MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

dokumen-dokumen yang mirip
BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

NORM VEKTOR DAN NORM MATRIKS

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

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

BAB III ISI. x 2. 2πσ

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

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

Volume 1, Nomor 2, Desember 2007

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

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

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

MINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA

BAB 5. ANALISIS REGRESI DAN KORELASI

Sampel dan Distribusi Sampling

BAB III PERSAMAAN PANAS DIMENSI SATU

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode

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

; θ ) dengan parameter θ,

MASALAH NORM MINIMUM PADA RUANG HILBERT DAN APLIKASINYA

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

Sudaryatno Sudirham. Permutasi dan Kombinasi

Uji Statistika yangb digunakan dikaitan dengan jenis data

REGRESI LINEAR SEDERHANA

SOLUSI TUGAS I HIMPUNAN

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teorema-teorema

Proses inferensi pada model logit Agus Rusgiyono. Abstracts

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

MATEMATIKA INTEGRAL RIEMANN

BAB II LANDASAN TEORI

ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER

INTEGRAL LEBESGUE PADA FUNGSI TERBATAS SKRIPSI

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

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

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

Bab II Teori Pendukung

3 Departemen Statistika FMIPA IPB

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

BAB 2. Tinjauan Teoritis

Extra 4 Pengantar Teori Modul

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

REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL

IDEAL DALAM ALJABAR LINTASAN LEAVITT

TEOREMA TITIK TETAP BANACH. Skripsi. Diajukan untuk Memenuhi Salah satu Syarat. Memperoleh Gelar Sarjana Matematika. Program Studi Matematika

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

Distribusi Pendekatan (Limiting Distributions)

On A Generalized Köthe-Toeplitz Duals

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

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE

UKURAN GEJALA PUSAT DAN UKURAN LETAK

Regresi Linier Sederhana Definisi Pengaruh

BAB 2 LANDASAN TEORI

PELABELAN GRACEFUL PADA DIGRAF LINTASAN DAN DIGRAF BIPARTIT LENGKAP

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

III PEMBAHASAN. Karena vektor-vektor kolom X adalah bebas linear, maka L(ε) mempunyai n vektor eigen yang bebas linear. (Terbukti)

BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA

Bab II Teori Dasar. Data spasial adalah data yang memuat informasi lokasi. Misalkan z( ), i = 1,

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

H dinotasikan dengan B H

KODE SIKLIK (CYCLIC CODES)

PENDAHULUAN. Di dalam modul ini Anda akan mempelajari teori gangguan bebas waktu yang mencakup:

BAB II TINJAUAN PUSTAKA

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

Statistika Matematika. Soal dan Pembahasan. M. Samy Baladram

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

INTERPOLASI. FTI-Universitas Yarsi

BAB III UKURAN PEMUSATAN DATA

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB II KAJIAN LITERATUR

Prosiding SNaPP2011 Sains, Teknologi, dan Kesehatan. 1 Joko Riyono. (Kampus A Jl.Kiyai Tapa No.1,Jakarta11440)

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

KODE SIKLIK (CYCLIC CODES)

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

Estimator Imputasi Regresi Untuk Mengestimasi Model Regresi Semiparametrik Dengan Respon Hilang

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

REGRESI NONPARAMETRIK KERNEL ADJUSTED. Novita Eka Chandra Universitas Islam Darul Ulum Lamongan

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

I PENDAHULUAN II LANDASAN TEORI

BAB 1 ERROR PERHITUNGAN NUMERIK

Edge Anti-Magic Total Labeling dari

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT

REGRESI SEDERHANA Regresi

JMP : Volume 1 Nomor 2, Oktober 2009 PEMILIHAN PARAMETER PENGHALUS PADA ESTIMATOR DERET FOURIER DALAM REGRESI NONPARAMETRIK. Agustini Tripena Br.Sb.

Pada saat upacara bendera, kita sering memperhatikan teman-teman kita.

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat

Transkripsi:

MINGGU KE-0 HUBUNGAN ANTAR KONVERGENSI Hubuga atar koverges Hrark atar koverges dyataka dalam teorema berkut. Teorema Msalka X da X, X, X 3,... adalah varabel radom yag ddefska pada ruag probabltas yag sama, maka mplkas-mplkas berkut berlaku utuk. X a.s X X X X d X X r X

Cotoh Msalka X, X, X 3... varabel radom depede sedemka hgga X 0 da X α,, α > 0. α Karea X > ε X 0 utuk, maka α 0. Selajutya, X X > ε { < bla α > bla α I berart X a.s 0 tetap X 0 utuk α <. Utuk koverges dalam mea, E X r 0 r α + r α 0 utuk r < α r α utuk r α utuk r > α erhatka bahwa E X r tdak koverge ke 0 atau dverge ke tak berhgga bla r α. I artya X 0 walaupu X 0 r utuk α > 0. erhatka X utuk r α. r

Cotoh Msalka X, X, X,... varabel-varabel radom yag berdstrbus detk da X, X mempuya dstrbus gabuga sebaga berkut X, X X \X 0 0 0 0 Karea X, X, X,... berdstrbus detk, maka dega sedrya d X. Aka tetap, X [ X X > ] [ X X ] {X 0, X } + {X, X 0} 0 Akbatya X X tetap X d X

Cotoh Msalka X, X,... depede da berdstrbus detk dega E X <. Bla Y + X, aka kta tujukka bahwa Y E X. Karea E X <, maka E X < da Var X σ. Berturut-turut aka kta car E Y da Var Y. E Y E X + E X µ + + µ + + µ Var Y Var X + 4 + VarX 4σ +

Meggat ++ 6, maka Var Y σ 3 σ 3 { } + + 6 + + Meurut ketaksamaa Chebychev { Y µ ε} VarY ε σ 3ε + 0 + utuk. Jad, Y E X µ. d Sepert telah dtujukka dalam cotoh d atas, X X tdak selalu megakbatka X X, amu bla X merosot dar X c, koverges dalam probabltas ekuvale dega koverges dalam dstrbus sepert yag aka dtujukka dalam teorema berkut. Teorema Bla c kostata, maka X d c X c

Teorema Msalka X, Y, X, Y, X 3, Y 3... barsa pasaga varabel radom. Bla X Y 0 da Y d Y, maka X d Y. Teorema Lemma Slustky Msalka {X, Y },,, 3,... barsa pasaga varabel radom da c kostate, maka d d a. X X, Y c X ± Y X ± c d d X Y cx bla c 0 b. X X, Y c X Y 0 bla c 0 c. X d X, Y c X Y d X /c bla c 0 Cotoh Msalka X, X... depede da berdstrbus detk dega masg-masg berdstrbus N0,. Kta aka mecar dstrbus dar W X + X +...X X + X +... + X Sekarag kta tuls U X + X +...X X da V X + X +... + X X

Dega demka, W U V. Fugs pembagkt mome dar U adalah M U t E e tu E e t X tx E e Karea X depede, maka M U t E e tx e t e t d Sehgga, U N0,. Karea X X, maka EX da VarX. Akbatya, EV da VarV.. Meurut ketaksamaa Markov V ε VarV ε 0 utuk. ε I berart V. Karea U d N0,, maka meurut Lemma Slustky c W d N0,. Trasformas adalah alat yag petg dalam statstk. Utuk barsa varabel radom X yag koverge ke X dalam art tertetu, kta g megetahu apakah gx juga koverge ke gx dalam art tertetu. Hasl berkut memberka jawaba pada hampr semua persoala tersebut.

Teorema Msalka X, X, X 3,..., X barsa varabel radom yag ddefska pada ruag probabltas yag sama da gx fugs kotu. Dega demka, a. X a.s X gx a.s gx b. X X gx gx c. X d X gx d gx Cotoh Msalka X,,, 3... depede da berdstrbus detk dsgkat..d. dega EX µ da VarX σ <. Aka kta buktka X µ. Meurut ketaksamaa Chebychev x µ > ε σ 0 utuk. ε Jad, X µ. Utuk σ ada dua estmator yag terkat yatu S X X da S X X. Aka kta buktka bahwa S da S kedua-duaya aka koverge dalam probabltas ke σ.

ertama-tama kta perhatka bahwa S X X X X X + X X X Meurut sfat X E X maka X E X µ + σ Dar X µ da gx x fugs kotu maka X µ. Akbatya, meurut lemma Slutsky S µ + σ µ σ. Utuk membuktka S juga koverge dalam probabltas ke σ, perhatka bahwa X X S, sehgga S S. Karea lm maka meurut lemma Slutsky S σ.