Model Probit pada Respons Biner Multivariat Menggunakan Simulated Maximum Likelihood Estimator

dokumen-dokumen yang mirip
INFERENSI DATA UJI HIDUP TERSENSOR TIPE II BERDISTRIBUSI RAYLEIGH. Oleh : Tatik Widiharih 1 Wiwin Mardjiyati 2

Estimasi Parameter Model Logit pada Respons Biner Multivariat Menggunakan Metode Mle dan Gee

DISTRIBUSI GAMMA. Ada beberapa distribusi penting dalam distribusi uji hidup, salah satunya adalah distribusi gamma.

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DUA PARAMETER MENGGUNAKAN METODE BAYES. Abstract

Kredibilitas dengan Pendekatan Bühlmann

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel

BAB II LANDASAN TEORI. pembahasan bab-bab berikutnya antara lain tentang model pergerakan harga

MAXIMUM LIKELIHOOD ESTIMATION (MLE) PADA MODEL LOGISTIK EXPONENSIAL

PENYELESAIAN NUMERIK PERSAMAAN KONDUKSI 1D DENGAN SKEMA FTCS, LAASONEN DAN CRANK-NICOLSON. Eko Prasetya Budiana 1 Syamsul Hadi 2

ESTIMASI PARAMETER MODEL SURVIVAL DISTRIBUSI EKSPONENSIAL DATA TERSENSOR DENGAN METODE MAKSIMUM LIKELIHOOD DAN BAYESIAN SELF

Hidraulika Komputasi

V. PENGEMBANGAN MODEL KELAYAKAN FINANSIAL FUZZY

BAB III MENENTUKAN JADWAL OPTIMUM PERAWATAN OVERHAUL. MESIN OKK Gill BCG1-P2 PADA BAGIAN DRAWING PT VONEX INDONESIA

STUDI SIMULASI DALAM ESTIMASI BAYESIAN OBYEKTIF

LOGO ANALISIS REGRESI LINIER

BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV

Pendeskripsian Kontur Dan Image Suatu Kawasan Eksplorasi Menggunakan Monte Carlo Markov Chain

MENAKSIR PROPORSI CALON PEMIMPIN DARI KELOMPOK MINORITAS. Anneke Iswani A **

Oleh : Azzahrowani Furqon Dosen Pembimbing Dr. Purhadi, M.Sc.

BILANGAN BAB V BARISAN BILANGAN DAN DERET

BAB II TINJAUAN PUSTAKA

RISK ANALYSIS RESIKO DAN KETIDAKPASTIAN DALAM MEMBUAT KEPUTUSAN MANAJERIAL

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DUA PARAMETER MENGGUNAKAN METODE BAYES

BAB III STATISTIK INFERENSI PADA RANTAI MARKOV

Karakterisasi Produk Tensor l ( Δ) l. Muslim Ansori

Declustering Peaks Over Threshold Pada Data Curah Hujan Ekstrim Dependen di Sentra Produksi Padi Jawa Timur

VALIDITAS DAN RELIABILITAS TES YANG MEMUAT BUTIR DIKOTOMI DAN POLITOMI *)

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KETAHANAN HIDUP PASIEN TUBERCULOSIS DENGAN MODEL REGRESI COX

ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PRODUKSI TANAMAN KEDELAIMENGGUNAKAN DIAGRAM JALUR

PENGGUNAAN METODE DURBIN WATSON DALAM MENYELESAIKAN MODEL REGRESI YANG MENGANDUNG AUTOKORELASI SKRIPSI SITI RAHAYU

Rancangan Acak Kelompok

Bab II Teori Pendukung

Pemecahan Masalah Integer Programming Biner Dengan Metode Penambahan Wawan Laksito YS 6)

Estimasi Parameter dan Dalam Pemulusan Eksponensial Ganda Dua Parameter Dengan Metode Modifikasi Golden Section

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi.

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA

PENGUJIAN HIPOTESIS DUA RATA-RATA

V. PENGUJIAN HIPOTESIS

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMAN 1 Terusan Nunyai. Populasi dalam penelitian

JENIS BUNGA PEMAJEMUKAN KONTINYU

Integral Mcshane Fungsi Bernilai Banach

BAB 2. Tinjauan Teoritis

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

ASURANSI KESEHATAN INDIVIDU PERAWATAN RUMAH SAKIT. Yuciana Wilandari Jurusan Matematika FMIPA UNDIP Jln. Prof. H. Soedarto, S.H.

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMA YP Unila Bandarlampung yang berlokasi

Ukuran Dispersi Multivariat

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER

Metode Bayes Dan Ketidaksamaan Cramer-Rao Dalam Penaksiran Titik

PERBANDINGAN METODE BUNGA MAJEMUK DAN ATURAN 78 DALAM MENENTUKAN SISA PINJAMAN SETIAP PERIODE PADA ANUITAS DUE TUGAS AKHIR

UKURAN GEJALA PUSAT DAN UKURAN LETAK

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Reliabilitas. A. Pengertian

LAMPIRAN I GREEK ALPHABET

BAB 3 METODE PENELITIAN

PERBANDINGAN PENAKSIR REGRESI LINIER SEDERHANA PADA SAMPLING BERPERINGKAT, SAMPLING EKSTRIM BERPERINGKAT DAN SAMPLING MEDIAN BERPERINGKAT

= = =

Analitik Data Tingkat Lanjut (Clustering)

BAB III ISI. x 2. 2πσ

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

METODE TRANSFORMASI ELZAKI DALAM MENYELESAIKAN PERSAMAAN DIFERENSIAL BIASA LINEAR ORDE-N DENGAN KOEFISIEN KONSTANTA. Mahasiswa Program S1 Matematika 2

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

REFLEKTANSI DAN TRANSMITANSI CAHAYA PADA LARUTAN GULA DAN LARUTAN GARAM. Christina Dwi Ratnawati

kimia LAJU REAKSI II Tujuan Pembelajaran

Bab 7 NILAI DAN VEKTOR EIGEN

Penggunaan Sistem Samar Pada Pemodelan Tingkat Inflasi Di Indonesia

PERAMALAN LAJU PRODUKSI MINYAK DENGAN ARPS DECLINE CURVE DAN ANALISIS DERET WAKTU

PENENTUAN CADANGAN ASURANSI JIWA MULTILIFE DENGAN ASUMSI SEMI MARKOV

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

PENDUGAAN SELANG KEPERCAYAAN BOOTSTRAP PADA REGRESI NON PARAMETRIK KERNEL

PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113

2.2.3 Ukuran Dispersi

TINJAUAN PUSTAKA. Pra-pemrosesan Koreksi Pencaran Multiplikatif. ˆβ, kemudian. dan

BAB II LANDASAN TEORI

Pemodelan Indeks Pembangunan Manusia (IPM) Provinsi Jawa Timur Dengan Menggunakan Metode Regresi Logistik Ridge

Uji Statistika yangb digunakan dikaitan dengan jenis data

COMPLETELY RANDOMIZED DESIGN (CRD)

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) . Definisi L.2 (Kejadian lepas )

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAGIAN 2 TOPIK 5. andhysetiawan

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

MODEL PENILAIAN ASPEK AFEKTIF AKHLAK MULIA BERBASIS DATA LINGUISTIK

Notasi Sigma. Fadjar Shadiq, M.App.Sc &

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

Created by Simpo PDF Creator Pro (unregistered version)

Transkripsi:

70 Mode Pob... (Jaka Nugaha dkk) Mode Pob pada Respos Be Muvaa Megguaka Smuaed Maxmum Lkehood Esmao Pob Mode o Muvaae Bay Respose Usg Smuaed Maxmum Lkehood Esmao Jaka Nugaha ), Suyo Guo ), S Hayam ) Juusa Saska UII, S3 Maemaka UGM Juusa Maemaka UGM ABSRAC I hs pape, we dscuss pob mode o muvaae bay espose. We assume ha each of dvduas s obseved esposes. Y s h espose o h dvdua/subjec ad each espose s bay. Each subjec has covaae X (dvdua chaacesc) ad covaae Z j (chaacesc of aeave j). Respose o dvdua h ca be epeseed by Y = (Y,...,Y ), Y s h espose o h dvdua/subjec ad each espose s muoma. I ode o smpfy, we choose oe of dvdua chaacescs ad aeave chaacescs. We use smuaed maxmum kehood esmao (SMLE) mehods o esmae he paamee based o Geweke- Hajvassou-Keae (GHK) smuao. We fd he fs devave of kehood fuco fo muvaae bay pob. he, we expad o muvaae muoma espose. he fs devave s used he BHHH (Bed, Ha, Ha, Hausma) eao o oba esmaos. Keywods: Radom uy mode, smuaed maxmum kehood esmao, geeazed esmag equao, BHHH, GHK smuao, Newo-Raphso PENDAHULUAN Pada daa pae, pegamaa dakuka secaa beuag ehadap subjek da vaabe yag sama. Pembahasa megea pemodea espo be pada daa pae eah dakuka oeh bayak pee. Mode yag seg dguaka mode pob da mode og. Mode dsusu bedasaka pedekaa mode efek eap, mode efek adom da mode damk. Meode esmas paamae yag dguaka meode maxmum kehood esmao (MLE), meode mome da meode geeazed esmag equao (GEE). Suku mode yag pag sedehaa mode depede, yau dega megasumska bahwa aa espo pada subjek yag sama maupu aa subjek depede. Dega asums, pobabas gabuga meupaka pekaa da pobabas magaya. Lag & Zege (986) meyampaka bahwa aass ogsk maupu pob pada daa pae dega megguaka pedekaa uvaa, yak megabaka adaya koeas aka meghaska esmao paamee yag mash kose eap jka edapa koeas yag besa maka peaks esebu mejad dak efse. Pece (988) meyampaka saeg pemodea megguaka pedekaa GEE uuk medapaka esmao koefse eges yag kosse da asmos oma. Pedekaa GEE dak megguaka pehuga ega agkap. Cooyas e a. (00) meyaaka bahwa pada mode efek eap jka edapa koeas aaa efek dvdu ehadap vaabe depede maka esmao yag dpeoeh mejad dak efse. Dega megguaka mode efek adom, esmao yag ddapaka mejad ebh efse. Mode a yag dkembagka daam daa pae mode damk. Mode damk sepe haya mode me sees, edapa pegauh aa espo secaa beuua (Cooyas e a. 00). Has e a. (000) eah meakuka peguja sfa-sfa esmao mode pob pada daa pae da meympuka bahwa esmas megguaka MLE mash meghaska esmao yag bak meskpu jumah sampe ebaas. Mode pob pada daa pae dek dega mode pob uuk kepuusa ugga, haya suku mak kovaasya ebh besa. Pegembaga mode yag eah dakuka dega megoo kaakesk dvdu yag dak eobsevas da homoge ehadap peuaga pegukua. Jka kaakesk dvdu heeoge, maka

Jua ILMU DASAR o. No., Jaua 00 : 70 75 7 aka mejad masaah daam esmas paamee yau esmas paamee mejad bas (Geee 003). Meode SMLE dek dega MLE, haya saja popos masg-masg pha dhug secaa smuas. Meode smuas dguaka uuk meghug ega agkap. Pada mode pob, meode smuas GHK meupaka meode smuas yag pag efse da besfa ak bas (Hajvassou e a. 996). Geweke e a. (997) juga eah meemuka meode pehuga ega agkap megguaka pedekaa smuas Moe Cao yag dkea dega ama meode GHK mempuya sfa ak bas da kosse. Nugaha (000) eah meakuka peguja sfa-sfa esmao paamee pada eges ogsk bvaa dega megguaka meode MLE da GEE. Meode esebu meghaska esmao yag kosse. Nugaha e a. (006) meujukka bahwa mode ogsk pada daa be muvaa dega megguaka pedekaa GEE meghaska peaks paamee dega vaas yag ebh kec dbadgka dega pedekaa asums depede. Seg ka pada masg-masg dvdu dama bebeapa vaabe depede yag bebeda secaa besamaa. Pegamaa sepe meghaska espo muvaa. Peea megea pemodea espo be muvaa mash sedk medapa pehaa da paa pee. Semeaa u apkas pemodea espo be muvaa saga uas. Bedasaka pegembaga mode espo be yag eah dakuka pada daa pae, makaah membahas peyusua mode pada daa espo be muvaa megguaka mode pob. Esmas paamee dakuka dega megguaka meode MLE yag ddasaka pada smuas GHK. Mode uas Dasumska bahwa dvdu masg-masg dobsevas sebayak espo. Y espo ke- pada dvdu/subjek ke- da seap espoya be. Respo pada dvdu ke-, dapa dsajka daam beuk Y = (Y,...,Y ), sehgga Y = j jka subjek espo ke- memh aeaf j (j=0,). Dasumska bahwa pha dvdu daam megamb kepuusa Y kaea mempuya uas maksmum da dpegauh oeh kovaa X sebaga kaakesk dvdu da kovaa Z j sebaga kaakesk aeaf/pha j. Uuk meyedehaaka peusa, damb sau vaabe kaakesk dvdu da sau vaabe kaakesk pha. U subjek memh aeaf j pada espo ke- U j = j + ε j. uuk =,,..., ; =,,..., ; j=0, () dega j = α j +β j X + γ Z j U j uas yag meupaka vaabe ae da j damaka epeseaf u. α j,β j da γ paamee daam mode uas. Pada adom uy mode (RUM), dasumska bahwa pembua kepuusa (subjek) meeuka pha bedasaka a uas yag maksmum, sehgga mode () dapa dsajka daam beuk sesh uas, U = U - U 0 = ( 0 )+ (ε - ε 0 ) = + ε () dega = (α -α 0 ) + (β -β 0 )X + γ (Z - Z 0 ) da ε = ε - ε 0. Seajuya dapa dsusu hubuga aaa Y da vaabe ae U, yau y = <=> U > U 0 <=> U > 0 <=> - < ε da y = 0 <=> U < U 0 <=> U <0 <=> - > ε Pobabas subjek memh (y =,..., y = ) P(y =,..., y = ) = P(0 < U,..., 0 < U ) = P(- < ε,..., - < ε ) = I ( < ε ). f ( ε ) dε ε (3) dega ε = (ε,..., ε ). Na pobabas meupaka huga ega agkap da egaug pada paamee θ = (α, β,γ) maupu dsbus ε. Daam ha aka dguaka mode pob. Meode esmas paamee yag dguaka pada mode pob meode MLE. Mode pob duuka da asums bahwa veko ε bedsbus oma muvaa dega mea o da mak kovaas Σ. Fugs desas uuk ε f ( ε ) = φε ( ) = exp[ εσ ε ] / / (4) ( π ) Σ Pobabas maga (uuk suau da ) π = P(y = X,Z ) = P(- < ε ) = - Φ(- ) (5) sehgga PY ( = y y ) = π ( π ) y

7 Mode Pob... (Jaka Nugaha dkk) da sfa smes dsbus oma maka pesamaa (5) dapa juga dyaaka sebaga π = P(y = X,Z ) = P(- < ε ) = P(ε < ) = Φ( ) (6) dega Φ ( = exp[ ] ε dε. / ( πσ ) σ Fugs kehood da sampe adom beukua L( θ ) = L ( Y X, Z, θ ) (7) = dega Y = (Y,...,Y ) meupaka veko obsevas (espo) be. HASIL DAN PEMBAHASAN Mode pob depede Pobabas maga uuk espo Y y y PY ( = y) = π ( π ) = (Φ( )) y (-Φ( )) -y da da pesamaa (5) dpuya - π = Φ(- ) maka pobabas magaya dapa dyaaka sebaga PY ( = y) = Φ[(y ) ] (8) Jka dasumska Y sag depede uuk seap da maka y = = = π π = PY ( y,..., Y y ) ( ) = ((y ) = Φ Fugs kehoodya L( θ) = L ( Y X, Z ; θ) = = = ((y ) = Φ da fugs og-kehoodya y (9) (0) ( ( )) () LL( θ ) = Φ (y = = Devaf peama LL(θ) ehadap paamee θ = (α, α 0, β 0, β, γ ) LL( θ ) ( y φ (( y = ; Φ (y α 0 = ( ) φ ( ) ((y ) φ ( ) Φ( (y φ ( ). ((y ) φ ( ) ((y ) LL( θ ) (y (y ) = α = Φ. LL( θ ) (y X (y = β 0 = ; LL( θ ) (y X (y ) = β = Φ LL( θ ) (y Z (y ) = γ = Φ () dega =(α -α 0 ) +(β -β 0 )X + γ Z j, uuk =,...,. LL( θ) LL( θ) Jka = = 0 α α 0 maka α 0 da α dak edefkas. Demka juga, jka LL( θ) LL( θ) = = 0 β β maka β 0 da β dak 0 edefkas. Oeh kaea u saah sau dbe a eeu (msa α 0 = da β 0 = ). Jka θ = (α, β, γ ) da α 0 = da β 0 = maka da pesamaa () dpeoeh pesamaa peaks LL α LL LL = θ β LL γ ( y φ (( y = X = 0 = Φ( (y Z (3) dega =(α -)+(β -)X +γ Z j, uuk =,...,. MLE uuk θ meupaka peyeesaa pesamaa peaks. Devaf ke dua fugs og-kehood () (y X Z LL (y φ ((y = X (y X X Z θ θ ((y ) = Φ Z X Z (y Z X Z (( y φ (( y ) X XZ = Φ( (y Z X Z (4) Pesamaa peaks (3) dapa dseesaka dega megguaka eas Newo-Raphso. Jka θ = (α, β, γ ) da uuk eeu maka pesamaa eas ke-(k+) ( k + ) ( ) ( ) ( H k k θ = θ ) g (5)

Jua ILMU DASAR o. No., Jaua 00 : 70 75 73 dega g = = φ ( ) ((y ) (y (y ) Φ X Z ( ) ( k) ( k) y X Z (y φ ((y H = ( ) X y X X Z = Φ( (y ) Z X Z (y Z X Z (( y φ (( y )) X XZ = Φ( (y ) Z X Z Uuk meakuka peguja ehadap esmao dapa dguaka sfa Noma asmos pada peaks MLE, ˆ a θ N[ θ,{ I( θ )} ] (6) dega og LL ( θ ; X ) I( θ ) = E E[ ] = H θ θ Secaa umum jka edapa ebh da sau vaabe kaakesk dvdu (X,..,X M ) da vaabe kaakesk pha (Z j,...,z jk ) maka j = α j + β j X +... + β Mj X M + γ Z j,...,+ γ K Z jk uuk =,.. ; j=0, da =,..,. Aga paameeya edefkas maka deuka a α 0 = da β m0 = uuk semua m da. Paamee yag desmas θ = (α, β,...,β M,γ,...,γ K ). MLE meupaka peyeesaa da pesamaa (y φ ((y X = 0 (7) = Φ( (y Z dega X = [X...,X M ], Z j = [Z j,...,z jk ], = 0, Z = Z Z 0 uuk seap. Mode pob be muvaa eko ε = (ε,..., ε ) bedsbus oma muvaa dega mea o da mak kovaas Σ da masg-masg ε bedsbus oma sadad. ε ~ MN(0, Σ) da ε ~N(0,) uuk =,...,. σ... σ σ... σ Σ=............ σ σ... Kaea Σ meupaka mak sme, maka σ = σ uuk, =,...,. y = 0 jka espode memh aeaf peama da y =, jka espode memh aeaf ke dua. Pobabas magaya PY ( = y) = Φ[(y -) ] Pobabas gabugaya PY ( = y,..., Y = y ) = P( ε < (y ),..., ε < (y w w w =...... φ ( ε ; θ; Σ) dε = φ ( ε ; θ; Σ) dε D( Y ) = Φ ( w ;0; Σ) ) (7) dega w = (y -) da D(Y ) = [-,w ] [-,w ] [-,w ]. φ meyaaka fugs desas oma muvaa da espo sebayak. Fugs og kehoodya LL( θ; Σ ) = Φ ( w ;0; Σ ) (9) = Φ ( w ;0; Σ) dhug megguaka smuao GHK dega fako Choesky C, sehgga paamee yag desmas ω = (θ, c). c eeme-eeme mak C. c 0 0 0 0... 0 c c 0 0 0... 0 C = c c c 0 0... 0 3 3 33.................. c c c......... c 3 sehgga pesamaa u () mejad U cη = + uuk =,..., da η ~ = N(0,I) Dega megguaka agoma pada smuas GHK (a, 003) dpeoeh (( y ) + c η ) k k ( k = p = Φ = Φ = = c (0) dek meyaaka pegamba ke- daam smuas, R p ( = p ( R = Fugs og-kehood mejad R sm og L( ω) = og p ( ( ω) = R = R = og Φ = R = = () Esmao ω yag dhug megguaka meode Newo-Raphso memeuka devaf

74 Mode Pob... (Jaka Nugaha dkk) peama da devaf ke dua da fugs ogkehood (). Uuk meghda devaf kedua da fugs og kehood, dapa dguaka meode eas BHHH (Chog & Zak 996). Meode BHHH haya memeuka devaf peama. Seajuya aka dhug devaf peama fugs og kehood dega megguaka oas c (y h η + > a, = h h= c c (y c Pesamaa (0) mejad ( ( a ) ( a ) ( a ) = () p =Φ. Φ... Φ =Φ. Φ... Φ = Φ,,, Devaf peama fugs kehood () R ( φ a, smog L( ω) = ( ( )). R p ω ω = ( R = = Φ ω R = p ( ω) (3) dega c φ( a ) a h, h, (y h u.. +, h, > a, h c ( ) c = φη ω ω h, = ω (y, = c ω c φ( a ) a h h, h, u uuk k j< h, h= c φη ( ) c h, jk a, ηk, = uuk k< j= c c jk a, uuk k= j= c Dega megguaka agkah-agkah peyusua mode da esmas paamee pada mode pob be muvaa, dapa dkembagka uuk mode pob muoma muvaa KESIMPULAN Mode pob dapa dmpemeaska daam pemodea daa be muvaa yag ddasaka pada Radom Uy Mode. Meode MLE dapa dguaka uuk megesmas paamee. Jka dasumska Y sag depede uuk seap da, MLE meupaka peyeesaa da pesamaa = φ ( ) ((y (y (y ) Φ = X = 0 Z dega X = [X...,X M ], Z j = [Z j,...,z jk ], = 0, Z = Z Z 0 uuk seap. Jka dasumska Y sag bekoeas, maka fugs kehoodya aka mebaka huga ega agkap. Na pobabas yag meupaka huga ega agkap daam fugs kehood dapa dseesaka megguaka smuao GHK. Uuk meghda pegguaa devaf kedua da fugs og-kehood, pesamaa peaks yag dpeoeh da MLE dapa dseesaka megguaka eas BHHH. DAFAR PUSAKA Chog EKP & Zak SL. 996. A Ioduco o Opmzao. Joh Wey & Sos, Ic. Cooyas P, Adew MJ & Rce N. 00. Dyamcs of Heah Bsh Househod: Smuao-Based Ifeece Pae Pob Mode. Wokg Pape Depame of Ecoomcs ad Reaed Sudes, Uvesy of Yok. Cooyas P, Adew MJ & Gozaes RL. 00. Usg Smuao-Based Ifeece Wh Pae Daa I Heah Ecoomcs. Wokg Pape Depame of Ecoomcs ad Reaed Sudes, Uvesy of Yok. Geweke JF, Keae MP & Ruke DE. 997. Sasca Ifeece he Muoma Mupeode Pob Mode. Joua of Ecoomecs 80: 5-65. Geee W. 003. Ecoomecs Aayss. 5 Edos. Pece Ha. Hajvassou, McFadde D & Ruud P. 996. Smuao of Muvaae Noma Recage Pobabes ad he devaves: heoeca ad Compuaoa Resus. Joua of Ecoomecs 7: 85 34. Has MN, Macquae LR & Soucs AJ. 000. Compaso of aeave Esmaos fo Bay Pae Pob Modes. Meboue Isue Wokg Pape o 3/00. Lag KY & Zege SL. 986. Loguda Daa Aayss Usg Geeazed Lea Modes. Bomeka 73: 3-. Nugaha J. 000. Peaksa paamee pada eges ogsk bvaa. Makaah Sema Nasoa Maemaka d UGM.

Jua ILMU DASAR o. No., Jaua 00 : 70 75 75 Nugaha J, Guo S & Hayam S. 006. Mode Reges Logsk uuk Respos Be Muvaa dega Geeazed Esmag Equao. Makaah Sema Nasoa Maemaka da Peddka Maemaka d UNY. Pece. 988. Coeaed Bay Regesso wh Covaaes Specfc o Each Bay Obsevao. Bomecs 44: 043-048. a K. 003. Dscee Choce Mehods wh Smuao, UK Pess, Cambdge.