Lampiran 1. Beberapa Definisi dan Lema Teknis

dokumen-dokumen yang mirip
Lampiran 1. Beberapa Definisi dan Lema Teknis

Lampiran A. Beberapa Definisi dan Lema Teknis

II. LANDASAN TEORI. 2. P bersifat aditif tak hingga, yaitu jika dengan. 2.1 Ruang Contoh, Kejadian dan Peluang

Defenisi 15 (Kejadian) Kejadian adalah suatu himpunan bagian dari Nang contoh a. (Grimmett dan Stirzaker 2001)

II LANDASAN TEORI. 2.1 Ruang Contoh, Kejadian dan Peluang. 2.2 Peubah Acak dan Fungsi Sebaran

PENDAHULUAN LANDASAN TEORI

Lampiran 1. Beberapa Definisi dan Lema Teknis

LAMPIRAN. Kajadian adalah suatu himpunan bagian dari ruang contoh Ω. (Grimmett dan Stirzaker, 2001) Definisi A.3 (Medan-σ)

BAB 3 REVIEW SIFAT-SIFAT STATISTIK PENDUGA KOMPONEN PERIODIK

( x) LANDASAN TEORI. ω Ω ke satu dan hanya satu bilangan real X( ω ) disebut peubah acak. Ρ = Ρ. Ruang Contoh, Kejadian dan Peluang

BAB II LANDASAN TEORI

( s) PENDAHULUAN tersebut, fungsi intensitas (lokal) LANDASAN TEORI Ruang Contoh, Kejadian dan Peluang

LANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang

KEKONVERGENAN MSE PENDUGA KERNEL SERAGAM FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT

SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR

SIFAT-SIFAT STATISTIKA TIKA ORDE-2 FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR DAN MODIFIKASINYA NENENG MILA MARLIANA

III. HASIL DAN PEMBAHASAN

ABSTRACT JOKO DWI SURAWU. Keywords:

BAB 4 SEBARAN ASIMTOTIK PENDUGA KOMPONEN PERIODIK

KEKONSISTENAN PENDUGA FUNGSI SEBARAN DAN FUNGSI KEPEKATAN PELUANG WAKTU TUNGGU PROSES POISSON PERIODIK DENGAN TREN LINEAR TITA ROBIAH AL ADAWIYAH

PENDUGAAN FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT MENGGUNAKAN METODE TIPE KERNEL

BAB II TINJAUAN PUSTAKA

II. TINJAUAN PUSTAKA. Dalam mengkaji penelitian Karakteristik Penduga Parameter Distribusi Log

BAB II LANDASAN TEORI

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA

II. LANDASAN TEORI. sementara grafik distribusi F tidak simetrik dan umumnya sedikit positif seperti

KAJIAN BANDWIDTH OPTIMAL PADA PENDUGAAN FUNGSI INTENSITAS LOKAL PROSES POISSON PERIODIK SURASNO

STATISTIKA UNIPA SURABAYA

Estimasi Titik. (Point Estimation) Minggu ke 1-3. Prof. Dr. Sri Haryatmi, M. Sc. Universitas Gadjah Mada

II.TINJAUAN PUSTAKA. Dalam proses penelitian untuk mengkaji karakteristik pendugaan distribusi

STK 203 TEORI STATISTIKA I

PENDUGAAN FUNGSI SEBARAN DALAM MODEL NONPARAMETRIK RONI WIJAYA

II. TINJAUAN PUSTAKA

SEBARAN ASIMTOTIK PENDUGA TURUNAN N PERTAMA DAN KEDUA DARI KOMPONEN PERIODIK FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR

(T.8) SEBARAN ATIMTOTIK FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT

BAB 3 REVIEW PENDUGAAN FUNGSI INTENSITAS LOKAL DAN GLOBAL DARI PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT

Ekspektasi Satu Peubah Acak Diskrit

BAB 4 KEKONSISTENAN PENDUGA DARI FUNGSI SEBARAN DAN FUNGSI KEPEKATAN WAKTU TUNGGU DARI PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT

BAB IV SEBARAN ASIMTOTIK PENDUGA TURUNAN PERTAMA DAN KEDUA DARI KOMPONEN PERIODIK FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR

Ekspektasi Satu Peubah Acak Kontinu

HANDOUT PERKULIAHAN. Pertemuan Ke : 3 : Distribusi Satu Peubah Acak dan Ekspektasi Satu Peubah Acak

TINJAUAN PUSTAKA. Generalized Eksponensial Menggunakan Metode Generalized Momen digunakan. merupakan penjabaran definisi dan teorema yang digunakan:

MINGGU KE-8 HARGA HARAPAN DAN BEBERAPA KETAKSAMAAN DALA

MINGGU KE-11 HUKUM BILANGAN BESAR LEMAH DAN KUAT

pada Definisi 2.28 ada dan nilainya sama dengan ( ) ( ) Untuk memperoleh hasil di atas, ruas kiri persamaan (25) ditulis sebagai berikut ( )

LANDASAN TEORI. Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu.

BAB II LANDASAN TEORI

PENGANTAR PROBABILITAS STATISTIKA UNIPA SBY

STATISTIKA. Muhamad Nursalman Pendilkom/Ilkom UPI

II. TINJAUAN PUSTAKA

BAB IV REDUKSI BIAS PADA PENDUGAAN

II. TINJAUAN PUSTAKA. Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam

PEUBAH ACAK DAN SEBARANNYA

BAB II LANDASAN TEORI

MINGGU KE-6 VARIABEL RANDOM DAN DISTRIBUSINYA

Metode Statistika (STK 211) Pertemuan ke-5

BAB II TINJAUAN PUSTAKA

Tugas Statistika Matematika TEORI PELUANG

MA5031 Analisis Real Lanjut Semester I, Tahun 2015/2016. Hendra Gunawan

PENDUGAAN 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 FUNGSI PANGKAT PROSES POISSON NON-HOMOGEN WINDIANI ERLIANA

LANDASAN TEORI. Model ini memiliki nilai kesetimbangan positif pada saat koordinat berada di titik

KONSISTENSI ESTIMATOR

BAB 2 LANDASAN TEORI

TINJAUAN PUSTAKA. Distribusi Weibull adalah distribusi yang paling banyak digunakan untuk waktu

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk mengkaji karakteristik penduga GMM pada data

CNH3E3 PROSES STOKASTIK Peubah Acak & Pendukungnya

SIMULASI TOTAL KERUGIAN ASURANSI MENGGUNAKAN DEDUCTIBLE DAN LIMITED COVERAGE SYAMSUL

Peubah Acak (Lanjutan)

BAB III FUNGSI TERUKUR LEBESGUE. Setelah dibahas mengenai ukuran Lebesgue dan beberapa sifatnya pada

Dwi Lestari, M.Sc: Konvergensi Deret 1. KONVERGENSI DERET

TINJAUAN PUSTAKA. Dalam menentukan penduga parameter dari distribusi G3F dan karakteristik dari

Learning Outcomes Sebaran Kontinu Nilai Harapan dan Ragam Beberapa Sebaran Kontinu. Peubah Acak Kontinu. Julio Adisantoso.

Pengantar Statistika Matematika II

II. LANDASAN TEORI. Pada bagian ini akan diuraikan beberapa definisi dan teori penunjang yang akan digunakan di dalam pembahasan.

Misalkan terdapat eksperimen. S disebut ruang sampel, adalah himpunan semua kemungkinan hasil dari eksperimen.

BAB II LANDASAN TEORI

MATERI BAB I RUANG SAMPEL DAN KEJADIAN. A. Pendahuluan Dari jaman dulu sampai sekarang orang sering berhadapan dengan peluang.

KONSEP DASAR TERKAIT METODE BAYES

mengsumsikan tidak ada kesalahan pengukuran, validitas dapat dievaluasi dengan mengamati nilai bias dari penduganya. Bias, B ( ) dari populasi

II. TINJAUAN PUSTAKA

II. TINJAUAN PUSTAKA

MINGGU KE-9 MACAM-MACAM KONVERGENSI

KEKONSISTENAN PENDUGA FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN LINEAR. Oleh: LIA NURLIANA

BAB 8 DISTRIBUSI PELUANG DISKRIT

MA2082 BIOSTATISTIKA Bab 3 Peubah Acak dan Distribusi

LEMBAR AKTIVITAS SISWA INDUKSI MATEMATIKA

BAB IV MODEL HIDDEN MARKOV

FUNGSI PEMBANGKIT MOMEN UNTUK MEMENUHI TUGAS MATAKULIAH. Statistika Matematika. Yang dibina oleh Bapak Hendro Permadi. Oleh :

Hukum Iterasi Logaritma

BAB 2 LANDASAN TEORI

REFLEKSIVITAS PADA RUANG ORLICZ DENGAN KEKONVERGENAN RATA-RATA

TINJAUAN PUSTAKA. Model Linier dengan n pengamatan dan p variable penjelas biasa ditulis sebagai

BAB II TINJAUAN PUSTAKA

II. LANDASAN TEORI. karakteristik dari generalized Weibull distribution dibutuhkan beberapa fungsi

TINJAUAN PUSTAKA. Matriks adalah suatu susunan bilangan berbentuk segi empat. Bilangan-bilangan

STK511 Analisis Statistika. Pertemuan 3 Sebaran Peluang Peubah Acak

Learning Outcomes Peubah Acak Fungsi Sebaran Secaran Diskret Nilai Harapan. Peubah Acak. Julio Adisantoso. 13 Maret 2014

STATISTIK PERTEMUAN VI

Transkripsi:

Lampiran 1. Beberapa Definisi dan Lema Teknis Ruang Contoh, Kejadian dan Peluang Definisi A.1 ( Ruang contoh) Ruang contoh adalah himpunan semua hasil dari suatu percobaan acak, dan dinotasikan dengan (Grimmett dan Stirzaker, 001) Defenisi A. (Kejadian) Kejadian adalah himpunan bagian dari ruang contoh. (Grimmett dan Stirzaker, 001) Definisi A.3 (Kejadian lepas) Kejadian A dan B disebut saling lepas jika irisan dari keduanya adalah himpunan kosong (Ø). (Grimmett dan Stirzaker, 001) Definisi A.4 (Medan- ) Medan- adalah suatu himpunan yang anggotanya adalah himpunan bagian ruang contoh yang memenuhi syarat syarat berikut : 1. Ø.. Jika maka 3. Jika maka (Grimmett dan Stirzaker, 001) Jadi, suatu himpunan disebut Medan- (field) jika adalah anggota, tertutup terhadap operasi union tak hingga, dan tertutup terhadap operasi komplemen. Definisi A.5 (Ukuran peluang) Suatu ukuran peluang P pada Ω, ( ) adalah suatu fungsi P: [0,1] yang memenuhi syarat syarat berikut: 1. P( ) = 0 dan P(Ω) = 1. Jika A 1, A.. adalah himpunan himpunan yang saling lepas, yaitu

A i A j = untuk setiap pasangan i, j dengan i j, maka : P( i= 1 Ai ) = i= 1 PA ( ) i i= 1 PA ( ) Definisi A.6 (Kejadian saling bebas) Kejadian A dan B dikatakan saling bebas jika: i (Grimmett dan Stirzaker, 001) Secara umum himpunan kejadian dikatakan saling bebas jika : untuk setiap himpunan bagian J dari I. Penduga Definisi A.7 ( Statistika ) Statistika (Grimmett dan Stirzaker, 001) adalah suatu fungsi dari satu atau lebih peubah acak yang tidak tergantung pada satu atau beberapa parameter yang nilainya tidak diketahui. Definisi A.8 ( Penduga ) ( Hogg et al, 005) Misalkan X 1, X,.., X n adalah contoh acak. Suatu statistik U(X 1, X,.., X n ) yang digunakan untuk menduga fungsi parameter g(θ), dilambangkan oleh g(θ). Bilamana X 1 = 1, X =,., X n = n, makan nilai U(X 1, X,.., X n ) disebut sebagai dugaan ( estimate) bagi g(θ) Definisi A.9 ( Penduga Tak Bias ) ( Hogg et al, 005) (i) Suatu penduga yang nilai harapannya sama dengan parameter g(θ), yaitu E[U(X 1, X,.., X n )] = g(θ), disebut penduga tak bias bagi parameter g(θ). Selainnya, pemduga di atas dikatakan berbias. (ii) Jika lim n E[U(X 1, X,.., X n )] = g(θ) untuk n, maka U(X 1, X,.., X n ) disebut sebagai penduga tak bias asimtotik bagi g(θ) ( Hogg et al, 005)

Definisi A.10 ( Penduga konsisten ) Suatu penduga yang konvergen dalam peluang ke parameter g(θ), disebut penduga konsisten bagi g(θ) Definisi A.11 ( MSE suatu penduga ) Mean Square Error (MSE) dari suatu penduga U didefinisikan sebagai : MSE(U) = E (U - g(θ)) Dapat ditunjukkan bahwa MSE(U) = Var (U) + ( Bias (U) ) dengan Bias (U) = EU - g(θ) MSE(U) = E(U - g(θ)) = E(U EU + EU - g(θ)) = E(U - EU) + E(U EU)(EU - g(θ)) + (EU - g(θ)) = E(U - EU) + ( EU - g(θ)) = Var (U) + ( Bias (U)) Nilai Harapan, Ragam dan Momen Definisi A.1 (Nilai harapan) ( Hogg et al, 005) bagi parameter g(θ) Misalkan X adalah peubah acak diskret dengan fungsi massa peluang px ( ). Nilai harapan dari X, dinotasikan dengan E(X), adalah ( ) ( ) E X = px jika jumlah di atas konvergen mutlak. Definisi A.13 (Ragam) (Hogg et al, 005) Misalkan X adalah peubah acak diskret dengan fungsi massa peluang p ( ) nilai harapan E(X). Ragam dari X, dinotasikan dengan Var(X) atau σ, adalah (( ( )) ) ( ( )) X ( ) σ = E X E X = X E X p X dan (Hogg et al, 005)

Definisi A.14 (Momen ke-k) Jika k adalah bilangan bulat positif, maka momen ke-k atau dari peubah acak X adalah (Hogg et al, 005) Nilai harapan dari peubah acak X juga merupakan momen pertama dari X. Definisi A.15 (Momen pusat ke-k) Jika k adalah bilangan bulat positif, maka momen pusat ke-k atau dari peubah acak X adalah (Hogg et al, 005) Nilai harapan dari kuadrat pebedaan antara peubah acak X dengan nilai harapannya disebut ragam atau varians dari X. Ragam merupakan momen pusat ke- dari peubah acak X. Definisi A.16 (Fungsi indikator) Misalkan A adalah suatu kejadian. Fungsi indikator dari A adalah suatu fungsi, yang diberikan oleh: Dengan fungsi indikator kita dapat menyatakan hal berikut : (Grimmett dan Stirzaker, 001) Beberapa Definisi dan Lema Teknis Definisi A.17 ( (.) dan o(.)) Simbol simbol (.) dan o(.) merupakan cara untuk membandingkan besarnya dua fungsi u() dan v() dengan menuju suatu limit L. (i) Notasi u() = (v()),, menyatakan bahwa terbatas, untuk

(ii) Notasi u() = o(v()),, menyatakan bahwa, untuk Definisi 18 (Titik Lebesgue) Kita katakan s adalah titik Lebesgue dari fungsi λ jika berlaku (Serfling, 1980) (Wheeden and Zygmund, 1977) Lema A.1 (Formula Young dari Teorema Taylor) Misalkan g memiliki turunan ke-n yang berhingga pada suatu titik. Maka untuk. (Serfling, 1980) Bukti: Lihat Serfling 1980. Lema A. (Teorema Deret Taylor) Deret Taylor dari fungsi f di a (atau di sekitar a atau yang berpusat di a ) memiliki persamaan Bukti:Lihat Stewart 003.