I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Topik
Topik
Latar Belakang
Konsep Proses Stokastik
Konsep Proses Stasioner
Fungsi Autokovarians dan Autokorelasi
Proses Linear
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu
Suatu model deret waktu untuk data amatan {xt } adalah spesifikasi
dari distribusi bersama (atau mungkin hanya nilai tengah dan
kovarians) dari barisan peubah acak Xt yang mana {xt } dipostulatkan
sebagai realisasi.
Suatu model deret waktu lengkap untuk barisan peubah acak
{X1 , X2 , . . . , } akan menspesifikasikan distribusi bersama (joint
distribution) dari vektor acak (X1 , . . . , Xn )T , n = 1, 2, . . . atau
ekuivalen dengan semua peluang
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu
Masalahnya?
Spesifikasi seperti ini jarang digunakan dalam deret waktu kecuali data
dibangkitkan oleh mekanisme sederhana yang dipahami dengan baik.
Selain itu, spesifikasi itu mengakibatkan terlalu banyak parameter yang
akan diestimasi dari data yang tersedia. Oleh karena itu, yang akan
kita lakukan adalah menspesifikasikan momen pertama dan momen
kedua dari distribusi bersama.
Sebagai contoh nilai harapan E(Xt ) dan E(Xt+h Xt ), t = 1, 2, . . . ,
h = 0, 1, 2, . . . . Kita akan memusatkan perhatian pada apa yang
disebut sifat-sifat momen tingkat kedua.
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Konsep Proses Stokastik
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Konsep Proses Stokastik
Proses Stokastik
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Konsep Proses Stokastik
Contoh
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Konsep Proses Stokastik
Kode R
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Konsep Proses Stokastik
−1
−2
Time
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Konsep Proses Stokastik
Contoh
Xt = r −1 A cos(vt + Θ) + εt (4)
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Konsep Proses Stokastik
Plot simulasi
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Konsep Proses Stasioner
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Konsep Proses Stasioner
Gambar: Stationary?
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Konsep Proses Stasioner
Stasioner
Misalkan {Xt } adalah suatu deret waktu dengan E(Xt2 ) < ∞. Fungsi
nilai tengah (mean function) deret {Xt } adalah
γX (r , s) = cov(Xr , Xs )
= E[(Xr − µX (r ))(Xs − µX (s))]. (6)
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Konsep Proses Stasioner
Konsep Stasioner
Pada saat distribusi bersama dari semua himpunan peubah acak dari proses
tidak dipengaruhi oleh pergeseran baik maju maupun mundur dalam waktu,
dalam hal ini distribusi bersama bebas dari waktu, maka proses dikatakan
stasioner kuat atau tegas (strict or strong stasionarity ).
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Konsep Proses Stasioner
Konsep Stasioner
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Konsep Proses Stasioner
Jika {Xt }, t = −∞, . . . , ∞ adalah barisan IID, barisan ini stasioner kuat.
1 > iid <- rnorm(200,0,1) # bilangan acak N(0,1) sebanyak 200
2 > plot.ts(iid,col="blue")
3 > abline(h=0,col="red")
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Konsep Proses Stasioner
−1
−2
Time
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Konsep Proses Stasioner
Stasioner Kuat
Dalam praktiknya, asumsi stasioner kuat tidak selalu perlu dan bentuk
yang “lebih lemah” dari kestasioneran bisa diasumsikan.
Pada saat momen statistika dari deret waktu sampai ke orde k hanya
tergantung pada perbedaan waktu (time difference) dan tidak
tergantung pada waktu terjadinya data data yang digunakan untuk
mengestimasi momen, proses dikatakan stasioner lemah (weak
stationarity ) dengan tingkat k.
Proses stokastik yang dideskripsikan oleh nilai tengah, varians, dan
fungsi autokorelasi dikatakan stasioner tingkat orde kedua
(second-order stationary ) atau stasioner dalam kovarians (covariance
stationary ).
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Konsep Proses Stasioner
Stasioner Lemah
Suatu deret waktu {Xt } dikatakan stasioner lemah (weakly stationary ) jika
µX (t) bebas dari t,
γX (t + h, t) bebas dari t untuk masing-masing h.
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Konsep Proses Stasioner
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Konsep Proses Stasioner
Beberapa Istilah
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Konsep Proses Stasioner
Beberapa Istilah
Jika deret waktu {Xt } stasioner kuat dan E(Xt2 ) < ∞ untuk semua t,
maka {Xt } juga stasioner lemah.
Istilah stasioner biasanya mengacu kepada stasioner lemah seperti
pada definisi stasioner, kecuali dikatakan lain.
Bersesuaian dengan kondisi (2) pada definisi stasioner istilah fungsi
kovarians yang mengacu kepada suatu deret stasioner {Xt } maka yang
dimaksud fungsi γX dari suatu peubah yang didefinisikan oleh
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Konsep Proses Stasioner
γX (h) = cov(Xt+h , Xt )
= E[(Xt+h − µX (t + h))(Xt − µX (t))]. (8)
ρX (h) = cor(Xt+h , Xt )
γX (h)
= . (9)
γX (0)
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Konsep Proses Stasioner
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Fungsi Autokovarians & Autokorelasi Sampel
Catatan
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Fungsi Autokovarians & Autokorelasi Sampel
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Fungsi Autokovarians & Autokorelasi Sampel
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Fungsi Autokovarians & Autokorelasi Sampel
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Fungsi Autokovarians & Autokorelasi Sampel
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Fungsi Autokovarians & Autokorelasi Sampel
Ingat γ(0) = σ 2 .
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Fungsi Autokovarians & Autokorelasi Sampel
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Fungsi Autokovarians & Autokorelasi Sampel
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Fungsi Autokovarians & Autokorelasi Sampel
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Fungsi Autokovarians & Autokorelasi Sampel
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Fungsi Autokovarians & Autokorelasi Sampel
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Fungsi Autokovarians & Autokorelasi Sampel
Untuk matriks ini beberapa kondisi untuk ρ yang harus dipenuhi. Pertama,
1 ρ1 2
ρ1 1 = 1 − ρ1 > 0. (23)
Kemudian,
1 ρ2 2
ρ2 1 = 1 − ρ2 > 0; (24)
dan
1 ρ1 ρ2
ρ1 1 ρ1 = 2ρ2 ρ21 − 2ρ21 − ρ22 + 1 > 0.
(25)
ρ2 ρ1 1
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Fungsi Autokovarians & Autokorelasi Sampel
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Fungsi Autokovarians & Autokorelasi Sampel
Teorema
Suatu fungsi nilai real yang didefinisikan pada bilangan bulat adalah fungsi
autokorelasi dari suatu proses stasioner jika dan hanya jika fungsi tersebut
genap dan definit nonnegatif.
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Fungsi Autokovarians & Autokorelasi Sampel
Definit Positif
Suatu fungsi bernilai real f yang didefinisikan pada bilangan bulat adalah
definit positif jika
Xn
ai f (i − j)aj ≥ 0 (29)
i,j=1
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
Contoh: IIDN
Model paling sederhana untuk suatu deret waktu stasioner adalah model
tanpa pengaruh tren dan musiman dengan amatan-amatan peubah-peubah
acak yang saling bebas dan berdistribusi identik (independent and
identically distributed ) dengan nilai tengah nol. Barisan peubah acak
X1 , X2 , . . . yang memiliki sifat ini disebut IID noise. Jika deret {Xt } adalah
IID noise dan E(Xt2 ) = σ 2 < ∞ maka sifat pertama jelas dipenuhi karena
E(Xt ) = 0 untuk semua t.
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
Contoh: IIDN
γX (t + h, t) = cov(Xt+h , Xt )
= E[(Xt+h − µ(Xt+h ))(Xt − µ(Xt ))]
= E[(Xt+h − 0)(Xt − 0)]
= E[(Xt+h Xt )] (30)
γX (t, t) = E[(Xt+0 Xt )]
= E[(Xt2 )]
= σ2. (31)
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
Contoh: IIDN
γX (t − 1, t) = E[(Xt−1 Xt )]
= E(Xt−1 )E(Xt )
= 0. (32)
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
Contoh: IIDN
Jadi IID noise dengan momen kedua hingga adalah stasioner dan
dinotasikan
{Xt } ∼ IID(0, σ 2 ). (35)
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
Simulasi IIDN
Sekarang kita akan membuat plot fungsi teoretis dari fungsi autokovarians
dan autokorelasi dari IID noise. Asumsikan σ 2 = 0,75.
1 > h = 1:10
2 > gamma.2 = c(0.75,rep(0,length(h)-1))
3 > par(mfrow=c(2,1))
4 > plot(h,gamma.2,main="Autokovarians IID
5 + noise",type="h",ylim=c(-1,1),col="blue",ylab=expression(ga
6 > abline(h=0)
7 > rho.2 = c(1,rep(0,length(h)-1))
8 > plot(h,sigma.2,main="Autokorelasi IID
9 + noise",type="h",ylim=c(-1,1),col="blue",ylab=expression(rh
10 > abline(h=0)
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
−1.0
2 4 6 8 10
−1.0
2 4 6 8 10
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
0
−1
−2
−3
Time
0.6
0.2
−0.2
0 5 10 15 20
Lag
Series iid
1.0
0.6
ACF
0.2
−0.2
0 5 10 15 20
Lag
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
Contoh: WN
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
Model MA(1)
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
Model MA(1)
Selanjutnya
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
Model MA(1)
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
Model MA(1)
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
Model MA(1)
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
Model MA(1)
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
Model MA(1)
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
Model MA(1)
γX (0)
ρX (0) = = 1. (45)
γX (0)
θσ 2
ρX (1) =
σ 2 (1 + θ2 )
θ
= . (46)
(1 + θ2 )
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
Model MA(1)
θσ 2
ρX (−1) =
σ 2 (1 + θ2 )
θ
= . (47)
(1 + θ2 )
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
Model MA(1)
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
1 > par(mfrow=c(2,1))
2 > h <- 0:20
3 > plot(h,ARMAacf(ma=0.6,lag.max=10),type="h",
4 + ylab=expression(theta==0.6),ylim=c(-1,1),col="blue")
5 > abline(h=0)
6 > plot(h,ARMAacf(ma=-0.6,lag.max=10),type="h",
7 + ylab=expression(theta==-0.6),ylim=c(-1,1),col="green")
8 > abline(h=0)
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
0.0
−1.0
0 5 10 15
h
1.0
θ = − 0.6
0.0
−1.0
0 5 10 15
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
Simulasi
Berikut kita akan menyimulasikan 200 realisasi MA(1) dengan θ = 0,6 dan
θ = −0,6.
> par(mfrow=c(2,1))
> plot(arima.sim(list(order=c(0,0,1),ma=0.6), n=200),ylab="x",m
+0,6")
> plot(arima.sim(list(order=c(0,0,1),ma=-0.6), n=200),ylab="x",
+= -0,6")
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
Plot realisasi
Gambar 9 memperlihatkan realisasi dari MA(1) dengan θ = ±0,6.
theta = 0,6
2
0
z
−3
0 50 100 150 200
Time
theta = −0,6
4
2
z
0
−3
Time
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
Xt = A sin(ωt + θ) (49)
dengan A merupakan peubah acak dengan nilai tengah nol dan varians 1
dan θ adalah peubah acak seragam pada [−π, π] dan saling bebas dengan
A.
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
St = X1 + X2 + · · · + Xt , untuk t = 1, 2, . . . (58)
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
St = X1 + X2 + X3 + · · · + Xt , (61)
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
γX (t + h, t) = cov(St+h , St )
= cov(X1 + X2 + · · · + Xt + Xt+1 + · · · + Xt+h , St )
= cov(St + Xt+1 + · · · + Xt+h , St )
= E[(St + Xt+1 + · · · + Xt+h − µ(St + Xt+1 · · · + Xt+h ))(St − µ
= E[(St + Xt+1 + · · · + Xt+h − 0))(St − 0)]
= E[(St2 + St Xt+1 + · · · + St Xt+h )]. (64)
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
10
5
0
−5
Time
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
title
Series rwalk
50
ACF (cov)
45
40
0 5 10 15 20 25 30
Lag
Series rwalk
0.8
ACF
0.4
0.0
0 5 10 15 20 25 30
Lag
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
title
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
title
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
Rata-rata sampel
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
γ̂(h)
ρ̂(h) = , −n < h < n. (68)
γ̂(0)
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
Contoh
Berikut ini adalah fungsi autokovarians dan autokorelasi sampel data co2.
Perhatikan Gambar 12.
> par(mfrow=c(2,1))
> acf(co2,type="covariance",lag=50) # autokovarians sampel
> acf(co2,lag=50) # autokorelasi sampel
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
Plot ACF
Series co2
160 180 200 220
ACF (cov)
0 1 2 3 4
Lag
Series co2
0.8
ACF
0.4
0.0
0 1 2 3 4
Lag
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Model Deret Waktu Stasioner
Γ̂n
R̂n = . (70)
γ̂(0)
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Proses-proses Linear
Proses Linear
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Proses-proses Linear
Proses Linear
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Lampiran: Varians, Kovarians, dan Korelasi
Sifat-sifat Varians
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Lampiran: Varians, Kovarians, dan Korelasi
Sifat-sifat Kovarians
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Lampiran: Varians, Kovarians, dan Korelasi
Sifat-sifat Korelasi
dengan
1,
jika bd > 0,
sign(bd) = 0, jika bd = 0,
−1, jika bd < 0.
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Lampiran: Varians, Kovarians, dan Korelasi
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Lampiran: Varians, Kovarians, dan Korelasi
Pertanyaan?
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ
Lampiran: Varians, Kovarians, dan Korelasi
Terima kasih
I Wayan Sumarjaya (sumarjaya@unud.ac.id) Pengantar Proses Stasioner Program Studi Matematika, FMIPA, Univ