesalahan Jenis I adalah menorah Ho padahal to benar
Kesalahan Jenis adalah menulak to padahal My benar
I tidak yang
tinggi pohon fagung hasil penyerbukan slang dan penyerbukan sendiriyang ditanam
...,
15
·
Rumusan Hipotesisnya adalah
Ho: M =
0 VS H,:M>0
·
No:903
menyatakan tidak ada beda, Sedangkan w,:(0,0) menyatakan fagung hasil
Definisi4.5. 1
Kita Katakan daerah Kritis C dari ukurand Jika
x Yew! Po[(X,,
=
. .
.,
Xn)tC]
Kuasa ugipada 8.
1- Po [Type I Eror] =
Po[(X., . .
.,
Xn)tC]
Peluang mendeteksibahwa o C, adalah parameter yang benar.
jidapat
·
·
Meminimumkan Peluang kesalahan Jenis It ekivalen dan memaksimumkan kuasa usi
Uc (8):PoI(X,, . .
., Xn)-C];Otco,
dibandingkan dgn (c Jika VC, (O) > Vce (8) Untuk semua ftw,.
contoh 4.5.3 ukuran sampel Besar
Gyimean
variansivs t
·
X variabel acak
dengan mean M dan
·
Tolak Hu Jika nila: I Janh lebih besar dariMo.
-
·
MenurutForema limit pusat
rico, tolak to yika nilai
shy
x -
M
7, 2a
s/r
Untuk menorak Mo, nilai harns lebih
y besar dariM.
paling sedikit Za
r
·
-WM)(
t
C:2(x,,x2): = x,+x2 3
in
X,
3
f(x,x) f(x).f(xc) =
O-1
OX,
· 0-1, O X2
(X,X2) 8-
x
Max Pol x-c]
x binomial =
pigni.Rancel
n 10 in
P=(X(3)
=
x
t
=
Ho:p
%) p (1 p)0
=
· -
x
-
H:P =
(t).-t"+"(t)() ()(t)"
-
function
-
(i)(t)= 0, Kig
power
P(x23):Ia+ )pX(l- p)
-
*
·
Definisi
Misal dari katakan Cadalah
(Menunuhkan subset
ruang sampel. Jalu, kita best
H,:8 0 "Jika
hipotesis sederhance alternatif =
a) Po, (X-C] d
=
distribusi yg memilikipdf atay pmf f(x, 8). aly, likelihood dari X., ...,
Xn adalah
0.x)
f(x,,0)
=
,
untukx =(x, . , xn)
Misal O'dan 8"adalah nilai tetap yang berbeda dari8shy-=28: 8:8'f"3, dan misal
or
kadalah
bilangan positif. Misal (subset
rang sampel Sedemikian Schingga:
0';x)
al = h, until setiapXEC.
L(8";x)
38';x
b) 2, k, Untuk setap x & C
L(0";x)
c) a Pr [X=C]
=
contoh:
f(x,0) 1 =
= 1
-
cao: 2 50A
=
Pengugian:Ho: E 10
=
vs H,:0 12.
· crsel. ol" exp(-(x-102 I 50
↳k
212,x)
()"exp7-Exi
exp[-z(x: -1012 2(x: + -121-]
58 50
exp[-2(x,2-20x, 50
+ 100)
I(2-2x+4
+
I
exx[
2 - xxi 44) +
exp7 +*] Ik
= -
zx
n log
+
(2x:=in) logt o
[Xi-lIn- logh
Ix>
1In-2 logk
he
2, 11-
light
·
Car:PCC; Hobenar)=2, Ho:M:10
P2<,C M 10 =
2
=
P(Xx,c,m 10)
->
+
d
=
p
=
(-10;
S/i
n
10)
=
x
=
re
k
P(zx,k,M (0) 2,zwN(0,1)
-> =
=
1 P(21k) 2
=
-
1 -
0(k):2
k z, 2
plan)-d, make
=
-
. .
., X: xC] best critical region
Misal X., ...,
n Sampel acak dari distribusinormal dengan
mean M dan Variansi16.
H,: M=15
M
40:M 10 VS
=
X 0,05:5%
=
exp[_(xI
I
L(X;10;16) =
i1
= 32π
I
I
32 A
exp[- 50)
(1x; 15; 1) -
*exp[ 15] -
I
(A)-expI- I
= [K
(2)exp [- 5"]
(X;-10)2 + I(xi-15)"
-
lugh
32
-0xi
100)
I(X,2-30x251
+
+
(logh
32
[xiH(16M, 15 2x;
3-3,2109k 200
+
Prr (XEC)
old
x =
0.05 Pr(2X:>,
= =
3,210gk + 200)
:1 -
pr (2x;< -
3,2109k 200)
+
e
-
X -
10 M(0,1)
UII RALING QUASA SERAGAM.
Definis
Daerah kritis ber-
Kritis C adalah
uniformly most powerfull (UMP) daerah
to
ukuran a untuk
menguyi hipotesis Sederhang
Us
hpotesis gabungan
himpunan (adalah daerah kritis terbaik berukuran
alternatif M, Jika a
Conton
~Poisson (8) c
f(x,0) e
=
-08, x=001....
contex
=
(e-age
- ! (2015). C0,512.
↳K
2 x:
G-1 (0,1)
EK
Ex,5) 2x:
e4.
·
ex EK se j ke
xi,
n=C, adl daerah krit's terbaik untuk ys i
5 (0,5):1-P0:0, (2x, = 2)
=
(0,1)2xg
-1(0,
((0,1,x) !
=
·
K
LI0",X) E 18"**:G-lut"
·)*x (11010.1-0") [K
x In
Ix,( In 2011) -
InC0")) -
1 100"
+
In
= K
2x: (-2,30259-InCf") -
1 108"
+
Ink
IX:, Ink+ 1 -
108"
=C
2,3025 1n(8")
I +
Algoritma:
1. fx(xit) exp[log fx(x,0)]
=
2.
IdentifikasiP, K, H,9 ⑦xtidak mengandung o
4. Mara Y [k(Xi)
=
adal Stat. (ukup complete. Jika Kontinu, k')
x Fo dan HCN kontinu
[,k(i) =K3
0'
-H,: 0 > maka
2,k(X;1<,K}
c=
·
Sika p(0) fungsiturn (f'< 0):
-H: 0 < maka 2: 2,24(xi) 2,K}
-H.:0> 8' maka
=
22,k(xi)-4}
WII RASIO LIKELIHOOD
a ***E-it Zx:-x]
Ho: O GW Ja, 2 :
H,:0 4 w
No ditolak Ketika 1:
In So?I
4. Buat
↓
ruang parameter
n
! do
"Pactx:-l]. exP5-cr2X:-x)*
e
contoh O
I Do
Misal X.,...., xn did berdistribus;N(m, by
exp(- 42(xi-Mol-2(x:-x3]
↑Fidak diketahui, odiketahui. HoiM=Mo n=
H. iM Mo-
1.
Specifikasi c: E M Mo, =
2 5.}
=
3. otak-atik Sampai ketemu rasic likelihood
2x-ugar
2. Buat L(c1, jika unspecified, taksir
Oc(2- 22x, 2m!
co
+ -
xi+ x2x;-
menjadi ((w) menggunakan MLE.
-zMoNx+hM+2nx-ny<,28,109 do=3,
Lar):
dre **PE-3 -
2 Munx nM +
+ nx, 6,
MrY
-
n(x 2Mox+ >, 6,
9-
I
"RA**P [[xi-Mol n) x -
Mr)" >, 6,
**E-c (i-mp]
-:
6. Penuhi syarat PCC; Mubenar):a
n**[-z(xi-
I
p(nex-M, 3.) pr)E)si)
-
13 :
mg
an-Exi-my = o
:Pr(E -
E or
f(): Id, Ho ditolan sik a
12(xi
+ -
M). y=0
25 C:
[E, 4]
= Xi nM 0
=
atau
Ne
-
FO B:
E1 x
=
conton:Pop -NCM, o H.:M 3
=
H:M =3
1.4 (M 3,0(20}
= =
=2 -
0<M(0,028203
((c0): exp[-j(x: 33
2.
-
-22A
522A)"
-
f(w)
:
=
log(5a) -
2(x, 3)2 -
:-
logs -
logan -
ZX;-31
2110)
2 y2:- 3 0
=
=
- +
882
↳ [Ki-3) n
=
&C:
[x3
"
(181:(21x-s)" x44-2- 32]
sng H
:(n s)
Mz
5- 3 2n =(xi -
exp
e(r): -
I log 2x
-- logt-, I(Xi-M
all 0+
=
Tyats/2(xi-M1.
[N: M) -
0
=
2x; -
nM 0)
=
=X
one 0
=
- -
+1 +*2(xi -
4 0
=
I M)
↳
- n
=
say L(-): = x]
(2xxxi-x1
nex
I
=(2xi-x) I 4 3 -
(xi-sp) a
*T
4.25 A
=
A = I do
x)
A
x [(x-
( su
it
2/n
sa
C:
2= 3 s
[(xi-3-E(x-x=nx-s
-2:p/= 0,: =3) Phth
I(Xi -3) n(X 3)2 [Xi x)
= -
+
D M(x-3)2 +
[(Xi-x)/acxi -
x
I
I I
I
P I di
n(x -
3)2
t
I
[cxi-x
C
ail!") I Xi-x
(x- 3
·
s:
pr) = (Xi X)
-
Pr
S"(n-1152 I
4
(syne" F
ir
-
at [n-1
U51 MAKSIMUM LIKELIHOOD.
Ho:8:Go VS H,:0 F Go
Misalkan E adalah mle untuk 8.
contoh b.3.1
f(x,) t,x,030
=
a
-()"expl-E*+n.e"(o)expl- nE), misa
=
misakan:
g(t):texp[-nt]
gict n
=
+ e
int
ntg-nt
- 0
=
+t
=
tClt) 0,t:
=
=
1.
t FO
-[ n]<0,shg
-
atan
->
log a 1, x x)
Misalkan xi: -2 log a dan Ho 18:G. Vs H,:0 FGo
tolak No Jika X, X?: <
Ho
Wald-type test
-Abawah
tr =
Xi =
n I(E)(-00) 3
tolak Ho
(Dukung H.) Zika XiX 2(l).
rao's score test.
2
XR l'Col =
nI(t)
tolak No Jna
Yp, X?(I)
2x 5x:
al. ((0) 0 =
(1 -
8(M-
+(8):2xIn 8+ (n-2xi) (n(1-0).
I'(0)
-X
2
=
↑
n
=
[x. if(n-2xi) 0
=
-
Exi I=
=
(n 2xi)
&
1 -
1- 0
IIx =
-
=xi 2 +
1
=
1-f
Ex+2x8
-xInCl-8)
a
100:(is)existen
=
in(1-8)
-
2(n(a): -
2(n(z) x(1
=
-
5)n
- 2xi -
1 +
*
6)
ex(1
·ye:xina
exi
x)n
-
x -
b) I(0) =
E(22 log(f(x,t))
202
(n8 + (!) In?O
-(Inco(-f)"))
x
-Ea?"lt"iti
OC1-ol
ICO):
(In (f(x,;)
I(8):1
(x- (1- x) Io
-
&(1 E) -
It
is
·
=x(1 x)
·
-
=n (ti -0)
-(1 -
A)
ect):s
In (3x-1):
2
3n (3x- 1)
X: -
2 n.
I .
Ho ditolak Jika n(3x 1)
x3,94)
-
2
EY Misalkan x...., Xn adl sampel acak yang saling
bebas berdistribusiIdentik dari
dan suat
populasiberdistribusinormal
dgn pdf mya
fx(x)
1
=
62 exp[-(et], -x<0
>CLT:X-M
~
NC0,1)
8/n
-xi
11-a)100%:P
x (n X -E
r)2
p(nM
n(X -
Xi
-E
Pro in
=
:62 xE
nx- e
4
a) Cari MVUE Untuk 8
exp - I log in -
log
I
in
I log Ca
9184: 9102: -
I log on
· 0D 2 =
-
xxx< & 3 v
y I(x-M)
&
stat cukup lengkap
=
M
E(Xi-3)
y 3
=
E(y):E(2 (xi-312)
=I(E(x-3):2(E(Xi2 - 6
x, g()
+
:n (62 g + -
10 + 9/
n82
·
EC!
e