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 koefisien drift, g(X(t)) adalah koe-
fisien difusi dan B(t) adalah separable Brownian motion. Misalkan X adalah unique
continuous adapted proses dimana f : R → R dan g(x) = σ untuk x ∈ R dan σ
adalah suatu Konstanta. Peubah acak X adalah solusi transien persamaan diferen-
sial Stokastik yang memenuhi lim
x→∞
xf(x) = L

>
σ
2
2
dan lim
x→−∞
xf(x) =
L
−∞
>
σ
2
2
. Solusi transien dari persamaan diferensial stokastik tersebut memenuhi
hukum logaritma teriterasi yang berbentuk
lim
t→∞
sup
X(t)

2t log log t
= |σ|
dan
lim
t→∞
inf
log
X(t)

t
log log t
= −
1
2L

σ
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 Ito’s 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) = σ untuk suatu x ∈ R, σ 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

>
σ
2
2
dan
lim
x→−∞
xf(x) = L
−∞
>
σ
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.
Definisi 1.1 [Oksendal, 2003]. Misalkan Ω adalah himpunan tak kosong,
maka σ−algebra F di Ω adalah suatu keluarga subhimpunan di Ω sedemikian
sehingga
(1) ∅ ∈ F, dimana ∅ adalah himpunan kosong;
(2) Jika F ∈ F maka F
c
∈ F, dengan F
c
= Ω \ F adalah komplemen F di Ω
;
(3) jika A
1
, A
2
, ... ∈ F maka A =


i=1
A
i
∈ F.
Pasangan (Ω, F) disebut ruang terukur. Berikut ini akan diberikan definisi
ukuran peluang.
4 Lita Lovia
Definisi 1.2 [Brzezniak dan Zaztawniak, 2005]. Misalkan F adalah σ−algebra
di Ω. Suatu ukuran peluang P adalah fungsi P : F → [0, 1] sedemikian sehingga
(1) P(Ω) = 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 (Ω, F, P) disebut dengan ruang peluang dan himpunan anggota F dise-
but kejadian.
Definisi 1.3 [Brzezniak dan Zaztawniak, 2005]. Jika F adalah σ−algebra
di Ω, dimana B adalah himpunan Borel, maka fungsi X : Ω → R disebut F
terukur jika
{X ∈ B} ∈ F
untuk setiap B ∈ B(R), dimana B(R) adalah keluarga dari himpunan Borel.
Jika (Ω, 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 (Ω, 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
terdefinisi pada ruang peluang (Ω, F, P), dimana T adalah himpunan indeks
dan X(t) adalah peubah acak untuk setiap t.
Definisi 1.5 [Brzezniak dan Zaztawniak, 2005]. Proses Stokastik {B(t), t ≥
0} yang terdefinisi pada ruang peluang (Ω, 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
n−1
(t) adalah saling bebas (independent increments).
Berikut ini akan diberikan definisi tentang proses stokastik separable.
Solusi Transien SDE yang Memenuhi Hukum Logaritma Teriterasi 5
Definisi 1.6 [Tucker,1967]. Proses Stokastik {X(t), t ≥ 0} yang terdefinisi
pada ruang peluang (Ω, 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
koefisien drift, g(X(t)) adalah koefisien difusi dan B(t) merupakan Brownian
motion.
Untuk menentukan solusi dari persamaan diferensial stokastik digunakan inte-
gral stokastik yang lebih dikenal dengan Ito’s proses yang didefinisikan sebagai
berikut:
Definisi 1.7 [Oksendal, 2003]. Proses Stokastik {X(t), t ≥ 0} disebut Ito’s
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
Ito’s formula atau Ito’s rule yang dinyatakan sebagai berikut:
6 Lita Lovia
Teorema 1.8 [Oksendal, 2003]. Misalkan X(t) adalah Ito’s 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 Ito’s 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 (Ω, F, P) adalah ruang peluang dan asumsikan bahwa (S
n
, F
n
, n ≥
1) adalah barisan stokastik (F
1
⊂ F
2
⊂ ... ⊂ F adalah σ-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
σ
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 µ > 0 dan untuk semua bilangan bulat positif n cukup besar diperoleh
q
n
≥ exp{−
x
2
2B
n
(1 + µ)}. (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 ε ∈ R
P{ max
1≤k≤n
[S
k
−med(S
k
−S
n
)] ≥ ε} ≤ 2P{S
n
≥ ε} (1.13)
dan untuk setiap ε > 0
P{ max
1≤k≤n
|S
k
− med(S
k
−S
n
)| ≥ ε} ≤ 2P{|S
n
| ≥ ε}. (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
1≤k≤n
S
k
≥ ε} ≤ 2P{S
n
≥ ε −
¸
¸
¸
_
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 τ > 0 terdapat barisan naik dari bilangan bulat positif {n
k
}
sedemikian sehingga B
n
k
∼ (1 + τ)
k
untuk k → ∞.
Lema 1.15 [Petrov, 1995]. Jika syarat pada Teorema 2.13 berlaku, maka
untuk semua konstanta positif b dan µ dan untuk semua n cukup besar per-
samaan berikut berlaku:
(log B
n
)
−(1+µ)b
2
≤ P(S
n
≥ bχ(n)) ≤ (log B
n
)
−(1−µ)b
2
. (1.16)
8 Lita Lovia
I.6 Solusi Transien persamaan diferensial stokastik
yang Memenuhi Hukum Logaritma Teriterasi
Perhatikan persamaan diferensial stokastik yang didefinisikan sebagai berikut:
d(X(t)) = f(X(t))dt +g(X(t))dB(t) (1.17)
dimana f : R → R, g(x) = σ untuk suatu x ∈ R, σ suatu konstanta dan B(t)
adalah separable Brownian motion dan
lim
x→∞
xf(x) = L

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

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

t
log log t
= −
1
2L

σ
2
−1
, (1.19)
untuk setiap kejadian di A, dimana A = {ω : lim
t→∞
X(t, ω) = ∞} 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
−∞
>
σ
2
2
. (1.20)
Misalkan δ > 0 dan
dY (t) = σ
2
δ −1
2Y (t)
dt + σdB(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 δ > 2 tidak harus bilangan bulat. jika δ > 2 adalah
bilangan bulat maka Y (t) = σ|W(t)|, dimana W adalah separable Brownian
motion yang berdimensi δ. Selanjutnya akan ditunjukkan bahwa Y memenuhi
hukum logaritma teriterasi.
Solusi Transien SDE yang Memenuhi Hukum Logaritma Teriterasi 9
Lema 1.16 Misalkan δ > 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
= |σ| (1.23)
dan
lim
t→∞
inf
log
Y (t)

t
log log t
= −
1
δ −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 Ito’s 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
= σ
2
δdt + 2
_
Z(t)σdB(t),
dengan Z(0) = y
2
0
.
Berdasarkan Teorema Doob’s 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) = σ
2
δdt + 2
_
Z(t)σd
¯
B(t).
Maka diperoleh solusi dari persamaan di atas sebagai berikut:
Z(t) = y
2
o
+
_
t
0
σ
2
δds +
_
t
0
2
_
Z(s)σd
¯
B(s).
dan dapat juga ditulis sebagai
Z(e
l
−1) = y
2
o
+
_
e
l
−1
0
σ
2
δds +
_
e
l
−1
0
2
_
Z(s)σd
¯
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
σ
2
δe
s
ds +
_
l
0
2
_
Z(e
s
−1)σe
s
2
dW(s).
Jika
¯
Z(t) = Z(e
l
−1), maka
d
¯
Z(t) = σ
2
δe
l
dt + 2
_
Z(t)σe
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) = (σ
2
δ −H(t))dt + 2σ
_
H(t)dW(t), t ≥ 0. (1.25)
Berdasarkan Lema 4.5 [1] diperoleh
lim
t→∞
sup
H(t)
2 log t
= σ
2
(1.26)
Dengan menggunakan Y pada H dan Z diperoleh (1.23).
Untuk membuktikan (1.24), definisikan H

(t) =
1
H(t)
terdefinisi dengan baik
dan positif, dengan menggunakan Ito’s rule diperoleh
dH

(t) = [(4σ
2
−σ
2
δ)H
2

(t) + H

(t)dt −2σ
H
2

(t)
_
H

(t)
dW(t), t ≥ 0
dan
S
H

(x)
= k
1
_
x
1
y
δ−1
2
e
1

2
y
dy, x ∈ R
untuk suatu konstanta positif k
1
dan H

memenuhi semua sifat Teorema Motto.
Berdasarkan L’Hopital rule diperoleh
lim
x→∞
S
H

(t)
x
δ−2
2
= k
2
,
untuk suatu k
2
> 0.
Misalkan h
1
(t) = t
2
δ−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
δ−2
≥ 1.
Dengan kata lain, untuk ε ∈ (0, δ −2),
lim
x→∞
S
H

(x)
x
δ−2−ε
2
= ∞.
Misalkan h
2
(t) = t
2
δ−2−ε−θ
, dimana θ ∈ (0, δ −2 −ε). Maka untuk suatu t
2
> 0,
diperoleh
_

t
1
1
S
H

(h
2
(t))
dt ≤
_

t
1
1
t
δ−2−ε
δ−2−ε−θ
dt < ∞,
Solusi Transien SDE yang Memenuhi Hukum Logaritma Teriterasi 11
pada kejadian Ω
ε,θ
= Ω
ε
∩Ω
θ
, dimana Ω
ε
dan Ω
θ
adalah dua kejadian. Misalkan
ε ↓ 0 dan δ ↓ 0 s, sehingga disimpulkan
lim
t→∞
sup
log H

(t)
log t
=
2
δ −2
.
Pada

ε,θ

ε,θ
. Gunakan hubungan H

dan Y sehingga diperoleh (1.24).
Akibat 1.17 Misalkan δ > 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
= −|σ| (1.27)
dan
lim
t→∞
inf
log
|Y (t)|

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

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

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

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

t
log log t
= −
1
2L∞
σ
2
−2
(1.31)
yang berlaku untuk setiap kejadian di A.
Bukti. Misalkan L

>
σ
2
2
. Eksistensi dari suatu non − null kejadian A
pada ruang contoh dijamin oleh FellerTest. Asumsikan bahwa A = {ω :
lim
t→∞
X(t, ω) = ∞} berlaku. Selanjutnya bandingkan peubah acak X den-
gan Y

yang diberikan sebagai berikut:
dY

(t) =
L

+ ε
Y

(t)
dt + σdB(t), t ≥ 0
dengan Y

(0) > 0 dan L

+ε > L

−ε >
σ
2
2
. Jika ε ↓ 0 maka L

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

dan lim
t→∞
X(t) = ∞, terdapat T
1
(ε, ω) > 0 sedemikian sehingga untuk
semua t ≥ T
1
(ε, ω), L

−ε < X(t)f(X(t)) < L

+ε dan X(t) > 0. Akibatnya
L

−ε
X(t)
< f(X(t)) <
L


X(t)
, untuk t ≥ T
1
(ε, ω). 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
(ε, ω) berlaku X(t) < Y

(t). Untuk
membuktikannya digunakan kontradiksi yaitu andaikan terdapat t

> T
1
(ε, ω)
sedemikian sehingga X(t

) = Y

(t

) maka ∆(t

) = 0 dan ∆

(t

) ≤ 0, tapi

(t) =
L

+ ε
Y

(t)
−f(X(t)) >
L

+ ε
Y

(t)

L

+ ε
X(t)
.
Untuk semua t ≥ T
1
(ε, ω)

(t

) >
L

+ ε
Y

(t

)

L

+ ε
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
(ε, ω) berlaku X(t) ≤ Y

(t) −∆(T
1
). Untuk semua
t ≥ T
1
(ε, ω) berlaku

(t) =
L

+ ε
Y

(t)
−f(X(t)) >
L

+ ε
Y

(t)

L


X(t)
= −∆(t)
L

+ ε
Y

(t)X(t)
. (1.32)
Akibatnya

(t) > −∆(T
1
)
L

+ ε
Y

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

(T
2
).
Jika X(t) > Y

(t), untuk suatu t > T
1
(ε, ω) maka ∆

(t) > 0, jadi ∆ adalah
naik pada [T
1
(ε, ∞). Selanjutnya Y

(t) − X(t) = ∆(t) > ∆(T
1
). Analisa
dari keadaan ini bahwa terdapat T
2
(ε, ω) > T
1
(ε, ω) 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
(ε, ω) berlaku X(t) < Y

(t).
Dari (1.33) diperoleh ∆

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

(T
3
) ≤ 0, ini tidak
mungkin karena tidak sesuai dengan (1.32).
Dengan menggabungkan hasil di atas untuk ω ∈ 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, definisikan Y
−ε
, untuk suatu ε sebagai berikut:
dY
−ε
(t) =
L

−ε
Y
−ε
(t)
dt + σdB(t), t ≥ 0
14 Lita Lovia
dengan Y
−ε
(0) > 0. Misalakn L

−ε >
σ
2
2
, Y
−ε
dijamin positif, maka dengan
cara yang sama diperoleh
lim
t→∞
sup
X(t)

2t log log t
≥ lim
t→∞
sup
Y
−ε
(t)

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


ε
adalah kejadian sehingga berlaku
lim
t→∞
sup
Y

(t)

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

2t log log t
≤ |σ|
yang berlaku di Ω

ε
∩ A.
Misalkan Ω

=

ε∈(0,1)


ε
, sehingga persamaan berikut berlaku
lim
t→∞
sup
X(t)

2t log log t
≤ |σ|, (1.36)
yang berlaku di Ω

∩A. Dengan cara yang sama dan menggunakan (1.35) dan
misalkan Ω

−ε
adalah kejadian sehingga berlaku
lim
t→∞
sup
Y
−ε
(t)

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

2t log log t
≥ |σ|, (1.37)
yang berlaku di Ω

−ε

A. Misalkan Ω
∗∗
=

ε∈(0,1)


−ε
, persamaan berikut
sehingga berlaku
lim
t→∞
sup
X(t)

2t log log t
≥ |σ| (1.38)
yang berlaku di Ω
∗∗
∩ 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 δ = δ
ε
=
1 + 2(L

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

(t)

t
log log t
= −
1
δ −2
= −
1
2L


σ
2
−1
, (1.39)
Solusi Transien SDE yang Memenuhi Hukum Logaritma Teriterasi 15
yang berlaku di Ω
+
ε
, dimana Ω
+
ε
adalah kejadian. Selanjutnya dengan meng-
gunakan (1.34) di Ω
+
ε
∩ A diperoleh
lim
t→∞
inf
log
X(t)

t
log log t
≤ −
1
2L


σ
2
−1
.
Jika A

= A

ε∈(0,1)

+
ε
, maka A

adalah subhimpunan A dan
lim
t→∞
inf
log
X(t)

t
log log t
≤ −
1
2L

σ
2
−1
. (1.40)
Dengan proses yang serupa untuk Y
−ε
dan menggunakan (1.35) dapat dibuk-
tikan bahwa
lim
t→∞
inf
log
X(t)

t
log log t
≥ −
1
2L

σ
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 didefinisikan pada Teorema 1.18.
Misalkan L

>
σ
2
2
. Jika L
−∞

σ
2
2
maka P(A) = 1. Jika L
−∞
>
σ
2
2
dan defin-
isikan
¯
A = ω : lim
t→X(t,ω)=−∞
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 = {ω : lim
t→∞
X(t, ω) = −∞} jika
lim
x→−∞
xf(x) = L
−∞
(1.42)
dan
g(x) = σ, x ∈ R
dimana σ = 0 dan L
−∞
>
σ
2
2
, maka P(
¯
A) > 0 dan peubah acak X memenuhi
lim
t→∞
inf
X(t)

2t log log t
= −|σ| (1.43)
dan
lim
t→∞
inf
log
X(t)

t
log log t
= −
1
2L
−∞
σ
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
= −|σ|
dan
lim
t→∞
inf
log
|X

(t)|

t
log log t
= − lim
t→∞
inf
log
|X(t)|

t
log log t
= −
1
2L
−∞
σ
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) = σ ∈ R/{0}. (1.45)
Teorema 1.20 Misalkan peubah acak X adalah unique continuous adapted
process yang memenuhi (1.17). Misalkan A = {ω : lim
t→∞
X(t, ω) = ∞}.
Jika terdapat bilangan riil positif L

dan σ sedemikian sehingga L

>
σ
2
2
,f
memenuhi (1.31) dan g memenuhi (1.45), maka peubah acak X memenuhi
(1.30) dan (1.31).
Bukti. Definisikan 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 = σ
2
,
yang berlaku untuk kejadian di A. Untuk setiap 0 ≤ s ≤ ∞, definisikan
stopping timev(s) = inf t ≥ 0; M(t) > s. Berdasarkan Teorema Time-change
for Martingale process terdefinisi sebagai W(t) = M(v(t)) adalah separable
Solusi Transien SDE yang Memenuhi Hukum Logaritma Teriterasi 17
Brownian Motion yang berhubungan dengan filtrasi 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

σ
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

σ
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

σ
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 = {ω : lim
t→∞
X(t, ω) = −∞}.
Jika terdapat bilangan riil positif L
−∞
dan σ sedemikian sehingga L
−∞
>
σ
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
¯
X

(t)

2t log log t
= − lim
t→∞
sup
¯
X(t)

2t log log t
= −1
dan
lim
t→∞
inf
log
|

X

(t)|

t
log log t
= −
1
2L
−∞
σ
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
−∞
σ
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 didefinisikan sebagai
berikut
d(X(t)) = f(X(t))dt +g(X(t))dB(t) (1.46)
dimana f : R → R, g(x) = σ untuk suatu x ∈ R, σ suatu konstanta dan B(t)
adalah separable Brownian motion dan
lim
x→∞
xf(x) = L

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

2t log log t
= |σ|
dan
lim
t→∞
inf
log
X(t)

t
log log t
= −
1
2L

σ
2
−1
,
untuk setiap kejadian di A, dimana A = {ω : lim
t→∞
X(t, ω) = ∞} 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
−∞
>
σ
2
2
.
Daftar Pustaka
Appleby, J. dan Wu, H. (2009). Solutions of Stochastic Differential 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 Diffution
Equation. Ann.Ins. Statist. Math, pp 21-28.
Oksendal, B. (2003). Stochastic Differential 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.

tetapi kajian tentang perilaku solusi persamaan diferensial stokastik yang memenuhi hukum logaritma teriterasi ini masih sedikit dan baru berkembang pada beberapa dekade belakangan ini.. dimana Sn = X1 + X2 + . salah satunya adalah peubah acak yang merupakan solusi persamaan diferensial stokastik dengan Brownian motion. Dalam penelitian ini . di mana perilaku asimtotik ditentukan dengan cara mengubah skala dan waktu sehingga proses menuju stasioner. n tn = (2 log log Bn ) 2 dan jika Bn → ∞ dan |Xn | ≤ Mn = o( Bn ). solusi persamaan diferensial stokastik dengan separable Brownian motion yang memenuhi hukum logaritma teriterasi sangat menarik untuk diteliti. Pada tahun 1950. Selain dengan Brownian motion. Kajian tentang berbagai macam variasi persamaan diferensial stokastik yang solusinya memenuhi hukum logaritma teriterasi masih merupakan masalah terbuka. Kajian tentang Brownian motion yang memenuhi hukum logaritma teriterasi semakin pesat perkembangannya ketika Appleby dan Wu (2009) mengkaji tentang perilaku solusi persamaan diferensial stokastik yang memenuhi hukum logaritma teriterasi dan aplikasinya pada pasar modal. Banyak peneliti yang mengkaji tentang hukum logaritma teriterasi dalam teori peluang. + Xn . maka t 1 n→∞ lim sup Sn (2 log log Bn ) 2 1 = 1. teorema hukum logaritma teriterasi tersebut menganalisa untuk nilai absolut pada Brownian motion berdimensi terbatas. Bn = ESn .2 Lita Lovia 2 rata-rata nol dan ragam terbatas. Banyak peubah acak yang memenuhi hukum logaritma teriterasi.. Minoru Motto telah mengemukan tentang hukum logaritma teriterasi pada persamaan difusi. Perilaku solusi persamaan diferensial stokastik tersebut juga memenuhi teorema Ito’s rule yang merupakan aplikasi dari Brownian motion. dimana perilaku dari solusi persamaan diferensial stokastik yang memenuhi hukum logaritma teriterasi tersebut dapat diaplikasikan pada pasar modal.

σ suatu konstanta dan B(t) adalah Brownian Motion.1) dimana f : R → R. X dikatakan solusi transien jika x→∞ lim xf (x) = L∞ > σ2 2 dan x→−∞ lim xf (x) = L−∞ σ2 > . .1 [Oksendal. 2003]. 2 Dengan kata lain xf (x) menuju suatu limit terbatas untuk x → ±∞. Berdasarkan uraian di atas. Misalkan X adalah solusi dari Persamaan (1.. maka σ−algebra F di Ω adalah suatu keluarga subhimpunan di Ω sedemikian sehingga (1) ∅ ∈ F . Berikut ini akan diberikan definisi ukuran peluang. F) disebut ruang terukur. dengan F c = Ω \ F adalah komplemen F di Ω . Definisi 1. .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. Misalkan Ω adalah himpunan tak kosong. g(x) = σ untuk suatu x ∈ R. ∈ F maka A = ∞ Ai ∈ F . Diberikan suatu sistem persamaan diferensial stokastik yang dinyatakan sebagai berikut: d(X(t)) = f (X(t))dt + g(X(t))dB(t) (1.2 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. I. i=1 Pasangan (Ω. (2) Jika F ∈ F maka F c ∈ F. A2 .1).1) dengan B(t) adalah separable Brownian motion memenuhi hukum logaritma teriterasi.. (3) jika A1 . yang menjadi masalah adalah apakah solusi transien dari persamaan diferensial stokastik (1. dimana ∅ adalah himpunan kosong.

I. dimana B adalah himpunan Borel. . dimana T adalah himpunan indeks dan X(t) adalah peubah acak untuk setiap t. ∈ F dan Ai adalah saling lepas untuk i = 1. F.2 [Brzezniak dan Zaztawniak. Misalkan F adalah σ−algebra di Ω. t − s) untuk semua t ≥ s ≥ 0. Jika (Ω. F. . 2.. n=1 (2) Jika ∞ P (An ) = ∞ dan jika {An } adalah barisan kejadian yang saling n=1 bebas maka P (limn→∞ sup An ) = 1. Lema 1. P ) adalah ruang peluang. Berikut ini akan diberikan definisi tentang proses stokastik separable.. P ) adalah ruang peluang maka X disebut peubah acak. Definisi 1.. peubah acak B(t)1 . Proses Stokastik {B(t). (3) untuk 0 < t1 < t2 < . F. F.3 [Brzezniak dan Zaztawniak. 2005]. P ) disebut dengan ruang peluang dan himpunan anggota F disebut kejadian. Bn (t) − Bn−1 (t) adalah saling bebas (independent increments). 1] sedemikian sehingga (1) P (Ω) = 1.4 Lita Lovia Definisi 1. Misalkan (Ω. P ). (Ai ∩Aj = ∅. i = j)..4 [Laha dan Rohatgi. i=1 i=1 Tripel (Ω. Definisi 1. Jika F adalah σ−algebra di Ω. maka fungsi X : Ω → R disebut F terukur jika {X ∈ B} ∈ F untuk setiap B ∈ B(R). 2005]. t ∈ T} adalah himpunan peubah-peubah acak yang terdefinisi pada ruang peluang (Ω. < tn . maka P ( ∞ Ai ) = ∞ P (Ai ).. 2005]. dimana B(R) adalah keluarga dari himpunan Borel. . F.3 Proses Stokastik Proses stokastik {X(t). 1979].. B2 (t) − B1 (t). . P ) disebut Brownian motion jika memenuhi sifat-sifat berikut: (1) B(0) = 0.5 [Brzezniak dan Zaztawniak... (2) Jika A1 . A2 . Suatu ukuran peluang P adalah fungsi P : F → [0. dan misalkan {An } adalah barisan kejadian (1) Jika ∞ P (An ) < ∞. t ≥ 0} yang terdefinisi pada ruang peluang (Ω. Berikut ini akan dijelaskan tentang Lema Borel-Cantelli. (2) B(t) − B(s) terdistribusi normal N (0.. maka P (limn→∞ sup An ) = 0.

Solusi Transien SDE yang Memenuhi Hukum Logaritma Teriterasi 5 Definisi 1. t ≥ 0} yang terdefinisi pada ruang peluang (Ω. Untuk menentukan solusi dari persamaan diferensial stokastik digunakan integral stokastik yang lebih dikenal dengan Ito’s proses yang didefinisikan sebagai berikut: Definisi 1. t ≥ 0} disebut Ito’s proses jika dapat dinyatakan sebagai t t X(t) = X(0) + 0 f (X(s))ds + 0 g(X(s))dB(s) (1. I. dimana T adalah sebuah interval pada bilangan riil. 2003]. Selain itu.1967]. t ∈ T } disebut dengan separable Brownian motion. F.6 [Tucker. Proses Stokastik {X(t). b)} Jika himpunan peubah acak {B(t). Maka {X(t).7 [Oksendal. dimana X(t) adalah solusi persamaan diferensial stokastik.2) dimana f (X(s)) memenuhi t E( 0 |f (X(s))|ds) < ∞. b)} dan laticcetheoritic sup{X(t). g(X(t)) adalah koefisien difusi dan B(t) merupakan Brownian motion. t ∈ (a. t ∈ T } adalah proses stokastik separable yang memenuhi sifat-sifat Brownian motion maka proses stokastik {B(t). laticcetheoritic sup{X(t). b) ⊂ T . t ≥ 0}adalah proses stokastik separable jika untuk setiap interval (a. Proses Stokastik {X(t). b)} = sup{X(t). untuk menyelesaikan persamaan diferensial stokastik digunakan Ito’s formula atau Ito’s rule yang dinyatakan sebagai berikut: . f (X(t)) adalah koefisien drift.4 Persamaan Diferensial Stokastik Diberikan suatu sistem persamaan diferensial stokastik yang dinyatakan sebagai berikut: d(X(t)) = f (X(t))dt + g(X(t))dB(t). b)} = sup{X(t). t ∈ (a. t ∈ (a. t ∈ (a. P ).

8 [Oksendal.4) dengan aturan sebagai berikut: (1. x) adalah fungsi kontinu pada [0.8) = 1. P ) adalah ruang peluang dan asumsikan bahwa (Sn . Misalkan {Xn } adalah barisan peubah-peubah 2 acak yang saling bebas dengan EXn = 0 dan EXn < ∞ untuk n ≥ 1. n ≥ 1) adalah barisan stokastik (F1 ⊂ F2 ⊂ . x). Misalkan X(t) adalah Ito’s proses d(X(t)) = f (X(t))dt + g(X(t))dB(t) dan Z(t. maka Y (t) = Z(t. 2003]. (1. peubah acak Sn adalah Fn -terukur). Jika ada barisan konstanta positif {Mn } sedemikian sehingga Mn = o(( dan maka n→∞ 1 Bn )2 ) log log Bn (1. lim sup Sn (2Bn log log Bn ) 2 1 Untuk menjelaskan tentang teorema Kolmogorov tersebut maka perlu dijelaskan beberapa proposisi. ∂Z ∂Z ∂ 2 Z . T] × R. 3.5 Hukum Logaritma Teriterasi Misalkan (Ω. 1995]. ⊂ F adalah σ-algebra dan untuk setiap n.... F. a Teorema berikut menjelaskan tentang hukum logaritma teriterasi oleh Kolmogorov. X(t))(dtX(t))2 .} n sedemikian sehingga limn→∞ sup Sn = 1. . X(t))dt + (t.7) (1. Teorema 1. Fn .5) ∂t ∂x 2 ∂x2 (dt)2 = (dt)(dB(t)) = (dB(t))(dt) = 0 dan (dB(t))2 = dt. X(t))dtX(t) + (t.9 [Petrov. 2. (1. lema dan akibat sebagai berikut: . Sn = k=1 Xk dan Bn = k=1 σk .. ∂t ∂x ∂x2 (1. n = 1.6 Lita Lovia Teorema 1.9) |Xn | ≤ Mn . Sn disebut memenuhi hukum logaritma teriterasi jika ada barisan bilangan bulat positif {an .3) ada dan (1. adalah juga Ito’s proses dan dY (t) = ∂Z ∂Z 1 ∂ 2Z (t.6) I. Misalkan n n 2 Bn → ∞. dimana kontinu.

10) 2Bn 2Bn Jika xMn ≥ Bn .13 [Petrov. Misalkan X1 . 1995]. n. Xn adalah peubah-peubah k acak yang saling bebas. (1.14 [Laha dan Rohatgi. Jika 0 ≤ xMn ≤ Bn .13) dan untuk setiap ε > 0 P { max |Sk − med(Sk − Sn )| ≥ ε} ≤ 2P {|Sn | ≥ ε}. dan Bn → ∞.. .Solusi Transien SDE yang Memenuhi Hukum Logaritma Teriterasi 7 Lema 1. 1995]. 1995]. Jika syarat pada Teorema 2. maka n P { max Sk ≥ ε} ≤ 2P {Sn ≥ ε − 1≤k≤n 2 k=1 2 EXk }. 2Bn (1.11 [Petrov. maka qn ≤ exp{− x }. Misalkan qn (x) = P (Sn ≥ x). Xn adalah barisan peubahpeubah acak yang saling bebas dengan EXi = 0 dan EXi2 < ∞ untuk semua 1 ≤ i ≤ n.12 [Petrov.. Bn Maka untuk setiap τ > 0 terdapat barisan naik dari bilangan bulat positif {nk } sedemikian sehingga Bnk ∼ (1 + τ )k untuk k → ∞. untuk n → ∞.14) Akibat 1. 4Mn 2 (1. maka untuk setiap µ > 0 dan untuk semua bilangan bulat positif n cukup besar diperoleh qn ≥ exp{− x2 (1 + µ)}. X2 . (1. maka x2 xMn qn ≤ exp{− (1 − )}.13 berlaku. dan dimana Sk = j=1 Xj . maka untuk semua konstanta positif b dan µ dan untuk semua n cukup besar persamaan berikut berlaku: (log Bn )−(1+µ)b ≤ P (Sn ≥ bχ(n)) ≤ (log Bn )−(1−µ)b .. . 2.. X2 . .10 [Petrov. 1995]. 1≤k≤n (1. Maka untuk setiap ε ∈ R P { max [Sk − med(Sk − Sn )] ≥ ε} ≤ 2P {Sn ≥ ε} 1≤k≤n (1. xMn → 0...16) . Lema 1. 1979]. Misalkan {Bn } adalah barisan bilangan bulat positif yang tidak turun yang memenuhi Bn → ∞ dan Bn+1 → 1.12) Lema 1. k = 1. Jika x > 0..15) Lema 1.15 [Petrov. 1995]. Misalkan X1 .. 2 2 (1..11) x Lema 1.

17) dimana f : R → R.21) dan (1. Selanjutnya akan ditunjukkan bahwa Y memenuhi hukum logaritma teriterasi. Selain itu peubah acak X juga memperlihatkan perilaku asimtotik proses transien pada minus tak hingga jika x→−∞ lim xf (x) = L−∞ > σ2 .8 Lita Lovia I. t ≥ 0 2Y (t) (1.20) Misalkan δ > 0 dan dY (t) = σ 2 δ−1 dt + σdB(t). g(x) = σ untuk suatu x ∈ R. jika δ > 2 adalah bilangan bulat maka Y (t) = σ|W (t)|. dimana A = {ω : limt→∞ X(t. 2 (1. Persamaan (1. log log t 2 − 1 σ √ log X(t) t (1. 2 Solusi dari (1.17) adalah transien dan akan ditunjukkan bahwa solusi tersebut memenuhi t→∞ lim sup √ X(t) = |σ| 2t log log t (1. dimana W adalah separable Brownian motion yang berdimensi δ.22) disebut proses Bessel dan solusinya adalah proses Bessel diperumum berdimensi lebih dari dua jika δ > 2 tidak harus bilangan bulat.22) Y (0) = y0 > 0 dimana B(t) adalah separable Brownian motion.19) untuk setiap kejadian di A.6 Solusi Transien persamaan diferensial stokastik yang Memenuhi Hukum Logaritma Teriterasi Perhatikan persamaan diferensial stokastik yang didefinisikan sebagai berikut: d(X(t)) = f (X(t))dt + g(X(t))dB(t) (1. ω) = ∞} dan P (A) > 0.18) dan t→∞ lim inf 1 = − 2L∞ .21) (1. . σ suatu konstanta dan B(t) adalah separable Brownian motion dan x→∞ lim xf (x) = L∞ > σ2 .

δ−2 (1. Misalkan Y (t) adalah proses Bessel yang memenuhi (1. = σ 2 δdt + 2 2 dengan Z(0) = y0 .21) dan (1. sehingga dZ(t) dapat ditulis sebagai berikut: dZ(t) = σ 2 δdt + 2 Z(t)σdB(t). s Jika Z(t) = Z(el − 1). dengan menggunakan Ito’s rule diperoleh dZ(t) = ∂Z(t) 1 ∂ 2 Z(t) ∂Z(t) dY (t) + dY (t)2 + dt 2 ∂Y (t) 2 ∂Y (t) ∂t Z(t)σdB(t). dimana Y adalah proses positif.21) dan (1. dan dapat juga ditulis sebagai Z(e − 1) = l 2 yo el −1 + 0 σ δds + 0 2 el −1 2 Z(s)σdB(s) dimana l = log(1 + t) dan W adalah separable Brownian motion yang lain sehingga diperoleh Z(e − 1) = l 2 yo l + 0 σ δe ds + 0 2 s l 2 Z(es − 1)σe 2 dW (s).16 Misalkan δ > 2 dan Y adalah unique continuous adapted process yang memenuhi (1.24) Bukti. t ≥ 0. Misalkan Z(t) = Y (t)2 .21). Maka diperoleh solusi dari persamaan di atas sebagai berikut: Z(t) = 2 yo t + 0 σ δds + 0 2 t 2 Z(s)σdB(s). Berdasarkan Teorema Doob’s Martingale representation sehingga separable Brownian motion B(t) dapat ditulis sebagai B(t) pada ruang peluang yang diperluas. t . maka dZ(t) = σ 2 δel dt + 2 Z(t)σe 2 dW (t). dimana B(t) adalah separable Brownian motion.23) dan t→∞ lim inf (t) log Y√t log log t =− (1.Solusi Transien SDE yang Memenuhi Hukum Logaritma Teriterasi 9 Lema 1.21). maka t→∞ lim sup √ Y (t) = |σ| 2t log log t 1 .

δ − 2). dimana θ ∈ (0. t ≥ 0. .23). Maka untuk suatu t2 > 0.10 Lita Lovia Jika H(t) = e−t Z(t). Untuk membuktikan (1. t ≥ 0 dan SH∗ (x) = k1 1 x y δ−1 2 e 2σ2 y dy. definisikan H∗ (t) = 1 H(t) terdefinisi dengan baik dan positif. dengan menggunakan Teorema Motto t→∞ lim sup H∗ (t) H∗ (t) = lim sup 2 ≥ 1. untuk ε ∈ (0. Misalkan h1 (t) = t δ−2 .26) Dengan menggunakan Y pada H dan Z diperoleh (1. t→∞ h1 (t) t δ−2 Dengan kata lain. maka untuk t1 > 0. x→∞ 2 lim SH∗ (x) x δ−2−ε 2 = ∞. (1.5 [1] diperoleh t→∞ H(t)dW (t). Berdasarkan L’Hopital rule diperoleh x→∞ lim SH∗ (t) x δ−2 2 = k2 . Misalkan h2 (t) = t δ−2−ε−θ . untuk suatu k2 > 0. x ∈ R 1 untuk suatu konstanta positif k1 dan H∗ memenuhi semua sifat Teorema Motto. diperoleh ∞ t1 1 SH∗ (h2 (t)) ∞ dt ≤ t1 1 t δ−2−ε δ−2−ε−θ dt < ∞. maka H(0) > 0 dan H memenuhi dH(t) = (σ 2 δ − H(t))dt + 2σ Berdasarkan Lema 4. k2 t Akibatnya. berlaku ∞ t1 2 1 SH∗ (h1 (t)) ∞ dt = t1 1 dt = ∞. δ − 2 − ε). dengan menggunakan Ito’s rule diperoleh 2 dH∗ (t) = [(4σ 2 − σ 2 δ)H∗ (t) + H∗ (t)dt − 2σ 2 H∗ (t) H∗ (t) dW (t).25) lim sup H(t) = σ2 2 log t (1.24).

17) dimana koefisien difusinya adalah konstan. ω) = ∞} jika x→∞ lim xf (x) = L∞ (1.24). diperoleh Y (t) Y∗ (t) = − lim sup √ t→∞ 2t log log t 2t log log t = −|σ| dan lim inf ∗ log |Y√(t)| t t→∞ lim inf √ t→∞ log log t = lim inf t→∞ √ log |−Y (t)| t log log t ∗ log |Y√(t)| t = − lim inf t→∞ log log t 1 . maka Y memenuhi lim inf √ Y (t) = −|σ| 2t log log t 1 .θ Ωε.28) Bukti. dimana Ωε dan Ωθ adalah dua kejadian.16.27) t→∞ dan t→∞ lim inf (t)| log |Y√t log log t =− (1. Teorema 1. Gunakan hubungan H∗ dan Y sehingga diperoleh (1. log t δ−2 t→∞ Pada ε.θ = Ωε ∩Ωθ .17 Misalkan δ > 2 dan Y unique continuous adapted process yang memenuhi (1.Solusi Transien SDE yang Memenuhi Hukum Logaritma Teriterasi 11 pada kejadian Ωε.17) dan misalkan A = {ω : limt→∞ X(t. Akibat 1.21) dan Y (0) < 0.18 Misalkan peubah acak X unique continuous adapted process yang memenuhi (1. Misalkan Y∗ (t) = −Y (t) dan dengan menggunakan analisis yang sama dengan Lema 1. =− δ−2 Selanjutnya akan ditentukan perilaku asimptotik pada (1.θ .29) . sehingga disimpulkan lim sup 2 log H∗ (t) = . δ−2 (1. Misalkan ε ↓ 0 dan δ ↓ 0 s.

Misalkan L∞ > σ2 .12 Lita Lovia dan dimana σ = 0 dan L∞ > σ2 .21) dan (1. Asumsikan bahwa untuk semua t > T1 (ε. Selanjutnya bandingkan peubah acak X dengan Y+ε yang diberikan sebagai berikut: dY+ε (t) = L∞ + ε dt + σdB(t). 2 dengan Y+ε (0) > 0 dan L∞ +ε > L∞ − ε > Jika ε ↓ 0 maka L∞ mempunyai peranan yang sama dengan δ pada (1. x ∈ R maka P (A) > 0 dan peubah acak X memenuhi X(t) = |σ| 2t log log t (1. ω). Selanjutnya ada tiga kasus yang berlaku Kasus 1. Y+ε (t∗ ) X(t∗ ) . ω) = ∞} berlaku. Y+ε (t) Y+ε (t) X(t) Untuk semua t ≥ T1 (ε. 2 g(x) = σ.30) t→∞ lim sup √ dan t→∞ lim inf 1 = − 2L∞ log log t −2 σ2 √ log X(t) t (1. ω). ω) > 0 sedemikian sehingga untuk semua t ≥ T1 (ε.22). ω) sedemikian sehingga X(t∗ ) = Y+ε (t∗ ) maka ∆(t∗ ) = 0 dan ∆ (t∗ ) ≤ 0. Misalkan ∆t = Y+ε (t) − X(t). Asumsikan bahwa A = {ω : limt→∞ X(t. terdapat T1 (ε. Bukti. Akibatnya L∞ −ε X(t) < f (X(t)) < L∞ +ε . L∞ − ε < X(t)f (X(t)) < L∞ + ε dan X(t) > 0. Karena limx→∞ xf (x) = L∞ dan limt→∞ X(t) = ∞. Untuk X(T1 ) < Y+ε (T1 ) berlaku ∆(T1 ) > 0. Untuk membuktikannya digunakan kontradiksi yaitu andaikan terdapat t∗ > T1 (ε. ω) ∆ (t∗ ) > L∞ + ε L∞ + ε − = 0. tapi ∆ (t) = L∞ + ε L∞ + ε L∞ + ε − f (X(t)) > − . ω) berlaku X(t) < Y+ε (t).31) yang berlaku untuk setiap kejadian di A. X(t) untuk t ≥ T1 (ε. t ≥ 0 Y+ε (t) σ2 . 2 Eksistensi dari suatu non − null kejadian A pada ruang contoh dijamin oleh F ellerT est.

33) L∞ + ε . diperoleh lim sup √ Y+ε (t) X(t) ≤ lim sup √ . ω) sedemikian sehingga ∆(T3 ) = 0 dan ∆ (T3 ) ≤ 0. Dengan menggabungkan hasil di atas untuk ω ∈ A. ω) maka ∆ (t) > 0.32) Ada dua kemungkinan yang berlaku yaitu X(t) > Y (t) untuk semua t > T1 (ε. jadi ∆ adalah naik pada [T1 (ε. untuk suatu ε sebagai berikut: dY−ε (t) = L∞ − ε dt + σdB(t). akibatnya ada T3 (ε.33) diperoleh ∆ (T1 ) > 0. ω) > T2 (ε. Kasus 3. Y+ε (T1 )X(T1 ) (1. ω) atau terdapat T2 (ε. t ≥ 0 Y−ε (t) . Untuk semua t ≥ T1 (ε. Dari (1. ω) sedemkian sehingga X(T2 ) = Y+ε (T2 ). Y+ε (t)X(t) (1. ω) berlaku ∆ (t) = L∞ + ε L∞ + ε L∞ + ε − f (X(t)) > − Y+ε (t) Y+ε (t) X(t) = −∆(t) Akibatnya ∆ (t) > −∆(T1 ) L∞ + ε > 0. definisikan Y−ε . 2t log log t t→∞ 2t log log t (1. untuk suatu t > T1 (ε. T2 ). ∞). Untuk X(T1 > Y+ε (T1 ) berlaku ∆(T1 < 0. Analisa dari keadaan ini bahwa terdapat T2 (ε.32). ω) sedemikian sehingga ∆(t) > 0 untuk t ∈ (T1 . ω) berlaku X(t) < Y+ε (t). Asumsikan bahwa untuk semua t > T1 (ε. Andaikan kontradiksi dengan asumsi bahwa ada T3 (ε. ω) berlaku X(t) ≤ Y+ε (t) − ∆(T1 ). ω) > T1 (ε. ini tidak mungkin karena tidak sesuai dengan (1. Untuk X(T1 ) = Y+ε (T1 ) berlaku ∆(T1 ) = 0. ω) > T1 (ε. Jika X(t) > Y+ε (t). selanjutnya akan ditunjukkan untuk semua t ≥ T1 (ε. Selanjutnya Y+ε (t) − X(t) = ∆(t) > ∆(T1 ). Kasus 2. ω) sedemikian sehingga X(T2) = Y+ε (T2 ) dan akan ditunjukkan pada kasus 3.34) t→∞ Dengan cara yang sama dapat disimpulkan penduga terendah dari peubah acak X.Solusi Transien SDE yang Memenuhi Hukum Logaritma Teriterasi 13 Kontradiksi dengan premis.

Dengan menggabungkan (1.36) yang berlaku di Ω∗ ∩ A.14 Lita Lovia σ2 .17) dan (1. δ−2 −1 σ2 (1. 2t log log t (1.30).1) (1. sehingga persamaan berikut berlaku t→∞ lim sup √ X(t) ≤ |σ|. misalkan Y+ε memenuhi (1.38) diperoleh (1.18) dengan δ = δε = 1 + 2(L∞ + ε) > σ 2 . 2t log log t X(t) ≤ |σ| 2t log log t dan diperoleh t→∞ ∗ yang berlaku di Ωε ∩ A. 2t log log t t→∞ 2t log log t (1.30).1) ∗ Ωε . Misalakn L∞ − ε > cara yang sama diperoleh lim sup √ Y−ε dijamin positif.35) Selanjutnya akan dibuktikan (1. Untuk membuktikan (1.39) . Misalkan Ω∗∗ = lim sup √ sehingga berlaku t→∞ X(t) ≥ |σ| 2t log log t (1. Maka dengan menggunakan (1. maka dengan t→∞ X(t) Y−ε (t) ≥ lim sup √ . 2t log log t ε∈(0. 2 dengan Y−ε (0) > 0.35) dan ∗ misalkan Ω−ε adalah kejadian sehingga berlaku t→∞ lim sup √ Y−ε (t) = |σ| 2t log log t dan diperoleh t→∞ ∗ yang berlaku di Ω−ε lim sup √ X(t) ≥ |σ|.31).34) dan misalkan ∗ Ωε adalah kejadian sehingga berlaku t→∞ lim sup √ Y+ε (t) = |σ|.24) diperoleh lim inf (t) √ log Y+εt t→∞ log log t =− 1 1 = − 2L∞ +ε .37) ∗ Ω−ε . persamaan berikut A.38) yang berlaku di Ω∗∗ ∩ A.36) dan (1. lim sup √ Misalkan Ω∗ = ε∈(0. Dengan menggunakan (1. Dengan cara yang sama dan menggunakan (1.

Misalkan L∞ > σ2 . kita bisa menentukan peluang dari kejadian A yang didefinisikan pada Teorema 1.ω)=−∞ maka A ∪ A adalah suatu kejadian dan P (A). yang bergantung pada nilai L−∞ .44) yang berlaku untuk setiap kejadian di A.40) dan (1. dimana Ωε adalah kejadian. .Solusi Transien SDE yang Memenuhi Hukum Logaritma Teriterasi 15 + + yang berlaku di Ωε . 1). x ∈ R (1.43) dan t→∞ lim inf √ log X(t) t log log t −2 (1. (1.18. P (A) ∈ (0.19 Misalkan peubah acak X unique continuous adapted process yang memenuhi (1.40) Dengan proses yang serupa untuk Y−ε dan menggunakan (1. Dengan menggunakan Feller Test. maka P (A) > 0 dan peubah acak X memenuhi X(t) = −|σ| 2t log log t 1 = − 2L−∞ σ2 t→∞ lim inf √ (1.35) dapat dibuktikan bahwa lim inf 1 ≥ − 2L∞ . ≤ − 2L∞ log log t 2 − 1 σ √ log X(t) t (1. Selanjutnya dengan meng+ gunakan (1.42) dan dimana σ = 0 dan L−∞ > σ2 2 .17) dan misalkan A = {ω : limt→∞ X(t.31). 2 √ log X(t) t Jika L−∞ ≤ σ2 2 maka P (A) = 1.1) + Ωε . Nilai dari P (A) dan P (A) bergantung pada nilai awal Peubah acak X0 . ω) = −∞} jika x→−∞ lim xf (x) = L−∞ g(x) = σ.41) t→∞ log log t 2 − 1 σ yang berlaku di A∗∗ dimana A∗∗ adalah subhimpunan A. maka A∗ adalah subhimpunan A dan t→∞ lim inf 1 . Jika A∗ = A ε∈(0.34) di Ωε ∩ A diperoleh √ log X(t) t t→∞ lim inf log log t 1 ≤ − 2L∞ +ε σ2 −1 . Dengan cara yang sama bisa dibuktikan hasilnya jika L∞ ditukar dengan L−∞ . Akibat 1.41) maka diperoleh (1. Dengan menggabungkan (1. Jika L−∞ > σ2 2 dan defin- isikan A = ω : limt→X(t.

18 dapat digunakan untuk membuktikan Akibat 1.45) Teorema 1.30) dan (1. yang berlaku untuk kejadian di A. Bukti. definisikan stopping timev(s) = inf t ≥ 0. 1 = − 2L−∞ σ2 −2 Teorema 1.31) dan g memenuhi (1.17) dimana g menjadi konstanta yang memenuhi ∀X ∈ R. Untuk setiap 0 ≤ s ≤ ∞.16 Lita Lovia Bukti.t ≥ 0 Selanjutnya dengan menggunakan (3.20 Misalkan peubah acak X adalah unique continuous adapted process yang memenuhi (1. Definisikan lokal Martingale t M (t) = 0 g(X(s))dB(s).17). x→∞ (1.31). M (t) > s. Teorema 1. 2 Jika terdapat bilangan riil positif L∞ dan σ sedemikian sehingga L∞ > σ2 .19 Misalkan X∗ (t) = −X(t) dan dengan menggunakan analisis yang sama dengan Teorema 1. Misalkan A = {ω : limt→∞ X(t. maka peubah acak X memenuhi (1. lim g(x) = σ ∈ R/{0}.29) diperoleh 1 1 M (t) = lim t→∞ t t→∞ t lim t 0 g 2 (X(s))ds = σ 2 . g(x) = 0. Berdasarkan Teorema Time-change for Martingale process terdefinisi sebagai W (t) = M (v(t)) adalah separable . ω) = ∞}.28 bisa digunakan untuk membuktikan hasil yang lebih umum untuk (1. diperoleh lim inf √ X∗ (t) X(t) = − lim sup √ t→∞ 2t log log t 2t log log t = −|σ| t→∞ dan lim inf ∗ log |X√(t)| t t→∞ log log t = − lim inf t→∞ √ log |X(t)| t log log t .f memenuhi (1.45).18.

ω) = −∞}.43) dan (1.42) dan g memenuhi (1. lim inf t→∞ M (t) log log M (t) 1 = − 2L−∞ σ2 −2 . Bukti. lim inf = − 2L∞ . berdasarkan Teorema 3. = − 2L∞ log log M (t) −2 σ2 M (t) log √X(t) Dengan menggabungkan kedua persamaan di atas diperoleh pernyataan yang diinginkan.17). diperoleh t→∞ lim inf √ X∗ (t) X(t) = − lim sup √ t→∞ 2t log log t 2t log log t = −1 ∗ log |X√(t)| t dan t→∞ lim inf log log t 1 = − 2L−∞ σ2 −2 sehingga lim inf X∗ (t) 2 M (t) log log M (t) |−X log √ ∗ (t)| t→∞ = −1.Solusi Transien SDE yang Memenuhi Hukum Logaritma Teriterasi 17 Brownian Motion yang berhubungan dengan filtrasi Ql = Fv(l) . t→∞ t→∞ log log t 2t log log t −2 σ2 xf (x) g 2 (x) f (X(t) g 2 X(t) dt + dW (t). . maka dX = Karena limt→∞ W ∈ A berlaku √ log X(t) 1 X(t) t lim sup √ = 1. maka peubah acak X memenuhi (1.3. Misalkan X∗ (t) = −X(t) dan dengan menggunakan analisa yang sama dengan Lema 3. = L∞ σ2 > 1 .f memenuhi (1. t ≥ 0. Akibat 1. Dengan menggabungkan kedua persamaan di atas diperoleh pernyataan yang diinginkan. Jika X = X((v(t)).21 Misalkan peubah acak X adalah unique continuous adapted processs yang memenuhi (1. 2 Jika terdapat bilangan riil positif L−∞ dan σ sedemikian sehingga L−∞ > σ2 .44).45).2 maka untuk semua 2 sehingga lim sup X(t) 2 M (t) log log M (t) = 1. Misalkan A = {ω : limt→∞ X(t. lim inf t→∞ t→∞ 1 .

London. Springer. Basic Stochastic Processes. 2 x→∞ memenuhi hukum logaritma teriterasi. dan Zastawniak. A. B. 2 x→−∞ Daftar Pustaka Appleby. Brzezniak. Limit Distributions for Sums of Independent Random Variables. log log t 2 − 1 σ √ log X(t) t untuk setiap kejadian di A. Solutions of Stochastic Differential Equation Obeying The Law of Iterated Logarithm with Applications to Finacial Markets. Electronic Journal of Probability. (2009). g(x) = σ untuk suatu x ∈ R. dan Shreve.18 Lita Lovia I. dimana A = {ω : limt→∞ X(t. T. dan Kolmogorv. (1991). Z. Gnedenko. (1967). E. Second Editon. .46) dimana f : R → R.7 Kesimpulan Solusi transien dari persamaan diferensial stokastik yang didefinisikan sebagai berikut d(X(t)) = f (X(t))dt + g(X(t))dB(t) (1. Karatzas. N. Springer. H. V. Addison-Wesley Publishing Company. (2005). I. Selain itu peubah acak X juga memperlihatkan perilaku asimtotik proses transien pada minus tak hingga dimana lim xf (x) = L−∞ > σ2 . σ suatu konstanta dan B(t) adalah separable Brownian motion dan lim xf (x) = L∞ > σ2 . dan Wu. J. yakni peubah acak X memenuhi X(t) = |σ| 2t log log t t→∞ lim sup √ dan t→∞ lim inf 1 = − 2L∞ . Brownian Motion and Stochastic Calculus. ω) = ∞} dan P (A) > 0. S. pp 912-959.

Statist. G. Petrov. V. Oxford Science Publications. B. (2003). New York.Ins. Academic Press Inc. (1950). Limit Theorems of Probability Theory. Jhon Wiley and Sons. Ann. (1967). (1979). Stochastic Differential Equations. M. R. V. Math.. pp 21-28. Probabilty Theory.K.G. . Tucker. Oksendal. Proof The Law of Iterated Logarithm Through Diffution Equation.Solusi Transien SDE yang Memenuhi Hukum Logaritma Teriterasi 19 Laha. Springer. Graduate Course in Probability. (1995). Motto. dan Rohatgi. H.