Makalah PROSEDUR INFERENSI UNTUK SAMPEL TUNGGAL : SENSOR TIPE II

Disusun guna memenuhi tugas mata kuliah Analisis Data Uji Hidup

Dosen pengampu : Drs. Arief Agoestanto

Disusun oleh : Mufidatul Ulya Legenda Nusa (4150408012) (4150408013)

Matematika, S1 Fakultas Matematika dan Ilmu Pengetahuan Alam UNIVERSITAS NEGERI SEMARANG 2012

PROSEDUR INFERENSI UNTUK SAMPEL TUNGGAL : SENSOR TIPE II

A. Fungsi Parameter Fungsi distribusi eksponensial dengan parameter bentuk : ( Rata- rata ( mean) = kelompok sebelumnya). jika t1, t2, . . . , tn adalah sampel random dari likelihoodnya adalah : ( ) ( ) ( ), maka fungsi ) ( ) (sudah ditunjukkan oleh dapat dinyatakan dalam

dan fungsi hazard =

( )

( )

Sehingga persamaan Likelihoodnya menjadi :

Jadi,

Sehingga penduga kemungkinan maksimum (maximum likelihood estimate) dari adalah dengan . Setelah ini akan ditunjukkan bahwa T

adalah statistika cukup untuk Neyman.

. Disini akan digunakan Teorema Faktorisasi

Jika x1, x2, . . . , xn i.i.d ( cukup untuk

). Y1 = u1 ( x1, x2, . . . , xn) adalah statistik

, bila dan hanya bila dapat ditemukan k1 (.) > 1 dan k2 (.) > 0,

sedemikian sehingga : ( dimana, ( ) tak tergantung dari ( ) tergantung pada x lewat u1 Maka : ( ) ( ) ) [ ( )] ()

) statistik cukup

Karena k2(.) = 1 tidak tergantung dari , maka untuk . Sedangkan

berdistribusi Gamma dengan satu parameter yang

( )

sebanding dengan ( ) ( )

dan dapat dibuktkan sebagai berikut :

( ) ( ) ( )

( )

( )

Sehingga :

( )

Juga diperoleh hasil yang sama untuk sensor II. Misalkan hanya ada r observasi berurut, t(1) < t(2) < . . . < t(r) dari sampel yang berukuran n, maka fungsi kepadatan probabilitas bersama dari t(1) , t(2) , . . . , t(r) adalah : [
( )]

( )

[ ( )] [

( )]

][

][

()

( ) )]

Dengan ( )

()

( )

Sehingga fungsi likelihoodnya menjadi : ( ) ( ) konstantanya sama dengan nol. T juga statistik

Karena jika diturunkan terhadap cukup untuk .

Dari persamaan diatas dapat dicari estimasi

dengan menggunakan

metode penduga kemungkinan maksimum (maximum likelihood estimate) sebagai berikut : ( ) ( ) |

Sehingga diperoleh : MLE : Distribusi dari T dapat dicari dengan mengganti variabel variabel : ( ) ( )( ( ) ( ))

Dengan ( )

()

( )

Dan Jacobian adalah :

| ( ((
) (

( )

( )

( )| ( )|

) ))

| |

( )

( )

|
() () ()

| | |

( )

|
( )

| |
()

( ( )

)(

))

Fungsi kepadatan probabilitas fkp) bersama dari W1, W2, . . . , Wr adalah : [ ]

Teorema : Misalkan t(1), . . . , t(r) adalah observasi berurut pertama dari suatu sampel random berukuran n yang berdistribusi eksponensial, maka kuantitas W1, . . . , Wr, dimana: W1 = n t(1) Wi = (n i +1) (t(i) t(i-1) ) , i = 2, . . . , r

i.i.d dengan fkp distribusi eksponensial diatas. Sebagai akibat (corollary) dari teorema di atas, maka :
( )

B. Tes dan Interval Konfidensi Tes dan interval konfidensi untuk (pivotal quantity) , . Sebagai contoh : : dapat dicari dengan kuantitas pivot

Untuk uji dua sisi, interval konfidensi ( 1 ) u uk [ ]

[
( ) ( )

[
( ) ( )

Tes atau estimasi interval untuk karakteristik yang lain dari suatu distribusi didapat dengan cara yang sama, karena fungsi yang sederhana dari . Khususnya, interval konsidensi dan tes dapat diperoleh dari : a. konstanta hazard : b. fungsi survivor (reliabilitas ) pada waktu t0 : ( ) ( )

c. kuartil ke-p dari distribusi : ( ) ( )

7

( )

Sehingga : tp = -

) B( ), adalah i e val ko side si u uk ,

Khusus ya jika : A( ) maka : 1. 2. 3. [

( ) ( )

, adalah i e val ko fide si u uk ( ) * [ + )] ( )

* (

( )

( )

)] ( )