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

dokumen-dokumen yang mirip
BAB II TINJAUAN PUSTAKA

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

PENDUGAAN KOMPONEN PERIODIK FUNGSI INTENSITAS BERBENTUK FUNGSI PERIODIK KALI TREN KUADRATIK SUATU PROSES POISSON NON-HOMOGEN PEPI RAMDANI

BAB III PERUMUSAN PENDUGA DAN SIFAT SIFAT STATISTIKNYA

Distribusi Pendekatan (Limiting Distributions)

PENDUGAAN FUNGSI INTENSITAS GLOBAL DARI PROSES POISSON PERIODIK DENGAN TREN LINEAR WALIDATUSH SHOLIHAH G

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

SEBARAN ASIMTOTIK PENDUGA KOMPONEN PERIODIK FUNGSI INTENSITAS BERBENTUK FUNGSI PERIODIK KALI TREN KUADRATIK PADA PROSES POISSON NON HOMOGEN CASMAN

BAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.

BAB III RUANG HAUSDORFF. Pada bab ini akan dibahas mengenai ruang Hausdorff, kekompakan pada

KEKONSISTENAN PENDUGA KOMPONEN PERIODIK FUNGSI INTENSITAS BERBENTUK PERKALIAN FUNGSI PERIODIK DENGAN TREN KUADRATIK PADA PROSES POISSON NON HOMOGEN

LANDASAN TEORI. Pada bab ini akan diberikan beberapa konsep dasar (pengertian) yang akan digunakan dalam. pembahasan penelitian. 2.

SIFAT-SIFAT STATISTIKA PENDUGA TURUNAN PERTAMA DAN TURUNAN KEDUA FUNGSI INTENSITAS PROSES POISSON PERIODIK RATNA GALUH NIKEN PRAMARANI

Statistika Matematika. Soal dan Pembahasan. M. Samy Baladram

TINJAUAN PUSTAKA. 2.1 Ruang Vektor. Definisi (Darmawijaya, 2007) Diketahui (V, +) grup komutatif dan (F,,. ) lapangan dengan elemen identitas

BAHAN AJAR ANALISIS REAL 1 Matematika STKIP Tuanku Tambusai Bangkinang 5. DERET

MA1201 MATEMATIKA 2A Hendra Gunawan

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

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

II LANDASAN TEORI. Sebuah bilangan kompleks dapat dinyatakan dalam bentuk. z = x jy. (2.4)

BARISAN TAK HINGGA DAN DERET TAK HINGGA

Distribusi Sampel, Likelihood dan Penaksir

PENDUGAAN FUNGSI SEBARAN DAN FUNGSI KEPEKATAN PELUANG WAKTU TUNGGU PROSES POISSON PERIODIK NADIROH

KELUARGA EKSPONENSIAL Untuk Memenuhi Tugas Mata Kuliah Statistika Inferensial Dosen Pengampu: Nendra Mursetya Somasih Dwipa, M.Pd

Hendra Gunawan. 12 Februari 2014

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

Program Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom. Barisan dan Deret

Lampiran 1. Beberapa Definisi dan Lema Teknis

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa istilah, definisi serta konsep-konsep yang

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu:

BARISAN DAN DERET. Nurdinintya Athari (NDT)

HALAMAN Dengan definisi limit barisan buktikan limit berikut ini : = 0. a. lim PENYELESAIAN : jadi terbukti bahwa lim = 0 = 5. b.

HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN

Barisan. Barisan Tak Hingga Kekonvergenan barisan tak hingga Sifat sifat barisan Barisan Monoton. 19/02/2016 Matematika 2 1

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

BAB II LANDASAN TEORI

Kalkulus Rekayasa Hayati DERET

II. TINJAUAN PUSTAKA. Secara umum apabila a bilangan bulat dan b bilangan bulat positif, maka ada tepat = +, 0 <

PENDUGAAN KOMPONEN PERIODIK FUNGSI INTENSITAS BERBENTUK FUNGSI PERIODIK KALI TREN LINEAR SUATU PROSES POISSON NON-HOMOGEN PENDAHULUAN

2 BARISAN BILANGAN REAL

REPRESENTASI KANONIK UNTUK FUNGSI KARAKTERISTIK DARI SEBARAN TERBAGI TAK HINGGA

Secara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real:

BAB II TINJAUAN PUSTAKA

Fungsi. Jika f adalah fungsi dari A ke B kita menuliskan f : A B yang artinya f memetakan A ke B.

MATEMATIKA DISKRIT FUNGSI

I. PENDAHULUAN II. LANDASAN TEORI

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:

Bab 2. Sistem Bilangan Real Aksioma Bilangan Real Misalkan adalah himpunan bilangan real, P himpunan bilangan positif dan fungsi + dan.

TINJAUAN PUSTAKA Pengertian

BARISAN DAN DERET. 05/12/2016 Matematika Teknik 1 1

BAB VI BARISAN TAK HINGGA DAN DERET TAK HINGGA

LIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n

- Yadi Nurhayadi - M O D U L S T A T I S T I K A BAB 2 DISTRIBUSI FREKUENSI

TUGAS ANALISIS REAL LANJUT. a b < a + A. b + B < A B.

PERTEMUAN 13. VEKTOR dalam R 3

oleh hasil kali Jika dan keduanya fungsi yang dapat didiferensialkan, maka

Hendra Gunawan. 14 Februari 2014

9 Departemen Statistika FMIPA IPB

BAB 2 LANDASAN TEORI

Fungsi. Jika f adalah fungsi dari A ke B kita menuliskan f : A B yang artinya f memetakan A ke B.

DISTRIBUSI KHUSUS YANG DIKENAL

B a b 1 I s y a r a t

BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP. Permasalahan dalam tugas akhir ini dibatasi hanya pada penaksiran

BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI

BAB II TEORI DASAR. Definisi Grup G disebut grup komutatif atau grup abel jika berlaku hukum

1 n MODUL 5. Peubah Acak Diskret Khusus

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari.

PEMBUKTIAN TEOREMA HUKUM LEMAH BILANGAN BESAR DENGAN MENGGUNAKAN FUNGSI KARAKTERISTIK

Fungsi Kompleks. (Pertemuan XXVII - XXX) Dr. AZ Jurusan Teknik Sipil Fakultas Teknik Universitas Brawijaya

KEKONSISTENAN PENDUGA FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN TREN FUNGSI PANGKAT MUKTI RAHAYU G

Modul Kuliah statistika

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

,n N. Jelas barisan ini terbatas pada dengan batas M =: 1, dan. barisan ini kovergen ke 0.

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

Definisi Integral Tentu

I. DERET TAKHINGGA, DERET PANGKAT

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 71-76, Agustus 2003, ISSN :

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

MINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA

PENDAHULUAN LANDASAN TEORI

Sebaran Penarikan Contoh. Dept Statistika FMIPA IPB

Supriyadi Wibowo Jurusan Matematika F MIPA UNS

Peubah Acak. Peubah Acak Diskrit dan Distribusi Peluang. Peubah Acak. Peubah Acak

ISIAN SINGKAT! 1. Diberikan hasil kali digit digit dari n harus sama dengan 25

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

PENDUGA KEPEKATAN KERNEL BAGI FUNGSI KEPEKATAN PELUANG GAMMA. Oleh: MERYALDI G

CATATAN KULIAH Pertemuan I: Pengenalan Matematika Ekonomi dan Bisnis

BAB VIII KONSEP DASAR PROBABILITAS

Himpunan. Himpunan 3/28/2012. Semesta Pembicaraan Semua mobil di Indonesia

Pengantar Statistika Matematika II

Modul 1. (Pertemuan 1 s/d 3) Deret Takhingga

Deret Fourier. Modul 1 PENDAHULUAN

Distribusi Sampel & Statistitik Terurut

BAB IV SEBARAN ASIMTOTIK PENDUGA DENGAN MENGGUNAKAN KERNEL SERAGAM. ) menyatakan banyaknya kejadian pada interval [ 0, n ] dan h

Gambar 1. Partisi P dari empat persegi panjang R = [a, b] x [c, d] adalah dua himpunan i i

Lampiran A. Beberapa Definisi dan Lema Teknis

Selang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan

Matematika Terapan Dosen : Zaid Romegar Mair, ST., M.Cs Pertemuan 3

Metode Statistika STK211/ 3(2-3)

Transkripsi:

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 kemugkia hasil yag mucul. Defiisi 1 (Ruag cotoh) Ruag cotoh adalah himpua semua hasil yag mugki dari suatu percobaa acak, da diotasika dega Ω. Defiisi 2 (Kejadia) Kejadia adalah suatu himpua bagia dari ruag cotoh Ω. Defiisi 3 (Kejadia lepas) Kejadia A da B disebut salig lepas jika irisa dari keduaya adalah himpua kosog. Defiisi 4 (Meda-σ) Meda-σ adalah suatu himpua F yag aggotaya terdiri atas himpua bagia ruag cotoh Ω, yag memeuhi syarat berikut: i) F. i=1 ii) Jika A 1, A 2, F, maka A i F. iii) Jika A F, maka A c F. Defiisi 5 (Ukura peluag) Ukura peluag P pada (, F) adalah fugsi P F 0,1 yag memeuhi: i) P = 0, P Ω = 1. ii) Jika A 1, A 2, adalah himpua lepas yag merupaka aggota dari F, yaitu: A i A j =, utuk setiap i, j dega i j, maka P i=1 A i = i=1 P A i. Pasaga Ω, F, P disebut ruag peluag. Defiisi 6 (Kejadia salig bebas) Kejadia A da B dikataka salig bebas jika: P A B = P A P B. Secara umum, himpua kejadia A i ; i I dikataka salig bebas jika: P( i J A i ) = i J P(A i ) utuk setiap himpua bagia J dari I. Peubah Acak da Fugsi Sebara Defiisi 7 (Peubah acak) Misalka Ω adalah ruag cotoh dari suatu percobaa acak. Fugsi Χ yag terdefiisi pada Ω yag memetaka setiap usur ω Ω ke satu da haya satu bilaga real X ω = disebut peubah acak. Ruag dari Χ adalah himpua bagia bilaga real A = { = Χ(ω), ω Ω}. Peubah acak diotasika dega huruf kapital, misalka X, Y, Z. Sedagka ilai peubah acak diotasika dega huruf kecil seperti, y, z. Setiap peubah acak memiliki fugsi sebara. Defiisi 8 (Fugsi sebara) Misalka Χ adalah peubah acak dega ruag A. Misalka kejadia A = (, ] A, maka peluag dari kejadia A adalah P X = F X. Fugsi F X disebut fugsi sebara dari peubah acak X. Defiisi 9 (Peubah acak diskret) Peubah acak Χ dikataka diskret jika semua himpua ilai dari peubah acak tersebut merupaka himpua tercacah. Defiisi 10 (Fugsi massa peluag) Fugsi massa peluag dari peubah acak diskret X adalah fugsi p R [0,1] yag diberika oleh p X = P X =. Defiisi 11 (Peubah acak kotiu) Peubah acak X dikataka kotiu jika ada fugsi f X sehigga fugsi sebara F X dapat diyataka sebagai

3 F X = f X (u) du R, dega f X R 0, adalah fugsi yag teritegralka lokal. Fugsi f X disebut fugsi kepekata peluag bagi peubah acak X. Defiisi 12 (Peubah acak Poisso) Suatu peubah acak X disebut peubah acak Poisso dega parameter λ, λ > 0 jika fugsi massa peluagya diberika oleh λk λ p X k = e utuk k = 0,1, Lema 1 (Jumlah peubah acak Poisso) Misalka X da Y adalah peubah acak yag salig bebas da memiliki sebara Poisso dega parameter berturut-turut λ 1 da λ 2. Maka X + Y memiliki sebara Poisso dega parameter λ 1 + λ 2. (Taylor & Karli 1984) Bukti: lihat Taylor & Karli 1984. Mome, Nilai Harapa, da Ragam Defiisi 13 (Nilai harapa) 1. Jika X adalah peubah acak diskret dega fugsi massa peluag p X, maka ilai harapa dari X diotasika dega E X adalah E X = p X asalka jumlah di atas koverge mutlak. 2. Jika X adalah peubah acak kotiu dega fugsi kepekata peluag f X, maka ilai harapa dari X adalah E X = f X ()d asalka itegral di atas koverge mutlak. Defiisi 14 (Ragam) Misalka X adalah peubah acak diskret dega fugsi massa peluag p X () da ilai harapa E X. Ragam dari X diotasika dega Var(X) atau σ 2 X adalah σ 2 X = E(X E X ) 2 = E X 2 p X. Defiisi 15 (Fugsi pembagkit mome) Misalka X adalah peubah acak sehigga utuk > 0, ilai harapa dari e tx terdefiisi pada < t <. Fugsi pembagkit mome dari X diyataka M t = E e tx, utuk < t <. Defiisi 16 (Fugsi idikator) Misalka A adalah suatu kejadia. Fugsi idikator dari A adalah suatu fugsi I A Ω 0,1, yag diberika oleh: I A (ω) = 1, jika ω A. 0, jika ω A. Nilai harapa dari fugsi idikator adalah sebagai berikut: Ε I A = 1. P A + 0. P A c = P A. Kekovergea Peubah Acak Terdapat beberapa cara utuk megiterpretasika peryataa kekovergea barisa peubah acak, X X utuk. Defiisi 17 (Koverge dalam peluag) Misalka X 1, X 2, adalah barisa peubah acak pada suatu ruag peluag Ω, F, P. Barisa peubah acak X dikataka koverge p dalam peluag ke X, diotasika X X, jika utuk setiap ε > 0 berlaku P X X > ε 0, utuk. Lema 2 (Sifat kekovergea dalam peluag) Misalka X koverge dalam peluag ke X da Y koverge dalam peluag ke Y maka X Y koverge dalam peluag ke XY, diotasika dega p X Y XY. Bukti: lihat Hogg et al. 2005. Defiisi 18 (Koverge dalam sebara) Misalka X 1, X 2,, X adalah peubah acak pada suatu ruag peluag Ω, F, P. Suatu barisa peubah acak X dikataka koverge dalam sebara ke peubah acak X, ditulis d X X, utuk, jika P(X ) P X utuk, utuk

4 semua titik dimaa fugsi sebara F X = P(X ) adalah kotiu. Peduga da Sifat-Sifatya Defiisi 19 (Statistik) Statistik adalah suatu fugsi dari satu atau lebih peubah acak yag tidak tergatug pada satu atau beberapa parameter yag ilaiya tidak diketahui. Defiisi 20 (Peduga) Misalka X 1, X 2,, X adalah cotoh acak. Suatu statistik U(X 1, X 2,, X ) yag diguaka utuk meduga fugsi parameter g(θ) dilambagka dega g θ, disebut peduga bagi g(θ). Bilamaa ilai X 1 = 1, X 2 = 2,, X =, maka ilai U( 1, 2,, ) disebut sebagai dugaa (estimate) bagi g(θ). Defiisi 21 (Peduga tak bias) (i) Suatu peduga yag ilai harapaya sama dega parameter g θ, yaitu E U X 1, X 2,, X = g(θ) disebut peduga tak bias bagi g(θ). (ii) Jika lim E U X 1, X 2,, X = g(θ) maka U(X 1, X 2,, X ) disebut peduga tak bias asimtotik bagi g(θ). Defiisi 22 (Peduga kosiste) Suatu peduga yag koverge dalam peluag ke parameter g(θ) disebut peduga kosiste bagi g(θ). Defiisi 23 (MSE suatu peduga) Mea Square Error (MSE) dari suatu peduga W utuk parameter θ adalah fugsi dari θ yag didefiisika oleh E θ (W θ) 2. Dega kata lai MSE adalah ilai harapa kuadrat dari selisih atara peduga W da parameter θ, yag dapat dihitug sebagai berikut: E θ W θ 2 = Var W + E θ W θ 2 = Var W + (bias(θ )) 2 dega bias U = EU g θ. (Casella & Berger 1990) Proses Stokastik Defiisi 24 (Proses stokastik) Proses stokastik X = X t, t T adalah suatu himpua dari peubah acak yag memetaka suatu ruag cotoh Ω ke suatu ruag state. Jadi utuk setiap t pada himpua ideks T, X(t) adalah suatu peubah acak. Kita serig megiterpretasika t sebagai waktu da X t sebagai state (keadaa) dari proses pada waktu t. Suatu proses stokastik X disebut proses stokastik dega waktu diskret jika himpua ideks T adalah himpua tercacah. Sedagka suatu proses stokastik X disebut proses stokastik dega waktu kotiu jika T adalah suatu iterval. Defiisi 25 (Ikreme bebas) Suatu proses stokatik dega waktu kotiu {X t, t T disebut memiliki ikreme bebas jika utuk semua t 0 < t 1 < < t, peubah acak X t 1 X t 0, X t 2 X t 1,, X t X t 1 adalah bebas. Dega kata lai, suatu proses stokastik dega waktu kotiu X disebut memiliki ikreme bebas jika proses berubahya ilai pada iterval waktu yag tidak tumpag tidih (tidak overlap) adalah bebas. Defiisi 26 (Ikreme stasioer) Suatu proses stokastik dega waktu kotiu X = {X t, t T} disebut memiliki ikreme stasioer jika X t + s X(t) memiliki sebara yag sama utuk semua ilai t. Dega kata lai, suatu proses stokastik dega waktu kotiu X disebut memiliki ikreme stasioer jika sebara (distribusi) dari perubaha ilai atara sembarag dua titik haya tergatug pada jarak atara kedua titik tersebut da tidak tergatug dari lokasi titik-titik tersebut.

5 Proses Poisso Salah satu betuk khusus dari proses stokastik dega waktu kotiu adalah proses Poisso. Pada proses ii, kecuali diyataka secara khusus, diaggap bahwa himpua ideks T adalah iterval bilaga real tak egatif yaitu 0,. Defiisi 27 (Proses pecacaha) Suatu proses stokastik N t, t 0 disebut proses pecacaha jika N(t) meyataka bayakya kejadia yag telah terjadi sampai waktu t. Dari defiisi tersebut, maka suatu proses pecacaha N(t) harus memeuhi syarat-syarat berikut: i) N(t) 0 utuk semua t 0,. ii) Nilai N(t) adalah iteger. iii) Jika s < t maka N s N t, s, t 0,. iv) Utuk s < t maka N t N(s) sama dega bayakya kejadia yag terjadi pada iterval s, t. Defiisi 28 (Proses Poisso) Suatu proses pecacaha N t, t 0 disebut proses Poisso dega laju λ, λ > 0, jika dipeuhi tiga syarat berikut: i) N 0 = 0. ii) Proses tersebut memiliki ikreme bebas. iii) Bayakya kejadia pada sembarag iterval waktu dega pajag t memiliki sebara (distribusi) Poisso dega ilai harapa λt. Jadi utuk semua t, s > 0, P N t + s N s = k = e λt (λt) k, k = 0,1, Dari syarat (iii) dapat dilihat bahwa proses Poisso memiliki ikreme stasioer. Dari syarat ii juga dapat diperoleh bahwa E N t = λt. Defiisi 29 (Itesitas lokal) Itesitas lokal dari suatu proses Poisso tak homoge X dega fugsi itesitas λ pada titik sεr adalah λ s, yaitu ilai fugsi λ di s. (Cressie 1993) Defiisi 30 (Fugsi periodik) Suatu fugsi λ disebut periodik jika berlaku λ s + kτ = λ(s) utuk semua s R da k Z. Kostata terkecil τ yag memeuhi persamaa di atas disebut periode fugsi λ tersebut. (Browder 1996) Defiisi 31 (Proses Poisso periodik) Proses Poisso periodik adalah suatu proses Poisso tak homoge yag fugsi itesitasya adalah fugsi periodik. (Magku 2001) Defiisi 32 (Itesitas global) Misalka N 0, adalah proses Poisso pada iterval 0,. Itesitas global θ dari proses Poisso ii didefiisika sebagai lim jika limit di atas ada. EN 0, (Cressie 1993) Lema 3 (Eksistesi itesitas global) Jika N [0, ] adalah proses Poisso periodik dega fugsi itesitas λ, maka EN 0, lim pada Defiisi 32 ada da ilaiya sama dega θ = 1 τ Bukti: lihat Lampira 1. τ λ s ds. 0 Beberapa Defiisi da Lema Tekis Defiisi 33 (Fugsi teritegralka lokal) Fugsi itesitas λ disebut teritegralka lokal jika utuk sembarag himpua Borel terbatas B kita peroleh μ B = B λ(s)ds <. (Dudley 1989) Defiisi 34 (O(. ) da o(. )) Simbol-simbol O(. ) da o(. ) merupaka cara utuk membadigka besarya dua fugsi u() da v() dega meuju suatu limit L. i) Notasi u = O v, L, meyataka bahwa L. u() v() terbatas, utuk

6 ii) Notasi meyataka L. u = o v, L, bahwa u() v() 0, utuk (Serflig 1980) Defiisi 35 (Titik Lebesque) Kita kataka s adalah titik Lebesque dari λ jika berlaku 1 lim λ s + λ(s) d = 0. 2 (Wheede & Zygmud 1977) Lema 4 (Teorema deret Taylor) Deret Taylor dari fugsi f di a (atau di sekitar a atau berpusat di a) memeuhi persamaa ( ) f ( a) f ( ) a! 0 a (1) (2) f ( a) 1 f 2 f ( a) a a... 1! 2! (Stewart 1999) Lema 5 (Formula Youg dari Teorema Taylor) Misalka g memiliki turua ke- yag berhigga pada suatu titik, maka k g k g y g y o y, k 1 utuk y. (Serflig 1980) Bukti: lihat Serflig 1980. Lema 6 (Teorema Limit Pusat) Misalka X 1, X 2,., X adalah barisa peubah acak bebas dari suatu sebara yag masig-masig memiliki ilai harapa μ da ragam tak ol σ 2. Jika 1 X i μ Y = σ maka Y koverge ke sebara ormal baku, D diotasika Y Normal(0,1) utuk. Bukti: lihat Lampira 2.