Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tugas Akhir ini bertujuan untuk mencari taksiran parameter pada General Linear Mixed Model. Parameter-parameter dalam General Linear Mixed Model merupakan parameter untuk melihat efek fixed dan efek random dari variabel-variabel prediktor terhadap variabel respon. Salah satu metode yang digunakan untuk mencari taksiran parameter pada General Linear Mixed Model adalah Metode Empirical Best Linear Unbiased Prediction (EBLUP).Berbeda dengan Metode Best Linear Unbiased Prediction (BLUP) di mana parameter dari variansi efek random-nya diketahui, Metode EBLUP memerlukan penaksiran terhadap parameter tersebut yang pada kenyataannya tidak diketahui nilainya. Metode yang digunakan untuk menaksir parameter dari variansi efek random ini ialah Metode Maximum Likelihood (ML). Kemudian, Metode EBLUP dilanjutkan dengan mensubstitusikan taksiran parameter dari variansi efek random ke dalam taksiran parameter pada General Linear Mixed Model yang diperoleh melalui prosedur penaksiran dengan menggunakan Metode BLUP."

"This volume first introduces the mathematical tools necessary for understanding and working with a broad class of applied stochastic models. The toolbox includes Gaussian processes, independently scattered measures such as Gaussian white noise and Poisson random measures, stochastic integrals, compound Poisson, infinitely divisible and stable distributions and processes.Next, it illustrates general concepts by handling a transparent but rich example of a "teletraffic model". A minor tuning of a few parameters of the model leads to different workload regimes, including Wiener process, fractional Brownian motion and stable Levy process. The simplicity of the dependence mechanism used in the model enables us to get a clear understanding of long and short range dependence phenomena. The model also shows how light or heavy distribution tails lead to continuous Gaussian processes or to processes with jumps in the limiting regime. Finally, in this volume, readers will find discussions on the multivariate extensions that admit a variety of completely different applied interpretations."