Disusun Oleh :
1. Haliza Purisetiawati (119130001)
2. Arief Mahendra (119130012)
3. Bima Putra Pratama (119130017)
4. Linda Atika Lubis (119130039)
5. Linggar Sumantri Dinata (119130041)
4
dimana ( ) ( ) ( ) adalah fungsi kepadatan
probabilitas gabungan dari variabel acak ( ) dan ( ) . Properti ini mengikuti langsung dari persamaan yang
Disebutkan sebuah random proses ( ) stasioner orde ke dua mendefinisikan (7). Dengan demikian, kita juga dapat
jika fungsi distribusi gabungan ( ) ( ) ( ) hanya mendefinisikan fungsi autokorelasi Rx (t) sebagai.
bergantung pada perbedaan antara waktu pengamatan waktu
10
dan . Pada saat ini disiratkan bahwa fungsi autokorelasi
dari proses acak stasioner ( ke orde dua) hanya bergantung
3. Fungsi autokorelasi Rx(x) memiliki besar maksimum
pada perbedaan waktu - , sebagaimana ditunjukn.
pada x = 0, yaitu,
5
11
Untuk semua dan . Demikian pula, fungsi autokovarians
dari proses acak stasioner X(t) ditulis sebagai: Untuk membuktikan sifat ini, perhatikan besaran
non-negatif.
6
12
Menunjukkan bahwa, seperti fungsi autokorelasi, fungsi Memperluas istilah dan mengambil ekspetasi masing –
autokovarians dari proses acak stasioner X(t) hanya masing, dengan mudah ditemukan bahwa
bergantung pada perbedaan waktu t2 ~H. Ini persamaan juga
menunjukkan bahwa jika kita mengetahui mean dan fungsi 13
autokorelasi dari proses, kita dapat dengan mudah menentukan
fungsi autokovarians. Mean dan autokorelasi fungsi karena itu Yang mana, dalam terang persamaan, (7) and (8), dikurangi
cukup untuk menggambarkan dua momen pertama dari proses. menjadi
Namun, ada dua poin penting yang harus diperhatikan dengan
cermat: 14
1. Fungsi mean dan autokorelasi hanya memberikan
deskripsi parsial dari distribusi proses acak X(t). Secara ekuivalen, dapat ditulis dengan
2. Kondisi Persamaan. (3) dan (5) yang melibatkan
fungsi mean dan autokorelasi, masing-masing, tidak 15
cukup untuk menjamin bahwa proses acak X(t)
adalah Perlengkapan tulis. Dimana persamaan (11) mengikuti langsung.
Namun demikian, pertimbangan praktis sering mendikte Signifikan fisik dari fungsi autokorelasi Rx(t) adalah
bahwa kita hanya puas dengan deskripsi parsial dari proses menyediakan cara menggambarkan "saling ketergantungan"
yang diberikan oleh mean dan fungsi autokorelasi. Sebuah dari dua variabel acak yang diperoleh dengan mengamati
proses acak yang kondisi Persamaan. (3) dan (5) tahan proses acak X(t) pada waktu yang terpisah idetik. Oleh karena
dikatakan sebagai stasioner pengertian luas. Jelas, semua itu jelas bahwa semakin cepat proses acak X(t) berubah
proses yang benar-benar stasioner adalah stasioner dalam arti dengan waktu, semakin cepat fungsi autokorelasi Rx(t)
luas, tetapi tidak semua proses stasioner yang masuk akal berkurang dari maksimum Rx(0) sebagai r meningkat, seperti
benar-benar stasioner. yang diilustrasikan pada Gambar dibawah.
9
Kovarian adalah ukuran bagaimana perubahan dalam satu
variabel dikaitkan dengan perubahan dalam variabel kedua.
Secara khusus, kovarians mengukur sejauh mana dua variabel
terkait secara linear. Kovarian digunakan untuk mengukur
besarnya hubungan antara dua variabel. Jenis hubungan yang
dapat terjadi atara dua buah variabel berdasarkan nilai
covariance-nya adalah:
• Positif : bila nilai covariance-nya positif atau > 0
• Negatif : nilai covariance-nya negatif atau < 0
• Zero : bila nilai covariance-nya nol atau = 0