2003 Hubungan antara Estimator Bayes dengan Estimator Klasik pada Distribusi Peluang Diskret yang Khusus
TELAH DIPRT:tINIqSLi. l,]l pdDA SEI'IHj. I
JURUSA[,] f,-i,,1;tEt]:.rr j !,(A Fi.,iipA UNNES
TANGGAL 27 5:F] LI48IR ZCO3
l(!, i'uA FAi;it'iA
1r
|
^
(
/j--- l(a) Oinamakan Maximum Liketihaod Estimator(MLfl.
Pada definisi 2, seringkali akan lebih mudah tidak memaksimalkan (a) melainkan
tn(a). Hal ini dapat dilakukan karena r-(a) oan tnr-(a) mencapai maksimum pada 0
yang sama.
Definisi 3 (Elfessi& Reineke, 2OO1)
Estimator Bayes dari ddidefinisikan sebagai berikut
:
e t {e; x1, x2,..., x nY o
_t
ESTIMATOR KLASIK
1. Distribusi Bernoulli
Misal X1, X2,...,X,7 sampel acak dengan
Xi * Atll(,p), i= 1,2, ..., n.
Xi - BtN(,p) o t6i,p)= p'i (- pl-^i,
i = 1, 2, ..., n
Berdasarkan definisi 'l maka fungsi likelihood
r-(p)=
nn9,r,
:
n
IIf8r, p)=fIpr' (t- p)',r, = pi=1 (- p),-Zi,
i=l
i=1
Dengan menggunakan definisi 2 akan dicari Maximum Likelihood Estimatar
n(n\
tnt-(p)=
Ixi
tnp+l
n-Z*i
WLq.
ltn(t-p)
i=1
[ r=t )
(
n )
n'
Tx, ln-)'x,
atnr(p)_7=,'''
p
dp
1-p
I e')
Persamaan likelihood
I
:
n(n\
Ir, ir-Ir,
i=1 /_n
I
i=1 _\
-
1-b -"
b
t*,
^;a J=!A p-
n
Dengan menggunakan MLE maka diperoleh estimator klasik untuk
p ddah
1,,
+
2. Distribusi Binomial
Misal X1,X2,...,Xn sampel acakdengan X;
xi
-
BtN(n,p)
o f8,,ol=[i
]0.,
-
(- pY-'', i = 1, 2, ..., n
Berdasarkan definisi 1 maka fungsi likelihood
r(p)=
Blru(n,p), i = 1, 2, ..., n.
:
2.',
py -r =
rr(,,, o>y{x,Jr,, ( [g[x,)],
t oy' -
po.,
Dengan menggunakan definisi 2 akan dieari Maximum Likelihood Estimator
,nl(p) =
"[l[;,
n
*
m
2,,
)]
(^
n
o
WLq
*(n2-,r,.,1,*, - r,
)
Fx, lr'-1,*il
drnl(p)_7=,r'(
E',1
p
dp
1-p
Persamaan likelihood
i-i, _["
b
:
--t',)
1-b
=.
n
'
JURUSA[,] f,-i,,1;tEt]:.rr j !,(A Fi.,iipA UNNES
TANGGAL 27 5:F] LI48IR ZCO3
l(!, i'uA FAi;it'iA
1r
|
^
(
/j--- l(a) Oinamakan Maximum Liketihaod Estimator(MLfl.
Pada definisi 2, seringkali akan lebih mudah tidak memaksimalkan (a) melainkan
tn(a). Hal ini dapat dilakukan karena r-(a) oan tnr-(a) mencapai maksimum pada 0
yang sama.
Definisi 3 (Elfessi& Reineke, 2OO1)
Estimator Bayes dari ddidefinisikan sebagai berikut
:
e t {e; x1, x2,..., x nY o
_t
ESTIMATOR KLASIK
1. Distribusi Bernoulli
Misal X1, X2,...,X,7 sampel acak dengan
Xi * Atll(,p), i= 1,2, ..., n.
Xi - BtN(,p) o t6i,p)= p'i (- pl-^i,
i = 1, 2, ..., n
Berdasarkan definisi 'l maka fungsi likelihood
r-(p)=
nn9,r,
:
n
IIf8r, p)=fIpr' (t- p)',r, = pi=1 (- p),-Zi,
i=l
i=1
Dengan menggunakan definisi 2 akan dicari Maximum Likelihood Estimatar
n(n\
tnt-(p)=
Ixi
tnp+l
n-Z*i
WLq.
ltn(t-p)
i=1
[ r=t )
(
n )
n'
Tx, ln-)'x,
atnr(p)_7=,'''
p
dp
1-p
I e')
Persamaan likelihood
I
:
n(n\
Ir, ir-Ir,
i=1 /_n
I
i=1 _\
-
1-b -"
b
t*,
^;a J=!A p-
n
Dengan menggunakan MLE maka diperoleh estimator klasik untuk
p ddah
1,,
+
2. Distribusi Binomial
Misal X1,X2,...,Xn sampel acakdengan X;
xi
-
BtN(n,p)
o f8,,ol=[i
]0.,
-
(- pY-'', i = 1, 2, ..., n
Berdasarkan definisi 1 maka fungsi likelihood
r(p)=
Blru(n,p), i = 1, 2, ..., n.
:
2.',
py -r =
rr(,,, o>y{x,Jr,, ( [g[x,)],
t oy' -
po.,
Dengan menggunakan definisi 2 akan dieari Maximum Likelihood Estimator
,nl(p) =
"[l[;,
n
*
m
2,,
)]
(^
n
o
WLq
*(n2-,r,.,1,*, - r,
)
Fx, lr'-1,*il
drnl(p)_7=,r'(
E',1
p
dp
1-p
Persamaan likelihood
i-i, _["
b
:
--t',)
1-b
=.
n
'