Sifat-Sifat Kebaikan Penduga

Slides:



Advertisements
Presentasi serupa
Nilai p (p value) Stat Mat II 8/06/2011Rahma Fitriani, S.Si., M.Sc.
Advertisements

Uji Hipotesis yang Menggunakan Sebaran t Stat Mat II 25/05/2011Dr. Rahma Fitriani, S.Si., M.Sc.
7 Sebaran Penarikan Contoh/Sampel dan Penduga Titik Bagi Parameter.
Nilai p (p value) untuk uji Dua Arah STAT MAT II 15/06/2011Rahma Fitriani, S.Si., M.Sc.
Optimal Test: The Neyman-Pearson Lemma
Ekonometrika Program Studi Statistika Semester Ganjil 2011 Dr. Rahma Fitriani, S.Si., M.Sc.
VI. ESTIMASI PARAMETER Estimasi Parameter : Metode statistika yang berfungsi untuk mengestimasi/menduga/memperkirakan nilai karakteristik dari populasi.
Program Studi Statistika Semester Ganjil 2011
Proses Stokastik Semester Ganjil 2013/2014
Statistika Matematika I
Regresi dengan Respon Biner
Ekonometrika Program Studi Statistika, semester Ganjil 2012/2013 Dr. Rahma Fitriani, S.Si., M.Sc.
Sebaran Peluang bersyarat dan Kebebasan
Proses Stokastik Semester Ganjil 2013/2014
Statistika Matematika I Semester Ganjil 2011 Rahma Fitriani, S.Si., M.Sc.
Statistika Matematika 1
Agribusiness Study of Programme Wiraraja University
METODE STATISTIKA (STK211)
Kuliah ke 9 ESTIMASI PARAMETER SATU POPULASI
MODUL II ESTIMASI ATAU PENDUGAAN
Estimasi Topik Pembahasan: Konsep estimasi (pendugaan statistik)
METODE STATISTIKA (STK211)
MODUL X Kn Kn  ( Xij X ) = [( Xi. X ..) [( Xij X )
Program Studi Statistika Semester Ganjil 2012
Pendugaan Parameter Pendugaan rata-rata (nilai tengah)
Dr. Adji Achmad RF, S.Si, M.Sc
Program Studi Statistika, semester Ganjil 2012/2013
RAL (Rancangan Acak Lengkap)
PROBABILITAS dan DISTRIBUSI
Program Studi Statistika, semester Ganjil 2012/2013
Program Studi Statistika, semester Ganjil 2012/2013
Program Studi Statistika Semester Ganjil 2012
Program Studi Statistika, semester Ganjil 2012/2013
TEORI PENDUGAAN STATISTIK
Program Studi Statistika Semester Ganjil 2012
Agribusiness Study of Programme Wiraraja University
UKURAN PENYEBARAN Ukuran Penyebaran
Perbedaan Taksiran Nisbah dengan Rataan Per Unit
Agribusiness Study of Programme Wiraraja University
REGRESI LINIER BERGANDA
Program Studi Statistika, semester Ganjil 2012/2013
Agribusiness Study of Programme Wiraraja University
Agribusiness Study of Programme Wiraraja University
Sebaran Penarikan Contoh
Model Logit Untuk Respons Biner
Pendugaan Parameter Regresi Logistik
STATISTIKA 2 3. Pendugaan Parameter I OLEH: RISKAYANTO
4. Pendugaan Parameter II
Review Aljabar Matriks
Analisis Multivariat Program S2 Matematika Semester Genap 2011/2012
Model Linier untuk data kontinyu (lanjut)
Simulasi untuk Model-model Statistika
Pendugaan Parameter Statistika Matematika II
Model Linier untuk Data Kontinyu
Dr. Rahma Fitriani, S.Si., M.Sc
Principal Components Analysis (Pendekatan Sampel)
Multivariate Analysis
Program Studi Statistika Semester Ganjil 2014
Dualitas Antara Uji Hipotesis dan Selang Kepercayaan
Pengantar Teori Peluang Semester Genap 2011/2012
Uji Hipotesis Pada Sampel berukuran besar
Pendugaan Parameter Statistika Matematika II
Uji Hipotesis Dua Ragam
Analisis Multivariat Program S2 Matematika Semester Genap 2011/2012
Sifat-sifat Kebaikan Penduga (lanjut)
Sifat-sifat kebaikan penduga Latihan 1
Uji Hipotesis yang melibatkan Ragam
Model Sediaan Probabilistik (lanjutan)
Statistika Matematika 1
Statistika Matematika II Semester Genap 2011/2012
Transcript presentasi:

Sifat-Sifat Kebaikan Penduga STAT MAT II Semester Genap 2011/2012 Dr. Rahma Fitriani, S.Si., M.Sc.

Dr. Rahma Fitriani, S.Si., M.Sc. Ketidakbiasan Ketepatan Keragaman yang minimum (MVUE) Keakuratan Batas bawah Cramer Rao Efisiensi relatif Konsistensi Kebaikan penduga untuk n→∞ Limit ragam menuju nol untuk n→∞ Dr. Rahma Fitriani, S.Si., M.Sc.

Dr. Rahma Fitriani, S.Si., M.Sc. Kecukupan Seluruh informasi tentang parameter tercakup di dalam penduga Faktorisasi fungsi likelihood Kecukupan Minimum dan Penduga tak Bias dengan MVUE Penggunaan statistik cukup Metode Lehman Scheffe: penduga ditentukan dari rasio dua fungsi likelihood Dr. Rahma Fitriani, S.Si., M.Sc.

Sebaran Penarikan Contoh Bagi Beberapa Penduga λ=5 sebaran Poisson Tepat pada λ=5, tapi kurang akurat Tepat pada λ=5 Tidak tepat pada λ=5 Tidak tepat pada λ=5 Dr. Rahma Fitriani, S.Si., M.Sc.

Ketidakbiasan: Ukuran Ketepatan Definisi: Nilai harapan penduga sama dengan nilai parameter → Tidak Bias Bias: Selisih antara nilai harapan dengan nilai parameter Dr. Rahma Fitriani, S.Si., M.Sc.

Dr. Rahma Fitriani, S.Si., M.Sc. Contoh 1: Terdapat tiga penduga bagi θ : Tentukan sifat ketidakbiasan bagi ketiga penduga tersebut! Dr. Rahma Fitriani, S.Si., M.Sc.

Dr. Rahma Fitriani, S.Si., M.Sc. Penduga pertama: Sifat iid dari X Nilai harapan dari X Tidak Bias Dr. Rahma Fitriani, S.Si., M.Sc.

Dr. Rahma Fitriani, S.Si., M.Sc. Penduga kedua: Sifat iid dari X Nilai harapan dari X Tidak Bias Dr. Rahma Fitriani, S.Si., M.Sc.

Dr. Rahma Fitriani, S.Si., M.Sc. Penduga ketiga: Sifat iid dari X Nilai harapan dari X Tidak Bias Dr. Rahma Fitriani, S.Si., M.Sc.

Dr. Rahma Fitriani, S.Si., M.Sc. Contoh 2: Penduga kemungkinan maksimum bagi θ adalah rata-rata sampel: Tentukan sifat ketidakbiasan bagi penduga kemungkinan maksimum tersebut! Dr. Rahma Fitriani, S.Si., M.Sc.

Dr. Rahma Fitriani, S.Si., M.Sc. Rata-rata sampel: Sifat iid dari X Nilai harapan dari X Tidak Bias Dr. Rahma Fitriani, S.Si., M.Sc.

Dr. Rahma Fitriani, S.Si., M.Sc. Contoh 3: Peubah acak X jumlah sukses dari n percobaan Diberikan penduga bagi p: Sifat ketidakbiasan bagi penduga tersebut: Tidak Bias Dr. Rahma Fitriani, S.Si., M.Sc.

Dr. Rahma Fitriani, S.Si., M.Sc. Contoh 4: Dengan memanfaatkan sifat: di mana: Akan dibuktikan bahwa: Adalah penduga yang bias bagi σ2 Dr. Rahma Fitriani, S.Si., M.Sc.

Dr. Rahma Fitriani, S.Si., M.Sc. Berdasarkan sifat peubah acak V: Yang telah dimodifikasi: Dr. Rahma Fitriani, S.Si., M.Sc.

Dr. Rahma Fitriani, S.Si., M.Sc. Penentuan sifat ketakbiasan berdasarkan sifat nilai harapan penduga: Selain V adalah konstanta Sifat nilai harapan bagi V: E(V)= n - 1 Penduga yang bias Dr. Rahma Fitriani, S.Si., M.Sc.

Dr. Rahma Fitriani, S.Si., M.Sc. Bias bagi penduga tersebut dapat dihitung sebesar: Perkalian dengan konstanta yang tepat dapat menghasilkan penduga yang tak bias Menghilangkan konstanta di ruas kiri Dr. Rahma Fitriani, S.Si., M.Sc.

Dr. Rahma Fitriani, S.Si., M.Sc. Sifat Konstanta pada nilai harapan Jika didefinisikan: Maka: Dr. Rahma Fitriani, S.Si., M.Sc.

Dr. Rahma Fitriani, S.Si., M.Sc. S2 adalah penduga tak bias bagi σ2 Perhatikan bahwa dari hubungan sebelumnya: Penduga yang umum dipakai Dr. Rahma Fitriani, S.Si., M.Sc.

Dr. Rahma Fitriani, S.Si., M.Sc. Kuadrat Tengah Galat (Mean Squared Error: MSE) dan Keragaman: Ukuran Keakuratan Ukuran ketersebaran sebaran penarikan contoh bagi suatu penduga θ Definisi: Dapat dibuktikan bahwa MSE terdiri dari dua komponen, ragam dan kuadrat dari bias Dr. Rahma Fitriani, S.Si., M.Sc.

Dr. Rahma Fitriani, S.Si., M.Sc. Bukti: Penguraian kuadrat Sifat nilai harapan Penambahan/pengurangan suku kuadrat dari E(θ )untuk membawa ke definisi ragam Dr. Rahma Fitriani, S.Si., M.Sc.

Dr. Rahma Fitriani, S.Si., M.Sc. Jika penduga tersebut adalah penduga yang tidak bias (Bias = 0), maka MSE tereduksi menjadi ragam dari penduga: Dr. Rahma Fitriani, S.Si., M.Sc.

Dr. Rahma Fitriani, S.Si., M.Sc. Contoh 5: Rata-rata adalah penduga tak bias bagi µ sebaran normal Maka MSE bagi rata-rata adalah ragamnya Tidak bias Dr. Rahma Fitriani, S.Si., M.Sc.

Dr. Rahma Fitriani, S.Si., M.Sc. Sifat ragam dan i.i.d Definisi ragam dari sebaran normal Dr. Rahma Fitriani, S.Si., M.Sc.