Kelompok 1-Offering H-2018 :

1. Ananda Meirza Paramitha (180312613…)

2. Givsy Mea Cendani (180312613…)
3. Maya Elisabeth Mol (180312613014)
4. Nurdian Sariputri Angraini (160312604912)
5. Vinda Shonia P (160312604809)

DISTRIBUSI NORMAL MULTIVARIAT

Fungsi Kepadatan Peluang (PDF)
Misal X vektor acak berdimensi n. maka X dikatakan bersebaran normal multivariate dengan
vektor purata µ dan matriks variansi-kovariansi Ʃ yang definit positif, jika pdf bersama dari
X adalah :
1 1
𝑓(𝒙) = (2𝜋)𝑛⁄2 |Ʃ|𝟏⁄𝟐 exp⁡{− 2 (𝒙 − 𝝁)𝒕 Ʃ−𝟏 (𝒙 − 𝝁).

Fungsi Pembangkit Momen (MGF)

Misal X vektor acak berdimensi n. maka X dikatakan bersebaran normal multivariat jika
mgf-nya adalah
1
𝑀𝒙 (𝒕) = exp{𝒕𝑡 µ} exp { 𝒕𝑡 Ʃ𝐭},
2
Untuk semua t 𝜖 Rn dan Ʃ adalah matriks simetrik, semi definit positif dan µ 𝜖 Rn, ditulis
X~Nn(µ, Ʃ).
Bukti :
Karena X~ Nn(µ, Ʃ), maka
∞ ∞ 1 1
𝑀𝒙 (𝒕) = ∫−∞… ∫−∞ (2𝜋)𝑛⁄2 |Ʃ|𝟏⁄𝟐 exp⁡{𝒕𝑡 𝒙 − 2 (𝒙 − 𝝁)}⁡ 𝑑𝑥1 … 𝑑𝑥𝑛
∞ ∞ 1 1
= ∫−∞… ∫−∞ k. exp⁡{𝒕𝑡 𝒙 − 2 (𝒙Ʃ−1 𝒙 − 𝒙𝑡 Ʃ−1 𝝁 − 𝝁𝑡 Ʃ−1 𝒙 + 𝝁𝑡 Ʃ−1 𝝁) + 2 (𝝁𝑡 𝒕 −
1
𝝁𝑡 𝒕) + (𝒕𝑡 Ʃ𝐭 − 𝒕𝑡 Ʃ𝐭) + (𝒕𝑡 𝝁 − 𝒕𝑡 𝝁)}⁡ 𝑑𝑥1 … 𝑑𝑥𝑛 , 𝑑𝑖𝑚𝑎𝑛𝑎⁡ 𝑘 = (2𝜋)𝑛⁄2 |Ʃ|𝟏⁄𝟐
∞ ∞ 1
= ∫−∞… ∫−∞ k. exp⁡{𝒕𝑡 𝒙 − 2 (𝒙Ʃ−1 𝒙 − 𝒙𝑡 Ʃ−1 𝝁 − 𝒙𝒕 − 𝝁𝑡 Ʃ−1 𝒙 + 𝝁𝑡 Ʃ−1 𝝁 + 𝝁𝑡 𝒕 −
1
𝒕𝑡 𝒙 + 𝒕𝑡 𝝁 + 𝒕𝑡 Ʃ𝐭) + 2 (𝒕𝑡 𝝁𝑡 + 𝒕𝑡 Ʃ𝐭 + 𝒕𝑡 𝝁)}⁡ 𝑑𝑥1 … 𝑑𝑥𝑛
∞ ∞ 1 1
= ∫−∞… ∫−∞ k. exp⁡{− 2 (𝒙 − 𝝁Ʃ𝐭)𝑡 Ʃ−1 (𝒙 − 𝝁 − Ʃ𝐭) + 2 (2𝒕𝑡 𝝁 + 𝒕𝑡 Ʃ𝐭)}⁡ 𝑑𝑥1 … 𝑑𝑥𝑛 ⁡
∞ ∞ 1 1
= ∫−∞… ∫−∞ k. exp⁡{2 (2𝒕𝑡 𝝁 + 𝒕𝑡 Ʃ𝐭) − 2 (𝒙 − 𝝁Ʃ𝐭)𝑡 Ʃ−1 (𝒙 − 𝝁 − Ʃ𝐭)}⁡ 𝑑𝑥1 … 𝑑𝑥𝑛
∞ ∞ 1 1
= ∫−∞… ∫−∞ k. exp⁡(𝒕𝑡 𝝁 + 𝒕𝑡 Ʃ𝐭)exp⁡(− (𝒙 − 𝝁Ʃ𝐭)𝑡 Ʃ−1 (𝒙 − 𝝁 − Ʃ𝐭))⁡ 𝑑𝑥1 … 𝑑𝑥𝑛
2 2
𝑡 1 𝑡 ∞ ∞ 1 1
= exp⁡(𝒕 𝝁 + 𝒕 Ʃ𝐭) ∫−∞… ∫−∞ (2𝜋)𝑛⁄2 |Ʃ|𝟏⁄𝟐 exp⁡(− 2 (𝒙 − 𝝁Ʃ𝐭)𝑡 Ʃ−1 (𝒙 − 𝝁 −
2
Ʃ𝐭))⁡ 𝑑𝑥1 … 𝑑𝑥𝑛
1
= exp(𝒕𝑡 𝝁) exp⁡(2 𝒕𝑡 Ʃ𝐭)
∞ ∞ 1 1
∫−∞… ∫−∞ (2𝜋)𝑛⁄2 |Ʃ|𝟏⁄𝟐 exp⁡(− 2 (𝒙 − 𝝁Ʃ𝐭)𝑡 Ʃ−1 (𝒙 − 𝝁 − Ʃ𝐭))⁡ 𝑑𝑥1 … 𝑑𝑥𝑛 = 1, karena
merupakan pdf dari vektor acak yang berdistribusi Nn((µ+ Ʃt), Ʃ). Oleh karena itu, mgf X
1
adalah 𝑀𝒙 (𝒕) = exp{𝒕𝑡 µ} exp {2 𝒕𝑡 Ʃ𝐭}.
Purata (E(X)) dan Variansi(E(X2))

Beberapa sifat sebaran normal multivariate bila X berdistribusi normal multivariat maka:
1. Kombinasi linear dari komponen-komponen X juga berdistribusi normal
multivariat.
2. Semua himpunan bagian dari komponen-komponen X berdistribusi normal
multivariat.
3. Kovariansi 0 antara komponen-komponen menyebabkan komponen komponen
yang bersangkutan independen.
4. Distribusi bersyarat dari komponen-komponen adalah normal multivariat.

DISTRIBUSI KHI KUADRAT

 Fungsi Kepadatan Peluang

 MGF Distribusi Khi Kuadrat

Γ(.) merupakan fungsi gamma.
 Variansi (E(X2))
Nilai Harapan X/Purata

Nilai Harapan X2

Nilai Harapan (X – E(X))2

Fungsi Karakteristik
𝐶𝑥(𝑡) ⁡ = ⁡ (1 – 2𝑖𝑡)−𝑣/2
Fungsi Pembangkit Peluang

𝐺𝑥(𝑡) = ⁡ (1⁡ – ⁡ 2 𝑙𝑛⁡ 𝑡)−𝑣/2