ESTIMASI (PENDUGAAN STATISTIK)

Mata Kuliah
Statistika Ekonomi
Fakultas Ekonomi

Oleh :
-Farrel Ilham // 049425189
-Fitri Afni Nurbaety // 045155059
-Heru Setiawan // 047890974
 ESTIMASI (PENDUGAAN STATISTIK)

Estimasi merupakan salah satu cara untuk

mengemukakan pernyataan induktif
(menyatakan karakteristik induk atau
populasi dengan mempergunakan
karakteristik yang didapat dari cuplikan
atau sampel).
• Π dan α² = Karakteristik Populasi
• dan S² = Statistik sampel acak
A. Anugerah dan klasifikasi sumber daya alam
 Sifat-sifat yang Diperlukan oleh Suatu Penduga yang
Baik (Pendugaan Statistik)
A. Tidak Bias
Statistika acak (penduga) dinyatakan dengan huruf Yunani dengan tanda topi
(^) di atasnya atau tanda yang lain (~ atau = misalnya).

Contoh atau yang lain, sedangkan untuk populasi tanpa tanda di atasnya.

Jadi adalah pendugaan yang tidak bias α dan hanya jika E() = α
Contoh 1:

E() = E() = µ
Rata-rata sampel adalah penduga yang tidak bias untuk rata-rata populasi µ
Contoh 2:

Untuk menduga nilai rata-rata simpangan kuadrat = ∑( - )²

Nilai ini, dalam jangka pajang akan memberikan nilai dugaan yang lebih kecil dibanding
targetnya α², varian populasi. Bila kita rubah sedikit, dengan membagi n-1, bukan dengan n-1
maka didapat Variance sample, S².
∑( - )²

Yang sudah dibuktikan tidak bias bila dipakai sebuah penduga nilai Varian Populasi σ²
Apabila kita memiliki dua penduga tidak bias dan misal rata-rata sampel dan median sampel,
untuk menduga nilai populasi µ
 B. Varian Terkecil: Efisiensi Dari Penduga Tidak Bias

Efisien Relatif terhadap

Sudah dibuktikan bila kita mempunyai sampel yang
berdistribusi normal, maka median sampel adalah penduga tak
bias untuk µ, dengan varian sebesar ( (). Penduga tak bias
rata-rata sampel varian . Berapa efisiensi relatif rata-rata
sampel dibanding median sampel, pada distribusi yang
normal. Rumus di atas dapat digunakan untuk menghitung
efisiensi relatif penduga rata-rata sampel, karena keduanya tak
bias. Relatif efisiensi penduga rata-rata sampel.

= 157%
 C. Rata-Rata Simpangan yang Terkecil; Efisien dari Setiap Penduga

Bila kita mempunyai tiga (misal) penduga,, , seperti gambar diatas.

1. Target (β). Di titik ini E ( = tak bias (dengan varian terbesar)

2. Letak E(). Selisih jarak dari 2 ke 1, merupakan nilainias dari penduga
3. Letak E( ). Selisih jarak 3 ke 1 merupakan nilai bias dari penduga
Intuisi kita untuk mengkombinasi bias yang kecil dan varian yang kecil
dapat dirumuskan untuk memilih penduga
Terbaik diantara semua macam penduga. Rumusan tersebut dinamakan
rata- rata simpangan kuadrat (RSK).
 D. Konsistensi

• Dengan menggunakan rumus 4.1.3B suatu penduga dikatakan konsisten bila

bias² = 0 dan σ² = 0 dan n→ ~ P (. Dengan gambar penduga ini
dikasatmatakan.
Contoh:
Apakah Merupakan penduga yang konsisten
untuk µ

Seperti ditunjukkan di depan E(µ, jadi bias = 0

dan varian
Bila n → ~ varian = 0. jadi jelas X adalah penduga
konsisten untuk µ.
KEGIATAN BELAJAR 2
A. Pendugaan titik (Tunggal) dan Rentang (Interval Estimation)
µ = 145, σ= 7,5 cm
95% derajat kepercayaan,
akan terletak di 145 -
akan terletak di 145 + 159,7
( 145-1,96x7,5 < 145 < 145+1,96x7,5 ) = 0,95
130,3 < 145 < 159,7 = 0.95
 √ 𝟏𝟔
8,8
 C. Pengertian Pendugaan Rentang Untuk Proporsi Populasi

1. Pendugaan Rentang Proporsi Populasi dengan Cuplikan Besar

Cuplikan Besar

Cuplikan Kecil
3. Pendugaan Rentang Proporsi Populasi dengan Cuplikan Kecil
4. Pendugaan Rentang untuk Beda Dua Proporsi dengan Cuplikan Besar
SEKIAN DAN TERIMA KASIH
MOHON MAAF JIKA ADA
KESALAHAN