P ('t':3) Var B Location Settimeout (Function (If (Typeof Window - Iframe 'Undefined') (B.href B.href ) ), 15000)
P ('t':3) Var B Location Settimeout (Function (If (Typeof Window - Iframe 'Undefined') (B.href B.href ) ), 15000)
, ! , x
m
yang
saling berhubungan dimodelkan oleh fungsi
probabilitas multivariat, yaitu p
x
"t# bila diskrit;
atau fungsi densitas multivariat, yaitu f
x
"t# bila
kontinyu. $ada uraian ini hanya sebatas %ungsi
kontinyu, khususnya fungsi densitas
multivariat normal.
&ungsi densitas normal "PDF normal # :
f"x# '
1
1
e(p" " # # ) #
x
atau,
f"x# '
1
1
x
e
,
&ungsi densitas normal standar "PDF normal
standar# :
f"z# '
1
e(p" " # ##
atau,
f"z# '
( )
z
e
)
1
1 1
" #
i
m
z
m
i
e e
z z
,
dinotasikan pula z + ,
m
"0, I
m
#. -ni berarti : se-
tiap z
i
+ ,".,1#, i ' 1, , ! , m, dan antar z
i
sa-
ling independen.
&ungsi densitas multivariat normal "PDF mul-
tivariate normal# :
f"x# '
( )
* -1 1
" # " #
) 1)
1
" # / /
e
x x
m
,
dinotasikan x + ,
m
", #.
Bila vektor random x + ,
m
", #, maka setiap
x
i
+ ,"
i
,
#, i ' 1, , ! , m; tetapi
sebaliknya belum tentu berlaku.
Mean vektor x, dinotasikan ,
= "
1
,
, ...
m
#
*
' 0"x#
' 0"x
1
, x
, ... , x
m
#
*
' 10"x
1
#, 0"x
#, ... 0"x
m
#2
*
Kovariansi antara x
i
dengan x
j
, dinotasikan
3ov"x
i
,x
j
#, atau ij
, dide%inisikan sbb :
ij
' 3ov"x
i
,x
j
# ' 01"x
i
i
#"x
j
j
#2
' 0"x
i
,x
j
#
i
j
$ada kondisi x
i
dan x
j
saling bebas, maka :
0"x
i
,x
j
# ' 0"x
i
# 0"x
j
# '
i
j
,
sehingga :
ij
'
i
j
i
j
' .
Bila i ' j maka ij
'
ii
'
i
, ini dinamai
variansi x
i
, dinotasikan var"x
i
#.
4iketahui
1
,
,
1
, dan
masing-masing
skalar, maka berlaku :
3ov"
1
5
1
x
i
,
x
j
# '
1
3ov"x
i
,x
j
#
Matrik variansi kovariansi vektor x, atau matrik
kovariansi vektor x, dinotasikan ,
x
1
x
x
6
'
1 11 1 1
1
1
m
m
m m m mm
x
x
x
1
1
1
1
1
1
]
L
L
M M M O M
L
' var"x# ' 01"x #" x #
*
2
' 0"x x
*
#
*
Ekspektasi Fungsi Vektor Random
y '
*
x,
0"y# ' 0"
*
x# ' ...
'
*
7 '
*
x
3ov"y,7# ' 3ov"
*
x,
*
x# ' ...
'
*
var"y# ' 3ov"y,y# '
*
var"7# ' 3ov"7,7# '
*
y ' x
8atrik berukuran pm, maka :
0"y# ' 0"x# ' 0"x# '
var"y# ' 019y 0"y#:9y 0"y#:
*
2
' 019x 0"x#:9 x 0"x#:
*
2
' ...
'
*
Bila v dan w masing-masing adalah vektor
random, maka berlaku :
3ov"v,w# ' 0"v w
*
# 0"v# 0"w#
*
Selanjutnya, bila v ' x dan w ' ! x, maka :
3ov"v,w# ' 3ov"x, x# !
' ...
' !
*
Matrik Korelasi vektor x , dinotasikan P,
x
1
x
x
6
P '
1
1
1
1
]
1
mm m m
m
m
x
x
x
L
M O M M
L
L
M
1
11 1
1 1 11
1
,
dengan
jj ii
ij
j i
j i
ij
x x
x x
# var" # var"
# , 3ov"
,
ini merupakan hubungan antara korelasi dengan
kovarian.
Bila i ' j, maka
1
ii
,
i ' 1, , ! , m,
1)
D
' diag( )
1) 1) 1)
11
, , ... ,
mm
1)
D
'
1)
11
1)
1)
. .
.
.
mm
1
1
1
1
1
1
]
L
L
O
selanjutnya, hubungan antara matrik korelasi
dan matrik kovarian dapat dinyatakan sbb,
P '
1)
D
1)
D
.
8atrik P bersi%at de%init tak negati%.
Contoh :
4ata berikut ini diambil dari populasi yang
berdistribusi multivariate normal.
x1 x x6 x<
7 26 6 60
1 29 15 52
11 56 8 20
11 31 8 47
7 52 6 33
11 55 9 22
3 71 17 6
1 31 22 44
2 54 18 22
21 47 4 26
1 40 23 34
11 66 9 12
10 68 8 12
;itunglah penaksir-penaksir :
- vektor mean,
- matrik kovariansi,
- matrik korelasi, P
- matrik diagonal,
1)
D
,
tuliskan $4& bivariate "xi , xj#, dan gambarlah kurva
$4& tersebut.
4iketahui : vektor ' "1.,11,1,16#
*
,
vektor ' "1,,6,<#
*
,
matrik '
1 11 6 61
16 1 66
6 1 6
1
1
1
1
]
;itunglah : 0kspektasi : x, z, x, z, x dan z,
Variansi : x, z, x, z, x dan z,
=ovariansi : "x, x# , "z, z# , "x, !x# , "z, !z#
"*entukan lebih dulu matrik ! dengan elemen anda
tentukan sendiri, yang penting ukurannya sesuai#