KESIMPULAN SARAN KESIMPULAN DAN SARAN
LAMPIRAN
Beberapa Definisi Ruang Contoh Kejadian dan Peluang
Suatu percobaan yang dapat diulang dalam kondisi yang sama, yang hasilnya tidak dapat diprediksi dengan tepat tetapi kita bisa mengetahui semua
kemungkinan hasil yang muncul disebut percobaan acak.
Definisi L.1 Ruang contoh dan kejadian
Himpunan semua hasil yang mungkin dari suatu percobaan acak disebut ruang
contoh, dan dinotasikan dengan . Himpunan bagian dari ruang contoh disebut
kejadian. Grimmett and Stirzaker 2001
Definisi L.2 Kejadian lepas
Kejadian A dan B disebut saling lepas jika irisan dari keduanya adalah himpunan kosong .
Grimmett and Stirzaker 2001
Definisi L.3 Medan-
Medan- adalah himpunan yang anggotanya merupakan himpunan bagian dari yang memenuhi syarat-syarat berikut :
1 2
Jika A maka A
c
. 3
Jika A
1
, A
2
, …, maka
. Medan- terkecil yang mengandung semua selang berbentuk
disebut medan Borel, dan anggotanya disebut himpunan Borel. Grimmett and Stirzaker 2001
Definisi L.4 Ukuran peluang
Ukuran peluang P pada ruang ukuran adalah fungsi P :
yang memenuhi :
1 2
Jika A
1
,A
2
, … adalah himpunan anggota yang saling lepas yaitu untuk setiap i, j dengan
maka : .
Tripel disebut dengan ruang peluang.
Grimmett and Stirzaker 2001
Definisi L.5 Kejadian saling bebas
Kejadian A dan B dikatakan saling bebas jika : .
Secara umum, himpunan kejadian { } dikatakan saling bebas, jika :
untuk setiap himpunan bagian J dari I. Grimmett and Stirzaker 2001
Peubah Acak dan Fungsi Sebaran Definisi L.6 Peubah acak
Peubah acak adalah suatu fungsi dengan sifat bahwa {
} untuk setiap .
Grimmett and Stirzaker 2001
Definisi L.7 Fungsi sebaran
Fungsi sebaran dari suatu peubah acak X adalah yang
didefinisikan oleh Grimmett and Stirzaker 2001
Definisi L.8 Peubah acak diskret
Peubah acak X disebut diskret jika himpunan semua kemungkinan nilai {x
1
, x
2
,…} dari peubah acak tersebut merupakan himpunan tercacah.
Grimmett and Stirzaker 2001 Suatu himpunan bilangan C disebut tercacah jika C terdiri atas bilangan berhingga
atau anggota C dapat dikorespodensikan 1-1 dengan bilangan bulat positif.
Definisi L.9 Fungsi massa peluang
Fungsi massa peluang dari peubah acak diskret X adalah fungsi yang diberikan oleh : px = P X = x.
Grimmett and Stirzaker 2001
Definisi L.10 Peubah acak Poisson
Suatu peubah acak X disebut peubah acak Poisson dengan parameter jika
fungsi kerapatan peluangnya diberikan oleh : , untuk k=
0, 1, 2, …
Ghahramani 2005
Nilai Harapan, Momen dan Ragam Definisi L.11 Nilai harapan, momen dan ragam
Misalkan X adalah peubah acak diskret dengan fungsi kerapatan peluang px. Nilai harapan dari X, dinotasikan dengan EX, adalah
EX= Momem ke-k dengan k merupakan bilangan bulat positif, dari suatu peubah acak
X adalah
Misalkan momen ke-1 dari x adalah EX = . Maka momen pusat ke-k atau dari peubah acak X adalah
Nilai harapan dari peubah acak X merupakan momen pertama dari X. Ragam variance dari X, dinotasikan dengan Var X atau
adalah nilai harapan dari kuadrat perbedaan antara peubah acak X dengan nilai harapannya yaitu :
2
px. Ragam merupakan momen ke-2 dari peubah acak X.
Hogg et al. 2005
Kekonvergenan Definisi L.12 Kekonvergenan barisan bilangan nyata
Barisan
n
dikatakan mempunyai limit L dan kita tuliskan atau
n
L jika apabila setiap
terdapat bilangan M sedemikian rupa sehingga jika n M maka
ada, kita katakan barisan tersebut konvergen. Jika tidak, kita katakan barisan tersebut divergen.
Stewart 1999 Terdapat beberapa cara untuk menginterpretasikan pernyataan kekonvergenan
barisan peubah acak.
Definisi L.13 Kekonvergenan dalam peluang
Misalkan X, X
1
, X
2
, … adalah peubah acak dalam ruang peluang . Kita
katakan bahwa barisan peubah acak X
n
konvergen dalam peluang ke X, dinotasikan
. Grimmet and Stirzaker 2001
Definisi L.14 Konvergen dalam rataan ke – r
Misalkan X
1
,X
2
,…X adalah peubah acak dalam ruang peluang Ω, , P.
Barisan peubah acak X
n
dikatakan konvergen dalam rataan ke-r ke peubah acak X, dengan r
≥ 1, ditulis
r n
X X
untuk
n
, jika
r n
X untuk semua n
dan
r n
X X
untuk
n
. Grimmett dan Stirzaker, 1992
Definisi L.15 Konvergen hampir pasti
Misalkan X
1
,X
2
,…X adalah peubah acak dalam ruang peluang Ω, , P.
Barisan peubah acak X
n
dikatakan konvergen hampir pasti ke peubah acak X, ditulis
as n
X X
, untuk
n
, jika
untuk setiap
ε 0, lim
1 .
n n
X X
Dengan kata lain konvergen hampir pasti adalah konvergen dengan peluang satu.
Grimmett dan Stirzaker, 1992
Definisi L.16 Konvergen dalam sebaran
Misalkan X
1
,X
2
,…X adalah peubah acak dalam ruang peluang Ω, , P.
Barisan peubah acak X
n
dikatakan konvergen dalam sebaran ke peubah acak X, ditulis
d n
X X
, jika PX
n
≤ x → PX ≤ x untuk
n
, untuk semua titik x dimana fungsi sebaran F
X
x adalah kontinu. Grimmett dan Stirzaker, 1992
Penduga dan Sifat-sifatnya Definisi L.17 Statistik
Statistik merupakan suatu fungsi dari satu atau lebih peubah acak yang tidak tergantung pada satu atau beberapa parameter yang tidak diketahui.
Hogg et al. 2005
Definisi L.18 Penduga
Misalkan X
1
,X
2
,…X
n
adalah contoh acak. Suatu statistik UX
1
, X
2
, …,X
n
yang digunakan untuk menduga fungsi parameter g , dikatakan sebagai penduga
estimator bagi g , dilambangkan dengan
n
Bilamana nilai X
1
=x
1
, X
2
=x
2
,…X
n
=x
n
, maka nilai UX
1
, X
2
, …,X
n
disebut sebagai dugaan estimate bagi g
Hogg et al. 2005
Definisi L.19 Penduga tak bias
1 Suatu penduga yang nilai harapannya sama dengan parameter
, yaitu =
disebut penduga tak bias bagi parameter .
Jika sebaliknya, penduga di atas disebut berbias. 2
Jika =
maka disebut
penduga tak bias asimtotik Hogg et al. 2005
Definisi L.20 Penduga konsisten
Suatu penduga yang konvergen dalam peluang ke parameter , disebut
penduga konsisten bagi Hogg et al. 2005
Definisi L.21 MSE suatu penduga
Mean Square Error MSE dari suatu penduga U bagi parameter didefinisikan sebagai berikut :
MSEU= EU – g
2
= Bias U
2
+ Var U, dengan BiasU = EU -
Hogg et al. 2005 Definisi L.22 Fungsi terintegralkan lokal
Fungsi intensitas adalah terintegralkan lokal, jika untuk sembarang himpunan
Borel terbatas B diperoleh
Definisi L.23 Titik Lebesgue
Titik s dikatakan titik Lebesgue dari fungsi jika .
Dudley 1989
Definisi L.24 O. dan o.
Symbol „big-oh’ dan „litle-o‟ ini merupakan cara membandingkan besarnya dua fungsi ux dan vx dengan x menuju suatu limit L.
1 Notasi ux = Ovx, x L menyatakan bahwa
terbatas untuk x L. 2
Notasi ux = ovx, x L menyatakan bahwa untuk x L.
Serfling 1980 Dengan menggunakan definisi di atas kita peroleh hal berikut
1 Suatu barisan bilangan nyata
disebut terbatas dan ditulis
untuk semua bilangan asli n. 2
Suatu barisan b
n
yang konvergen ke 0, untuk dapat ditulis b
n
= o1. Purcel dan Varberg 1998
Lema teknis Lema L.1
Jika X adalah peubah acak maka untuk sembarang konstanta a dan b berlaku Ghahramani 2005
Bukti
Dari Definisi 11 kita bisa menuliskan bahwa
2 2
2
=
Jadi lema L.1 terbukti.
Lema L.2 Formula Young dari Teorema Taylor
Misalkan g memiliki nilai turunan ke-n yang terhingga pada suatu titik x, maka
untuk .
Serfling 1980
Lema L.3 Ketaksamaan Markov
Jika adalah peubah acak, maka untuk setiap t 0,
Ghahramani 2005
Bukti:
Misalkan A adalah himpunan nilai yang mungkin dari peubah acak X dan , maka
Sehingga
Jadi Lema 3 terbukti.
Lema L.4 Ketaksamaan Chebyshev
Jika X adalah peubah acak dengan nilai harapan μ dan ragam terbatas σ
2
maka
2 2
X t
t untuk setiap t
≥ 0. Ghahramani, 2005.
Bukti :
Karena
2
X , dengan ketaksamaan Markov
2 2
2 2
2 2
X X
t t
t .
Oleh karena
2 2
X t adalah eqivalen X
t , maka Lema L.4 terbukti.
Lema L.5 Deret- p
Deret
1
1
p n
n
disebut juga deret-p konvergen jika p 1, dan divergen jika p ≤ 1.
Bukti : lihat Steawart, 1999.
Lema L.6 Teorema Limit Pusat CLT
Misalkan
1 2
, ,...
X X adalah barisan peubah acak yang i.i.d independent and
identically distributed dengan nilai harapan dan ragam
2
. Maka distribusi dari
1 2
... 0,1 ,
d n
n
X X
X n
Z Normal
n jika
n
, atau dengan kata lain
1 2
... lim
lim
n n
n n
X X
X n
Z x
x n
2
2
1 .
2
x y
e dy
Ghahramani 2005
Bukti:
Untuk membuktikan Teorema Limit Pusat diperlukan Teorema Kekontinuan Levy, sebagai berikut :
Lema 7 Teorema Kekontinuan Levy
Misalkan
1 2
, ,...
X X adalah barisan peubah acak dengan masing-masing fungsi
distribusi
1 2
, ,...
F F dan fungsi pembangkit momen
1 2
, ,... .
X X
M M
Misalkan adalah peubah acak dengan fungsi distribusi F dan fungsi pembangkit momen
X
M t .
Jika semua nilai t,
n
X
M t konvergen ke
X
M t , maka titik-titik dari F yang
kontinu,
n
F konvergen ke
F
. Bukti Teorema Limit Pusat:
Misalkan ,
n n
Y X
maka
n
Y dan
2 n
Var Y , akan dibuktikan
1 2
... ,
n n
X X
X n
Z n
untuk
1 n
konvergen ke distribusi Z.
Jika
1 2
, ,...
Y Y berdistribusi identik maka
1 2
, ,...
Y Y mempunyai pembangkit momen
yang sama, yaitu M. Dari kebebasan peubah acak
1 2
, ,...,
n
Y Y Y diperoleh
1 2
... exp
n
n Z
Y Y
Y M
t t
n
1 2
...
n
Y Y Y
t M
n
1 2
...
n
Y Y
Y
t t
t M
M M
n n
n
.
n
t M
n
L.1
Dari Teorema Kekontinuan Levy, cukup dibuktikan bahwa
n
Z
M t konvergen ke
2
exp 2
t yang merupakan fungsi pembangkit momen dari Z. Ekuivalen dengan
menunjukkan bahwa
2
lim ln 2
n
Z n
t M
t L.2
Misalkan
t h
n
maka
2 2
2
t n
h
sehingga dari persamaan L.1 dihasilkan
2 2
2 2
2 2
ln ln
ln ln
,
n
Z
M h t
t M
t n
M h M h
h h
maka
2 2
ln lim ln
lim .
2
n
Z n
h
M h t
M t
h L.3
Karena 1
M dan
2
ln lim
h
M h h
nilai tidak tetap, maka untuk menentukan nilainya dapat digunakan aturan
L‟Hopital dua kali, sehingga diperoleh
2
ln lim
lim lim
2 2
h h
h
M h M
h M h M
h h
h hM h
2
lim ,
2 2
2 2
h
M h
M M h
hM h M
Dengan
2
M dan
0,
i
Y maka dari L.3 diperoleh bahwa
2 2
2
lim ln .
2 2
2
n
Z n
t t
M t
yaitu persamaan L.2. Jadi Teorema terbukti.
ABSTRACT
IDDAYATI. Asymptotic Distribution of Estimator for the Intensity Function of a Doubly Periodic Poisson Process. Supervised by I WAYAN MANGKU and
SISWANDI. In this manuscript, estimation of the intensity function of a doubly periodic
Poisson process is discussed. It is assumed that only a single realization of the Poisson process is observed in a bounded window [0,n]. It is also assumed that
the period of the intensity function is known. The rate of consistency and asymptotic normality of the estimator are formulated. Finally, a confidence
interval for the local intensity function is also formulated. Keyword
: doubly
periodic Poisson
process, asymptotic
normality