perhatikan kembali contoh data radiasi oven. Kita membuat interval kepercayaan
banferoni simultan 95% untuk rata-rata µ1dan µ2 , dari keempat kaki dari pintu tertutup
0.05
dan pintu terbuka ukuran dengan α i= , i=1.2 .
2
x 1 ± t 41 ( 0.0125 )
√ δ 11
n
=0,564 ±2,327
√
0.0144 atau 0.521 ≤ µ ≤ 0.607
42
1
x 2 ± t 41 ( 0.0125 )
√ δ 22
n
=0,603± 2,327
√
0.0146 atau 0.560 ≤ µ ≤ 0.646
42
2
Inteval Banferoni untuk kombinasi linear a′μ dan analog dengan interval - T2 ,
mempunyai bentuk yang sama:
a´ X ±(nilai kritis) a ´
√ Sa
n
α
akibatnya, dalam setiap interval dimana α i= ,
m
α
t n−1 ( )
panjang intervalbanferroni 2m
= (0.70)
panjang interval T 2 p( n−1)
n− p √
F p .n− p (α )
Teorema 5.11
Misalkan X1,X2,...,Xn sampel acak dari populasi dengan rata-rata µ dan matriks
kovariansi ∑ definit positif. Ketika n-p besar, hipotesis H0 : µ = µ0 ditolak pada taraf
signifikan α yang dipilih. Jika pengamatan
Diasumsikan bawah parameter populasi μ dan Σ tidak diketahui dan harus diestimasi
langkah prediksi. Untuk setiap vektor x j dengan nilai missing, misalkan x (j1 )menyatakan
komponen missing dan x (j2 )komponen yang ada. Selanjutnya, x’j = [ x (j1 ) , x (j2) ¿
Diberikan estimasi μ dan Σ dari langkah estimasi, gunakan rata-rata dari syarat distribusi
normal dari x1 , diberikan x2 untuk mengestimasi nilai missing.
(1 )
x j =E ¿ (0.72)
(1 )
Estimasi dari kontribusi dari x j pada T2
selanjutnya, kontribusi estimasi dari x (j1 )pada T2
Dan
[ ]
−0 3
X= 726
51 2
−−5
Dari matriks data tersebut, diketahui n = 4 dan p = 3 dan bagian dari vektor pengamatan
x1 dan x4 missing.
Dari sampel awal, dapat dihitung nilai statistik
~ 7+5 0+ 2+ 1 3+6+ 2+ 5
μ1 = =6 ,~
μ2 = =1, ~
μ3 = =4 ,
2 3 4
Selanjutnya hitung estimasi matriks kovariansi. Konstruksi estimasi tersebut
menggunakan pembagi n karena algoritma merupakan hasil dari maksimum likelihood,
Dan prediksi
Dan prediksi
Untuk kontribusi pada T1