II LANDASAN TEORI. 2.1 Ruang Contoh, Kejadian dan Peluang. 2.2 Peubah Acak dan Fungsi Sebaran
|
|
- Sonny Tedja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 II LANDASAN TEORI 2.1 Ruang Contoh, Kejadian dan Peluang Dalam suatu percobaan sering kali diperlukan pengulangan yang dilakukan dalam kondisi yang sama. Semua kemungkinan hasil yang akan muncul akan diketahui tetapi hasil pada percobaan selanjutnya tidak dapat diduga dengan tepat. Percobaan semacam ini disebut percobaan acak. Definisi 2.1 (Ruang contoh) Ruang contoh himpunan semua hasil yang mungkin dari suatu percobaan acak dan dinotasikan dengan Ω. Definisi 2.2 (Kejadian) Kejadian suatu himpunan bagian dari ruang contoh Ω. Definisi 2.3 (Medan - ) Medan- suatu himpunan yang anggotanya terdiri atas himpunan bagian ruang contoh Ω, yang memenuhi syarat berikut: Jika, maka 3. Jika, maka i1 A i Jika, maka medan- disebut medan Borel. Anggota medan Borel disebut himpunan Borel. Definisi 2.4 (Ukuran peluang) Ω ruang contoh suatu percobaan dan medan- pada Ω. Suatu fungsi P yang memetakan unsur-unsur ke himpunan bilangan nyata, atau disebut ukuran peluang jika 1. P tak negatif, yaitu untuk setiap 2. P bersifat aditif tak hingga, yaitu jika dengan n1 n1 maka P An = P An. 3. P bernorma satu, yaitu P(Ω)=1. Pasangan disebut ruang ukuran peluang atau ruang probabilitas. 2.2 Peubah Acak dan Fungsi Sebaran Definisi 2.5 (Peubah acak) medan- dari ruang contoh Suatu peubah acak suatu fungsi dengan sifat bahwa { } untuk setiap Peubah acak dinotasikan dengan huruf kapital, misalnya X, Y, Z. Sedangkan nilai peubah acak dinotasikan dengan huruf kecil seperti x, y, z. Setiap peubah acak memiliki fungsi sebaran. Definisi 2.6 (Fungsi sebaran) X peubah acak dengan ruang. kejadian A ( ], maka peluang dari kejadian A Fungsi disebut fungsi sebaran dari peubah acak X. Definisi 2.7 (Peubah acak diskret) Peubah acak X dikatakan diskret jika semua himpunan nilai dari peubah acak tersebut merupakan himpunan tercacah. Definisi 2.8 (Fungsi massa peluang) Fungsi massa peluang dari peubah acak diskret X fungsi [ ] yang diberikan oleh Definisi 2.9 (Peubah acak kontinu) Peubah acak X dikatakan kontinu jika fungsi sebarannya dapat ditulis sebagai untuk suatu fungsi [ ) yang dapat diintegralkan. Selanjutnya fungsi disebut fungsi kepekatan peluang (probability density function) bagi X. Definisi 2.10 (Peubah acak Poisson) Suatu peubah acak X disebut peubah acak Poisson dengan parameter, jika fungsi massa peluangnya diberikan oleh
2 3 Definisi 2.11 (Sebaran gamma) Peubah acak dengan fungsi kepekatan peluang { dikatakan memunyai sebaran gamma dengan parameter (Gahramani 2005) Definisi 2.12 (Sebaran normal) Suatu peubah acak X disebut mempunyai sebaran normal dengan nilai harapan dan ragam, ditulis X menyebar, jika fungsi kepekatan peluangnya { }, 2.3 Kekonvergenan Peubah Acak Terdapat beberapa cara untuk menginterpretasikan suatu pernyataan kekonvergenan barisan peubah acak. Definisi 2.13 (Konvergen dalam peluang) barisan peubah acak pada suatu ruang peluang. Barisan peubah acak dikatakan konvergen dalam peluang ke X, dinotasikan, jika untuk setiap berlaku ( ), untuk Definisi 2.14 (Konvergen dalam sebaran) peubah acak pada suatu ruang peluang. Suatu barisan peubah acak dikatakan konvergen dalam sebaran ke peubah acak X, ditulis, untuk jika untuk, untuk semua titik x dimana fungsi sebaran kontinu. 2.4 Statistik, Penduga, dan Sifat-sifatnya Definisi 2.15 (Statistik) Statistik suatu fungsi dari satu atau lebih peubah acak yang tidak tergantung pada satu atau beberapa parameter yang nilainya tidak diketahui. Definisi 2.16 (Penduga) contoh acak. Suatu statistik yang digunakan untuk menduga fungsi parameter, disebut penduga bagi, dilambangkan dengan Bilamana nilai maka nilai disebut sebagai dugaan (estimate) bagi Definisi 2.17 (Penduga tak bias) (i) Suatu penduga yang nilai harapannya sama dengan parameter yaitu [ ] disebut penduga tak bias bagi (ii) Jika [ ] maka disebut penduga tak bias asimtotik bagi Definisi 2.18 (Penduga konsisten) Suatu penduga yang konvergen dalam peluang ke parameter, disebut penduga konsisten bagi. 2.5 Nilai Harapan dan Ragam Definisi 2.19 (Nilai harapan) 1. Jika X peubah acak diskret dengan fungsi massa peluang, maka nilai harapan dari X dinotasikan dengan asalkan jumlah di atas konvergen mutlak. 2. Jika X peubah acak kontinu dengan fungsi kepekatan peluang, maka nilai harapan dari X asalkan integral di atas konvergen mutlak. Definisi 2.20 (Ragam) 1. X peubah acak diskret dengan fungsi massa peluang dan nilai harapan. Ragam dari X, dinotasikan dengan atau, (( )
3 4 ( ) 2. X peubah acak kontinu dengan fungsi kepekatan peluang dan nilai harapan. Maka ragam dari X, dinotasikan dengan Var atau, (( ) ) ( ), jika integral di atas konvergen. Jika integral di atas tidak konvergen, maka ragam dari tidak ada. 2.6 Proses Stokastik Definisi 2.21 (Proses stokastik) Proses stokastik { } suatu himpunan dari peubah acak yang memetakan suatu ruang contoh Ω ke suatu ruang state Jadi, untuk setiap pada himpunan indeks suatu peubah acak. Kita sering menginterpretasikan sebagai waktu dan sebagai state (keadaan) dari proses pada waktu Definisi 2.22 (Proses stokastik waktu kontinu) Suatu proses stokastik disebut proses stokastik dengan waktu kontinu jika berupa suatu interval. Definisi 2.23 (Inkremen bebas) Suatu proses stokastik dengan waktu kontinu { } disebut memiliki inkremen bebas, jika untuk semua peubah acak bebas. Dengan kata lain, suatu proses stokastik dengan waktu kontinu disebut memiliki inkremen bebas, jika proses berubahnya nilai pada interval waktu yang tidak tumpang tindih (tidak overlap) bebas. Definisi 2.24 (Inkremen stasioner) Suatu proses stokastik dengan waktu kontinu { } disebut memiliki inkremen stasioner, jika memiliki sebaran yang sama untuk semua nilai. Dengan kata lain, suatu proses stokastik dengan waktu kontinu disebut memiliki inkremen stasioner, jika sebaran (distribusi) dari perubahan nilai antara sembarang dua titik hanya bergantung pada jarak antara kedua titik tersebut dan tidak bergantung pada lokasi titik-titik tersebut. 2.7 Proses Poisson Salah satu bentuk khusus dari proses stokastik dengan waktu kontinu proses Poisson. Pada proses ini, kecuali dinyatakan secara khusus, dianggap bahwa himpunan indeks interval bilangan real tak negatif yaitu [ ) Definisi 2.25 (Proses pencacahan) Suatu proses stokastik { } disebut proses pencacahan jika menyatakan banyaknya kejadian yang telah terjadi sampai waktu Dari definisi tersebut, maka suatu proses pencacahan harus memenuhi syaratsyarat berikut: (i) untuk semua [ ) (ii) Nilai integer. (iii) Jika maka untuk [ ) (iv) Untuk maka sama dengan banyaknya kejadian yang terjadi pada selang ( ] Definisi 2.26 (Proses Poisson) Suatu proses pencacahan { } disebut proses Poisson dengan laju, jika dipenuhi tiga syarat berikut: (i). (ii) Proses tersebut memiliki inkremen bebas. (iii) Banyaknya kejadian pada sembarang interval waktu dengan panjang memiliki sebaran (distribusi) Poisson dengan nilai harapan Jadi untuk semua, ( ) dengan. Dari syarat (iii) dapat dilihat bahwa proses Poisson memiliki inkremen stasioner. Dari syarat (iii) juga dapat diperoleh ( )
4 5 Proses Poisson dengan laju yang merupakan konstanta untuk semua waktu disebut proses Poisson homogen (homogeneous Poisson process). Jika laju bukan konstanta, tetapi merupakan fungsi dari waktu, maka proses tersebut disebut proses Poisson takhomogen (inhomogeneous Poisson process). Untuk kasus ini, disebut fungsi intensitas dari proses Poisson tersebut. Fungsi intensitas harus memenuhi syarat untuk semua proses Poisson dan suatu interval bilangan nyata. Jika proses Poisson homogen, maka [ ] dengan panjang interval, sedangkan menyatakan banyaknya kejadian dari proses Poisson pada interval Jika proses Poisson takhomogen dengan fungsi intensitas, maka [ ] Dengan kata lain, jika proses Poisson takhomogen, maka memiliki sifat : (i) ( ) k=0,1, untuk setiap interval dengan (ii) Untuk setiap bilangan bulat positif dan interval yang disjoint dengan proses merupakan peubah acak yang saling bebas. Definisi 2.27 (Intensitas lokal) Intensitas lokal dari suatu proses Poisson takhomogen dengan fungsi intensitas pada titik yaitu nilai fungsi di. (Cressie 1993) Definisi 2.28 (Intensitas Global) ([ ]) proses Poisson pada interval [ ]. Fungsi intensitas global dari proses Poisson ini didefinisikan sebagai: ([ ]) jika limit di atas ada. (Mangku 2001) Definisi 2.29 (Fungsi siklik) Suatu fungsi disebut siklik (periodik), jika berlaku untuk semua dan. Konstanta terkecil yang memenuhi persamaan di atas disebut periode fungsi tersebut. (Browder 1996) Definisi 2.30 (Proses Poisson siklik) Proses Poisson siklik suatu proses Poisson takhomogen yang fungsi intensitasnya fungsi siklik. (Mangku 2001) 2.8 Beberapa Definisi dan Lema Lema 2.1 (Eksistensi Fungsi intensitas global) Jika ([ ]) proses Poisson siklik (periodik) dengan fungsi intensitas, maka ([ ]) pada Definisi 28 ada dan nilainya sama dengan Bukti: lihat Lampiran 1. Definisi 2.31 (Fungsi terintegralkan lokal) Fungsi intensitas disebut terintegralkan lokal jika untuk sembarang himpunan Borel terbatas kita peroleh (Dudley 1989) Definisi 2.32 (O(.) dan o(.)) Simbol-simbol O(.) dan o(.) merupakan cara untuk membandingkan besarnya dua fungsi dan dengan menuju suatu limit. (i) Notasi ( ) menyatakan bahwa terbatas, untuk (ii) Notasi ( ) menyatakan bahwa untuk (Serfling 1980) Definisi 2.33 (Titik Lebesque) Kita katakan titik Lebesque dari jika berlaku (Wheeden & Zygmund 1977) Definisi 2.34 (Teorema deret Taylor) Deret Taylor dari fungsi di (atau di sekitar atau yang berpusat di ) memenuhi persamaan (Stewart 1999)
5 6 Definisi 2.35 (Teorema deret MacLaurin) Deret Taylor fungsi di (atau di sekitar atau yang berpusat di 0) memenuhi persamaan (Stewart 1999) Definisi 2.36 (Formula Young dari Teorema Taylor) memiliki turunan ke- yang berhingga pada suatu titik, maka untuk ( ) (Serfling 1980) Lema 2.2 (Pendekatan Stirling) Untuk nilai yang besar, tidak praktis untuk mengevaluasi langsung terhadap. Dalam kasus seperti ini digunakan rumus pendekatan/aproksimasi yang dibangun oleh James Stirling, yaitu: di mana logaritma natural. Bukti : lihat Lampiran 2. Lema 2.3 (Teorema Limit Pusat) suatu barisan peubah acak yang bebas dan sebarannya identik (memiliki sebaran yang sama dengan parameter yang sama pula) dengan masingmasing memiliki nilai harapan dan ragam tak nol Jika dengan maka konvergen ke sebaran normal baku dinotasikan Bukti : lihat Lampiran 3.
II. LANDASAN TEORI. 2. P bersifat aditif tak hingga, yaitu jika dengan. 2.1 Ruang Contoh, Kejadian dan Peluang
II. LANDASAN TEORI 2.1 Ruang Contoh, Kejadian dan Peluang Dalam suatu percobaan sering kali diperlukan pengulangan yang dilakukan dalam kondisi yang sama. Semua kemungkinan hasil yang akan muncul akan
Lebih terperinciPENDAHULUAN LANDASAN TEORI
1 PENDAHULUAN Latar Belakang Dalam kehidupan sehari-hari, banyak permasalahan yang dapat dimodelkan dengan proses stokastik. Proses stokastik dapat dibedakan menjadi dua yaitu proses stokastik dengan waktu
Lebih terperinciLampiran A. Beberapa Definisi dan Lema Teknis
LAMPIRAN 33 Lampiran A. Beberapa Definisi dan Lema Teknis Ruang Contoh, Kejadian dan Peluang Definisi A.1 (Ruang contoh dan kejadian) Suatu percobaan yang dapat diulang dalam kondisi yang sama, yang hasilnya
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Proses Poisson Periodik Definisi 2.1 (Proses stokastik) Proses stokastik X = {X(t), t T } adalah suatu himpunan dari peubah acak yang memetakan suatu ruang contoh Ω ke suatu
Lebih terperinciBAB II TINJAUAN PUSTAKA
3 BAB II TINJAUAN PUSTAKA 2.1 Proses Poisson Periodik Definisi 2.1 (Proses stokastik) Proses stokastik X = {X(t), t T} adalah suatu himpunan dari peubah acak yang memetakan suatu ruang contoh ke suatu
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Proses Poisson Periodik Definisi 2.1 (Proses stokastik) Proses stokastik, adalah suatu himpunan dari peubah acak yang memetakan suatu ruang contoh Ω ke suatu ruang states. Jadi,
Lebih terperinciLampiran 1. Beberapa Definisi dan Lema Teknis
Lampiran 1. Beberapa Definisi dan Lema Teknis Ruang Contoh, Kejadian dan Peluang Suatu percobaan yang dapat diulang dalam kondisi yang sama, yang hasilnya tidak dapat diprediksi dengan tepat tetapi kita
Lebih terperinciIII. HASIL DAN PEMBAHASAN
III. HASIL DAN PEMBAHASAN 3.1 Perumusan Masalah Misalkan adalah proses Poisson nonhomogen pada interval dengan fungsi intensitas yang tidak diketahui. Fungsi intensitas diasumsikan terintegralkan lokal
Lebih terperinciBAB 3 REVIEW SIFAT-SIFAT STATISTIK PENDUGA KOMPONEN PERIODIK
BAB 3 REVIEW SIFAT-SIFAT STATISTIK PENDUGA KOMPONEN PERIODIK 3. Perumusan Penduga Misalkan N adalah proses Poisson non-homogen pada interval 0, dengan fungsi intensitas yang tidak diketahui. Fungsi intensitas
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
3 BAB 2 TINJAUAN PUSTAKA 2.1 Proses Poisson Periodik Definisi 2.1 (Proses stokastik) Proses stokastik adalah suatu himpunan dari peubah acak yang memetakan suatu ruang contoh ke suatu ruang state. Jika
Lebih terperinci( x) LANDASAN TEORI. ω Ω ke satu dan hanya satu bilangan real X( ω ) disebut peubah acak. Ρ = Ρ. Ruang Contoh, Kejadian dan Peluang
LANDASAN TEORI Ruang Contoh Kejadian dan Peluang Suatu percobaan yang dapat diulang dalam ondisi yang sama yang hasilnya tida dapat dipredisi secara tepat tetapi ita dapat mengetahui semua emunginan hasil
Lebih terperinciKEKONSISTENAN PENDUGA FUNGSI SEBARAN DAN FUNGSI KEPEKATAN PELUANG WAKTU TUNGGU PROSES POISSON PERIODIK DENGAN TREN LINEAR TITA ROBIAH AL ADAWIYAH
KEKONSISTENAN PENDUGA FUNGSI SEBARAN DAN FUNGSI KEPEKATAN PELUANG WAKTU TUNGGU PROSES POISSON PERIODIK DENGAN TREN LINEAR TITA ROBIAH AL ADAWIYAH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciKEKONVERGENAN MSE PENDUGA KERNEL SERAGAM FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT
KEKONVERGENAN MSE PENDUGA KERNEL SERAGAM FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT Ro fah Nur Rachmawati Mathematics & Statistics Department, School of Computer Science, Binus
Lebih terperinciDefenisi 15 (Kejadian) Kejadian adalah suatu himpunan bagian dari Nang contoh a. (Grimmett dan Stirzaker 2001)
Lampiran: Beberapa Definisi dan Lema Teknis Ruang contoh, kejadian dan peluang Berbagai macam pengamatan diperoleh melalui penggulangan percobaan yang dilakukan dalam kondisi yang sama. Dalarn banyak kasus,
Lebih terperinciSEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR
SEBARAN ASIMTOTIK PENDUGA KOMPONEN PERIODIK FUNGSI INTENSITAS BERBENTUK PERKALIAN FUNGSI PERIODIK DENGAN TREN LINEAR DARI SUATU PROSES POISSON NON-HOMOGEN LIA YULIAWATI SEKOLAH PASCASARJANA INSTITUT PERTANIAN
Lebih terperinciBAB 4 KEKONSISTENAN PENDUGA DARI FUNGSI SEBARAN DAN FUNGSI KEPEKATAN WAKTU TUNGGU DARI PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT
29 BAB 4 KEKONSISTENAN PENDUGA DARI FUNGSI SEBARAN DAN FUNGSI KEPEKATAN WAKTU TUNGGU DARI PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT 4.1 Perumusan Penduga Misalkan adalah proses Poisson nonhomogen
Lebih terperinciBAB 4 SEBARAN ASIMTOTIK PENDUGA KOMPONEN PERIODIK
BAB 4 SEBARAN ASIMTOTIK PENDUGA KOMPONEN PERIODIK 4. Sebaran Asimtotik,, Teorema 4. (Sebaran Normal Asimtotik,, ) Misalkan fungsi intensitas seperti (3.2) dan terintegralkan lokal. Jika kernel K adalah
Lebih terperinciBAB 3 REVIEW PENDUGAAN FUNGSI INTENSITAS LOKAL DAN GLOBAL DARI PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT
9 BAB 3 REVIEW PENDUGAAN FUNGSI INTENSITAS LOKAL DAN GLOBAL DARI PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT Misalkan adalah proses Poisson nonhomogen pada interval dengan fungsi intensitas yang
Lebih terperincipada Definisi 2.28 ada dan nilainya sama dengan ( ) ( ) Untuk memperoleh hasil di atas, ruas kiri persamaan (25) ditulis sebagai berikut ( )
LAMPIRAN 21 Lampiran 1 (Pembuktian Lema 2.1 Lema 2.1 (Eksistensi Fungsi Intensitas global Jika ([ ] adalah proses Poisson periodik dengan fungsi intensitas, maka ([ ] pada Definisi 2.28 ada dan nilainya
Lebih terperinci( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang
Latar Belaang Terdapat banya permasalahan atau ejadian dalam ehidupan sehari hari yang dapat dimodelan dengan suatu proses stoasti Proses stoasti merupaan permasalahan yang beraitan dengan suatu aturan-aturan
Lebih terperinciBAB II TINJAUAN PUSTAKA
5 BAB II TINJAUAN PUSTAKA Dalam bab ini dijelaskan beberapa definisi dan teorema yang digunakan dalam pembahasan berikutnya. 2.1 Teori Peluang Definisi 2.1.1 (Percobaan Acak) (Ross 2000) Suatu percobaan
Lebih terperinciABSTRACT JOKO DWI SURAWU. Keywords:
ABSTRACT JOKO DWI SURAWU. Asymptotic Distribution of an Estimator for Periodic Component of Intensity Function of a Periodic Poisson Process in the Presence of Linear Trend. Supervised by I WAYAN MANGKU
Lebih terperinci(T.8) SEBARAN ATIMTOTIK FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT
(T.8) SEBARAN ATIMTOTIK FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT Ro fah Nur Rachmawati Universitas Bina Nusantara Jl. K.H. Syahdan No. 9 Palmerah Jakarta Barat 11480 rrachmawati@binus.edu
Lebih terperinciBAB II LANDASAN TEORI
4 BAB II LANDASAN TEORI Teori yang ditulis dalam bab ini merupakan beberapa landasan yang digunakan untuk menganalisis sebaran besarnya klaim yang berekor kurus (thin tailed) dan yang berekor gemuk (fat
Lebih terperinciLAMPIRAN. Kajadian adalah suatu himpunan bagian dari ruang contoh Ω. (Grimmett dan Stirzaker, 2001) Definisi A.3 (Medan-σ)
LAMPIRAN 55 56 LAMPIRAN Lampiran 1. Beberapa Definisi dan Lema Teknis Ruang Contoh, Kejadian, dan Peluang Berbagai macam kejadian diperoleh melalui pengamatan dari serangkaian percobaan yang dilakukan
Lebih terperinciSIFAT-SIFAT STATISTIKA TIKA ORDE-2 FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR DAN MODIFIKASINYA NENENG MILA MARLIANA
SIFAT-SIFAT STATISTIKA TIKA ORDE-2 PENDUGA TIPE KERNEL L BAGI K KOMPONEN PERIODIK FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR DAN MODIFIKASINYA NENENG MILA MARLIANA SEKOLAH PASCASARJANASARJANA
Lebih terperinciSEBARAN ASIMTOTIK PENDUGA TURUNAN N PERTAMA DAN KEDUA DARI KOMPONEN PERIODIK FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR
SEBARAN ASIMTOTIK PENDUGA TURUNANN PERTAMA DAN KEDUA DARI KOMPONE EN PERIODIK FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR SALIWATI SEKOLAH PASCASARJANAA INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciKAJIAN BANDWIDTH OPTIMAL PADA PENDUGAAN FUNGSI INTENSITAS LOKAL PROSES POISSON PERIODIK SURASNO
KAJIAN BANDWIDTH OPTIMAL PADA PENDUGAAN FUNGSI INTENSITAS LOKAL PROSES POISSON PERIODIK SURASNO SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperinciPENDUGAAN FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT MENGGUNAKAN METODE TIPE KERNEL
PENDUGAAN FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT MENGGUNAKAN METODE TIPE KERNEL Ro fah Nur Rachmawati Jurusan Matematika, Fakultas Sains dan Teknologi, Binus University Jl.
Lebih terperinciPENDUGAAN KOMPONEN PERIODIK FUNGSI INTENSITAS BERBENTUK FUNGSI PERIODIK KALI TREN LINEAR SUATU PROSES POISSON NON-HOMOGEN WENTI ISMAYULIA
PENDUGAAN KOMPONEN PERIODIK FUNGSI INTENSITAS BERBENTUK FUNGSI PERIODIK KALI TREN LINEAR SUATU PROSES POISSON NON-HOMOGEN WENTI ISMAYULIA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciBAB IV SEBARAN ASIMTOTIK PENDUGA TURUNAN PERTAMA DAN KEDUA DARI KOMPONEN PERIODIK FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR
3 BAB IV SEBARAN ASIMTOTIK PENDUGA TURUNAN PERTAMA DAN KEDUA DARI KOMPONEN PERIODIK FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR 4.. Sebaran asimtotik dari,, Teorema 4. ( Normalitas Asimtotik
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Ruang Contoh, Kejadian dan Peluang Dalam suatu percobaan seringkali dilakukan pengulangan yang biasanya dilakukan dalam kondisi yang sama. Semua kemungkinan hasil yang akan muncul
Lebih terperinciLampiran 1. Beberapa Definisi dan Lema Teknis
DAFTAR PUSTAKA Browder, A. 1996. Mathematical Analysis : An Introduction. Springer. New York. Dudley, R.M. 1989. Real Analysis and Probability. Wadsworth & Brooks. California. Durret, R. 1996. Probability
Lebih terperinciPENDUGAAN FUNGSI NILAI HARAPAN PADA PROSES POISSON PERIODIK MAJEMUK DENGAN TREN FUNGSI PANGKAT INTAN FITRIA SARI
PENDUGAAN FUNGSI NILAI HARAPAN PADA PROSES POISSON PERIODIK MAJEMUK DENGAN TREN FUNGSI PANGKAT INTAN FITRIA SARI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciLANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang
2 LANDASAN TEORI Ruag Cotoh, Kejadia, da Peluag Percobaa acak adalah suatu percobaa yag dapat diulag dalam kodisi yag sama, yag hasilya tidak dapat diprediksi secara tepat tetapi dapat diketahui semua
Lebih terperinciPENDUGAAN FUNGSI NILAI HARAPAN PADA PROSES POISSON PERIODIK MAJEMUK DENGAN TREN LINEAR BONNO ANDRI WIBOWO
PENDUGAAN FUNGSI NILAI HARAPAN PADA PROSES POISSON PERIODIK MAJEMUK DENGAN TREN LINEAR BONNO ANDRI WIBOWO DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2014
Lebih terperinciII. LANDASAN TEORI. Pada bagian ini akan diuraikan beberapa definisi dan teori penunjang yang akan digunakan di dalam pembahasan.
II. LANDASAN TEORI Pada bagian ini akan diuraikan beberapa definisi dan teori penunjang yang akan digunakan di dalam pembahasan. 2.1 Istilah Ekonomi dan Keuangan Definisi 1 (Investasi) Dalam keuangan,
Lebih terperinciII. TINJAUAN PUSTAKA. Dalam mengkaji penelitian Karakteristik Penduga Parameter Distribusi Log
II. TINJAUAN PUSTAKA Dalam mengkaji penelitian Karakteristik Penduga Parameter Distribusi Log Normal Menggunakan Metode Generalized Moment digunakan beberapa definisi, dan teorema yang berkaitan dengan
Lebih terperinciBAB IV REDUKSI BIAS PADA PENDUGAAN
BAB IV REDUKSI BIAS PADA PENDUGAAN 4.1. Asimtotik Orde-2 Berdasarkan hasil simulasi pada Helmers dan Mangku (2007) kasus kernel seragam, aproksimasi asimtotik orde pertama pada ragam dan bias, gagal memprediksikan
Lebih terperinciTINJAUAN PUSTAKA. Generalized Eksponensial Menggunakan Metode Generalized Momen digunakan. merupakan penjabaran definisi dan teorema yang digunakan:
II. TINJAUAN PUSTAKA Dalam tinjauan pustaka penelitian Karakteristik Penduga Parameter Distribusi Generalized Eksponensial Menggunakan Metode Generalized Momen digunakan beberapa definisi dan teorema yang
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Teori Peluang Definisi 2.1.1 Percobaan Acak (Ross 2000) Suatu percobaan yang dapat diulang dalam kondisi yang sama dan semua kemungkinan hasil yang muncul dapat diketahui tetapi
Lebih terperinciSEBARAN ASIMTOTIK PENDUGA KOMPONEN PERIODIK FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT RO FAH NUR RACHMAWATI
SEBARAN ASIMTOTIK PENDUGA KOMPONEN PERIODIK FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT RO FAH NUR RACHMAWATI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2010 PERNYATAAN
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Berikut ini adalah beberapa definisi dan teorema yang menjadi landasan dalam penentuan harga premi, fungsi permintaan, dan kesetimbangannya pada portfolio heterogen. 2.1 Percobaan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA Dalam bab ini dijelaskan beberapa definisi dan teorema yang digunakan dalam pembahasan selanjutnya. 2.1 Teori Peluang Definisi 2.1.1 (Percobaan Acak) (Ross 2000) Suatu percobaan
Lebih terperinciPENDUGAAN KOMPONEN PERIODIK FUNGSI INTENSITAS BERBENTUK FUNGSI PERIODIK KALI TREN FUNGSI PANGKAT PROSES POISSON NON-HOMOGEN WINDIANI ERLIANA
PENDUGAAN KOMPONEN PERIODIK FUNGSI INTENSITAS BERBENTUK FUNGSI PERIODIK KALI TREN FUNGSI PANGKAT PROSES POISSON NON-HOMOGEN WINDIANI ERLIANA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciPr { +h =1 = } lim. Suatu fungsi dikatakan h apabila lim =0. Dapat dilihat bahwa besarnya. probabilitas independen dari.
6.. Proses Kelahiran Murni Dalam bab ini, akan dibahas beberapa contoh penting dari waktu kontinu, state diskrit, proses Markov. Khususnya, dengan kumpulan dari variabel acak {;0 } di mana nilai yang mungkin
Lebih terperinciBAB II LANDASAN TEORI. ilmiah. Pencacahan atau pengukuran karakteristik suatu objek kajian yang
BAB II LANDASAN TEORI 2.1 Konsep Dasar Peluang Pada dasarnya statistika berkaitan dengan penyajian dan penafsiran hasil yang berkemungkinan (hasil yang belum dapat ditentukan sebelumnya) yang muncul dalam
Lebih terperinciPENDUGAAN FUNGSI INTENSITAS BERBENTUK EKSPONENSIAL DARI FUNGSI PERIODIK DITAMBAH TREN LINEAR PADA PROSES POISSON NON-HOMOGEN SALMUN K.
PENDUGAAN FUNGSI INTENSITAS BERBENTUK EKSPONENSIAL DARI FUNGSI PERIODIK DITAMBAH TREN LINEAR PADA PROSES POISSON NON-HOMOGEN SALMUN K. NASIB SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2014 PERNYATAAN
Lebih terperinciLANDASAN TEORI. Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu.
II. LANDASAN TEORI Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu. Distribusi ini merupakan distribusi fungsi padat yang terkenal luas dalam bidang matematika. Distribusi gamma
Lebih terperinciBAB III PROSES POISSON MAJEMUK
BAB III PROSES POISSON MAJEMUK Pada bab ini membahas tentang proses stokastik, proses Poisson dan proses Poisson majemuk yang akan diaplikasikan pada bab selanjutnya. 3.1 Proses Stokastik Koleksi atau
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 21 Beberapa Pengertian Definisi 1 [Ruang Contoh] Ruang contoh adalah himpunan semua hasil yang mungkin dari suatu percobaan acak, dan dinotasikan dengan (Grimmet dan Stirzaker,1992)
Lebih terperinciUJI KONVERGENSI. Januari Tim Dosen Kalkulus 2 TPB ITK
UJI KONVERGENSI Januari 208 Tim Dosen Kalkulus 2 TPB ITK Uji Integral Teorema 3 Jika + k= u k adalah deret dengan suku-suku tak negatif, dan jika ada suatu konstanta M sedemikian hingga s n = u + u 2 +
Lebih terperinciBAB III MODEL HIDDEN MARKOV KONTINU DENGAN PROSES OBSERVASI ZERO DELAY
BAB III MODEL HIDDEN MARKOV KONTINU DENGAN PROSES OBSERVASI ZERO DELAY 3.1 State dan Proses Observasi Semua proses didefinisikan pada ruang peluang Ω,,. Misalkan ; adalah rantai Markov dengan state berhingga
Lebih terperinciBAB IV SIMULASI PEMBANDINGAN PERILAKU PENDUGA FUNGSI INTENSITAS LOKAL PROSES POISSON PERIODIK DENGAN BANDWIDTH OPTIMAL DAN BANDWIDTH OPTIMAL ASIMTOTIK
BAB IV SIMULASI PEMBANDINGAN PERILAKU PENDUGA FUNGSI INTENSITAS LOKAL PROSES POISSON PERIODIK DENGAN BANDWIDTH OPTIMAL DAN BANDWIDTH OPTIMAL ASIMTOTIK Pada bagian ini dilakukan simulasi untuk membandingkan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengantar Pada bab ini akan diuraikan beberapa landasan teori untuk menunjang penulisan skripsi ini. Uraian ini terdiri dari beberapa bagian yang akan dipaparkan secara terperinci
Lebih terperinciIII PEMBAHASAN. untuk setiap di dan untuk setiap, dengan. (Peressini et al. 1988)
4 untuk setiap di dan untuk setiap (Peressini et al 1988) Definisi 22 Teorema Deret Taylor Nilai hampiran f di x untuk fungsi di a (atau sekitar a atau berpusat di a) didefinisikan (Stewart 1999) 24 Kontrol
Lebih terperinciKONSEP DASAR TERKAIT METODE BAYES
KONSEP DASAR TERKAIT METODE BAYES 2.3. Peubah Acak dan Distribusi Peluang Pada statistika kita melakukan percobaan dimana percobaan tersebut akan menghasilkan suatu peluang. Ruang sampel pada percobaan
Lebih terperinciII. TINJAUAN PUSTAKA
II. TINJAUAN PUSTAKA Dalam proses penelitian untuk mengkaji karakteristik penduga distribusi generalized gamma dengan metode generalized moment ini, penulis menggunakan definisi, teorema dan konsep dasar
Lebih terperinciII. TINJAUAN PUSTAKA. Ruang sampel S adalah himpunan semua hasil dari suatu percobaan. Kejadian E
5 II. TINJAUAN PUSTAKA 2.1 Konsep Dasar Peluang Ruang sampel S adalah himpunan semua hasil dari suatu percobaan. Kejadian E adalah himpunan bagian dari ruang sampel. Peluang suatu kejadian P(E) adalah
Lebih terperinciPENDUGAAN FUNGSI SEBARAN DALAM MODEL NONPARAMETRIK RONI WIJAYA
PENDUGAAN FUNGSI SEBARAN DALAM MODEL NONPARAMETRIK RONI WIJAYA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013 PERNYATAAN MENGENAI SKRIPSI DAN SUMBER
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini dibahas mengenai tinjauan pustaka yang digunakan dalam penelitian ini, khususnya yang diperlukan dalam Bab 3. Teori yang dibahas adalah teori yang mendukung pembentukan
Lebih terperinciII. TINJAUAN PUSTAKA. Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam
4 II. TINJAUAN PUSTAKA Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam menentukan momen, kumulan, dan fungsi karakteristik dari distribusi log-logistik (α,β). 2.1 Distribusi Log-Logistik
Lebih terperinciLANDASAN TEORI. Model ini memiliki nilai kesetimbangan positif pada saat koordinat berada di titik
LANDASAN TEORI Model Mangsa Pemangsa Lotka Volterra Bagian ini membahas model mangsa pemangsa klasik Lotka Volterra. Model Lotka Volterra menggambarkan laju perubahan populasi dua spesies yang saling berinteraksi.
Lebih terperinciII. TINJAUAN PUSTAKA
II. TINJAUAN PUSTAKA 2.1 Distribusi Logistik Distribusi logistik merupakan distribusi yang memiliki fungsi kepekatan peluang kontinu. Bentuk kurva distribusi logistik adalah simetris dan uni modal. Bentuk
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Peluang Peluang mempunyai banyak persamaan arti, seperti kemungkinan, kesempatan dan kecenderungan. Peluang menunjukkan kemungkinan terjadinya suatu kejadian yang bersifat acak.
Lebih terperinciII. TINJAUAN PUSTAKA. real. T dinamakan himpunan indeks dari proses atau ruang parameter yang
II. TINJAUAN PUSTAKA 2.1 Proses Stokastik Stokastik proses = { ( ), } adalah kumpulan dari variabel acak yang didefinisikan pada ruang peluang (Ω, ς, P) yang nilai-nilainya pada bilangan real. T dinamakan
Lebih terperinciIV. MATRIKS PEMADANAN MAKSIMAL
{(1,),(2,4),(,1),(4,2)} yang berarti pada periode ke dua yaitu baris ke tiga pada kolom pertama, agen 1 dipasangkan dengan agen. Lalu pada kolom dua agen 2 dipasangkan dengan agen 4, pada kolom berikutnya
Lebih terperinciBAB II KAJIAN PUSTAKA
4 BAB II KAJIAN PUSTAKA Pada sub bab ini akan diberikan beberapa definisi dan teori yang mendukung rancangan Sequential Probability Ratio Test (SPRT) yaitu percobaan dan ruang sampel, peubah acak dan fungsi
Lebih terperinciMemahami definisi barisan tak hingga dan deret tak hingga, dan juga dapat menentukan
4 BARISAN TAK HINGGA DAN DERET TAK HINGGA JUMLAH PERTEMUAN : 5 PERTEMUAN TUJUAN INSTRUKSIONAL KHUSUS : Memahami definisi barisan tak hingga dan deret tak hingga, dan juga dapat menentukan kekonvergenan
Lebih terperinciUNIVERSITAS PENDIDIKAN INDONESIA
Ruang Norm Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA Definisi. Misalkan suatu ruang vektor atas. Norm pada didefinisikan sebagai fungsi. : yang memenuhi N1. 0 N2. 0 0 N3.,, N4.,, Kita dapat
Lebih terperinciTINJAUAN PUSTAKA. Distribusi Weibull adalah distribusi yang paling banyak digunakan untuk waktu
II. TINJAUAN PUSTAKA. Distribusi Weibull Distribusi Weibull adalah distribusi yang paling banyak digunakan untuk waktu hidup dalam tekhnik ketahanan. Distribusi ini adalah distribusi serbaguna yang dapat
Lebih terperinciVARIABEL KOMPLEKS SUMANANG MUHTAR GOZALI KBK ALJABAR & ANALISIS
VARIABEL KOMPLEKS SUMANANG MUHTAR GOZALI KBK ALJABAR & ANALISIS UNIVERSITAS PENDIDIKAN INDONESIA BANDUNG 2009 2 DAFTAR ISI DAFTAR ISI 2 1 Sistem Bilangan Kompleks (C) 1 1 Pendahuluan...............................
Lebih terperinciTINJAUAN PUSTAKA. ruang sampel dan dilambangkan dengan huruf S. Ruang sampel beranggotakan
II. TINJAUAN PUSTAKA 2.1 Percobaan dan Ruang Sampel Menurut Walpole (1995), istilah percobaan digunakan untuk sembarang proses yang dapat membangkitkan data. Himpunan semua hasil suatu percobaan disebut
Lebih terperinciBarisan dan Deret Agus Yodi Gunawan
Barisan dan Deret Agus Yodi Gunawan Barisan. Definisi. Barisan tak hingga adalah suatu fungsi dengan daerah asalnya himpunan bilangan bulat positif dan daerah kawannya himpunan bilangan real. Notasi untuk
Lebih terperinciBAB III FUNGSI TERUKUR LEBESGUE. Setelah dibahas mengenai ukuran Lebesgue dan beberapa sifatnya pada
BAB III FUNGSI TERUKUR LEBESGUE Setelah dibahas mengenai ukuran Lebesgue dan beberapa sifatnya pada Bab II, selanjutnya pada bab ini akan dipelajari gagasan mengenai fungsi terukur Lebesgue. Gagasan mengenai
Lebih terperinciSTK 203 TEORI STATISTIKA I
STK 203 TEORI STATISTIKA I II. PEUBAH ACAK DISKRET II. Peubah Acak Diskret 1 PEUBAH ACAK DISKRET Definisi 2.1. (Peubah Acak) : Peubah Acak Y adalah suatu fungsi yang memetakan seluruh anggota ruang contoh
Lebih terperinciLearning Outcomes Sebaran Kontinu Nilai Harapan dan Ragam Beberapa Sebaran Kontinu. Peubah Acak Kontinu. Julio Adisantoso.
Beberapa 27 April 2014 Beberapa Learning Outcome Outline Mahasiswa dapat mengerti dan menentukan peubah acak diskret Mahasiswa dapat memahami dan menghitung nilai harapan Mahasiswa dapat memahami dan menghitung
Lebih terperinciBAB III INTEGRAL LEBESGUE. Pada bab sebelumnya telah disebutkan bahwa ruang dibangun oleh
BAB III INTEGRAL LEBESGUE Pada bab sebelumnya telah disebutkan bahwa ruang dibangun oleh fungsi-fungsi terukur dan memenuhi sifat yang berkaitan dengan integral Lebesgue. Kajian mengenai keterukuran suatu
Lebih terperinciDengan demikian, untuk sembarang B = [a, b], maka persamaan (5.1) menjadi
Bab 5 Peubah Acak Kontinu 5.1 Pendahuluan Definisi 5.1. Peubah acak adalah suatu fungsi dari ruang contoh S ke R (himpunan bilangan nyata) Peubah acak X bersifat diskret jika F (x) adalah fungsi tangga.
Lebih terperinciDASAR-DASAR TEORI PELUANG
DASAR-DASAR TEORI PELUANG Herry P. Suryawan 1 Ruang Peluang Definisi 1.1 Diberikan himpunan tak kosong Ω. Aljabar-σ (σ-algebra pada Ω adalah koleksi subhimpunan A dari Ω dengan sifat (i, Ω A (ii jika A
Lebih terperinciBAB II TINJAUAN PUSTAKA. (b) Variabel independen yang biasanya dinyatakan dengan simbol
BAB II TINJAUAN PUSTAKA A. Regresi Regresi adalah suatu studi statistik untuk menjelaskan hubungan dua variabel atau lebih yang dinyatakan dalam bentuk persamaan. Salah satu variabel merupakan variabel
Lebih terperinciBAB II TINJAUAN PUSTAKA. komoditas, model pergerakan harga komoditas, rantai Markov, simulasi Standard
BAB II TINJAUAN PUSTAKA Pada bab ini akan dibahas beberapa tinjauan mengenai teori yang diperlukan dalam pembahasan bab-bab selanjutnya antara lain tentang kontrak berjangka komoditas, model pergerakan
Lebih terperinciDERET TAK HINGGA. Contoh deret tak hingga :,,, atau. Barisan jumlah parsial, dengan. Definisi Deret tak hingga,
DERET TAK HINGGA Contoh deret tak hingga :,,, atau. Barisan jumlah parsial, dengan Definisi Deret tak hingga,, konvergen dan mempunyai jumlah S, apabila barisan jumlah jumlah parsial konvergen menuju S.
Lebih terperinciPENDUGAAN FUNGSI SEBARAN DAN FUNGSI KEPEKATAN PELUANG WAKTU TUNGGU PROSES POISSON PERIODIK NADIROH
PENDUGAAN FUNGSI SEBARAN DAN FUNGSI KEPEKATAN PELUANG WAKTU TUNGGU PROSES POISSON PERIODIK NADIROH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Deret Taylor Deret Taylor dinamai berdasarkan seorang matematikawan Inggris, Brook Taylor (1685-1731) dan deret Maclaurin dinamai berdasarkan matematikawan Skotlandia, Colin
Lebih terperinciPEMODELAN KEMATIAN YANG DIAKIBATKAN OLEH PEMBUNUHAN DAN BUNUH DIRI DI LITHUANIA PADA TAHUN RIDWAN FIRDAUS
PEMODELAN KEMATIAN YANG DIAKIBATKAN OLEH PEMBUNUHAN DAN BUNUH DIRI DI LITHUANIA PADA TAHUN 2003-2004 RIDWAN FIRDAUS DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciII. TINJAUAN PUSTAKA. Dalam proses penelitian untuk mengkaji karakteristik penduga GMM pada data
5 II. TINJAUAN PUSTAKA Dalam proses penelitian untuk mengkaji karakteristik penduga GMM pada data panel ini, penulis menggunakan definisi, teorema dan konsep dasar yang berkaitan dengan pendugaan parameter,
Lebih terperinciSTATISTIKA UNIPA SURABAYA
MATEMATIKA STATISTIKA (MATHEMATICAL STATISTICS) GANGGA ANURAGA Materi : Distribusi variabel random Teori Himpunan Fungsi Himpunan Fungsi Himpunan Peluang Variabel Random Fungsi Kepadatan Peluang Fungsi
Lebih terperinci16. BARISAN FUNGSI. 16.1 Barisan Fungsi dan Kekonvergenan Titik Demi Titik
16. BARISAN FUNGSI 16.1 Barisan Fungsi dan Kekonvergenan Titik Demi Titik Bila pada bab-bab sebelumnya kita membahas fungsi sebagai sebuah objek individual, maka pada bab ini dan selanjutnya kita akan
Lebih terperinciII. LANDASAN TEORI. karakteristik dari generalized Weibull distribution dibutuhkan beberapa fungsi
II. LANDASAN TEORI Pada bab ini akan diberikan beberapa definisi dan teorema yang berkaitan dengan penelitian penulis. Dalam menyelesaikan momen, kumulan dan fungsi karakteristik dari generalized Weibull
Lebih terperinciTINJAUAN PUSTAKA. Ruang metrik merupakan ruang abstrak, yaitu ruang yang dibangun oleh
II. TINJAUAN PUSTAKA 2.1 Ruang Metrik Ruang metrik merupakan ruang abstrak, yaitu ruang yang dibangun oleh aksioma-aksioma tertentu. Ruang metrik merupakan hal yang fundamental dalam analisis fungsional,
Lebih terperinciPENDUGAAN FUNGSI RAGAM PADA PROSES POISSON PERIODIK MAJEMUK FITRIANI IDA MAKHMUDAH
PENDUGAAN FUNGSI RAGAM PADA PROSES POISSON PERIODIK MAJEMUK FITRIANI IDA MAKHMUDAH SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2016 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI SERTA PELIMPAHAN
Lebih terperinciBAB IV MODEL HIDDEN MARKOV
BAB IV MODEL HIDDEN MARKOV 4.1 State dan Proses Observasi Semua proses didefinisikan pada ruang peluang (Ω, F, P). Misalnya X = {X : k N} adalah rantai Markov dengan state berhingga yang bersifat homogen
Lebih terperinciCatatan Kuliah. MA5181 Proses Stokastik
Catatan Kuliah MA5181 Proses Stokastik Precise. Prospective. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA5181 Proses Stokastik
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI.1 Peubah Acak dan Distribusinya.1.1 Peubah Acak Definisi.1: Peubah acak adalah suatu fungsi yang menghubungkan sebuah bilangan real dengan setiap unsur di dalam ruang contoh, (Walpole
Lebih terperinciSIFAT-SIFAT STATISTIK PENDUGA FUNGSI NILAI HARAPAN PADA PROSES POISSON PERIODIK MAJEMUK DENGAN TREN FUNGSI PANGKAT INTAN FITRIA SARI
SIFAT-SIFAT STATISTIK PENDUGA FUNGSI NILAI HARAPAN PADA PROSES POISSON PERIODIK MAJEMUK DENGAN TREN FUNGSI PANGKAT INTAN FITRIA SARI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2016 PERNYATAAN
Lebih terperinciKEKONSISTENAN PENDUGA FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR. Oleh: LIA NURLIANA
KEKONSISTENAN PENDUGA FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR Oleh: LIA NURLIANA PROGRAM STUDI MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciTINJAUAN PUSTAKA. mengestimasi parameter regresi. Distribusi generalized. digunakan dalam bidang ekonomi dan keuangan.
II. TINJAUAN PUSTAKA Distribusi generalized,,, adalah salah satu distribusi probabilitas kontinu. Distribusi ini pertama kali diperkenalkan McDonald dan Newey 988 untuk mengestimasi parameter regresi.
Lebih terperinciII.TINJAUAN PUSTAKA. Dalam proses penelitian untuk mengkaji karakteristik pendugaan distribusi
II.TINJAUAN PUSTAKA Dalam proses penelitian untuk mengkaji karakteristik pendugaan distribusi generalized weibull menggunakan metode generalized momen ini, penulis menggunakan definisi dan konsep dasar
Lebih terperinciII LANDASAN TEORI. ii. Constant returns to scale, yaitu situasi di mana output meningkat sama banyaknya dengan porsi peningkatan input
2 II LANDASAN EORI Pada bab ini akan diuraikan beberapa definisi dan teori penunjang yang akan digunakan dalam karya ilmiah ini. 2.1 Istilah Ekonomi Definisi 1 (Pertumbuhan Ekonomi) Pertumbuhan ekonomi
Lebih terperinci