Pendugaan Fungsi Intensitas Proses Poisson Periodik

Pendugaan fungsi intensitas suatu proses Poisson periodik dapat dibedakan berdasarkan periodenya, yaitu proses Poisson dengan periode yang diketahui dan periode yang tidak diketahui. Pada kasus dengan periode yang tidak diketahui, pendugaan fungsi intensitasnya lebih rumit dibandingkan dengan pendugaan fungsi intensitas dengan periode yang diketahui. Namun demikian, Helmers et al 2003 telah merumuskan pendekatan dengan tipe kernel yang dapat digunakan untuk menjelaskan sifat-sifat statistik dari penduga fungsi intensitas proses Poisson periodik tersebut. Selanjutnya Helmers dan Mangku 2009 mengembangkan pemodelan untuk fenomena proses Poisson periodik dengan menambahkan tren linear, serta proses Poisson dengan periode ganda pada fungsi intensitasnya Helmers et al 2007. Pada Mangku 2006 telah dikaji sifat normalitas asimtotik penduga tipe kernel untuk fungsi intensitas suatu proses Poisson periodik dengan mengasumsikan bahwa periodenya diketahui. Pendugaan nonparametik fungsi intensitas proses Poisson periodik dengan periode ganda dengan menggunakan fungsi kernel umum telah dibahas pada Martalena 2009.

BAB III REVIEW SIFAT- SIFAT STATISTIK PENDUGAAN TIPE

KERNEL BAGI FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN PERIODE GANDA

3.1 Perumusan Penduga

Misalkan adalah proses Poisson yang diamati pada interval [0,n] dengan fungsi intensitas yang tidak diketahui. Fungsi ini diasumsikan terintegralkan lokal serta merupakan fungsi periodik dengan periode T. Dengan demikian fungsi intensitas ini memenuhi persamaan , dengan dan  dengan  adalah himpunan bilangan bulat. Misalkan pula untuk setiap , dapat ditulis sebagai berikut: 1 2 ; jika jika j ; 2 ; 1 ika c c L c s s s s s s L s T  1 1 L l c l s l s l 3.1 dengan I = , dan adalah fungsi periodik dengan periode dan , L. L adalah konstanta positif yang diketahui. Pada bahasan ini di asumsikan diketahui,untuk semua 1, 2,3,..., l L . Tanpa mengurangi keumuman, kita dapat mengasumsikan . Sebab dengan . Oleh karena itu kita asumsikan Dalam bahasan ini tidak diasumsikan suatu bentuk parametrik dari kecuali bahwa adalah periodik dengan periode yaitu persamaan 3.2 berlaku untuk setiap . Misalkan untuk suatu kita hanya memiliki sebuah realisasi dari proses Poisson N yang terdefinisi pada suatu ruang peluang dengan fungsi intensitas seperti 3.1 yang diamati pada interval terbatas [0, n] . Kita asumsikan bahwa s merupakan titik Lebesque dari jadi berlaku : . 3.3 Syarat cukup agar s merupakan titik Lebesque dari adalah fungsi kontinu di s. Karena s adalah fungsi periodik dengan periode T = L diketahui maka untuk menduga s pada dapat direduksi menjadi masalah menduga pada . Misalkan merupakan fungsi bernilai real, yang disebut fungsi kernel yang memenuhi sifat-sifat berikut : K.1 merupakan fungsi kepekatan peluang K.2 terbatas K.3 memiliki daerah definisi [-1,1] Helmers et.al 2003, 2005. Misalkan h n adalah barisan bilangan real positif yang konvergen ke 0, yaitu h n 3.4 jika Dengan notasi di atas, kita dapat memformulasikan penduga untuk c pada titik sebagai berikut :  1 , , 1 1 , i n L i i i j i n n c n K x s j L K N dx n h h s 3.5 Sedangkan penduga fungsi intensitasnya adalah 1 2 , , , , , , , ; jika 0 ; jika 2 ; ji ˆ ˆ ka ˆ ˆ 1 c n K c n K n K c L n K s s s s s s s L T  1 , , 1 . ˆ L c n l l K s l s l Ide di balik penyusunan dari penduga tipe kernel  , , c n K s dari c dapat dijelaskan sebagai berikut : Dari 3.1 dan 3.2 untuk setiap titik s dan maka Nilai fungsi di sekitar titik s dapat ditaksir dengan nilai rataan dari banyaknya kejadian disekitar titik s, yaitu pada interval [ ], serta dengan menggunakan 3.4 dan 3.6 dapat ditulis  , c n s Dengan mengganti dengan padanan stokastiknya , persamaan 3.7 dapat ditulis :  1 , [ , ] 1 2 i L i i n i i n i j i n c n N s j L s L s h j h n h [ 1,1] 1 1 1 1 I [ , ] 2 i n L i i n i i n i j i n s j L h s j L h N dx n h 1 1 1 1 i n L i i i j i n n x s j L K N dx n h h dengan = . 3.8 Agar penduga lebih umum, maka digunakan fungsi kernel umum K.

Dokumen yang terkait

A note on estimation of the global intensity of a cyclic poisson process in the presence of linear trend

0 9 13

Consistency Of A Kernel-Type Estimator Of The Intencity Of The Cyclic Poisson Process With The Linear Trend

0 8 14

Asymptotic Distribution of an Estimator for Periodic Component of an Intensity Function as a Product of a Periodic Function with a Linear Trend of a Non-Homogeneous Poisson Process.

0 4 102

Consistent Estimation of the Distribution and the Density Function of Waiting Time of a Cyclic Poisson Process with Linear Trend.

0 7 36

Consistency of Estimators for the Distribution Function and the Density of Waiting Time of a Periodic Poisson Process with Power Function Trend.

0 8 171

Asymptotic Distribution of an Estimator for Periodic Component of the Intensity Function Obtained as the product of a Periodic Function with the Quadratic trend of a Non Homogenous Poisson Process

1 8 94

Estimating the Mean Function of a Compound Cyclic Poisson Process

0 7 50

DEVELOPMENT OF REMOTE TERMINAL UNIT (RTU) FOR THE NEW FUNCTION OF DISTRIBUTION AUTOMATION SYSTEM (DAS).

0 2 5

CONSISTENCY OF A KERNEL-TYPE ESTIMATOR OF THE INTENSITY OF THE CYCLIC POISSON PROCESS WITH THE LINEAR TREND | Mangku | Journal of the Indonesian Mathematical Society 42 140 1 PB

0 1 12

ASYMPTOTIC APPROXIMATIONS TO THE BIAS AND VARIANCE OF A KERNEL-TYPE ESTIMATOR OF THE INTENSITY OF THE CYCLIC POISSON PROCESS WITH THE LINEAR TREND | Mangku | Journal of the Indonesian Mathematical Society 8 31 1 PB

0 0 9