ASSALAMUALAIKUM

WR.WB.

EVALUASI ESTIMATOR
NONENG TUTI
ALAWIYAH

KELOMP
OK 3

RATNASARI

SITI PATONAH

Dosen Pengampu :
Budi Manfaat, M.Si

Kriteria kebaikan suatu

estimator yang pokok

Tak bias

Varians
minimum
(efisien)

konsisten

sufisien

Kokoh
(robust)

KRITERIA Kebaikan Suatu

ESTIMATOR
TAK
BIAS
EFISIENSI

Estimator

dikatakan tak bias, bila

nilai harapan dari estimator sama
dengan nilai sesungguhnya dari
parameter yang kita estimasi E()=
Estimator yang memiliki varians

lebih kecil.
Apabila terdapat 2 buah estimator yg tak bias, maka kedua estimator
tersebut akan dibandingkan dalam hal variansinya.
Misalkan 2 buah estimator tak bias

dan

mempunyai varians lebih kecil dibanding

estimator tak bias yang lebih efisien
KONSISTENSI
Estimator yang

yaitu untuk Jika

, maka

nilainya
akan
mendekati
nilai
sebenaarnya jika ukuran
sampel diperluas.

dikatakan

Estimator Dari Beberapa

Distribusi
Distribusi
Eksponensial
exp()

Distribusi Normal

Distribusi Uniform
kontinu
(0,

;0
=2

)
;

=
=

Apakah Estimator-estimator yang

dihasilkan merupakan estimator yang baik?

Estimator Tak Bias

Estimator Distribusi Uniform
kontinu
Andaikan (0, dengaan parameter
Apakah estimator merupakan estimator yang tak bias untuk
Penyelesaian :
Adit. Bahwa () = .
CONTOH 1

( = (2) = 2 ()

= 2 ()
= ()
=

(()

= ()
=
= (terpenuhi)

Kesimpulan
:
Oleh karena nilai harapan dari estimator sama dengan parameter ( = ]
maka = 2 merupakan estimator tak bias.

Estimator Tak Bias

CONTOH 2

Distribusi
Eksponensial

Andaikan ) dengaan parameter =

Apakah estimator ini merupakan estimator yang tak bias untuk
Penyelesaian:
Adit bahwa () =

Kesimpulan :
Oleh karena nilai harapan dari estimator sama dengan parameter () = ]
maka = merupakan estimator tak bias.

Estimator Tak Bias

CONTOH 3

Distribusi Normal

Andaikan
) dengaan parameter dan
Apakah estimator ini merupakan estimator yang tak bias untuk
Adit bahwa

(terpenuhi)

Kesimpulan
:
Oleh karena nilai harapan dari estimator sama dengan parameter ] maka =
merupakan estimator tak bias.

Estimator Tak Bias

CONTOH 3

Distribusi Normal

Adit bahwa

(tidak terbukti)

Kesimpulan :
Oleh karena nilai harapan dari estimator tidak sama dengan parameter ]
maka merupakan estimator bias. Agar estimator dari menjadi tak bias maka

Estimator Efisien

Apabila terdapat dua estimator yaitu untuk parameter jika varians lebih kecil
dari varians maka dikatakan bahwa relatif lebih efisien dari pada

Apabila hanya terdapat satu estimator maka pilih varians yang lebih kecil
(minimum) dengan menggunakan teorema Cramer Rao, yaitu
Jika adalah suatu estimator tak bias untuk parameter dan
Var(
Maka adalah suatu estimator tak bias dengan varians minimum untuk parameter

Estimator Efisien
Estimator Distribusi Uniform kontinu

Dengan demikian:

Estimator Efisien
Estimator Distribusi Uniform kontinu

Kemudian hasilnya dibandingkan dengan nilai Var (

Var (

Maka didapat
Var (

Dengan demikian, = merupakan

estimator tak bias yang bukan paling
efisien untuk parameter , karena
variansnya bukan yang paling
minimum, dengan kata lain =
merupakan estimator tak bias untuk
parameter namun bukan yang terbaik

Estimator Efisien
Distribusi
Eksponensial

Estimator Efisien
Distribusi
Eksponensial

Estimator Efisien
Distribusi
Eksponensial

Sekarang, hasil diatas dibandingkan dengan nilai Var (

Var (
Dan ternyata
Var ( atau Var (
Dengan demikian, (= merupakan estimator tak bias yang tidak efisien
untuk parameter , karena variansnya bukan yang minimum, dengan kata
lain = merupakan estimator tak bias untuk parameter namun bukan yang
terbaik.

Estimator Efisien
Distribusi Normal

Dengan demikian:

Estimator Efisien
Distribusi Normal

Sekarang, hasil diatas dibandingkan dengan nilai Var (

Var (

Dan ternyata
Var (
Dengan demikian, = merupakan estimator tak bias yang lebih efisien untuk
parameter , karena variansnya yang paling minimum, dengan kata lain =
merupakan estimator tak bias untuk parameter yang terbaik

Estimator yang
Konsisten

Estimator yang Konsisten adalah estimator yang akan bergerak

mendekati nilai sebenarnya jika jumlah elemen sampel ditambah
(nN, maka ). Dan untuk membuktikan bahwa sebuah penaksir
adalah konsisten bagi parameternya bisa menggunakan
ketidaksamaan Chebyshevs dengan rumus :
Jika maka dikatakan penaksir adalah konsisten bagi parameternya.

Estimator yang Konsisten

CONTOH 1

Distribusi Uniform
kontinu

Misalkan suatu variabel X berdistribusi uniform Kontinu U(0, apakah

2merupakan estimator konsisten bagi parameter ?
Penyelesaian
Kita sudah memperoleh bahwa
Var ()=
Jadi, P
Misalkan c =
Sehingga: P
Dengan demikian 2 merupakan estimator konsisten bagi

Estimator yang
Konsisten
Distribusi
CONTOH 2

Eksponensial

Misalkan suatu variabel X berdistribusi Eksponensial Eks( apakah

merupakan estimator konsisten bagi parameter ?
Penyelesaian:
Var ()=
Jadi, P
Misalkan c =
Sehingga: P
Dengan demikian merupakan estimator konsisten bagi

Estimator yang
Konisten
CONTOH 3
Distribusi Normal

Misalkan suatu variabel X berdistribusi Normal N( dengan diketahui

apakah merupakan estimator konsisten bagi parameter ??
Penyelesaian:

Jadi
Misalkan:
Sehingga
Dengan demikian merupakan estimator konsisten bagi

Estimator yang Konsisten

Misalkan suatu variabel X berdistribusi Normal N( dengan diketahui apakah

merupakan estimator konsisten bagi parameter ??
Penyelesaian:

Jadi
Misalkan:
Sehingga
Dengan demikian merupakan estimator konsisten bagi