STATISTIK MATEMATIKA II

METODE
PENAKSIRAN KLASIK

UNIVERSITAS NEGERI MEDAN

KELOMPOK 2
 Penaksir Tak Bias
 .
 penaksir dengan nilai taksiran
Misalkan adalah dari


parameter populasi yang tidak diketahui μ. Kita menginginkan
distribusi sampling mempunyai rataan sama dengan
parameter yang ditaksir. Penaksir yang memiliki sifat seperti
ini disebut dengan tak bias.

Statistik dikatakan penaksir takbias parameter bila

   E    
  
 Penaksir Tak Bias

Contoh :
Tunjukkan bahwa S2 merupakan penaksir takbias parameter
2 .
.

Penyelesaian..
2

 X 
n

i X
S2  I 1

n 1
  n 2


 Xi  X  
E S 2   E  I 1 
 n 1 
 
 

 n 2

 
  X i     X    
 E  I 1 
 n 1 
 
 
 n
 i   X   2
  
 2 X   X i     X    
2

 E  I 1 
 n 1 
 
  n
   2

n

 i  X   2
 2 X     X i     n X   
 E I 1 i 1

 n 1 
 
 n 2
 i  X   2
 2 X 
 n
 
 X i  n 

  
n X    
 E I 1  i 1  
 n 1 
 
 
 n
 i  X   2
 2 X   
n X  n    
n X  
2
 
 E I 1

 n 1 
 
 n
 i  X   2
 2 n X 
  X
    
n X  
2
 
 E I 1

 n  1 
 
  
n
2
 E X i     nE X  
2

 I 1
n 1
2
n

  2
n
n
 I 1
n 1
2

n 2  n
 n
n 1


n  1 2
n 1
2
 Variansi Penaksir Titik
 
1 2 
Bila dan dua penaksir takbias parameter populasi
yang sama, maka kita akan memilih penaksir   yang
2
  variansi
2

1 2
distribusi teroknya paling kecil. Jadi, bila
 , maka
1 

dikatakan bahwa penaksir yang lebih efisien daripada .
2
Dari semua penaksir tak bias  yang mungkin dibuat,
penaksir yang memberikan variansi terkecil disebut penaksir
yang paling efisien.

 Penaksiran Selang (Interval)
Bila nilai parameter dari populasi hanya ditaksir


dengan memakai beberapa nilai statistik  yang berada dalam

suatu interval, maka statistik disebut penaksir selang.


Derajat kepercayaan penaksir  disebut koefisien

kepercayaan yang ditulis dengan α dimana 0 < α < 1 dan
 
dinyatakan dalam bentuk peluang. Bila misalnya  1 dan  2
dicari sehingga memenuhi
  
P( 1 <  <  2 ) = 1 – α
 Makin lebar selang kepercayaan makin yakin
pula kita bahwa selang tersebut mengandung
parameter yang tak diketahui.
 KESIMPULAN
Ada dua cara yang digunakan untuk mengetahui parameter
populasi yaitu dengan cara penaksiran dan dengan cara pengujian
hipotesis. Parameter populasi ditulis dilambangkan dengan θ
(dibaca tetha) dimana θ bisa merupakan rata-rata populasi (yaitu
μ), simpangan baku populasi (yaitu σ), dan bisa pula proporsi
populasi (yaitu p) pada percobaan binomial. Dari semua penaksir
tak bias θ yang mungkin dibuat, penaksir yang memberikan
variansi terkecil disebut penaksir θ yang paling efisien. Semakin
lebar selang kepercayaan, semakin yakin pula kita bahwa selang
tersebut mengandung parameter yang tak diketahui.