Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more
Download
Standard view
Full view
of .
Save to My Library
Look up keyword
Like this
2Activity
0 of .
Results for:
No results containing your search query
P. 1
Makalah Inferensi Bayesian Untuk Normal Mean

Makalah Inferensi Bayesian Untuk Normal Mean

Ratings: (0)|Views: 131 |Likes:
Published by Dhini Azzahra

More info:

Published by: Dhini Azzahra on Apr 18, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

10/04/2013

pdf

text

original

 
1
BAB IPENDAHULUAN
1.1
 
Latar BelakangMetode statistik adalah prosedur-prosedur yang digunakan dalam pengumpulan, penyajian, analisis, dan penafsiran data. Dalam penggunaan statistika terdapat tiga bagianutama, yaitu statistika deskriptif, probabilitas (peluang) dan statistika inferensi. Statistikadeskriptif bertujuan untuk menyajikan informasi data sebagai deskripsi fakta dalam bentuk numerik, tabel, grafik atau kurva distribusi, sehingga suatu fakta atau peristiwa dapat secaramudah untuk dipahami dan disimpulkan. Sedangkan statistika inferensi menggunakankonsep probabilitas untuk membuat perkiraan, prediksi, peramalan, ataupun generalisasi darisuatu objek berdasarkan informasi data yang diambil fakta sebagai populasi atau sampel(Mustafid, 2003). Inferensi statistik dapat dibedakan menjadi dua yaitu estimasi parameter dan uji hipotesis. Estimasi parameter dibedakan menjadi dua yaitu estimasi parameter titik dan estimasi parameter berupa interval. Inferensi statistik dapat dicari dengan metode klasik dan metode Bayes (Walpole dan Myers, 1995).Pada suatu penelitian terkadang diamati karakteristik dari sebuah populasi. Beberapamacam ukuran statistik digunakan untuk mengetahui karakteristik dari populasi, misalnyarataan, varian, median, atau proporsi. Pada inferensi statistik ingin diperoleh kesimpulanmengenai populasi, meskipun tidak praktis untuk mengamati keseluruhan individu yangmenyusun populasi atau tidak mungkin jika populasinya tak hingga. Dengan berbagaiketerbatasan dan kendala, tidak dimungkinkan mengamati keseluruhan dari elemen populasi,maka dapat dilakukan langkah alternatif yaitu pendugaan populasi dengan menggunakansampel yang diambil secara acak dari sebuah populasi. Pada teori estimasi titik dapatdilakukan dengan dua metode yaitu metode klasik dan metode Bayes. Metode klasik sepenuhnya mengandalkan proses inferensi pada data sampel yang diambil dari populasi,sedangkan metode Bayes disamping memanfaatkan data sampel yang diperoleh dari populasi juga memperhitungkan suatu distribusi awal yang disebut distribusi prior (Walpole danMyers, 1995). Salah satu teknik yang digunakan dalam metode klasik adalah metodemaksimum likelihood. Metode klasik memandang parameter sebagai besaran tetap yang tidak diketahui harganya, dan inferensi didasarkan hanya pada informasi dalam sampel. MetodeBayes memandang parameter sebagai variabel yang menggambarkan pengetahuan awaltentang parameter sebelum pengamatan dilakukan dan dinyatakan dalam suatu distribusi yang
 
2
disebut dengan distribusi prior (Bolstad, 2007). Setelah pengamatan dilakukan, informasidalam distribusi prior dikombinasikan dengan informasi dengan data sampel melalui teoremaBayes, dan hasilnya dinyatakan dalam bentuk distribusi yang disebut distribusi posterior yangselanjutnya menjadi dasar untuk inferensi di dalam metode Bayes (Berger, 1990).Teorema Bayes memungkinkan seseorang untuk memperbaruhi keyakinannyamengenai sebuah parameter setelah data diperoleh. Sehingga dalam hal ini mengharuskanadanya keyakinan awal (prior) sebelum memulai inferensi. Pada dasarnya distribusi prior bisadiperoleh berdasarkan keyakinan subjektif dari peneliti itu sendiri mengenai nilai yangmungkin untuk parameter yang diestimasi, sehingga perlu diperhatikan bagaimana caramenentukan prior.1.2
 
Rumusan MasalahPermasalahan-permasalahan yang akan dibahas dalam penulisan ini adalah :1.
 
Bagaimana
 
teorema Bayes untuk normal mean dengan prior diskrit
 
?2.
 
Bagaimana teorema Bayes untuk normal mean dengan prior kontinu ?3.
 
Bagaimana memilih normal prior ?4.
 
Bagaimana Credible interval untuk normal mean ?5.
 
Bagaimana memprediksi kepadatan untuk pengamatan berikutnya ?1.3
 
Tujuan PenelitianTujuan dari pembuatan makalah ini adalah sebagai berikut :1.
 
Untuk mengetahui bagaimana teorema Bayes untuk normal mean dengan prior diskrit.2.
 
Untuk mengetahui bagaimana teorema Bayes untuk normal mean dengan prior kontinu.3.
 
Untuk mengetahui bagaimana memilih normal prior.4.
 
Untuk mengetahui bagaimana Credible interval untuk normal mean.5.
 
Bagaimana memprediksi kepadatan untuk pengamatan berikutnya.
 
3
BAB IIPEMBAHASAN
Banyak variabel acak yang tampaknya berdistribusi normal, setidaknya mendekati.Alasan di balik teorema limit pusat menunjukkan mengapa demikian. Ada beberapa variabelacak yang mana jumlahnya mendekati tak hingga akan membentuk variabel acak yangindependen yang menyebabkan dia mendekati distribusi normal. Bentuk dari setiap individudari variabel acak "rata-rata yang dihasilkan" mendekati ke bentuk normal. Sampel data dari jumlah distribusi tersebut akan dilakukan pendekatan oleh distribusi normal. Dalam pembahasan ini kita menunjukkan bagaimana inferensi Bayesian pada sampel acak daridistribusi normal.
2.1 TEOREMA BAYES UNTUK RERATA NORMAL DENGAN PRIOR DISKRITPengamatan Tunggal
Kita akan melakukan pengamatan tunggal dari fungsi kepadatan peluang (fkp) bersyarat distribusi normal f(yl
) dengan varians diketahui
. Ada sejumlah mkemungkinan nilai
,. . . ,
untuk mean. Kita akan memilih distribusi probabilitas prior diskrit yang hasilnya akan kita gunakan sebagai parameter, sebelum kita melakukan pengamatan. Jika kita sama sekali tidak memiliki informasi mengenai prior, kemungkinankita akan memberikan kemungkinan yang sama untuk semua prior.Likelihood memberikan perbandingan bobot dari semua nilai-nilai parameter yang berdasarkan kemungkinan dari data observasi yang diberikan pada masing
 – 
masing nilai parameter. Posterior sebanding kali prior 
likelihood. 
Likelihood dari Pengamatan Tunggal
 Pengamatan distribusi bersyarat dari y|
adalah normal dengan mean
dan varians
 diketahui. Fungsi kepadatan peluangnya adalah

You're Reading a Free Preview

Download
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->