Bahan Kuliah2
Bahan Kuliah2
Konsep-konsep dasar
2.1
Proses Stokastik
Definisi 2.1.1. Proses stokastik adalah keluarga variabel random {Xt , t T } yag didefinisikan
pada ruang probabilitas (, F, P ).
Disini T menunjukkan suatu himpunan beranggotakan titik waktu
Jika T = R atau R+ , model disebut continuous time series
Jika T = Z atau N+ ,model disebut discrete time series
Jika T = lokasi geografis= G, model disebut spatial time series. Untuk {Z, G} dikenal model
runtun waktu space time/spatio temporal.
Dalam kuliah ini, hanya digunakan pada T = Z atau N, yakni model runtun waktu diskrit. Hal ini
dikarenakan pada aplikasi empiris yang akan dipelajari pada kuliah, waktu yang bersifat kontinu
sering didekati dengan melakukan diskritisasi terhadap waktu pengamatan.
Definisi 2.1.2. (Realisasi dari suatu proses stokastik)
Fungsi {X(), } pada T disebut realisasi atau sample-path dari proses {Xt , t T }.
Definisi 2.1.3. Suatu time series adalah proses stokastik dimana T adalah himpunan titik
waktu. Terminologi time series (atau runtun waktu) lebih mengacu kepada realisasi dari proses!
Definisi 2.1.4. (Cumulative Distribution Function/CDF dari suatu proses stokastik).
Misalkan T menyatakan himpunan dari semua vektor {t = (t1 , t2 , . . . , tn ) T n : t1 < t2 < . . . <
tn , n = 1, 2, . . .}. Maka CDF (dimensi berhingga) dari {Xt , t T } adalah fungsi {Ft (), t T }
didefinisikan pada t = (t1 , t2 , . . . , tn ) , x = (x1 , . . . , xn ) Rn sebagai
FX (x, t) = Ft (x) = P (Xt1 x1 , . . . , Xtn < xn )
= F (Xt1 , Xt2 , . . . , Xtn (x1 , . . . , xn ; t1 , . . . , tn )
Definisi 2.1.5. (Fungsi mean)
m(t) = E(xt ) =
Fungsi ini menyatakan nilai rata-rata (leverage) dari proses pada keseluruhan waktu.
Definisi 2.1.6. (Fungsi kovariansi)
x (t, s) = Cov(Xt , Xs ) = E((Xt m(t))(Xs m(s))),
5
t, s T
(t, s)
(t, t) (s, s)
n X
n
X
i=1 j=1
i=1 j=1
ti T, i = 1, 2, . . . , n
2.2
, xi R, i = 1, . . . n dan n N
t Z.
X (h)
= cor(Xth , Xt )
X (0)
dengan
() adalah () atau ()
Definisi 2.2.2. (Strictly Stationer)
Proses stokastik {Xt , t T } disebut bersifat strictly stasioner jika fungsi distribusi (kumulatif )
gabungan (yakni CDF) dari (Xt1 , . . . , Xtk ) dan (Xt1 +h , . . . , Xtk +h ) sama untuk semua nilai k
Z+ dan untuk semua t1 , . . . , tk , h Z. Dengan kata lain, seluruh sifat-sifat statistik dari proses
yang bersifat strictly stasioner tidak berubah karena pergeseran waktu.
Contoh 2.2.3. Tunjukkan apakah proses berikut stasioner atau tidak?
Xt = Z0 cos (ct)
dengan Zt , t = 0, 1, . . . , suatu variabel random independen dengan mean 0 dan variansi 2 <
dan c suatu konstanta.
Jawab : Akan ditunjukkan apakah sifat-sifat proses W S stasioner berlaku atau tidak.
1. E(Xt ) = E(Z0 cos(ct) = E(Z0 ) cos(ct) = 0 dengan substitusi E(Z0 ) = 0, suatu konstanta
2. E(|Xt |2 ) = E(|Z0 cos ct|2 ) E(Z02 ) = 2 < dengan substitusi | cos ct| 1
3.
Cov(Xt+h , Xt ) = E(Xt+h Xt )
= E ((Z0 cos c(t + h))(Z0 cos ct))
= 2 cos[c(t + h)] cos[ct]
=
2
[cos(2ct + ch) + cos(ch)]
2
2.3
Dari analisa diatas diperoleh proses strictly stasioner yang memiliki momen orde kedua yang
berhingga akan bersifat W-S stasioner. Namun secara umum tidak berlaku sebaliknya, seperti
yang ditunjukkan dengan contoh berikut.
Contoh 2.3.1. Diketahui {Xt } adalah barisan variabel random independen, sedemikian hingga
Xt Exp(1) t ganjil
Xt N (1, 1) t genap
maka:
1. E(Xt ) = 1 konstan, tidak dipengaruhi waktu.
2. EXt2 berhingga
3. V ar(Xt ) = X (0) = 1
Untuk h > 1, X (h) = cov(Xt+h, Xt ) = E(Xt Xt+h ) E(Xt )E(Xt+h ) = E(Xt )E(Xt+h )
E(Xt )E(Xt+h ) = 0
Terlihat proses diatas merupakan proses stasioner (W S). Akan tetapi {Xt } dan {Xt+h } memiliki
distribusi berbeda untuk h 6= 0 yakni {Xt } tidak bersifat strictly stasioner.
Contoh 2.3.2. Zt adalah random variabel iid dengan E(Zt ) = 0, var(Zt ) = z2 < . Definisikan
Xt = Zt + Zt1 , maka diperoleh EXt = 0, EXt2 < dan
Cov(Xt+h , Xt ) = Cov(Zt + Zt1 , Zt+h + Zt+h1 )
2
h=0
(1 + 2 )Z
2
=
Z
h = 1
0
|h| > 1
Terlihat proses ini merupakan proses stasioner (dan dapat ditunjukkan juga merupakan proses
strictly stasioner)
Tugas :
1. Amati apakah proses berikut stasioner atau tidak?
a Xt = Z1 cos(ct) + Z2 sin(ct)
b Xt = Z0 cos(ct)
c Xt = Zt Zt1
dimana Zt .t = 0, 1, 2, . . . adalah variabel random independen dengan mean 0 dan variansi
2