SELANG/INTERVAL
PERTEMUAN 6-8
Latar Belakang
• “Baik” atau “tidaknya” suatu penduga titik (𝜃መ = 𝑔(𝑋1 , 𝑋2 , … , 𝑋𝑛 )akan
sangat tergantung dari nilai varians/MSE penduga yg dimiliki
መ
(MSE(𝜃),
• Semakin kecil nilai varian/MSE secara intutitif dapat dikatakan dengan
semakin besar peluangnya penduga yg dimiliki mendekati nilai
parameter/fungsi parameter (𝜃 𝑎𝑡𝑎𝑢 𝜏(𝜃)) yang akan diduga,
• Untuk penduga titik, jika X peubah acak kontinyu maka
P 𝜃መ = 𝜃 = 0
• Besaran nilai peluang bisa diekspresikan penduga interval
Ilustrasi Penduga Interval
Ilustrasi Penduga Interval
• Nilai peluang akan dihitung dari distribusi peluang 𝑋ത atau fungsi dari 𝑋ത
2 σ𝑛
𝑖=1 𝑋𝑖 2𝑛𝑋ത 2
• Dengan MGF, dapat diturunkan bahwa Y = = ~𝜒(2𝑛) fd dr 𝑋
𝜃 𝜃
2𝑛𝑋ത
• Misal diinginkan 𝑃 𝑎 < < 𝑏 = 𝛾 ,0 < 𝛾 < 1
𝜃
a b
Ilustrasi Penduga Interval
2 80𝑋ത 2
•𝑃 𝜒0.025(80) < < 𝜒0.975(80) = 0.95,
𝜃
2 2
𝜒0.025(80) 1 𝜒0.975(80)
•𝑃 < < = 0.95,
80𝑋ത 𝜃 80𝑋ത
80𝑋ത 80𝑋ത
•𝑃 2 >𝜃> 2 = 0.95,
𝜒0.025(80) 𝜒0.975(80)
atau
80𝑋ത 80𝑋ത
•𝑃 2 <𝜃< 2 = 0.95, random interval
𝜒0.975(80) 𝜒0.025(80)
Jika nilai 𝑥ҧ diperoleh 95% confidence limit untuk 𝜃 adalah
80𝑥ҧ 80𝑥ҧ
2 , 2
𝜒0.975(80) 𝜒0.025(80)
Contoh:
• Jika terdapat n sampel acak yang berasal dari populasi yg berdistribusi
𝐸𝑋𝑃 𝜃 , tentukan 100𝛾% one sided lower confidence limit untuk 𝜃.
Jawab:
2𝑛𝑋ത 2 2𝑛𝑋ത 2
𝑃 < 𝜒𝛾(2𝑛)
= 𝛾, dengan ~𝜒(2𝑛)
𝜃 𝜃
2𝑛𝑋ത
𝑃 2 <𝜃 =𝛾
𝜒𝛾(2𝑛)
• Jika nilai 𝑥ҧ diperoleh, maka 100𝛾% one sided lower confidence limit untuk
2𝑛𝑥ҧ
𝜃 adalah 𝑙 𝒙 = 2 .
𝜒𝛾(2𝑛)
• Secara similar 100𝛾% one sided lower confidence limit untuk 𝜃 adalah
2𝑛𝑥ҧ
𝑢 𝒙 = 2 .
𝜒1−𝛾(2𝑛)
Pivotal Quantity Method
Pivotal Quantity Method
• Apabila dalam suatu fungsi pdf dapat dicirikan apakah mengandung
location parameter (parameter lokasi), scale parameter (parameter
skala/dispersi) atau keduanya, maka dapat ditentukan suatu Pivotal
Quantity guna memperoleh penduga interval dari parameter tersebut
• Review (Bab 3 Bain & Engelhart)
GENERAL METHOD (GM)
• GM digunakan jika pivotal quantity tidak tersedia
• Gunakan suatu statistik yang distribusi samplingnya tergantung pada nilai
parameter tersedia (exist)
• Sampel acak 𝑋1 , 𝑋2 , … , 𝑋𝑛 ~ 𝑓𝑋 (𝑥; 𝜃) dan S = 𝑔(𝑋1 , 𝑋2 , … , 𝑋𝑛 ) ~ 𝑓𝑆 (𝑠; 𝜃)
• S umumnya adalah Sufficient Statistics atau MLE
• 1 − 𝛼 100% confidence interval dapat diturunkan melalui distribusi S (𝑓𝑆 (𝑠; 𝜃)),
yaitu:
𝑃 𝑠1 < 𝑆 < 𝑠2 = 1 − 𝛼, 0 < 𝛼 < 1
Jika nilai 𝑠1 = ℎ1 (𝜃) dan 𝑠2 = ℎ2 (𝜃) , maka