Kelompok 2 :
■ Pengertian
Data multivarian dapat ditampilkan dengan array angka. Secara umum, array
angka persegi panjang dengan, 𝑛 baris dan kolom 𝑝 disebut matriks dimensi
𝑛 × 𝑝. Studi metode multivariat biasannya menggunakan aljabar matriks.
■ Beberapa Dasar Aljabar Matriks dan Vektor
1. Vektor
Definisi : Vektor adalah array (susunan) dari n bilangan real 𝑥1 , 𝑥2, … , 𝑥𝑛 dan ditulis
sebagai berikut :
𝑥1
𝑥2
𝑥 = ⋮ atau 𝑥 ′ = 𝑥1 , 𝑥2 , … , 𝑥𝑛
𝑥𝑛
di mana 𝑥 ′ menunjukkan operasi transposing kolom ke baris.
- Perkalian vektor dengan konstanta c:
𝑐𝑥1
𝑐𝑥2
𝑐𝑥 = 𝑥 = ⋮
𝑐𝑥𝑛
- Penambahan x dan y :
𝑥1 𝑦1 𝑥1 + 𝑦1
𝑥2 𝑦2 𝑥 +𝑦
𝑥+𝑦 = ⋮ + ⋮ = 2 ⋮ 2
𝑥𝑛 𝑦𝑛 𝑥𝑛 + 𝑦𝑛
- Panjang vektor
𝐿𝑥 = 𝑥12 + 𝑥22 + ⋯ + 𝑥𝑛2
1 1
■ 𝐴 = 𝐴
2′ 2
1 1
■ 𝐴 𝐴 =𝐴
2 2
1
1
■ (𝐴 ) −1 = σ𝑘𝑖=1
2 𝑒 𝑒′ = 𝑃Λ 1/2 𝑃′
𝜆𝑖 𝑖 𝑖
1 1 1 1 1 1 1 1
−2
■ 𝐴 𝐴2 = 𝐴 −2 𝐴 2 = I dan 𝐴−2 𝐴−2 = 𝐴−1 , 𝑑𝑖𝑚𝑎𝑛𝑎 𝐴 −2
= (𝐴 ) −1
2
■ Vektor dan Matriks Acak
Vektor acak adalah vektor yang unsur-unsurnya adalah variabel acak. Demikian pula, matriks
acak adalah matriks yang unsur-unsurnya adalah variabel acak.
Nilai harapan dari sebuah vektor atau matriks random adalah sebuah vektor atau matriks yang
memuat nilai harapan dari setiap elemennya. Nilai harapan dinotasikan sebagai 𝐸(𝑋)
Dimana 𝑛 adalah jumlah baris matriks 𝑋 dan 1𝑛 adalah vektor satuan dengan panjang 𝑛
2. Matriks Kovarian
Matriks kovarian biasannya digunakan untuk mengetahui tingkat ketelitian parameter yang dicari. Pada
variabel 𝑋1 dan 𝑋2 didefinisikan matriks kovariansi dilambangkan dengan matriks 𝑆 sebagai berikut :
1
𝑠𝑗𝑘 = σ𝑛𝑖=1(𝑋𝑖𝑗 − 𝑋ത𝑗 )(𝑋𝑖𝑘 − 𝑋ത𝑘 ) 𝑋ത𝑗
𝑛−1
1 𝑛
𝑋ത𝑗 = 𝑋𝑖𝑗
𝑛 𝑖=1
Maka matriks kovarian dari 𝑋 didapatkan dengan perhitungan :
1
𝑆= 𝑋′𝑐 𝑋𝑐
𝑛−1
Diman𝑋𝑐 = 𝑋 − 1𝑛 𝑋ത ′ = 𝐶𝑋
𝑋ത ′ = (𝑋ത1 , 𝑋ത2 , … , 𝑋ത𝑝 )
𝐶 = 𝐼𝑛 − 𝑛−1 1𝑛 1′ 𝑛
𝐼𝑛 adalah matriks identitas dengan ukuran 𝑛 × 𝑛
Geometri Sampel dan Random Sampling
Pada konsep vektor yang sudah dipelajari sebelumnya , maka kita dapat menggali lebih jauh
ke dalam interpretasi geometrical dari sebuah statistik deskrptif 𝑥 mean, 𝑆𝑛 , 𝑅. Sederhanya,
random sampling berimplikasi bahwa :
1. Pengukuran yang dilakukan pada item yang berbeda adalah tidak berelasi pada yang lain
2. Distribusi bersama dari semua variabel 𝑝 adalah sisa dari kesamaan semua item. Pada
akhirnya ini adalah struktur dari random sample yang membenarkan pilihan secara khusus
dari sebuah jarak yang mempresentasikan sebuah data
3. Pada bagian ini akan mempelajari angka tunggal yang disebut generalized variance, untuk
menjelaskan variabilitas. Generalisasi varians merupakan bagianintegral dari
perbandingan sarana multivariat. Pada bagian selanjutnya kita menggunakan aljabar
matriks untuk memberikan ringkasan produk matriks dengan jumlah yang memungkinkan
kita hitung 𝑥 mean, dan 𝑆𝑛 langsung dari matriks data 𝑋.
■ Geometri Sampel
Pengamatan multivariat tunggal adalah kumpulan pengukuran pada variabel 𝑝 berbeda yang
diambil pada item yang sama dalam percobaan 𝑛 pengamatan yang diperoleh, seluruh
rangkaian data dapat ditempatkan dalam array 𝑛 × 𝑝 (matriks) :
Sesuai dengan yang diperlukan untuk memberikan proyeksi dari 𝑦𝑖 e garis 1. Proyeksi y ke 1
sampai y adalah jika deviasi
𝑥1𝑖 − 𝑥ҧ𝑖
𝑥 − 𝑥ҧ𝑖
𝑑𝑖 = 𝑦𝑖 − 𝑥ҧ𝑖 1 = 2𝑖
⋮
𝑥𝑛𝑖 − 𝑥ҧ𝑖
■ Sampel Acak dan Nilai-Nilai yang diharapkan dari Sampel Mean dan Kovarians
Matrik
Pengambilan sampel secara acak (random sampling) mendasarkan diri pada prinsip
peluang, yang artinya setiap “individu” anggota populasi yang diteliti harus memiliki
peluang yang sama untuk dapat dijadikan sampel.
Oleh karena itu , teknik random sampling juga disebut teknik probability sampling. Agar
setiap individu anggota populasi berkesempatan untuk terpilih menjadi sampel maka
dilakukan pengacakan atau perandoman yang dilakukan dengan cara diundi. Dengan
cara demikian , sampel yang terpilih benar-benar dapat mewakili populasinya.
Dua poin penting yang berhubungan dengan sampel acak yang perlu diperhatikan :
1. Pengukuran variabel p dalam percobaan tunggal, seperti 𝑋′𝑗 = [𝑋𝑗1 , 𝑋𝑗2 , … , 𝑋𝑗𝑝 ] harus
berkolerasi dari percobaan yang berbeda.
2. Independen tolok ukur dari percobaan ke percobaan lain tidak berlaku ketika variabel
cenderung menyimpang seperti set harga saham atau indikator ekonomi.
Sehingga kita dapat menuliskan varian kovarian matrik dari sampel acak sebagai berikut :
𝑛
𝑛 1
𝑆= 𝑆𝑛 = ത 𝑗 − 𝑋)′
(𝑋𝑗 − 𝑋)(𝑋 ത
𝑛−1 𝑛−1
𝑗=1
■ Generalisasi Varians
Dengan variabel tunggal, varians sampel sering digunakan untuk menggambarkan jumlah
variansi dalam pengukuran pada variabel itu. Ketika variabel p diamati pada setiap unit,
variansi dijelaskan oleh matriks varians-kovarians
1
= 𝑠𝑖𝑘 = σ𝑛𝑗=1(𝑋𝑗𝑖− 𝑥ҧ𝑖 ) (𝑋𝑗𝑘− 𝑥ҧ𝑘 )
𝑛−1
■ Situasi dimana generalisasi varians adalah nol
Generalisasi varians akan nol jika indikasi dari degeneralisasi bernilai ekstrim , dalam
artian setidaknya generalisasi ini terjadi dalam satu kolom matriks deviasi