Teknik bayes menggunakan distribusi awal f( ) bersama
dengan distribusi gabungan terok f(x1,x2,...,xn;
), untuk
menghitung dstribusi pasca f( | x1,x2,...,xn).
Tulislah f(x1,x2,...,xn| ) sebagai pengganti f(x1,x2,...,xn; )
untuk distribusi peluang gabungan terok bilamana ingin
menunjukkan bahwa parameter juga merupakan peubah acak.
Distribusi gabungan terok x1,x2,...,xn dan parameter adalah:
f(x1,x2,...,xn; ) = f(x1,x2,...,xn| ) f( ).
f ( x1 , x2 ,..., xn ; )
f ( | x1 , x2 ,..., xn )
g ( x1 , x2 ,..., xn )
x1 , x|2 ,..., xn )
Rataan distribusi pasca f( dinyatakan
dengan *, disebut taksiran bayes untuk .
Contoh soal
Misalkanlah distribusi awal untuk proporsi banyaknya
yang cacat p, yang dihasilkan suatu mesin adalah
P 0,1 0,2
2
f (1 | 0,2) b(1;2,0,2) (0,1)(0,8) 0,32.
1
Karena f(x,p) = f(x|p) f(p), maka tabel berikut dapat
dibuat.
P 0,1 0,2
P 0,1 0,2
2 2
n x 02 0 2 * 0
*
n 02 2 n 02 2
• Bukti
Kalikan fungsi padat dari terok xi ~ N ( , 2 )
2
x1 ~ N ( , 2 )
1 x
2 1
2
x2 ~ N ( , 2 )
f ( x, , ) e
2
2 2
1 x 1 x
1 1 1 2
f ( x1 , x 2 ; , 2 ) e 2
e 2
2 2
1 x 2 1 x 2
1 2
1 2 2
2
e
2
1 n x 2
1
2
i
i 1
e
2 2
Dari sini kita peroleh untuk f ( x1 , x2 ,..., xn ; , 2 )
1 n x 2
1
1 2 11
f ( x1 , x 2 ,..., x n | ) n/2 n
e
(2 ) .
1 n x 2 ( 0 )
2
1
1 2
11 1 (1 / 2 )
0
f ( x1 , x 2 ,..., x n ; ) n/2 n
e e
(2 ) . 2 0
1 n x 2 1 ( ) 2
0
1
1 2 11 2 0
n 1
e
(2 ) 2
. n 0
Di pasal diatas telah dibuktikan identitas
n n
i
( x
i 1
) 2
i
[( x
i 1
x ) ( x ) ] 2
n
[( xi x) 2 2( xi x)( x ) ( x ) 2 ]
i 1
n
( xi x ) 2 0 n( x ) 2 ]
i 1
n
( xi x ) 2 n( x ) 2 ]
i 1
n
n
i 1
( x i x )( x ) ( x )
i 1
x i x
Catatan
( x )( nxi nxi )
0
Sehingga dapat kita tulis
1 1
n 1 2
. 2 ( xi x ) 2 n ( x ) 2 0
1 2 i 1
2 0
f ( x1 , x2 ,..., xn ; ) ( n 1) / 2 n
e ,
(2 ) 0
2 2
1 x 1 0
n 2
xi x
1
2
n 2
0
i 1
f ( x1 , x2 ,..., xn ; ) ( n 1) / 2 n
e
,
(2 ) 0
Bila bentuk kuadrat pada eksponen yang kedua
dilengkapi maka fungsi padat gabungan dari terok acak dan
rataan populasi dapat ditulis dalam bentuk.
(1 / 2 ) ( *) / *2
f ( x1 , x2 ,..., xn , ) ke ,
Dengan:
n x 02 0 2 02 2
* dan *
n 2
2
0
n 02 2
Dan K suatu fungsi dari nilai terok dan parameter
yang diketahui.Distribusi pias dari terok menjadi:
1 (1/ 2 ) ( *) / *2
g ( x1 , x2 ,..., xn ) k 2 * e d
2 *
k 2 *,
f ( x1 , x 2 ,..., x n ; )
f ( | x1 , x 2 ,..., x n )
g ( x1 , x 2 ,..., x n )
1 (1 / 2 ) ( *) / *2
e ,
2 *
Untuk menghitung dan menurut rumus pada
Teorema, kita misalkan diketahui. Karena hal ini
biasanya tidak berlaku , maka diganti dengan variansi
terok bila n 30 . Rataan pasca adalah adalah
taksiran Bayes dari rataan populasi dan selang Bayes (1
) 100% untuk dapat dibuat dengan menghitung selang
* z / 2 * * z / 2 *
Yang dipusatkan pada rataan pasca dan mengandung (1
)100% dari peluang pasca.
Contoh Soal
100 100
780 (1,96) 780 (1Atau
,96) 740,8 819,2
25 25
KESIMPULAN
Dengan distribusi peluang f( )
dan ingin ditaksir nilai
tertentu untuk populasi yang diambil teroknya. Teknik
bayes menggunakan distribusi awal f( ) bersama
dengan distribusi gabungan terok f(x1,x2,...,xn; ), untuk
menghitung dstribusi pasca f( | x ,x ,...,x ).
1 2 n