You are on page 1of 11

# Dr. Suparman, M.Si.

, DEA
Penaksir BayesdanInterval KepercayaanBayes :
Misalkan
n 2 1
x , , x , x
menyatakan sampel random yg diambil dari suatu
) x ( f 0
dimana
0
Jika ) (0 t menyatakandistribusi prior utk
0
maka
Makamenurut TeoremaBayes, distribusi posterior utk 0
1
= 0 t ) x , , x , x (
n 2 1

0 0 t 0
}
0 t 0
d ) ( ) x , , x , x ( f
) ( ) x , , x , x ( f
n 2 1
n 2 1

jika
0
Kontinudan
= 0 t ) x , , x , x (
n 2 1

) ( ) x , , x , x ( f
) ( ) x , , x , x ( f
n 2 1
n 2 1
0 t 0 _
0 t 0

jika 0 diskrit.
1. Penaksir bayes untuk
posterior.
2. Interval kepercayaan 100(1-
)% utk didasarkan pd
distribusi posterior.
Dr. Suparman, M.Si., DEA
Notasi
Notasi berarti sebanding
dengan.
Contoh :
3
x 2 ) x ( f =
3
x ) x ( f
4
yx 3 ) y x ( f =
4
x ) y x ( f
4
yx 3 ) x y ( f =
y ) x y ( f
2
4
yx 3 ) x y ( f =
y ) x y ( f
! x
e
) x ( f
x
0
= 0
0
! x
) x ( f
x
0
0
|

o
o
o I |
= | o
x
1
e x
) (
1
) , x ( f
|

o
| o
x
1
e x ) , x ( f
1 1
) x 1 ( x
) ( ) (
) (
) , x ( f
| o

| I o I
| + o I
= | o
1 1
) x 1 ( x ) , x ( f
| o
| o
x
e ) x ( f
0
0 = 0
x
e x f

) (
Dr. Suparman, M.Si., DEA
= 0 t ) x , , x , x (
n 2 1

[
=
0 _
0
=
n
1 i
i
x
n
! x
e
n
1 i
i
b / 1 a
a
e
) a ( b
1
0
0
I [
_
0
}
=
0

=
n
1 i i
x
n
0
! x
e
n
1 i
i
0 0
I
0
d e
) a ( b
1
b / 1 a
a
3
_
0
=
0
n
1 i
i
x
n
e
b / 1 a
e
0
0 0 t ) x , , x , x (
n 2 1

Dr. Suparman, M.Si., DEA
Contoh 4.30 hal 96 :
Dari suatu populasi yangberdistribusi Poisson,
diambil sampel random x
1
, x
2
, .., x
n
.
Misalkan bahwa distribusi prior untuk
a. Distribusi posterior dari parameter
b. Estimator bayesuntuk
c. Interval kepercayaan bayesian 100(1-)%
untuk
Jawab:
! x
e
) x ( f
x
0
= 0
0
>0 danx=0,1,2,
b / 1 a
a
e
) a ( b
1
) (
0
0
I
= 0 t
4
b / 1 a
a
e
) a ( b
1
) (
0
0
I
= 0 t
>0, b>0, dana>0
Sehingga
) x ( f ) x , , x , x ( f
i
n
1 i n 2 1
0
[
= 0
=

! x
e
i
x
n
1 i
i
0
[
=
0
=
[
_
0
=
=
0
=
n
1 i i
x
n
! x
e
n
1 i
i
Dr. Suparman, M.Si., DEA
a. Distribusi posterior dari
0 0 t 0
0 t 0
= 0 t
}

d ) ( ) x , , x , x ( f
) ( ) x , , x , x ( f
) x , , x , x (
n 2 1
0
n 2 1
n 2 1

[
_
0
=
=
0
=
n
1 i i
x
n
! x
e
n
1 i
i
b / 1 a
a
e
) a ( b
1
0
0
I [
_
0
}
=
0

=
n
1 i i
x
n
0
! x
e
n
1 i
i
0 0
I
0
d e
) a ( b
1
b / 1 a
a
_
0
=
0
n
1 i
i
x
n
e
b / 1 a
e
0
0
0 +
+
_
0
=
)
b
1
n (
1 x a
e
n
1 i
i
5
0 +
+
_
0
=
)
b
1
n (
1 x a
e
n
1 i
i
denganparameter
)
b
1
n (
1
+
= | dan
_ + = o
=
n
1 i i
x a
Dr. Suparman, M.Si., DEA
b. Estimasi bayesuntuk
Dari jawaban no. a, diperoleh berdistribusi
_ + = o
=
n
1 i i
x a
dan
)
b
1
n (
1
+
= |
6
_
=
|
+ + = 0
n
1 i
i
)
1
n /( ) x a (

## Dr. Suparman, M.Si., DEA Dr. Suparman, M.Si., DEA

dx ) x ( xf ) x ( E
}

=
dx ) 0 ( x
0
}

= dx e x
) (
1
x
x
1
1
0
|

o
o

o I |
+
}
dx e x
) (
1
x
1
0
|

o
o

o I |
=
}
Misalkan
x
1
y
|
=
maka
|
=
1
dx
dy
dy dx | =
Sehingga
dy e y ) (
y 1
0
o

}
= o I
| o
o
o I |
= | o
/ x 1
e x
) (
1
) , x ( f
77
dy dx | =
Sehingga
dy e y
) (
1
) x ( E
y
0
|
o I |
| =
o

o
o
}
) (
) 1 (
o I
+ o I
| =
o| =
Dr. Suparman, M.Si., DEA Dr. Suparman, M.Si., DEA
dx ) x ( xf ) x ( E
}

=
dx ) 0 ( x
0
}

=
dx ) x 1 ( x
) ( ) (
) (
x
1 1
1
0
| o

| I o I
| + o I
+
}
dx ) x 1 ( x
) (
) ( ) (
1 1
1
0
| o
=
| + o I
| I o I
}
1 1
) x 1 ( x
) ( ) (
) (
) , x ( f
| o

| I o I
| + o I
= | o
dx ) 0 ( x
1
}

+
dx ) x 1 ( x
) ( ) (
) (
1
1
0
| o

| I o I
| + o I
=
}
) 1 (
) ( ) 1 (
) ( ) (
) (
| + + o I
| I + o I
| I o I
| + o I
=
88
) 1 (
) ( ) 1 (
) ( ) (
) (
| + + o I
| I + o I
| I o I
| + o I
=
) ( ) (
) ( ) (
) ( ) (
) (
| + o I | + o
| I o I o
| I o I
| + o I
=
) ( | + o
o
=
Dr. Suparman, M.Si., DEA
c. Interval Kepercayaan bayesian 100(1-) %
untuk
Dari jawaban no. a, diperoleh berdistribusi
_ + = o
=
n
1 i i
x a
dan
)
b
1
n (
1
+
= |
atau
1
)
b
1
n (
2

+
0
0 + = )
b
1
n ( 2
Sehingga interval kepercayaan bayesian
100(1-) %untuk
o = _ < 0 + < _
o o
1 )) v ( )
b
1
n ( 2 ) v ( ( P
2
2 /
2
2 / 1
atau
o =
+
_
< 0 <
+
_
o o
1 )
)
b
1
n ( 2
) v (
)
b
1
n ( 2
) v (
( P
2
2 /
2
2 / 1
9
1
)
b
1
n (
2

+
0
0 + = )
b
1
n ( 2
) x a ( 2 v
n
1 i
i
_ + =
=
o =
+
_
< 0 <
+
_
o o
1 )
)
b
1
n ( 2
) v (
)
b
1
n ( 2
) v (
( P
2
2 /
2
2 / 1
%untuk
|
|
|
|

'

+
_
+
_
o o
)
b
1
n ( 2
) v (
,
)
b
1
n ( 2
) v (
2
2 /
2
2 / 1
Dr. Suparman, M.Si., DEA
Soal 1:
Misalkan kita mempunyai sampel random
ukuran n yang berasal dari distribusi
eksponensial
0
0
= 0
/ x
e
1
) x ( f
utkx>0. Disini, >0.
Misalkan distribusi prior untuk parameter
b / 1 a
a
e
) a ( b
1
) b , a (
0
0
I
= 0 t
10
b / 1 a
a
e
) a ( b
1
) b , a (
0
0
I
= 0 t
Tentukandistribusi posterior untuk
Dr. Suparman, M.Si., DEA
Soal 2:
Misalkan kita mempunyai sampel random
ukurannyangberasal dari distribusi bernoulli
x 1 x
) 1 ( ) x ( f

0 0 = 0
utkx=0, 1. Disini, 0<<1
Misalkan distribusi prior untuk parameter
1 ) b , a ( = 0 t
Soal 3:
Misalkan kita mempunyai sampel random
ukuran n yang berasal dari distribusi dgn
x
e ) x ( f
0
0 = 0
11
1 ) b , a ( = 0 t
1. Tentukandistribusi posterior untuk
2. Penarsir bayesuntuk
x
e ) x ( f
0
0 = 0
utkx>0
Misalkan distribusi prior untuk parameter