PENDEKATAN ESTIMATOR KERNEL UNTUK ESTIMASI DENSITAS MULUS

Laila Hayati

Jurnal Pijar MIPA
Vol. 5 No. 2 (2010): September

Abstrak : Misalkan diberikan data pengamatan independen X i : i  1,2,..., n dengan fungsi densitas f. Ada dua pendekatan dalam mengestimasi f yaitu dengan pendekatan parametrik dan pendekatan nonparametik. Padapendekatan nonparametrik dilakukan jika asumsi bentuk f tidak diketahui. Dalam hal ini diasumsikan bahwa fungsi f termuat dalam kelas fungsi mulus. Salah satu teknik untuk mengestimasi fungsi mulus adalah teknik pemulus kernel.Tingkat kemulusan fungsi estimasi ditentukan oleh parameter pemulus. Semakin besar parameter pemulusnya semakin mulus fungsi estimasi dan sebaliknya.Kata-kata Kunci: densitas mulus, estimator kernel, parameter pemulusAbstract: Let X i : i  1,2,..., nbe independent observation data from a distribution with density function f. There are two basic approaches for estimating f, the parametric and the nonparametric approaches. In nonparametric approaches, an unknown density function f. The function f is assumed to be a smooth function, so the function f could be estimated by kernel estimator. The smoothing level of kernel estimator depends to the smoothing parameter. The big smoothing parameter gives the estimation function which over smooth and the contrary.Key Words: smooth density, kernel estimator, smoothing parameter