PENDUGAAN

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

• Jika 𝛾 diketahui/ditetapkan nilainya, maka dapat dicari nilai a dan b

yang memenuhi !
• Misal 𝛾=0.95 , maka dapat ditentukan a dan b yang memenuhi
sehingga 𝑃 𝑌 < 𝑎 + 𝑃 𝑌 > 𝑏 = 1 − 0.95 = 0.05
𝛾 • Jka diinginkan 𝑃 𝑌 < 𝑎 = 𝑃 𝑌 > 𝑏 = 0.05/2 , maka dr table Chi-
2 2
square 𝑎 = 𝜒0.025(80) = 57.17 dan 𝑏 = 𝜒0.975(80) = 106.03

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

𝑃 ℎ1 (𝜃) < 𝑆 < ℎ2 (𝜃) = 1 − 𝛼, 0 < 𝛼 < 1

• Jika nilai 𝑆 = 𝑠 dapat diobservasi dari data sampel, maka kumpulan dari nilai-nilai
yang memenuhi ℎ1 (𝜃) < 𝑠 < ℎ2 (𝜃) akan merupakan selang kepercayaan bagi 𝜃
Note:
scr umum jika ℎ1 𝜃 𝑑𝑎𝑛 ℎ2 (𝜃) keduanya adalah
increasing function dari 𝜃, maka untuk sembarang
nilai s, 𝜃𝐿 adalah solusi dari ℎ2 𝜃𝐿 = 𝑠 dan
𝜃𝑈 adalah solusi dari ℎ1 𝜃𝑈 = 𝑠
Conservative Confidence Interval
• Kasus2 pada contoh sebelumnya adalah pd peubah acak kontinyu,
untuk pa acak diskrit dapat diterapkan general method 
conservative confidence interval
• Definisi :
Suatu selang kepercayaan θL , θU disebut 1 − α 100% conservative
confidence interval jika selang acaknya mengandung nilai parameter
yang sebenarnya dengan peluang paling kecil 1 − α

𝑃 ℎ1 (𝜃) < 𝑆 < ℎ2 (𝜃) ≥ 1 − 𝛼, 0<𝛼<1