Secara umum model AR(1) dapat dituliskan sebagai berikut:

Y
t
= (Y
t1
) +
t
(1)
dengan asumsi:
1.
t
N(0,
2
)
2.
t
saling bebas dan berdistribusi identik.
3. Y
t1
saling bebas dengan
t
Selanjutnya Distribusi Y
t
dapat diperoleh dengan memperhatikan bentuk lain
model AR(1) yaitu sebagai berikut:

t
= Y
t
Y
t1
(2)
Karena
t
berdistribusi normal dengan mean nol dan variansi
2
maka Y
t
berdistribusi normal dengan parameter mean dan variansi yang tidak dike-
tahui. Oleh karena itu perlu dicari nilai mean dan variansi dari Y
t
dengan
memanfaatkan sifat saling bebas x
t1
dan
t
, sehingga diperoleh:
E(Y
t
) = E() + E(Y
t1
) + E(
t
)
(1 )E(Y
t
) = (1 )
E(Y
t
) =
V ar(Y
t
) = V ar() +
2
V ar(Y
t1
) + V ar(
t
)
(1
2
)V ar(Y
t
) =
2
+ 0
V ar(Y
t
) =

2
1
2
Jadi Y
t
1
1 Cryer
Fungsi Peluang dari
t
adalah sebagai berikut:
f(|, ) =
1

2
2
e

2
t
2
2
Karena
2
,
3
, ...,
n
saling bebas maka dapat diperoleh fungsi bersamanya,
yaitu:
f(
1
,
2
, ...,
n
) =
n

t=2
1

2
2
e

2
t
2
2
=
_
1

2
2
_
(n1)
exp
_

1
2
2
n

t=2

2
t
_
Perhatikan bahwa:

2
= (Y
2
) (Y
1
)

3
= (Y
3
) (Y
2
)
.
.
.

n
= (Y
n
) (Y
n1
)
Jika diberikan Y
1
= y
1
maka dapat didenisikan suatu transformasi linear
antara
2
,
3
, ...,
n
dan Y
2
, Y
3
, ..., Y
n
(karena jacobian sama dengan 1) sehingga
diperoleh:
f(Y
2
, Y
3
, ..., Y
n
|Y
1
= y
1
) = g(
2
,
3
, ...,
n
)|J|
f(Y
2
, Y
3
, ..., Y
n
|Y
1
= y
1
) =
_
1

2
2
_
(n1)
exp
_

1
2
2
n

t=2

2
t
_
Selanjutnya dengan mensubtitusikan
t
= (Y
t
)(Y
t1
) ke persamaan
di atas maka langsung diperoleh:
f(Y
2
, Y
3
, ..., Y
n
|Y
1
= y
1
) = (2
2
)
(n1)
2
exp
_

n
i=1
[(y
t
) (y
t1
)]
2
2
2
_
Sehingga dapat diperoleh f(Y
1
, Y
2
, ...., Y
n
dengan menggunakan sifat peluang
bersyarat dan diketahui bahwa Y
1
berdistribusi N
_
,

2
1
2
_
, yaitu sebagai
berikut:
f(Y
1
, Y
2
, ..., Y
n
) = f(Y
2
, Y
3
, ..., Y
n
|Y
1
= y
1
)f(Y
1
)
= (2
2
)
(n1)
2
exp
_

n
t=2
[(y
t
) (y
t1
)]
2
2
2
_
x
(1
2
)
1
2

2
2
exp
_

(y
1
)
2
(1
2
)
2
2
_
2
Sehingga fungsi likelihood dari model AR(1) adalah:
L(, ,
2
|Y ) =
_
1
2
2
_
n
(1
2
)
1
2
exp
_

1
2
2
S(, )
_
Dimana
S(, ) = (y
1
)
2
(1
2
) +
n

t=2
[(y
t
) (y
t1
)]
2
Dari sini diperoleh fungsi log likelihoodnya yaitu:
(, ,
2
|Y ) =
1
2
log(1
2
)
n
2
log(
2
)
n
2
log(2)
_

1
2
2
S(, )
_
3