Pertemuan 3

Sampel Random

Sifat Geometri Sampel Random

Matriks X berukuran pxn

 x11 x12  x1 j  x1n 

x x22  x2 j  x2 n 
 21
X pxn       
  
 xi1 xi 2  xij  xin 
 x p1 xp2  x pj  x pn 

Matriks X dapat diplot dalam 2 cara.
 diagram pencar (scatter plot) 2 dimensi, kolom-kolom X menunjukkan n titik dalam
ruang berdimensi p. vektor mean sampel X merupakan pusat keseimbangan.

 dikonstruksikan dengan memandang data sebagai p titik dalam ruang berdimensi n.
dalam hal ini elemen-elemen dari baris-baris matriks data merupakan titik koordinat,
yaitu

 x11 x12  x1k  x1 p   x1 

x x22  x2 k  x2 p   x2 

 21  
         
X pxn   
  x j1 x j2  x jk  x jp   xj 
  
       
   
 xn1 xn 2  xnk  xnp   xn 

Koordinat titik pertama 1 y    x , x
11 12 ,  , x 1n  adalah n pengukuran pada variabel pertama.

Secara umum titik ke-i yi   xi1 , xi 2 , , xin  ditentukan oleh n-tupel pengukuran variabel ke-


i.

Contoh 1.

Diberikan matriks
9 5 1 
X 
 1 3 2 
a. Buatlah grafik diagram pencar dalam ruang berdimensi p = 2 dan tentukan letak x pada
diagram tersebut.
b. Buatlah sketsa representasi dimensi n = 3 untuk data tersebut dan buat plot vektor
deviasi y1  x11 dan y2  x2 1
 
c. Buatlah sketsa vektor deviasi dengan mentranslasi vektor ini. Selanjutnya hitung
panjang vektor ini dan cosinus sudut antara kedua vektor. Hubungkan kuantitas ini
dengan S n dan R !
1
 Pertemuan 3

Penyelesaian:
x1   9,1 , x2   5,3 , dan x3   1, 2 
  
 9  5  1
 3  5
x 
 1  3  2   2 
 3 

a.
b.
2

5
4 x2

3 x3
 x
2 
x1
1 

0 1 2 3 4 5 6 7 8 9

2
 Pertemuan 3

10

5
x2

d2
0
3

0 x1
-5
d1

-10
10

5 10

0 5
0
-5
-5
1 -10 -10
2

c. d1  4 2  0 2  ( 4) 2  4 2  5.6569
d2  (1) 2  12  0 2  2  1.4142
'
d d2 4 1
cos  1
   =-0.5
d1 d 2 4 2 2 2
 4  1
 4  d 1 d 2 cos / 3
2
1 4 0  4  1  32 d1 / 3
Sn   0 1     
3  1 1 0   3  4 2   d 1 d 2 cos / 3 2
d2 / 3 
  4 0 
 4 
 1 32 2    1  0.5  1 cos 
R  0.5 
 4 1   1  cos 1 
 32 2 

Sifat-sifat Statistik dari Sampel Random

Matriks X berukuran pxn

 x11 x12  x1n 
x x22  x2 n 
X    x , x ,  , xn 
21

p
n       1  2 
 
 x p1 xp2  x pn 

3
 Pertemuan 3
Misal X 1 , X 2 , , X n adalah sampel random dari distribusi bersama dengan mean  dan matriks
1
kovariansi  maka X adalah penduga tak bias untuk  dan matriks kovariansinya adalah 
 n
maka
E  X     mean vektor populasi
 
1
Cov  X     matriks variansi-kovariansi populasi
 n

Untuk matriks kovariansi S n ,


n 1 1
E  Sn     
n   n
 n 1 
E Sn   
 n  
n 1 n
S
 n 1 
Sn    X j  X   X j  X  
n  1 j 1 
merupakan penduga tak bias untuk matriks kovariansi 

 
 n  1 S   X  x 1   X  x 1  
 p  p p pp    
p

atau

 n  1 S   X  
1 1
X 11   X  X 11 
  n      n    
 1 
 X  I  X 11  X 
  n    
dengan 1 = matriks dengan semua elemen sama dengan 1.

Generalized sampel variance adalah S .

Total variansi sampel total variansi sampel = S11  S22    S pp .

Matriks korelasi:

 S11 S12 S1 p 
  
 S11 S11 S11 S22 S11 S pp  1 r12  r1 p 
R           

  
 S1 p S2 p S pp   r1 p r2 p  1 
  
 S11 S pp S 22 S pp S pp S pp 
atau

1 1
 
R  D 2 SD 2
  1  1
S  D 2 RD 2
  
dengan

4
 Pertemuan 3
 S11 0  0 
 
D1 2  0 S 22  0 
p p  
 0   S pp 

 1 
 0  0 
 S11 
 1 

1  0  0 
D 2
 S22 
p p     
 
 1 
 0   
 S pp 

Contoh 2.

Diberikan matriks
 3 6 3
X  Hitunglah generalized sampel variance dari matriks X
  4 2 1 
Penyelesaian:

3  6  3
 3   4
x  
  4  2  1  1 
 3 
 4 4 4 4
x1     1 1 1   
 1  1 1 1 
 n  1 S   X  x 1  X  x 1 
    
 3 6 3   4 4 4     3 6 3   4 4 4  
2 S        
   4 2 1   1 1 1    4 2 1   1 1 1  
 1 3
 1 2 1   6 9 
2S   2 3  
  3 3 0   9 18 
 1 0  
 3 9 / 2 
S
  9 / 2 9 

S  27  81/ 4  27 / 4
