[MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
-
Upload
ogijayaprana -
Category
Documents
-
view
217 -
download
0
Transcript of [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
1/65
Kelompok 2
Eka Septia Tantias 1001102
Ghea Novani 1002514
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
2/65
Inferensi Vektor Rata-Rata
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
3/65
Eka Septia Tantias 1001102
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
4/65
Plausibility dari sebagai sebuah nilai untuk sebuah
rata-rata populasi normal
Hipotesis :
: = ( )
: ( )
0
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
5/65
Univariat
Jika
1,
2,
,
adalah sampel acak dari sebuah populasi normal,
pengujian statistic yang sesuai adalah
= ( 0)/ dimana :
= 1 2=1
2 =
1
1
2
=1
Uji statistik tersebut sebuah Distribusi t-Student dengan derajat
kebebasan = 1
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
6/65
=
=
dimana,2 kuadrat jarak dari rata rata sampel dengan nilai uji 0
(simpangan baku yang diperkirakan dari X): unit jarakTolak pada taraf signifikansi jika : >
Dimana
1
2
2
menandakan batas atas persentil ke 100
2
dari distribusi-t dengan
derajat kebebasan adalah 1
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
7/65
Terima
jika :
/ Yang equivalen dengan
Atau
+
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
8/65
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
9/65
Interval Kepercayaan adalah daerah hasil nilai
yang plausible(observasi telah dilakukan).
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
10/65
Dimana merupakan jarak statistik yangdikuadratkan antara dengan
t2
x0
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
11/65
MULTIVARIAT
=
=
Dimana
= 1
=1
, ( 1) = 1 1 =1 , ( )
0 = 10
20
0 , ( 1)Dimana
adalah penaksir matriks kovarians dari
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
12/65
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
13/65
Karena
Kita dapat menghitung dan
membandingkannya dengan
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
14/65
Diberikan1 ,2 , , sebuah sampel dari sebuah populasi , Maka dengan
=1
=1 Dan
=
1
1
=1
= P 2 > 1 , ()= P
0
2
1
0
>
1
,
(
)
Apapun yang benar dan . Disini , () adalah batas atas 100 persentil dari distribusi , .
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
15/65
> ,()
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
16/65
Latihan Soal
Diberikan data matriks untuk sebuah sampel acak
berukuran n = 3 dari sebuah populasi normalbivariat
Evaluasi yang diamati untuk
dan . Apakah distribusi sampling dari kasus
ini?
369
8106X
2T 5,9'
0
05,0
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
17/65
= ( )= dimana,
( )=1
1=
Tolak jika : > ,()
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
18/65
Sifat Invarian Hotelling
bersifat invarian. Yang berarti tidak berubah
ketika ada perubahan dalam pengukuran unituntuk X yang berbentuk
2
T
2
T
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
19/65
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
20/65
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
21/65
Hottelling dan Uji Perbandingan Likelihood
Hipotesis :
: = (): ( )
2
T
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
22/65
Maksimum likelihood normal multivariate sebagai dan bervarisi nilai kemungkinannya diberikan oleh
max , L, = 122 2 2 Dimana
=1
=1 = = 1
=1
dan adalah penaksir maksimum likelihood
Statistik Perbandingan Likelihood
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
23/65
Statistik Perbandingan Likelihood
untuk menentukan mungkin tidaknya 0 adalah nilai untuk
=max
,
L
,
max0 , L, = 02
=
02
=
(
)
=1
0( 0)=1 2
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
24/65
Tolak 0 jika
1
,
(
)
Merupakan dasar dari 2 yang ekuivalen dengan uji rasiolikelihood dari 0: = 0 melawan 1: 0 karena
2
= 1 + 2
1
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
26/65
Tolak
untuk
Atau
Nilai Dengan
2
= 1
0
1 = 1
0
(
0)
=1
()=1 1
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
27/65
Metode Perbandingan Likelihood Umum
Diberikan adalah fungsi likelihoodTolak
jika
= < Dimana adalah konstanta tertentu.
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
28/65
Akibat
Ketika ukuran sampel besar
2 ln
= 2 ln
max0 Lmax L
Adalah aproksimasi dari variable acak02 Dengan derajat kebebasannya
0=
(dimensi dari ) (dimensi dari 0)
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
29/65
Confidence Regions
(Daerah Kepercayaan)
Oleh
Ghea Novani 1002514
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
30/65
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
31/65
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
32/65
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
33/65
Ketaksamaan
akan mendefinisikan daerah-- R(x), dalam
ruang dari semua nilai-nilai parameter yang
mungkin
Daerah akan menjadi ellipsoid yang berpusat
di
Ellipsoid ini adalah daerah kepercayaan
100(1- )% untuk
)(
)()1()()'(
,1
pn
FpnxSxn
pnp
x
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
34/65
Untuk sampel tipikal
Hitung dan S Cari
Pertimbangkan semua yang memenuhi
x
)(
)()1( ,
pn
Fpn pnp
)(
)()1()()'( ,1
pn
FpnxSxn
pnp
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
35/65
Daerah kepercayaan memuat semua vektor-
vektor yang akan menuju
dengan menggunakan hotelling
Daerah tersebut merupakan ellipsoid yang
mana bentuknya tersebut ditentukan dari S
(nilai eigen dan vektor eigen dari S) p=1,..,3
Ellipsoid berpusat di
Arah dari sumbu-sumbu ditentukan oleh
vektor eigen ei
0
00: H
x
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
36/65
Dari 4-7, arah dan panjang sumbu-sumbu dari
Ditentukan dari
)(
)()1()()'( ,21
pn
FpncxSxn pnp
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
37/65
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
38/65
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
39/65
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
40/65
f f
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
41/65
Alternatif alternatif untuk Daerah
Kepercayaan
Daerah kepercayaan mempertimbangkan semuakomponen dari secara bersama-sama
Yang diinginkan adalah kombinasi linear dari
Juga semua pernyataan yang memuat beberapakemungkinan yang besar secara simultan ataudengan kata lain, peluang sebarang daripernyataan kepercayaan yang salah adalah kecil
Ada tiga cara untuk menentukan interval kepercayaansecara simultan, yakni:
One-at-a-time interval
interval
Bonferroni
2
T
i
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
42/65
One-at-a-time interval
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
43/65
Misal dimana
Dan kombinasi linear:
Dari 2.43;
),(~ p
NX ),...,,('21 p
XXXX
ppXXXZ ...
2211
)','(~
')var(
')(
1
2
NZ
Z
ZE
z
z
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
44/65
Jika sampel acak dari
ada, maka sampel berkoresponden Z dapat
dibentuk dari kombinasi-kombinasi linear
Rata-rata sampel dan varians dari
Dimana dan S adalah vektor rata-rata sampeldan matriks kovarians dari
nXXX ,...,,
21),(
pN
jpjpjjj XXXXZ '...2211
nzzz ,...,,
21
xz ' Ssz '2
z
jx
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
45/65
Untuk tetap dan tidak diketahui, Interval
kepercayaan 100(1-)% untuk yang
berdasarkan t-student:
2
z
'z
S
xn
ns
zt
z
z
'
)''(
/
n
stz
n
stz z
nz
z
n)2/()2/(
11
n
Stx
n
Sltx
nn
')2/(''
')2/(
11
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
46/65
Diberikan data dan yang tetap,
interval kepercayaan di atas adalah himpunan
dari yang mana
nxxx ,...,,
21
'
)2/('
)''(
|| 1
ntS
xn
t
)2/('
)''(1
2
2
ntSll
lxln
t
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
47/65
Interval2
T
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
48/65
Result 5.3
Misal sampel acak dari
dengan definit positif, Simultan untuk semua l,
selang
Akan memuat dengan peluang (1-)
nXXX ,...,,
21),(~
pNX
SF
pnn
npXSFpnn
npXpnppnp
')()(
)1(',')()(
)1(',,
'
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
49/65
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
50/65
Bonferroni Intervals
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
51/65
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
52/65
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
53/65
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
54/65
Sejauh ini, diasumsikan
Lalu bagaimana jika tidak berdistribusi normal
multivariat ?
Kita masih bisa melakukan pengujian hipotesis
tentang rata-rata populasi jika kita mempunyai
sampel-sampel yang besar yang berhubungan
dengan p (n-p besar)
),(~ p
NX
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
55/65
Untuk sampel besar
1 = 1( )
mendekati distribusi2
dengan derajat kebebasan p, maka 1 2 1
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
56/65
Result 5.4
Misalkan X1, X2 ..., Xn adalah sampel acak dari
populasi dengan mean dan kovarians .
Jika n-p besar, hipotesis H0 : =0 ditolak dengan
alternatif H1 : 0 pada taraf signifikansi jika
' 1 2( ) ( ) ( )pn X S X
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
57/65
Result 5.5
Misalkan X1, X2 ..., Xn adalah sampel acak dari
populasi dengan mean dan kovarians . Jika n-p
besar, maka
akan memuat untuk setiap dengan peluangmendekati 1-
'
nSXp
/')(' 2
Akibatnya kita dapat membuat interval konfidensi 100(1-
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
58/65
Akibatnya kita dapat membuat interval konfidensi 100(1
)%
2 111 1
2 222 2
2
( ) memuat
( ) memuat
.
.
.
( ) memuat
p
p
pp
p p p
sx
n
sx n
sx
n
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
59/65
Inferensi vektor rata-rata bilabeberapa observasi hilang
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
60/65
Dilakukan pendekatan umum untuk
menghitung MLE dari data yang hilang.
Tekniknya dengan EM algorithm.
1. Langkah prediksi
2. Langkah estimasi
Menggunakan statistika cukup untukestimasi parameter
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
61/65
Misal X1, X2 ..., Xn adalah sampel acak
berpopulasi normal p-variat. Algoritma
prediksi dan estimasi berdasarkan pada
statistika cukup sebagai berikut:
1
1
' '
2
1
( 1)
n
j
j
n
j j
j
T X nX
T X X n S nXX
Langkah prediksi
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
62/65
Langkah prediksi
Untuk setiap vektor dengan data yang
hilang, misal merupakan komponen-komponen yang hilang dan komponen-
komponen yang ada. Maka
Diberikan penaksir dan Gunakan rata-rata dengan syarat untuk
menaksir komponen-komponen yang hilang
menaksir kontribusi untuk T1
jx)1(jx
)2(
jx
],[ )2()1('jjj
xxx
~
~
)1(x )2(x
)~~(~~~)~,~;|(~ )2()2(12212
)1()2()1()1(
xxXEx
jjj
)1(
jx
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
63/65
Selanjutnya, kontribusi yang diprediksi dari
untuk T2 adalah
)1(
jx
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
64/65
Langkah estimasi
Dihitung penduga maksimum likelihoodterevisi
'
2
1
~~~1~
~~
Tn
n
T
-
7/28/2019 [MSM] Kelompok 2 (Ghea N 1002514 Dan Eka S 1001102)
65/65
Contoh soal
Estimasilah populasi normal ini dengan mean
dan kovarians dengan datanya sebagai berikut
52
1
5
6
2
7
3
0)4,3(X