Pertemuan 4

DISTRIBUSI NORMAL MULTIVARIAT

Densitas normal univariat mempunyai peranan penting dalam analisis multivariat, karena densitas
normal multivariat dapat dipandang sebagai perluasan dari densitas normal univariat. Sebagaimana telah kita
ketahui, meskipun data hampir tidak pernah tepat berdistribusi normal, namun distribusi normal ini sering
menjadi pendekatatan yang bermanfaat untuk distribusi populasi.
Dalam pertemuan ini, akan dibahas densitas normal multivariat dan sifat-sifatnya.

Densitas Normal Multivariat

Distribusi normal univariat dengan mean  dan variansi  2 , yang dinotasikan dengan X  N (, 2 ) ,
mempunyai fungsi densitas probabilitas :

2
1  x  
1   
f (X )  e 2   ;   x  
2
2

 
'
Misalkan X  X1 , X 2 ,..., X p adalah vektor random yang berdistribusi normal multivariat dengan

vektor mean  dan variansi   , yang dinotasikan dengan X  N p (,  ) , mempunyai fungsi densitas
  
probabilitas :

1
   
'
1  x   1 x 
f (X )  1/ 2
e 2    ;    xi   ; i  1, 2,..., p
  2  p / 2 

Kontur densitas probabilitas konstan adalah :

  1 '
x x    x    c
  
2
  
Kontur ini berbentuk ellipsoida yang berpusat di  dengan

sumbu utama 1ce1
sumbu kedua  2ce2
sumbu ke-p  2ce2
dimana 1   2  ...   p adalah akar cirinya dan ei adalah vektor ciri yang berpadanan dengan  i

   
'
Apabila c 2   2p () , maka x    1 x   disebut dengan kontur densitas probabilitas  1    100%
  
Fungsi pembangkit momen distribusi normal multivariat adalah :
1
t ' t '  t
M x (t )  e  2  

 

Contoh 1:
1
 Pertemuan 4
1 1 3 
X  N 2 (, ) dengan vektor mean     dan matriks variansi    
    1 3 1 
a. Tentukan nilai eigen dan eigen vektor
b. Gambarkan 50% kontur densitas konstan untuk X

c. Hitung panjang sumbu utama dan sumbu kedua.
Penyelesaian :
a.  I  0
 
1  3
 0  (1   )2  9  0  1  4 dan  2  2
3 1 
jadi nilai eigen adalah : 1  4 dan  2  2
Vektor eigen untuk 1  4 :
 e1  e1
 
 1 3   e11   e11 
 3 1  e   4  e 
   12   12 
diperoleh e11  e12
2 2 2 1
dengan normalisasikan e11  e12  1  2e11  1  e11  e12 
2
 1 
 2
jadi vektor eigen untuk 1  4 adalah : e1   
  1 
 
 2
Vektor eigen untuk  2  2 :
 e2  e2
 
 1 3   e21   e21 
 3 1   e   2  e 
   22   22 
diperoleh e21  e22
2 2 2 1 1
dengan normalisasikan e21  e22  1  2e21  1  e21  , e22  
2 2
 1 
 2 

jadi vektor eigen untuk 2   2 adalah : 2 
e  
  1 
 
 2
 x     1  x     c2  22 (50%)  1.39
'
b.
 1 
 2 
sumbu utama : 1ce1  1  22 (50%)e1  4 1.39 
   1 
 
 2

2
 Pertemuan 4
 1 
 2 
sumbu kedua :  2ce2   2  22 (50%)e2   (2) 1.39  
   1 
 
 2

x2

2

x1
1

Contoh 2:

1 1 3
X  N 2 (, ) dengan vektor mean     dan matriks variansi 
  3 dan
    1  1
 2 4 2
Y  N 2 (, ) dengan vektor mean     dan matriks variansi 
  2
     2  4 
dimana X dan Y independen
 
Tentukan distribusi X + Y .
 
Penyelesaian :

' 1 '
X  N 2 (, ) maka fungsi pembangkit momennya adalah : t x  t x t
   M x ( t )  e   2  
 

' 1 '
Y  N 2 (, ) maka fungsi pembangkit momennya adalah : M ( t )  e t  y  2 t  y t
   y
 

X  Y  N 2 (, ) maka fungsi pembangkit momennya adalah :

   
 t ' ( x y ) 
M x y (t )  E  e    
    
 t'y 
 E  e t x  E  e   
'

   
1 1
t ' x  t '  x t t ' y  t '  y t
e
=   2    e   2  

 e 2 t   x   y  t
1 '

t '  
 e  x  y
=
1  2   3 
  x   y         
   1  2   3 

3
 Pertemuan 4
 1 3  2 4   3 7 
  x   y     
    3 1  4 2  7 3

 3  3 7
sehingga X  Y  N 2 (, ) dengan   dan  
      3   7 3

Sifat-Sifat Distribusi Normal Multivariat

Bila X  N p (, ) maka :

  
1. Kombinasi linier dari komponen-komponen X juga berdistribusi normal multivariat.

a. a ' X  a1 X1  a2 X 2  ...  a p X p  N p (a ', a '  a )
     
b. X  d  N p (  d , )
    
c. AX  N q ( A, A  A' ) dimana A bertipe qxp
     

2. Semua himpunan bagian dari komponen-komponen dari X berdistribusi normal


multivariat.
misalkan dilakukan partisi terhadap X ; ; 
  
 X1    1   11 12 
 qx1   
qx1   qxq qx( p  q ) 
X px1   ;  px1    ;  pxp  
 X 
 2    21  22 
 ( p  q2) x1  
   ( p q ) x1  ( p q ) xq ( p  q) x ( p  q ) 
maka X1  N q (1 , 11 ) dan X 2  N p q ( 2 ,  22 )
     
3. Kovarian nol mengakibatkan komponen-komponen yang bersangkutan saling independen.
X1 X kov ( X1 , X 2 )  0
a. q x 1
dan q x21 independen maka  q1xq2
1 2

  1   11  12  
 X1        
b. Bila X      N q1xq2     ,      
 X2         22  
   2    21

 
maka X1 dan X 2 independen jika hanya jika 12  0
  
c. Bila X1  N q1 (1, 11 ) dan X 2  N q2 ( 2 ,  22 ) saling independen maka
     
  1   11  0  
X       
X    1   N q1 q2     ,      
 X2      0    
2  22  



4. Distribusi bersyarat dari komponen-komponen dari X juga berdistribusi normal multivariat.



4
 Pertemuan 4
X   1   11 12 
a. X    1   N p (, ) dengan      ;       dan  22  0
 X2      2     21  22  
   
Distribusi bersyarat X1 yang diberikan X 2  x2 juga berdistribusi normal dengan
  
Mean = 1  12  22 ( X 2   2 )
    
Kovarian = 11  12  22 1  21
   
Dimana kovarian tidak tergantung pada harga X 2  x2 .
 

 X1   1   11 12 
 qx 1   qx1   qxq qx( p  q ) 
b. Bila X px1    N p ( );  px1    ;  pxp  
 X2           21  22 
 ( p q ) x1 2
   ( pq ) x1  ( pq ) xq ( p q) x ( p q ) 
Distribusi bersyarat X 2 yang diberikan X1  x1 juga berdistribusi normal p-q variat dengan
 1  
Mean =  2   21 11 ( X1  1 )
    
1
Kovarian =  22   21 11 12
   
c. X  N p (, ) dengan   0 maka
   ' 
*   
x    1 x    2p
  

   
p  X x    x    2p   1  
 ' 1
*
    
dimana  p () adalah 100 persentil atas dari distribusi  2p
2


  
 
' 1 2
dan  X x    x      p merupakan ellipsoida
    

d. X1 , X 2 ,..., X n mutually independen dengan X j  N p ( j , ) maka

     
V1  c1 X1  c2 X 2  ...  cn X n dan V1  b1 X1  b2 X 2  ...  bn X n mempunyai distribusi normal
       
multivariat bersama, dengan matriks kovarian :
 n  

 c 2j  
 j 1  
 
b'c  
   n

 
  
 n

   
'
, V1 dan V2 independen bila b c 
  j 1c jb j  0

 
 b 'c 
  
 b 2j   
 j 1   
   

contoh 3 :
1  5 2 0
 
X  N3 (, ) dan   2 ,   
      4 8 0
   
3  0 0 3
a. Apakah X1 dan X 2 independen ?
 

5
 Pertemuan 4
 X1  X 2 
b. Hitung distribusi  
 X 2  X3 
c. Apakah X1  X 2 dan X 2  X 3 independen ?
d. Apakah ( X1, X 2 ) dan X 3 independen ?
  
Penyelesaian :
a. X1 dan X 2 tidak independen karena mempunyai kovarian 12  0
 
 X1 
 X1  X 2  1 1 0   
b.  X  X   0 1 1  X 2   AX
 2 3   X   
 3
'
ingat : AX  N 2 ( A, A  A )
    

1 
1 1 0     3 
A   2 
   0 1 1    1
 3 
5 2 0  1 0 
' 1 1 0   19 10 
A A   4 8 0  1 1   
   0 1 1  12 11
 0 0  
3 0 1 
  3  19 10  
jadi AX  N 2    ,  
   1 12 11 
c. X1  X 2 dan X 2  X 3 tidak independen karena mempunyai kovarian 12  0
 X1  5 2  0
 X 
 2  11 12   4 8  0 
d. Partisi X   ,     
       21  22     
     
 X 3  0 0  2

 X1  0
X1     dan X 3 mempunyai matriks kovariansi 12    maka
 X2    0

( X1, X 2 ) dan X 3 independen.
  