Code
sum_result <- sum(outer(1:3, 1:2, "+"))
cat("Result:", sum_result)Result: 21
Sigma, Pi, dan Cara Membaca Notasi Matematika
Sigma notation adalah shorthand yang digunakan di mana-mana dalam statistik dan econometrics. Kemampuan untuk membaca, menulis, dan memanipulasi sum dengan fluent adalah skill dasar yang tidak bisa ditawar.
Contoh: OLS estimator \(\hat{\beta} = (X'X)^{-1}X'y\) dalam bentuk scalar adalah \(\hat{\beta} = \frac{\sum_{i=1}^n (x_i - \bar{x})(y_i - \bar{y})}{\sum_{i=1}^n (x_i - \bar{x})^2}\). Memahami kedua representasi ini dan konversinya adalah essential.
\[\sum_{i=1}^{n} a_i = a_1 + a_2 + \cdots + a_n\]
Properti penting:
\[\sum_{i=1}^{n} c \cdot a_i = c \sum_{i=1}^{n} a_i \quad \text{(linearity)}\]
\[\sum_{i=1}^{n} (a_i + b_i) = \sum_{i=1}^{n} a_i + \sum_{i=1}^{n} b_i\]
\[\sum_{i=1}^{n} c = nc \quad \text{(constant sum)}\]
\[\sum_{i=1}^{m} \sum_{j=1}^{n} a_{ij} = \sum_{j=1}^{n} \sum_{i=1}^{m} a_{ij}\]
Order of summation bisa ditukar (untuk sum hingga yang well-defined).
Problem: Hitung \(\sum_{i=1}^{3} \sum_{j=1}^{2} (i + j)\)
Solution: \[= \sum_{i=1}^{3} [(i+1) + (i+2)] = \sum_{i=1}^{3} [2i + 3]\] \[= (2 \cdot 1 + 3) + (2 \cdot 2 + 3) + (2 \cdot 3 + 3) = 5 + 7 + 9 = 21\]
Verifikasi: - \(i=1\): \((1+1) + (1+2) = 2 + 3 = 5\) - \(i=2\): \((2+1) + (2+2) = 3 + 4 = 7\) - \(i=3\): \((3+1) + (3+2) = 4 + 5 = 9\) - Total: \(5 + 7 + 9 = 21\) ✓
\[\sum_{i=1}^{n} i = \frac{n(n+1)}{2}\]
\[\sum_{i=1}^{n} i^2 = \frac{n(n+1)(2n+1)}{6}\]
\[\sum_{i=0}^{n} r^i = \frac{1 - r^{n+1}}{1 - r} \quad \text{(geometric series, } r \neq 1\text{)}\]
\[\sum_{i=0}^{\infty} r^i = \frac{1}{1-r} \quad \text{(untuk } |r| < 1\text{)}\]
\[\prod_{i=1}^{n} a_i = a_1 \cdot a_2 \cdots a_n\]
Properti: \[\ln \prod_{i=1}^{n} a_i = \sum_{i=1}^{n} \ln a_i\]
Ini adalah kenapa log-likelihood mengubah product menjadi sum!
\[\sum_{i=1}^{n} (a_i - a_{i-1}) = a_n - a_0\]
Banyak terms cancel out — berguna dalam time series dan recursive proofs.
Untuk sample iid \(x_1, \ldots, x_n\), likelihood adalah: \[L(\theta) = \prod_{i=1}^{n} f(x_i; \theta)\]
Log-likelihood: \[\ell(\theta) = \ln L(\theta) = \sum_{i=1}^{n} \ln f(x_i; \theta)\]
Transformasi product → sum ini membuat optimization jauh lebih tractable secara numerik.
Sebelumnya: ← Inequalities | Selanjutnya: Calculus Module →
---
title: "Summation & Product Notation"
subtitle: "Sigma, Pi, dan Cara Membaca Notasi Matematika"
description: "Sigma notation, product notation, double sums, telescoping sums, dan manipulasi notasi."
categories: [foundations, notation]
---
::: {.callout-note title="Why This Matters for Your Work"}
Sigma notation adalah shorthand yang digunakan di mana-mana dalam statistik dan econometrics. Kemampuan untuk membaca, menulis, dan memanipulasi sum dengan fluent adalah skill dasar yang tidak bisa ditawar.
Contoh: OLS estimator $\hat{\beta} = (X'X)^{-1}X'y$ dalam bentuk scalar adalah $\hat{\beta} = \frac{\sum_{i=1}^n (x_i - \bar{x})(y_i - \bar{y})}{\sum_{i=1}^n (x_i - \bar{x})^2}$. Memahami kedua representasi ini dan konversinya adalah essential.
:::
## Sigma Notation Basics
$$\sum_{i=1}^{n} a_i = a_1 + a_2 + \cdots + a_n$$
**Properti penting:**
$$\sum_{i=1}^{n} c \cdot a_i = c \sum_{i=1}^{n} a_i \quad \text{(linearity)}$$
$$\sum_{i=1}^{n} (a_i + b_i) = \sum_{i=1}^{n} a_i + \sum_{i=1}^{n} b_i$$
$$\sum_{i=1}^{n} c = nc \quad \text{(constant sum)}$$
## Double Summations
$$\sum_{i=1}^{m} \sum_{j=1}^{n} a_{ij} = \sum_{j=1}^{n} \sum_{i=1}^{m} a_{ij}$$
Order of summation bisa ditukar (untuk sum hingga yang well-defined).
::: {.callout-tip title="Worked Example: Double Sum" collapse="true"}
**Problem:** Hitung $\sum_{i=1}^{3} \sum_{j=1}^{2} (i + j)$
**Solution:**
$$= \sum_{i=1}^{3} [(i+1) + (i+2)] = \sum_{i=1}^{3} [2i + 3]$$
$$= (2 \cdot 1 + 3) + (2 \cdot 2 + 3) + (2 \cdot 3 + 3) = 5 + 7 + 9 = 21$$
Verifikasi:
- $i=1$: $(1+1) + (1+2) = 2 + 3 = 5$
- $i=2$: $(2+1) + (2+2) = 3 + 4 = 7$
- $i=3$: $(3+1) + (3+2) = 4 + 5 = 9$
- Total: $5 + 7 + 9 = 21$ ✓
```{r}
sum_result <- sum(outer(1:3, 1:2, "+"))
cat("Result:", sum_result)
```
:::
## Useful Summation Formulas
$$\sum_{i=1}^{n} i = \frac{n(n+1)}{2}$$
$$\sum_{i=1}^{n} i^2 = \frac{n(n+1)(2n+1)}{6}$$
$$\sum_{i=0}^{n} r^i = \frac{1 - r^{n+1}}{1 - r} \quad \text{(geometric series, } r \neq 1\text{)}$$
$$\sum_{i=0}^{\infty} r^i = \frac{1}{1-r} \quad \text{(untuk } |r| < 1\text{)}$$
## Product Notation
$$\prod_{i=1}^{n} a_i = a_1 \cdot a_2 \cdots a_n$$
**Properti:**
$$\ln \prod_{i=1}^{n} a_i = \sum_{i=1}^{n} \ln a_i$$
Ini adalah kenapa log-likelihood mengubah product menjadi sum!
## Telescoping Sums
$$\sum_{i=1}^{n} (a_i - a_{i-1}) = a_n - a_0$$
Banyak terms cancel out — berguna dalam time series dan recursive proofs.
::: {.callout-caution title="Connection: Likelihood Functions"}
Untuk sample iid $x_1, \ldots, x_n$, likelihood adalah:
$$L(\theta) = \prod_{i=1}^{n} f(x_i; \theta)$$
Log-likelihood:
$$\ell(\theta) = \ln L(\theta) = \sum_{i=1}^{n} \ln f(x_i; \theta)$$
Transformasi product → sum ini membuat optimization jauh lebih tractable secara numerik.
:::
## Key Takeaways
::: {.key-takeaways}
### Poin Utama
- Sigma notation: shorthand untuk penjumlahan — baca, tulis, manipulasi dengan fluent
- Double sum: order dapat ditukar untuk finite sums
- Geometric series: $\sum_{i=0}^{\infty} r^i = \frac{1}{1-r}$ untuk $|r| < 1$
- Product notation: $\ln \prod = \sum \ln$ — kunci untuk log-likelihood
- Telescoping: $\sum (a_i - a_{i-1}) = a_n - a_0$
:::
**Sebelumnya:** [← Inequalities](04-inequalities.qmd) | **Selanjutnya:** [Calculus Module →](../02-calculus/index.qmd)