Pendahuluan
Pendahuluan
Pendahuluan
Pendahuluan
Pendahuluan
Pendahuluan
Kedua:
Uji
Ketiga:
Pada
Pendahuluan
Keempat:
Uji multivariat lebih kuasa dalam banyak kasus. Kuasa uji
adalah peluang menolak H0 pada saat H0 itu adalah
benar.
Dalam beberapa kasus, seluruh p variabel dari uji univariat
seringkali gagal mencapai tingkat signifikansinya, tetapi
dalam uji multivariat adalah signifikan dikarenakan oleh
efek yang kecil pada beberapa variabel secara bersamasama memberikan kontribusi pada terjadinya penolakan H0.
Untuk ukuran sampel tertentu terdapat beberapa
keterbatasan pada banyaknya variabel dapat ditangani
oleh uji multivariat tanpa kehilangan kuasa ujinya.
H 0 : = 0
vs
H1 : 0
Disini tidak akan dibahas hipotesis alternatif satuarah karena tidak akan digunakan dalam kasus
multivariat.
y 0 y 0
z=
=
y
/ n
2
02
=
H 0 :
M M
p 0 p
1 01
2
02
H 1 :
M M
p 0 p
Z = n ( y 0 )' ( y 0 )
2
t = ( y 0 ) / s / n : N (0,1)
Contoh 5.1:
=
100 1000
Contoh 5.1:
y2 = 164.7
Z 2 = n ( y 0 ) ' 1 ( y 0 )
1
164.7
170
100
1000
164.7
170
0.01 1.45
0.1
= (20) (1.45 5.3)
= 8.4026
0.01 0.002 5.3
'
Contoh 5.1:
Contoh 5.1:
Gambar 5.1
Contoh 5.1:
Contoh 5.1:
z1 =
z2 =
y1 01
1 / n
y 2 02
21 / n
Contoh 5.1:
Contoh 5.1:
Gambar 5.2
Contoh 5.1:
Contoh 5.1:
Pertama-tama kita lihat kembali uji-t pada satusampel dalam kasus univariat, dengan hanya satu
variabel yang diukur pada setiap unit sampling.
Diasumsikan bahwa sampel acak y1, y2, , yn
berasal dari distribusi N(, 2).
Akan ditaksir oleh y dan 2 oleh s2.
Untuk menguji hipotesis H0: = 0 melawan H1:
0, akan menggunakan statistik uji:
n (y 0 )
y 0
t=
=
s/
(
s
) ( y 0 )
=
(
0)
2
s
2
S
T = ( y 0 )
n
2
( y 0 )
2
Dalam kasus univariat, tn 1 = F1,n 1 . Statistik-T2 juga dapat
dikonversikan ke dalam statistik-F sebagai berikut:
v p +1 2
T p ,v = F p ,v p +1
vp
p(n 1)
s11
Fp ,n p ( )
n
(n p)
2 : y2
s22
p( n 1)
Fp ,n p ( )
(n p )
n
M
p : yp
s pp
p(n 1)
Fp ,n p ( )
n
(n p)
Contoh 5.2:
H 0 : = 6.0
2.85
Contoh 5.2:
y = 7.18 ,
3.09
Contoh 5.2:
= 10 7.18 6.0
3.09 2.85
= 24.559
49.68
72.25
3.68
7.18
6.0
2
T0.05,3,9
= 16.766
= 16.766 ,
Contoh 5.2:
1 : y1
p ( n 1)
s
140.5444
Fp , n p ( ) 11 = 28.100 16.766
(n p)
n
10
= (23.2457; 32.9542)
2 : y2
p ( n 1)
s
72.2484
Fp ,n p ( ) 22 = 7.180 16.766
(n p )
n
10
= (3.6996; 10.6604)
3 : y3
s33
p (n 1)
0.2501
Fp ,n p ( )
= 3.089 16.766
(n p )
n
10
= (2.8842; 3.2938)
Contoh 5.2:
N ( 1 , 12 )
N ( 2 , 22 )
2
2
SS
+
SS
(
n
1)
s
+
(
n
1)
s
2
2
1
2
2
sgab
= 1
= 1
n1 + n2 2
n1 + n2 2
2
2
Diketahui bahwa E ( sgab
=
)
Untuk menguji hipotesis bahwa H0: 1 = 2 vs H1: 1
2, maka akan digunakan statistik uji
y1 y2
t=
1 1
sgab
+
n1 n2
y 11 , y 12 , ..., y 1 n1
N p ( 1 , 1 )
y 21 , y 22 ,..., y 2 n1
N p (2 , 2 )
melawan
H1 : 1 2
y1 = i =1 y1i / n1
y 2 = i =1 y 2 i / n2
n1
n2
W2 = ( y 2 i y 2 )( y 2 i y 2 ) ' = ( n2 1) S 2
i =1
Sehingga diperoleh
n1n2
1
T =
( y1 y 2 ) ' Sgab
( y1 y 2 )
n1 + n2
2
T T
2
2
, p , n1 + n2 2
T = ( y1 y 2 ) ' + S gab
n1 n2
( y1 y 2 )
Hipotesis alternatif H1 :1 2 merupakan uji duapihak. Akan tetapi daerah kritisnya adalah yang
merupakan uji satu-pihak.
Statistik-T2 dapat ditransformasikan ke statistik-F
dengan menggunakan Persamaan (5.7):
n1 + n2 p 1 2
T = Fp ,n1 + n2 p 1
( n1 + n2 2) p
dimana p dimensi dari statistik-T2 menjadi
parameter derajat bebas pertama untuk statistik-F.
Contoh 5.3:
Contoh 5.3:
y2 =
16.66
21.94
15.97
15.91
y1 =
27.19
22.75
5.192 4.545
4.545 13.18
S1 =
6.522 6.760
5.250 6.266
6.522 5.250
6.760 6.266
28.67 14.47
14.47 16.65
9.136 7.549
7.549 18.60
S2 =
4.864 10.22
4.151 5.446
4.864 4.151
10.22 5.446
30.04 13.49
13.49 28.00
Contoh 5.3:
1
[(32 1)S1 + (32 1)S 2 ]
32 + 32 2
7.164
6.047
=
5.693
4.701
Nilai statistik-T2:
T2 =
n1n2
1
( y1 y 2 ) ' Sgab
( y1 y 2 ) = 97.6015
n1 + n2
Contoh 5.3:
Contoh 5.3:
1 1
1
1
y
y
c
2.000
10.6258
+
S
=
+
( 12 22 )
gab22
15.8941
32 32
n1 n2
1.2489 12 22 5.2489
1 1
1
1
( y13 y23 ) c + S gab33 = 10.531 10.6258 + 29.3564
32 32
n1 n2
6.1158 13 23 14.9467
1 1
1
1
y
c
+
S
=
0.8125
10.6258
+
( 14 24 )
gab44
22.3206
32 32
n1 n2
3.0376 14 24 4.6626
Contoh 5.3:
Contoh 5.3:
Pada bagian sebelumnya telah diperkenalkan statistikT2 sebagai analogi dari jarak kuadrat univariat, t2.
Ada prinsip-prinsip yang lebih umum untuk membentuk
prosedur pengujian yang disebut dengan metode rasio
kemungkinan (likelihood ratio method, dimana statistikT2 dapat diturunkan sebagai uji rasio kemungkinan dari
H0: = 0.
Uji rasio kemungkinan mempunyai beberapa sifat yang
optimum pada sampel berukuran besar, dan akan lebih
tepat digunakan dengan asumsi bahwa data mengikuti
distribusi normal multivariat.
1
(2 )
np / 2
n/2
e np / 2
Diketahui bahwa:
n
1
= ( y y )( y y )`
i
i
n i =1
1 n
= y = y i
n i =1
1
(2 ) np / 2 | |n /2
1 n
1
exp ( y i 0 )` ( y i 0 )
2 i =1
(2 ) np / 2
0
np /2
e
n/ 2
dimana:
n
1
= ( y )( y )`
i
i
0
0
0
n i =1
=
=
max L(, )
,
max L( 0 , )
n /2
n/2
( y i y )( y i y )`
i =1
`
y
( i 0 )( i 0 )
i =1
n/2
< C
T
2/ n = 1 +
1)
n