Diskusi Hasil Ujian Silabus dan Tujuan Perkuliahan Struktur Perkuliahaan Pendahuluan Model Autoregresif Model Autoregresif Bernilai Integer
MA4081 PENGANTAR PROSES STOKASTIK Topik Khusus: Model AR dan INAR Dosen: Khreshna I.A. Syuhada, MSc. PhD.
“Cerdas dan Stokastik”
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
MA4081 PENGANTAR PROSES STOKASTIK Topik Khusus: M
Diskusi Hasil Ujian Silabus dan Tujuan Perkuliahan Struktur Perkuliahaan Pendahuluan Model Autoregresif Model Autoregresif Bernilai Integer
Setelah rantai Markov, distribusi eksponensial, lalu apa?
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
MA4081 PENGANTAR PROSES STOKASTIK Topik Khusus: M
Diskusi Hasil Ujian Silabus dan Tujuan Perkuliahan Struktur Perkuliahaan Pendahuluan Model Autoregresif Model Autoregresif Bernilai Integer
Proses Bernoulli, Proses Poisson, Proses Stokastik lain?
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
MA4081 PENGANTAR PROSES STOKASTIK Topik Khusus: M
Diskusi Hasil Ujian Silabus dan Tujuan Perkuliahan Struktur Perkuliahaan Pendahuluan Model Autoregresif Model Autoregresif Bernilai Integer
Mhs dengan 2 jawaban BENAR: 037, 039, 053, 089, 094
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
MA4081 PENGANTAR PROSES STOKASTIK Topik Khusus: M
Diskusi Hasil Ujian Silabus dan Tujuan Perkuliahan Struktur Perkuliahaan Pendahuluan Model Autoregresif Model Autoregresif Bernilai Integer
Mhs dengan 3 jawaban BENAR: 073
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
MA4081 PENGANTAR PROSES STOKASTIK Topik Khusus: M
Diskusi Hasil Ujian Silabus dan Tujuan Perkuliahan Struktur Perkuliahaan Pendahuluan Model Autoregresif Model Autoregresif Bernilai Integer
Mhs dengan 4 jawaban BENAR: 107
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
MA4081 PENGANTAR PROSES STOKASTIK Topik Khusus: M
Diskusi Hasil Ujian Silabus dan Tujuan Perkuliahan Struktur Perkuliahaan Pendahuluan Model Autoregresif Model Autoregresif Bernilai Integer
Silabus Tujuan
Silabus
Proses autoregresif (AR), proses AR bernilai integer, kestasioneran, struktur momen (tidak) bersyarat, metode likelihood maksimum, metode kuadrat terkecil, penaksiran parameter.
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
MA4081 PENGANTAR PROSES STOKASTIK Topik Khusus: M
Diskusi Hasil Ujian Silabus dan Tujuan Perkuliahan Struktur Perkuliahaan Pendahuluan Model Autoregresif Model Autoregresif Bernilai Integer
Silabus Tujuan
Tujuan
1
Mempelajari proses autoregresif (AR)
2
Mempelajari proses AR bernilai integer (INAR)
3
Menentukan daerah kestasioneran
4
Menurunkan struktur momen bersyarat dan tidak bersyarat
5
Mempelajari metode penaksiran parameter
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
MA4081 PENGANTAR PROSES STOKASTIK Topik Khusus: M
Diskusi Hasil Ujian Silabus dan Tujuan Perkuliahan Struktur Perkuliahaan Pendahuluan Model Autoregresif Model Autoregresif Bernilai Integer
Struktur Perkuliahaan
Kuliah Pengantar Tugas kelompok: 4 orang/kelompok (dipilih acak) Presentasi: 15/11, 17/11, 22/11, 24/11 (jadwal presentasi ditentukan tanggal 10/11 dst.)
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
MA4081 PENGANTAR PROSES STOKASTIK Topik Khusus: M
Diskusi Hasil Ujian Silabus dan Tujuan Perkuliahan Struktur Perkuliahaan Pendahuluan Model Autoregresif Model Autoregresif Bernilai Integer
Tentang tugas: Membahas 1-2 bagian dalam suatu artikel ilmiah Artikel tentang model AR atau INAR dan variannya (konfirmasikan terlebih dahulu artikel yang dipilih) Kajian dapat berupa teoritis atau komputasi
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
MA4081 PENGANTAR PROSES STOKASTIK Topik Khusus: M
Diskusi Hasil Ujian Silabus dan Tujuan Perkuliahan Struktur Perkuliahaan Pendahuluan Model Autoregresif Model Autoregresif Bernilai Integer
Penilaian presentasi: Dilakukan oleh dosen dan 2 kelompok lain yang terpilih (acak) Kelompok penilai harus memberikan pertanyaan Dosen dapat bertanya atau meminta seseorang/sekelompok untuk bertanya dan menjawab Cakupan penilaian: - Materi dan akurasi - Tingkat kesulitan - Cara presentasi Nilai: 0-10 (bobot 15%)
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
MA4081 PENGANTAR PROSES STOKASTIK Topik Khusus: M
Diskusi Hasil Ujian Silabus dan Tujuan Perkuliahan Struktur Perkuliahaan Pendahuluan Model Autoregresif Model Autoregresif Bernilai Integer
Contoh.
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
MA4081 PENGANTAR PROSES STOKASTIK Topik Khusus: M
Diskusi Hasil Ujian Silabus dan Tujuan Perkuliahan Struktur Perkuliahaan Pendahuluan Model Autoregresif Model Autoregresif Bernilai Integer
Formulir: Daftar kelompok Jadwal presentasi Penilaian
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
MA4081 PENGANTAR PROSES STOKASTIK Topik Khusus: M
Diskusi Hasil Ujian Silabus dan Tujuan Perkuliahan Struktur Perkuliahaan Pendahuluan Model Autoregresif Model Autoregresif Bernilai Integer
Model Random Walk
Pandang suatu rantai Markov dengan keadaaan-keadaan 0, ±1, ±2 dan peluang transisi Pi,i+1 = p = 1 − Pi,i−1 , dimana 0 < p < 1.
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
MA4081 PENGANTAR PROSES STOKASTIK Topik Khusus: M
Diskusi Hasil Ujian Silabus dan Tujuan Perkuliahan Struktur Perkuliahaan Pendahuluan Model Autoregresif Model Autoregresif Bernilai Integer
Kita dapat menuliskan m.p.t: (−2, −1, 0, 1, 2) × (−2, −1, 0, 1, 2) P=
0 p 0 0 1−p 0 p 0 0 1−p 0 p 0 0 1−p 0 0 0 0 1−p
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
0 0 0 p 0
MA4081 PENGANTAR PROSES STOKASTIK Topik Khusus: M
Diskusi Hasil Ujian Silabus dan Tujuan Perkuliahan Struktur Perkuliahaan Pendahuluan Model Autoregresif Model Autoregresif Bernilai Integer
Model diatas disebut Random Walk.
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
MA4081 PENGANTAR PROSES STOKASTIK Topik Khusus: M
Diskusi Hasil Ujian Silabus dan Tujuan Perkuliahan Struktur Perkuliahaan Pendahuluan Model Autoregresif Model Autoregresif Bernilai Integer
Model AR
Consider a stationary zero-mean Gaussian first-order autoregressive process {Yt } satisfying Yt = ρYt−1 + εt where |ρ| < 1 and the εt are independent and identically N(0, v ) distributed. Let θ = (ρ, v ). Suppose that the data is Y1 , . . . , Yn and that we wish to find a prediction interval for Yn+1 .
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
MA4081 PENGANTAR PROSES STOKASTIK Topik Khusus: M
Diskusi Hasil Ujian Silabus dan Tujuan Perkuliahan Struktur Perkuliahaan Pendahuluan Model Autoregresif Model Autoregresif Bernilai Integer
b We employ the following estimators Θ. b is equal to Θ e = ρ˜, V e where (i) The estimator Θ n−1 X
ρ˜ =
Yt Yt+1
t=1 n−1 X
n−1
and 2 Yt+1
e = V
1 X (Yt − ρ˜ Yt+1 )2 . n−1 t=1
t=1
These estimators are obtained by least squares from the backward representation of the process {Yt }.
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
MA4081 PENGANTAR PROSES STOKASTIK Topik Khusus: M
Diskusi Hasil Ujian Silabus dan Tujuan Perkuliahan Struktur Perkuliahaan Pendahuluan Model Autoregresif Model Autoregresif Bernilai Integer
b is equal to Θ ¯ = ρ¯, V ¯ where (ii) The estimator Θ n X
ρ¯ =
Yt Yt−1
t=2 n X
n
and 2 Yt−1
¯ = V
1 X (Yt − ρ¯ Yt−1 )2 . n−1 t=2
t=2
These estimators are obtained by maximizing the loglikelihood function conditional on Y1 = y1 .
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
MA4081 PENGANTAR PROSES STOKASTIK Topik Khusus: M
Diskusi Hasil Ujian Silabus dan Tujuan Perkuliahan Struktur Perkuliahaan Pendahuluan Model Autoregresif Model Autoregresif Bernilai Integer
The estimators ρ¯ and ρe differ by only a small amount. Yet their asymptotic biases conditional on Yn = yn are quite different. These asymptotic conditional biases are described as follows. E ρe − ρ|Yn = yn = −2 ρ n−1 + · · · E ρ¯ − ρ|Yn = yn = yn2 (1 − ρ2 )ρ (σ 2 )−1 − 3 ρ n−1 + · · ·
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
MA4081 PENGANTAR PROSES STOKASTIK Topik Khusus: M
Diskusi Hasil Ujian Silabus dan Tujuan Perkuliahan Struktur Perkuliahaan Pendahuluan Model Autoregresif Model Autoregresif Bernilai Integer
Model INAR Suppose that {Yt } is a discrete-time stationary non-negative INAR(1) process satisfying Yt−1
Yt =
X
Vti + εt , t ≥ 1
(1)
i=1
where Vti ’s denote i.i.d. random variables following certain (discrete) distribution and εt ’s be uncorrelated non-negative integer-valued random variables. The first term in r.h.s. may be presented as “θ ◦ Yt−1 ”, where ◦ is the thinning operator. The θ is the probability of ‘success’ of random variables Vti . Dosen: Khreshna I.A. Syuhada, MSc. PhD.
MA4081 PENGANTAR PROSES STOKASTIK Topik Khusus: M
Diskusi Hasil Ujian Silabus dan Tujuan Perkuliahan Struktur Perkuliahaan Pendahuluan Model Autoregresif Model Autoregresif Bernilai Integer
Consider the INAR(1) process as in (1). We assume that Vti ’s are Bernoulli random variables with probability of ‘success’ θ i.e. P(Vti = 1) = 1 − P(Vti = 0) = θ and εt follows a Poisson distribution with parameter (1 − θ)λ. Thus, Yt has a Poisson distribution with parameter λ. The process (1) is known as a Poisson INAR(1) process.
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
MA4081 PENGANTAR PROSES STOKASTIK Topik Khusus: M
Diskusi Hasil Ujian Silabus dan Tujuan Perkuliahan Struktur Perkuliahaan Pendahuluan Model Autoregresif Model Autoregresif Bernilai Integer
The fact that the distribution of εt implies the distribution of Yt has shown us the same role of the distribution of εt in the usual stationary Gaussian AR(1) process.
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
MA4081 PENGANTAR PROSES STOKASTIK Topik Khusus: M
Diskusi Hasil Ujian Silabus dan Tujuan Perkuliahan Struktur Perkuliahaan Pendahuluan Model Autoregresif Model Autoregresif Bernilai Integer
Conditional on Yn = yn , the probability mass function (pmf) of Z is given by p(z | yn ; θ, λ) = P Z = z | Yn = yn min(z,yn )
=
X
Ckyn θk (1 − θ)yn −k
k=0
1 e −(1−θ)λ {(1 − θ)λ}z−k (z − k)!
for z = 0, 1, 2, . . ..
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
MA4081 PENGANTAR PROSES STOKASTIK Topik Khusus: M
Diskusi Hasil Ujian Silabus dan Tujuan Perkuliahan Struktur Perkuliahaan Pendahuluan Model Autoregresif Model Autoregresif Bernilai Integer
We have used the following Yule-Walker estimators n−1 X
θˆ =
Yt − Y¯
Yt+1 − Y¯
t=1 n X
n
ˆ= and λ Yt − Y¯
2
1 X Yt −θˆ Yt−1 n−1 t=2
t=1
to estimate θ and λ, respectively.
Dosen: Khreshna I.A. Syuhada, MSc. PhD.
MA4081 PENGANTAR PROSES STOKASTIK Topik Khusus: M