Teori Peluang dan Statistika Komputasi E (1)
Indira Puteri Kinasih(20110006)
Tugas III - TEORI PELUANG DAN STATISTIKA (AK5103) th
Sumber : Introduction to Mathematical Statistics 6 Edition Dosen Pengampu : Prof. DR. Sutawanir Darwis
“Komputasi Estimasi Maximum Likelihood pada Distribusi Logistik”
Misalkan
X , X , ... , X adalah peubah acak yang berdistribusi identik dan independen n
1
2
dengan fungsi densitas yaitu
exp x f x , , x ,
2 1 exp
x
(1) Metode estimasi Maximum Likelihood dapat digunakan untuk memperoleh estimasi parameter
, , ˆ , yaitu dengan terlebih dulu mengkonstruksi fungsi likelihood dari f x yaitu n
L x , f x , i i i
n
1
exp x
i
2 i
1 exp
1 x i
(2) Untuk memudahkan estimasi, kita akan mengambil bentuk logaritma dari persamaan (2), sehingga menjadi n
exp x
i
ln L x , ln i i2 1 exp n 1 x
i
2 ln exp x l n 1 exp x
i i i
1 n n n
X 2 ln 1 exp x
i i
1 l
(3) Selanjutnya, kita akan menurunkan persamaan (3) terhadap , yaitu n
l exp x
i n
2
1 exp x i
1 i
(4) Kita juga akan melihat bentuk turunan kedua persamaan (3) terhadap , apakah bentuk
l
turunan tersebut bernilai negatif, untuk memastikan bahwa nantinya solusi dari adalah maksimum.
2 n
exp 1 exp exp exp l x x x x i i i i
2
2
2
i
1
1 exp x n i exp
x
i
2
2 i
1 exp x
1 i
(5)
Selanjutnya persamaan (4) disamadengankan nol, sehingga diharapkan kita memiliki solusi eksplisit dari
l
n exp
x i
2
n i
1 exp x n 1 i exp
n x
i
2 i 1 exp x
1 i
(6) Terlihat pada persamaan (6) bahwa kita tidak dapat memperoleh solusi eksplisit dari , sehingga diperlukan suatu metode numerik untuk mendapatkan solusi aproksimasi persamaan (6), yang nantinya disebut sebagai estimator
ˆ . Dalam hal ini, kita akan menggunakan metode numerik Newton-Raphson, dengan formula sebagai berikut :
l
i
i 1 i
l i
(7) Iterasi akan dilakukan dengan memberikan inisiasi pada nilai median
X , yaitu nilai
tengah dari 100 data acak berdistribusi logistik yang telah dibangkitkan dengan menggunakan bantuan MINITAB, menggunakan parameter .
5 . Nantinya, melalui
metode numerik Newton-Raphson, akan dilihat apakah aproksimasi nilai , yaitu ˆ dapat mendekati nilai parameter yang sebenarnya, yaitu .
5 .
Berikut disertakan R listing code metode Newton-Raphson :
#METODE NEWTON UNTUK APROKSIMASI ESTIMASI MAXIMUM LIKELIHOOD UNTUK #SUATU DATA BERDISTRIBUSI LOGISTIK
- read.table(file("logistik.dat", encoding="latin1")); V1<-scan("logistik.dat", skip = 1, quiet= TRUE); mlelogisticfunc=function(V1,toler=.001){} toler=.001; startvalue=median(V1);
- #Menghitung turunan pertama dari Log Likelihood firstderivll=n-2*sum(exp(-V1+thetahatcurr)/(1+exp(-V1+thetahatcurr))) #menghitung turunan kedua dari fungsi Log Likelihood secondderivll=-2*sum(exp(-V1+thetahatcurr)/(1+exp(-V1+thetahatcurr))^2); #Melanjutkan metode Newton hingga turunan pertama dari fungsi likelihood #dengan toleransi = .001 while(abs(firstderivll)>toler){} #Pemakaian metode Newton untuk memperbarui perhitungan nilai theta
thetahatnew=thetahatcurr-firstderivll/secondderivll; thetahatcurr=thetahatnew; list(thetahat=thetahatcurr); $thetahat [1] 0.3575809 Dari hasil keluaran komputasi, diperoleh ˆ 0.3575809 . Nilai ini mendekati parameter
ˆ . 5 .