Solusi Transien Persamaan Diferensial

Stokastik yang Memenuhi Hukum Logaritma

Teriterasi
Lita Lovia
Pascasarjana Program Studi Matematika
Universitas Andalas
1
lita lovia@yahoo.com
Kampus Unand Limau Manis Padang 25163, Indonesia
Abstract. Misalkan X(t) adalah adalah solusi persamaan diferensial stokastik d(X(t)) =
f(X(t))dt+g(X(t))dB(t), dimana f(X(t)) adalah koesien drift, g(X(t)) adalah koe-
sien difusi dan B(t) adalah separable Brownian motion. Misalkan X adalah unique
continuous adapted proses dimana f : R R dan g(x) = untuk x R dan
adalah suatu Konstanta. Peubah acak X adalah solusi transien persamaan diferen-
sial Stokastik yang memenuhi lim
x
xf(x) = L

>

2
2
dan lim
x
xf(x) =
L

>

2
2
. Solusi transien dari persamaan diferensial stokastik tersebut memenuhi
hukum logaritma teriterasi yang berbentuk
lim
t
sup
X(t)

2t log log t
= ||
dan
lim
t
inf
log
X(t)

t
log log t
=
1
2L

2
1
.
Kata kunci: persamaan diferensial stokastik, solusi transien, separable Brownian motion, hukum
logaritma teriterasi.
I.1 Latar Belakang
Hukum logaritma teriterasi dikembangkan oleh Kolmogorov pada tahun 1929
yang dikenal dengan teorema hukum logaritma teriterasi Kolmogorov. Kol-
mogorov menyatakan bahwa jika barisan peubah acak X
1
, X
2
, ..., X
n
dengan
2 Lita Lovia
rata-rata nol dan ragam terbatas, dimana S
n
= X
1
+X
2
+... +X
n
, B
n
= ES
2
n
,
t
n
= (2 log log B
n
)
1
2
dan jika B
n
dan |X
n
| M
n
= o(
B
n
t
n
), maka
lim
n
sup
S
n
(2 log log B
n
)
1
2
= 1.
Banyak peubah acak yang memenuhi hukum logaritma teriterasi, salah satunya
adalah peubah acak yang merupakan solusi persamaan diferensial stokastik
dengan Brownian motion. Pada tahun 1950, Minoru Motto telah mengemukan
tentang hukum logaritma teriterasi pada persamaan difusi, teorema hukum
logaritma teriterasi tersebut menganalisa untuk nilai absolut pada Brownian
motion berdimensi terbatas, di mana perilaku asimtotik ditentukan dengan
cara mengubah skala dan waktu sehingga proses menuju stasioner.
Kajian tentang Brownian motion yang memenuhi hukum logaritma teriterasi
semakin pesat perkembangannya ketika Appleby dan Wu (2009) mengkaji ten-
tang perilaku solusi persamaan diferensial stokastik yang memenuhi hukum
logaritma teriterasi dan aplikasinya pada pasar modal. Perilaku solusi per-
samaan diferensial stokastik tersebut juga memenuhi teorema Itos rule yang
merupakan aplikasi dari Brownian motion. Selain dengan Brownian motion, so-
lusi persamaan diferensial stokastik dengan separable Brownian motion yang
memenuhi hukum logaritma teriterasi sangat menarik untuk diteliti.
Kajian tentang berbagai macam variasi persamaan diferensial stokastik yang
solusinya memenuhi hukum logaritma teriterasi masih merupakan masalah
terbuka. Banyak peneliti yang mengkaji tentang hukum logaritma teriterasi
dalam teori peluang, tetapi kajian tentang perilaku solusi persamaan difer-
ensial stokastik yang memenuhi hukum logaritma teriterasi ini masih sedikit
dan baru berkembang pada beberapa dekade belakangan ini, dimana perilaku
dari solusi persamaan diferensial stokastik yang memenuhi hukum logaritma
teriterasi tersebut dapat diaplikasikan pada pasar modal. Dalam penelitian ini
Solusi Transien SDE yang Memenuhi Hukum Logaritma Teriterasi 3
akan dikaji tentang solusi transien dari persamaan diferensial stokastik dengan
Brownian motion khususnya separable Brownian motion berdimensi terbatas
yang memenuhi hukum logaritma teriterasi.
Diberikan suatu sistem persamaan diferensial stokastik yang dinyatakan seba-
gai berikut:
d(X(t)) = f(X(t))dt + g(X(t))dB(t) (1.1)
dimana f : R R, g(x) = untuk suatu x R, suatu konstanta dan B(t)
adalah Brownian Motion. Misalkan X adalah solusi dari Persamaan (1.1), X
dikatakan solusi transien jika
lim
x
xf(x) = L

>

2
2
dan
lim
x
xf(x) = L

>

2
2
.
Dengan kata lain xf(x) menuju suatu limit terbatas untuk x .
Berdasarkan uraian di atas, yang menjadi masalah adalah apakah solusi tran-
sien dari persamaan diferensial stokastik (1.1) dengan B(t) adalah separable
Brownian motion memenuhi hukum logaritma teriterasi.
I.2 Teori Peluang
Berikut ini akan dijelaskan beberapa konsep dasar yang berupa pengertian dan
sifat-sifat dari ruang peluang serta peubah acak dalam tinjauan teori peluang.
Denisi 1.1 [Oksendal, 2003]. Misalkan adalah himpunan tak kosong,
maka algebra F di adalah suatu keluarga subhimpunan di sedemikian
sehingga
(1) F, dimana adalah himpunan kosong;
(2) Jika F F maka F
c
F, dengan F
c
= \ F adalah komplemen F di
;
(3) jika A
1
, A
2
, ... F maka A =

i=1
A
i
F.
Pasangan (, F) disebut ruang terukur. Berikut ini akan diberikan denisi
ukuran peluang.
4 Lita Lovia
Denisi 1.2 [Brzezniak dan Zaztawniak, 2005]. Misalkan F adalah algebra
di . Suatu ukuran peluang P adalah fungsi P : F [0, 1] sedemikian sehingga
(1) P() = 1;
(2) Jika A
1
, A
2
, ... F dan A
i
adalah saling lepas untuk i = 1, 2, ... (A
i
A
j
=
, i = j), maka P(

i=1
A
i
) =

i=1
P(A
i
).
Tripel (, F, P) disebut dengan ruang peluang dan himpunan anggota F dise-
but kejadian.
Denisi 1.3 [Brzezniak dan Zaztawniak, 2005]. Jika F adalah algebra
di , dimana B adalah himpunan Borel, maka fungsi X : R disebut F
terukur jika
{X B} F
untuk setiap B B(R), dimana B(R) adalah keluarga dari himpunan Borel.
Jika (, F, P) adalah ruang peluang maka X disebut peubah acak.
Berikut ini akan dijelaskan tentang Lema Borel-Cantelli.
Lema 1.4 [Laha dan Rohatgi, 1979]. Misalkan (, F, P) adalah ruang
peluang, dan misalkan {A
n
} adalah barisan kejadian
(1) Jika

n=1
P(A
n
) < , maka P(lim
n
sup A
n
) = 0;
(2) Jika

n=1
P(A
n
) = dan jika {A
n
} adalah barisan kejadian yang saling
bebas maka P(lim
n
sup A
n
) = 1.
I.3 Proses Stokastik
Proses stokastik {X(t), t T} adalah himpunan peubah-peubah acak yang
terdenisi pada ruang peluang (, F, P), dimana T adalah himpunan indeks
dan X(t) adalah peubah acak untuk setiap t.
Denisi 1.5 [Brzezniak dan Zaztawniak, 2005]. Proses Stokastik {B(t), t
0} yang terdenisi pada ruang peluang (, F, P) disebut Brownian motion jika
memenuhi sifat-sifat berikut:
(1) B(0) = 0;
(2) B(t) B(s) terdistribusi normal N(0, t s) untuk semua t s 0;
(3) untuk 0 < t
1
< t
2
< ... < t
n
, peubah acak B(t)
1
, B
2
(t) B
1
(t), ..., B
n
(t)
B
n1
(t) adalah saling bebas (independent increments).
Berikut ini akan diberikan denisi tentang proses stokastik separable.
Solusi Transien SDE yang Memenuhi Hukum Logaritma Teriterasi 5
Denisi 1.6 [Tucker,1967]. Proses Stokastik {X(t), t 0} yang terdenisi
pada ruang peluang (, F, P), dimana T adalah sebuah interval pada bilangan
riil. Maka {X(t), t 0}adalah proses stokastik separable jika untuk setiap
interval (a, b) T,
laticcetheoritic sup{X(t), t (a, b)} = sup{X(t), t (a, b)}
dan
laticcetheoritic sup{X(t), t (a, b)} = sup{X(t), t (a, b)}
Jika himpunan peubah acak {B(t), t T} adalah proses stokastik separable
yang memenuhi sifat-sifat Brownian motion maka proses stokastik {B(t), t
T} disebut dengan separable Brownian motion.
I.4 Persamaan Diferensial Stokastik
Diberikan suatu sistem persamaan diferensial stokastik yang dinyatakan seba-
gai berikut:
d(X(t)) = f(X(t))dt + g(X(t))dB(t),
dimana X(t) adalah solusi persamaan diferensial stokastik, f(X(t)) adalah
koesien drift, g(X(t)) adalah koesien difusi dan B(t) merupakan Brownian
motion.
Untuk menentukan solusi dari persamaan diferensial stokastik digunakan inte-
gral stokastik yang lebih dikenal dengan Itos proses yang didenisikan sebagai
berikut:
Denisi 1.7 [Oksendal, 2003]. Proses Stokastik {X(t), t 0} disebut Itos
proses jika dapat dinyatakan sebagai
X(t) = X(0) +
_
t
0
f(X(s))ds +
_
t
0
g(X(s))dB(s) (1.2)
dimana f(X(s)) memenuhi
E(
_
t
0
|f(X(s))|ds) < .
Selain itu, untuk menyelesaikan persamaan diferensial stokastik digunakan
Itos formula atau Itos rule yang dinyatakan sebagai berikut:
6 Lita Lovia
Teorema 1.8 [Oksendal, 2003]. Misalkan X(t) adalah Itos proses
d(X(t)) = f(X(t))dt +g(X(t))dB(t) (1.3)
dan Z(t, x) adalah fungsi kontinu pada [0, T] R, dimana
Z
t
,
Z
x
,

2
Z
x
2
ada dan
kontinu, maka
Y (t) = Z(t, x), (1.4)
adalah juga Itos proses dan
dY (t) =
Z
t
(t, X(t))dt +
Z
x
(t, X(t))dtX(t) +
1
2

2
Z
x
2
(t, X(t))(dtX(t))
2
, (1.5)
dengan aturan sebagai berikut:
(dt)
2
= (dt)(dB(t)) = (dB(t))(dt) = 0 dan (dB(t))
2
= dt. (1.6)
I.5 Hukum Logaritma Teriterasi
Misalkan (, F, P) adalah ruang peluang dan asumsikan bahwa (S
n
, F
n
, n
1) adalah barisan stokastik (F
1
F
2
... F adalah -algebra dan untuk
setiap n, peubah acak S
n
adalah F
n
-terukur). S
n
disebut memenuhi hukum
logaritma teriterasi jika ada barisan bilangan bulat positif {a
n
; n = 1, 2, 3...}
sedemikian sehingga lim
n
sup
S
n
a
n
= 1.
Teorema berikut menjelaskan tentang hukum logaritma teriterasi oleh Kol-
mogorov.
Teorema 1.9 [Petrov, 1995]. Misalkan {X
n
} adalah barisan peubah-peubah
acak yang saling bebas dengan EX
n
= 0 dan EX
2
n
< untuk n 1. Misalkan
B
n
, S
n
=

n
k=1
X
k
dan B
n
=

n
k=1

2
k
. Jika ada barisan konstanta
positif {M
n
} sedemikian sehingga
M
n
= o((
B
n
log log B
n
)
1
2
) (1.7)
dan
|X
n
| M
n
, (1.8)
maka
lim
n
sup
S
n
(2B
n
log log B
n
)
1
2
= 1. (1.9)
Untuk menjelaskan tentang teorema Kolmogorov tersebut maka perlu dije-
laskan beberapa proposisi, lema dan akibat sebagai berikut:
Solusi Transien SDE yang Memenuhi Hukum Logaritma Teriterasi 7
Lema 1.10 [Petrov, 1995]. Misalkan q
n
(x) = P(S
n
x). Jika 0 xM
n

B
n
, maka
q
n
exp{
x
2
2B
n
(1
xM
n
2B
n
)}. (1.10)
Jika xM
n
B
n
, maka
q
n
exp{
x
4M
n
}. (1.11)
Lema 1.11 [Petrov, 1995]. Jika x > 0, xM
n
0, dan
x
2
B
n
, maka untuk
setiap > 0 dan untuk semua bilangan bulat positif n cukup besar diperoleh
q
n
exp{
x
2
2B
n
(1 + )}. (1.12)
Lema 1.12 [Petrov, 1995]. Misalkan X
1
, X
2
, ..., X
n
adalah peubah-peubah
acak yang saling bebas, dan dimana S
k
=
k
j=1
X
j
, k = 1, 2, ..., n. Maka untuk
setiap R
P{ max
1kn
[S
k
med(S
k
S
n
)] } 2P{S
n
} (1.13)
dan untuk setiap > 0
P{ max
1kn
|S
k
med(S
k
S
n
)| } 2P{|S
n
| }. (1.14)
Akibat 1.13 [Petrov, 1995]. Misalkan X
1
, X
2
, ..., X
n
adalah barisan peubah-
peubah acak yang saling bebas dengan EX
i
= 0 dan EX
2
i
< untuk semua
1 i n, maka
P{ max
1kn
S
k
} 2P{S
n

_
2
n

k=1
EX
2
k
}. (1.15)
Lema 1.14 [Laha dan Rohatgi, 1979]. Misalkan {B
n
} adalah barisan bi-
langan bulat positif yang tidak turun yang memenuhi
B
n
dan
B
n+1
B
n
1, untuk n .
Maka untuk setiap > 0 terdapat barisan naik dari bilangan bulat positif {n
k
}
sedemikian sehingga B
n
k
(1 + )
k
untuk k .
Lema 1.15 [Petrov, 1995]. Jika syarat pada Teorema 2.13 berlaku, maka
untuk semua konstanta positif b dan dan untuk semua n cukup besar per-
samaan berikut berlaku:
(log B
n
)
(1+)b
2
P(S
n
b(n)) (log B
n
)
(1)b
2
. (1.16)
8 Lita Lovia
I.6 Solusi Transien persamaan diferensial stokastik
yang Memenuhi Hukum Logaritma Teriterasi
Perhatikan persamaan diferensial stokastik yang didenisikan sebagai berikut:
d(X(t)) = f(X(t))dt +g(X(t))dB(t) (1.17)
dimana f : R R, g(x) = untuk suatu x R, suatu konstanta dan B(t)
adalah separable Brownian motion dan
lim
x
xf(x) = L

>

2
2
.
Solusi dari (1.17) adalah transien dan akan ditunjukkan bahwa solusi tersebut
memenuhi
lim
t
sup
X(t)

2t log log t
= || (1.18)
dan
lim
t
inf
log
X(t)

t
log log t
=
1
2L

2
1
, (1.19)
untuk setiap kejadian di A, dimana A = { : lim
t
X(t, ) = } dan
P(A) > 0.
Selain itu peubah acak X juga memperlihatkan perilaku asimtotik proses tran-
sien pada minus tak hingga jika
lim
x
xf(x) = L

>

2
2
. (1.20)
Misalkan > 0 dan
dY (t) =
2
1
2Y (t)
dt + dB(t), t 0 (1.21)
Y (0) = y
0
> 0 (1.22)
dimana B(t) adalah separable Brownian motion. Persamaan (1.21) dan (1.22)
disebut proses Bessel dan solusinya adalah proses Bessel diperumum berdi-
mensi lebih dari dua jika > 2 tidak harus bilangan bulat. jika > 2 adalah
bilangan bulat maka Y (t) = |W(t)|, dimana W adalah separable Brownian
motion yang berdimensi . Selanjutnya akan ditunjukkan bahwa Y memenuhi
hukum logaritma teriterasi.
Solusi Transien SDE yang Memenuhi Hukum Logaritma Teriterasi 9
Lema 1.16 Misalkan > 2 dan Y adalah unique continuous adapted process
yang memenuhi (1.21) dan (1.21), dimana Y adalah proses positif, maka
lim
t
sup
Y (t)

2t log log t
= || (1.23)
dan
lim
t
inf
log
Y (t)

t
log log t
=
1
2
. (1.24)
Bukti. Misalkan Y (t) adalah proses Bessel yang memenuhi (1.21) dan (1.21),
dimana B(t) adalah separable Brownian motion. Misalkan Z(t) = Y (t)
2
, den-
gan menggunakan Itos rule diperoleh
dZ(t) =
Z(t)
Y (t)
dY (t) +
1
2

2
Z(t)
Y (t)
2
dY (t)
2
+
Z(t)
t
dt
=
2
dt + 2
_
Z(t)dB(t),
dengan Z(0) = y
2
0
.
Berdasarkan Teorema Doobs Martingale representation sehingga separable Brow-
nian motion B(t) dapat ditulis sebagai

B(t) pada ruang peluang yang diper-
luas, sehingga dZ(t) dapat ditulis sebagai berikut:
dZ(t) =
2
dt + 2
_
Z(t)d

B(t).
Maka diperoleh solusi dari persamaan di atas sebagai berikut:
Z(t) = y
2
o
+
_
t
0

2
ds +
_
t
0
2
_
Z(s)d

B(s).
dan dapat juga ditulis sebagai
Z(e
l
1) = y
2
o
+
_
e
l
1
0

2
ds +
_
e
l
1
0
2
_
Z(s)d

B(s)
dimana l = log(1 + t) dan W adalah separable Brownian motion yang lain
sehingga diperoleh
Z(e
l
1) = y
2
o
+
_
l
0

2
e
s
ds +
_
l
0
2
_
Z(e
s
1)e
s
2
dW(s).
Jika

Z(t) = Z(e
l
1), maka
d

Z(t) =
2
e
l
dt + 2
_
Z(t)e
t
2
dW(t), t 0.
10 Lita Lovia
Jika H(t) = e
t

Z(t), maka H(0) > 0 dan H memenuhi

dH(t) = (
2
H(t))dt + 2
_
H(t)dW(t), t 0. (1.25)
Berdasarkan Lema 4.5 [1] diperoleh
lim
t
sup
H(t)
2 log t
=
2
(1.26)
Dengan menggunakan Y pada H dan Z diperoleh (1.23).
Untuk membuktikan (1.24), denisikan H

(t) =
1
H(t)
terdenisi dengan baik
dan positif, dengan menggunakan Itos rule diperoleh
dH

(t) = [(4
2

2
)H
2

(t) + H

(t)dt 2
H
2

(t)
_
H

(t)
dW(t), t 0
dan
S
H

(x)
= k
1
_
x
1
y
1
2
e
1
2
2
y
dy, x R
untuk suatu konstanta positif k
1
dan H

memenuhi semua sifat Teorema Motto.

Berdasarkan LHopital rule diperoleh
lim
x
S
H

(t)
x
2
2
= k
2
,
untuk suatu k
2
> 0.
Misalkan h
1
(t) = t
2
2
, maka untuk t
1
> 0, berlaku
_

t
1
1
S
H

(h
1
(t))
dt =
_

t
1
1
k
2
t
dt = .
Akibatnya, dengan menggunakan Teorema Motto
lim
t
sup
H

(t)
h
1
(t)
= lim
t
sup
H

(t)
t
2
2
1.
Dengan kata lain, untuk (0, 2),
lim
x
S
H

(x)
x
2
2
= .
Misalkan h
2
(t) = t
2
2
, dimana (0, 2 ). Maka untuk suatu t
2
> 0,
diperoleh
_

t
1
1
S
H

(h
2
(t))
dt
_

t
1
1
t
2
2
dt < ,
Solusi Transien SDE yang Memenuhi Hukum Logaritma Teriterasi 11
pada kejadian
,
=

, dimana

dan

adalah dua kejadian. Misalkan

0 dan 0 s, sehingga disimpulkan
lim
t
sup
log H

(t)
log t
=
2
2
.
Pada

,

,
. Gunakan hubungan H

dan Y sehingga diperoleh (1.24).

Akibat 1.17 Misalkan > 2 dan Y unique continuous adapted process yang
memenuhi (1.21) dan Y (0) < 0, maka Y memenuhi
lim
t
inf
Y (t)

2t log log t
= || (1.27)
dan
lim
t
inf
log
|Y (t)|

t
log log t
=
1
2
. (1.28)
Bukti. Misalkan Y

(t) = Y (t) dan dengan menggunakan analisis yang sama

dengan Lema 1.16, diperoleh
lim
t
inf
Y

(t)

2t log log t
= lim
t
sup
Y (t)

2t log log t
= ||
dan
lim
t
inf
log
|Y

(t)|

t
log log t
= lim
t
inf
log
|Y (t)|

t
log log t
= lim
t
inf
log
|Y

(t)|

t
log log t
=
1
2
.
Selanjutnya akan ditentukan perilaku asimptotik pada (1.17) dimana koesien
difusinya adalah konstan.
Teorema 1.18 Misalkan peubah acak X unique continuous adapted process
yang memenuhi (1.17) dan misalkan A = { : lim
t
X(t, ) = } jika
lim
x
xf(x) = L

(1.29)
12 Lita Lovia
dan
g(x) = , x R
dimana = 0 dan L

>

2
2
, maka P(A) > 0 dan peubah acak X memenuhi
lim
t
sup
X(t)

2t log log t
= || (1.30)
dan
lim
t
inf
log
X(t)

t
log log t
=
1
2L

2
2
(1.31)
yang berlaku untuk setiap kejadian di A.
Bukti. Misalkan L

>

2
2
. Eksistensi dari suatu non null kejadian A
pada ruang contoh dijamin oleh FellerTest. Asumsikan bahwa A = { :
lim
t
X(t, ) = } berlaku. Selanjutnya bandingkan peubah acak X den-
gan Y
+
yang diberikan sebagai berikut:
dY
+
(t) =
L

+
Y
+
(t)
dt + dB(t), t 0
dengan Y
+
(0) > 0 dan L

+ > L

>

2
2
. Jika 0 maka L

mempunyai
peranan yang sama dengan pada (1.21) dan (1.22). Karena lim
x
xf(x) =
L

dan lim
t
X(t) = , terdapat T
1
(, ) > 0 sedemikian sehingga untuk
semua t T
1
(, ), L

< X(t)f(X(t)) < L

+ dan X(t) > 0. Akibatnya

L

X(t)
< f(X(t)) <
L

+
X(t)
, untuk t T
1
(, ). Misalkan t = Y
+
(t) X(t).
Selanjutnya ada tiga kasus yang berlaku
Kasus 1. Untuk X(T
1
) < Y
+
(T
1
) berlaku (T
1
) > 0.
Asumsikan bahwa untuk semua t > T
1
(, ) berlaku X(t) < Y
+
(t). Untuk
membuktikannya digunakan kontradiksi yaitu andaikan terdapat t

> T
1
(, )
sedemikian sehingga X(t

) = Y
+
(t

) maka (t

) = 0 dan

(t

) 0, tapi

(t) =
L

+
Y
+
(t)
f(X(t)) >
L

+
Y
+
(t)

L

+
X(t)
.
Untuk semua t T
1
(, )

(t

) >
L

+
Y
+
(t

)

L

+
X(t

)
= 0.
Solusi Transien SDE yang Memenuhi Hukum Logaritma Teriterasi 13
Kontradiksi dengan premis.
Kasus 2. Untuk X(T
1
> Y
+
(T
1
) berlaku (T
1
< 0, selanjutnya akan ditun-
jukkan untuk semua t T
1
(, ) berlaku X(t) Y
+
(t) (T
1
). Untuk semua
t T
1
(, ) berlaku

(t) =
L

+
Y
+
(t)
f(X(t)) >
L

+
Y
+
(t)

L

+
X(t)
= (t)
L

+
Y
+
(t)X(t)
. (1.32)
Akibatnya

(t) > (T
1
)
L

+
Y
+
(T
1
)X(T
1
)
> 0. (1.33)
Ada dua kemungkinan yang berlaku yaitu X(t) > Y (t) untuk semua t >
T
1
(, ) atau terdapat T
2
(, ) > T
1
(, ) sedemkian sehingga X(T
2
) = Y
+
(T
2
).
Jika X(t) > Y
+
(t), untuk suatu t > T
1
(, ) maka

(t) > 0, jadi adalah

naik pada [T
1
(, ). Selanjutnya Y
+
(t) X(t) = (t) > (T
1
). Analisa
dari keadaan ini bahwa terdapat T
2
(, ) > T
1
(, ) sedemikian sehingga
X(T
2)
= Y
+
(T
2
) dan akan ditunjukkan pada kasus 3.
Kasus 3. Untuk X(T
1
) = Y
+
(T
1
) berlaku (T
1
) = 0. Asumsikan bahwa untuk
semua t > T
1
(, ) berlaku X(t) < Y
+
(t).
Dari (1.33) diperoleh

(T
1
) > 0, akibatnya ada T
3
(, ) > T
2
(, ) sedemikian
sehingga (t) > 0 untuk t (T
1
, T
2
). Andaikan kontradiksi dengan asumsi
bahwa ada T
3
(, ) sedemikian sehingga (T
3
) = 0 dan

(T
3
) 0, ini tidak
mungkin karena tidak sesuai dengan (1.32).
Dengan menggabungkan hasil di atas untuk A, diperoleh
lim
t
sup
X(t)

2t log log t
lim
t
sup
Y
+
(t)

2t log log t
. (1.34)
Dengan cara yang sama dapat disimpulkan penduga terendah dari peubah
acak X, denisikan Y

, untuk suatu sebagai berikut:

dY

(t) =
L

(t)
dt + dB(t), t 0
14 Lita Lovia
dengan Y

(0) > 0. Misalakn L

>

2
2
, Y

dijamin positif, maka dengan

cara yang sama diperoleh
lim
t
sup
X(t)

2t log log t
lim
t
sup
Y

(t)

2t log log t
. (1.35)
Selanjutnya akan dibuktikan (1.30). Dengan menggunakan (1.34) dan misalkan

adalah kejadian sehingga berlaku

lim
t
sup
Y
+
(t)

2t log log t
= ||,
dan diperoleh
lim
t
sup
X(t)

2t log log t
||
yang berlaku di

A.
Misalkan

(0,1)

, sehingga persamaan berikut berlaku

lim
t
sup
X(t)

2t log log t
||, (1.36)
yang berlaku di

A. Dengan cara yang sama dan menggunakan (1.35) dan

misalkan

adalah kejadian sehingga berlaku

lim
t
sup
Y

(t)

2t log log t
= ||
dan diperoleh
lim
t
sup
X(t)

2t log log t
||, (1.37)
yang berlaku di

A. Misalkan

(0,1)

, persamaan berikut
sehingga berlaku
lim
t
sup
X(t)

2t log log t
|| (1.38)
yang berlaku di

A.
Dengan menggabungkan (1.36) dan (1.38) diperoleh (1.30). Untuk membuk-
tikan (1.31), misalkan Y
+
memenuhi (1.17) dan (1.18) dengan =

=
1 + 2(L

+) >
2
. Maka dengan menggunakan (1.24) diperoleh
lim
t
inf
log
Y
+
(t)

t
log log t
=
1
2
=
1
2L

2
1
, (1.39)
Solusi Transien SDE yang Memenuhi Hukum Logaritma Teriterasi 15
yang berlaku di
+

, dimana
+

adalah kejadian. Selanjutnya dengan meng-

gunakan (1.34) di
+

A diperoleh
lim
t
inf
log
X(t)

t
log log t

1
2L

2
1
.
Jika A

= A

(0,1)

, maka A

adalah subhimpunan A dan

lim
t
inf
log
X(t)

t
log log t

1
2L

2
1
. (1.40)
Dengan proses yang serupa untuk Y

dan menggunakan (1.35) dapat dibuk-

tikan bahwa
lim
t
inf
log
X(t)

t
log log t

1
2L

2
1
. (1.41)
yang berlaku di A

dimana A

adalah subhimpunan A. Dengan menggabungkan

(1.40) dan (1.41) maka diperoleh (1.31).
Dengan menggunakan Feller Test, yang bergantung pada nilai L

, kita bisa
menentukan peluang dari kejadian A yang didenisikan pada Teorema 1.18.
Misalkan L

>

2
2
. Jika L

2
2
maka P(A) = 1. Jika L

>

2
2
dan den-
isikan

A = : lim
tX(t,)=
maka A

A adalah suatu kejadian dan P(A),
P(

A) (0, 1). Nilai dari P(A) dan P(

A) bergantung pada nilai awal Peubah

acak X
0
. Dengan cara yang sama bisa dibuktikan hasilnya jika L

ditukar
dengan L

.
Akibat 1.19 Misalkan peubah acak X unique continuous adapted process yang
memenuhi (1.17) dan misalkan

A = { : lim
t
X(t, ) = } jika
lim
x
xf(x) = L

(1.42)
dan
g(x) = , x R
dimana = 0 dan L

>

2
2
, maka P(

A) > 0 dan peubah acak X memenuhi

lim
t
inf
X(t)

2t log log t
= || (1.43)
dan
lim
t
inf
log
X(t)

t
log log t
=
1
2L

2
2
(1.44)
yang berlaku untuk setiap kejadian di

A.
16 Lita Lovia
Bukti. Teorema 1.18 dapat digunakan untuk membuktikan Akibat 1.19 Mis-
alkan X

(t) = X(t) dan dengan menggunakan analisis yang sama dengan

Teorema 1.18, diperoleh
lim
t
inf
X

(t)

2t log log t
= lim
t
sup
X(t)

2t log log t
= ||
dan
lim
t
inf
log
|X

(t)|

t
log log t
= lim
t
inf
log
|X(t)|

t
log log t
=
1
2L

2
2
.
Teorema 1.28 bisa digunakan untuk membuktikan hasil yang lebih umum
untuk (1.17) dimana g menjadi konstanta yang memenuhi
X R, g(x) = 0, lim
x
g(x) = R/{0}. (1.45)
Teorema 1.20 Misalkan peubah acak X adalah unique continuous adapted
process yang memenuhi (1.17). Misalkan A = { : lim
t
X(t, ) = }.
Jika terdapat bilangan riil positif L

dan sedemikian sehingga L

>

2
2
,f
memenuhi (1.31) dan g memenuhi (1.45), maka peubah acak X memenuhi
(1.30) dan (1.31).
Bukti. Denisikan lokal Martingale
M(t) =
_
t
0
g(X(s))dB(s).t 0
Selanjutnya dengan menggunakan (3.29) diperoleh
lim
t
1
t
M(t) = lim
t
1
t
_
t
0
g
2
(X(s))ds =
2
,
yang berlaku untuk kejadian di A. Untuk setiap 0 s , denisikan
stopping timev(s) = inf t 0; M(t) > s. Berdasarkan Teorema Time-change
for Martingale process terdenisi sebagai W(t) = M(v(t)) adalah separable
Solusi Transien SDE yang Memenuhi Hukum Logaritma Teriterasi 17
Brownian Motion yang berhubungan dengan ltrasi Q
l
= F
v(l)
. Jika

X =
X((v(t)), maka
d

X =
f(

X(t)
g
2
X(t)
dt + dW(t), t 0.
Karena lim
t
xf(x)
g
2
(x)
=
L

2
>
1
2
, berdasarkan Teorema 3.2 maka untuk semua
W A berlaku
lim
t
sup

X(t)

2t log log t
= 1, lim
t
inf
log

X(t)

t
log log t
=
1
2L

2
2
.
sehingga
lim
t
sup
X(t)
_
2M(t) log logM(t)
= 1, lim
t
inf
log
X(t)

M(t)
log logM(t)
=
1
2L

2
2
.
Dengan menggabungkan kedua persamaan di atas diperoleh pernyataan yang
diinginkan.
Akibat 1.21 Misalkan peubah acak X adalah unique continuous adapted pro-
cesss yang memenuhi (1.17). Misalkan

A = { : lim
t
X(t, ) = }.
Jika terdapat bilangan riil positif L

dan sedemikian sehingga L

>

2
2
,f
memenuhi (1.42) dan g memenuhi (1.45), maka peubah acak X memenuhi
(1.43) dan (1.44).
Bukti.
Misalkan X

(t) = X(t) dan dengan menggunakan analisa yang sama dengan

Lema 3.3, diperoleh
lim
t
inf

(t)

2t log log t
= lim
t
sup

X(t)

2t log log t
= 1
dan
lim
t
inf
log
|

(t)|

t
log log t
=
1
2L

2
2
sehingga
lim
t
inf
X

(t)
_
2M(t) log logM(t)
= 1, lim
t
inf
log
|X

(t)|

M(t)
log logM(t)
=
1
2L

2
2
.
Dengan menggabungkan kedua persamaan di atas diperoleh pernyataan yang
diinginkan.
18 Lita Lovia
I.7 Kesimpulan
Solusi transien dari persamaan diferensial stokastik yang didenisikan sebagai
berikut
d(X(t)) = f(X(t))dt +g(X(t))dB(t) (1.46)
dimana f : R R, g(x) = untuk suatu x R, suatu konstanta dan B(t)
adalah separable Brownian motion dan
lim
x
xf(x) = L

>

2
2
.
memenuhi hukum logaritma teriterasi, yakni peubah acak X memenuhi
lim
t
sup
X(t)

2t log log t
= ||
dan
lim
t
inf
log
X(t)

t
log log t
=
1
2L

2
1
,
untuk setiap kejadian di A, dimana A = { : lim
t
X(t, ) = } dan
P(A) > 0.
Selain itu peubah acak X juga memperlihatkan perilaku asimtotik proses tran-
sien pada minus tak hingga dimana
lim
x
xf(x) = L

>

2
2
.
Daftar Pustaka
Appleby, J. dan Wu, H. (2009). Solutions of Stochastic Dierential Equation
Obeying The Law of Iterated Logarithm with Applications to Finacial
Markets. Electronic Journal of Probability, pp 912-959.
Brzezniak, Z. dan Zastawniak, T. (2005). Basic Stochastic Processes. Springer.
London.
Gnedenko, B. V. dan Kolmogorv, A. N. (1967). Limit Distributions for Sums of
Independent Random Variables. Addison-Wesley Publishing Company.
Karatzas, I. dan Shreve, S. E. (1991). Brownian Motion and Stochastic Calcu-
lus. Springer. Second Editon.
Solusi Transien SDE yang Memenuhi Hukum Logaritma Teriterasi 19
Laha, R.G., dan Rohatgi, V.K. (1979). Probabilty Theory. Jhon Wiley and
Sons. New York.
Motto, M. (1950). Proof The Law of Iterated Logarithm Through Diution
Equation. Ann.Ins. Statist. Math, pp 21-28.
Oksendal, B. (2003). Stochastic Dierential Equations. Springer.
Petrov, V. (1995). Limit Theorems of Probability Theory. Oxford Science Pub-
lications.
Tucker, H. G. (1967). Graduate Course in Probability. Academic Press Inc.