ANALISIS PEUBAH GANDA

Semester Genap 2019/2020

MINGGU KEENAM

Anna Islamiyati
Drs. Raupong, M.Si.
Siti Sahriman, S.Si., M.Si.

ANNA ISLAMIYATI
UJI VEKTOR RATAAN DAN LIKELIHOOD RATIO

ANNA ISLAMIYATI
 Bentuk Hipotesis

Hipotesis yang diuji dalam pengujian vektor nilai tengah populasi mirip seperti
pada kasus univariat, yaitu:
H0:  = 0
H1:   0
dengan,
 10 
 

20 
0
( px1)   
 
 
 p0  
 Statistik Uji Vektor Rataan : T2 Hotelling

Statistik uji yang dapat digunakan dalam pengujian vektor nilai tengah
populasi adalah (1) T2-Hotelling dan (2) Wilk-lambda.
1. T2-Hotelling, sebagai berikut:
1

  1 
     
T T
T 2  X  0  S X  0  n X  0 S 1 X   0
n 

dengan,
n
1
   X  X X
n T

X  X
1 S  X
n  1 j 1
j j
j ( pxp )
( px1 ) n j 1
 Statistik Uji Vektor Rataan : Wilk-Lambda

2. Uji Wilk-Lambda, sering juga disebut uji rasio kemungkinan (likelihood ratio test)
n /2
max L(  0 , )  ˆ 
   
max L(  , )  ˆ 0 
 ,  
dengan,
1 1
L (  , )  e  np /2
, L (  0 , )  e  np /2

 2  ˆ  2 
n /2 n /2
ˆ 0
np /2 np /2

Hubungan Hotelling dengan Wilk - Lambda,

1
 T  2
 2/n

1  n  1 

 
 Daerah Penolakan H0

Daerah penolakan untuk hipotesis nol dapat dihampiri dengan menggunakan

sebaran F, sebagai berikut:
1
 n  1 p
  1 
X  0   Fp , n  p  
T
T 2
 X  0  S
n  n  p
Untuk ukuran sampel besar maka T2-Hotelling dapat juga dihampiri dengan sebaran
khi-kuadrat berderajat bebas p.

Jika hipotesis nol ditolak itu artinya bahwa paling sedikit ada satu kombinasi linier
peubah yang rata-ratanya berada diluar selang kepercayaan (1-).
Perlu uji lanjut, yaitu:
Daerah kepercayaan ganda, dapat disajikan dalam bentuk Ellips.
Selang kepercayaan simultan
Selang kepercayaan Bonferoni
 Contoh

Perspirasi dari 20 wanita yang tergolong sehat dianalisa. Tiga komponen, yaitu X1 =
laju perspirasi, X2 = kandungan sodium dan X3 = kandungan potasium diukur
Ujilah apakah hipotesis H0: ’ = [4, 50, 10] lawan H1: ’  [4, 50, 10] pada taraf nyata
 = 0.10
 2.879 10.010  1.810 
 4.640 
S   5.640
x    10.010 199.788 
 45.400  
 1.810  5.640 3.628 

 9.965 

 .586  .022 .258 

S 1 
  .022 .006  .002


 .258  .002 .402 

 Perhitungan T2 Hotelling

 .586 .022 .258   4.640  4 

T  20  4.640  4 45.400  50 9.965  10  .022 .006 .002   45.400  50   9.74
2 T 

 .258 .002 .402   9.965  10 

n  1 p F 193
p , n  p .10   F3,17 .10   3.3532.44   8.18
n  p  17

Terlihat bahwa T2 = 9.74 > 8.18, sehingga konsekuensinya kita tolak H0 pada taraf
nyata 10%.
 Daerah (Ellips) Kepercayaan

Suatu daerah kepercayaan 100(1-)% bagi nilai tengah suatu sebaran normal
ganda p adalah suatu elips yang ditentukan oleh semua  sedemikian rupa sehingga
nX   ' S 1 X    
n  1 p F
p , n  p  
n  p 
dengan
X j  X X j  X '
n
1 n 1
X  X j
S 
( pxp )

n  1 j 1
( px1 ) n j 1

dan x1, x2, ..., xn adalah pengamatan contoh.

 Contoh

.564 .0144 .0117 1  203.018  163.391

X   S  S 
.603 .0117

.0146  163.391 200.228 


ellips kepercayaan 95% bagi  terdiri dari semua nilai (1, 2) yang memenuhi

 203.018  163.391 .564  1  241

42.564  1 .603  2      F2, 40 .05
 163.391 200.228  .603  2  40

Pasangan akar ciri dan vektor ciri bagi S adalah

1 = .026 e1’ = [.704, .710]
2 = .002 e2’ = [-.710, .704]

Pusat ellips tersebut pada titik [.564, .603]

 Panjang Sumbu

setengah dari panjang sumbu mayor dan minornya masing-masing adalah:

p n  1 241
1 Fp , n  p    .026 3.23  .064
nn  p  42 40

p n  1 241
2 F p , n  p    .002 3.23  .018
nn  p  4240

Sumbu-sumbu tersebut teletak sepanjang

e1’ = [.704, .710] dan e2’ = [-.710, .704]

Menggambar Ellips Kepercayaan

Menggambar Elips Kepercayaan

2
0.65

0.60

0.55

0.55 0.60 1
 Perbandingan Dua Vektor Rataan

– Setiap populasi diambil sampel 1 ??? 2

acak berukuran tertentu (bisa
sama, bisa juga tidak sama)
– Pengambilan kedua sampel Populasi I Populasi II
saling bebas X~N(1,12) X~N(2,22)

– Tujuannya adalah menguji

apakah parameter 1 sama
dengan parameter 2 Acak dan saling
bebas

Sampel I Sampel II
(n1) (n2)
 Perbandingan Dua Vektor Rataan

Multivariate: Ukuran Pemusatan dan Penyebaran

Misal:
vektor peubah acak untuk sampel 1 adalah x1’=(x11, x12,…,x1p) dan vektor peubah
acak sampel 2 adalah x2’=(x21, x22,…,x2p)

x1 j  x1 x1 j  x1 '

n1 n1
1
x1 
1
x 1j
S1  
n1  1 j 1
n1 j 1

n1

x 2 j  x 2 x 2 j  x 2 '
1
x
n1
1
x2 
n2 j 1
2j S2  
n2  1 j 1
 Langkah Pengujian

Bentuk Hipotesis: H0: 1 = 2 vs H1: 1  2.

Statistik uji:
a. Ragam sama b. Ragam tidak sama (Gunakan matriks
1
kovarian masing-masing sample
 1 1  
T  x1  x 2 ' 
2
  S gab  x1  x 2  1
 n1 n2    S1 S 2 
n1  1S1  n2  1S 2 T  x1  x 2 '  
2
 x1  x 2 
S gab   n1 n2 
n1  n2  2
Daerah penolakan H0:
Daerah penolakan H0:

T 2  c2 
n1  n2  2 p Fp , n1 n 2  p 1  
T c 
2 2 2
( , p )
n1  n2  p  1
 Contoh

Misal:
x1=lebar badan kura-kura; x2=panjang badan kura-kura
Sampel 1:
(n1=24)
102.583  171.732 101.844 
 SJ  
 64.737 
xJ
 52.042  101.844 
Sampel 2:
(n2=24)
88.292 
50.042 21.654 

11.259 
 SB
xB  21.654 
40.708 

Hipotesis :

H0 :  J   B H1 :  J   B
 Menghitung T2 Kasus Variansi Sama

• Kasus ragam sama

1
|  1 
T2 
 x1  x 2  1 
n  n  S gab  x 1  x2 
 1 2  

S gab 
n1  1S1  n2  1S 2 110.887
S gab  
61.749 
n1  n2  2  61.749 37.998 


14.292  1  0.095 - 0.154 

x1  x 2   
0.277 
S gab
 - 0.154 
11.333 
 1 1  0.0945 - 0.154 14.292
T 2  14.292 11.333
24
  
0.277    4.995 x
 24 24  - 0.154  11.333 2

• Tolak Ho, jika

T 2  c2 
n1  n2  2 p Fp , n1  n2  p 1 .01 
462 2.44  4.988
n1  n2  p  1 45
 Menghitung T2 Kasus Variansi Tidak Sama

• Kasus ragam tidak sama

1

 
S S 
T 2  x1  x 2 '  1  2  x
1  x2 
 n1 n2 
1
57.197 25.898  14.292 
T 2  14.292 11.333
25.898 13.956 

11.333 
 

 0.109 - 0.203  14.292 

T 2
 14.292 11.333     14.170
- 0.203 0.448  11.333 

• Tolak Ho, jika

T 2   2( 0.0 5; 2 )  5.99
Uji Perbandingan Likelihood (Likelihood Ratio)
Uji Perbandingan Likelihood (Likelihood Ratio)
Contoh 1
Contoh 2
 Tugas 6: Kelompok 3 dan 4
Buatlah makalah Inferensi Vektor Rataan dari Buku Teks Utama
“Richard Bab 5”
Kelompok 3 : 5.1 – 5.4
Kelompok 4 : 5.5 – 5.8

Tugas Individu
Buatlah resume materi kuliah Minggu 6
TERIMA KASIH