SEBARAN ASIMTOTIK PENDUGA TURUNAN N PERTAMA DAN KEDUA DARI KOMPONEN PERIODIK FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR
|
|
- Fanny Hermawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 2009
2 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan bahwa tesis dengan judul Sebaran Asimtotik Penduga Turunan Pertama dan Kedua dari Komponen Periodik Fungsi Intensitas Proses Poisson Periodik dengan Tren Linear adalah karya saya sendiri dengan arahan pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi manapun. Sumber informasi dari karya yang diterbitkan maupun yang tidak diterbitkan dari penulis lain disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir tesis ini. Bogor, Agustus 2009 Saliwati NIM. G550709
3 ABSTRACT SALIWATI. Asymtotic Distribution of Estimators for the First and Second Derivatives for Periodic Component of Intensity Function of a Periodic Poisson Process in the Presence of Linear Trend. Supervised by I WAYAN MANGKU and SISWANDI A periodic Poisson process is a Poisson process with periodic intensity function. In this process, the local intensity function at s expresses the rate of the process at time s. If the intensity function is increasing linearly with respect to time then the suitable model is periodic Poisson process with linear trend. This thesis is concerned with asymptotic distribution of estimators for the first and second derivatives for periodic component of intensity function of a periodic Poisson process in the presence of linear trend using general kernel function. Formulation of estimators for the first and second derivatives of the intensity function are the following. First, an estimator for the intensity function it self has to be formulated. Then, statistical properties of the estimators for the first and second derivatives of the intensity function are studied. Finally, asymptotic normality of those estimators are established. Keywords: periodic Poisson process, intensity function, linear trend, kernel function, asymptotic normality..
4 Hak Cipta milik Institut Pertanian Bogor, tahun 2009 Hak Cipta dilindungi undang-undang. Dilarang mengutip sebagian atau seluruh hasil karya tulis ini tanpa mencantumkan atau menyebutkan sumber. a. Pengutipan hanya untuk kepentingan pendidikan, penelitian, penulisan karya ilimiah, penyusunan laporan, penulisan kritik, atau tinjauan suatu masalah b. Pengutipan tidak merugikan kepentingan yang wajar Institut Pertanian Bogor. 2. Dilarang mengumumkan dan memperbanyak sebagian atau seluruh karya tulis dalam bentuk apapun tanpa izin Institut Pertanian Bogor.
5 SEBARAN ASIMTOTIK PENDUGA TURUNAN PERTAMA DAN KEDUA DARI KOMPONEN PERIODIK FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR SALIWATI Tesis Sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada Departemen Matematika SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2009
6 RINGKASAN SALIWATI. Sebaran Asimtotik Penduga Turunan Pertama dan Kedua dari Komponen Periodik Fungsi Intensitas Proses Poisson Periodik dengan Tren Linear. Dibimbing oleh I Wayan Mangku dan Siswandi. Salah satu bentuk khusus dari proses stokastik dengan waktu kontinu adalah proses Poisson periodik. Proses Poisson periodik adalah suatu proses Poisson dengan fungsi intensitas berupa fungsi periodik. Dalam banyak penerapan, di samping diperlukan penduga bagi fungsi intensitas suatu proses Poisson priodik, diperlukan pula penduga bagi turunan pertama dan turunan kedua dari fungsi intensitas tersebut. Pada tulisan ini direview perumusan penduga bagi turunan pertama dan turunan kedua dari fungsi intensitas suatu proses Poisson periodik dengan tren linear. Selain itu dikaji sifat-sifat statistikanya, selanjutnya ditentukan sebaran asimtotik dari penduga-penduga yang dikaji. Pada awalnya ditentukan penduga bagi komponen periodik dari fungsi intensitas dengan λ λ s, pada 0, dari suatu proses Poisson periodik (dengan periode diketahui) dengan tren linear yang diamati pada interval 0,. Penduga tipe kernel bagi, dirumuskan sebagai berikut: λ,,. Dari penduga di atas, diturunkan penduga bagi yang dirumuskan sebagai:,,,,,,. 2 Selanjutnya dari penduga di atas, diturunkan penduga bagi yang dirumuskan sebagai berikut:,,,, 2,, 2 2,,. 4 Pada ketiga penduga di atas, disebut bandwidth. Pengkajian yang dilakukan mencakup sifat sifat statistika serta sebaran asimtotik dari penduga,, dan,,. (i). Dari hasil kajian yang dilakukan dapat disimpulkan bahwa: Aproksimasi asimtotik bagi nilai harapan,,
7 .,, (ii). (iii). (iv). Aproksimasi asimtotik bagi ragam,, ,, 4. Aproksimasi asimtotik bagi nilai harapan,,,, 3. Aproksimasi asimtotik bagi ragam,,,, (v) Normalitas Asimtotik untuk λ c, n, K ' ln,, 4 2 d (vi) Normalitas Asimtotik untuk λ c, n, K. " ln ",, " d. 0, 2 0, 3 8 K 2 ( x) dx. K 2 ( x) dx.
8 Penguji Luar Komisi pada Ujian Tesis : Dr. Ir.Hadi Sumarno, MS.
9 Judul Tesis Nama NIM : Sebaran Asimtotik Penduga Turunan Pertama dan Kedua dari Komponen Periodik Fungsi Intensitas Proses Poisson Periodik dengan Tren Linear. : Saliwati : G Disetujui, Komisi Pembimbing Dr. Ir. I Wayan Mangku, M.Sc Ketua Drs. Siswandi, M.Si Anggota Diketahui, Ketua Program Studi Matematika Terapan Dekan Sekolah Pasca Sarjana Dr. Ir. Endar H. Nugrahani, M.S. Prof. Dr. Ir. Khairil A. Notodiputro, M.S. Tanggal Ujian : 7 Agustus Tanggal Lulus :
10 PRAKATA Puji dan syukur penulis panjatkan kepada Allah SWT atas segala karunia- Nya sehingga karya ilmiah ini dapat diselesaikan. Judul yang dipilih dalam penelitian yang dilaksanakan sejak bulan Maret 2009 ini adalah Sebaran Asimtotik Penduga Turunan Pertama dan Kedua dari Komponen Periodik Fungsi Intensitas Proses Poisson Periodik dengan Tren linear. Karya ilmiah ini tidak akan mungkin terselesaikan tanpa adanya dorongan, bantuan dan kritikan membangun berbagai pihak. Terima kasih penulis ucapkan kepada Bapak Dr. Ir. I Wayan Mangku, M.Sc. dan Bapak Drs. Siswandi, M.si selaku pembimbing serta Bapak Dr.Ir.Hadi Sumarno, MS selaku penguji yang telah banyak memberikan saran. Di samping itu, ungkapan terima kasih juga penulis sampaikan kepada Departemen Agama Republik Indonesia yang telah memberikan bea siswa, kepada rekan-rekan mahasiswa atas diskusinya, serta pihak lain yang tidak bisa disebutkan satu persatu. Semoga atas semua kebaikan dapat bernilai ibadah dan dibalas oleh Allah SWT dengan kebaikan yang berlipat. Terakhir kepada Yang tercinta suami dan keempat putri, kedua orang tua dan seluruh keluarga yang memberikan motivasi dan do a. Semoga karya ilmiah ini bermanfaat. Bogor, Agustus 2009 Saliwati
11 RIWAYAT HIDUP Penulis dilahirkan di Tarempa pada 8 September 969 dari Ayah H. Saleh dan Ibu Hj. Nurjannah Penulis merupakan putri ke-enam dari sebelas bersaudara. Tahun 989 penulis lulus dari MAN Pekanbaru dan pada tahun yang sama lulus seleksi masuk UNRI (Universitas Riau) Pekanbaru pada Fakultas Keguruan dan Ilmu Pendidikan (FKIP) Jurusan Pendidikan Matematika dan Ilmu Pengetahuan Alam. Kesempatan untuk melanjutkan program magister pada Program Studi Matematika Fakultas MIPA IPB diperoleh pada tahun Penulis adalah staf pengajar Bidang studi Matematika sejak Juli 997 di Madrasah Aliah Negeri 2 Model Pekanbaru.
12 DAFTAR ISI Halaman I PENDAHULUAN. Latar Belakang....2 Tujuan Penelitian... 2 II TINJAUAN PUSTAKA 2. Proses Poisson Periodik Review Pendugaan Fungsi Intensitas Proses Poisson Periodik... 6 III REVIEW PENDUGAAN TURUNAN PERTAMA DAN KEDUA DARI KOMPONEN PERIODIK FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR 3. Perumusan Penduga bagi dan " Review Sifat-sifat Statistika Review Sifat- sifat Statistika Review Sifat-sifat Statistika ",, 26 IV SEBARAN ASIMTOTIK PENDUGA TURUNAN PERTAMA DAN KEDUA DARI KOMPONEN PERIODIK FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR 4. Sebaran asimtotik dari,, Sebaran asimtotik dari λ",,k V KESIMPULAN DAFTAR PUSTAKA LAMPIRAN... 59
13 BAB I PENDAHULUAN.. Latar Belakang Banyak fenomena yang kita jumpai di kehidupan sehari-hari yang dapat dijelaskan dengan suatu proses stokastik. Proses stokastik merupakan salah satu bentuk model yang berkaitan dengan suatu aturan-aturan peluang dan mempunyai peranan penting dalam berbagai bidang dalam kehidupan sehari-hari seperti proses kedatangan pelanggan ke suatu pusat servis. Proses stokastik dibedakan menjadi dua yaitu proses stokastik dengan waktu diskret dan proses stokastik dengan waktu kontinu. Pada tulisan ini pembahasan hanya dibatasi untuk proses stokastik dengan waktu kontinu. Salah satu bentuk khusus dari proses stokastik dengan waktu kontinu adalah proses Poisson periodik. Sebagai contoh, proses kedatangan pelanggan ke pusat servis dapat di modelkan dengan suatu proses Poisson periodik dengan periode satu hari. Pada proses kedatangan pelanggan tersebut, fungsi intensitas lokal λ(s) menyatakan laju kedatangan pelanggan pada waktu s. Jika laju kedatangan pelanggan tersebut cenderung meningkat secara linear terhadap waktu, maka model yang sesuai adalah proses Poisson periodik dengan tren linear. Untuk kasus ini fungsi intensitas pada titik s menjadi λ(s) = λ с (s) + as dengan a menyatakan kemiringan tren linear dan λ с (s) adalah fungsi periodik. Dalam banyak penerapan, di samping diperlukan penduga bagi fungsi intensitas suatu proses Poisson priodik, diperlukan pula penduga bagi turunan pertama dan turunan kedua dari fungsi intensitas tersebut. Pada tulisan ini direview perumusan penduga bagi turunan pertama dan turunan kedua dari komponen periodik fungsi intensitas suatu proses Poisson periodik dengan tren linear. Selain itu dikaji sifat-sifat statistikanya, selanjutnya ditentukan sebaran asimtotik dari penduga-penduga yang dikaji.
14 2.2. Tujuan Penelitian Permasalahan pada penelitian ini adalah merumuskan sebaran asimtotik penduga turunan pertama dan penduga turunan kedua dari komponen periodik fungsi intensitas suatu proses Poisson periodik dengan tren linear. Tujuan penelitian ini adalah: (i). Mereview perumusan penduga turunan pertama dan turunan kedua dari komponen periodik fungsi intensitas suatu proses Poisson periodik dengan tren linear. (ii) Mereview pendekatan asimtotik dari nilai harapan dan ragam penduga. (iii) Menentukan sebaran asimtotik dari penduga turunan pertama. (iv) Menentukan sebaran asimtotik dari penduga turunan kedua.
15 3 BAB II TINJAUAN PUSTAKA 2.. Proses Poisson Periodik Definisi 2. (Proses stokastik) Proses stokastik X={X(t), t T } adalah suatu himpunan dari peubah acak yang memetakan suatu ruang contoh Ω ke suatu ruang state S. (Ross 2007) Dengan demikian, X(t) merupakan suatu peubah acak untuk setiap t pada himpunan indeks T, dengan t menyatakan waktu dan X(t) kita sebut keadaan (state) dari proses pada waktu t. Ruang state S dapat berupa himpunan bilangan bulat (atau himpunan bagiannya) atau dapat berupa himpunan bilangan real (atau himpunan bagiannya). Definisi 2.2 (Proses stokastik dengan waktu kontinu) Suatu proses stokastik X disebut proses stokastik dengan waktu kontinu jika T adalah suatu interval. (Ross 2007) Definisi 2.3 (Inkremen bebas) Suatu proses stokastik dengan waktu kontinu {X(t), t T } disebut memiliki inkremen bebas jika untuk semua, peubah acak,,, adalah bebas. (Ross 2007) Dengan kata lain, suatu proses stokastik X dengan waktu kontinu disebut memiliki inkremen bebas jika proses berubahnya nilai pada interval waktu yang tidak tumpang tindih (tidak overlap) adalah bebas. Definisi 2.4 (Inkremen stasioner) Suatu proses stokastik dengan waktu kontinu {X(t), t T } disebut memiliki inkremen stasioner jika X(t+s) - X(t) memiliki sebaran yang sama untuk semua nilai t.
16 4 (Ross 2007) Dengan kata lain, suatu proses stokastik dengan waktu kontinu X disebut memiliki inkremen stasioner jika sebaran dari perubahan nilai antara sembarang dua titik hanya tergantung pada jarak antara kedua titik tersebut, dan tidak bergantung pada lokasi titik titik tersebut. Proses Poisson merupakan salah satu bentuk khusus dari proses stokastik dengan waktu kontinu. Untuk proses Poisson, kecuali dinyatakan secara khusus, kita anggap bahwa himpunan indeks T adalah interval bilangan nyata tak negatif, yaitu [0, ). Definisi 2.5 (Proses pencacahan) Suatu proses stokastik {N(t), t 0} disebut proses pencacahan jika N(t) menyatakan banyaknya kejadian yang telah terjadi sampai waktu t. Proses pencacahan N(t) harus memenuhi syarat- syarat sebagai berikut: (i) N(t) 0 untuk semua t [0, ). (ii) Nilai N(t) adalah integer. (iii)jika s < t maka N(s ) N(t), dengan s,t [0, ). (iv) Untuk s < t maka N(t ) - N(s), sama dengan banyaknya kejadian yang terjadi pada selang (s,t]. (Ross 2007) Definisi 2.6 (Proses Poisson) Suatu proses pencacahan {N(t), t 0} disebut proses Poisson dengan laju λ, λ>0, jika dipenuhi tiga syarat berikut: (i) N(0) = 0. (ii) Proses tersebut memiliki inkremen bebas. (iii)banyaknya kejadian pada sembarang interval waktu dengan panjang t memiliki sebaran Poisson dengan nilai harapan λt. Jadi untuk semua t, s>0,, 0,,2,! (Ross 2007)
17 5 Dari syarat (iii) dapat dilihat bahwa proses Poisson memiliki inkremen stasioner. Dari syarat ini juga kita peroleh bahwa λt, yang juga menjelaskan kenapa λ disebut laju proses tersebut. Definisi 2.7 (Proses Poisson homogen) Proses Poisson homogen adalah proses Poisson dengan laju λ yang merupakan konstanta untuk semua waktu t. (Ross 2007) Definisi 2.8 (Proses Poisson tak homogen) Proses Poisson tak homogen adalah suatu proses Poisson dengan laju pada sembarang waktu t yang merupakan fungsi tak konstan dari t yaitu λ(t). (Ross 2007) Definisi 2.9 (Fungsi intensitas) Laju dari suatu proses Poisson tak homogen {N(t), t 0}, yaitu λ(t) disebut fungsi intensitas proses Poisson tersebut pada t. (Mangku 200) Definisi 2.0 (Intensitas lokal) Intensitas lokal dari suatu proses Poisson tak homogen N dengan fungsi intensitas λ pada titik s R adalah λ(s), yaitu nilai fungsi λ di s. (Cressie 993) Definisi 2. (Fungsi intensitas global) Misalkan N([0,n]) adalah proses Poisson pada interval [0, n]. Fungsi intensitas global dari proses Poisson ini didefinisikan sebagai 0, lim, jika limit di atas ada. (Cressie 993) Definisi 2.2 (Fungsi periodik) Suatu fungsi λ disebut periodik jika λ (s+k)= λ(s) untuk semua s R dan k, dengan Z adalah himpunan bilangan bulat. Konstanta terkecil yang memenuhi persamaan di atas disebut periode dari fungsi λ tersebut. (Browder 996)
18 6 Definisi 2.3 (Proses Poisson periodik) Proses Poisson periodik adalah suatu proses Poisson yang fungsi intensitasnya adalah fungsi periodik. (Mangku 200) Lema 2. (Teorema Limit Pusat) Misalkan adalah barisan peubah acak yang bebas dengan masing-masing memiliki nilai harapan dan ragamnya bernilai terhingga. Jika dan untuk suatu v>2,, untuk, maka memiliki sebaran normal asimtotik dengan nilai harapan dan ragam, dinotasikan, Bukti: lihat Serfling Review Pendugaan Fungsi Intensitas Proses Poisson Periodik Fungsi intensitas dari proses Poisson merupakan laju dari proses Poisson tersebut. Dalam hal ini fungsi intensitas dapat dibedakan menjadi dua, yaitu fungsi intensitas lokal dan fungsi intensitas global. Fungsi intensitas lokal menyatakan laju proses Poisson di titik tertentu, sedangkan fungsi intensitas global menyatakan rata-rata laju dari suatu proses Poisson pada suatu selang dengan panjang menuju tak hingga. Pendugaan fungsi intensitas lokal dari suatu proses Poisson di titik s adalah menaksir rata-rata banyaknya kejadian proses Poisson tersebut dalam selang waktu di sekitar titik s. Secara matematis, misalkan h n 0 dan N([ 0,t]) menyatakan banyaknya kejadian yang terjadi pada suatu interval [0,t], maka, intensitas di titik s dapat dihampiri oleh N ([ s h s + h ]) 2h Sedangkan pendugaan fungsi intensitas global dari suatu proses Poisson adalah menaksir rata-rata banyaknya kejadian proses Poisson tersebut pada selang n n n.
19 7 waktu [0,n]. Secara matematis, intensitas global dapat dihampiri dengan N n ([ 0, n] ). Beberapa penelitian telah dilakukan dalam pendugaan fungsi intensitas proses Poisson periodik. Fungsi intensitas proses Poisson digunakan dalam pemodelan laju polusi minyak di Laut Utara Belanda (Helmers, 995). Secara komputasi, telah dirumuskan mengenai algoritma untuk menduga fungsi intensitas suatu proses Poisson dengan tren eksponensial kuadratik dan periodik oleh (Helmers dan Zikitis 999). Dengan pendugaan tipe kernel, kekonsistenan penduga fungsi intensitas proses Poisson periodik telah dibuktikan pada Helmers et al. (2003), lihat juga Mangku (2006) untuk kasus yang relatif sederhana dimana periode dari fungsi intensitasnya diasumsikan diketahui. Selain itu, pembuktian kekonsistenan penduga fungsi intensitas lokal menggunakan metode titik terdekat (nearest neighbor estimation) telah dikaji pada Mangku (999). Pendugaan fungsi intensitas pada proses Poisson sering dibedakan berdasarkan periodenya, yaitu: periode yang diketahui dan periode yang tidak diketahui. Untuk periode tidak diketahui, pendugaan fungsi intensitasnya lebih rumit dibandingkan situasi dimana periodenya diketahui. Meskipun demikian, sifat-sifat statistika untuk penduga tersebut dengan pendekatan tipe kernel telah dirumuskan pada Helmers et al. (2005). Pemodelan suatu penomena dengan proses Poisson periodik berkembang dengan menyertakan tren linear dikaji pada Helmers dan Mangku (2009) maupun menggunakan periodik ganda dalam fungsi intensitasnya telah dibahas pada Helmers et al. (2007). Untuk kasus periode diketahui, kekonsistenan pendugaan turunan pertama dan turunan kedua dengan menggunakan fungsi kernel seragam dari fungsi intensitas suatu proses Poisson periodik telah dikaji pada Herniwati (2007). Pendugaan turunan pertama dan kedua dari fungsi intensitas suatu proses Poisson periodik dengan menggunakan fungsi kernel umum telah dibahas pada Syamsuri (2007). Pendugaan fungsi intensitas global dari proses Poisson periodik dengan tren linear telah di bahas pada Mangku (2005). Sifat-sifat statistika orde 2 pendugaan tipe kernel bagi komponen perodik fungsi intensitas proses Poisson
20 8 periodik dengan tren linear dan modifikasinya telah dibahas pada Marliana (2008). Kekonsistenan dan sifat-sifat statistika penduga turunan pertama dan turunan kedua dari komponen periodik fungsi intensitas suatu proses Poisson periodik dengan tren linear telah dibahas pada Eviliyanida (2009).
21 9 BAB III REVIEW PENDUGAAN TURUNAN PERTAMA DAN TURUNAN KEDUA KOMPONEN PERIODIK FUNGSI INTENSITAS SUATU PROSES POISSON PERIODIK DENGAN TREN LINEAR 3. Perumusan Penduga bagi dan " Untuk merumuskan penduga bagi λ ( s) dan ( s) c ' λ c" terlebih dahulu perlu dirumuskan penduga bagi sebagai berikut. Misalkan N adalah proses Poisson yang diamati pada interval [0,n] dengan fungsi intensitas λ () s (tidak diketahui) yang diasumsikan memiliki dua komponen, yaitu komponen periodik dengan periode τ > 0 dan komponen tren linear. Dengan kata lain, untuk setiap titik s [ 0, ) fungsi intensitas ( s) dengan ( s) c λ dapat ditulis sebagai berikut : λ λ s (3.) λ adalah fungsi periodik dengan periode (diketahui) τ > 0 dan a menyatakan kemiringan tren linear. Karena c ( s) untuk setiap s [ 0, ) dan k λ adalah fungsi periodik maka Z, dengan Z adalah himpunan bilangan bulat, berlaku λ λ s. 3.2 Kita juga asumsikan bahwa s adalah titik Lebesque dari λ, sehingga berlaku : lim λ λ (Wheeden dan Zygmund 977). Syarat cukup agar s merupakan titik Lebesgue dari λ adalah fungsi λ kontinu di s. Karena λ c ( s) adalah fungsi periodik dengan periode τ maka untuk menduga λ c ( s) pada s [ 0, ) cukup diduga nilai λ c ( s) pada s [ 0,τ ). Misalkan K : R [ 0, ) merupakan fungsi bernilai real, yang disebut kernel, yang memenuhi sifat-sifat berikut : (K.) K merupakan fungsi kepekatan peluang, (K.2) K terbatas, dan (K.3) K memiliki daerah definisi pada [-,] (Hermers et al. 2003). Misalkan juga h n merupakan barisan bilangan real positif yang konvergen ke 0 atau
22 0 untuk. 0 Penduga bagi a dan pada titik [ 0,τ ) dirumuskan sebagai berikut: dan s secara berturut-turut , 3.5 λ,, 3.6 Ide di balik pembentukan a n dan c, n, K () s λ dapat dilihat pada Helmers dan Mangku (2009) dan Marliana (2008). Jika ˆλ () s adalah penduga bagi, maka penduga bagi λ () s dapat c, n, K dirumuskan sebagai berikut,,,,,, Penduga di atas diperoleh dari fakta bahwa, untuk nilai 0 yang cukup kecil, maka 2 Jika ˆλ () s adalah penduga bagi maka penduga bagi dapat c, n, K dirumuskan sebagai berikut:,,,, 2,, 2 2,, Penduga di atas diperoleh dari fakta bahwa, untuk nilai h>0 yang cukup kecil, maka ' c 3.2 Review Sifat-sifat Statistika ˆλ ( s) c, n, K Lema 3. Misalkan fungsi intensitas memenuhi (3.) dan terintegralkan lokal. Maka
23 2 3.9 dan untuk n, dengan λ ; yang menyatakan fungsi intensitas global dari komponen periodik. Hasil tersebut menyatakan bahwa merupakan penduga konsisten bagi. MSE diberikan oleh persamaan untuk. Bukti dari lema ini dapat dilihat pada Helmers dan Mangku (2009). Teorema 3. (Aproksimasi asimtotik untuk nilai harapan,, ) Misalkan fungsi intensitas memenuhi (3.) dan terintegralkan lokal. Misalkan pula h 0 untuk n, dan kernel K simetris dan memenuhi asumsi (K.), n (K.2), dan (K.3). i) Jika ln, dan memiliki turunan ketiga berhingga pada s, maka,, ii) Jika ln, dan memiliki turunan keempat berhingga pada s, maka,, untuk n. Bukti : (lihat juga Eviliyanida 2009). Berdasarkan Teorema Fubini, kita dapat menukarkan urutan penentuan nilai harapan dan penjumlahan, sehingga nilai harapan di ruas kiri (3.2) dan (3.3) dapat dinyatakan sebagai berikut
24 2,,. 3.4 Suku pertama pada ruas kanan persamaan (3.4) dapat ditulis menjadi 0,. 3.5 Dengan menggantikan variabel dan menggunakan persamaan (3.) dan (3.2) maka persamaan (3.5) dapat ditulis menjadi 0, 0, 0, 0, 0,. Dengan menggunakan fakta bahwa 0,,
25 3 untuk dan selanjutnya menggantikan variabel maka suku pertama pada ruas kanan persamaan (3.6) dapat ditulis menjadi. 3.8 Untuk membuktikan persamaan (3.2), karena mempunyai turunan ketiga pada s, dengan menggunakan deret Taylor (Lema A.3 dalam Lampiran ), maka diperoleh! 2! 3! jika n. Dengan menggunakan hasil ini maka persamaan (3.8) menjadi! 2! 3!! 2! 3! 3.9 untuk n. Karena K merupakan fungsi kepekatan peluang yang memiliki daerah definisi pada [-,], maka simetris, maka. Karena kernel K adalah 0 dan 0. Dari asumsi maka suku terakhir pada ruas kanan dari persamaan (3.9) menjadi, jika. Sehingga persamaan (3.9) menjadi sama dengan untuk n. Sedangkan suku kedua pada ruas kanan persamaan (3.6) dapat ditulis menjadi sama dengan
26 4 0, 0, 0, 0, 0, 0,. Dengan menggunakan (3.7), dan fakta bahwa 0, 3.2 untuk n, dan penggantian variabel maka ruas kanan persamaan (3.2) dapat ditulis menjadi untuk 3.22 n. Karena K merupakan fungsi kepekatan peluang yang memiliki daerah definisi pada [-,], maka simetrik, maka. Karena kernel K adalah 0. Sehingga suku pertama pada persamaan (3.22) sama dengan nol. Suku kedua persamaan (3.22) sama dengan
27 5 untuk. Sedangkan suku ketiga dari persamaan (3.22) menjadi untuk n. Sehingga suku kedua pada ruas kanan persamaan (3.6) adalah 3.23 jika n. Dari asumsi maka suku terakhir ruas kanan dari persamaan (3.23) menjadi, jika. Jika kita gabung hasil dari suku pertama (persamaan 3.20) dan suku kedua (persamaan 3.23) pada persamaan (3.6), maka ruas kanan persamaan (3.5) sama dengan untuk n. Kemuadian untuk menyelesaikan suku kedua ruas kanan dari persamaan (3.4) kita gunakan persamaan (3.9) dari Lema 3. sehingga diperoleh jika n. Dari asumsi maka suku terakhir ruas kanan dari persamaan (3.25) adalah, jika. Dengan menggabungkan persamaan (3.24) dan (3.25) akan diperoleh persamaan (3.2). Untuk membuktikan persamaan (3.3) kita gunakan argumen berikut. Karena mempunyai turunan keempat pada s, dengan menggunakan deret Taylor (Lema A.3 dalam Lampiran ), kita peroleh
28 6! 2! 3! 4! iika n. Dengan menggunakan hasil ini untuk n maka persamaan (3.8) menjadi 4! 3!! 2!! 4! 3! 2! 3.26 jika n. Karena K merupakan fungsi kepekatan peluang yang memiliki daerah definisi pada [-,], maka maka 0 dan. Karena kernel K adalah simetris, 0. Dari asumsi maka suku terakhir pada ruas kanan dari persamaan (3.26) menjadi, jika. Sehingga persamaan (3.26) menjadi sama dengan 2 24, 3.27 untuk. Jika kita gabung persamaan (3.27) dan persamaan (3.23) maka diperoleh untuk n. Dengan mensubtitusikan persamaan (3.28) dan (3.25) diperoleh persamaan (3.3). Berarti Teorema 3. terbukti.
29 7 Teorema 3.2 (Aproksimasi Asimtotik bagi Ragam,, ) Misalkan fungsi intensitas λ memenuhi (3.) dan terintegralkan lokal. Jika 0 untuk n, fungsi kernel K memenuhi asumsi (K), (K2), (K3). Jika ln, maka,, 6 ln 3.29 untuk n, asalkan s adalah titik Lebesgue dari, dimana =0,577 adalah konstanta Euler. Bukti: Kita ingat bahwa λ,,. Misalkan.. Untuk memperoleh ragam dari λ,, kita gunakan persamaan berikut λ,, 2, Dari asumsi (4), untuk n yang cukup besar, interval, dan, tidak overlap untuk semua. Hal ini berimplikasi bahwa untuk semua, dan
30 8 saling bebas. Ragam pada ruas kanan persamaan (3.30) dapat dinyatakan sebagai berikut,, 2, Suku pertama pada ruas kanan persamaan (3.3) dapat ditulis menjadi: Dengan mengganti variabel dan menggunakan (3.) dan (3.2), persamaan (3.32) dapat ditulis menjadi 0, 0, 0,
31 9 0, Suku pertama pada ruas kanan persamaan (3.33) adalah sama dengan 0, 0, 0, Kita perhatikan bahwa 0, untuk n. Karena Kernel K terbatas dan memiliki daerah definisi pada [-,], dengan menggunakan persamaan (3.3) dan (3.35) maka suku pertama pada ruas kanan persamaan (3.34) sama dengan, untuk n. Sedangkan suku kedua pada ruas kanan persamaan (3.34) sama dengan ln 3.36 untuk n. Suku kedua pada persamaan (3.33) dapat ditulis sebagai berikut
32 20 0, 0, 3.37 Dengan menggunakan persamaan (3.35) maka suku pertama pada persamaan (3.37) menjadi untuk n. Dengan menggunakan fakta bahwa 0,, suku kedua pada ruas kanan persamaan (3.37) menjadi l untuk n. Dengan menggabungkan persamaan persamaan (3.36), (3.38) dan (3.40), maka suku pertama pada persamaan (3.3) menjadi
33 2 6 6 ln ln untuk. Dengan menggunakan persamaan (3.0) pada Lema 3., suku kedua pada persamaan (3.3) dapat ditulis sebagai berikut untuk n. Perhatikan bahwa suku pertama dan kedua pada ruas kanan persamaan (3.42) sama dengan o(, untuk n. Dengan menggunakan pertidaksamaan Cauchy-Schwarz suku ketiga dari persamaan (3.3) adalah 2,
34 22 l 3.43 untuk n. Dengan menggabungkan persaman (3.4), (3.42) dan (3.43) kita peroleh persamaan (3.29). Jadi Teorema 3.2 terbukti. 3.3 Review Sifat- sifat Statistika ˆλ ' ( s) c, n, K Teorema 3.3 (Aproksimasi asimtotik untuk nilai harapan ˆλ ' ) c, n, K Misalkan fungsi intensitas λ memenuhi (3.) dan terintegralkan lokal. Jika 0 dan ln untuk n, fungsi kernel K adalah simetrik dan memenuhi asumsi (K), (K2), (K3), serta memiliki turunan ketiga berhingga pada s, maka,, jika n. 6 2 Bukti : (Lihat juga Eviliyanida (2009)).,,,,,, 2 2,,,,. Berdasarkan (3.2) diperoleh,, 2,, 2 Sehingga persamaan (3.45) menjadi,, Dengan deret Taylor diperoleh! 2! 3!, 3.46
35 23! 2!, 3!,. Dengan mensubstitusikan (3.46) (3.49), maka dihasilkan ,, Jadi Teorema 3.3 terbukti. Teorema 3.4 (Aproksimasi asimtotik untuk ragam ˆλ ' ) c, n, K Misalkan fungsi intensitas λ memenuhi (3.) dan terintegralkan lokal. Jika 0, ln, untuk n, fungsi kernel K memenuhi asumsi (K), (K2), (K3) serta memiliki turunan ketiga berhingga pada s, maka ,, 4 untuk n. Bukti : (Lihat juga Eviliyanida (2009)). 3.50,, dapat ditentukan sebagai berikut,,,,,, 2 4,,,, 2,,,,, 3.5 Ingat kembali pernyataan (3.6) yang mengakibatkan :
36 24,, dan,,. Dari 0, untuk nilai n yang besar, maka selang, 2 dan 2, tidak tumpang tindih (tidak overlap). Sehingga,2 dan 2, adalah bebas. Dengan demikian,,,,, 0, sehingga persamaan (3.5) menjadi,, 4,,,, Kemudian ingat kembali pernyataan (3.29) yang mengakibatkan:,, 6 ln,,,
37 25 ln, untuk. Dengan mensubstitusikan persamaan (3.54) dan (3.53) ke (3.52), maka 5.54,, ln 3.55 untuk. Substitusi persamaan (3.46) dan (3.47) ke (3.55) sehingga (3,52) menjadi,, , untuk. Jadi Teorema 3.4 terbukti Review Sifat-sifat Statistika ",, Teorema 3.5 (Aproksimasi asimtotik untuk nilai harapan ",, ) Misalkan fungsi intensitas λ memenuhi (3.) dan terintegralkan lokal. Jika 0 dan ln, untuk n, fungsi kernel K adalah simetrik dan memenuhi
38 26 asumsi (K), (K2), (K3) serta memiliki turunan keempat berhingga pada s, maka,, untuk n. 3 Bukti: (Lihat juga Eviliyanida (2009)).,,,, 2,, 2 2,, 4 4,, 2,, 2 2,,. Dengan menggunakan persamaan (3.3) diperoleh,, dan,, untuk n. Sehingga,,, (3.6) Dengan deret Taylor diperoleh 2! 2! 2 2! 2 2! 4 3! 4 3! 8 4! 8 4!
39 untuk. Dengan mensubstitusikan (3.62) (3.67), ke (3.6) maka dihasilkan ,, ,, 3. Jadi Teorema 3.5 terbukti. Teorema 3.6 (Aproksimasi Asimtotik Untuk Ragam ˆλ" ( s) c, n, K Misalkan fungsi intensitas λ memenuhi (3.) dan terintegralkan lokal. Jika 0, ln, untuk n, fungsi kernel K memenuhi asumsi (K), (K2), (K3) serta memiliki turunan keempat berhingga pada s, maka,, n 3.68 untuk n. Bukti: (Lihat juga Eviliyanida (2009)).,, dapat ditentukan sebagai berikut,,,,, 2,, 2 2,, ,, 2,, 2 2,, 6,, 2,, 2 4,, 2,, 2,,, 2
40 28 4,, 2,,, 4,, 2,,, Ingat kembali pernyataan (3.6) yang mengakibatkan :,, 2 2 dan 2,, Dari 0, untuk nilai n yang besar, maka selang, dan,3 dan 3, tidak tumpang tindih (tidak overlap). Sehingga,,,3, dan 3, adalah bebas. Dengan demikian,, 2,,, 2 0,,, 2,,, 0, dan,, 2,,, 0, sehingga,, 6,, 2,, 2 4,,. 3.7 Kemudian ingat kembali pernyataan (3.29) yang mengakibatkan,,
41 29 untuk n, dan ln,, ln untuk n. Dengan mensubtitusikan kepersamaan (3.7) diperleh,, ln 3.72 untuk. Dari persamaan (3.72) dan dengan mensubstitusikan (3.62), (3.63) diperoleh,,, o 4 2 6
42 30 untuk. Jadi Teorema 3.6 terbukti. 3 8 n
43 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 untuk,, ) Misalkan fungsi intensitas λ memenuhi persamaan (3.) dan terintegralkan lokal. Jika kernel K simetris dan memenuhi asumsi (K), (K2), dan (K3), serta 0 dan ln dan ln 0, untuk, serta λ memiliki turunan ketiga berhingga pada s maka ln,, untuk. Bukti : Misalkan,, dan d 0, 2 K 2 ( x) dx ln ln ,,,,,, Ruas kiri pernyataan (4.) dapat di tulis menjadi ln,,,, ln,,. 4.4 Maka, untuk membuktikan pernyataan (4.) cukup dibuktikan ln,,,, P dan ln,, d 0, 2 K 2 ( x) dx 4.6
44 32 untuk. Pernyataan (4.5) akan dibuktikan pada Lema 4. dan pernyataan (4.6) dibuktikan pada Lema 4.2. Lema 4. Misalkan fungsi intensitas λ memenuhi persamaan (3.) dan terintegralkan lokal. Jika kernel K simetris dan memenuhi asumsi (K), (K2), dan (K3), serta 0 dan ln untuk, serta λ memiliki turunan pertama berhingga pada s maka maka ln,,,, untuk n. Bukti: Berdasarkan persamaan (3.6) dan (3.7) diperoleh,, P ln 0 2 ln 2 ln 0 2 ln. 4.8 Berdasarkan persamaan (4.2) dan (4.3) diperoleh,, 2 ln 0 2 ln 2 ln 2 ln. 4.9 Persamaan (4.8) dan (4.9) disubtitusi ke ruas kiri (4.7) sehingga ruas kiri (4.7) dapat ditulis menjadi
45 33 ln a. 4.0 Maka, untuk membuktikan persamaan (4.7) cukup dibuktikan ln a P 0 4. jika. Ruas kiri pernyataan (4.) dapat ditulis sebagai ln ln Maka untuk membuktikan pernyataan (4.) cukup dibuktikan ln P 0 42 dan ln jika. 0 (4.3) Untuk membuktikan persamaan (4.2) harus dibuktikan untuk setiap 0 berlaku ln jika. Pembuktian pernyataan (4.4) menggunakan ketaksamaan Chebyshev dan sifat-sifat statistika. Peluang pada ruas kiri pernyataan (4.4) dapat ditulis sebagai berikut 3 ln 2 3 ln ln ln
46 untuk. Dengan didapat persamaan (4.5) maka pernyataan (4.2) terbukti. Untuk membuktikan pernyataan (4.3) perlu diingat sifat-sifat statistika penduga komponen tren linear pada persamaan (3.9), yaitu E 2, jika. Maka ruas kiri pernyataan 4.3 dapat ditulis menjadi ln 2 ln ln n untuk. Dengan demikian maka pernyataan (4.3) terbukti. Jadi Lema 4. terbukti. Lema 4.2 Misalkan fungsi intensitas λ memenuhi persamaan (3.) dan terintegralkan lokal. Jika kernel K simetris dan memenuhi asumsi (K), (K2), dan (K3), serta 0 dan ln ln 0, untuk, serta λ memiliki turunan ketiga berhingga di s maka ln,, d 0, 2 untuk n. Bukti Ruas kiri pernyataan (4.6) dapat ditulis menjadi ln,,,, K 2 ( x) dx. 4.6 ln,,. 4.7 Maka, untuk membuktikan pernyataan (4.6) cukup dibuktikan
47 35 ln,,,, dan d 0, 2 K 2 ( x) dx (4.8) ln,, jika. Kita perhatikan ruas kiri pernyataan (4.8) yang dapat di tulis menjadi n ln h τ 3 n Var( λ' c, n, K λ' c, n, K ( s) E λ' c, n, K ( s)) Var λ' c, n, K ( s) Maka untuk membuktikan (4.8), cukup diperiksa λ' c dan, n, ( s). (4.20), K ( s) E λ' c, n, K, ( s) d Normal(0,), (4.2) Var λ' c, n, K ( s) n 3 ln hn Var( λ' c, n, τ K ( s)) aτ 2 K 2 ( x) dx) (4.22) untuk. Pernyataan (4.2) dapat dibuktikan dengan menerapkan Teorema Limit Pusat (Central Limit Theorem) yang langkahnya diawali dari penggunaan persamaan (4.2) untuk menentukan peubah acak. Karena, maka persamaan 4.2 dapat dituliskan menjadi,, ln 0 ln ln
48 36 ln ln 4.23,, ln ln dan 0,, ln ln. Dari persamaan (4.3) maka diperoleh λ' c, n, K ( s) 2 ln Misalkan ln. 2 ln 0 Sehingga nilai harapan dari peubah acak adalah 2 ln 0
49 37 2 ln 2 ln Dengan mengganti variabel dan menggunakan persamaan (3.) dan (3.2), maka persamaan di atas dapat ditulis menjadi 2 ln 2 ln. Karena dan maka persamaan di atas dapat diubah menjadi 2 ln
50 38. Dengan mengganti variabel dan menggunakan persamaan (3.) dan (3.2), maka persamaan di atas dapat ditulis menjadi 2 ln a untuk. Jadi terhingga. Nilai ragam dari peubah acak adalah ln Karena suku ketiga ruas kanan (4.25) adalah deterministik serta suku pertamanya dan suku keduanya adalah bebas, maka Var Var. Dengan mengganti variable dan menggunakan persamaan (3.) dan (3.2), maka persamaan di atas dapat ditulis menjadi
51 39. Karena dan sifat bahwa maka persamaan di atas dapat diubah menjadi Dengan mengganti variabel dan menggunakan persamaan (3.) dan (3.2), maka persamaan di atas dapat ditulis menjadi 2 x 2 x, 4.27 untuk. Hal ini karena asumsi (K2) dan (K3), 0, serta memiliki turunan pertama berhingga di s yang berimplikasi kontinu dan memiliki nilai berhingga di sekitar s. Misalkan B 4 n n τ = Var( X k= k 2 ) maka diperoleh
52 x untuk. Karena x dan k ln untuk, maka persamaan (3.28) dapat ditulis menjadi 2 untuk. Selanjutnya dibuktikan 4 l x O x E E untuk. Ruas kiri persamaan (4.28) dapat ditulis sebagai Perhatikan bahwa suku pertama dan suku kedua pada persamaan (4.29) memiliki pola yang sama. Maka untuk membuktikan persamaan (4.28), cukup dibuktikan untuk. Ruas kiri persamaan (4.30) 4.30
53 4 4.3 Karena 3, bukti lihat lema A.2 pada lampiran sehingga persamaan (4.3) dapat ditulis sebagai 3 3 0, 3 0, Dengan menggantikan variabel dan menggunakan persamaan (3.) dan (3.2) maka persamaan di atas dapat ditulis menjadi 0, 3 4 0, Karena dan maka persamaan (4.32) dapat diubah menjadi 0, ,
54 , , 0 2 0, =O(). untuk. Hal ini karena asumsi (K2) dan (K3), 0,serta memiliki turunan pertama berhingga di s yang berimplikasi kontinu dan memiliki nilai berhingga di sekitar,. dan 4 ln x sehingga untuk. Dari hasil persamaan-persamaan di atas maka teorema limit pusat telah terpenuhi dan kemudian diperoleh kesimpulan bahwa merupakan barisan peubah acak bebas yang nilai harapan dan nilai ragamnya terhingga serta tidak nol untuk sembarang nilai k. Kemudian penduga,. dapat dinyatakan sebagai jumlah dari peubah acak bebas yang dikalikan dengan suatu konstanta yaitu λ' c, n, K ( s) 2 ln yang menyebar normal asimtotik dengan nilai harapan,. dan ragam Var,. sehingga demikian terbukti persamaan (4.2). Perhatikan bahwa Var,.,.. (Bukti: lihat Lampiran pada Lema A.6. Selanjutnya dengan menggunakan Teorema 3.4 tinggal dibuktikan persamaan (4.22) yang ruas kiri persamaannya dapat dinyatakan sebagai
55 43 n 3 ln hn Var( λ' c, n, τ n ln τ aτ 2 hn 3 K ( s)) Karena K merupakan kernel umum maka persamaan di atas dapat dituliskan menjadi aτ 2 aτ 2. (4.33) Dengan menggabungkan hasil akhir dari penerapan limit pusat dan persamaan (4.33) maka terbukti persamaan (4.22). Selanjutnya adalah membuktikan persamaan (4.9) yaitu ruas kiri akan konvergen ke ruas kanan. Dimulai dari ruas kiri, yaitu. ln,, Dengan menggunakan Teorema 3.3, maka persamaan di atas dapat ditulis menjadi + ln () () () () ( ) λ ' "' + "' + ' ( ) c s hn λc s hn λc s x K x dx o hn λ c s 6 2 ln λ"' 6 c ( s) + λc"'( s) 2 x 2 K( x) dx + o( h Karena ln 0 maka persamaan di atas menjadi 2 n ) ln,, o
56 44 untuk, sehingga dapat disimpulkan bahwa (4.9) terbukti. Dengan telah dibuktikannya persamaan (4.8) dan (4.9) maka Lema 4.2 terbukti. " 4.2. Sebaran asimtotik dari λ c, n, K Teorema 4.2 ( Normalitas Asimtotik untuk λ ) " c, n, K Misalkan fungsi intensitas λ memenuhi persamaan (3.) dan terintegralkan lokal. Misalkan kernel K simetris dan memenuhi asumsi (K), (K2), dan (K3), serta ln dan 0 untuk, serta λ memiliki turunan keempat berhingga di s maka ln ",, " d 0, 3 8 Bukti : Ruas kiri persamaan (4.34) yang dapat ditulis menjadi 4.34 ln ",, ",, ln ",, ". Maka, untuk membuktikan persamaan (4.34) cukup dibuktikan ln ",, ",, d 0, 3 8 dan (4.35) (4.36) ln ",, " 0, 4.37 jika. Untuk membuktikan pernyataan (4.36), ruas kiri persamaan tersebut dapat dituliskan menjadi ln ",, ",, ",, ",, Maka untuk membuktikan (4.36) cukup dibuktikan
57 45 ",, ",, dan ",, d 0, 4.39 ln ",, jika. Pernyataan (4.39) dapat dibuktikan dengan menerapkan Teorema Limit Pusat (Central Limit Teorem) untuk menentukan peubah acak. Berdasarkan persamaan (3.6) dan (3.8) diperoleh ",, 4 ln 2 4 ln 2 2 ln 4 2 ln 4 2 ln 2 4 ln ",, 4 ln 2 2 2
58 46 Misalkan Sehingga nilai harapan dari peubah acak adalah E E Dengan mengganti variabel dan menggunakan persamaan (3.) dan (3.2), maka persamaan di atas dapat ditulis menjadi Karena dan sifat bahwa maka persamaan di atas dapat diubah menjadi
59 Dengan mengganti variabel dan menggunakan persamaan (3.) dan (3.2), maka persamaan di atas dapat ditulis menjadi O x untuk. Jadi terhingga. Nilai ragam dari peubah acak adalah 2 0 x (4.4) Karena suku pertama, kedua, dan ketiga persamaan (4.4) adalah bebas maka
60 48 Karena N adalah proses Poisson, maka dapat disimpulkan bahwa nilai ragamnya akan sama dengan nilai harapannya, sehingga persamaan di atas dapat dituliskan menjadi Dengan mengganti variabel dan menggunakan persamaan (3.) dan (3.2), maka persamaan di atas dapat ditulis menjadi
61 Karena dan sifat bahwa maka persamaan di atas dapat diubah menjadi Dengan mengganti variabel dan menggunakan persamaan (3.) dan (3.2), maka persamaan di atas dapat ditulis menjadi x x x x. untuk. Hal ini karena asumsi (K2) dan (K3), 0,serta memiliki turunan pertama berhingga di s yang berimlikasi kontinu dan memiliki nilai berhingga di sekitar s. Misalkan maka diperoleh 6 x
62 50 6 x 4.43 untuk. Karena dan Maka persamaan (4.43) dapat ditulis menjadi 6 ln x 36 ln x untuk. Selanjutnya dibuktikan l E E Ruas kiri persamaan (4.44) dapat ditulis sebagai
63 Perhatikan bahwa suku pertama dan suku kedua pada persamaan (4.45) memiliki pola yang sama. Maka untuk membuktikan persamaan (4.44), cukup dibuktikan 2 untuk. Ruas kiri persamaan (4.46) Karena 3, bukti lihat lema A.2 pada lampiran sehingga persamaan (4.47) dapat ditulis sebagai , 3 2 0, Dengan menggantikan variabel dan menggunakan persamaan (3.) dan (3.2) maka persamaan di atas dapat ditulis menjadi 2 2 0,
64 , Karena dan maka persamaan (4.48) dapat diubah menjadi 2 2 0, , , , , =O() untuk. Hal ini karena asumsi (K2) dan (K3), 0,serta memiliki turunan pertama berhingga di s yang berimlikasi kontinu dan memiliki nilai berhingga di sekitar,. dan 36 ln x l sehingga untuk. Dari hasil persamaan-persamaan di atas maka teorema limit pusat telah terpenuhi dan kemudian diperoleh kesimpulan bahwa merupakan barisan peubah acak bebas yang nilai harapan dan nilai ragamnya terhingga serta tidak nol untuk sembarang nilai k. Kemudian penduga ",, dapat dinyatakan sebagai jumlah dari peubah acak bebas yang dikalikan dengan suatu konstanta yaitu
65 53 ",, 4 ln yang menyebar normal asimtotik dengan nilai harapan ",, dan ragam Var",, sehingga demikian terbukti persamaan (4.39). Selanjutnya dengan menggunakan Teorema 3.4 tinggal dibuktikan persamaan (4.40) yang ruas kiri persamaannya dapat dinyatakan sebagai ln ",, ln aτ 8 untuk. Karena K merupakan kernel umum maka persamaan di atas dapat dituliskan menjadi 3aτ 8 3aτ 8. (4.49) Dengan menggabungkan hasil akhir dari penerapan limit pusat dan persamaan (4.49) maka persamaan (4.36) terbukti. Selanjutnya adalah membuktikan persamaan (4.37) yaitu ruas kiri akan konvergen ke ruas kanan. Dimulai dari ruas kiri, yaitu ln ",, " Dengan menggunakan Teorema 3.5, maka persamaan di atas dapat ditulis menjadi
66 54 () ( ) () ( ) () () ( ) = ) ( " 3 " ln , 2 4, 5 s h o dx x K x h s h s s n h c n n n c n n c c n λ λ λ λ τ ln 3. untuk. Karena ln 0 maka persamaan di atas akan menjadi ln ",, " untuk, sehingga dapat disimpulkan bahwa ln ",, " 0 untuk, dengan demikian makateorema 4.2 terbukti.
67 55 BAB V KESIMPULAN Untuk menduga turunan pertama dan turunan kedua dari komponen periodik fungsi intensitas proses Poisson periodik dengan tren linear, pada awalnya ditentukan penduga komponen periodik λ. Penduga tipe kernel bagi λ s untuk diketahui dan menggunakan data yang diamati pada interval 0,,dirumuskan sebagai berikut: λ,,. Dari penduga di atas, diturunkan penduga bagi λ yang dirumuskan sebagai:,,,,,,. 2 Selanjutnya dari penduga di atas, diturunkan lagi penduga bagi λ yang dirumuskan sebagai berikut:,,,, 2,, 2 2,,. 4 Pada ketiga penduga di atas, disebut bandwidth. Pengkajian yang dilakukan mencakup sifat sifat statistika serta sebaran asimtotik dari,, dan,,. (i). (ii). Dari hasil kajian yang dilakukan dapat disimpulkan bahwa: Aproksimasi asimtotik bagi nilai harapan,,.,, Aproksimasi asimtotik bagi ragam,, ,, 4. (iii). Aproksimasi asimtotik bagi nilai harapan,,
68 56 (iv).,, 3. Aproksimasi asimtotik bagi ragam,,,, (v) Normalitas Asimtotik untuk λ c, n, K ' ln,, " (vi) Normalitas Asimtotik untuk λ c, n, K 4 2 d. 0, 2 K 2 ( x) dx. ln ",, " d 0, 3 8.
69 57 DAFTAR PUSTAKA Browder A Mathematical Analysis: An Introduction. New York: Springer. Casella G, Berger RL Statistical Inference. Ed ke-. California: Wardswort & Brooks/Cole, Pasific Grove. Cressie NAC Statistics for Spatial Data. Revised edition. New York: Wiley. Eviliyanida Penduga Turunan Pertama dan Turunan Kedua dari Komponen Periodik Fungsi Intensitas suatu Proses Poisson Periodik dengan Tren Linear (Tesis). Program Pascasarjana, Institut Pertanian Bogor. Dudley RM Real Analysis and Probability. California: Wardswort & Brooks. Grimmett GR, Stirzaker DR Probability and Random Processes. Ed ke-3. Oxford: University Press. Helmers R On estimating the intensity of oil-pollution in the North-Sea. CWI Note BS-N950. Helmers R, Mangku IW Estimating the intensity of a cyclic Poisson process in the presence of linear trend. To appear in Annals Institute of Statistical Mathematics, 6. Helmers R, Zikitis R On estimation of Poisson process intensity function. Annal Institute of Statistical Mathematics 5: Helmers R, Mangku IW, Zikitis R Consistent estimation of the intensity function of a cyclic Poisson process. Journal of Multivariate Analysis 84: Helmers R, Mangku IW, Zikitis R Statistical properties of kernel type estimator of the intensity function of a cyclic Poisson process. Journal of Multivariate Analysis 92: -23. Helmers R, Mangku IW, Zikitis R A non-parametric estimator for the doubly-periodic Poisson intensity function. Statistical Methodology 4: Helms LL Introduction to Probability Theory: with Contemporary Applications. New York: W. H. Freeman and Company.
70 58 Herniwati Kekosistenan Penduga Turunan Pertama dan Turunan Kedua dari Fungsi Intensitas Suatu Proses Poisson Periodik. Depertemen Matematika IPB. Skripsi. Bogor. Hogg RV, Mc Kean JW, Craig AT Introduction to Mathematical Statistics. Ed Ke-6. New Jersey: Prentice Hall, Upper Saddle River. Mangku IW Nearest neighbor estimation of the intensity of a cyclic Poisson process. CWI Report PNA-R994. Mangku IW Estimating the Intensity of a Cyclic Poisson Process [Ph.D tesis]. Amsterdam: University of Amsterdam. Mangku IW A note on estimation of the global intensity of a cyclic Poisson process in the presence of linear trend. Journal of Mathematics and Its Aplications 4(2): -2. Mangku, IW Weak and strong convergence of a kernel-type estimator for the intensity of a periodic Poisson process. Journal of Mathematics and Its Applications 4(2): -2. Marliana NM Sifat sifat Statistika Orde-2 Penduga Tipe Kernel bagi Komponen Periodik Fungsi Intensitas Proses Poisson Periodik dengan Tren Linear dan Modifikasinya [tesis]. Bogor: Program Pascasarjana, Institut Pertanian Bogor. Purcell E.J, Varberg D Kalkulus dan Geometri Analitis. Jilid 2. Ed Ke-5. Jakarta: Erlangga. Ross SM Introduction to Probability Models, Ed Ke-9. Burlington: Elsevier, Inc. Serfling RJ Approximation Theorems of Mathematical Statistics. New York: John Wiley & Sons. Syamsuri Pendugaan Turunan Pertama dan Turunan Kedua dari Fungsi Intensitas suatu Proses Poisson Periodik [tesis]. Bogor: Program Pascasarjana, Institut Pertanian Bogor. Taylor HM, Karlin S An Introduction to Stochastic Modeling. Florida: Academic Press, Inc. Orlando. Wheeden RL, Zygmund A Measure and Integral : An Introduction to Real Analysis. New York: Marcel Dekker, Inc
71 59 Lampiran : Beberapa Definisi dan Lema Teknis Ruang contoh, kejadian dan peluang Berbagai macam pengamatan diperoleh melalui penggulangan percobaan yang dilakukan dalam kondisi yang sama. Dalam banyak kasus, hasil percobaan tersebut bergantung pada faktor kebetulan dan tidak dapat diprediksi dengan tepat. Tetapi, kita bisa mengetahui semua kemungkinan hasil untuk setiap percobaan. Definisi A. ( Ruang contoh) Ruang contoh adalah himpunan semua hasil yang mungkin dari suatu percobaan acak, dan dinotasikan dengan Ω. (Grimmett dan Stirzaker 200) Defenisi A.2 (Kejadian) Kejadian adalah suatu himpunan bagian dari ruang contoh Ω. (Grimmett dan Stirzaker 200) Definisi A.3 (Kejadian lepas) Kejadian A dan B disebut saling lepas jika irisan dari keduanya adalah himpunan kosong (Ø). (Grimmett dan Stirzaker 200) Definisi A.4 (Medan-) Medan- adalah suatu himpunan yang anggotanya terdiri atas himpunan bagian ruang contoh Ω, yang memenuhi syarat berikut :. Ø. 2. Jika, maka. 3. Jika,, maka. (Grimmett dan Stirzaker 200) Misalkan Ω=R (himpunan bilangan nyata) dan adalah himpunan dari semua selang terbuka di R. Jika sehingga adalah Medan-, maka disebut Medan Borel yang anggotanya disebut himpunan Borel.
72 60 Definisi A.5 (Ukuran peluang) Misalkan Ω adalah ruang contoh suatu percobaan dan adalah Medan- pada Ω. Suatu fungsi P yang memetakan unsur unsur ke himpunan bilangan nyata R, atau P: R disebut ukuran peluang jika :. P tak negatif, yaitu untuk setiap, Bersifat aditif tak hingga, yaitu jika,, dengan, maka. 3. P bernorma satu, yaitu PΩ. Pasangan Ω,, disebut ruang peluang atau ruang probabilitas. (Grimmett dan Stirzaker 200) Definisi A.6 (Kejadian saling bebas) Kejadian A dan B dikatakan saling bebas jika:. Secara umum himpunan kejadian ; dikatakan saling bebas jika : untuk setiap himpunan bagian J dari I. (Grimmett dan Stirzaker 200) Peubah acak dan fungsi sebaran Definisi A.7 (Peubah acak) Misalkan Ω adalah ruang contoh dari suatu percobaan acak. Fungsi X yang terdefinisi pada Ω yang memetakan setiap unsur Ω kesatu dan hanya satu bilangan real disebut peubah acak. (Hogg et al. 2005) Ruang dari X adalah himpunan bagian bilangan real A :, Ω. Peubah acak dinotasikan dengan huruf kapital, misalkan X, Y, Z. Sedangkan nilai peubah acak dinotasikan dengan huruf kecil seperti x, y, z. Setiap peubah acak memiliki fungsi sebaran.
73 6 Definisi A.8 ( Fungsi sebaran) Misalkan X adalah peubah acak dengan ruang A dan kejadian, A, maka peluang dari kejadian A adalah. Fungsi disebut fungsi sebaran dari peubah acak X. (Hogg et al. 2005) Definisi A.9 (Peubah acak diskret) Suatu peubah acak disebut peubah acak diskret jika semua himpunan nilai dari peubah acak tersebut merupakan himpunan tercacah. (Hogg et al. 2005) Definisi A.0 (Fungsi massa peluang) Fungsi massa peluang dari peubah acak diskret X adalah fungsi : 0, yang diberikan oleh:. (Grimmett dan Stirzaker 200) Definisi A. (Peubah acak Poisson) Suatu peubah acak X disebut peubah acak Poisson dengan parameter λ, λ 0, jika fungsi massa peluangnya diberikan oleh λ! untuk k=0,,2, (Ross 2007) Lema A. (Jumlah peubah acak Poisson) Misalkan X dan Y adalah peubah acak yang saling bebas dan memiliki sebaran Poisson dengan parameter berturut turut λ dan λ. Maka X+Y memiliki sebaran Poisson dengan parameter λ λ. Bukti: lihat Taylor dan Karlin (984). (Taylor dan Karlin 984)
74 62 Lema A.2 Jika X adalah peubah acak Poisson dengan parameter, maka (i). A. (ii). A. 2 (iii) 3. (A.3) (iv) 7 6. A. 4 (v) 3 3. A. 5 Bukti Untuk membuktikan digunakanan fungsi pembangkit peluang untuk peubah acak Poisson dan Teorema A. sebagai berikut!. Teorema A. Jika X memiliki fungsi pembangkit peluang maka (i) (ii) Secara umum dapat ditulis X. Bukti (Grimmet dan Stirzaker 200). Berdasarkan Teorema A. dan persamaan (A.6) diperoleh. X. X 2. X 2 3. A. 6 A. 7 A. 8 (A.9) A. 0 Dari persamaan (A.7) lansung membuktikan persamaan (A.). Selanjutnya akan dbuktikan persamaan (A.2), (A.3), (A.4) dan (A.5). Untuk membuktikan persamaan (A.2) digunakan persamaan (A.7) dan (A.8) sehingga X X X X X. Untuk membuktikan persamaan (A.3) digunakan persamaan (A.7), (A.8) dan (A.9) sehingga
ABSTRACT 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 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 terperinciII. 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 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 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 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 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 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 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 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 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 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 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 terperinciII LANDASAN TEORI. 2.1 Ruang Contoh, Kejadian dan Peluang. 2.2 Peubah Acak dan Fungsi Sebaran
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
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 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
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 terperinciPENDUGAAN TURUNAN PERTAMA DAN TURUNAN KEDUA DARI FUNGSI INTENSITAS SUATU PROSES POISSON PERIODIK SYAMSURI
PENDUGAAN TURUNAN PERTAMA DAN TURUNAN KEDUA DARI FUNGSI INTENSITAS SUATU PROSES POISSON PERIODIK SYAMSURI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2007 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI
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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 terperinciRISIKO GEMUK (FAT-TAILED ADRINA LONY SEKOLAH
PENENTUAN BESARNYA PREMI UNTUK SEBARAN RISIKO YANG BEREKOR GEMUK (FAT-TAILED RISK DISTRIBUTION) ADRINA LONY SEKOLAH PASCASARJANAA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER
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 terperinciHUKUM ITERASI LOGARITMA. TUGAS AKHIR untuk memenuhi sebagian persyaratan memperoleh gelar sarjana sains SORTA PURNAWANTI NIM.
HUKUM ITERASI LOGARITMA TUGAS AKHIR untuk memenuhi sebagian persyaratan memperoleh gelar sarjana sains SORTA PURNAWANTI NIM. 00290 PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciPENDUGAAN PARAMETER BEBERAPA SEBARAN POISSON CAMPURAN DAN BEBERAPA SEBARAN DISKRET DENGAN MENGGUNAKAN ALGORITME EM ADE HARIS HIMAWAN
PENDUGAAN PARAMETER BEBERAPA SEBARAN POISSON CAMPURAN DAN BEBERAPA SEBARAN DISKRET DENGAN MENGGUNAKAN ALGORITME EM ADE HARIS HIMAWAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN
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 terperinciANALISIS REGRESI TERPOTONG BEBERAPA NILAI AMATAN NURHAFNI
ANALISIS REGRESI TERPOTONG DENGAN BEBERAPA NILAI AMATAN NOL NURHAFNI SEKOLAH PASCASARJANAA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan
Lebih terperinciFORMULASI HAMILTONIAN UNTUK MENGGAMBARKAN GERAK GELOMBANG INTERNAL PADA LAUT DALAM RINA PRASTIWI
FORMULASI HAMILTONIAN UNTUK MENGGAMBARKAN GERAK GELOMBANG INTERNAL PADA LAUT DALAM RINA PRASTIWI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
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 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 terperinciMODIFIKASI METODE RELE UNTUK MODEL PENDUDUK QUASI-STABIL CECEP A.H.F. SANTOSA
MODIFIKASI METODE RELE UNTUK MODEL PENDUDUK QUASI-STABIL CECEP A.H.F. SANTOSA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 Hak Cipta milik Institut Pertanian Bogor, tahun 2008 Hak Cipta dilindungi
Lebih terperinciPENENTUAN PELUANG BERTAHAN DALAM MODEL RISIKO KLASIK DENGAN MENGGUNAKAN TRANSFORMASI LAPLACE AMIRUDDIN
PENENTUAN PELUANG BERTAHAN DALAM MODEL RISIKO KLASIK DENGAN MENGGUNAKAN TRANSFORMASI LAPLACE AMIRUDDIN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI
Lebih terperinciDISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN. Sudarno Jurusan Matematika FMIPA UNDIP. Abstrak
DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN Sudarno Jurusan Matematika FMIPA UNDIP Abstrak Dalam proses stokhastik yang mana kejadian dapat muncul kembali membentuk proses pembahauruan. Proses pembaharuan
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 terperinciKETERKONTROLAN BEBERAPA SISTEM PENDULUM SAKIRMAN
KETERKONTROLAN BEBERAPA SISTEM PENDULUM SAKIRMAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan bahwa tesis Keterkontrolan
Lebih terperinciPERBANDINGAN METODE PENDUGAAN PARAMETER DALAM PEMODELAN PERSAMAAN STRUKTURAL LA MBAU
v PERBANDINGAN METODE PENDUGAAN PARAMETER DALAM PEMODELAN PERSAMAAN STRUKTURAL LA MBAU Tesis Sebagai salah satu syarat untuk memperoleh gelar Magister Sains pada Departemen Matematika SEKOLAH PASCASARJANA
Lebih terperinciPenggabungan dan Pemecahan. Proses Poisson Independen
Penggabungan dan Pemecahan Proses Poisson Independen Hanna Cahyaningtyas 1, Respatiwulan 2, Pangadi 3 1 Mahasiswa Program Studi Matematika/FMIPA, Universitas Sebelas Maret 2 Dosen Program Studi Statistika/FMIPA,
Lebih terperinciMETODE PEMOTONGAN DERET FOURIER UNTUK MENYELESAIKAN PERSAMAAN GERAK GELOMBANG INTERNAL YANG PERIODIK PADA FLUIDA DUA LAPISAN MUHBAHIR
METODE PEMOTONGAN DERET FOURIER UNTUK MENYELESAIKAN PERSAMAAN GERAK GELOMBANG INTERNAL YANG PERIODIK PADA FLUIDA DUA LAPISAN MUHBAHIR SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN
Lebih terperinciMODEL MATEMATIKA STRUKTUR UMUR INFEKSI VIRUS HIV DENGAN KOMBINASI TERAPI OBAT MUHAMMAD BUWING
MODEL MATEMATIKA STRUKTUR UMUR INFEKSI VIRUS HIV DENGAN KOMBINASI TERAPI OBAT MUHAMMAD BUWING SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperinciPENDUGAAN PARAMETER WAKTU PERUBAHAN PROSES PADA 2 CONTROL CHART MENGGUNAKAN PENDUGA KEMUNGKINAN MAKSIMUM SITI MASLIHAH
PENDUGAAN PARAMETER WAKTU PERUBAHAN PROSES PADA CONTROL CHART MENGGUNAKAN PENDUGA KEMUNGKINAN MAKSIMUM SITI MASLIHAH SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 008 PERNYATAAN MENGENAI TESIS DAN
Lebih terperinciPERAN TRANSFORMASI TUSTIN PADA RUANG KONTINU DAN RUANG DISKRET SAMSURIZAL
PERAN TRANSFORMASI TUSTIN PADA RUANG KONTINU DAN RUANG DISKRET SAMSURIZAL SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan
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 terperinciMODEL STOKASTIK PERTUMBUHAN POPULASI (PURE BIRTH PROCESS)
Jurnal Euclid, Vol. 4, No. 1, p.675 MODEL STOKASTIK PERTUMBUHAN POPULASI (PURE BIRTH PROCESS) Surya Amami Pramuditya 1, Tonah 2 1,2 Pendidikan Matematika FKIP Universitas Swadaya Gunung Jati Cirebon amamisurya@fkip-unswagati.ac.id
Lebih terperinciPREDIKSI JANGKA PANJANG DARI PROSES POISSON SIKLIK DENGAN FUNGSI INTENSITAS GLOBAL DIKETAHUI AGUSTINA MARGARETHA
PREDIKSI JANGKA PANJANG DARI PROSES POISSON SIKLIK DENGAN FUNGSI INTENSITAS GLOBAL DIKETAHUI AGUSTINA MARGARETHA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciPENGKAJIAN KEAKURATAN TWOSTEP CLUSTER DALAM MENENTUKAN BANYAKNYA GEROMBOL POPULASI KUDSIATI
PENGKAJIAN KEAKURATAN TWOSTEP CLUSTER DALAM MENENTUKAN BANYAKNYA GEROMBOL POPULASI KUDSIATI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2006 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperinciPEMODELAN HUBUNGAN PELANGGAN DAN PERUSAHAAN MENGGUNAKAN RANTAI MARKOV ADITYA PRAYUDANTO
PEMODELAN HUBUNGAN PELANGGAN DAN PERUSAHAAN MENGGUNAKAN RANTAI MARKOV ADITYA PRAYUDANTO DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2013 PERNYATAAN
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 terperinciPEMODELAN SISTEM PENDULUM TERBALIK GANDA DAN KARAKTERISASI PARAMETER PADA MASALAH REGULASI OPTIMAL HASBY ASSIDIQI
PEMODELAN SISTEM PENDULUM TERBALIK GANDA DAN KARAKTERISASI PARAMETER PADA MASALAH REGULASI OPTIMAL HASBY ASSIDIQI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN
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 terperinciKETERKONTROLAN BEBERAPA SISTEM PENDULUM SAKIRMAN
KETERKONTROLAN BEBERAPA SISTEM PENDULUM SAKIRMAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan bahwa tesis Keterkontrolan
Lebih terperinciSEBARAN ASIMTOTIK PENDUGA TURUNAN PERTAMA DAN TURUNAN KEDUA FUNGSI INTENSITAS PROSES POISSON PERIODIK IHDA ANISSA INDRIASTUTI
SEBARAN ASIMTOTIK PENDUGA TURUNAN PERTAMA DAN TURUNAN KEDUA FUNGSI INTENSITAS PROSES POISSON PERIODIK IHDA ANISSA INDRIASTUTI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciANALISIS KETAHANAN DAN APLIKASINYA UNTUK PEMODELAN INTERVAL KELAHIRAN ANAK PERTAMA HARNANTO
ANALISIS KETAHANAN DAN APLIKASINYA UNTUK PEMODELAN INTERVAL KELAHIRAN ANAK PERTAMA HARNANTO SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperinciPERAN TRANSFORMASI TUSTIN PADA RUANG KONTINU DAN RUANG DISKRET SAMSURIZAL
PERAN TRANSFORMASI TUSTIN PADA RUANG KONTINU DAN RUANG DISKRET SAMSURIZAL SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan
Lebih terperinciKAJIAN MODEL HIDDEN MARKOV KONTINU DENGAN PROSES OBSERVASI ZERO DELAY DAN APLIKASINYA PADA HARGA GABAH KERING PANEN T A M U R I H
KAJIAN MODEL HIDDEN MARKOV KONTINU DENGAN PROSES OBSERVASI ZERO DELAY DAN APLIKASINYA PADA HARGA GABAH KERING PANEN T A M U R I H SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI
Lebih terperinciPENGKAJIAN KEAKURATAN TWOSTEP CLUSTER DALAM MENENTUKAN BANYAKNYA GEROMBOL POPULASI KUDSIATI
PENGKAJIAN KEAKURATAN TWOSTEP CLUSTER DALAM MENENTUKAN BANYAKNYA GEROMBOL POPULASI KUDSIATI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2006 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperinciPenentuan Daerah Kritis Terbaik dengan Teorema Neyman- Pearson
Vol. 6, No.1, 44-48, Juli 2009 Penentuan Daerah Kritis Terbaik dengan Teorema Neyman- Pearson Georgina M. Tinungki Abstrak Terdapat beberapa metode untuk membangun uji statistik yang baik, diantaranya
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 terperinciPREDIKSI KECEPATAN PHASE GELOMBANG SOLITER TERGANGGU AHMAD HAKIM
PREDIKSI KECEPATAN PHASE GELOMBANG SOLITER TERGANGGU AHMAD HAKIM SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan bahwa
Lebih terperinciPERBANDINGAN ANTARA UNWEIGHTED LEAST SQUARES (ULS) DAN PARTIAL LEAST SQUARES (PLS) DALAM PEMODELAN PERSAMAAN STRUKTURAL MUHAMMAD AMIN PARIS
PERBANDINGAN ANTARA UNWEIGHTED LEAST SQUARES (ULS) DAN PARTIAL LEAST SQUARES (PLS) DALAM PEMODELAN PERSAMAAN STRUKTURAL MUHAMMAD AMIN PARIS SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN
Lebih terperinciPenentuan Probabilitas Absorpsi dan Ekspektasi Durasi pada Masalah Kebangkrutan Penjudi
Penentuan Probabilitas Absorpsi dan Ekspektasi Durasi pada Masalah Kebangkrutan Penjudi Aditya Candra Laksmana 1*, Respatiwulan 2, dan Ririn Setiyowati 3 1, 3 Program Studi Matematika Fakultas MIPA, Universitas
Lebih terperinciHukum Iterasi Logaritma
Hukum Iterasi Logaritma Sorta Purnawanti 1, Helma 2, Dodi Vionanda 3 1 Mathematics Department State University of Pag, Indonesia 2,3 Lecturers of Mathematics Department State University of Pag, Indonesia
Lebih terperinciRANCANGAN KURIKULUM PROGRAM DOKTOR STATISTIKA (STK) DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI)
RANCANGAN KURIKULUM PROGRAM DOKTOR STATISTIKA (STK) DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI) PROGRAM DOKTOR STATISTIKA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN IPA 2 0 1 2 I. Deskripsi
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 terperinciANALISIS MODEL PELUANG BERTAHAN HIDUP DAN APLIKASINYA SUNARTI FAJARIYAH
ANALISIS MODEL PELUANG BERTAHAN HIDUP DAN APLIKASINYA SUNARTI FAJARIYAH SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 2 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan
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 terperinciPenerapan Aproksimasi Fejer dalam Membuktikan Teorema Weierstrass
Jurnal Matematika, Statistika & Komputasi 1 Penerapan Aproksimasi Fejer dalam Membuktikan Teorema Weierstrass Islamiyah Abbas 1, Naimah Aris 2, Jusmawati M 3. Abstrak Dalam skripsi ini dibahas pembuktian
Lebih terperinciITERASI TIGA LANGKAH PADA PEMETAAN ASIMTOTIK NON- EKSPANSIF
ITERASI TIGA LANGKAH PADA PEMETAAN ASIMTOTIK NON- EKSPANSIF Agung Anggoro, Siti Fatimah 1, Encum Sumiaty 2 Departemen Pendidikan Matematika FPMIPA UPI *Surel: agung.anggoro@student.upi.edu ABSTRAK. Misalkan
Lebih terperinciPREDIKSI KECEPATAN PHASE GELOMBANG SOLITER TERGANGGU AHMAD HAKIM
PREDIKSI KECEPATAN PHASE GELOMBANG SOLITER TERGANGGU AHMAD HAKIM SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan bahwa
Lebih terperinciEdisi Agustus 2014 Volume VIII No. 2 ISSN APLIKASI PROSES POISSON PERIODIK (STUDI KASUS: ANTRIAN NASABAH BANK BRI)
Edisi Agustus 204 Volume VIII No 2 ISSN 979-89 APLIKASI PROSES POISSON PERIODIK (STUDI KASUS: ANTRIAN NASABAH BANK BRI) Rini Cahyandari, Agus Tinus Setianto Jurusan Matematika, Fakultas Sains dan Teknologi,
Lebih terperinciPEMODELAN SISTEM PENDULUM TERBALIK DENGAN LINTASAN MIRING DAN KARAKTERISASI PARAMETER PADA MASALAH TRACKING ERROR OPTIMAL BAMBANG EDISUSANTO
PEMODELAN SISTEM PENDULUM TERBALIK DENGAN LINTASAN MIRING DAN KARAKTERISASI PARAMETER PADA MASALAH TRACKING ERROR OPTIMAL BAMBANG EDISUSANTO SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN
Lebih terperinciPengantar Proses Stokastik
Bab 6: Rantai Markov Waktu Kontinu Atina Ahdika, S.Si, M.Si Statistika FMIPA Universitas Islam Indonesia 2015 Pendahuluan Rantai Markov Waktu Kontinu Pendahuluan Pada bab ini, kita akan belajar mengenai
Lebih terperinciEKSPLORASI MASALAH LOGARITMA DISKRET PADA FINITE FIELD ( ) Y A N A
EKSPLORASI MASALAH LOGARITMA DISKRET PADA FINITE FIELD ( ) Y A N A SEKOLAH PASCA SARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TUGAS AKHIR DAN SUMBER INFORMASI Dengan ini saya menyatakan
Lebih terperinciPERBANDINGAN KEKONVERGENAN BEBERAPA MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA PONCO BUDI SUSILO
PERBANDINGAN KEKONVERGENAN BEBERAPA MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA PONCO BUDI SUSILO SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 SUMBER INFORMASI Dengan ini saya menyatakan
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 terperinciANALISIS BIPLOT UNTUK MEMETAKAN MUTU SEKOLAH YANG SESUAI DENGAN NILAI UJIAN NASIONAL SUJITA
ANALISIS BIPLOT UNTUK MEMETAKAN MUTU SEKOLAH YANG SESUAI DENGAN NILAI UJIAN NASIONAL SUJITA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperinciPENENTUAN PROBABILITAS ABSORPSI DAN EKSPEKTASI DURASI PADA MASALAH KEBANGKRUTAN PENJUDI
PENENTUAN PROBABILITAS ABSORPSI DAN EKSPEKTASI DURASI PADA MASALAH KEBANGKRUTAN PENJUDI Aditya Candra Laksmana, Respatiwulan, dan Ririn Setiyowati Program Studi Matematika Fakultas Matematika dan Ilmu
Lebih terperinciMODEL SKEDUL MIGRASI DAN APLIKASINYA DALAM PROYEKSI PENDUDUK MULTIREGIONAL MUSLIMAH
MODEL SKEDUL MIGRASI DAN APLIKASINYA DALAM PROYEKSI PENDUDUK MULTIREGIONAL MUSLIMAH SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya
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 terperinciMETODE ITERASI BARU BERTIPE SECANT DENGAN KEKONVERGENAN SUPER-LINEAR. Rino Martino 1 ABSTRACT
METODE ITERASI BARU BERTIPE SECANT DENGAN KEKONVERGENAN SUPER-LINEAR Rino Martino 1 1 Mahasiswa Program Studi S1 Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Riau Kampus Binawidya
Lebih terperinciPENDEKATAN LOGIKA FUZZY UNTUK MEMPREDIKSI IPK AKHIR MAHASISWA MATEMATIKA INSTITUT PERTANIAN BOGOR
1 PENDEKATAN LOGIKA FUZZY UNTUK MEMPREDIKSI IPK AKHIR MAHASISWA MATEMATIKA INSTITUT PERTANIAN BOGOR ANA MARNIDA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 2 PERNYATAAN MENGENAI TESIS DAN
Lebih terperinciPengantar Proses Stokastik
Bab 1: Dasar-Dasar Probabilitas Statistika FMIPA Universitas Islam Indonesia Peluang Percobaan adalah kegiatan yang menghasilkan keluaran/hasil yang mungkin secara acak. Contoh: pelemparan sebuah dadu.
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 terperinciMETODE BINOMIAL UNTUK MENENTUKAN HARGA OPSI CALL INDONESIA DAN STRATEGI LINDUNG NILAINYA JAENUDIN
METODE BINOMIAL UNTUK MENENTUKAN HARGA OPSI CALL INDONESIA DAN STRATEGI LINDUNG NILAINYA JAENUDIN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI
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 terperinci