Data ramus bone tersebut tidak mengandung outlier berdasarkan analisis standarisasi dan jarak kuadrat. Semua nilai zjk dan dj2 berada dalam kisaran yang diizinkan untuk distribusi normal multivariate.
APG Pertemuan 4 : Multivariate Normal Distribution (2)
1.
2. 1. Mathematical Simplicity ο distribusi ini relatif mudah
dikerjakan, sehingga mudah untuk mendapatkan
metode multivariat berdasarkan distribusi ini.
2. Multivariate version of the CTL ο jika kita memiliki
koleksi vektor acak X1, X2, ..., Xn yang iid, maka vektor
mean sampel, π₯, akan menjadi multivariat yang
terdistribusi normal untuk sampel besar.
3. Banyak fenomena dapat dimodelkan menggunakan
distribusi
3. Random variabel X berdistribusi normal dengan
Rata-rata : Β΅ Varians : π
PDF : π π₯ =
1
2ππ2
exp{β
1
2π2 (π₯ β π)2
} untuk ββ < π₯ < β
4.
5. Random vektor X (π Γ 1) berdistribusi multivariat normal dengan
Vektor rata-rata populasi : Β΅ Matriks varians-kovarians : β
Pdf : π π =
π
ππ
π/π
β βπ/π
πππ β
π
π
π β π β²ββπ
π β π
Notasi : π π~π π(π, β)
Jika π = 2 maka X bersdistribusi Bivariate Normal
8. 1. Kombinasi linier dari semua komponen peubah x juga
menyebar normal.
π =
π=1
π
ππ ππ½ = πβ²πΏ
Jika πΏ π~π π(π, β)maka Y berdistribusi normal dengan
Rata-rata : πβ²
π = β π=1
π
ππ π π
Varians : πβ²
βπ = β π=1
π
β π=1
π
ππ π π πππ
Notasi : π~π(πβ²
π, πβ²
βπ)
9. 2. Jika πΏ π~π π(π, β) maka semua komponen dari X juga
berdistribusi normal.
3. Jika kovarian bernilai nol maka komponen yang
bersesuaian saling bebas
4. Sebaran bersyarat dari semua variabel berdistribusi
multivariate normal:
π =
π₯1
π₯2
~π π(π, β) dengan π =
π₯1
π₯2
,
β =
β11
β21
β12
β22
dan β22 > 0
10. maka sebaran bersayarat X dengan X2 = x2 adalah normal
dengan
rata-rata = Β΅1 + β12β22
β1
(x2- Β΅2)
kovarian = β11 β β12β22
β1
β21
5. Jika πΏ π~π π(π, β) dengan β > 0 maka
a. π β π β²ββπ π β π ~ α΅‘ π
b. Selang kepercayaan (1-Ξ±) ο π β π β²ββπ π β π =
α΅‘(πΌ,π)
11. Teorema:
Jika β definit positif maka β -1 ada
βe = Ξ»e
β -1 e = (1/ Ξ») e,
sehinggga ( Ξ».e) adalah pasangan nilai akar ciri dan vektor ciri
bagi β koresponden terhadap pasangan (1/ Ξ» .e) untuk β-1 . β -1
juga positif.
12. Kurva CI berbentuk elipsoid, dimana
c = permukaan ellips berpusat di Β΅
π β π β²ββπ
π β π = π2
dan absis = Β± c Ξ»iππ dimana βei = Ξ»iei , i = 1,2,..,p
semua x yang memenuhi
16. Dalam kasus univariate (p=1), kita tahu bahwa sebaran dari x adalah normal dengan
rata-rata π dan varian π2
/n. Hal ini juga berlaku untuk kasus multivariate (p β₯2)
dimana vektor rata-rata X berdistribusi normal dengan rataan π dan matriks kovarian
(1/n)β . Varians dari sampling (n-1) π 2
= β π=1
π
(π₯π β π₯)2
mengikuti distribusi chi
square dengan derajat besas n-1, dimana (n-1) π 2
merupakan penjumlahan dari :
π π ππ
π
+ β― + π πβπ
π
= (πππ) π + β― + (ππ πβπ) π
πππ, mengikuti distribusi N(0, π2
). Ini merupakan bentuk umum distribusi sampling
dari unsur-unsur matriks kovarian. Distribusi ini disebut dengan distribusi Wishart.
17. Ambil x1, x2, ..., xn sebagai contoh acak yang berukuran n dari
sebuah populasi normal ganda p dengan rata-rata π dan
matriks kovarian β , kemudian :
1. X mengikuti ditribusi Np (π, (1/n) β )
2. (n-1)S adalah menyebar Wishart dengan db = n β 1
3. X dan S adalah bebas.
Karena β tidak diketahui, sebaran π tidak dapat digunakan
langsung untuk mendapatkan π . Sebagaimana S
memberikan informasi bebas tentang β dan distribusi s tidak
tergantung pada π.
18. Hal-hal yang perlu diperhatikan dari distribusi Wishart:
1. Jika π΄1 menyebar W π1 (π΄1| β ) bebas dari π΄2, yang menyebar
Wm2 (A2 ), maka A1 + A2 menyebar Wm1+m2 (A1 + A2| β)
2. Jika A menyebar Wm (A|β ), maka CACβ menyebar Wm
(CACβ|CβCβ).
Distribusi ini tidak ada jika ukuran contoh n tidak lebih besar dari
jumlah peubah (p). Jika ada maka sebaran Wishartnya adalah
π π (π΄|β ) =
π΄ (πβπβ2)/2
πβπ‘ππ΄ββ1/2
β π(πβ1)/2β π(πβ1)/4 |β|(πβ1)/2 βπ=1
π
β[
1
2 π β 1
]
Dimana matriks A definit ositif dan β (.) adalah fungsi Gamma.
19. Beberapa tahapan yang harus dilakukan dalam menyusun Plot
Kuartil 2 adalah sebagai berikut:
1. Hitung:
πππ
2
= π₯(π) β π
β²
ββ1
π₯(π) β π
2. Beri peringkat nilai πππ
2
3. Carilah nilai chi-Square dari nilai (i β1/2)/n dengan derajat bebas
p.
π π
2
π β
1
2
π
20. 4. Buat plot
π π
2
πβ
1
2
π
dengan πππ
2
bila pola hubungannya mengikuti garis lurus maka data tersebut dapat
dikatakan menyebar normal ganda. Namun demikian untuk lebih
menyakinkan dapat dilakukan dengan menghitung nilai korelasi person
π π
2
πβ
1
2
π
dengan πππ
2
.
Apabila nilai korelasi ini nyata maka data tersebut mengikuti sebaran
normal ganda.
22. Dengan menggunakan QQ-Plot, tunjukkan apakah data tersebut
berdistribusi normal ganda?
(Pembahasan terlampir)
23. Langkah-langkah deteksi outlier:
1. Membuat dot plot di setiap variabel
2. Membuat scatter plot berpasangan setiap variabel
3. Menghitung nilai standarisasi π§ππ = (π₯ππ β π₯ π) / π ππ untuk j=
1,2β¦,n dan k = 1,2,β¦,p; jika nilai π§ππ berada dalam selang -3 < π§ππ <
3 maka data jk bukan oulier, sebaliknya jika nilai π§ππ lebih kecil
dari -3 dan lebih besar dari 3 maka data ke-jk merupakan oulier.
4. Menghitung jarak kuadrat ππ
2
= π₯π β π₯
β²
π β1
π₯π β π₯ , jika nilai
ππ
2
melebihi π(π)
2
maka data ke-jk merupakan outlier.
25. Let X be π3(π,β)with
1. Which of the following random variables
are independent?
a. X1 and X2
b. X2 and X3
c. (X1, X2) and X3
2. Find the mean vector and covariance matrix for 3X1 - 2X2 + X3!
(Pembahasan terlampir)