BAB III REVIEW SIFAT- SIFAT STATISTIK PENDUGAAN TIPE KERNEL BAGI FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN PERIODE GANDA

dokumen-dokumen yang mirip
SEBARAN ASIMTOTIK PENDUGA FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN PERIODE GANDA IDDAYATI

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

BAB III PERUMUSAN PENDUGA DAN SIFAT SIFAT STATISTIKNYA

BAB III TEOREMA GLEASON DAN t-desain

ANALISIS MULTIVARIAT. Pengantar Analisis Multivariat Lanjutan. Irlandia Ginanjar M.Si

ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER

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

PERBADINGAN BIAS ESTIMATOR KERNEL NADARAYA-WATSON DAN LOCALLY LINEAR PADA REGRESI NONPARAMETRIK

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

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

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

100% r n. besarnya %. n. h t t p : / / m a t e m a t r i c k. b l o g s p o t. c o m =. 400

5/12/2014. Tempat Kedudukan Akar(Root Locus Analysis) ROOT LOCUS ANALYSIS

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN MEDIAN DAN KOEFISIEN KURTOSIS

MATEMATIKA INTEGRAL RIEMANN

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

BAB IV HASIL PENELITIAN. Hasil penelitian ini berdasarkan data yang diperoleh dari kegiatan penelitian

BAB 2 LANDASAN TEORI

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

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

BAB I PENGINTEGRALAN KOMPLEKS

NORM VEKTOR DAN NORM MATRIKS

BAB III ISI. x 2. 2πσ

Integrasi 1. Metode Integral Reimann Metode Integral Trapezoida Metode Integral Simpson. Integrasi 1

BAB III PERSAMAAN PANAS DIMENSI SATU

PENYELESAIAN PENGOPTIMUMAN PORTOFOLIO FUZZY MENGGUNAKAN PENDEKATAN FUNGSI LAGRANGE. Sugiyarto

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

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

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

BAB 2 LANDASAN TEORI

REGRESI LINEAR SEDERHANA

BAB 1 STATISTIKA RINGKASAN MATERI

Estimasi Densitas Mulus dengan Metode Wavelet. (Wavelet Method in Smooth Density Estimation)

PEMULUSAN SEBARAN DATA MENGGUNAKAN PENAKSIR KERNEL NADARAYA-WATSON DAN LINIER LOKAL UNTUK KERNEL NORMAL. Sudarno 1.

Pertemuan VII IV. Titik Berat dan Momen Inersia

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

BAB 3 REVIEW SIFAT-SIFAT STATISTIK PENDUGA KOMPONEN PERIODIK

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

BAB 2 LANDASAN TEORI

MASALAH NORM MINIMUM PADA RUANG HILBERT DAN APLIKASINYA

SOLUSI TUGAS I HIMPUNAN

PELABELAN-k TOTAL TAK TERATUR SISI DAN NILAI KETAKTERATURAN TOTAL SISI DARI GRAF LINTANG. oleh DWI HANDAYANI M

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

On A Generalized Köthe-Toeplitz Duals

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 METODE MULTISTAGE CLUSTER SAMPLING. dilakukan melalui dua tahap pengambilan sampel atau lebih (Cochran, 1977:314).

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

BAB 5. ANALISIS REGRESI DAN KORELASI

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

STATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J)

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

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

Penurunan Syarat Orde Metode Runge-Kutta dengan Deret Butcher

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

UKURAN PEMUSATAN & PENYEBARAN

8. MENGANALISIS HASIL EVALUASI

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

UKURAN GEJALA PUSAT DAN UKURAN LETAK

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

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

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

adalah nilai-nilai yang mungkin diambil oleh parameter jika H

JURNAL MATEMATIKA DAN KOMPUTER Vol. 4. No. 3, , Desember 2001, ISSN :

Pertemuan 3 Luas Daerah Bidang Datar, dan Volume Benda Padat dengan Metode Bidang Irisan Sejajar

PEMILIHAN VARIABEL DAN REDUKSI DIMENSI DALAM REGRESI NONPARAMETRIK BERDIMENSI BESAR

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

SEBARAN ASIMTOTIK PENDUGA TURUNAN PERTAMA DAN TURUNAN KEDUA DARI FUNGSI INTENSITAS SUATU PROSES POISSON PERIODIK ZAENAL ARIFIN

PENGGUNAAN BOOTSTRAP UNTUK MENDETEKSI KEAKURATANAN KRIGING. Isnani, M.Si. PMTK FKIP Univ. Pancasakti Tegal

RELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA. Haposan Sirait 1, Usman Malik 2 ABSTRAK

Perancangan Pengendali PID. Institut Teknologi Sepuluh Nopember

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

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

S2 MP Oleh ; N. Setyaningsih

PENGUJIAN HIPOTESIS PROSEDUR UMUM PROSEDUR UMUM PROSEDUR UMUM. Langkah 1 : tentukan hipotesis 0 (H 0 ) dan anti hipotesis (H 1 )

BAB 4 SISTEM DINAMIK ORDE-TINGGI

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) IV. PEMBAHASAN

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode

2.2.3 Ukuran Dispersi

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

Pengajar: Dr. Agus M Soleh

Pengujian Hipotesis untuk selisih dua nilai tengah populasi

PENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS

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

Volume 1, Nomor 2, Desember 2007

II. TINJAUAN PUSTAKA. variabel. Dalam regresi sederhana dikaji dua variabel, sedangkan dalam regresi

Diagram Kendali Simpangan Baku Eksak untuk Proses Berdistribusi Normal dengan Parameter σ Diketahui

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Koefisien Korelasi Spearman

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

Pengantar. Ilustrasi 29/08/2012. LT Sarvia/ REGRESI LINEAR BERGANDA ( MULTIPLE LINEAR REGRESSION )

BAB III METODE PENELITIAN. Jenis penelitian ini merupakan jenis penelitian kuantitatif, karena data yang

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA

BAB II LANDASAN TEORI

Deret Taylor dan Analisis Galat

Transkripsi:

9 BAB III REVIEW SIFAT- SIFAT STATISTI PENDUGAAN TIPE ERNE BAGI FUNGSI INTENSITAS PROSES POISSON PERIODI DENGAN PERIODE GANDA 3. Perumua Peduga Malka adala proe Poo ag damat pada terval [0] dega fug teta ag tdak dketau. Fug daumka tertegralka lokal erta merupaka fug perodk dega perode T. Dega demka fug teta memeu peramaa dega da dega adala mpua blaga bulat. Malka pula utuk etap dapat dtul ebaga berkut: ; jka 0 ; jka T ; jka l l (( l ) l ) (3.) dega I = da adala fug perodk dega perode da. adala kotata potf ag dketau. Pada baaa d aumka dketauutuk emua l 3.... Tapa megurag keumuma kta dapat megaumka. Sebab dega. Ole karea tu kta aumka

0 Dalam baaa tdak daumka uatu betuk parametrk dar bawa adala perodk dega perode atu peramaa keual (3.) berlaku utuk etap. Malka utuk uatu kta aa memlk ebua reala dar proe Poo N ag terdef pada uatu ruag peluag ( ) dega fug teta epert (3.) ag damat pada terval terbata [0 ]. ta aumka bawa merupaka ttk ebeque dar jad berlaku :. (3.3) Sarat ukup agar merupaka ttk ebeque dar adala fug kotu d. area adala fug perodk dega perode T = (dketau) maka utuk meduga pada dapat dreduk mejad maala meduga pada. Malka merupaka fug berla real ag debut fug kerel ag memeu fat-fat berkut : (.) merupaka fug kepekata peluag (.) terbata (.3) memlk daera def [-] ( Helmer et.al 003 005). Malka adala bara blaga real potf ag koverge ke 0 atu 0 (3.4) jka Dega ota d ata kta dapat memformulaka peduga utuk ebaga berkut : pada ttk x j j 0 N dx (3.5)

Sedagka peduga fug tetaa adala ˆ () ; jka 0 ˆ ˆ () ; jka () ˆ ( ) ; jka( ) T l l ˆ ( ) (( l ) l ). Ide d balk peuua dar peduga tpe kerel dar dapat djelaka ebaga berkut : Dar (3.) da (3.) utuk etap ttk da maka Nla fug d ektar ttk dapat dtakr dega la rataa dar baaka kejada dektar ttk atu pada terval [ ] erta dega megguaka (3.4) da (3.6) dapat dtul Dega meggat tokatka dtul : dega padaa peramaa (3.7) dapat j N([ j j ]) I [ ] ([ j j ]) N ( dx ) j 0 x j j 0 N dx dega =. (3.8) Agar peduga leb umum maka dguaka fug kerel umum.

3. Sfat-fat Stattk Teorema 3. (Aprokma amtotk bag la arapa peduga) Malka dketau fug teta epert (3.) da tertegralka lokal. Jka kerel memeu kod (.) (.) (.3) da ; erta memlk turua kedua ag berla bergga d ektar maka " E z z dz o utuk. Bukt : Dar peramaa (3.5) maka Dega meggat varabel malka egga peramaa (3.0) dapat dtul mejad

3 Dega melat bawa akbata dperole area memlk turua kedua pada maka kotu pada megakbatka memlk la ag terbata dektar. dega formula Youg kta perole ' " o!! 3.4 ' " o utuk. (3.5)!! Subttuka (3.5) ke (3.3) egga dperole ' " o o d.!! (3.6) Dega meggat varabel atu mal: z dz dtul d maka (3.6) dapat ' " z z z o dz o!! " z dz ' z z dz z z dz o o 3.7 utuk.

4 area adala metrk da memeu kod (.) da (.3) maka (3.7) dapat dtul " z z dz o o " z z dz o o utuk. area maka rua kaa peramaa d ata dapat dtul mejad " z z dz o utuk. (3.8) Dega demka kta perole peramaa (3.9). jad Teorema 3. terbukt. Teorema 3. (Aprokma amtotk bag la ragam peduga) Malka dketau fug teta epert (3.) da tertegralka lokal. Jka kerel memeu kod (.) (.) (.3) da ; maka utuk Bukt x j Var( ) Var N dx. 3.0 j 0 Utuk ag ukup bear karea utuk maka terval [ ] da [ ] utuk tdak alg tumpag td (tdak overlap). Segga utuk emua x j da x j adala beba. Jad vara bag dapat dtetuka ebaga berkut

5 x j Var( ) Var N dx. 3. j 0 area N adala proe Poo maka Var(N) = E(N) egga rua kaa peramaa (3.) dapat dtul x j j 0 x j j 0 E N dx x dx (3.) Dega meggat varabel malka = x ( + j ) d = dx maka (3.) dapat dtul j j j d j Ι j 0 d Ι 0. Ι j 0 d. (3.3) Dega (3.) maka (3.3) dapat dtulka mejad O() d O( ) d (3.4) area adala ttk ebeque dar da kerel terbata maka utuk d o egga rua kaa (3.4) adala () O() o o utuk (3.5)

6 Selajuta kta peratka uku kedua (3.4). Dega meggat varabel da karea fug kerel memeu (.3) maka uku kedua (3.4) dapat dtulka mejad O() () z dz O utuk () z dz () z dz () z dz O O 3.6 Dega meubttuka (3.5) da (3.6) ke (3.4) maka dperole ˆ Var( ( )) o ( z) dz O utuk. Segga Teorema (3.) terbukt. ( z) dz o Corollar 3. (Aprokma amtotk bag MSE peduga) Malka dketau fug teta 3.7 epert (3.) da tertegralka lokal. Jka kerel memeu kod (.) (.) (.3) da ; maka memlk turua kedua ag berla bergga d ektar maka MSE ( z) dz utuk. Bukt : Berdaarka def MSE maka 4 '' 4 4 z ( z) dz o o 3.8 MSE Ba Var 3.9 dega Ba E -.

7 Dega megguaka Teorema 3. da Teorema 3. maka dperole " Ba z z dz o da Var( ) ( z) dz o. Segga dperole " MSE z z dz o utuk 3. terbukt. 4 () z dz o () z dz " 4 4 z z dz o o. Dega demka kta perole peramaa (3.8). Jad Corollar