SELANG KEPERCAYAAN

VEKTOR NILAI TENGAH

Daerah (elips) Kepercayaan bagi
Vektor Nilai Tengah
 Perbandingan Kasus Peubah Tunggal
dan Peubah Ganda
Peubah Tunggal Peubah Ganda
Penduga titik parameter Skalar Vektor nilai tengah
nilai tengah
Penduga selang nilai Selang Kepercayaan Daerah (elips)
tengah Kepercayaan
Pengujian hipoteis nilai Uji t-student Uji T2-Hotelling
tengah satu populasi
Pengujian beda nilai Uji t-student Uji T2-Hotelling
tengah dua populasi
Pengujian beda nilai ANOVA MANOVA
tengah beberapa populasi
 Daerah kepercayaan
Daerah kepercayaan untuk vektor mean
dengan tingkat kepercayaan adalah himpunan
semua yang memenuhi :
     
 
P n( X   )' S 1( X   )  (n 1) p F

( )  1
 0 0 n p p,n p 
 

atau

  
 
P  n(n  p) ( X   )' S 1( X   )  F p,n p ( )  1
 

 (n 1)
 0 0 

Daerah (elips) 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  
n  p  p ,n  p
di mana
1 n 1 n
X  X j S   X j  X X j  X '
(px1 ) n j 1 ( pxp ) n  1 j 1
; dan x1, x2, ..., xn adalah pengamatan contoh.
Daerah (elips) Kepercayaan -- ILUSTRASIObyek dengan
p=2 dan n=42

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

x  S  S 
.603 .0117 .0146   163. 391 200. 228 
   

elips 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
Lanjutan Selang
Atau Jika F2,40(0.05)=3.23
(42)(203.018)(0.564-μ1)2+42(200.228)(0.603-μ2)2-84(163.391)(0.564-
μ1)2(0.603-μ2)2<=6.62
Kita lihat bahwa μ’=[0.562, 0.589] masuk dalam selang kepercayaan itu,
bukti :
(42)(203.018)(0.564-0.562)2+42(200.228)(0.603-0.589)2-84(163.391)
(0.564-0.562)2(0.6030.589)2=1.30<=6.62
Kita simpulkan bahwa μ’=[0.562, 0.589] masuk dalam selang tersebut. Hal
ini identik dengan pengujian
H0: μ’=[0.562, 0.589], vs H1: μ’≠[0.562, 0.589] yang artinya terima H0
pada α=0.05
Daerah (elips) Kepercayaan -- ILUSTRASI

Menggambar Elips Kepercayaan

Pasangan akarciri dan vektorciri bagi S adalah
1 = .026 e1’ = [.704, .710]
2 = .002 e2’ = [-.710, .704]

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

Daerah (elips) Kepercayaan -- ILUSTRASI

Menggambar Elips Kepercayaan

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]
Daerah (elips) Kepercayaan -- ILUSTRASI

Menggambar Elips Kepercayaan

2
0.65

0.60

0.55

0.55 0.60 1
Perbandingan panjang sumbu major dengan
sumbu minor
p (n  1)
2 1 Fp ,n p ( )
n( n  p ) 1 0.161
   3.6
p( n  1) 2 0.045
2 2 Fp ,n p ( )
n( n  p )

Artinya panjang sumber major adalah 3.6 kali panjang sumbu minor
Selang Kepercayaan secara Simultan
• Kadang-kadang kita ingin mencari selang
kepercayaan secara simultan, misalkan selang
kepercayaan dari kombinasi linier dari peubah-
peubah asal
• Misalkan X adalah vektor peubah acak yang
menyebar multivariate normal, Np(μ,  )
• Kemudian kombinasi linier dari peubah asal
Z=a1X1+a2X2+……+apXp= a’X
maka
μ=E(Z)= a’ μ dan σ2Z=Var (Z)=a’  a
Selang Kepercayaan secara Simultan

• Maka Z menyebar normal Np(a’μ, a’  a)

Maka nilai rata-rata dari z dan ragam z adalah sebagai
berikut

_ _
z  a' x
s  a ' Sa
2
z
Selang kepercayaan
• Untuk nilai a yang ditentukan, dan Ragam populasi Z
tidak diketahui maka Peluang (100)(1-α)% selang
kepercayaan dari μZ=a’μ dapat dihitung dengan
berbasiskan t-student

_ _
z z n (a' x  a' u z )
t 
sz / n a ' Sa
Selang Kepercayaan
_
sz _
sz
z  t n1 ( / 2)   z  z  t n1 ( / 2)
n n
atau
_
a' Sa _
a' Sa
a' x  t n1 ( / 2)  a' u  a' x  t n1 ( / 2)
n n
Formula yang Lain
• Tentukan selang
keprcayaan masing-
masing rata-rata populasi
(95%) dengan asumsi X1,
X2, X3 Independen

 
 Menghitung Rata-rata contoh dan Ragam-Peragam Contoh

Dengan Sebaran
F

Menghtitung Selang 95 % bagi  

Selang Kepercayaan untuk masing-masing rata-rata populasi adalah

Dengan Sebaran T

526.29-1.99
542.55


54.69-1.99
57.09


25.13-1.99
26.16
 nX   ' S 1
X     n  1 p
Fp , n  p  
n  p 
(0 1 -1)

=3.13
-))<= 29.566+3.13

Selang interval dalam bentuk elips adalah

n
Bonferroni untuk nilai rata-rata
• Digunakan bila contoh acaknya kecil
Bonferroni
Selang Kepercayaan Untuk Sample Besar

• Jika contoh acak dengan jumlah contoh yang besar, maka pendugaan
selang interval sering mengabaikan asumsi sebaran normal.
Keuntungan dengan sample besar adalah pengetahuan tentang vektor
rata-rata populasi serta ragam-peragam populasi dapat diganti
dengan vektor rata-rata dan ragam peragam contoh.
UJI VEKTOR RATAAN
Pengujian Hipotesis: Vektor Nilai Tengah

• Pengujian hipotesis vektor rata-rata untuk satu populasi dengan

asumsi matriks kovariansi populasi ( Σ ) tidak diketahui (diduga
dengan S)

• Hipotesis :
H0:  = 0 vs H1:   0
0 diketahui  10 
 
0   
20

( px1)  
 

 p 0 
Statistik uji :

• Statistik uji yang dapat digunakan dalam pengujian vektor nilai

tengah populasi adalah

(1) T2-Hotelling
1
2
 
1 
T  X   0 ' S  X     nX    ' S X   
1

n  0 0 0

mengikuti distribusi Hotelling T2 (p,n-1)

   

 1 n   X  X 2  ...  X n
ˆ  X    X r   1
dimana, n  r 1  n
 X1 
 

  X2 
ˆ  X   
  
X 
 p

1 n  
  

ˆ
S   ( X r  X )( X r  X )'
n 1 r 1
atau
 ˆ11 ˆ12  ˆ1 p 
 
 ˆ 21 ˆ 22  ˆ 2 p 
ˆ  S  
   
 
 ˆ ˆ  ˆ pp 
 p1 p2

2
1 n
ˆ
 ii  Var ( X i )   ( X ri  X i )
n  1 r 1
1 n
ˆ ij  Cov( X i , X j )   ( X ri  X i )( X rj  X j ), i  j
n  1 r 1
• (2) Wilk-lambda( likelihood ratio test)
n/2
max L(  0 , )   ˆ 
    
max L(  , )   ˆ 
 ,  0 
dengan,
1  np / 2 1
L(  , )  e L(  0 , )  e  np / 2
np / 2 ˆ n / 2 n/2
2   2  np / 2 ˆ
 0

n n
1
 x    x  
' '

ˆΣ j - x xj - x j - x xj - x
2
n j=1    j=1   
Λ =  =
n =
ˆΣ0 1 n n

 x    x  
' '
 j - μ0 xj - μ0 j - μ0 xj - μ0
n j=1    j=1   
• Hubungan Hotelling dan Wilklamda

2 1
2/n  T 
  1  
 n  1 

• Masukkan nilai kritis T2 pada persamaan di atas untuk mendapatkan

nilai kritis dari likelihood ratio
 Daerah Penolakan H0
• Daerah penolakan untuk hipotesis nol dapat dihampiri dengan
menggunakan sebaran F, sebagai berikut:

2
 
1 
T  X   0 ' S 
1
n  1 p
X   0   n  p  Fp,n p  
n 

• Untuk ukuran sampel besar maka T2-Hotelling dapat juga

dihampiri dengan sebaran khi-kuadrat derajat bebas p.
Uji T2-Hotelling untuk Pengujian Hipotesis Nilai Tengah --
ILUSTRASI

Perspirasi dari 20 wanita yang tergolong

sehat dianalisa. Tiga komponen, yaitu X1
= laju perspirasi, X2 = kandungan sodium
dan X3 = kandungan potasium diukur
(lihat datanya di modul)
Ujilah apakah hipotesis H0: ’ = [4, 50,
10] lawan H1: ’  [4, 50, 10] pada taraf
nyata  = 0.10
Uji T2-Hotelling untuk Pengujian Hipotesis Nilai Tengah --
ILUSTRASI

 4.640   2.879 10.010  1.810 

x  45.400 S   10.010 199.788  5.640
 9.965   1.810  5.640 3.628 

 .586  .022 .258 

S 1   .022 .006  .002
 .258  .002 .402 
Uji T2-Hotelling untuk Pengujian Hipotesis Nilai Tengah --
ILUSTRASI

 .586  .022 .258   4.640  4 

T 2  204.640  4 45.400  50 9.965  10'  .022 .006  .002 45.400  50  9.74
 .258  .002 .402   9.965  10 

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

n  p  p,n  p
17
3,17

Terlihat bahwa T2 = 9.74 > 8.18,

sehingga konsekuensinya kita tolak H0
pada taraf nyata 10%.
Kasus Dua Sample Saling 1 ??? 2
Bebas
• Setiap populasi diambil
sampel acak berukuran Populasi I Populasi II
tertentu (bisa sama, X~N(1  1) X~N(2,  2)
bisa juga tidak sama)

• Pengambilan kedua
sampel saling bebas Acak dan
• Tujuannya adalah saling bebas
menguji apakah
parameter 1 sama
Sampel I Sampel II
dengan parameter 2 (n1) (n2)
Deskripsi masing-masing sampel
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)

1 n1 1 n1
x1   x1 j S1   x1 j  x1 x1 j  x1 '
n1 j 1 n1  1 j 1

n1
1 1 n1
x2 
n2
x 2j S2   x 2 j  x 2 x 2 j  x 2 '
j 1 n2  1 j 1
Langkah Pengujiannya
Bentuk Hipotesis: H0: 1 = 2 vs H1: 1  2.

Statistik uji: n1  1S1  n2  1S 2

S gab 
a. Ragam sama n1  n2  2

1
 1 1  
T 2  x1  x 2 '    S gab  x1  x 2   c 2
 n1 n2  
b. Ragam tidak sama ( 𝑛1 +𝑛2 − 2 ) 𝑝
𝑐 2= 𝐹 𝑝 ,𝑛 1+𝑛 2 −𝑝 −1 (𝑎𝑙𝑓𝑎)
( 𝑛1 +𝑛2 − 𝑝 − 1 )
1
 S S 
T 2  x1  x 2 '  1  2  x1  x 2   c 2
 n1 n2 
(alfa,p)
 Langkah Pengujiannya
Bentuk Hipotesis: H0: 1 - 2= 0 vs H1: 1- 2  0.

Statistik uji:
a. Ragam sama
S gab 
n1  1S1  n2  1S 2
n1  n2  2
1
 1 1  
T  [x1  x 2   (u1  u 2)]'    S gab  [x1  x 2   (u1  u 2)]  c 2
2

 n1 n2   2 ( 𝑛1 +𝑛2 − 2 ) 𝑝
𝑐 = 𝐹 𝑝 ,𝑛 1+𝑛 2 −𝑝 −1 (𝑎𝑙𝑓𝑎)
( 𝑛1 +𝑛2 − 𝑝 − 1 )
b. Ragam tidak sama

(alfa,p)
1
 S S 
T  [x1  x 2   (u1  u 2)]'  1  2
2
 [x1  x 2   (u1  u 2)]  c 2
 n1 n2 
Ilustrasi
Misal:
x1=lebar badan kura-kura; x2=panjang badan kura-kura
Sampel 1: 102.583  171.732 101.844 
xJ    SJ  
 52.042  101.844 64.737 
(n =24)
1
 
Sampel 2: 88.292  50.042 21.654 
xB    SB  
(n2=24) 40.708 
  21.654 11.259 
Hipotesis :
H0 :  J   B H1 :  J   B
Penyelesaian, Ragam Sama 1

  1 1 
| 
T 2  x1  x 2    S gab  x  x  S gab
n  1S1  n2  1S 2
 1
110.887
S gab  
61.749 
1 2
 61.749 37.998 
 n1 n2   n1  n2  2

[( )] (
−1
1
+
24 24
1
)( 110.887
61.749
61.749
37.998
=
1.138288
−1.84995
−1.84995
3.322082 )
14.292 
x1  x 2   
11.333 

=59.9296

n1  n2  2 p F 462 2.44  4.988

T 2  c2  p , n  n  p 1 .01 
n1  n2  p  1 1 2
45

Terima H1 : Rata-Rata tinggi badan dan berat badan tdak sama

antara laki-laki dan wanita
Penyelesaian Ragam Tidak sama

( ) (
−1
𝑺𝟏 𝑺𝟐
) ( )
−1
9 .2406 5.1458 1.138388 −1.84995
+ = =
24 24 5.1458 5.1665 −1.84995 3,322082
1
2
  S S 
T  x1  x 2 '  1  2  x
1  x2 
 n1 n2 

=59.92963

T 2   2( 0.05; 2 )  5.99
Contoh

• Suatu penelitian dikatakan bahwa Ho perbedaan antar

rataan tinggi dan berat untuk Laki-laki dan perempuan sama
dengan (5, 5).
Laki-laki
Perempuan
102.583  171.732 101.844  88.2917  50.0417 21.6540 
x Ll    S ii L    xP    Sii P   
52.0417  101.844 64.73731884   40.7083  21.6540 11.2591 

 5 5
Ho :  L   P    H 1 :  L   P   
 5 5

•Untuk Populasi Yang Memiliki Ragam () Yang Sama

1
 1 1  
 
|
T 2  x 1  x 2      S pooled  x 1 
 x2   c2
 n1 n2  
S pooled 
n1  1S1  n2  1S 2 110.88685 61.749 
S pooled  
n1  n2  2
 61.749 37.998 

( 1
+
24 24
1
)
𝑆𝑝𝑜𝑜𝑙=
1
+(
24 24
1 110.88685
61.749 )( )(
61.749 = 12.611
37.997 7.719
7.719
4.750 )
=  5  14.2917   5   9.2917 
x1  X 2         5    6.3333 
6
   11.3333     

==

𝑇 2=23.31317

c2 
n1  n2  2  p Fp ,n1  n2  p 1 .01
n1  n2  p  1
c2 
46 2 2.44 
45  =4.98844
Jadi T2 = 23.31317 > 4.98844 sehingga kita menolak hipotesis nol (H 0) pada taraf signifikan sebesar 2
%, yang berarti perbedaan antar rataan tinggi dan lebar untuk Laki-laki dan perempuan tidak sama
dengan (5, 5).
 171.732 101.844  50.0417 21.6540 
S ii L  Sii P   
 21.6540 11.2591 
101.844 64.73731884 

Untuk Populasi Yang Memiliki Ragam () Yang Tidak Sama

1
Statistik ujinya: 2

| 1 1

T  x 1  x 2    S1  S 2  x 1  x 2    
 n1 n2 

( [ ( )] ( ))
−1

𝑇 2= ( 9 .2917 6.333 ) + ) (
1 171.732 101.844 1 5 0.0417 21.6540
24 101.844 64.7373 24 21.6540 11.2591
9.2917
6.333
2.084753 -3.27971
=29.75 -3.27971 5.530334

 2 .05   5.99 Koreksi Inversinya

Karena T2 = 29.75 >  2 .05   5.99

maka kita Tolak H0 pada alfa 10 %, yang berarti perbedaan antar rataan tinggi dan lebar untuk Laki-laki dan
perempuan tidak sama dengan (5, 5)
Perbandingan Vektor Nilai Tengah Dua Populasi Berpasangan

1 ??? 2
Kasus Dua Sample Saling
Berpasangan
• Setiap populasi diambil Populasi I Populasi II
sampel acak berukuran n X~N(1,  1) X~N(2,  2)
(wajib sama)
• Pengambilan kedua sampel
berpasangan, ada pengkait Acak dan
antar kedua sampel (bisa berpasangan
waktu, objek, tempat, dll)
• Tujuannya adalah menguji
apakah parameter 1 sama
dengan parameter 2 Sampel I Sampel II
(n) (n)

Pasangan 1

Pasangan …

Pasangan n
• Untuk mengembangkan perbandingan pengamatan berpasangan peubah ganda, ini penting untuk
membedakan antara p respon, dua perlakuan, dan n ulangan. Kita memberikan label p respon
dalam ulangan kej-th
• X1j1=peubah 1 pada perlakuan 1
• X1j2=peubah 2 pada perlakuan 1
• :
• X1jp=peubah p pada perlakuan 1
• ------------------------------------------
• X2j1=peubah 1 pada perlakuan 2
• X2j2=peubah 2 pada perlakuan 2
• :
• X2jp=peubah p pada perlakuan 2

Dan perbedaan p peubah-yang berpasangan adalah

Dj1=X1j1-X2j1
Dj2=X1j2-X2j2
:
Djp= X1jp-X2jp
Katakan
D’j=[Dj1, Dj2,....,Djp] dan asumsi j=1,2,3....,n maka

 d1 
 
 d 2
 d3 dan Cov(Dj)= d
E(Dj)=  
 : 
 dp 
 
 • Ukuran fisik manusia diwakili oleh berat badan dan tinggi badan. Suatu
Program olah raga menyatakan bahwa ada berhasil bila ada perubahan
fisik manusia, yang ditunjukkan adanya peningkatan nilai dua variabel
di atast. Seorang peneliti mengambil 10 contoh peserta olah raga tsb
dan diukur berat badan dan tinggi badan sebelum dan sesudah
mengikuti program olah raga tsb. Data menyebar normal. Gunakah
Alpha 5 %. Data hasil penelitian adalah sebagai berikut

1 2 3 4 5 6 7 8 9 10
Bera Ting Bera Tingg Tingg Ting Ting Ting Ting
t TinggiBerat gi t i Berat Tinggi Berat Tinggi Berat i Berat gi Berat gi Berat gi Berat gi
Sebelu
m 54 164 65 177 56 169 70 180 68 180 71 182 58 170 66 177 67 170 68 180
Sesuda
h 56 165 68 179 60 172 74 182 72 183 75 184 62 173 70 180 71 175 72 184
Selisih 2 1 3 2 4 3 4 2 4 3 4 2 4 3 4 3 4 5 4 4
Lanjutan
0
Ho : Ud  0
 3,7  0.4556 0.489 
D    S  
 
 0  
H 1 : Ud  
 0
 
  2 .8   0.489 1.289 
1  3.70161  1.40408 
S   
  1.40408 1.30844 
Selisis Berat 2 3 4 4 4 4 4 4 4 4
Selisih
Tingga 1 2 3 2 T2 3 2 3 3 5 4

2  3.70161  1.40408  3.7 

T  10(3.7, 2.8)    318.5
  1.40408 1.30844  2.8 
F(0.95) (2, 8)=4,45, c2=(n-1)p/(n-p)F=18/8 * 4.45=10.01
Kesimpulan diterima H1 yakni terjadi peningkatan
sifat fisik peserta olah raga karena program olah raga